鐵路重車到達預報與卸車預警系統研究與開發

周利萍，張 璐，劉志新，孫 明，李少峰

（1.中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081；2.中國國家鐵路集團有限公司 運輸調度指揮中心，北京 100844）

隨著我國經濟發展格局的變化，鐵路貨源結構不斷變化，車流去向不均衡的問題較為突出[1]，導致車站大量待卸貨車積壓，增加了鐵路貨車周轉時間。另一方面，既有的鐵路信息系統對全路卸車管理業務支持不足，不能為各級調度員提供重車到達預報信息，只有當重車到達卸車站或接入卸車局后，調度員才能發現卸車量與車站卸車能力不匹配的問題[2]，致使卸車組織工作常處于被動。

為了創新卸車組織業務，緩解卸車能力緊張局面，已有部分鐵路局集團公司開發了卸車組織業務應用系統，如丁永民等人研發的濟南局集團公司車站卸車組織信息系統[3]；潘云松等人利用大數據技術研發的昆明局集團公司鐵路卸車組織管理系統[4]；馮卓鵬研發的重載鐵路卸車調度優化模型[5]等。這些系統雖然能為鐵路局集團公司貨運管理提供輔助決策支持，但主要聚焦于本鐵路局集團公司內卸車作業流程及調度組織優化，未從根本上解決如何為調度部門和車站提供準確的卸車站重車到達預報信息的問題。

過去十多年來，我國鐵路調度業務信息化取得了長足進步，運輸調度管理系統、車號識別系統、運輸信息集成平臺已經全國鐵路（簡稱：全路）推廣應用，顯著提升了鐵路運輸組織和調度指揮效能，也積累了大量的車流歷史數據資源。近兩年來，貨運票據電子化系統、列車編組順序表電子化傳遞系統先后實施，分別為調度指揮提供了在站作業過程和在途車流的實時動態信息，這些信息資源為全路重車到達預報及卸車預警的研究提供了較為完備的數據支撐。

本文提出鐵路重車到達預報與卸車預警系統方案，充分利用現有數據資源，結合車流歷史信息和車流實時追蹤信息，預測全路貨運站各品類重車到達時間，對超出車站卸車能力的車流提供分級預警和貨運組織調整策略，幫助車站調度員提前統籌安排卸車組織工作，及時調整在途重車運行徑路，均衡利用路網運輸能力，減少貨車積壓占用，有效縮短鐵路貨車周轉時間，為全路卸車業務管理精益化和貨運調度指揮協同化提供強有力的信息支持。

1 系統架構

1.1 總體架構

鐵路重車到達預報與卸車預警系統采用集中布署方案，依托中國國家鐵路集團有限公司（簡稱：國鐵集團）主數據中心的云計算資源構建應用支撐平臺，主要面向國鐵集團、鐵路局集團公司和貨運車站3級調度人員，提供統一、集成、綜合的業務應用服務，系統總體架構如圖1所示。

圖1 系統總體架構示意

（1）應用支撐平臺：提供數據采集與交換接口，完成數據分類存儲與管理，實現數據關聯與融合處理，提供數據分析服務，為各項業務應用提供圖表、GIS路網圖等可視化展示以及用戶統一管理等公用組件。其中，通過外部數據采集接口，分別從貨運票據電子化平臺、集裝箱管理系統、車號識別系統、運輸信息集成平臺分別獲取車輛裝卸作業過程、集裝箱品類的裝卸信息、在途重車實時位置、車輛運行歷史軌跡等數據，用于實現重車到達預報和卸車預警功能；通過與運輸調度管理系統的調度命令交互接口，實現對系統自動推薦的調整策略的發布和管理。

（2）業務應用：系統采用B/S應用模式，國鐵集團、鐵路局集團公司及貨運站各級調度人員和系統管理員用戶可利用現有辦公設備，使用瀏覽器訪問系統應用功能；通過角色分配和權限管理，使各級調度員能夠各司其責，實現貨運調度一體化協同指揮。

1.2 技術架構

系統基于微服務構架搭建，劃分為基礎設施層、數據層、服務層、應用層，技術架構如圖2所示。

圖2 系統技術架構示意

（1）基礎設施層：提供系統軟硬件運行環境，數據庫服務器（Oracle）和內存數據庫服務器（Redis）、應用服務器（Weblogic）、通信服務器（Rabbit MQ）均采用虛擬化集群配置，確保系統高性能、高可靠性和可擴展性。

（2）數據層：完成相關數據的采集和處理，為服務層提供準確、完備的數據資源，包括原始數據、中間數據和結果數據；系統通過服務層的接口服務從外部系統采集所需的原始數據，對相關原始數據進行關聯、融合后，生成用于推算重車到達時間和判斷卸車預警的中間數據，這些中間數據存儲在Redis內存數據庫中，以提高數據處理性能；結果數據為按照業務規則加工處理后所生成，采用Oracle關系型數據庫存儲。

（3）服務層：包括基礎服務、數據服務以及業務服務，使用Spring Cloud實現服務治理；其中，基礎服務提供日志記錄、權限管理、GIS鐵路網圖生成等功能；數據服務提供數據采集與交互接口及數據訪問接口；業務服務根據車輛運行歷史軌跡、在途重車實時位置、車站卸車能力等信息及分級預警規則，生成重車到達預計結果和運輸組織調整策略等輔助決策數據，提供給系統的應用層。

（4）應用層：為用戶提供各項業務應用功能的信息展示和操作界面，使用Java、JavaScript和Html5等語言開發，其中，全路卸車站到達重車流預計、預警提示及綜合分析評價等功能采用GIS鐵路網圖和eCharts圖表實現數據可視化展示。

2 系統功能

面向國鐵集團、鐵路局集團公司和站段3個業務層面的卸車管理需求，系統提供6項主要業務功能：卸車能力管理、重車到達預報、卸車預警提醒、調整策略推薦、預警通知管理、綜合分析評價；系統功能結構如圖3所示。

圖3 系統功能結構

2.1 卸車能力管理

完成車站卸車能力數據的錄入、審核和自動校驗，構建完整的、覆蓋全路貨運車站的卸車能力數據庫，為實現全路卸車預警功能提供基礎數據。

（1）卸車能力錄入：車站用戶手工錄入車站卸車能力數據，包括品類、專用線、最大卸車能力和適宜卸車能力等數據項。

（2）卸車能力審核：系統參照車站卸車能力歷史統計數據，自動檢查車站提報數據是否合理，對問題數據高亮顯示，鐵路局集團公司管理人員完成車站提報數據的核實，并對錯誤或不完整數據予以駁回處理。

（3）卸車能力上報：鐵路局集團公司管理人員將核實后的數據上報至國鐵集團，作為正式發布的卸車能力基礎數據。

（4）卸車能力統計：對貨運站的卸車量歷史數據進行統計，計算出過去一段時間內（如1年內）該車站主要品類實際卸車數量的最大值及平均值，作為校驗人工錄入的判斷依據。

2.2 重車到達預報

對全路貨運站卸車到達量的時空分布進行實時的滾動預測，向各級調度員提供準確、快捷的重車到達預計信息。

（1）卸車站車流預計：按品類預測卸車站未來3日內到達的重車流數量。

（2）在途重車查詢：按品類查詢未來3日內到達卸車站的重車當前所在位置分布，按車種別和品類別生成進入局管內重車清單，方便車站調度員及時、精準地安排和調整卸車作業。

（3）待卸車預測：根據卸車站當前在站待卸車數量、預計到達重車數量和當日卸車預計完成量，推算車站未來3日內平均待卸車預計量以及最大單日待卸車預計量。

（4）預計結果分析：將貨運站不同品類到達車流預測結果與實際到達車流進行對比，對按預計到達、預計外到達、預計到但未到的車輛數進行統計分析，并提供圖形化展示界面，便于了解重車到達預測算法的準確性，為算法優化提供依據。

2.3 卸車預警提醒

通過比較車站卸車能力、未來3日內平均待卸車預計量、未來3日內最大單日待卸車預計量3項指標，按照超出車站卸車能力的不同程度，及時發出分級預警提醒。

（1）三級預警提醒：在GIS鐵路網圖上，將發生三級預警的車站標注為藍顏色，提醒鐵路局集團公司調度員予以關注；根據系統提示的預警信息，車站調度員可采取調整作業時間、提高作業效率等措施加快卸車進度。

（2）二級預警提醒：在GIS鐵路網圖上，將發生二級預警的車站標注為黃顏色，提醒鐵路局集團公司和國鐵集團調度員予以關注，車站和所屬鐵路局集團公司調度員則可提前采取加強卸車組織、調整裝車去向、改變在途車運輸順序等必要措施進行管內車流調整。

（3）一級預警提醒：在GIS鐵路網圖上，將發生一級預警的車站標注為紅顏色，提醒國鐵集團和鐵路局集團公司調度員重點予以關注，國鐵集團調度員可開展跨局車流組織協調工作，卸車站和所屬局及其他相關局（裝車局、重車途徑局）則可采取停裝或調卸等調整措施。

2.4 調整策略推薦

根據卸車預警級別，自動為國鐵集團和鐵路局集團公司調度員推薦運輸組織調整策略，調度員可以直接采納系統推薦的調整策略，也可以手動編輯和修改調整策略，最后，將確定好的調整策略發布至下級單位。

（1）調整策略編輯：針對當前預警級別，參照歷史經驗案例，自動為調度員生成調整策略，調度員可在此基礎上進行編輯修改。

（2）調整策略發布：對涉及停、限裝車的貨運站，調用運輸調度管理系統接口，將調整策略傳輸至調度命令平臺，以調度命令的形式下發。

（3）調整策略案例管理：調度員可總結歷史經驗，將不同預警級別的調整策略定義為案例模板，供編輯調整策略時選用；提供調整策略案例模板的添加、刪除和修改功能。

2.5 預警通知管理

當發現預警時，按業務規則自動生成預警通知，為調度員提供預警通知的推送、查詢以及預警閾值調整的功能。

（1）預警通知推送：根據卸車站發生預警的級別，自動生成相應的預警通知，按照設定的業務職責和工作流程，分別推送給國鐵集團、鐵路局集團公司和卸車站調度員，提醒調度員對發生預警的卸車站予以關注，及時采取相應措施進行處置。

（2）預警通知查詢：按局別、車站和時間段對預警通知進行分類匯總和條件查詢。

（3）預警規則管理：提供預警規則編輯功能，系統管理員根據車站技術裝備條件和人員配備等實際情況，合理調整卸車站不同品類卸車量觸發預警的閾值。

2.6 綜合分析評價

對卸車作業過程、實際完成卸車量、長時滯留待卸重車（即大點車）等進行分析，以鐵路網圖、折線圖、表格等圖表方式綜合展示分析結果，輔助調度員對卸車站卸車工作質量進行評價。

（1）卸車作業過程分析：對重車在卸車站的入線、開卸、卸完、出線時間進行分析，可按總停留時間、卸車完成時間、品類進行綜合查詢，方便調度員掌握卸車過程中各主要環節的實際用時。

（2）卸車實績分析：按品類統計貨運站實際完成的卸車數量，以折線圖形式對比分析貨運站卸車實績變動情況，方便調度員直觀地掌握各貨運站卸車實績的變化趨勢及規律。

（3）長時滯留分析：按品類匯總在卸車站滯留時間分別大于24 h、48 h和72 h的長時滯留待卸重車（即大點車），包括車輛到達時間、滯留時間、停留股道（或專用線）、等信息項，方便調度員對長時滯留重車進行及時處置，為優化卸車組織工作提供依據。

3 關鍵技術

3.1 重車到達預測算法

根據在途車流的運行徑路、運行時間和歷史經驗參數，自動計算重車流到達終點站的預計時間，主要包括重車最新徑路選擇、重車到達時間預計以及經驗參數表更新3個步驟。

（1）重車最新徑路選擇

重車從始發站被輸送至終到站所經過的路線稱為車流運行徑路，簡稱為車流徑路[6]。車流徑路選擇根據貨物的發到站（OD，Origin to Destination）、貨物品類等信息，選擇可滿足實際運輸需求，且符合路網通道能力約束及其它運輸影響因素的車流徑路。

采用基于車流徑路選擇偏好的鐵路車流運行徑路動態預測方法[7]利用運輸信息集成平臺提供的海量車流運行軌跡等歷史數據，對長期和近短期車流運行軌跡數據進行統計，生成車流徑路選擇偏好參數表。在預測某一車輛的運行徑路時，優先使用近短期車流徑路選擇偏好，只有在近短期車流徑路選擇偏好數據缺失的情況下，才考慮采用長期車流徑路選擇偏好。

基于車流徑路選擇偏好參數，結合重車的裝車記錄（發站、到站、品類等信息）及實時位置跟蹤信息，選擇車流走行概率最高的徑路，作為重車最新徑路，具體流程如圖4所示。

圖4 重車最新徑路選擇流程

（2）重車到達時間預計

為確定重車預計到達時間，需要估算重車從始發站（或當前位置）到達終點站的預計總運行時間。

利用大數據技術[8]，通過對大量車輛運行時間歷史數據進行統計，計算得到重車在各區段和技術站的平均消耗時間；并據此估算出重車從始發站（或當前位置）到達終點站的預計總運行時間T（單位：h），計算公式為

其中，M —車流徑路關鍵節點的區間分段數；N—車流徑路中技術站個數，對于直通列車車輛來說，N =0；Si—車流徑路中第i個節點（如始發站、分界站、技術站等）間的里程（單位：km）；Vi—車流徑路中第i段區間的貨物列車平均旅行速度（單位：km/h）；Tj—沿途節點中，重車在第j個技術站的中轉停留時間（單位：h）； Δt—為異常因素影響參數，在自然災害或安全故障、臨時列車限速等條件下，對重車總運行時長產生影響的時間修正值（單位：h）。

重車預計到達時間的推算過程如下：

① 分析重車最新徑路上關鍵節點，包括始發站、分界站、編組站、區間站和終點站；

②獲取關鍵節點間的里程，從歷史統計數據值中獲取關鍵節點所在區段的平均旅行速度（如果不能從歷史統計數據中獲取該數值，則使用經驗參數中的局別平均旅行速度），估算重車在最新徑路上關鍵節點間的預計運行時間；

③基于歷史運行統計數據，計算重車在技術站上預計中轉停留時間，需要區分重車在技術站上的作業類型是無調中轉還是有調中轉，不同作業類型使用不同的中轉停留時間統計值進行估算；

④計算重車從始發站（或當前站）到終點站的預計總運行時間，正常情況下為重車最新徑路上所有關鍵節點間預計運行時間總和 + 所有技術站上預計中轉停留時間總和；若重車在運行中受到異常天氣、設備故障或臨時限速的影響，預計總運行時間除上述兩者之和外，還要再加上異常因素時間修正值；

⑤計算重車預計到達時間=當前時間+預計總運行時間。

重車預計到達時間推算是一個動態迭代過程，從始發站開始全程跟蹤重車運行位置，預計結果會根據重車當前位置的變動進行滾動更新。

（3）經驗參數表更新

重車到達時間預計算法使用了3類經驗參數：

① 局別平均旅行速度，設置每個鐵路局集團公司內重車平均旅行速度，作為算法中重車旅行速度變量的缺省值；

② 技術站重車中轉停留時間，根據歷史數據統計結果，設置各個技術站不同作業類型（有調中轉和無調中轉）的重車中轉停留時間；

③異常因素時間修正值，即式（1）中的參數Δt，分別設置受到異常天氣、安全故障和臨時限速影響的重車運行時間修正值。

為獲得較為準確的重車到達時間預計結果 ，需要結合預計結果的偏差分析，通過該系統應用支撐平臺的數據分析服務，重新對車輛歷史走行軌跡數據進行統計，用于動態更新經驗參數表，具體流程如圖5所示。

圖5 經驗參數表更新流程

3.2 卸車分級預警機制

根據卸車站未來3日內各品類別重車預計到達數量，統計卸車站未來3日內平均待卸車預計量和最大單日待卸車預計量，對照車站卸車能力，判斷是否存在超出其卸車能力的重車車流，根據超限的不同程度自動觸發預警，并生成相應的貨運組織調整策略。

針對不同車流情況，綜合考慮各級調度的崗位職責，系統設置卸車分級預警規則，包括判斷標準、預警對象及貨運組織調整策略，如表1所示。

表1 卸車分級預警判斷標準、預警對象及貨運組織調整策略

分級預警的判斷標準可根據實際情況，針對卸車站不同品類單獨設置；另外，系統會對卸車站各品類別不同卸車預警級別的調整策略的使用歷史進行統計，按照使用頻率大小來實現自動推薦。

分級預警算法具體流程如圖6所示。

圖6 卸車分級預警算法流程

4 結束語

針對調度部門和車站亟需獲取重車到達預報信息的實際需求，本文采用基于車流徑路選擇偏好的鐵路車流運行徑路動態預測方法[7]，進一步研究提出重車到達預測算法和卸車分級預警機制，據此開發了鐵路重車到達預報與卸車預警系統。該系統在構建全路貨運站卸車能力數據庫的基礎上，充分利用現有的貨車運行軌跡歷史信息及在站作業過程和在途車流的實時動態信息，推算出較為準確的重車預計到達時間；對可能超出貨運站卸車能力的車流提前分級預警，并自動推薦貨運組織調整策略，輔助各級調度員及時采取針對性措施，可有效緩解車輛集中到達、卸車積壓等問題，有利于促進全路貨運調度指揮水平的提升。

目前的重車到達時間預測算法中，技術站重車中轉停留時間采用歷史數據統計值估算。但實際應用中發現，技術站作業過程往往存在較大不確定性，導致預測結果的準確度較低，需要尋找更有效的預測方法。考慮到重車在技術站的作業時間受多種因素影響，具有復雜的非線性特點，而神經網絡[9]對解決復雜的非線性問題往往有較為滿意的效果。下一步考慮采用神經網絡方法，建立技術站重車中轉停留時間預測模型，利用利用一段時間內（如一個季度）技術站不同作業類型中轉停留時間的歷史數據作為樣本集，對預測模型進行迭代訓練，以期得到更加有效的預測模型，提高重車到達時間預測的準確性。