面向操縱優(yōu)化的智能列車輔助駕駛系統(tǒng)

高士根， 董海榮， 朱海楠

(北京交通大學(xué) 軌道交通控制與安全國家重點(diǎn)實(shí)驗(yàn)室， 北京 100044)

目前,在列車駕駛及運(yùn)行過程中，列車駕駛員從列車運(yùn)行控制系統(tǒng)人機(jī)交互界面中獲取的信息主要集中于列車速度信息(如當(dāng)前速度、線路限速)以及站停信(下一站距離)等關(guān)鍵防護(hù)性信息，而對于其他重要信息如外部運(yùn)行環(huán)境信息、前后列車信息等掌握不足，這既不利于列車駕駛員做出及時(shí)合理的操縱應(yīng)對，亦不利于其執(zhí)行優(yōu)化的操縱行為。如何針對人工駕駛列車運(yùn)行的特點(diǎn)，在保障安全的前提下通過一定的技術(shù)手段提高人工駕駛的操縱決策水平，對于實(shí)現(xiàn)列車節(jié)能準(zhǔn)點(diǎn)運(yùn)行及提升干線鐵路運(yùn)輸效率具有重要的現(xiàn)實(shí)意義。

此前國際上對于列車輔助駕駛系統(tǒng)DAS(Driver Advisory System)及其功能擴(kuò)展已經(jīng)展開了很多探討與研究，如德國的TAS系統(tǒng)、瑞典的CATO系統(tǒng)、德國的LEADER系統(tǒng)等，分別以不同的方式與形式進(jìn)行了面向節(jié)能、準(zhǔn)點(diǎn)的列車輔助駕駛系統(tǒng)的開發(fā)，并進(jìn)行了部分的線上應(yīng)用測試，取得了可觀的效果[1-2]。而我國在這方面的研究相比起步較晚，且多集中于列車運(yùn)行曲線的優(yōu)化理論與控制方法等方面，對于人工列車駕駛環(huán)境下的列車運(yùn)行優(yōu)化的實(shí)現(xiàn)則考慮較少。如文獻(xiàn)[3-4]根據(jù)我國的具體國情和路情對列車輔助駕駛系統(tǒng)進(jìn)行了研究，并基于半實(shí)物仿真驗(yàn)證了所提出的系統(tǒng)與方法在應(yīng)對典型運(yùn)行場景時(shí)的作用。文獻(xiàn)[5]針對列車節(jié)能操縱優(yōu)化研究的基本問題，基于求解方法的特征對已研究的方法進(jìn)行分類，將其分為解析方法、數(shù)值方法和仿真方法3大類。文獻(xiàn)[6]對列車駕駛輔助系統(tǒng)的關(guān)鍵功能進(jìn)行了技術(shù)對比，并進(jìn)行了初步的系統(tǒng)設(shè)計(jì)；文獻(xiàn)[7]依據(jù)列車牽引計(jì)算建立列車運(yùn)行模型，將列車節(jié)能優(yōu)化操縱問題轉(zhuǎn)化為 最優(yōu)控制問題進(jìn)行求解，并設(shè)計(jì)貨運(yùn)列車運(yùn)行仿真軟件進(jìn)行仿真驗(yàn)證；文獻(xiàn)[8]以列車動(dòng)力學(xué)模型為基礎(chǔ)，建立了列車運(yùn)行節(jié)能操縱方案的數(shù)學(xué)模型，并結(jié)合改進(jìn)的遺傳算法對列車節(jié)能操縱問題進(jìn)行求解。

綜上，輔助駕駛系統(tǒng)在提高駕駛員操縱列車水平 方面具備重要的意義，也已得到了較多研究人員的關(guān)注，但現(xiàn)有的輔助駕駛系統(tǒng)多采用離線優(yōu)化加車載提示的方式，即采用離線優(yōu)化完畢后的相關(guān)信息由車載端進(jìn)行存儲(chǔ)和調(diào)用提示，較少考慮在線優(yōu)化的過程，使得系統(tǒng)的智能性、適用性與靈活性均受到一定的限制，當(dāng)列車運(yùn)行出現(xiàn)偏差或出現(xiàn)突發(fā)情況時(shí)亦缺乏足夠的應(yīng)對能力。本文將在文獻(xiàn)[9-10]的基礎(chǔ)上，以優(yōu)化駕駛員操縱為目標(biāo)，給出一種結(jié)合離線與在線的駕駛策略優(yōu)化方法并基于半實(shí)物仿真平臺進(jìn)行驗(yàn)證，為智能列車輔助駕駛系統(tǒng)功能的充分發(fā)揮提供方法支撐。

1 智能列車輔助駕駛系統(tǒng)

智能列車輔助駕駛系統(tǒng)iDAS(Intelligent Driver Advisory System)是利用列車定位、測速等傳感器信息，結(jié)合現(xiàn)代計(jì)算機(jī)技術(shù)與通信技術(shù)，實(shí)現(xiàn)列車運(yùn)行環(huán)境信息通報(bào)、駕駛操縱方案優(yōu)化與提示、潛在危險(xiǎn)預(yù)警與應(yīng)對、后備模式輔助運(yùn)行等功能的輔助系統(tǒng)。其可在列控系統(tǒng)通過其主人機(jī)交互界面DMI(Driver Machine Interface)向列車駕駛員所提供的防護(hù)性信息的基礎(chǔ)上，輔助列車駕駛員進(jìn)行安全、節(jié)能、準(zhǔn)點(diǎn)等的列車駕駛操縱，并可在列控系統(tǒng)發(fā)生故障時(shí)作為后備系統(tǒng)，輔助列車駕駛員進(jìn)行安全目視行車，防止列車事故。

與列車輔助駕駛系統(tǒng)相比， iDAS與其的主要區(qū)別在于：首先不同于列車輔助駕駛系統(tǒng)多采用的僅有靜態(tài)線路數(shù)據(jù)庫，iDAS車載端集成列車狀態(tài)信息采集功能，可實(shí)現(xiàn)列車狀態(tài)信息的感知，為后臺動(dòng)態(tài)優(yōu)化提供依據(jù)；其次依據(jù)車載端傳輸?shù)牧熊嚑顟B(tài)，中心端可采用智能優(yōu)化方法對列車運(yùn)行曲線和操縱序列進(jìn)行動(dòng)態(tài)優(yōu)化并將優(yōu)化后的結(jié)果傳送至車載端DMI，形成動(dòng)態(tài)反饋機(jī)制以應(yīng)對多變的運(yùn)行環(huán)境，為列車駕駛員提供實(shí)用的操縱參考建議。

綜合國內(nèi)外現(xiàn)有的理論結(jié)果與工程實(shí)踐，對智能列車輔助駕駛系統(tǒng)所需要考慮的主要信息進(jìn)行分析與總結(jié)為:

(1) 列車運(yùn)行環(huán)境信息提示：如前行和后續(xù)列車的相對位置、可能影響列車運(yùn)行約束的天氣信息等。

(2) 列車優(yōu)化操縱相關(guān)信息：如面向節(jié)能和準(zhǔn)點(diǎn)的優(yōu)化操縱方案(運(yùn)行曲線)提示、關(guān)鍵區(qū)段(如動(dòng)能闖坡、電分相區(qū)域)等的提示等。

(3) 列車運(yùn)行狀態(tài)信息：列車當(dāng)前位置、下一停站 距離、終點(diǎn)站距離、列車當(dāng)前運(yùn)行時(shí)分、下一停站時(shí)間預(yù)估、運(yùn)行早晚點(diǎn)情況等運(yùn)行時(shí)分信息。

上述3項(xiàng)關(guān)鍵功能所需的數(shù)據(jù)可來源于智能列車輔助駕駛系統(tǒng)自身具備的自主定位模塊以及車-地、車-車之間的通信，無需與現(xiàn)有的列車運(yùn)行控制系統(tǒng)進(jìn)行直接交互，避免了引入智能輔助駕駛系統(tǒng)可能對現(xiàn)有列車運(yùn)行控制系統(tǒng)的安全性所產(chǎn)生的影響?？蛇x用智能手機(jī)、平板電腦等設(shè)備作為車載端設(shè)備，避免接口適配和設(shè)備改造等可能帶來的較高成本。

本文所設(shè)計(jì)的系統(tǒng)采用iDAS信息中心加iDAS車載設(shè)備兩個(gè)層級的方式進(jìn)行實(shí)現(xiàn)。其中，iDAS車載設(shè)備向列車駕駛員提供人機(jī)交互接口并從已有列控系統(tǒng)車載設(shè)備獲取列車運(yùn)行狀態(tài)信息，之后將所獲取的信息反饋至iDAS信息中心；iDAS信息中心負(fù)責(zé)根據(jù)iDAS車載設(shè)備反饋回的信息進(jìn)行相應(yīng)的列車目標(biāo)運(yùn)行曲線優(yōu)化及其對應(yīng)優(yōu)化操縱序列的計(jì)算，再將所計(jì)算結(jié)果發(fā)送給iDAS車載設(shè)備進(jìn)行提示與決策支持，同時(shí)需與現(xiàn)有調(diào)度中心進(jìn)行調(diào)度命令、監(jiān)控信息、列車運(yùn)行狀態(tài)等信息交換。兩層級間由無線數(shù)據(jù)通信進(jìn)行雙向信息通信連接。本文所設(shè)計(jì)與使用的智能列車輔助駕駛系統(tǒng)的信息流程見圖1。

2 人工駕駛條件下的列車駕駛策略優(yōu)化

2.1 假設(shè)條件

針對人工駕駛所具有的獨(dú)特特點(diǎn)，本文在進(jìn)行列車運(yùn)行曲線優(yōu)化的計(jì)算過程中做以下假設(shè)：

(1) 根據(jù)文獻(xiàn)[11]所得出的結(jié)論，列車在同一限速和坡度的子區(qū)間內(nèi)運(yùn)行時(shí)，其最優(yōu)工況序列為最大牽引-巡航-惰行-最大制動(dòng)的子序列。而在人工駕駛條件下，巡航(恒速)模式較難維持，因而本文采用“最大加速-惰行-最大制動(dòng)”的子序列作為子區(qū)間內(nèi)最優(yōu)工況序列，即除需采取制動(dòng)段的子區(qū)間外，其他子區(qū)間內(nèi)采用牽引加惰行組合的方式進(jìn)行操縱。

(2) 人工駕駛列車時(shí)，為保證運(yùn)行平穩(wěn)性和乘客舒適性，要求列車駕駛員在改變檔位時(shí)遵循“緩提少切”的原則，即切換檔位時(shí)要逐級切換，同時(shí)在整個(gè)運(yùn)行過程中盡可能少地進(jìn)行檔位切換。

2.2 列車駕駛策略優(yōu)化問題的數(shù)學(xué)模型

基于運(yùn)動(dòng)學(xué)定律受力分析的列車單質(zhì)點(diǎn)動(dòng)力學(xué) 模型為

( 1 )

式中:v為列車速度;s為列車運(yùn)行里程(以運(yùn)行起點(diǎn)為零點(diǎn)的相對距離);t為時(shí)間;Mt為列車的總質(zhì)量;kt、kb分別為牽引和制動(dòng)的標(biāo)志位系數(shù)；F(cf,v)和B(cb,v)分別表示列車當(dāng)前輸出的牽引力與制動(dòng)力，為與列車當(dāng)前速度v及駕駛員控制器檔位cf、cb相關(guān)的二元函數(shù)；G(s)為與運(yùn)行里程相關(guān)的坡道所造成的作用力，表示為

G=Mt·G(s)=

( 2 )

其中，Lc為列車總計(jì)算長度，gi為列車當(dāng)前所處子區(qū)間的坡度，li為列車處于當(dāng)前子區(qū)間內(nèi)的長度，n為計(jì)算點(diǎn)總個(gè)數(shù)；R(v)為列車所受基本阻力，由戴維斯方程進(jìn)行計(jì)算為

R(v)=Mt·(av2+bv+c)

( 3 )

其中，a、b、c分別為滾動(dòng)阻力、摩擦阻力、列車阻力系數(shù)。

列車運(yùn)行優(yōu)化目標(biāo)函數(shù)由下式構(gòu)建

( 4 )

式中：ε為功率傳輸系數(shù)；F(cf,v)為列車當(dāng)前輸出的牽引力；φ為列車自用電折算功率；ti為列車從第i個(gè)計(jì)算點(diǎn)到第i+1個(gè)計(jì)算點(diǎn)的運(yùn)行時(shí)間；Tp為站間計(jì)劃運(yùn)行時(shí)間；w1、w2為權(quán)值系數(shù)。可見人工駕駛下的列車運(yùn)行曲線優(yōu)化目標(biāo)函數(shù)由列車運(yùn)行總能耗和列車站間運(yùn)行時(shí)間偏差兩部分組成。

目標(biāo)函數(shù)所受到的約束條件為

v(0)=v(Tp)=0

( 5 )

cmin≤ci≤cmax

( 6 )

( 7 )

式中：cmin、cmax分別對應(yīng)最大常用制動(dòng)檔位和最大牽引檔位；Sp為站間運(yùn)行距離。式( 5 )、式( 7 )對應(yīng)列車的站間運(yùn)行的空間約束，式( 6 )對應(yīng)司控器最大檔位約束。

上述式( 1 )～式( 7 )用于描述列車站間運(yùn)行時(shí)其駕駛策略的優(yōu)化問題，考慮列車自用電對總計(jì)算能耗的影響，并建立操縱檔位與列車運(yùn)行速度曲線之間的計(jì)算關(guān)系，可提高所采用數(shù)學(xué)模型對實(shí)際列車運(yùn)行描述的準(zhǔn)確性與模型的實(shí)用性。

2.3 結(jié)合離線與在線方法的求解算法

依據(jù)前述假設(shè)條件，列車的操縱過程可抽象為由一個(gè)離散操縱序列所決定的連續(xù)變化過程，即決策變量

( 8 )

式中：N為所劃分的子區(qū)間數(shù)目;dN為第N個(gè)子區(qū)間內(nèi)的牽引距離;cN為第N個(gè)子區(qū)間內(nèi)所采取的牽引檔位。決策變量與優(yōu)化問題的數(shù)學(xué)模型之間的關(guān)系表達(dá)為

( 9 )

式中：si為列車在當(dāng)前子區(qū)間內(nèi)所運(yùn)行的距離;V為線路限速。即若運(yùn)行距離si尚未達(dá)到預(yù)設(shè)牽引距離di，則以牽引檔位cn進(jìn)行牽引(kt=1,kb=0)；若si已達(dá)到預(yù)設(shè)牽引距離di，則后續(xù)段由惰行工況補(bǔ)足(kt=0,kb=0)；若在運(yùn)行過程中有運(yùn)行速度vi超出V的情況，則按照相應(yīng)規(guī)程進(jìn)行制動(dòng)操作(kt=0,kb=1)。

算法對應(yīng)的主要步驟如下：

Step1

FORi=1:n

IFgi≠gi-1ORV-≠V+

THEN從點(diǎn)i起劃分為新的子區(qū)間；

END

END

Step2

FORi=1:n

END

END

FORi=n:1

END

END

之后在VminT約束下設(shè)置并執(zhí)行遺傳算法流程，得到離線優(yōu)化后的駕駛策略次優(yōu)解及所對應(yīng)的站間運(yùn)行時(shí)間偏差Terr。

Step3

定義評價(jià)指標(biāo)函數(shù)為

(10)

式中:d為該子區(qū)間內(nèi)的原牽引距離;δd為迭代過程中選取的牽引距離變化量;Δs為距離計(jì)算間隔;m為子區(qū)間內(nèi)計(jì)算點(diǎn)的總數(shù)量。子區(qū)間內(nèi)牽引距離的分配路徑由各子區(qū)間的該指標(biāo)決定，具體反映為區(qū)間內(nèi)單位運(yùn)行時(shí)間變化量下的能耗變化量。

并建立各子區(qū)間內(nèi)的評價(jià)指標(biāo)δ(n)；設(shè)定在線計(jì)算步長、站間運(yùn)行時(shí)間誤差容忍度Ttol及最大計(jì)算次數(shù)Nmax。

WHILE |Terr|>TtolOR當(dāng)前計(jì)算次數(shù)

IF當(dāng)前策略站間運(yùn)行時(shí)間>預(yù)設(shè)站間運(yùn)行時(shí)間

THEN調(diào)整具有最大評價(jià)指標(biāo)的子區(qū)間內(nèi)牽引距離由dn變?yōu)閐n+δd，更新駕駛策略的總能耗及Terr；

ELSE調(diào)整具有最大評價(jià)指標(biāo)的子區(qū)間內(nèi)牽引距離由dn變?yōu)閐n-δd，更新駕駛策略的總能耗及Terr；

END

END

算法的流程圖見圖2。

3 仿真與實(shí)驗(yàn)分析

3.1 半實(shí)物仿真平臺的搭建

為對智能列車輔助駕駛系統(tǒng)的功能進(jìn)行測試，采用實(shí)物列車司機(jī)控制器加軟件功能及界面方式開發(fā)了集成系統(tǒng)的半實(shí)物綜合實(shí)驗(yàn)平臺,平臺主體功能組成與信息流程見圖3。

列車駕駛過程由圖4所示的PC軟件界面及圖5所示S640U型實(shí)物司機(jī)控制器共同進(jìn)行模擬。圖4中左側(cè)為依據(jù)標(biāo)準(zhǔn)LKJ2000系統(tǒng)主界面所開發(fā)的軟件界面，右側(cè)為iDAS相關(guān)提示信息區(qū)域，包含車次號、始發(fā)終到車站、當(dāng)前運(yùn)行區(qū)間、當(dāng)前運(yùn)行時(shí)分早晚點(diǎn)情況、當(dāng)前工況、下一工況以及切換倒計(jì)時(shí)、推薦操縱檔位等信息。平臺軟件整體采用Java編程語言開發(fā)，具有良好的可移植性，同時(shí)為基于Android操作系統(tǒng)的移動(dòng)端APP開發(fā)提供了便利，方便后續(xù)以智能平板電腦或手機(jī)作為車載端的iDAS系統(tǒng)的現(xiàn)場測試。

3.2 實(shí)驗(yàn)數(shù)據(jù)與參數(shù)

本文選用某型電力機(jī)車為例，在線路縱斷面數(shù)據(jù)基礎(chǔ)上，研究所提出的系統(tǒng)結(jié)構(gòu)與方法的有效性。列車采用1機(jī)車加9車廂編組，車廂乘客定員按平均110人計(jì)算。實(shí)驗(yàn)中所用線路數(shù)據(jù)與車輛數(shù)據(jù)分別見表1、表2。

表1 實(shí)驗(yàn)案例中使用的線路數(shù)據(jù)

710 690～12 8100120812 810～13 7304.3120913 730～14 8503.41201014 850～15 9402.11201115 940～17 54001001217 540～18 3901.21001318 390～20 5403.01001420 540～22 74001001522 740～24 8401.0100

表2 實(shí)驗(yàn)案例中使用的車輛數(shù)據(jù)

注：牽引特性部分為基于列車牽引計(jì)算規(guī)程的計(jì)算公式，其中e為帶邊手柄位置，v為車速。機(jī)車風(fēng)阻系數(shù)和車廂風(fēng)阻系數(shù)3組取值分別對應(yīng)式( 3 )中的a,b和c。

3.3 實(shí)驗(yàn)案例與結(jié)果分析

選取完全人工經(jīng)驗(yàn)駕駛、有iDAS(僅離線優(yōu)化)及有iDAS(離線加在線優(yōu)化)3種典型情況分別進(jìn)行若干次駕駛實(shí)驗(yàn)，所得到的仿真結(jié)果見圖6。對仿真結(jié)果進(jìn)行分析如下：

(1) 純?nèi)斯ゑ{駛情形下，駕駛員對上坡道的處理不足(6 970～8 730、8 730～10 609 m兩個(gè)連續(xù)上坡子區(qū)間內(nèi)采用的牽引距離過短或牽引檔位較低)，導(dǎo)致列車在上坡道子區(qū)間中的速度下降較為明顯，并導(dǎo)致在后續(xù)駕駛過程中，駕駛員在列車進(jìn)站前本應(yīng)執(zhí)行惰行或制動(dòng)的子區(qū)間(22 740～24 840 m)內(nèi)采取了額外的牽引工況以補(bǔ)償運(yùn)行時(shí)間偏差，造成了總運(yùn)行能耗的增加。此情況下列車站間運(yùn)行總能耗為228.56 kw·h，運(yùn)行時(shí)間為1 110.3 s。

(2) 對于有iDAS(僅離線優(yōu)化)情況，由于在上坡道子區(qū)間內(nèi)(8 730～10 690 m)給出了較高的牽引檔位及牽引距離提示，使得列車平均運(yùn)行速度得以提升，在進(jìn)站前的子區(qū)間內(nèi)得以提前采用惰行工況，降低了 整體的站間運(yùn)行能量消耗。由于離線算法本身屬隨機(jī) 搜索類算法，其存在的容易局部收斂等局限性導(dǎo)致所 得到的實(shí)際是次優(yōu)解，反映在駕駛策略的調(diào)整上則相對較為激進(jìn)(子區(qū)間20 540～22 740 m處出現(xiàn)了提前惰行加額外牽引的情況)。此情況下列車站間運(yùn)行總能耗為225.01 kW時(shí)，運(yùn)行時(shí)間為1 110.6 s，相比情況(1)的節(jié)能百分比為1.55%。

(3) 對于有iDAS(離線加在線優(yōu)化)情況，在情況(2)離線優(yōu)化結(jié)果的基礎(chǔ)上，將列車運(yùn)行狀態(tài)考慮在內(nèi)對各子區(qū)間內(nèi)的牽引距離進(jìn)行進(jìn)一步調(diào)整，使得列車在保證運(yùn)行時(shí)間不變的前提下進(jìn)一步降低運(yùn)行能耗。此情況下列車站間運(yùn)行總能耗為222.20 kW·h，運(yùn)行時(shí)間為1 110.1 s，相比于情況(2)的節(jié)能百分比為1.24%，相比情況(1)節(jié)能百分比為2.78%。

3組仿真實(shí)驗(yàn)的數(shù)據(jù)對比見表3。運(yùn)行時(shí)間相差較小，均在可接受的偏差范圍內(nèi)(<1 s)，證明了所提出的方法與系統(tǒng)在輔助列車駕駛員進(jìn)行節(jié)能、準(zhǔn)點(diǎn)的駕駛操縱方面的作用。

表3 實(shí)驗(yàn)案例的能耗運(yùn)行時(shí)間結(jié)果對比

4 結(jié)束語

本文針對智能列車輔助駕駛系統(tǒng)展開研究，在分析列車人工駕駛操縱過程的基礎(chǔ)上，設(shè)計(jì)了智能列車輔助駕駛系統(tǒng)的整體架構(gòu)，基于區(qū)間內(nèi)牽引距離與檔位建立了人工操縱下的列車運(yùn)行優(yōu)化問題數(shù)學(xué)模型，并采用離線與在線相結(jié)合的算法對其進(jìn)行求解，最后基于半實(shí)物仿真平臺進(jìn)行實(shí)驗(yàn)與案例分析，證明了智能列車輔助駕駛系統(tǒng)能夠輔助列車駕駛員進(jìn)行更好的節(jié)能準(zhǔn)點(diǎn)駕駛。下一步工作將從半實(shí)物仿真平臺的進(jìn)一步改進(jìn)、算法效率的提升及原型系統(tǒng)的研發(fā)及現(xiàn)場測試等方面展開，以期為智能列車輔助駕駛系統(tǒng)的現(xiàn)場測試和實(shí)際運(yùn)用提供必要的準(zhǔn)備。