基于人工智能的列車運(yùn)行圖智能編制技術(shù)體系框架研究

蔣 輝，李 博，賀俊源

(1.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司，北京 100081；2.中國(guó)鐵路列車運(yùn)行圖技術(shù)中心，北京 100081；3.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 運(yùn)輸及經(jīng)濟(jì)研究所，北京 100081)

0 引言

列車運(yùn)行圖是鐵路運(yùn)輸組織的重要技術(shù)文件，是客運(yùn)、貨運(yùn)、司乘、施工、車站作業(yè)、機(jī)車和動(dòng)車運(yùn)用等計(jì)劃編制的依據(jù)，其編制質(zhì)量和效率直接影響鐵路運(yùn)輸資源運(yùn)用效率和運(yùn)輸效益[1]以及面向動(dòng)態(tài)變化市場(chǎng)的響應(yīng)程度。隨著計(jì)算機(jī)技術(shù)的發(fā)展，列車運(yùn)行圖編制手段和技術(shù)不斷提升，編圖周期不斷縮短，從傳統(tǒng)紙筆手工編制的每2 年至4 年編制1 次，到單機(jī)、局域網(wǎng)計(jì)算機(jī)輔助編制的每年1～2 次，再到計(jì)算機(jī)異地聯(lián)網(wǎng)編制的每年4 次，實(shí)現(xiàn)了“一季一圖”編制模式。隨著我國(guó)社會(huì)經(jīng)濟(jì)快速發(fā)展，高速鐵路網(wǎng)規(guī)模不斷擴(kuò)大，客貨運(yùn)輸需求量的提升和市場(chǎng)動(dòng)態(tài)變化節(jié)奏的加快，現(xiàn)行以人的經(jīng)驗(yàn)策略為主導(dǎo)，人機(jī)交互的編圖方式，受人的計(jì)算力和精力的限制，已無(wú)法支撐列車運(yùn)行圖編制質(zhì)量和效率的實(shí)質(zhì)性提升，需要依托基于云平臺(tái)的列車運(yùn)行圖編制系統(tǒng)計(jì)算能力[2]，利用人工智能技術(shù)，開展列車運(yùn)行圖智能編制技術(shù)的研究和應(yīng)用。

國(guó)內(nèi)外學(xué)者對(duì)于列車運(yùn)行圖編制技術(shù)開展了大量研究工作，國(guó)外鐵路大多采用周期性列車運(yùn)行圖方式，其形成的編圖技術(shù)[3-5]不適用于我國(guó)超大規(guī)模網(wǎng)絡(luò)化編圖場(chǎng)景，國(guó)內(nèi)學(xué)者通常根據(jù)具體場(chǎng)景設(shè)計(jì)啟發(fā)式策略，將原問(wèn)題分解或簡(jiǎn)化，以實(shí)現(xiàn)減小求解規(guī)模，提升求解效率。例如，彭其淵等[6-7]設(shè)計(jì)了時(shí)空局域滾動(dòng)算法，以有向弧和有向列車徑路為主線，構(gòu)造符合我國(guó)鐵路實(shí)際路網(wǎng)情況的列車運(yùn)行圖優(yōu)化模型，并提出采用加邊求解原問(wèn)題各子問(wèn)題并逐步得出網(wǎng)絡(luò)列車運(yùn)行圖整體解的分解算法；周磊山等[8]從宏觀和微觀層面設(shè)計(jì)鐵路網(wǎng)絡(luò)，將列車按照優(yōu)先級(jí)進(jìn)行分層，提出網(wǎng)絡(luò)分層并行算法；史峰等[9]將問(wèn)題從時(shí)間維度劃分為若干個(gè)階段，每個(gè)階段采用最早沖突疏解法；倪少權(quán)[10]提出基于分層決策的滿意優(yōu)化方法。面對(duì)列車運(yùn)行圖編制優(yōu)化問(wèn)題，聶磊等[11]根據(jù)高速鐵路列車運(yùn)行圖的特點(diǎn)，提出了階段移線法，為計(jì)算機(jī)編制列車運(yùn)行圖處理移線問(wèn)題奠定了基礎(chǔ)；周文梁等[12]設(shè)計(jì)了基于定序優(yōu)化的高速鐵路網(wǎng)絡(luò)列車運(yùn)行圖鋪畫方法，提出組合平移列車作業(yè)、交換列車作業(yè)順序、變更列車停站等沖突化解策略；曲思源等[13]從列車運(yùn)行圖結(jié)構(gòu)出發(fā)，分析京滬高速鐵路列車運(yùn)行特征、通過(guò)能力影響因素及優(yōu)化措施；廖正文等[14]結(jié)合累計(jì)流變量模型的特點(diǎn)，構(gòu)建雙線鐵路列車運(yùn)行圖優(yōu)化0-1 整數(shù)規(guī)劃模型，并設(shè)計(jì)拉格朗日松弛算法。此外，國(guó)內(nèi)學(xué)者還進(jìn)行列車運(yùn)行圖與其他運(yùn)營(yíng)計(jì)劃的協(xié)調(diào)編制技術(shù)研究，如列車運(yùn)行線與動(dòng)車組交路、列車運(yùn)行線與車站股道運(yùn)用計(jì)劃等[15-17]。以上理論研究成果，為列車運(yùn)行圖智能化編制技術(shù)的研究和發(fā)展提供了經(jīng)驗(yàn)借鑒。

隨著人工智能理論的發(fā)展和應(yīng)用，面對(duì)我國(guó)龐大的路網(wǎng)結(jié)構(gòu)和銜接關(guān)系，以及復(fù)雜的運(yùn)輸組織模式和客貨列車開行需求，為列車運(yùn)行圖智能編制技術(shù)研究提供了新的技術(shù)路線。

1 列車運(yùn)行圖編制體系研究

列車運(yùn)行圖編制是一項(xiàng)涉及因素多、耦合性強(qiáng)的復(fù)雜工作，列車運(yùn)行圖編制的任務(wù)目標(biāo)、規(guī)則約束和策略方法體系共同構(gòu)成鐵路列車運(yùn)行圖編制體系。

1.1 列車運(yùn)行圖編制任務(wù)目標(biāo)體系

列車運(yùn)行圖任務(wù)目標(biāo)體系分為4個(gè)層面，列車運(yùn)行圖編制任務(wù)目標(biāo)層級(jí)圖如圖1 所示，從下往上依次為編制場(chǎng)景、編制要素、編制范圍和優(yōu)化目標(biāo)。

圖1 列車運(yùn)行圖編制任務(wù)目標(biāo)層級(jí)圖Fig.1 Hierarchy chart of train working diagram compilation task objectives

（1）編制場(chǎng)景是指列車運(yùn)行圖編制的原因和主要適用范圍，主要包括新線開通、既有線調(diào)整、設(shè)備改造和客貨需求重大變化4 類情況，編圖場(chǎng)景直接決定了運(yùn)行圖編制范圍和參與人員，直接影響運(yùn)行圖編制的目標(biāo)任務(wù)。

（2）編制要素是指列車運(yùn)行圖編制過(guò)程中需要調(diào)整和變化的要素，主要包括列車運(yùn)行線、列車股道運(yùn)用、交路以及天窗等。

（3）編制范圍是指列車運(yùn)行圖編制涉及的范圍大小，從微觀到宏觀按照由點(diǎn)到線、由線到面、由面到網(wǎng)的順序進(jìn)行編制。

（4）優(yōu)化目標(biāo)是指列車運(yùn)行圖編制考慮的直接目標(biāo)，主要包括以能力最大化為目標(biāo)、以移動(dòng)設(shè)備運(yùn)用效率最高為目標(biāo)、以客貨運(yùn)服務(wù)水平最優(yōu)為目標(biāo)、以運(yùn)行圖彈性最優(yōu)為目標(biāo)、以運(yùn)行圖經(jīng)濟(jì)性最優(yōu)為目標(biāo)以及多目標(biāo)因素最優(yōu)為目標(biāo)，運(yùn)行圖優(yōu)化目標(biāo)是運(yùn)行圖編制目標(biāo)任務(wù)的直接體現(xiàn)。

1.2 列車運(yùn)行圖編制規(guī)則約束體系

列車運(yùn)行圖編制過(guò)程中，需遵守相應(yīng)的編制規(guī)則和約束，對(duì)各種沖突和不合理之處，采取不同調(diào)整策略進(jìn)行疏解和優(yōu)化，根據(jù)列車運(yùn)行圖編制規(guī)則，歸納列車運(yùn)行圖編制規(guī)則約束體系，由下到上按照約束的強(qiáng)弱程度，共分為5 個(gè)層面，分別為剛性約束層、能力約束層、客貨需求層、指標(biāo)效率層和實(shí)績(jī)執(zhí)行層，列車運(yùn)行圖編制規(guī)則約束層級(jí)圖如圖2所示。

圖2 列車運(yùn)行圖編制規(guī)則約束層級(jí)圖Fig.2 Constraint hierarchy diagram of train operation chart compilation rules

（1）剛性約束層主要包括路網(wǎng)條件、運(yùn)行圖技術(shù)參數(shù)、技術(shù)作業(yè)標(biāo)準(zhǔn)、涉及列車運(yùn)行安全的約束以及其他編圖參數(shù)，編圖過(guò)程中應(yīng)嚴(yán)格遵守并符合剛性約束，保證列車運(yùn)行安全。

（2）能力供給層主要包括線路、車站能力利用現(xiàn)狀以及移動(dòng)設(shè)備、檢修設(shè)施的能力供給情況，編圖過(guò)程中應(yīng)充分合理利用各項(xiàng)運(yùn)輸資源能力供給，做到點(diǎn)線能力結(jié)合、高普速列車能力結(jié)合、本跨線列車能力結(jié)合。

（3）客貨需求層指列車運(yùn)行圖編制應(yīng)適應(yīng)客貨運(yùn)輸市場(chǎng)需求，根據(jù)客貨流特點(diǎn)，最大限度滿足旅客出行和貨物運(yùn)輸需要，做到列車運(yùn)行線與客貨流相結(jié)合。

（4）指標(biāo)效率層指列車運(yùn)行圖在滿足剛性約束、能力供給及客貨需求的基礎(chǔ)上，需進(jìn)一步提升技術(shù)經(jīng)濟(jì)指標(biāo)，盡可能提高動(dòng)車組運(yùn)用效率和客貨運(yùn)輸收入。

（5）實(shí)績(jī)執(zhí)行層指列車運(yùn)行圖應(yīng)具備實(shí)際可執(zhí)行性，包括合理安排司乘人員作息時(shí)間，合理保持運(yùn)行圖彈性，提高鐵路應(yīng)急處置能力等。

1.3 列車運(yùn)行圖編制策略方法體系

針對(duì)列車運(yùn)行圖各項(xiàng)沖突，需要采取相應(yīng)的調(diào)整策略進(jìn)行疏解和優(yōu)化，列車運(yùn)行圖編制策略方法層級(jí)圖如圖3 所示，列車運(yùn)行圖基礎(chǔ)策略方法共12種，包括上移股道、下移股道、區(qū)間放點(diǎn)、區(qū)間收點(diǎn)、增加停時(shí)、減少停時(shí)、新增運(yùn)行線、刪除運(yùn)行線、分段前移運(yùn)行線、分段后移運(yùn)行線、勾畫交路、刪除交路。將基礎(chǔ)策略方法進(jìn)行歸并，得到6 種組合策略方法，進(jìn)一步結(jié)合，形成運(yùn)行圖鋪畫中經(jīng)常使用的7種復(fù)雜策略方法。

圖3 列車運(yùn)行圖編制策略方法層級(jí)圖Fig.3 Hierarchical diagram of the strategy and method for compiling train working diagrams

2 基于人工智能的列車運(yùn)行圖智能編制總體框架

2.1 基于人工智能的列車運(yùn)行圖智能編制總體架構(gòu)

將列車運(yùn)行圖編制任務(wù)目標(biāo)、規(guī)則和策略與人工智能理論相結(jié)合，創(chuàng)建基于人工智能的大數(shù)據(jù)、大算力、大模型、大應(yīng)用的列車運(yùn)行圖智能編制總體架構(gòu)，基于人工智能的列車運(yùn)行圖智能編制總體架構(gòu)如圖4所示。

圖4 基于人工智能的列車運(yùn)行圖智能編制總體架構(gòu)Fig.4 Overall architecture of intelligent train working diagram compilation based on artificial intelligence

（1）大數(shù)據(jù)層是人工智能技術(shù)的內(nèi)驅(qū)動(dòng)力源，通過(guò)圖像識(shí)別、語(yǔ)義嵌入、特征工程提取等手段，智能高效感知和獲取具有規(guī)模巨大、類型繁多、價(jià)值密度低等特征的列車運(yùn)行圖全生命周期數(shù)據(jù)集合，作為下一步大規(guī)模訓(xùn)練、學(xué)習(xí)、評(píng)估和仿真的素材和依據(jù)。

（2）大算力層是人工智能技術(shù)的核心引擎，用以支撐大模型層的大規(guī)模復(fù)雜并行矩陣運(yùn)算和神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，使用高速智算云平臺(tái)架構(gòu)，最大化計(jì)算性能和資源利用率。

（3）大模型層體現(xiàn)人工智能技術(shù)的核心競(jìng)爭(zhēng)力，采用深度強(qiáng)化學(xué)習(xí)、元強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)、生成對(duì)抗等模型，通過(guò)模型訓(xùn)練和升級(jí)迭代，使其從數(shù)據(jù)中學(xué)習(xí)經(jīng)驗(yàn)并做出預(yù)測(cè)或決策，全方位支撐列車運(yùn)行圖智能化編制的不同任務(wù)目標(biāo)和適用場(chǎng)景。

（4）大應(yīng)用層是人工智能技術(shù)應(yīng)用于列車運(yùn)行圖編制的領(lǐng)域和成果，支撐列車運(yùn)行圖編制全生命周期多場(chǎng)景全要素一體化智能編制方案。

2.2 基于人工智能的列車運(yùn)行圖智能編制技術(shù)架構(gòu)

基于人工智能的列車運(yùn)行圖智能編制技術(shù)架構(gòu)如圖5 所示，采用全鏈路混合云計(jì)算框架，實(shí)現(xiàn)對(duì)列車運(yùn)行圖智能計(jì)算一體化全流程技術(shù)支撐。集成智算平臺(tái)可分為硬件層、數(shù)據(jù)層、服務(wù)層的3 層結(jié)構(gòu)，通過(guò)IaaS 基礎(chǔ)設(shè)施云、PaaS 平臺(tái)服務(wù)云以及SaaS軟件服務(wù)云，實(shí)現(xiàn)不同層級(jí)的功能部署。

圖5 基于人工智能的列車運(yùn)行圖智能編制技術(shù)架構(gòu)Fig.5 Technical architecture for intelligent compilation of train operation diagrams based on artificial intelligence

（1）IaaS基礎(chǔ)設(shè)施云，提供存儲(chǔ)、網(wǎng)絡(luò)虛擬化以及計(jì)算機(jī)虛擬化等服務(wù)，具有高靈活性、高可擴(kuò)展性、完全自主性等特點(diǎn)，能夠?yàn)榱熊囘\(yùn)行圖智算數(shù)據(jù)存儲(chǔ)、智算資源申請(qǐng)等提供歸一化控制。硬件層包含高性能設(shè)備集群，包含中央處理器CPU 集群、圖形處理器GPU集群、張量處理器TPU集群、神經(jīng)網(wǎng)絡(luò)處理器NPU 集群以及高性能磁盤陣列等硬件設(shè)施，為列車運(yùn)行圖智能計(jì)算提供充足的算力保障。數(shù)據(jù)層基于關(guān)系型數(shù)據(jù)庫(kù)和非關(guān)系型數(shù)據(jù)庫(kù)的復(fù)合結(jié)構(gòu)，實(shí)現(xiàn)了基礎(chǔ)數(shù)據(jù)、編圖數(shù)據(jù)、列車數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)的存儲(chǔ)、讀寫以及高性能查詢等相關(guān)功能。

（2）PaaS 平臺(tái)服務(wù)云，通過(guò)容器、容器調(diào)度、配置管理、運(yùn)行監(jiān)控等服務(wù)，將列車運(yùn)行圖智能計(jì)算所需的不同功能聚類形成相應(yīng)服務(wù)平臺(tái)，并按需實(shí)現(xiàn)硬件的資源調(diào)度，具有風(fēng)險(xiǎn)低、開發(fā)速度快、擴(kuò)展性高的特點(diǎn)。算法基礎(chǔ)層實(shí)現(xiàn)了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、經(jīng)驗(yàn)庫(kù)回放、神經(jīng)網(wǎng)絡(luò)訓(xùn)練等基礎(chǔ)通用算法的集成，在大幅降低了智能算法開發(fā)和實(shí)驗(yàn)成本的同時(shí)，有力提高了算法的調(diào)用靈活性和計(jì)算速度。框架層集成主流深度學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)以及環(huán)境框架，保障多維度智能計(jì)算任務(wù)，有效提升了算法研發(fā)效率。可視化層包含神經(jīng)網(wǎng)絡(luò)可視化、訓(xùn)練過(guò)程可視化、自動(dòng)調(diào)參工具、客戶端可視化以及Web可視化等服務(wù)，為神經(jīng)網(wǎng)絡(luò)模型構(gòu)建、模型訓(xùn)練、參數(shù)調(diào)整以及結(jié)果輸出的智能計(jì)算全流程可視化提供基礎(chǔ)功能。

（3）SaaS軟件服務(wù)云為全鏈路云計(jì)算技術(shù)的最頂端，通過(guò)局域網(wǎng)，為列車運(yùn)行圖智能計(jì)算科研人員提供高成熟度的算法研發(fā)環(huán)境，能夠使其擺脫復(fù)雜的軟硬件管理，具有高安全性、高可用性以及高可靠性的特點(diǎn)。服務(wù)接口層封裝了綜合調(diào)度、服務(wù)代理、運(yùn)行監(jiān)控、數(shù)據(jù)中臺(tái)、算法服務(wù)、環(huán)境采樣服務(wù)、模型訓(xùn)練服務(wù)，提供高集成的智能計(jì)算環(huán)境，輕松實(shí)現(xiàn)對(duì)算法的構(gòu)建、訓(xùn)練、資源分配、流程監(jiān)控等一體化實(shí)用功能。

2.3 基于人工智能的列車運(yùn)行圖智能編制總體路線

將人工智能自識(shí)別、自推演、自評(píng)價(jià)、自學(xué)習(xí)、自決策特性和列車運(yùn)行圖編制流程結(jié)合，創(chuàng)建基于人工智能的列車運(yùn)行圖智能編制總體路線如圖6 所示?？傮w技術(shù)路線由訓(xùn)練過(guò)程和使用過(guò)程2 部分組成，訓(xùn)練過(guò)程由算法工程師和編圖工程師共同參與，分別對(duì)模型超參和目標(biāo)參數(shù)進(jìn)行修正和調(diào)整，實(shí)現(xiàn)智能體編圖經(jīng)驗(yàn)的學(xué)習(xí)和編圖能力的提升，使用過(guò)程僅由編圖工程師參與，主要對(duì)全流程進(jìn)行人為監(jiān)測(cè)和最終方案抉擇。

圖6 基于人工智能的列車運(yùn)行圖智能編制總體路線Fig.6 Intelligent preparation of overall route for train operation diagram based on artificial intelligence

（1）訓(xùn)練過(guò)程中，首先提前做好數(shù)據(jù)準(zhǔn)備和訓(xùn)練場(chǎng)景的預(yù)設(shè)定，提供多模態(tài)的數(shù)據(jù)導(dǎo)入和初始方案參數(shù)的人為調(diào)整，在智能體的自學(xué)習(xí)過(guò)程中，第一步是智能體的初始化，實(shí)現(xiàn)編圖目標(biāo)、環(huán)境設(shè)定和獎(jiǎng)勵(lì)函數(shù)的初始化；第二步是智能體的態(tài)勢(shì)自感知，智能體自動(dòng)識(shí)別列車運(yùn)行圖整體結(jié)構(gòu)、時(shí)空定位以及基于全域資源的占用沖突；第三步是智能體根據(jù)當(dāng)前態(tài)勢(shì)進(jìn)行行動(dòng)自推演，對(duì)于所有可能的行動(dòng)進(jìn)行模擬演算，拓展候選行動(dòng)集；第四步是方案自評(píng)價(jià)，根據(jù)智能體的策略網(wǎng)絡(luò)和價(jià)值網(wǎng)絡(luò)，對(duì)于每一步行動(dòng)進(jìn)行評(píng)價(jià)；第五步根據(jù)不同的策略評(píng)分大小，進(jìn)行方案決策；第六步將每一步?jīng)Q策的經(jīng)驗(yàn)儲(chǔ)存下來(lái)，作為專家經(jīng)驗(yàn)庫(kù)。

（2）使用過(guò)程中，根據(jù)不同的編圖場(chǎng)景和目標(biāo)任務(wù)，自適應(yīng)推薦最優(yōu)參數(shù)方案，在智能體的自學(xué)習(xí)過(guò)程中，智能體不需要再進(jìn)行初始化，而是直接從專家經(jīng)驗(yàn)庫(kù)中讀取相關(guān)經(jīng)驗(yàn)，在智能體完成自學(xué)習(xí)過(guò)程后，再根據(jù)編圖工程師的喜好和高級(jí)指標(biāo)設(shè)定，進(jìn)行方案自推薦，從可選列車運(yùn)行圖集合中選取出最終版列車運(yùn)行圖方案。

3 基于人工智能的列車運(yùn)行圖智能編制需要重點(diǎn)突破的關(guān)鍵技術(shù)

實(shí)現(xiàn)基于人工智能的列車運(yùn)行圖智能編制技術(shù)，需要重點(diǎn)突破以下5項(xiàng)關(guān)鍵技術(shù)。

（1）列車運(yùn)行圖數(shù)字化生態(tài)體系構(gòu)建關(guān)鍵技術(shù)。基于數(shù)據(jù)采集、數(shù)據(jù)清洗與數(shù)據(jù)整合技術(shù)，面向列車運(yùn)行圖編制全生命周期，綜合采集包括路網(wǎng)基礎(chǔ)數(shù)據(jù)、編圖數(shù)據(jù)、列車數(shù)據(jù)、圖面數(shù)據(jù)、開行方案、編組計(jì)劃、實(shí)績(jī)圖執(zhí)行情況、編圖操作日志、分析評(píng)價(jià)數(shù)據(jù)等在內(nèi)的多維度、大規(guī)模、多模態(tài)數(shù)據(jù)，構(gòu)建集結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)于一體的可擴(kuò)展數(shù)據(jù)湖，采用大數(shù)據(jù)治理技術(shù)，實(shí)現(xiàn)數(shù)據(jù)清洗與數(shù)據(jù)結(jié)構(gòu)統(tǒng)一，搭建高可用集成化數(shù)據(jù)倉(cāng)庫(kù)。

（2）基于大規(guī)模分布式云算力集群的高性能智算技術(shù)。面對(duì)具有不同計(jì)算能力、存儲(chǔ)容量和網(wǎng)絡(luò)帶寬的異構(gòu)資源節(jié)點(diǎn)，優(yōu)化數(shù)據(jù)分布與通信架構(gòu)，設(shè)計(jì)基于異構(gòu)資源集群的分布式并行計(jì)算優(yōu)化算法，最大化分布式計(jì)算系統(tǒng)中的計(jì)算性能和資源利用率。充分考慮計(jì)算需求、節(jié)點(diǎn)計(jì)算能力與網(wǎng)絡(luò)狀況，設(shè)計(jì)自適應(yīng)的負(fù)載均衡算法，優(yōu)化任務(wù)調(diào)度方案，將任務(wù)合理地分配給異構(gòu)資源節(jié)點(diǎn)，最大程度減少任務(wù)執(zhí)行時(shí)間，提高整體性能。充分分析算法中不同算子之間的依賴關(guān)系和計(jì)算特性，將它們合并為更高效的計(jì)算單元。設(shè)計(jì)智能算法調(diào)優(yōu)策略，自動(dòng)選擇和調(diào)整算子融合方式，以適應(yīng)不同的數(shù)據(jù)和計(jì)算場(chǎng)景。

（3）全域運(yùn)輸資源占用態(tài)勢(shì)感知和演化技術(shù)。列車運(yùn)行圖智能編制過(guò)程中，應(yīng)綜合考慮各專業(yè)領(lǐng)域?qū)α熊囘\(yùn)行圖的關(guān)注點(diǎn)，基于不同編圖目標(biāo)間的耦合和約束關(guān)系，構(gòu)建列車運(yùn)行圖全局方案下的多粒度評(píng)價(jià)指標(biāo)體系，通過(guò)相對(duì)性指標(biāo)描述不同編圖場(chǎng)景下的列車運(yùn)行圖優(yōu)化效果與效率；充分考慮區(qū)段運(yùn)行線與停站方案、到發(fā)線運(yùn)用、車站進(jìn)路編排之間的時(shí)空資源占用與復(fù)雜聯(lián)動(dòng)關(guān)系，構(gòu)建不同場(chǎng)景下的最優(yōu)調(diào)整策略，實(shí)現(xiàn)列車運(yùn)行圖點(diǎn)線一體化自動(dòng)編排；統(tǒng)籌考慮局部線路區(qū)段、單條線路與路網(wǎng)之間錯(cuò)綜復(fù)雜的運(yùn)輸資源沖突與強(qiáng)耦合關(guān)系。面對(duì)求解復(fù)雜度指數(shù)爆炸的NP 難問(wèn)題，設(shè)計(jì)學(xué)習(xí)層次化訓(xùn)練方法，將復(fù)雜問(wèn)題按層級(jí)分為子任務(wù)建模，采用高性能、高吞吐、大容量硬件架構(gòu)與分布式并行計(jì)算引擎，實(shí)現(xiàn)算法的高效訓(xùn)練與決策庫(kù)、決策權(quán)重持久化存儲(chǔ)，在使用中結(jié)合搜索樹實(shí)現(xiàn)列車運(yùn)行圖的快速智能優(yōu)化。

（4）基于異步策略迭代的列車運(yùn)行圖智能體自推演技術(shù)。面向列車運(yùn)行圖智能化編制問(wèn)題構(gòu)建學(xué)習(xí)模型整體框架，基于列車運(yùn)行圖編制場(chǎng)景庫(kù)設(shè)計(jì)各編圖場(chǎng)景下智能體狀態(tài)空間，簡(jiǎn)潔高效表述環(huán)境的關(guān)鍵信息；基于列車運(yùn)行圖編制規(guī)則庫(kù)設(shè)計(jì)智能體動(dòng)作空間，規(guī)定簡(jiǎn)單動(dòng)作和復(fù)雜動(dòng)作決策；基于列車運(yùn)行圖編制參數(shù)庫(kù)與運(yùn)行圖關(guān)鍵評(píng)價(jià)指標(biāo)設(shè)計(jì)智能體獎(jiǎng)勵(lì)機(jī)制，提出決策價(jià)值函數(shù)與策略函數(shù)構(gòu)建方法。

（5）基于遷移學(xué)習(xí)的列車運(yùn)行圖智能體泛化能力提升方法。針對(duì)我國(guó)路網(wǎng)規(guī)模巨大、結(jié)構(gòu)復(fù)雜、編圖場(chǎng)景多樣化的特點(diǎn)，為減少學(xué)習(xí)模型在不同場(chǎng)景下的重復(fù)訓(xùn)練時(shí)間，提高模型泛化能力，研究基于遷移學(xué)習(xí)模型訓(xùn)練效率提升技術(shù)，通過(guò)預(yù)訓(xùn)練、特征預(yù)提取、知識(shí)蒸餾、參數(shù)共享等方法提升不同編圖場(chǎng)景下的列車運(yùn)行圖智能化編制效率。

4 結(jié)束語(yǔ)

利用人工智能技術(shù)解決列車運(yùn)行圖智能編制問(wèn)題是一次創(chuàng)新和探索，研究將列車運(yùn)行圖編制目標(biāo)場(chǎng)景、規(guī)則約束以及策略方法體系與人工智能技術(shù)相結(jié)合，提出列車運(yùn)行圖智能編制總體架構(gòu)、技術(shù)架構(gòu)、總體路線以及需要重點(diǎn)突破的關(guān)鍵技術(shù)，對(duì)于下一步推動(dòng)“圖客貨調(diào)”全業(yè)務(wù)鏈融合創(chuàng)新和高度智能化發(fā)展，提升鐵路運(yùn)輸需求處理、供給響應(yīng)和組織決策能力，全面支撐現(xiàn)代化鐵路運(yùn)輸服務(wù)體系建設(shè)，賦能鐵路運(yùn)輸高質(zhì)量發(fā)展，具有重大的現(xiàn)實(shí)意義與戰(zhàn)略意義。