本技术涉及铁路调度指挥技术,利用强化学习算法优化普速铁路列车运行调整。系统考虑列车运行动态性和随机性,旨在最小化各站列车总延误,提高货物运输效率。
背景技术
铁路调度指挥系统应对各类风险和事故的能力一直是铁路运营部门所关注的重点。由于恶劣天气、临时限速、自然灾害甚至列车事故等原因,会扰乱原始的运行计划,因此需要实时制定列车运行调整方案。然而在铁路实际运营过程中,调度指挥人员只能凭借自己的历史经验调整列车运行图,这种方法容易导致调整的结果误差大、稳定性低、主观性强。在客货物混跑的线路上,由于客运列车的运行等级高于货物列车,调度调整时通常优先考虑客运列车。当客运列车的到发时间受到影响时,往往会导致货物列车的到发时间大幅度延误。同时,由于货物列车在各区间的区间运行时分存在较大的不确定性,使得货物列车的运行对客运列车的安全构成潜在威胁。因此,如何在复杂多变的运行环境中有效协调客运和货物列车的运行计划,以确保列车运行的安全性和效率,是铁路调度指挥系统面临的重大挑战。
列车运行调整问题或运行动态调整是一个NP完全问题,随着人工智能的发展,机器学习、强化学习等技术被广泛地应用于铁路运输中,但在普速铁路运营领域的相关研究较少。尤其是利用强化学习对普速铁路列车运行调整的相关研究并不多见。综上所述,亟需一种能够为行车调度员实时制定普速铁路列车运行调整方案提供决策支持的方法。
实现思路