基于数字孪生的铁路客运站技术作业实时调度方法

doi:10.16182/j.issn1004731x.joss.21-0502

系统仿真学报 ›› 2022, Vol. 34 ›› Issue (10): 2130-2141.doi: 10.16182/j.issn1004731x.joss.21-0502

基于数字孪生的铁路客运站技术作业实时调度方法

何必胜¹^,²^,³(), 陈鹏¹, 张宏翔¹, 鲁工圆¹^,²^,³(), 张春辉⁴

^1.西南交通大学交通运输与物流学院，四川成都 611756
^2.西南交通大学综合交通运输智能化国家地方联合工程实验室，四川成都 611756
^3.西南交通大学综合运输四川省重点实验室，四川成都 611756
^4.中国市政工程华北设计研究总院有限公司，天津 300381

收稿日期:2021-05-31 修回日期:2021-08-13 出版日期:2022-10-30 发布日期:2022-10-18
通讯作者: 鲁工圆 E-mail:bishenghe@swjtu.edu.cn;lugongyuan@swjtu.edu.cn
作者简介:何必胜(1986-)，男，博士，副教授，研究方向为交通运输规划与管理，交通运输系统仿真。E-mail：bishenghe@swjtu.edu.cn
基金资助:
国家重点研发计划(2017YFB1200700);国家自然科学基金(61603317);中国铁路总公司科技研究开发计划(J2018z403)

Real-time Scheduling Method for Railway Passenger Station Operations Based on Digital Twin

Bisheng He¹^,²^,³(), Peng Chen¹, Hongxiang Zhang¹, Gongyuan Lu¹^,²^,³(), Chunhui Zhang⁴

^1.School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 611756, China
^2.National United Engineering Laboratory of Integrated and Intelligent Transportation, Southwest Jiaotong University, Chengdu 611756, China
^3.Comprehensive Transportation Key Laboratory of Sichuan Province, Southwest Jiaotong University, Chengdu 611756, China
^4.North China Municipal Engineering Design and Resarch Instutute Co. Ltd. , Tianjin 300381, China

Received:2021-05-31 Revised:2021-08-13 Online:2022-10-30 Published:2022-10-18
Contact: Gongyuan Lu E-mail:bishenghe@swjtu.edu.cn;lugongyuan@swjtu.edu.cn

摘要/Abstract

摘要：

为提高铁路客运站作业调度水平，降低列车延误影响，采用数字孪生技术构建铁路客运站技术作业模型，通过实时数据采集，基于随机森林的作业时间预测，作业模拟以及智能决策，提出基于数字孪生的铁路客运站技术作业实时调度方法。将此调度方法应用于某实际铁路客运站中，实验结果表明：该方法能对实际作业进行高精度预测及模拟；使用三种数字孪生决策规则能有效降低列车作业延误。研究论证了该数字孪生模型能应用于实际车站管理，提高作业实时调度水平。

关键词: 铁路运输, 实时调度, 数字孪生, 技术作业, 作业延误

Abstract:

To improve the operation scheduling of railway passenger stations and reduce the train delays, digital twin technology is used to establish a railway passenger station operation model. Through real-time data acquisition, based on the operation time prediction of random forest method, operation simulation and decision-making, a real-time scheduling method of railway passenger station operations based on digital twin is proposed, and applied in a real railway passenger station. The experimental results show that the method can effectively forecast and simulate the actual operation. Three kinds of digital twin scheduling rules have been used, which can reduce the delay time of train operations. It is proved that the digital twin model can improve the real-time scheduling of operations in the daily management of stations.

Key words: railway transport, real-time scheduling, digital twin, operations, operations delay

中图分类号:

TP391.9

何必胜, 陈鹏, 张宏翔, 鲁工圆, 张春辉. 基于数字孪生的铁路客运站技术作业实时调度方法[J]. 系统仿真学报, 2022, 34(10): 2130-2141.

Bisheng He, Peng Chen, Hongxiang Zhang, Gongyuan Lu, Chunhui Zhang. Real-time Scheduling Method for Railway Passenger Station Operations Based on Digital Twin[J]. Journal of System Simulation, 2022, 34(10): 2130-2141.

图/表 12

图1

图2

图3

表1

图4

图5

图6

图7

图8

图9

表2

单次实验时间统计 (s)

延误率	现场调度		FCFS		FLFS		PBS
延误率	$t a v g$	$t m a x$	$t a v g$	$t m a x$	$t a v g$	$t m a x$	$t a v g$	$t m a x$
0	14.6	15.9	12.9	15.6	13.5	14.9	13.2	16.6
0.05	14.8	16.2	13.5	15.1	13.8	15.3	13.7	15.6
0.10	14.4	17.3	13.3	14.6	12.9	14.5	14.5	17.1
0.15	14.3	16.3	12.7	13.5	13.6	15.6	13.4	16.6
0.20	15.2	16.8	13.6	14.3	14.1	15.7	13.7	15.4

表2

表3

数字孪生车站作业模型决策结果 (min)

延误率	$D d e p$					$D$
延误率	现场调度	FCFS	FLFS	PBS	3种策略指标均值	现场调度	FCFS	FLFS	PBS	3种策略指标均值
0	11.1	11.1	10.2	9.9	10.4	130.4	131.1	128.9	127.4	129.1
0.05	12.9	11.8	10.6	10.2	10.9	141.4	139.8	136.6	138.6	138.3
0.10	13.6	12.8	12.2	11.9	12.3	146.3	146.2	140.2	140.4	142.3
0.15	14.5	14.0	12.7	13.2	13.3	151.9	151.1	150.5	152.5	151.4
0.20	22.4	14.7	14.5	14.9	14.7	205.4	202.3	183.3	191.5	192.4

表3

参考文献 11

1	Zhang Y, D'Ariano A, He B, et al. Microscopic Optimization Model and Algorithm for Integrating Train Timetabling and Track Maintenance Task Scheduling[J]. Transportation Research Part B: Methodological (S0191-2615), 2019, 127(C): 237-278.
2	Lin B, Zhao Y, Lin R, et al. Integrating Traffic Routing Optimization and Train Formation Plan Using Simulated Annealing Algorithm[J]. Applied Mathematical Modelling(S0307-904X), 2021, 93: 810-830.
3	Freling R, Lentink R M, Huisman K D. Shunting of Passenger Train Units in a Railway Station[J]. Transportation Science(S0041-1655), 2005, 39(2): 261-272.
4	Huang Y, Li D, Cheng J. Simulation of Pedestrian- Vehicle Interference in Railway Station Drop-Off Area Based on Cellular Automata[J]. Physica A: Statistical Mechanics and its Applications(S1873-2119), 2021, 579(4): 126-142.
5	He B, Chen P, D'Ariano A, et al. A Microscopic Agent-Based Simulation for Real-Time Dispatching Problem of a Busy Railway Passenger Station[C]// 2020 IEEE Intelligent Tran-sportation Systems Conference. Rhodes, Grace: IEEE, 2020: 972-978.
6	朱子轩, 鲁工圆, 何必胜, 等. 单线铁路网络列车运行智能调度仿真研究[J]. 计算机仿真, 2019, 36(5): 194-201.
	Zhu Zixuan, Lu Gongyuan, He Bisheng, et al. Simulation Research on Intelligent Dispatching of Train Operation on Single-Track Railway Network[J]. Computer Simulation, 2019, 36(5): 194-201.
7	陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.
	Tao Fei, Liu Weirang, Liu Jianhua, et al. Digital Twin and Its Potential Application Exploration[J]. Computer Integrated Manufacturing Systems, 2018, 24 (1): 1-18.
8	Gunasegaram D R, Murphy A B, Matthews M J, et al. The Case for Digital Twins in Metal Additive Manufacturing[J]. Journal of Physics Materials(S2515-7639), 2021, 4(4): 040401.
9	伍朝辉, 刘振正, 石可, 等. 交通场景数字孪生构建与虚实融合应用研究[J]. 系统仿真学报, 2021, 33(2): 295-305.
	Wu Zhaohui, Liu Zhenzheng, Shi Ke, et al. Review on the Construction and Application of Digital Twins in Transportation Scenes[J]. Journal of System Simulation, 2021, 33(2): 295-305.
10	Park, Tae Kyu, Nam, et al. Design and Implementation of a Digital Twin Application for a Connected Micro Smart Factory[J]. International Journal of Computer Integrat- ed Manufacturing(S0951-192X), 2019, 32(6): 596- 614.
11	He B, Zhang H, Wen K, et al. Machine Learning Based Integrated Pedestrian Facilities Planning and Staff Assignment Problem in Transfer Stations[C]//The 8th International Conference on Railway Operations Modelling and Analysis. LiU: IAROR, 2019.

数据类型	类别	参数
静态数据	设备条件	区间线路长度、轨道数量及长度、信号设备数量、牵引供电设备布置等
静态数据	计划信息	列车区间计划走行时间、计划到站时刻、计划出站时刻，各项技术作业时间标准等
动态数据	实时环境	当前温度、风速、降雨/雪量、异物侵限、地震灾害等情况
动态数据	实时作业	列车实际到达/出发时刻，接发作业耗时等；调车作业开始/结束时刻，调机连挂/解挂作业用时，调机取送时间等；本务机车入段/出段时刻，机车换挂作业用时，机车走行时长等

[1]	李伯虎, 柴旭东, 张霖, 卿杜政, 施国强, 林廷宇, 郭丽琴, 杨晨, 谷牧, 贾政轩, 公慧, 唐震. 面向智慧物联网的新型嵌入式仿真技术研究[J]. 系统仿真学报, 2022, 34(3): 419-441.
[2]	吴定会, 张桐瑞, 张秀丽. 扰动累积下基于数字孪生的车间重调度[J]. 系统仿真学报, 2022, 34(3): 573-583.
[3]	舒亮, 张洁, 杨艳芳, 杨秒, 吴自然. 考虑节拍约束的断路器孪生车间模型动力学控制[J]. 系统仿真学报, 2021, 33(6): 1277-1287.
[4]	刘瑜, 谢强. 数字孪生的技术特点及在飞行试验中的应用展望[J]. 系统仿真学报, 2021, 33(6): 1364-1373.
[5]	张霖, 陆涵. 从建模仿真看数字孪生[J]. 系统仿真学报, 2021, 33(5): 995-1007.
[6]	伍朝辉, 刘振正, 石可, 王亮, 梁晓杰. 交通场景数字孪生构建与虚实融合应用研究[J]. 系统仿真学报, 2021, 33(2): 295-305.
[7]	肖通, 江海凡, 丁国富, 江磊, 马术文. 五轴磨床数字孪生建模与监控研究[J]. 系统仿真学报, 2021, 33(12): 2880-2890.
[8]	王峻峰, 张玉帆, 邵瑶琪, 李世其. 面向生产性能数字孪生的仿真数据映射研究[J]. 系统仿真学报, 2021, 33(10): 2470-2477.
[9]	周军华, 薛俊杰, 李鹤宇, 姬杭, 林廷宇, 施国强. 关于武器系统数字孪生的若干思考[J]. 系统仿真学报, 2020, 32(4): 539-552.
[10]	张冰, 李欣, 万欣欣. 从数字孪生到数字工程建模仿真迈入新时代[J]. 系统仿真学报, 2019, 31(3): 369-376.
[11]	刘潇翔, 汤亮, 曾海波, 刘羽白, 张新邦. 航天控制系统基于数字孪生的智慧设计仿真[J]. 系统仿真学报, 2019, 31(3): 377-384.
[12]	李欣, 刘秀, 万欣欣. 数字孪生应用及安全发展综述[J]. 系统仿真学报, 2019, 31(3): 385-392.
[13]	肖莹莹, 王玫, 郭丽琴, 邢驰, 庄长辉. 基于数字孪生的智能制造计划管理[J]. 系统仿真学报, 2019, 31(11): 2323-2334.

基于数字孪生的铁路客运站技术作业实时调度方法

Real-time Scheduling Method for Railway Passenger Station Operations Based on Digital Twin

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 11

相关文章 13

编辑推荐

Metrics

本文评价