列車自動駕駛運行高可靠性控制優化方法設計

梁亞成，張寧，虞賽君

（合肥市軌道交通集團有限公司，合肥 230001）

引言

列車自動駕駛運行的研究涉及到多個關鍵領域，包括列車自動控制、能源管理系統、通信與信號技術、運行調度及列車集群協同等。通過應用先進的控制算法、智能感知技術和通信系統，可以實現列車的自動駕駛、智能調度和交互通訊，從而提高列車的安全性、穩定性和運行效率。盡管自動駕駛運行已經取得了很多進展，但仍需解決多個方面的技術挑戰，包括環境感知、定位與地圖更新、系統安全性、復雜決策，自動駕駛運行可靠性仍需優化[1,2]。

在列車自動駕駛方面，國內相關專家給出了一些比較好的建議，例如張京等[3]優先構建了列車ATO運行多目標優化方法，將列車過分相區斷電惰行納入控制策略中，改進PSO優化算法，并且將遺傳算子融入其中，形成全新的GAPSO算法，對工況轉換點展開尋優，最終得到獲取自動駕駛運行優化方案。張英貴等[4]將列車最小化發射時刻波動性以及車站軌道運動方案波動性作為優化方法，通過模擬退火算法實現自動駕駛運行優化。盛昭等[5]對列車運行過程展開分解，獲取多個主要的關鍵速度，同時分析列車最小追蹤間隔，構建以能耗和運行時間為性能指標的自動駕駛運行優化問題，通過量子進化算法獲取最優策略。

隨著各項技術不斷演進和成熟，列車自動化系統將進一步優化鐵路運輸系統，減少制動和加速操作的頻率，進而減少運行軌跡控制偏差成為研究重點，據此，提出了一種追蹤間隔時間優化下的自動駕駛運行高可靠性優化方法。

1 列車群運行狀態控制參數獲取

1.1 線路附加阻力和運輸線路條件的關聯度分析

設定共有n列高速列車從始發站依次發車，從始發站到終點站共有m個區間，單一列車在單區間的運行狀態如公式（1）所示：

式中：

N—列車運行的歷史質量評價值；

β—列車的回轉質量系數；

t—列車的運行時長；

v(x,y)—單一列車在當前的行駛速度；

a1、a2—列車的牽引力和制動力；

B1、B2—牽引系數以及制動系數；

Bas、Bbs—列車運行過程中的基本阻力以及附加阻力。

在列車運行過程中，列車的牽引以及制動工況兩者是互相排斥的，所以，B1和B2需要滿足公式（2）所示的約束條件：

在列車自動駕駛運行過程中[6-7]，列車所受到的阻力和列車的行駛速度等存在關聯，同時線路附加阻力和運輸線路條件的關聯度如下所示：

式中：

c0、c1、c2—戴維斯方程系數；

φk—列車在設定時間段內第k段坡道對應的坡度信息；

e(k)—列車在當前時間段內第k段曲線的半徑；

E(x,y)—當前位置第k條隧道的長度。

1.2 多智能體列車群分布式信息交互下的參數獲取

多智能體列車群的信息交互則是為了實現列車之間的協同與合作。分析線路附加阻力和運輸線路條件的關聯度，可以提供重要的參考信息來優化列車群的信息交互過程。將列車的全部運行過程看作是一個系統，整個系統是由多個不同的智能體組成。在系統中，每個單一的列車i都為一個智能體Ri。為了確保列車在自動駕駛狀態下具有較高的運行可靠性，優先獲取列車在各個線路的運行狀態以及最佳駕駛策略等信息，通過各個列車之間的網絡拓撲結構[8,9]來表示列車之間的關聯和通信，形成如公式（4）所示的有向圖G：

在這個有向圖中，RG代表由全部頂點組成的集合；DG代表圖中由全部邊組成的集合。根據網絡拓撲結構，列車可以通過與鄰近列車的通信了解周圍環境及其他列車的狀態信息，通過交換和共享阻力和速度信息，列車可以根據當前線路上不同位置的阻力情況。有向圖中，各個頂點之間的作用關系σij可以表示為公式（5）的形式：

式中：

(Ri,Rj)—智能體頂點i和j之間的鄰接關系。

在上述分析的基礎上，通過圖1給出列車群的信息交互過程。

圖1 多智能體列車群分布式信息交互示意圖

通過多智能體列車群的分布式信息交互，可以實時收集列車的位置、速度、加速度等運行狀態參數。

1）通過軌旁設備以及全球衛星導航系統可以實時掌握列車在各個時間內的運行情況，獲得列車實時位置參數τ。

2）在列車運行狀態下，各個列車之間的運行狀態等相關操作是可以實時交互的，同時根據列車追蹤技術可以得到列車的行駛速度參數v(′x,y)。

3）在存在干擾的情況下，全部列車在相互通信的基礎上，通過相關的優化算法調節不同列車的駕駛策略，有效消除延誤，獲取列車加速度狀態參數?s。

τ、v(′x,y)、?s可以用來計算最短追蹤間隔時間、運行能耗和運行軌跡控制偏差。這些參數作為后續列車自動駕駛運行控制系統的關鍵部分，參數的準確性和優化程度將直接影響到自動駕駛系統的性能和運行效果。

2 自動駕駛運行高可靠性控制優化

2.1 約束條件與控制目標函數設置

在復雜、多變的交通環境中，面對異類情況和突發事件，如惡劣天氣條件或信號燈故障，自動駕駛系統的信息感知能力和應對策略仍存在挑戰，分布式信息交互過程與運行高可靠性控制優化過程需要更精細和多樣化的約束條件。

列車在自動駕駛過程中，需要根據行駛線路選擇對應的自動駕駛策略，不同區間的運行能耗和運行時間存在較大差異，以此設列車的最優自動駕駛控制運行策略是由多種不同工況組成的，在實際運行過程中，設定列車的初始速度和巡航速度為v(0)和v(a)，將兩者作為決策變量，為了確保列車自動駕駛的安全性，考慮如下約束條件，分別為：

式中：

v(max)—列車的最快運行速度；

Qs—列車i和前車之間的最小安全距離；

P(d,i)—列車i之間的實際追蹤距離；

U(i,j)—乘客舒適度。

以最短追蹤間隔時間、最小運行能耗以及最小運行軌跡控制偏差為優化控制目標函數Ik*(ux,uy)：

式中：

Tx,y—追蹤間隔時間；

Hx,y—列車運行能耗；

?s—基于列車加速度狀態參數，

Wx,y—通過比較實際行駛軌跡與理想軌跡的差異來分析運行軌跡控制偏差。

2.2 控制過程中目標函數求解

多智能體列車群分布式信息交互過程涉及列車的速度控制、加速度和制動過程性信息，即多優化目標函數組合在一起才可以達到列車最優運行狀態，而最小安全間隔時間與追蹤間隔時間存在直接關系，由此，需要分析追蹤間隔時間有效性，進一步進行自動駕駛運行高可靠性控制優化。

人群搜索算法作為一種群體智能搜索算法，將其應用到追蹤間隔時間有效性分析中，進而確認列車運行規律。

1）對全部參數設定初始化處理，主要包含列車的線路信息以及列車基本參數等相關信息，同時將迭代代數的取值設定0。

2）設定列車群內共有n列車，以第2～n列列車的初始速度和巡航速度作為決策變量，設定決策變量的搜索范圍，同時對種群展開初始化處理，種群的規格為N×2(n-1)，則有：

式中：

V—列車的基本運行速度參數；

H—列車的線路運行軌跡；

Xt—在t時段內的群體；

N—粒子數量；

Hn—第n輛列車的線路運行軌跡；

—在t時段內第i個體和第k個個體之間的決策變量。

3）對每個個體Xt展開自動駕駛運行軌跡控制處理。

4）應用模糊系統對列車運行過程中的不確定行為展開模擬分析[10-13]，進而確定適應度函數和搜索步長兩者之間的關聯性，獲得列車位置、速度、停站時間等信息。其中，搜索步長αi,j可以表示為公式（10）的形式：

式中:

δi,j、ui,j—設定維數空間下的高斯隸屬函數和高斯隸屬度。

其中，高斯隸屬函數的參數對應的計算式如下所示：

式中：

xmax和xmin—全局最優以及最差位置；

tm—第m輛列車的運行時間；

ω代表慣性權重。

在確定搜索步長以及搜索方向以后，需要對不同個體展開更新處理，詳細的計算式如下所示：

式中：

xi,j(t+1)—在t+1時段內的決策變量[14,15]；

di,j(t)—在t時段內個體i和個體j之間的距離。

5）通過隨機加權方式，確定最終的搜索方向，對應的計算式如下所示：

式中：

dij,ego(t)—利己方向；

dij,alt(t)—利他方向；

dij,pro(t)—預動方向；

ω1(t)—在t時間段內的第一個慣性權重。

確定自動駕駛的搜索策略，計算各個列車在每一維決策變量的搜索方向以及步長。

6）更新每輛列車的位置信息。

7）判斷是否達到設定的最大迭代次數，假設是，則直接進入到下一步；反之，則跳轉至步驟（3）。

8）判斷自動駕駛控制的追蹤間隔時間有效性，假設優化方案滿足公式（6）與B1B2=0，完成全間隔標準調整以及運行參數高可靠性優化，則直接輸出最終自動駕駛運行控制方案，據此計算每個個體的適應度函數，將適應度函數Φ(j)作為評價標準，判斷各個自動駕駛運行高可靠性優化方案的優劣：

式中：

H0—列車在初始階段的運行能耗；

Ti,k—第i輛列車和第k輛列車之間的追蹤間隔時間；

Tsch—列車的平均追蹤間隔時間。

反之，則跳轉至步驟（1）。

通過確認與優化追蹤間隔時間，列車之間更緊湊但仍保持安全的距離，減少制動和加速操作的頻率，有效控制運行軌跡控制偏差，從而增加線路的運行容量和運力利用率，完成自動駕駛運行高可靠性控制優化。

3 實驗

為了驗證所提追蹤間隔時間優化下的列車自動駕駛運行高可靠性控制優化方法的有效性，以Y城市某路段為測試對象，包括直線段、曲線段和坡道段，時間戳為2021年7月10日 09∶00∶00，列車速度為50 km/h，加速度為0.5 m/s2，在100公里的行駛路程中，平均能源消耗為30單位/公里。收集了1 000個地鐵車輛間的樣本數據，并規定最小安全間隔時間為80 s。

依據Y城市從L1到L8站的列車線路信息，生成樣本數據，當兩輛地鐵車輛之間的時間間隔小于180 s時，認為發生了安全距離違規。在1 000個樣本數據中，共有15次間隔時間小于180 s，因此存在15次安全距離違規。

為了驗證各個方法的自動駕駛運行高可靠性，分別采用不同方法展開自動駕駛運行高可靠性優化處理，即設定對比方法為列車ATO運行多目標優化方法（文獻[3]方法）和基于模擬退火算法的自動駕駛運行優化方法（文獻[4]方法）

1）自動駕駛運行高可靠性控制測試分析

在設定時間范圍內，通過圖2給出各個方法控制下的列車自動駕駛運行情況。

圖2 不同方法的自動駕駛運行情況實驗比較

分析圖2可知，在設定時間范圍內，采用所提方法可以確保列車在自動駕駛狀態下的穩定運行；而采用另外兩種方法對列車展開運行優化處理后，列車整體的運行速度一直處于忽高忽低的狀態，無法有效確保列車在自動駕駛過程中的可靠性。由此可見，采用所提方法可以更好地確保列車在高可靠性狀態下自動駕駛。

2）追蹤間隔時間測試

通過表1給出各個方法的最短追蹤間隔時間測試結果：

表1 不同方法的最短追蹤間隔時間測試結果比較

分析表1可知，所提方法獲取的最短追蹤間隔時間明顯低于另外兩種方法，充分驗證了所提方法的優越性。

3）自動駕駛運行能耗測試

為了進一步驗證所提方法的優越性，在設定工況的情況下，需要對各個方法的自動駕駛運行能耗展開測試分析，詳細的實驗測試結果如圖3所示。

從圖3能夠看出，各個方法對應的列車自動駕駛運行能耗會隨著實驗次數的增加呈現上升趨勢。但是與另外兩種方法相比，所提方法的列車自動駕駛運行能耗明顯更低一些，說明通過所提方法可以有效減少自動駕駛運行能耗，同時也證明所提方法更加適用于優化自動駕駛運行的研究。

4）運行軌跡控制偏差測試

為了更進一步驗證所提方法的性能，實驗在設定時間情況下對各個方法的列車運行軌跡控制偏差展開測試分析，列車運行軌跡控制偏差取值越小，說明列車自動駕駛過程中可靠性越高；反之，則說明；列車自動駕駛過程中可靠性越低，詳細的實驗測試結果如圖4所示。

圖4 不同方法的運行軌跡控制偏差實驗結果比較

分析圖4可知，在運行時間不斷變化的情況下，各個方法對應的運行軌跡控制偏差也在不斷發生變化。和另外兩種自動駕駛運行高可靠性優化方法而言，所提方法獲取的列車運行軌跡控制偏差最低，說明所提方法可以更好地控制列車運行軌跡，同時也證明采用所提方法可以得到更加滿意的自動駕駛運行高可靠性優化方案。

4 結束語

本文提出了一種追蹤間隔時間優化下的自動駕駛運行高可靠性優化方法，重點確認與優化了最優追蹤間隔時間，降低列車運行軌跡控制偏差，得到更加滿意的自動駕駛運行高可靠性優化方案，使得列車能夠更精確地遵循行車規程，保持與前后列車之間的安全距離，并在高密度、高速度的線路上實現高頻率的列車運行。

未來階段，可以對列車自動駕駛過程中的運行調整過程展開分析，同時還需要考慮定位精度以及列車通信延時等對列車運行安全產生的影響，進一步提升列車運行的安全性和可靠性。