地鐵列車運行自動控制系統設計

蘭州交通大學光電技術與智能控制教育部重點實驗室 王曉亞 邢東峰

地鐵列車運行自動控制系統設計

蘭州交通大學光電技術與智能控制教育部重點實驗室 王曉亞 邢東峰

針對地鐵列車運行自動控制特點和現有控制方式存在缺陷的需要，提出了基于微粒群(PSO)算法的地鐵列車運行自動控制(ATC)系統的設計思想和實現方法。首先根據西安地鐵2號線實際運營情況建立適合地鐵列車運行自動控制的數學模型，然后利用VC++6．0和SQL Server 2005數據庫完成地鐵列車運行自動控制系統的設計，最后通過單車晚點情況的仿真研究驗證模型的正確性和算法的可行性。

地鐵；微粒群算法；列車自動控制；仿真研究

1 引言

隨著城市化建設的推進和土地空間的限制，地鐵成為緩解城市交通壓力的一種新型運載工具，具有速度快、能耗低、運量大、污染小等優勢。地鐵列車運行在正常情況下嚴格按照計劃運行圖，但是在運行過程中當列車受到隨機因素的影響可能會和計劃運行圖發生偏離，由于列車運行密度大并且相互追蹤間隔短，單車晚點情況往往會影響后續列車的正常運行，甚至會致使整個地鐵系統嚴重癱瘓[1]。

本文完成了基于PSO算法的ATC系統的仿真設計，并且考慮到單車晚點對后續列車運行可能造成的影響，因此研究適合列車運行自動控制的方法具有現實意義。

2 微粒群算法概述

列車自動控制(ATC)系統是城市軌道交通控制系統的核心，能夠最大限度地保證行車安全、提高運輸效率[2]。從而提出了基于微粒群算法的地鐵列車運行自動控制系統的思想方法。

圖1 位置與速度更新過程示意圖

2.1 微粒群算法的基本原理

微粒群(PSO)算法是一種基于種群的隨機尋優算法，最早于1995年由Kennedy和Eberhart共同提出，其基本思想結合生物學家Heppner的群體模型對鳥類群體覓食行為進行模擬仿真研究[3]。

PSO算法是對鳥類飛行的行為進行模擬智能優化，也就是空間中的一只鳥被稱為微粒，每個微粒的飛行方向和位移都由一個速度變量來決定。在二維空間中，微粒的位置與速度更新過程如圖1所示。

假設有N個微粒存在于D維空間中，則其當前位置和飛行速度分別表示為，。其速度和位置更新過程如下式(1)、(2)所示：

2.2 算法控制參數的選取

PSO算法選取以下5種控制參數：

(1)種群規模：依據問題的復雜程度選取種群規模，取種群規模為N=30。

(2)慣性權重：用于平衡算法的全局和局部搜索能力。其具體公式如下：

(3)學習因子：微粒最優位置步長分別由認知系數c1和社會系數c2調節。

(4)最大速度：微粒最大移動距離由最大速度vmax決定，取vmax=xmax=12600。

(5)最大迭代次數：根據算法的搜索效率和優化效果設定最大迭代次數，設定最大迭代次數=50。

3 仿真結果分析

3.1 仿真系統基礎數據

表1為西安地鐵2號線的實際運營數據，包括站間距、區間運行時間及停站時間，數據將用于編制列車運行圖[4]。

表1 西安地鐵2號線實際運營數據

3.2 仿真分析

(1)列車運營相關參數：

①車站總數：m=16；

②列車區間運行時間(單位:s)如下：

RT=[130,96,108,85,89,79,76,90,85,89,93,107,101,78,82]；

③列車停站時間(單位：s)如下：

ST=[40,50,40,40,40,60,40,40,40,40,40,40,40,35,40]；

④列車最小追蹤間隔：△T=180s；

⑤列車最小停站時間：Smin=15s。

(2)PSO算法主要參數：

①種群規模：選取N=30；

②最大速度：vmax=xmax=12600；

當單車發生晚點情況，將會造成晚點傳播。此處設定晚點的列車為10702次，在運動公園站首次發生晚點，初始晚點時間為235s。列車運行線在晚點調整控制前后的仿真結果如圖2所示。

圖2 單車晚點調整控制仿真結果顯示界面

從圖2可以看出，10702次列車在運動公園站發生晚點，晚點時間比較大造成了晚點傳播，直接影響了后行10802次列車的正常運行。采用PSO算法進行調整后，10702次和10802次列車在極短時間內恢復正常運行。10702次和10802次列車調整控制前后時刻表分別如圖3、圖4所示。

圖3 10702次列車時刻表顯示界面

圖4 10802次列車時刻表顯示界面

圖5 單車晚點總時間變化情況

從圖3可以看出，10702次列車在運動公園站出站時從7:05:26至7:09:21晚點235s，晚點時間隨著站序推移不斷減少，到體育場站時降為0s；同樣從圖4可以看出10802次列車的晚點調整情況。列車在各車站的總晚點時間變化情況如圖5所示。

從圖5中看出，列車首次出現晚點是在車站3，總晚點時間達到最大是在車站4，其值為490s，列車在各站的晚點總時間隨著站序的推移不斷減小，到達車站15時晚點時間降到0s，即晚點被消除。

4 結束語

本文結合ATC系統的相關控制模型，建立了適合地鐵列車運行自動控制的優化數學模型，結果表明該系統模型達到高安全、高可靠的要求。運用PSO算法對單車晚點情況進行仿真研究以及數據分析，縮短了列車晚點的影響范圍，滿足了列車自動控制實時性的要求。因此，運用PSO算法解決地鐵列車運行自動控制的問題是可行的，為列車自動控制的實現提供了新思路。

[1]孔維珍．基于微粒群算法的城市軌道交通列車運行調整研究[D]．蘭州:蘭州交通大學,2013．

[2]李曉艷．地鐵ATC系統ATS子系統的仿真研究[D]．西安:西安電子科技大學,2013．

[3]崔志華,曾建潮．微粒群優化算法[M]．北京:科學出版社,2011．

[4]史常慶,倪少權．列車運行圖計算機編制系統的運用與發展分析[J]．鐵道運輸與經濟,2013,37(02):6-28．

王曉亞（1990—），男，甘肅靜寧人，在讀碩士研究生，研究方向為交通信息工程及控制。

邢東峰（1982—），男，山東人，碩士，講師，學位論文指導老師，主要研究領域為智能控制。