牛林杰，吳建軍

(1.陜西交通職業(yè)技術學院 軌道交通學院，陜西 西安 710018；2.柳州鐵道職業(yè)技術學院，廣西 柳州 545616)

1 概述

進路指列車進入鐵路站臺后的運行路徑，車站道岔位置決定了列車進路情況。列車進路需要利用信號機作為防護機器，車站進路上有車或者列車道岔位置存在錯誤時，此條進路的信號機為閉合狀態(tài)[1]，此時列車無法進站，通過信號機保障列車進站和通行安全。鐵路調度集中系統(tǒng)是控制列車進路的重要平臺，聯(lián)鎖表是與車站站場眾多信號設備連接的表格，是鐵路列車運行與調度的重要依據(jù)[2]。車站內包含的車輛與設備過多、車站進站結構過于復雜時，提升了鐵路調度集中系統(tǒng)安排車輛進站難度。鐵路調度集中系統(tǒng)對列車進站的精準性要求較高，節(jié)點存在錯誤將造成嚴重后果[3]，影響列車正常進站。

伴隨我國交通行業(yè)快速發(fā)展，鐵路運輸行業(yè)受到眾多研究學者重視，鐵路調度集中系統(tǒng)具有處理列車進路、實現(xiàn)列車軌道與信號機聯(lián)鎖關系的重要作用[4]，可以保障鐵路可靠運輸。鐵路調度集中系統(tǒng)的進路搜索是實現(xiàn)鐵路聯(lián)鎖控制的重要部分，鐵路調度集中系統(tǒng)的進路自動化搜索實時性決定了列車進路的高效性與安全性。鐵路車站列車的良好調度可以避免車輛沖突[5]、保障列車行車安全，列車進站前防護的封閉空間即列車進路。列車進路的自動化搜索性能可以體現(xiàn)鐵路運輸?shù)闹悄芑c信息化，是車站信號控制領域的研究重點。通過進路自動化搜索實現(xiàn)列車進站連鎖控制[6]。列車通過鐵路調度集中系統(tǒng)獲取進站信號和進站路徑，避免車輛之間的沖突。

目前針對列車調度的研究較多，韓忻辰等[7]和趙宏濤等[8]分別將Q-learning算法與云邊協(xié)同方法應用于鐵路列車動態(tài)調度中，具有較高的調度性能，但存在調度實時性差的缺陷。研究基于關聯(lián)規(guī)則的鐵路調度集中系統(tǒng)進路自動化搜索算法，利用關聯(lián)規(guī)則挖掘算法挖掘鐵路調度的路徑信息，利用關聯(lián)規(guī)則挖掘結果實現(xiàn)車輛進站的進路自動化搜索。通過實例分析結果驗證所設計進路自動化搜索算法具有較高的智能化搜索性能，可以實現(xiàn)鐵路進路的自動化搜索，提升鐵路調度集中系統(tǒng)的工作效率，滿足鐵路不斷提升的車輛運輸需求。

2 鐵路調度集中系統(tǒng)進路自動化搜索算法

2.1 鐵路調度集中系統(tǒng)

鐵路調度集中系統(tǒng)包括車站和調度中心兩部分，車站和調度中心利用站間廣域網(wǎng)實現(xiàn)信息的傳輸。系統(tǒng)的車務終端、車站自律機等設備位于車站內部。鐵路調度集中系統(tǒng)總體結構圖如圖1所示。

圖1 鐵路調度集中系統(tǒng)總體結構圖

鐵路調度集中系統(tǒng)包含以下功能：

a.監(jiān)視待入站場的列車運行狀態(tài)與站場內調度車輛進路的眾多信號設備，通過可視化顯示界面展示列車不同區(qū)段和站間信息。

b.明確列車發(fā)車時間和到達時間，獲取站場內全部列車的實際位置，明確列車的行駛軌跡。

c.具有列車調整計劃的編制功能，可以實現(xiàn)智能化的車輛進場指揮調度[9]，通過無線通信網(wǎng)絡將調度命令和調整計劃下發(fā)至車站。

d.列車調度模塊利用進路自動化搜索算法，控制車站自律機依據(jù)車輛運行計劃調度列車進路。

e.建立車站行車日志，形成車站運維報表。

f.系統(tǒng)調度中心具有全部車輛進路控制的聯(lián)鎖設備啟動與關閉按鈕，可以采用人工方式控制車輛行駛與調度車輛；依據(jù)車站調車作業(yè)計劃、列車實際運行狀況以及車輛進站請求[10]，控制自律機自動控制車輛進路，監(jiān)視車輛調度，發(fā)現(xiàn)車輛存在調度異常情況時及時報警。

g.管理與登記車輛維修與進站具體明細。

2.2 關聯(lián)規(guī)則挖掘車站進路數(shù)據(jù)

采用關聯(lián)規(guī)則挖掘鐵路調度集中系統(tǒng)中的車站進路數(shù)據(jù)，獲取進路自動化搜索的路徑節(jié)點。關聯(lián)規(guī)則的挖掘算法指從鐵路調度集中系統(tǒng)內包含的海量進路信息里挖掘進站自動化搜索事務隱藏的關聯(lián)關系。用I=(i1，i2，…，in)表示待挖掘的進站自動化搜索數(shù)據(jù)項集，ik表示其中的一個進站自動化搜索數(shù)據(jù)項，利用眾多事務建立進站自動化搜索數(shù)據(jù)庫。所建立數(shù)據(jù)庫的數(shù)據(jù)項集存在關聯(lián)規(guī)則用X?Y表示，關聯(lián)規(guī)則的支持度和置信度分別用Sup(X?Y)與Conf(X?Y)表示。該事務中存在事件X時，此時存在一定概率發(fā)生Y的情況，X與Y分別表示事務前件與后件，同時存在X?I，Y?I，X∩Y=φ。

關聯(lián)規(guī)則支持度與置信度表達式分別如下：

Sup(X?Y)=Count(X∪Y)×100%/|D|=

P(X∪Y)

(1)

Conf(X?Y)=Sup(X∪Y)×100%/Sup(X)=

P(Y|X)

(2)

式中：P(X∪Y)與Count(X∪Y)分別表示進路自動化搜索數(shù)據(jù)庫內，同時出現(xiàn)事件X與事件Y的概率和同時包含事件X與事件Y事務的數(shù)量；|D|與P(Y|X)分別表示事務庫大小以及發(fā)生事件X時，事件Y的發(fā)生概率。

確定最小支持度Supmin和最小置信度Confmin后，存在Sup(X?Y)>Supmin且Conf(X?Y)≥Confmin時，此時的規(guī)則A?B為強關聯(lián)規(guī)則；存在Sup(Ik)>Supmin時，此時稱Ik為頻繁項集，頻繁項集的搜尋速度決定了采用關聯(lián)規(guī)則實現(xiàn)數(shù)據(jù)挖掘的挖掘效率。

采用關聯(lián)規(guī)則算法挖掘鐵路調度集中系統(tǒng)海量數(shù)據(jù)中的有用信息，進路自動化搜索有用信息挖掘過程如下：

a.搜尋鐵路調度集中系統(tǒng)中的歷史數(shù)據(jù)，依據(jù)歷史數(shù)據(jù)的經(jīng)度與緯度劃分歷史數(shù)據(jù)為大小相同的網(wǎng)格單元。記錄列車單次行駛的運輸線路[11]，將歷史列車運輸線路保留至網(wǎng)格中以節(jié)點形式呈現(xiàn)。利用單元網(wǎng)格序列展示列車的歷史行駛軌跡。通過單元網(wǎng)格序列建立列車站場進路的拓撲運輸路網(wǎng)。

b.關聯(lián)鐵路站場拓撲運輸路網(wǎng)的靜態(tài)信息，將拓撲運輸路網(wǎng)中相關信息添加至單元節(jié)點中，建立不同網(wǎng)格的信息記錄表，獲取網(wǎng)格記錄標識用GID={I1，I2，…，In}表示，其中Ii表示網(wǎng)格內車輛通行記錄。

c.選取關聯(lián)規(guī)則的數(shù)據(jù)挖掘算法對網(wǎng)格實施關聯(lián)分析，獲取各進路網(wǎng)格的支持度與置信度。

d.利用關聯(lián)規(guī)則算法獲取站場進路網(wǎng)格序列信息，計算網(wǎng)格中各節(jié)點的重要度[12]，提取具有較高重要度的節(jié)點，將具有較高重要度的節(jié)點設置為蟻群算法進路自動化搜索算法的節(jié)點，為鐵路調度集中系統(tǒng)進路自動化搜索提供路徑數(shù)據(jù)基礎。

2.3 蟻群算法的進路自動化搜索算法

選取蟻群算法將車站進路數(shù)據(jù)的關聯(lián)規(guī)則挖掘結果作為數(shù)據(jù)基礎，完成進路自動化搜索。采用圖論方法將蟻群算法利用表達式G=(V，E)表示，其中E與V分別表示路徑間的弧段以及全部路徑集合，蟻群算法的目標是搜尋每個節(jié)點僅通行一次的最短路徑。

采用蟻群算法完成進路自動化搜索時，蟻群算法中的螞蟻需要遵循以下特征：

a.蟻群中的螞蟻受不同節(jié)點間的距離及不同路徑的信息素濃度決定下一個節(jié)點的選取概率。

b.蟻群算法搜索過程中，需要保障每個節(jié)點僅通行一次，已通行過的節(jié)點不再考慮[13]。通過設置禁忌表避免節(jié)點重復行進問題。

c.蟻群中的螞蟻每完成一次旅行后，更新蟻群算法的信息素。

(3)

蟻群算法中的螞蟻具有可記住已經(jīng)過節(jié)點的記憶力，蟻群算法設置了禁忌表，禁忌表中記錄螞蟻前進過程中經(jīng)過的全部節(jié)點。伴隨蟻群算法中螞蟻不斷前進，禁忌表需要實時更新。當α=0或β=0時，蟻群算法分別呈現(xiàn)貪心算法或正反啟發(fā)式算法特性。螞蟻完成一次行走路徑即鐵路調度集中系統(tǒng)進路自動化搜索的路徑[14]時，蟻群算法更新路徑信息素濃度表達式如下：

ξij(t+1)=ρ·ξij(t)+ρΔξij

(4)

式中：ρ與Δξij分別表示信息素殘留因子以及信息素增量。伴隨螞蟻不斷前進，信息素衰減程度用(1-ρ)表示。信息素增量Δξij表達式如下：

(5)

選取蟻周模型作為蟻群算法的信息素的增加方式，蟻周模型表達式如下：

(6)

式中：P與Lk分別表示完成一次路徑更新時蟻群算法的信息素總量與螞蟻停止前進時該只螞蟻前進的總路徑長度。蟻周模型具有較高的整體性，可以依據(jù)蟻群算法中各螞蟻的前進路線總體長度獲取路徑中螞蟻釋放的信息素濃度。

鐵路調度集中系統(tǒng)采用蟻群算法自動化搜索鐵路站場進路時，蟻群算法中的螞蟻依據(jù)路徑中存在的信息素濃度快速獲取目標節(jié)點。

為了保障獲取最優(yōu)的進路自動化搜索結果，設置約束條件如下：

a.為了避免蟻群算法由于收斂速度過快陷入局部最優(yōu)，蟻群算法搜索時，螞蟻從初始節(jié)點隨機搜索至終點，完成一次前進時，更新全部路徑中的信息素濃度。

b.設置蟻群算法中螞蟻同時從初始節(jié)點及終點前進。

c.設置蟻群算法搜索最短路徑的目標函數(shù)是經(jīng)過站場有限圖權重值最小，路徑權重相同時，選取對平行進路具有最小影響的路徑。

d.路徑搜索過程中存在懸掛節(jié)點時，不將該路徑計入最終搜索結果。

采用蟻群算法自動化搜索鐵路調度集中系統(tǒng)進路流程如下：

a.釋放螞蟻，依據(jù)初始化原則令螞蟻通過進路隨機路徑前進至終點，保存螞蟻前進的全部進路路徑。

b.完成蟻群算法的進路全部路徑搜索后，更新鐵路站場全部路徑的信息素濃度。

c.重復以上過程完成蟻群算法內全部螞蟻的隨機搜索。

d.依據(jù)隨機搜索結果確定各節(jié)點被選擇的概率，將各螞蟻分別設置于初始節(jié)點以及終點[15]，令螞蟻從兩個方向分別搜索，依據(jù)搜索路徑中的信息素濃度選取螞蟻待行進的下一節(jié)點。依據(jù)蟻周模型更新鐵路站場的信息素濃度。

e.重復以上過程，直至滿足終止條件，導出最優(yōu)路徑，此時結果即鐵路調度集中系統(tǒng)的進路自動化搜索結果。

3 實例分析

為了驗證所研究基于關聯(lián)規(guī)則的鐵路調度集中系統(tǒng)進路自動化搜索算法自動化搜索站場進路有效性，選取某列車車站作為測試對象。該車站是我國重要的交通樞紐部位，每天需要經(jīng)過眾多列車，站場的進路自動化搜索性能決定了鐵路調度集中系統(tǒng)的調度性能。將該車站歷史運行30 d數(shù)據(jù)作為關聯(lián)規(guī)則挖掘的數(shù)據(jù)集，該數(shù)據(jù)集中包含事務數(shù)量為658 415 661個，包含項集數(shù)量15 684個。

統(tǒng)計不同支持度與置信度閾值時，本文算法的數(shù)據(jù)挖掘提升度，統(tǒng)計結果如圖2所示。

(a)置信度閾值

數(shù)據(jù)挖掘的提升度等于1時，挖掘的事務之間不具備關聯(lián)關系；數(shù)據(jù)挖掘的提升度大于1時，表示挖掘的關聯(lián)規(guī)則具有較高相關性；提升度小于1時，表示挖掘的規(guī)則前項和后項呈負相關狀態(tài)，數(shù)據(jù)挖掘結果價值過低。從圖2試驗結果可以看出，置信度閾值和支持度閾值分別設置為0.05和0.35時，本文算法所采用的關聯(lián)規(guī)則可以獲取理想的數(shù)據(jù)挖掘結果。采用本文算法自動化搜索進路時，設置置信度閾值和支持度閾值分別設置為0.05和0.35。確定置信度與支持度閾值后，利用關聯(lián)規(guī)則算法挖掘數(shù)據(jù)集，獲取的數(shù)據(jù)集關聯(lián)規(guī)則挖掘結果如表1所示。

表1 關聯(lián)規(guī)則挖掘結果

從表1試驗結果可以看出，采用本文算法可以有效挖掘數(shù)據(jù)集中的關聯(lián)規(guī)則。本文算法將采用關聯(lián)規(guī)則獲取的數(shù)據(jù)挖掘結果設置為進路自動化搜索的節(jié)點，不同規(guī)則間的關系作為網(wǎng)絡的邊，建立供蟻群算法自動化搜索進路的關聯(lián)網(wǎng)絡。

統(tǒng)計不同啟發(fā)因子時，采用本文算法自動化搜索進路的路徑長度與搜索耗時，統(tǒng)計結果如圖3所示。

圖3 啟發(fā)因子對自動化搜索的影響

從圖3試驗結果可以看出，啟發(fā)因子過大時，蟻群算法自動化搜索進路容易陷入局部最優(yōu)情況；啟發(fā)因子過小時，算法收斂速度過慢。綜合考慮啟發(fā)因子對進路自動化搜索的路徑距離與搜索時間的影響，設置采用蟻群算法自動化搜索進路時的啟發(fā)因子為3。

統(tǒng)計不同信息素殘留因子時，采用本文算法自動化搜索進路時的路徑長度與搜索耗時，統(tǒng)計結果如圖4所示。

圖4 信息素殘留因子對自動化搜索的影響

從圖4試驗結果可以看出，信息素殘留因子對進路自動化搜索影響較大。信息素殘留因子為0.5時，可以獲取最佳的自動化搜索結果。信息素殘留因子過小時，蟻群算法信息素揮發(fā)較快，無法充分利用蟻群算法的啟發(fā)信息，獲取的自動化搜索結果并不理想；信息素殘留因子過高時，雖然可以獲取理想的進路自動化搜索結果，但搜索耗時過長。綜合考慮進路自動化搜索需求，設置蟻群算法的信息素殘留因子為0.5。

進路自動化搜索時，需要保證車輛進站的安全性。進路自動化搜索后，需要確定自動化搜索的初始節(jié)點和終端節(jié)點，差異進路類型的初始節(jié)點和終端節(jié)點的信息存在較大差異。依據(jù)表1挖掘出的節(jié)點置信度和支持度序列規(guī)則，獲得車站進路自動化搜索結果如表2所示。

表2 車站進路自動化搜索結果

由表2布置車站站場進路節(jié)點如圖5所示。

圖5 車站站場進路節(jié)點布局

由表2和圖5可以看出，采用本文算法可以實現(xiàn)車站站場進路的自動化搜索，保障鐵路調度集中系統(tǒng)實現(xiàn)列車的有效調度。本文算法采用關聯(lián)規(guī)則算法挖掘鐵路調度集中系統(tǒng)海量數(shù)據(jù)中的有用信息，利用關聯(lián)規(guī)則挖掘結果建立蟻群算法進路自動化搜索時的搜索節(jié)點，具有較高的自動化搜索有效性。

4 結論

鐵路調度集中系統(tǒng)是利用自律機集中控制列車調度的重要系統(tǒng)，鐵路調度集中系統(tǒng)的進路自動化搜索算法決定了車站的管理性能。利用進路自動化搜索算法實現(xiàn)列車進路的調度，提升車站的自動化管理程度。將關聯(lián)規(guī)則算法應用于鐵路調度集中系統(tǒng)的進路自動化搜索算法中，利用關聯(lián)規(guī)則具有的高效數(shù)據(jù)挖掘性能，獲取最優(yōu)的進路自動化搜索結果，促進信號設備步入全面現(xiàn)代化發(fā)展，為鐵路運輸行業(yè)進一步發(fā)展發(fā)揮積極的作用。