[发明专利]一种非正常事件下高铁路网图定能力保持方法

说明书

本发明实施例提供了一种非正常事件下高铁路网图定能力保持方法，以GBRT模型预测列车的延误，构建基于运行调整的列车延误运行替代图优化模型，生成可行的列车运行图和计算非正常事件下高铁路网能力；由生成的调整后列车运行图计算路段能力，构建非正常事件下高铁路网能力权重网络，进而识辨出高铁路网能力瓶颈路段；运用OPENTRACK仿真软件对不同延误情况下的高速列车运行进行仿真，分析非正常事件下高铁区段、车站的能力，计算结果作为能力约束反馈到基于运行调整的替代图优化模型中，迭代计算非正常事件下高铁路网能力，实现高铁路网能力的精准估计，并制定能力保持策略，为高铁调度和运行图调整提供宏观参考。

技术领域

本发明涉及轨道交通能力分析技术领域，尤其涉及一种非正常事件下高铁路网图定能力保持方法。

背景技术

非正常事件的发生始终制约着高速铁路路网能力的提升，不同类型的非正常事件将导致不同程度的列车延误，严重的非正常事件往往持续时间较长，能力损失严重而导致运量与运能失衡，给高速列车的行车组织和运营计划造成困扰。非正常事件主要分为自然灾害、事故灾难、公共卫生、社会安全。具体为行车事故，火灾、爆炸、地质灾害、气象灾害、设施设备事故等事件。

近年来，我国高速铁路建设快速发展，逐渐成为我国旅客运输的主要通道，其一旦发生非正常事件造成能力损失或线路中断，将对整个运输系统造成严重影响。因此，构建非正常事件下高铁路网图定能力保持方法，研究非正常事件下路网能力的变化和路网能力瓶颈辨识，这将从宏观层面为调度指挥提供决策依据，有助于在高速铁路成网条件下提高铁路行车组织效率，保障行车安全。

发明内容

本发明的实施例提供了一种非正常事件下高铁路网图定能力保持方法，基于高铁列车晚点延误预测和调整策略，构建基于运行调整的列车延误运行替代图优化模型，以区段、车站能力作为模型的动态约束，实现了高铁路网能力的精准估计，并制定能力保持策略，为高铁调度和运行图调整提供宏观参考。

为了实现上述目的，本发明采取了如下技术方案。

一种非正常事件下高铁路网图定能力保持方法，包括：

S1：基于GBRT模型预测高铁列车的延误时间；

S2：运用OPENTRACK仿真软件构建车站及区间的高铁路网拓扑图，并对不同延误时间下的高速列车运行进行仿真，由仿真结果计算得出非正常事件下高铁区段能力N_q和车站能力Nw；

S3：将所述延误时间作为模型输入数据，以区段能力N_q、车站能力Nw作为模型约束，构建基于运行调整的高铁路网替代图优化模型，生成非正常事件下高铁列车运行图、计算路网能力N_z；

S4：基于非正常事件下高铁列车运行图和路网能力，构建非正常事件下高铁路网能力权重网络，进而识辨出高铁路网能力瓶颈路段；

S5：由瓶颈路段将路网划分为区段和车站，转S2计算得到新的非正常事件下高铁区段能力和车站能力

S6：判断下列语句是否为真，

ε为充分小正数

若上述语句为真，则停止迭代进入S7；否则转S3进行循环迭代；

S7：输出非正常事件下高铁区段能力车站能力和路网能力N_z。

优选地，所述S1包括：

采用渐进梯度回归树GBRT集成学习的方法对高铁到达延误进行预测，将车次、图定到达时间、行程总长度、车站站点、列车旅行时间、行程百分比和晚点时间7个变量作为预测模型的自变量，各车次到达后续车站的延误时间作为输出变量，基于GBRT高铁延误预测的步骤如下：