[发明专利]车辆调度方法、装置、计算机设备和计算机可读存储介质

说明书

本申请涉及车辆调度方法、装置、计算机设备和存储介质。该方法包括：获取与车站衔接的专用线条数信息；根据所述专用线条数信息构建强化学习模型；对所述强化学习模型进行训练，得到强化学习模型的经验值；根据所述经验值确定车辆调度顺序。通过构建强化学习模型，对该强化学习模型进行训练，得到强化学习模型的经验值，根据该经验值确定车辆调度顺序，可以得到专用线取送车的全部最佳取送方案，解决了时差顺序法在求解最佳取送方案时，为了减少计算方案数量会错过部分最佳取送方案的问题。

技术领域

本申请涉及车辆调度技术领域，特别是涉及一种车辆调度方法、装置、计算机设备和计算机可读存储介质。

背景技术

取送车作业是铁路车站的一项重要的技术作业。当装卸货量较大、衔接的专用线较多时，取送车作业是比较复杂的。车流整列到发以及一台机车作业条件下的放射形专用线取送车顺序问题是车站调度指挥人员重点考虑的问题之一。合理安排取送车顺序有利于缩短货车在站停留时间，提高车辆周转率。

在相关技术中，一般采用时差顺序法解决放射形专用线取送车顺序问题，但是，时差顺序法在求解最佳取送方案时，为了减少计算方案数量会错过部分最佳取送方案。

申请内容

本申请提供一种车辆调度方法、装置、计算机设备和计算机可读存储介质，可以得到专用线取送车的全部最佳取送方案，以满足生产实践中专用线装车作业时间多变的需求。

根据本申请的一个方面，提供了一种车辆调度方法，包括以下步骤：

获取与车站衔接的专用线条数信息；

根据所述专用线条数信息构建强化学习模型；

对所述强化学习模型进行训练，得到强化学习模型的经验值；

根据所述经验值确定车辆调度顺序。

在其中一些实施例中，所述根据所述专用线条数信息构建强化学习模型包括：

根据所述专用线条数定义状态空间，所述状态空间用于表示机车当前所在位置以及当前每一所述专用线的送车状态；

定义动作空间，所述动作空间用于表示机车下一时间步前往的专用线；

定义奖励函数，所述奖励函数用于表示所述机车完成所有所述专用线的送车作业后得到的奖励值。

在其中一些实施例中，所述定义奖励函数包括：

根据预设调度顺序获取机车作业所需的标准作业时间；

根据实际作业时间与所述标准作业时间，定义所述奖励函数。

在其中一些实施例中，所述对所述强化学习模型进行训练，得到强化学习模型的经验值包括：

获取当前位置，若当前位置为车站位置，且各专用线均未完成取送车作业，则将状态空间设置为初始状态；

根据所述初始状态，得到所有状态动作集合；

根据所述状态动作集合完成所有专用线的送车作业，作为一次迭代过程并计算本次迭代的最终奖励值；

根据所述最终奖励值，得到所述强化学习模型的经验值。

在其中一些实施例中，所述根据所述状态动作集合完成所有专用线的送车作业，作为一次迭代过程并计算本次迭代的最终奖励值包括：

根据当前所述状态空间和所述状态动作集合，在多条所述专用线中选择第一专用线并完成送车；

更新所述状态空间，对其余所述专用线进行送车，直至完成所有专用线的送车，计算完成本次迭代所需的实际作业时间；