本发明公开了铁路行车指挥调度领域中的一种分布式列车运行控制系统及控制方法。技术方案是,分布式列车运行控制系统由下至上包括执行层、区段控制层、线路控制层、路网控制层4层,相邻层之间具有相互通信的能力,下层为上层提供处理过的状态信息,上层据此为下层提供控制策略。分布式列车运行控制方法是,控制周期开始后,根据下层信息、本层相邻智能体的信息和上一层的信息查找相应的知识库;判断知识库中是否已有相应的控制规则;如果有,则直接制定控制策略;如果没有,则进入学习控制过程,调整控制规则;最后执行控制策略。本发明克服了传统行车指挥系统的能力限制和实时性限制,保证了行车调度的灵活性、及时性和最优控制。
1.一种分布式列车运行控制系统,其特征是所述系统由下至上包括执行层、区段控制层、线路控制层、路网控制层4层,相邻层之间具有相互通信的能力,下层为上层提供处理过的状态信息,上层据此为下层提供控制策略;其中,执行层由区段设备和车站连锁设备组成;区段控制层由区段控制智能体组成;线路控制层由线路控制智能体组成;路网控制层由路网控制智能体组成;所述区段控制智能体由第一通讯模块、第一列车运行控制知识库、第一协调模块、第一学习器、第一行为决策器组成;所述第一列车运行知识库中存储了大量的列车运行调整规则,对车站和区间连锁设备发出控制策略;所述线路控制智能体由第二通讯模块、第二列车运行控制知识库、第二协调模块、第二学习器、第二行为决策器、人机界面模块组成;所述第二列车运行控制知识库中存储了大量的列车运行调整规则,为区段控制Agent之间的协调管理提供控制策略;所述路网控制智能体由第三列车运行控制知识库、第三学习器、第三行为决策器、人机界面模块组成;所述第三列车运行控制知识库中存储了宏观的列车运行调整规则,为线路控制Agent之间的协调管理提供控制策略。
2.一种分布式列车运行控制方法,其特征是所述方法包括下列步骤:步骤1:控制周期开始;步骤2:根据下层反馈的列车运行状况和设备信息,同时结合本层相邻智能体的协调信息和上一层的控制信息查找相应的知识库;步骤3:判断相应的知识库中是否已有相应的控制规则;步骤4:如果相应的知识库中有相应的控制规则,则直接按照相应的知识库中的控制规则制定控制策略,然后跳到步骤6;步骤5:如果相应的知识库中没有相应的控制规则,则进入学习控制过程,根据学习的结果对相应的控制规则进行调整;步骤6:将决策信息传递给行为决策器执行控制策略。技术领域
本发明属于铁路行车指挥调度领域,尤其涉及一种分布式列车运行控制系统及控制方法。
背景技术
目前我国行车指挥自动化系统几乎都是基于集中控制原则构成的,在这种系统中,控制与决策能力以及信息处理能力都被集中在主机,各分机的作用只是负责检测各车站设备的状态和实施由主机做出的决策。系统的性能将主要取决于主机的能力和效能,各分机只是被动地完成主机下达的决策计划。这种集中控制系统具有许多缺陷,在一定列车流量下,这种系统的控制区域或一定控制区域下的控制流量都有一个上限,并且在控制范围较大和列车密度较大的情况,这种系统的决策将很难满足实时性的要求。目前在这种控制结构下,列车运行调整的理论和方法都是面向单线或双线铁路的,很难建立网络化行车调整方案。
发明内容
本发明的目的是提供一种分布式列车运行控制系统及控制方法。应用大系统分层递阶优化的思想,利用智能体Agent技术,组建分布式列车运行控制系统;同时基于该系统提出一种分布式列车运行控制方法,用以解决当前铁路列车运行调度系统,在控制范围较大和列车密度较大的情况下,无法满足决策实时性的问题。本发明的技术方案是,一种分布式列车运行控制系统,其特征是所述系统由下至上包括执行层、区段控制层、线路控制层、路网控制层4层,相邻层之间具有相互通信的能力,下层为上层提供处理过的状态信息,上层据此为下层提供控制策略;其中,执行层由区段设备和车站连锁设备组成;区段控制层由区段控制智能体组成;线路控制层由线路控制智能体组成;路网控制层由路网控制智能体组成。所述区段控制智能体由通讯模块、第一列车运行控制知识库、协调模块、学习器、行为决策器组成。所述线路控制智能体由通讯模块、第二列车运行控制知识库、协调模块、学习器、行为决策器、人机界面模块组成。所述路网控制智能体由第三列车运行控制知识库、学习器、行为决策器、人机界面模块组成。一种分布式列车运行控制方法,其特征是所述方法包括下列步骤:步骤1:控制周期开始;步骤2:根据下层反馈的列车运行状况和设备信息,同时结合本层相邻智能体的协调信息和上一层的控制信息查找相应的知识库;步骤3:判断相应的知识库中是否已有相应的控制规则;步骤4:如果相应的知识库中有相应的控制规则,则直接按照相应的知识库中的控制规则制定控制策略,然后跳到步骤6;步骤5:如果相应的知识库中没有相应的控制规则,则进入学习控制过程,根据学习的结果对相应的控制规则进行调整;步骤6:将决策信息传递给行为决策器执行控制策略。本发明克服了传统基于集中控制原则构成的行车指挥自动化系统的能力限制和实时性限制的缺点,使系统中的各决策层都可以充分利用相关资源,在保证局部调整灵活性和及时性的同时又兼顾了全局的最优控制。
附图说明
图1是分布式列车运行控制系统结构图。图2是区段控制智能体结构图。图3是线路控制智能体结构图。图4是路网控制智能体结构图。图5是分布式列车运行控制方法流程图。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。图1是分布式列车运行控制系统结构图。图1中,分布式列车运行控制系统共分为四层,由下到上分别为:执行层、区段控制层、线路控制层、路网控制层。其中,执行层由区段设备104和车站连锁设备105组成;区段控制层由区段控制智能体Agent103组成;线路控制层由线路控制智能体Agent102组成;路网控制层由路网控制智能体Agent101组成。相邻层的智能体Agent之间可以进行通信,下层为上层提供处理过的状态信息,上层据此为下层提供控制策略;各控制层都具有学习,协调协作和决策的能力;当一层内的智能体Agent发生矛盾,难以协同工作时,就需要上层智能体Agent干涉。1)最下层是执行层,不具有决策能力,包括与列车运行直接相关的各种设备,完成对列车运行的控制。2)区段控制层包含若干区段控制智能体Agent,是具有决策能力的最底层,完成本区段内执行装置的控制。3)线路控制层由若干线路控制智能体Agent组成,完成对本线路列车运行调整的控制,同时负责区段控制层中各智能体Agent之间的协调和管理。4)最上层的路网控制层完成对整个路网的列车运行调整控制,同时负责线路控制层中各智能体Agent之间的协调和管理。图2是区段控制智能体结构图。图2中,区段控制智能体Agent具有学习,协调协作、决策的能力。主要由5部分组成:通讯模块、第一列车运行控制知识库、协调模块、学习器、行为决策器。1)通讯模块实现区段控制Agent与线路控制Agent之间的通讯;将上层线路控制Agent的信息传递到第一列车运行控制知识库;2)协调模块实现Agent与相邻控制Agent之间的协调交互,并通过通信模块将相关信息传递到第一列车运行控制知识库;3)第一列车运行知识库中存储了大量的列车运行调整规则,对车站和区间连锁设备发出控制策略;4)相邻控制Agent和车站区间连锁设备为学习器提供相关的列车运行信息和车站区间占用信息;学习器根据接收到的信息及有关的经验知识或者学习得到的定量信息,为行为决策器提供决策依据;5)行为决策器根据学习器提供的依据,选择行为,并由控制执行装置执行控制行为。图3是线路控制智能体结构图。图3中,线路控制智能体Agent包括,通讯模块、第二列车运行控制知识库、协调模块、学习器、行为决策器、人机界面。1)通讯模块实现线路控制Agent与路网控制Agent之间的通讯;将上层路网控制Agent的信息传递到第二列车运行控制知识库。2)协调模块实现Agent与相邻控制Agent之间的协调交互,并通过通信模块将相关信息传递到第二列车运行控制知识库。3)第二列车运行控制知识库中存储了大量的列车运行调整规则,为区段控制Agent之间的协调管理提供控制策略。4)相邻控制Agent和区段控制Agent为学习器提供处理后的列车运行状态信息;学习器根据接收到的信息及有关的经验知识或者学习得到的定量信息,为行为决策器提供决策依据。5)行为决策器根据学习器提供的依据,选择行为,并由控制执行装置执行控制行为。6)人机界面模块可使线路控制Agent与调度人员进行交互,对于紧急情况,调度人员可以直接对行为决策器发出控制决策,也可以增加列车运行调整规则,扩充列车运行调整知识库,修正控制策略。图4是路网控制智能体结构图。图4中,路网控制智能体Agent包括第三列车运行控制知识库、学习器、行为决策器、人机界面。1)第三列车运行控制知识库中存储了宏观的列车运行调整规则,为线路控制Agent之间的协调管理提供控制策略。2)线路管理Agent为学习器提供处理后的线路和列车运行信息;学习器根据接收到的信息及有关的经验知识或者学习得到的定量信息,为行为决策器提供决策依据。3)行为决策器根据学习器提供的依据,选择行为,并由控制执行装置执行控制行为。4)人机界面模块可使路网控制Agent与调度人员进行交互,对于紧急情况,调度人员可以直接对行为决策器发出控制决策,也可以增加列车运行调整规则,扩充列车运行调整知识库,修正控制策略。图5是分布式列车运行控制方法流程图。图5中,步骤501:表示控制周期的开始。步骤502:根据下层反馈的列车运行状况和设备信息,同时结合本层相邻智能体Agent的协调信息和上一层的控制信息查找相应的知识库。步骤503:判断相应的知识库中是否已有相应的控制规则。步骤504:如果相应的知识库中有相应的控制规则,则直接按照知识库中的控制规则制定控制策略,然后跳到步骤506;步骤505:如果相应的知识库中没有相应的控制规则,则进入学习控制过程,根据学习的结果对相应的控制规则进行调整。其中,具体的学习过程为:(1)为每个控制规则设定一个初始评价指标Q₀,(Q₀可以是列车总晚点时间最小、列车晚点数最小等指标,或者是多个指标的综合)。设M为可被实施的控制规则的最小值,即小于M的调整策略不能被实施。(2)不同层次Agent的列车控制规则(区段Agent:列车加速或减速,停站或运行等策略。线路Agent:协调区段之间的列车的控制规则。路网Agent:协调线路之间的列车调整规则)的实施后都产生一个效果值V,用以评价该规则的好坏,据此修改规则的评价指标,得到Q₁。(3)根据每次调整策略实施后的Q,选取较大的为当前最优调整规则,提供给行为决策器。(4)如果当前Q_n的最大值小于M,也就是说当前没有可以实施的控制规则,需要向上层Agent回报,由上层Agent给定一个新的调整规则和初始Q₀值。步骤506:将决策信息传递给行为决策器执行控制策略。本发明用分布式列车运行控制系统取代传统基于集中控制原则构成的行车指挥自动化系统,克服了传统行车指挥系统的能力限制和实时性的限制,使系统中的各决策层都可以充分利用相关资源,在保证局部调整灵活性和及时性的同时,又兼顾了全局的最优控制。以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。