基于人工智能技術的三級立體調車系統設計

萬鑫興

(中國鐵路蘭州局集團有限公司 銀川站，寧夏 銀川 750011)

隨著社會經濟發展的快速轉型，貨運需求逐年持續高速增長，增長量主要集中在機械、電子、輕紡、食品、工業產成品以及包裹和快件為代表的高時效性零散貨物上，而主要通過鐵路運輸的大宗物資運量增長并不明顯[1]。同時，高速鐵路網的形成，使得鐵路運能緊張的矛盾轉變為鐵路貨運量增長與鐵路貨運時效性低下之間的尖銳矛盾[2]。鐵路貨運時效性低下的根本原因是鐵路貨物運輸組織過程不夠靈活，尤其在調車作業中浪費了大量時間，各種調車作業成為決定鐵路貨運時效性高低的重要因素。而調車作業效率的提高依賴于先進的技術和設備。長期以來，鐵路有關部門一直在調車作業組織方法上不斷優化，但由于調車設備對調車組織方式的限制，其節省的調車作業時間非常有限，不能從根本上扭轉調車作業效率低下的問題[3-4]，究其原因是調車作業流程和時間受限于現有調機和車輛設備。人工智能時代已經到來，改進調機和車輛設備并依靠人工智能控制技術提高調車作業效率成為調車作業發展的新方向[5]。

1 基于傳統調車設備的作業分析

1.1 傳統調車作業分析

鐵路運輸以鋼軌作為固定導向的特點，一方面保證了鐵路運輸的安全，并以輪對和鋼軌之間較小的剛性接觸面實現節約摩擦能耗的目的，另一方面也限制了列車或車列的運動路徑，從而為避免運動沖突而產生大量的調車作業。

現有調車作業按作業目的通常分為：解體調車作業、編組調車作業、取送調車作業、摘掛調車作業和其它調車作業，其中其它調車作業包括車列或車輛轉線、轉場，車場整理，機車出入庫等[6]。所有的調車作業都具備以下特點：一是所有車列或車輛都必須在調機的牽引或推動下前進，車列或車輛自身不具備動力系統；二是所有車列或車輛從一股道運動至另一股道都必須通過返岔子的方法來實現，無法實現橫向運動；三是所有車列或車輛都必須依靠風缸或人力制動，無法節約制動時間；四是車列的摘鉤作業都必須通過人工進行；五是所有平行進路中的調車作業均受調機數量的限制，而調機數量和效率又受咽喉區布置的限制；六是所有調車作業的進行必須依賴調車人員去判斷和執行，存在安全風險。因此，改進現有調機和車輛設備并使用人工智能技術是提高調車作業效率的重要途徑。

1.2 傳統調車作業環節及時間

由于整個調車作業過程具有連續性和重復性，不便對調車作業過程進行分析。因此以每勾調車作業為單位進行分析，依據作業環節不同可分為以下4類勾別：①調機帶車列掛車輛(或車列)；②單機掛車列；③調機帶車列甩車輛(或車列)；④單機甩車列。所有的調車作業過程均由以上4 種勾別的調車作業重組而成。

而在以上4 類勾別中，存在的作業環節及其所需時間包括：①因為調機有限，調車作業前車輛或車列具備調車條件時存在等待調機牽引或推送所需時間；②連掛作業時間；③連接風管(或摘解風管)所需時間；④調機試風所需時間；⑤防溜作業所需時間；⑥摘鉤作業所需時間；⑦調機推動或牽引車列前進或后退所需時間；⑧在調車作業中，車站值班員、調車司機與調車人員之間為確認每勾調車作業環節而進行語音聯控所需時間。

傳統調車作業中的各個環節均需要人工通過體力或腦力去執行或確認，一方面對于調車作業的安全只能通過規章制度進行約束，存在不穩定性且安全性較差；另一方面完成調車作業所用的設備自動化程度不高，需要作業人員反復聯控確認，作業效率較低，所需作業時間較長。

2 基于貨運時效性的人工智能調車作業

由于人工智能技術在調車作業中的運用，必須依賴特定的設備來控制調機和車輛的動作，而特定的設備則必須要與調機和車輛完美契合匹配，才能夠精準快速地完成人工智能調車作業。此外，現有的調機和車輛設備及其匹配的調車模式耗費過多調車時間的缺陷也急需改進。因此，調車設備的改進創新成為調車效率提高的最重要前提。

2.1 調車設備改進思路及設計原理

現有調車設備不夠靈活機動的主要原因有三：一是車輛本身不具備動力；二是調機與車輛處于同一水平面，依托鋼軌兩者無法穿插運動；三是車輛無法實現“橫向”跨越股道運動。因此，首先需要解決車輛本身的動力問題，只有在車輛存在動力的情況下才能實現人工智能技術控制車輛自行運動、自行制動和自行摘鉤，而此處動力僅僅指實現車輛主動與調機“連掛”、自行制動和自行摘鉤的小功耗動力。其次，因為調機與車輛是在同一平面存在運動穿插的沖突問題，因此可將調機移出車輛所在的運動平面并將其設計為人工智能技術控制的新型調機即傳動調機。傳動調機主要由動力部分和傳動部分組成，為降低造價將其固定于地基之下，而調機與車輛的“連掛”運動只需車輛自行運動部分在人工智能技術的控制下主動與傳動調機的傳動部分匹配耦合即可完成。最后，車輛的橫向跨股道運動亦是由車輛平面之上的新型調機即橫動調機來實現的。橫動調機主要由橫動調架匹配支持，其運動范圍僅在50～200 m之間(根據站場寬度確定)。橫動調機兩組一對，能夠根據不同車輛的軸距智能調節臂距并“抓起”需橫動的車輛。

2.2 調車設備改進分析

針對設備改進思路和設計原理，鐵路調車輔助設備實用新型專利公布了一套可以實現車輛自行運動、自行制動、自行提鉤3 大功能的技術實施例[7]。鐵路車站立體調車系統實用新型專利公布了一套可以實現車輛跨股道橫向運動的技術實施例[8]。它們配合使用即可形成一個由人工智能技術控制的垂直三級立體調車系統，實現車輛在技術站調車場內的快速位移。

鐵路調車輔助設備主要是在原有車輛設備的基礎上進行改進，新添加了車輛自行運動設備、自行制動設備、自行摘鉤設備，其中車輛自行運動設備功能的實現，需有專門的傳動調機配合。整套設備的動力系統設計采用將小電流產生的微動力累積做功轉化為大動力的思路，即功能守恒定律，使得增添設備及其運營的成本較小，在控制方面采用機器自動控制和人工控制相結合的控制方法，實現為人工智能控制系統提供條件的同時又滿足應急處置需要。車輛的自行運動設備在傳動調機的輔助下能夠實現車輛或車列自行前后運動，傳動調機固定于線路地基之下，與車列或車輛不在同一水平面，相互不存在運動沖突，此外傳動調機的主要結構由大型電動機、減速器、齒輪及傳動鏈條組成，結構簡單。車輛的自行制動設備可代替原有風缸產生制動力，自行制動設備與車列中任意2 個車輛之間的連接線路存在聯鎖關系，能夠檢測車列是否完整并在丟車后自行制動。同時自行制動設備可在司機或人工智能控制系統之間切換操控。車輛的自行摘鉤設備，需在車輛自行運動設備和自行制動設備的配合下完成自行摘鉤作業，即提鉤前車輛間自動完成壓縮車鉤的動作，以此實現各種環境下的自行提鉤作業。鐵路調車輔助設備功能原理如圖1 所示。鐵路調車輔助設備結構如圖2 所示。

圖2 鐵路調車輔助設備結構圖Fig.2 Structure diagram of auxiliary equipment for railway shunting operation

車輛自行運動設備的使用相比傳統調車作業，可以節約待調車輛等待調機牽引或推送的時間，即多個股道可同時進行車輛的摘解或連掛作業，使調車作業可以多線程進行從而節約大量時間；車輛自行制動設備主要解決作業中調機頻繁試風實驗、摘接風管、實施防溜浪費大量時間的問題；車輛自行摘鉤設備的使用相比傳統調車作業一方面極大提高調車作業的安全性，另一方面節約了提鉤人員的人力成本和調車作業的提鉤時間。對車輛以上3 個方面的改進創新可大幅提高鐵路調車的機動靈活性。

鐵路車站立體調車系統是在原有技術站的基礎上增添新設備。新設備主要由橫動調機設備、橫向調架設備、橫動調機轉線設備、升降設備以及控制設備5 部分組成。橫動調機設備運動在橫向調架設備之上，與車輛或車列不在同一水平面即不存在運動沖突，可以“抓”起車輛運動于各個股道之間；橫向調架設備為鋼筋混凝土澆筑的結構，橫跨于各個股道之間；橫動調機轉線設備可以使橫動調機循環運動，快速完成多個車輛的橫向跨線運動；升降設備用于輔助橫動調機“抓住”和“松開”車輛；控制設備采用機控和人控協調的方式。鐵路車站立體調車系統功能原理如圖3所示。鐵路車站立體調車系統結構如圖4 所示。該系統在鐵路調車輔助設備的配合下，可以實現在無駝峰的情況下，多條線路同時解體進入編組線，極大地提高解體效率；在編組線上編組的車列，也可以直接快速將規定車輛“插入”車列之中，節約大量的倒勾作業時間。同時需要指出，該系統并不針對所有解編車列都通過橫向移動的方式來實現列車的解體和編組。對于組別較少的大車組列車，采用平面返岔子的調車方式進行解體和編組，可以有效節約調車 時間。人工智能調車編組站三級六場改造建議圖如圖5 所示。人工智能調車針對不同的解體需求的車列采用不同的解體方案以節約調車時間，圖5 中各種調車作業之間交叉干擾非常小。

圖3 鐵路車站立體調車系統功能原理圖Fig.3 Function diagram of three-dimensional shunting system in railway station

圖4 鐵路車站立體調車系統結構圖Fig.4 Structure diagram of three-dimensional shunting system in railway station

圖5 人工智能調車編組站三級六場改造建議圖Fig.5 Artificial intelligent shunting marshalling yard under the end arrangement sequence of train receiving yard,shunting yard and train dispatching yard with six-yard reconstruction proposal map

在人工智能調車過程中，總控制中心通過接收現場改進設備的反饋信息，即改進設備利用雷達超聲測距、紅外探測定位、步進限位邏輯以及壓敏模塊等傳感器獲取的車輛位置及動作狀態信息，以調車解編目標動態決策控制車輛設備下一步調車動作，直至到達調車解編目標，結束調車動作并回歸至初始狀態。如車列自行摘鉤作業，人工智能控制系統首先需根據雷達超聲測距模塊確定車列不再移動，再根據解編目標計劃確定提鉤位置、通過無線通信啟動對應車輛的摘鉤設備，摘鉤設備獨立完成摘鉤作業后反饋步進限位邏輯至人工智能控制系統，系統將摘鉤后的2 車列分別啟動自行運動設備和自行制動設備，完成摘鉤作業。

2.3 人工智能調車作業環節及流程

基于以上2 套專利在現有調車設備基礎上的改進設計，人工智能技術即可在調車作業中得以實現。而人工智能技術的使用，一方面可充分利用新設備優勢以節約調車時間和提高調車效率，另一方面可以形成新的人工智能調車模式。人工智能調車模式即指在整個調車作業過程中，由安裝在改進的調車設備上的傳感器與總控制中心之間進行調車信息的交流，進而自動完成調車作業的各個環節，最終代替人力調車模式。即在人工智能系統運算控制下，使調車場中車輛自動實現縱向和橫向的智能協調運動，以快速完成車輛的調車作業。

對改進后的硬件設備功能分析，其車輛設備具有自行制動和自行摘鉤的功能，在傳動調機的輔助下具有自行前后運動的功能，在橫動調機的協助下具有橫跨股道的功能。依據新設備可實現的功能和調車作業計劃的需求，按作業環節將人工智能調車作業也可分為2 類勾別：①解體橫動分組；②列車組合或分解運動。整個人工智能調車過程均由以上2類勾別的調車作業相互重組配合來完成。

（1）解體橫動分組。解體橫動分組即指車列自行運動至橫向調架，并自動完成自行摘鉤和自行制動作業；然后由升降設備升起車輛，橫動調機懸掛車輛并運行至目的股道，橫動調機解掛車輛，升降設備將車輛降至對應股道；最后車輛自行運動至對應車列(或車組)中的過程。解體橫動分組勾別存在的作業環節及其時間：①車列自行運動所需時間；②車列自行摘鉤所需時間；③車列自行制動所需時間；④升降設備升高車輛所需時間；⑤橫動調機懸掛車輛時間；⑥橫動調機橫向運動時間；⑦橫動調機解掛車輛時間；⑧升降設備降低車輛所需時間。

（2）列車組合或分解運動。列車組合或分解運動即指在同一股道的各個車列(或車組)在分散放置的情況下，自行運動組合為1 個編成車列并自行運動至到發線的過程，或將1 個車列通過自行運動分解為2 個車列的過程。列車組合或分解運動勾別存在的作業環節及時間：①車列自行摘鉤所需時間；②車列自行運動所需時間，因車列自行運動速度可控，車輛連掛所需時間極少，所以此處包含(或忽略)車列連掛所需時間；③車列自行制動所需時間。

在以上所有的作業環節中，每個作業環節的自動完成均由各個改進設備的所處動作狀態、設備工作邏輯以及工作時間3 者進行復核判斷作業環節是否完成，以確保該勾別作業安全準確高效快速。在上述的作業環節中，車列自行運動所需時間和車列自行制動所需時間均需由車列或車輛在整列車中的位置加以確定；而其他作業環節所需時間均是固定不變的。

3 人工智能調車控制模型

人工智能調車控制需要以列車編組計劃作為基礎，車流組織計算采用“車流運動集結”法[2]，由此計算出最優調車作業計劃需求，即計算出待解車列中的車輛被編入待編車列中的具體位置。人工智能調車作業以最小調車作業勾別(即解體橫動分組和列車組合或分解運動)為單位，以調車作業計劃需求、調車進路運動邏輯為限制條件，來排列計算完成調車作業計劃。

則人工智能調車模式下的解體編組調車作業計劃(a=2)如表1 所示。

表1 人工智能調車模式下的解體編組調車作業計劃(a=2)Table.1 Shunting operation plan of train break-up under artificial intelligent shunting mode (a=2)

上述調車作業計劃中M(xi，yn)M(xi，yj)T1(yj＜yn)為非必須勾計劃，即滿足yj＜yn條件時，執行此勾調車作業，否則不執行。其中T0為列車組合或分解運動勾別的作業時間，當yj≥yn時，T0值取0。此外，在硬件設備改進后，車列或車輛的運動速度均可通過自行運動設備或自行制動設備精確控制，即不存在禁溜車輛。

綜上所述，人工智能調車控制模型，通過接收以“車流運動集結”法為核心所計算出來列車編組計劃作為調車作業計劃需求；而在軟件編程聯鎖控制硬件設備的過程中，可將解體橫動分組和列車組合或分解運動2 類勾別的硬件動作控制編程分別模塊化(即對2 類勾別的作業環節進行組合)，進而直接與解體編組調車作業計劃銜接，以完成硬件設備的人工智能操控。

人工智能調車控制模型主要針對整列車中車組去向別較為復雜的列車解體編組而設計的，而在技術站還存在整列車中車組去向別較為簡單的需要解體的列車，采用人工智能調車控制模型對其施行解體作業反而花費更多時間。因此，針對此類列車需改變解體方式，即僅通過車列自行摘鉤、自行運動、自行制動，利用固定線路及相應道岔轉換的方式運動至目的調車線。

4 基于人工智能調車模式的分析

基于調車設備在自行運動和自行制動上的改進設計，人工智能調車模式在作業環節上省去了等待調機推送或牽引、摘接風管、調機試風、車機聯控、防溜作業、車輛連掛等耗費體力和時間的作業環節。此外與傳統調車模式相比，在解體模式上，人工智能調車模式可以實現多條調車線同時解體，成倍提高解體作業的效率，節約大量時間；在編組模式上，人工智能調車模式在車列的解體作業中就完成了所有的編尾調車作業，節約所有的編尾時間；而人工智能調車模式控制模型采用“車流運動集結”法計算的列車編組計劃可使每輛車平均節約4～ 5 h 的運輸時間。

基于時效性考慮，在人工智能調車模式下以車輛為計算目標和單位，對比傳統調車作業計算其在整個運輸過程中節約的總時間。

式中：k為頻次，取整數；t技節為到達技術作業節約的時間；t解節為解編作業節約的時間，h；t中節為中轉調車作業節約的時間，h；t編節為編組調車作業節約的時間，h；t待節為等待調車作業所需時間，h；k1t技節為車輛在車列中對比人工智能調車模式進行了k1次到達作業節約的時間，h；k2t解節為車輛在車列中對比人工智能調車模式進行了k2次解體作業節約的時間，h；k3t中節為車輛在車列中對比人工智能調車模式進行了k3次中轉調車作業節約的時間，h；k4t編節為車輛在車列中對比人工智能調車模式進行了k4次編組調車作業節約的時間，h；k5t待節為車輛在車列車中對比人工智能調車模式在技術站進行了k5次等待調機推送或牽引的調車作業節約的時間，h；t倒節為車輛在車列車中對比人工智能調車模式進行倒站順節約的調車作業時間，h；t集節為采用“車流運動集結”法節約的集結時間，h。

式中：i為調車線股道編號；Si為i股道至其它車場之間的曲線(咽喉區的長度)距離，km；j為車列中同一到站的車組的車組別號；v為機車平均走行速度，km/h；n為進入調車線股道數，取整數；L為一條標準的調車線(包括推送線、解體線)，km；L0為車輛標準長度，km；Xij為第i條調車線上車列的車輛數；T0為節省的人工指揮延誤以及咽喉徑路縮短等時間，h。

式中：Yk為每個車列中不同的組號數。

通過上述節約調車時間公式的推導，可以得出在一批貨物的運輸過程中，采用人工智能調車模式可以節約總貨運時間百分比的估算公式。

式中：S ′為我國鐵路多數貨物運輸的距離均值，km，v ′為我國鐵路多數貨物運輸的速度均值，km/h，而k1，k2，k3，k4，k5則可根據我國鐵路網技術站密度進行估值。

式中：L總為運輸總路程，km；i取1，2，3，4，5；ρ1為運輸總路程進行了k1次到達作業；ρ2為運輸總路程進行了k2次解體作業；ρ3為運輸總路程進行了k3次中轉作業；ρ4為運輸總路程進行了k4次編組作業；ρ5為運輸總路程等待了k5次調車作業。

5 結束語

為推動鐵路貨運高質量發展，鐵路貨運設備的改進和組織方式的優化勢在必行，而基于鐵路龐大數量的基礎設備的特征，有必要探索在原有設備基礎上優化增添設備并以此優化組織方式。以人工智能技術應用為導向改進現有運輸設備和運輸關系，可以達到大幅提高鐵路運輸時效性和運輸能力的目的，為有效避免人為原因造成的調車失誤乃至調車事故提供參考。