劉 嶺

(1.北京全路通信信號(hào)研究設(shè)計(jì)院集團(tuán)有限公司，北京 100070；2.北京市高速鐵路運(yùn)行控制系統(tǒng)工程技術(shù)研究中心，北京 100070)

1 概述

利用閉塞方式的列車運(yùn)行控制方法在世界范圍內(nèi)廣泛使用。歐洲采用歐洲列車控制系統(tǒng)（ETCS）和歐洲鐵路運(yùn)輸管理系統(tǒng)（ERTMS），主要實(shí)現(xiàn)列車運(yùn)行控制和鐵路運(yùn)輸管理，保障列車在鐵路網(wǎng)絡(luò)中的安全運(yùn)行和鐵路網(wǎng)絡(luò)中運(yùn)輸資源的合理配置及使用[1-3]。美國(guó)曾于20 世紀(jì)80 年代開(kāi)發(fā)了先進(jìn)列車控制系統(tǒng)（ATCS），之后，列車加強(qiáng)型控制系統(tǒng)（ITCS）、先進(jìn)列車自動(dòng)控制系統(tǒng)（AATC）、列車間隔控制系統(tǒng)（PTS）相繼研制并投入使用[4]。日本最廣為人知的運(yùn)輸管理系統(tǒng)分別是計(jì)算機(jī)和無(wú)線電輔助列車控制系統(tǒng)（COMTRAC）與新干線列車運(yùn)行管理系統(tǒng)（COSMOS），其自行研制的列車自動(dòng)控制系統(tǒng)（ATC）保障了列車安全高效行車[5]。

基于閉塞的列車控制通常采用地面中心設(shè)備集中發(fā)布行車指令的控制方法，而集中式的信息處理方式對(duì)更加快速、安全的信息處理要求適應(yīng)性較差，隨之產(chǎn)生了分布式的信息處理技術(shù)。分布式的群體協(xié)同控制成為提升復(fù)雜列車控制系統(tǒng)效率的一個(gè)重要手段。作為人工智能5 大發(fā)展方向之一的群體智能技術(shù)為群體協(xié)同控制方法提供了新的支撐。群體智能技術(shù)能夠高效解決復(fù)雜的組合優(yōu)化類問(wèn)題，并已廣泛應(yīng)用于交通領(lǐng)域[6-9]。近年來(lái)，MAS 理論在列車群體控制方面進(jìn)行了初探，并在鐵路貨運(yùn)方面取得一定的研究成果[10，12]。

1999 年，Bock U 等提出“虛擬耦合”的概念，概述了虛擬耦合列車系統(tǒng)設(shè)計(jì)與研發(fā)的相關(guān)方法，并探討了在貨物運(yùn)輸中的技術(shù)研究[13,14]。日本學(xué)者Tilo Schumann 采用DFSimu 工具模擬虛擬耦合方式，東京到大阪新干線每小時(shí)每個(gè)方向運(yùn)量能 夠 從15 000 增 加 到23 000 人 次。2015 年5 月歐洲全面啟動(dòng)的“構(gòu)建未來(lái)鐵路系統(tǒng)聯(lián)合行動(dòng)計(jì)劃（Shift2Rail）”[15]提出了虛擬耦合列車的研究方向，虛擬耦合列車是指多個(gè)列車之間不依靠物理連接，而是通過(guò)無(wú)線通信實(shí)現(xiàn)多列車以相同的速度、極小的間隔的列車群體協(xié)同運(yùn)行方式。

近年來(lái)群體智能和車聯(lián)網(wǎng)技術(shù)的發(fā)展為采用新興技術(shù)解決列車運(yùn)行控制效率問(wèn)題提供了新機(jī)遇。同時(shí)，隨著軌道交通網(wǎng)絡(luò)日趨完善、運(yùn)輸壓力日漸增加，運(yùn)輸能力緊張問(wèn)題亟待解決，通過(guò)提高列車運(yùn)行控制效率提升軌道交通運(yùn)輸能力問(wèn)題顯得尤為重要。本論文在闡述列車運(yùn)行控制方法的基礎(chǔ)上，著重刻畫(huà)基于虛擬耦合的列車群智能控制方法，提出基于虛擬耦合的列車控制及調(diào)度的系統(tǒng)框架，設(shè)置仿真場(chǎng)景對(duì)該方法的有效性進(jìn)行驗(yàn)證，并從深化復(fù)雜場(chǎng)景下的基礎(chǔ)理論研究、強(qiáng)化系統(tǒng)安全設(shè)計(jì)技術(shù)研究、加快系統(tǒng)設(shè)計(jì)及產(chǎn)業(yè)化技術(shù)研究等方面提出基于群體智能列車控制的研究發(fā)展方向。

2 列車運(yùn)行控制方式的發(fā)展

2.1 基于閉塞的列車運(yùn)行控制方法

基于閉塞的列車運(yùn)行控制方式主要有固定閉塞、準(zhǔn)移動(dòng)閉塞和移動(dòng)閉塞[16]。固定閉塞，通常由基礎(chǔ)定位設(shè)備將鐵路線路劃分為一些閉塞分區(qū)，每個(gè)分區(qū)內(nèi)規(guī)定有運(yùn)行速度上限，各個(gè)閉塞分區(qū)速度不連續(xù)，呈階梯分布，以此保障列車與前行列車安全距離。準(zhǔn)移動(dòng)閉塞，利用目標(biāo)―距離控制方式，采用一次制動(dòng)曲線，控制安全行車，但移動(dòng)授權(quán)終端依然為閉塞分區(qū)固定邊界。移動(dòng)閉塞，則是徹底突破固定閉塞概念，閉塞分區(qū)邊界不固定，隨著列車運(yùn)行而自動(dòng)更新，列車的移動(dòng)授權(quán)可到前行列車尾部。移動(dòng)閉塞，可分為基于位置的移動(dòng)閉塞和基于速度的移動(dòng)閉塞，前者在列車追蹤運(yùn)行過(guò)程中只考慮前行列車位置，后者除考慮前行列車位置外，還考慮前行列車速度。

根據(jù)上述分析可知，閉塞方式的演化主要通過(guò)不斷縮小列車最小運(yùn)行間距從而提高列車運(yùn)行效率。列車最小運(yùn)行間距是指列車在運(yùn)行過(guò)程中，在保證列車間不發(fā)生碰撞等安全風(fēng)險(xiǎn)的前提下，相鄰兩列車在追蹤運(yùn)行過(guò)程中，兩列車車頭之間能夠達(dá)到的最小運(yùn)行間距。如圖1 所示，表示不同閉塞方式下列車的最小運(yùn)行間距。

在固定閉塞模式下，列車間最小運(yùn)行間距依托閉塞分區(qū)的計(jì)算方式，該值相對(duì)固定。準(zhǔn)移動(dòng)閉塞綜合列車的運(yùn)行曲線與閉塞分區(qū)的方式，列車最小運(yùn)行間距有一定的減少。在基于位置和速度的兩種移動(dòng)閉塞模式下，列車最小運(yùn)行間距隨列車狀態(tài)呈現(xiàn)動(dòng)態(tài)變化的特性，其中，基于速度的移動(dòng)閉塞由于考慮了前車速度和加速度，因此列車間最小運(yùn)行間距小于基于位置的移動(dòng)閉塞模式，列車運(yùn)行效率最高。目前，應(yīng)用準(zhǔn)移動(dòng)閉塞的高鐵列車設(shè)計(jì)最小運(yùn)行時(shí)間間隔為3 min。可見(jiàn)，現(xiàn)有列車控制方法中列車的最小運(yùn)行間距仍然較大，區(qū)間通過(guò)能力仍有待進(jìn)一步提升。

2.2 基于虛擬耦合的列車群運(yùn)行控制技術(shù)

根據(jù) “虛擬耦合”的概念，論文基于群體智能技術(shù)刻畫(huà)虛擬耦合列車群運(yùn)行控制技術(shù)的核心概念。通過(guò)虛擬耦合組成的列車群被視為一個(gè)多智能體系統(tǒng)，各列車作為獨(dú)立個(gè)體能夠?qū)崿F(xiàn)精確定位、測(cè)速測(cè)距從而感知列車運(yùn)行環(huán)境，能夠計(jì)算自身的速度曲線，保障列車安全行駛，并能夠基于無(wú)線與其他列車進(jìn)行通信，建立并保持列車線性編隊(duì)運(yùn)行狀態(tài)，并且不能發(fā)生碰撞，從而實(shí)現(xiàn)協(xié)調(diào)控制。

2.2.1 虛擬耦合列車群內(nèi)涵

基于虛擬耦合的列車群運(yùn)行如圖2 所示。在虛擬耦合列車群中，一個(gè)列車群共由N 列列車組成， vi代表列車群中第i 列車運(yùn)行速度，xi代表第i 列車的位置， xi－xi-1可用于表示第i 列車與第i-1 列車的實(shí)際間距， D(vi,vi-1)表示第i 列車與第i-1 列車的理想間距。虛擬耦合列車群中的領(lǐng)航列車，其車頭位置、車輛速度、車輛實(shí)際加速度分別為x1、v1、

圖2 基于虛擬耦合的列車群運(yùn)行圖示Fig.2 Train formation operation based on virtual coupling

虛擬耦合列車群：設(shè)采用虛擬耦合模式構(gòu)建緊密聯(lián)系的n列車，所構(gòu)成的集合為G={i｜i=1,2…,n}，在一定的時(shí)間和空間范圍內(nèi)，集合G 中任意列車i 的屬性向量為Ai=(ai,1,…,ai,k,…,ai,m)， ai,k可表示所在線路、列車運(yùn)行方向、目的車站等屬性，若對(duì)于集合G 中的任意兩列車i 和j，都滿足Ai=Aj，稱G 為虛擬耦合列車群。

領(lǐng)航列車：在虛擬耦合列車群G={i｜i=1,2…,n}中，設(shè)列車i 的緊前列車集合為Fi，若Fi= ? 成立，則列車i 為該虛擬耦合列車群中的領(lǐng)航列車（又稱領(lǐng)航者）。

緊前列車：在虛擬耦合列車群G={i｜i=1,2…,n}中，若對(duì)于G 中的任意兩列車i 和j，以列車群運(yùn)行方向?yàn)檎较颍呶恢梅謩e為xi和xj，若xj＞xi且不存在滿足xj＞xk＞xi的第三列車k，則列車j為i 的緊前列車。

控制列車：在虛擬耦合列車群G={i｜i=1,2…,n}中，設(shè)列車i 的緊前列車集合為Fi，若Fi≠? 成立，則列車i 為該虛擬耦合列車群中的控制列車?？梢?jiàn)，虛擬耦合列車群所組成的隊(duì)列中，一般只存在一列領(lǐng)航列車，其他都為控制列車。

2.2.2 虛擬耦合列車群運(yùn)行協(xié)同控制方法

基于虛擬耦合列車群運(yùn)行控制方法旨在通過(guò)控制列車群中的每列車緊隨其緊前列車運(yùn)行的方式，實(shí)現(xiàn)列車群的穩(wěn)定協(xié)同運(yùn)行，最終達(dá)到列車群安全高效運(yùn)行的目的。保持列車群穩(wěn)定協(xié)同狀態(tài)是虛擬耦合列車群運(yùn)行控制的核心，列車群穩(wěn)定協(xié)同狀態(tài)是以保證列車群安全運(yùn)行為提前，提高運(yùn)行控制效率為目標(biāo)。通過(guò)虛擬耦合列車群運(yùn)行控制在列車機(jī)械性能、運(yùn)行環(huán)境等允許的前提下，最終實(shí)現(xiàn)列車群內(nèi)任意兩列車相對(duì)速度一致，相鄰兩列車間的距離為理想間距。兩車相對(duì)速度一致時(shí)列車保持相對(duì)靜止，在保障安全的同時(shí)可以一定程度縮小列車間距，兩車之間保持理想間距運(yùn)行時(shí)，能夠保證列車的高效運(yùn)行且不會(huì)發(fā)生碰撞等安全問(wèn)題。

列車在區(qū)間運(yùn)行過(guò)程中會(huì)存在運(yùn)行條件發(fā)生改變的情況，例如進(jìn)站、出站、區(qū)段限速等，列車群的運(yùn)行狀態(tài)也會(huì)隨之調(diào)整，原來(lái)穩(wěn)定協(xié)同運(yùn)行狀態(tài)會(huì)遭到破壞，虛擬耦合列車群將進(jìn)入不穩(wěn)定狀態(tài)中。所以在列車群運(yùn)行過(guò)程中，需要通過(guò)不斷調(diào)整列車群的運(yùn)行狀態(tài)來(lái)適應(yīng)列車群運(yùn)行狀態(tài)的改變，以此實(shí)現(xiàn)列車群在區(qū)間盡快達(dá)到或恢復(fù)穩(wěn)定協(xié)同運(yùn)行的狀態(tài)，從而使虛擬耦合列車群實(shí)現(xiàn)安全高效的運(yùn)行效果。虛擬耦合列車群運(yùn)行控制的主要流程，如圖3 所示。

3 基于虛擬耦合的列車群體智能控制技術(shù)

3.1 基于MAS的虛擬耦合列車群控制規(guī)則

根據(jù)MAS 模型，虛擬耦合列車群中的每列車的運(yùn)行控制單元可看作一個(gè)Agent，整個(gè)虛擬耦合列車群的運(yùn)行控制則構(gòu)成了一個(gè)MAS 控制系統(tǒng)。虛擬耦合列車群運(yùn)行控制過(guò)程中，為了實(shí)現(xiàn)列車群穩(wěn)定協(xié)同運(yùn)行，每個(gè)列車Agent 進(jìn)行運(yùn)算和處理主要涉及的關(guān)鍵環(huán)節(jié)包括列車狀態(tài)獲取、列車群狀態(tài)判斷、列車追蹤策略制定和列車群實(shí)時(shí)動(dòng)態(tài)調(diào)控。

1）列車狀態(tài)獲取

列車狀態(tài)獲取是虛擬耦合列車群控制的初始環(huán)節(jié)?？刂屏熊噄 的列車Agent 主要通過(guò)列車感知，獲取緊前列車i-1 的加速度、控制列車i 與緊前列車 i-1 的速度差和間隔距離，判斷列車i 和i-1 的運(yùn)行狀態(tài)。

列車i 和列車i-1 相對(duì)運(yùn)行狀態(tài)根據(jù)二者的間距和速差確定，間距關(guān)系分別有列車i 與i-1 的間距大于、等于、小于理想間距3 種情況，速差同樣有控制列車i 的運(yùn)行速度大于、等于、小于緊前列車i-1的速度，二者相對(duì)關(guān)系兩兩組合，共構(gòu)成9 種運(yùn)行狀態(tài)，如表1 所示。

表 1 列車群中列車狀態(tài)定義Tab.1 Definition of train state in train formation

2）列車群狀態(tài)判斷

獲取列車狀態(tài)之后，需要對(duì)整個(gè)列車群的運(yùn)行狀態(tài)進(jìn)行判斷。主要根據(jù)列車群中任意兩相鄰列車的相對(duì)速度和間隔距離判斷整個(gè)列車群的運(yùn)行狀態(tài)。當(dāng)列車群中任意兩相鄰列車速度一致，且列車間隔距離為理想間距，則可認(rèn)為列車群已經(jīng)達(dá)到理想穩(wěn)定的運(yùn)行狀態(tài)，流程結(jié)束。否則，認(rèn)為列車群未達(dá)到理想的協(xié)同運(yùn)行狀態(tài)，則進(jìn)入下一步，做出調(diào)整策略。

3）列車加速度追蹤策略制定及動(dòng)態(tài)調(diào)控

針對(duì)相鄰兩列車由于速度差和間隔距離的變化導(dǎo)致的9 種不同運(yùn)行狀態(tài)的情況，控制列車i 的列車Agent 制定相對(duì)于緊前列車i-1 的追蹤運(yùn)行策略，追蹤策略體現(xiàn)為對(duì)列車i 的加速度進(jìn)行調(diào)整。列車i 加速度的變化會(huì)帶來(lái)列車i 速度的變化，控制列車i 的列車Agent 通過(guò)計(jì)算獲得列車i 的控制加速度，據(jù)此調(diào)整列車i 加速度，使列車i 與列車i-1 的速度越來(lái)越相近、間距越來(lái)越接近理想間距。當(dāng)任意兩列車的速度趨于一致，間距達(dá)到理想狀態(tài)時(shí)，則認(rèn)為虛擬耦合列車群達(dá)到了穩(wěn)定協(xié)同的運(yùn)行狀態(tài)。

控制列車追蹤運(yùn)行策略的實(shí)施，將使得列車的運(yùn)行狀態(tài)發(fā)生轉(zhuǎn)變。如圖4 所示，展示列車的9 種運(yùn)行狀態(tài)將隨著追蹤策略的變化發(fā)生轉(zhuǎn)移，最終通過(guò)多個(gè)過(guò)程狀態(tài)的變化和調(diào)整使得列車群中任意的控制列車最終達(dá)到理想狀態(tài)，從而使得列車群達(dá)到穩(wěn)定狀態(tài)的情況。

圖4 基于虛擬耦合的控制列車9種狀態(tài)轉(zhuǎn)移Fig.4 Nine state transitions for control train based on virtual coupling

3.2 基于MAS的虛擬耦合列車群協(xié)同控制模型

根據(jù)上述虛擬耦合列車群的控制規(guī)則，以實(shí)現(xiàn)虛擬耦合列車群系統(tǒng)的穩(wěn)定協(xié)同運(yùn)行為目標(biāo)，構(gòu)建基于MAS 的虛擬耦合列車群協(xié)同控制模型[17]。協(xié)同控制最終要達(dá)到的目標(biāo)有兩個(gè)：1）列車群中任意一列車（除領(lǐng)航列車之外）與其緊前列車之間運(yùn)行距離趨于某一個(gè)固定的值（理想間距）；2）列車群中各列車速度相同，即任意兩列車的相對(duì)速度為0?？煞謩e用公式（1）和公式（2）表示。

基于MAS 的協(xié)同控制約束主要包括：1）列車的控制輸入不能超出列車機(jī)械特性限制，可借助列車加速度刻畫(huà)；2）列車之間的距離小于某一閾值時(shí)，應(yīng)采取制動(dòng)緊急制動(dòng)，防止列車之間的距離過(guò)小所帶來(lái)的安全隱患?？煞謩e表示為公式（3）、（4），公式中aacc_max、aabreak_max分別表示列車最大驅(qū)動(dòng)加速度和制動(dòng)加速度。

根據(jù)控制列車i 與其緊前列車i-1 的速度差和間隔距離的關(guān)系構(gòu)建控制列車的多智能體控制方程，進(jìn)而判斷列車所處的狀態(tài)。此時(shí)，控制列車i 與緊前列車i-1 的加速度差Δai可表示為公式（5）。

獲得控制列車之間的加速度差后，列車根據(jù)列車i-1 的加速度，對(duì)列車i 的加速度進(jìn)行調(diào)整，進(jìn)而改變列車的運(yùn)行狀態(tài)，加速度的調(diào)整與列車運(yùn)行9種狀態(tài)的追蹤對(duì)應(yīng)，列車i 的控制加速度可用公式（6）表示。

虛擬耦合列車群多智能體協(xié)同控制問(wèn)題是多智能體編隊(duì)問(wèn)題，最終體現(xiàn)在系統(tǒng)的一致性上。多智能體一致性，指在多智能體系統(tǒng)中，各獨(dú)立單元協(xié)同合作，在時(shí)間維度上最終達(dá)到群體一致的狀態(tài)。基于MAS 的虛擬耦合列車群協(xié)同控制方法可通過(guò)構(gòu)造Lyapunov 函數(shù)證明了控制模型的漸進(jìn)穩(wěn)定性。

4 基于虛擬耦合的列車群體控制的系統(tǒng)框架及場(chǎng)景驗(yàn)證

4.1 基于虛擬耦合的列車群體控制及調(diào)度系統(tǒng)框架

虛擬耦合列車群在運(yùn)行控制及調(diào)度組織方面均具備突出的優(yōu)勢(shì)，基于MAS 的虛擬耦合列車群控制方法設(shè)計(jì)了一種基于多智能體的兩層架構(gòu)的調(diào)度及控制系統(tǒng)。打破了傳統(tǒng)的中心調(diào)度層、車站控制層和車載控制層三層架構(gòu)的調(diào)度及控制系統(tǒng)。

如圖5 所示，新提出的調(diào)度與控制系統(tǒng)架構(gòu)將現(xiàn)有的復(fù)雜架構(gòu)簡(jiǎn)化為兩層，包含調(diào)度組織層和執(zhí)行控制層。調(diào)度組織層包括調(diào)度組織Agent，主要負(fù)責(zé)發(fā)布行車調(diào)度指令、進(jìn)行列車群運(yùn)行狀態(tài)監(jiān)控和列車路徑規(guī)劃。在執(zhí)行控制層，每列列車為一個(gè)列車Agent，多個(gè)具有相關(guān)關(guān)系的列車Agent 組成列車群，列車Agent 主要完成虛擬耦合列車群編隊(duì)生成、狀態(tài)保持與解耦，列車群間追蹤運(yùn)行控制。在列車群運(yùn)行過(guò)程中，需要借助地面基礎(chǔ)信號(hào)設(shè)備輔助，在執(zhí)行控制層加入地面設(shè)備Agent。地面設(shè)備Agent 主要負(fù)責(zé)列車與地面設(shè)備的聯(lián)鎖安全，通過(guò)列車Agent 和地面設(shè)備Agent 的協(xié)同控制使列車群能夠適應(yīng)復(fù)雜線路條件的安全高效運(yùn)行。

圖5 虛擬耦合列車群體控制及調(diào)度系統(tǒng)框架示意圖Fig.5 Schematic diagram of train formation control and dispatching system based on virtual coupling

基于虛擬耦合的列車控制及調(diào)度的兩層架構(gòu)中，各Agent 之間均可以直接通信，高效的通信方式是系統(tǒng)可靠運(yùn)轉(zhuǎn)的基礎(chǔ)。

4.2 場(chǎng)景驗(yàn)證

基于上述系統(tǒng)框架、采用仿真手段對(duì)基于MAS的列車協(xié)同控制模型的有效性進(jìn)行驗(yàn)證分析。在仿真場(chǎng)景中，考慮通信信號(hào)傳輸、列車計(jì)算處理以及列車加速形成過(guò)程的綜合延時(shí)為400 ms，安全系數(shù)取值1.2。仿真實(shí)例選取一個(gè)由5 列列車構(gòu)成的列車群，如圖6 所示。在假定平坡線路條件下，5 輛列車以不同的運(yùn)行間距和速度順序行駛，領(lǐng)航列車初始運(yùn)行速度300 km/h，并保持勻速。虛擬耦合列車群中，各列車的初始速度范圍為293 ～302 km/h，相鄰列車初始間距在2 031 ～2 077 m 之間。

圖6 基礎(chǔ)仿真案例設(shè)定Fig.6 Setting for basic simulation cases

在保證初始狀態(tài)相同的條件下，分別采用基于虛擬耦合和基于準(zhǔn)移動(dòng)閉塞等其他控制方式進(jìn)行仿真實(shí)驗(yàn)，分析了不同場(chǎng)景下列車凈距的變化趨勢(shì)，如圖7 所示?？紤]一個(gè)閉塞分區(qū)的定位余量，基于準(zhǔn)移動(dòng)閉塞的5 列車的間距為11 106 m，基于位置的移動(dòng)閉塞列車間距為8 871 m，基于速度的移動(dòng)閉塞列車間距為813 m，基于虛擬耦合的列車群速度保持在300 km/h，列車之間的凈間距最終穩(wěn)定在723 m。可見(jiàn)，基于MAS 的列車協(xié)同控制方法明顯縮減列車追蹤間隔、提高列車運(yùn)行效率。

圖7 不同列車控制方式下列車凈距隨仿真時(shí)間變化Fig.7 Clear distance of the train is changed along with simulation time under different train control method

5 基于群體智能的列車控制技術(shù)的優(yōu)勢(shì)及展望

基于群體智能的列車運(yùn)行控制技術(shù)既有明顯的優(yōu)勢(shì)，但距離產(chǎn)業(yè)應(yīng)用尚有很長(zhǎng)的距離，需在深化復(fù)雜環(huán)境的基礎(chǔ)理論研究、強(qiáng)化系統(tǒng)安全設(shè)計(jì)技術(shù)、加快系統(tǒng)設(shè)計(jì)及產(chǎn)業(yè)化技術(shù)研究等方面開(kāi)展工作。隨著車聯(lián)網(wǎng)和群體智能等新一代信息技術(shù)的快速發(fā)展，列車運(yùn)行控制技術(shù)發(fā)展將面臨著由列車空間間隔控制法向列車群體協(xié)同控制發(fā)展的機(jī)遇，列車運(yùn)行控制系統(tǒng)結(jié)構(gòu)也將面臨由地面集中控制系統(tǒng)架構(gòu)向人機(jī)物融合的分布式群體智能系統(tǒng)架構(gòu)發(fā)展演變。

5.1 基于群體智能的列車控制技術(shù)的優(yōu)勢(shì)

1）基于群體智能的列車控制技術(shù)能夠大幅提升線路運(yùn)輸能力

根據(jù)上述研究，基于虛擬耦合的列車群協(xié)同控制方法相較于傳統(tǒng)基于閉塞的控制方法最顯著的差別就體現(xiàn)在突破傳統(tǒng)閉塞理念，縮小列車運(yùn)行追蹤間隔，較既有閉塞模式運(yùn)行效率明顯提升。而基于群體控制的列車控制技術(shù)，一個(gè)車次可由列車群組成，在不改變軌道、線路等既有設(shè)施的條件下可大幅提升運(yùn)輸能力，尤其適用于目前運(yùn)輸能力已經(jīng)飽和、靠現(xiàn)有技術(shù)難以繼續(xù)提高的繁忙線路。

2）基于群體智能的列車控制技術(shù)能夠更加適應(yīng)客流時(shí)空分布不均衡的特征

既有的控制模式下，高速鐵路列車主要分為長(zhǎng)編組和短編組兩種，且列車大多以成對(duì)的形式開(kāi)行，其對(duì)客流時(shí)空分布不均衡的適應(yīng)性較差，經(jīng)常出現(xiàn)部分區(qū)段座席緊張而部分區(qū)段有較高的座位虛糜的現(xiàn)象?；谌后w智能的列車控制技術(shù)可根據(jù)實(shí)際客流需求靈活改變列車群的組成，更加契合客流的時(shí)空分布特性。

3）基于群體智能的列車控制技術(shù)能夠有效簡(jiǎn)化系統(tǒng)層次，提升系統(tǒng)可靠性

我國(guó)鐵路運(yùn)輸在長(zhǎng)期的生產(chǎn)實(shí)踐中形成了由中心調(diào)度、車站控制和車載控制構(gòu)成的3 層復(fù)雜系統(tǒng)架構(gòu)。而基于群體智能的列車控制技術(shù)可有效簡(jiǎn)化系統(tǒng)層次，能夠充分適應(yīng)和發(fā)揮虛擬耦合列車群體協(xié)作優(yōu)勢(shì)，簡(jiǎn)化系統(tǒng)架構(gòu)，提升系統(tǒng)可靠性。

5.2 基于群體智能的列車運(yùn)行控制技術(shù)研究及發(fā)展

1）深化復(fù)雜環(huán)境下的基礎(chǔ)理論研究

提升復(fù)雜和異常環(huán)境下虛擬耦合列車群控制的魯棒性?？紤]列車群進(jìn)出站解耦和耦合等復(fù)雜運(yùn)行環(huán)境，研究通信異常及各種故障異常情況下的運(yùn)行控制技術(shù)，實(shí)現(xiàn)高速鐵路列車群的高效智能控制，提高基于人工智能技術(shù)的高鐵列車控制系統(tǒng)的抗干擾性。

多智能體的高速鐵路列車群的線性編隊(duì)運(yùn)行研究?；谌后w智能的控制技術(shù)建立并保持列車線性編隊(duì)運(yùn)行狀態(tài)是研究的難點(diǎn)之一，解決列車群隊(duì)形生成、隊(duì)形保持、隊(duì)形切換、編隊(duì)避障、自適應(yīng)等是研究的主要方向之一。

基于群體智能列車控制的高效通信機(jī)制構(gòu)建。為了提高列車群的高效控制，需分析群體智能控制技術(shù)下列車間通信的關(guān)鍵點(diǎn)，構(gòu)建高效的列車間通信機(jī)制降低通信延時(shí)，提高列車群控制的可靠性。

2） 強(qiáng)化安全設(shè)計(jì)及應(yīng)用技術(shù)研究

展開(kāi)列車群體智能控制的安全分析。深入分析各種復(fù)雜場(chǎng)景下列車群運(yùn)行的安全性，提出適應(yīng)群體智能技術(shù)風(fēng)險(xiǎn)庫(kù)的構(gòu)建方法，并構(gòu)建風(fēng)險(xiǎn)識(shí)別、分析、評(píng)價(jià)體系。

實(shí)現(xiàn)列車運(yùn)行狀態(tài)的精準(zhǔn)化感知。依托多模定位技術(shù)實(shí)現(xiàn)列車可信定位，提高測(cè)速測(cè)距設(shè)施設(shè)備的靈敏度，提高列車智能感知范圍，精準(zhǔn)把握列車運(yùn)行狀態(tài)。

3）加快系統(tǒng)設(shè)計(jì)及產(chǎn)業(yè)化技術(shù)研究

基于人機(jī)物融合的分布式智能系統(tǒng)架構(gòu)理念，分析傳統(tǒng)調(diào)度及控制系統(tǒng)特征與適應(yīng)性，刻畫(huà)基于群體智能列車控制系統(tǒng)的特性，實(shí)現(xiàn)列車控制系統(tǒng)的精簡(jiǎn)與重構(gòu)。研究基于高速移動(dòng)通信的高鐵車聯(lián)網(wǎng)技術(shù)構(gòu)建，為列車群體智能控制技術(shù)提供技術(shù)保障，加快群體智能列車控制技術(shù)的實(shí)際應(yīng)用。

形成“計(jì)劃―調(diào)度―控制”三位一體的全新生態(tài)體系。進(jìn)一步實(shí)現(xiàn)列車控制與運(yùn)輸需求特征的匹配，充分發(fā)揮虛擬耦合列車群模式對(duì)軌道交通系統(tǒng)動(dòng)態(tài)客流的適應(yīng)性，綜合推動(dòng)整個(gè)軌道交通系統(tǒng)的運(yùn)輸效能提升。

6 結(jié)論

詳細(xì)分析基于閉塞的鐵路列車運(yùn)行控制方式特征，以車聯(lián)網(wǎng)和群體智能等新一代信息技術(shù)的發(fā)展為前提，提出基于虛擬耦合的列車群運(yùn)行控制技術(shù)，闡析并刻畫(huà)該技術(shù)的內(nèi)涵及群體控制方法。以此為基礎(chǔ)，進(jìn)一步形成“列車狀態(tài)獲取―列車群狀態(tài)判斷―列車加速度追蹤策略制定及動(dòng)態(tài)調(diào)控”三階段的列車群控制規(guī)則，根據(jù)該規(guī)則提出基于MAS 的虛擬耦合列車群系統(tǒng)控制模型。接著，優(yōu)化設(shè)計(jì)了基于MAS 的虛擬耦合列車群控制方法的“調(diào)度組織―執(zhí)行控制”的雙層結(jié)構(gòu)系統(tǒng)，打破了傳統(tǒng)的中心調(diào)度層、車站控制層和車載控制層3 層架構(gòu)的調(diào)度及控制系統(tǒng)，并基于該設(shè)計(jì)采用仿真技術(shù)驗(yàn)證了方法的有效性。

在基于虛擬耦合的列車群智能控制技術(shù)研究的基礎(chǔ)上，發(fā)現(xiàn)該技術(shù)在提升列車運(yùn)行效率、緩解線路運(yùn)輸能力緊張、適應(yīng)客流時(shí)空分布不均衡、有效簡(jiǎn)化系統(tǒng)層次等方面均有突出的優(yōu)勢(shì)。在未來(lái)的研究中，需進(jìn)一步深化復(fù)雜環(huán)境基礎(chǔ)理論研究、強(qiáng)化安全設(shè)計(jì)技術(shù)、加快系統(tǒng)設(shè)計(jì)和應(yīng)用技術(shù)研究。