综合报告

研究基本信息

本文为一项原始研究，标题为《Energy-Efficient Timetable Optimization Empowered by Time-Energy Pareto Solution Under Actual Line Conditions》，发表于 IEEE Transactions on Intelligent Transportation Systems，期刊卷号为 Vol. 25, No. 7, July 2024。作者包括 Huiru Zhang, Limin Jia, Li Wang, Xinyue Xu 和 Fei Dou，作者分别隶属于北京交通大学交通运输学院及北京轨道交通运营公司，相关研究得到了“国家重点研发计划”（2022YFB4300603）、“北京市自然科学基金”（9212014）等项目支持。

研究背景和目的

研究领域：本文聚焦于高铁系统中的智能交通与能源管理，属于轨道交通优化领域。

研究背景：现阶段高铁系统建设规模扩大，其能耗问题愈发重要。在轨道交通全生命周期中，运行阶段的能耗占比达到87%-94%。优化能源效率对于实现绿色交通及低碳目标至关重要。然而，现有研究中，多数仅关注单列车的优化策略或不充分考虑真实线路的复杂特性（如复杂的坡度、曲线和隧道）。这限制了优化方法在实际中的可用性。

研究目的：为了弥补当前研究中对列车控制和时刻表优化这一问题的不足，作者提出了一种基于时间与能耗的Pareto解决方案的双层优化方法，以在保持现有基础设施不变的前提下，优化高铁列车的节能运行方案及时刻表。

研究流程与方法

研究总体框架：本文采用双层结构，将列车控制优化与时刻表优化分开，具体包括列车层级的多目标优化和时刻表层级的整数线性规划模型。

1. 列车层级：能耗与时间的优化

模型设定：在此层级中，作者针对列车运行设计了一个多目标优化模型，其目标是平衡列车运行过程中的时间消耗和能耗。特别地，作者考虑了真实线路复杂性，包括连续变化的坡度、曲线及隧道。

1. 线路条件等效简化：

   • 原始线路条件复杂且计算耗时，论文提出了一种等效方法，通过将多段复杂轨道简化为一段的方式，减少计算复杂性，同时确保计算准确性。例如，通过对坡度、曲线附加阻力的能量交换公式进行处理，实现对复杂特性的简化。

2. 速度-距离曲线模拟：

   • 根据简化后的线路条件，设计了目标速度的生成策略，包括加速、滑行、制动三种运行状态。具体方法包括非固定步长的速度曲线模拟，将线路分段优化为多个目标速度。

3. 改进的多目标优化算法：

   • 作者开发了一种改进版的非支配排序遗传算法（改进NSGA-II），通过引入差分进化方法（DE）和新的拥挤距离算子（NCD），解决了传统NSGA-II收敛速度慢、解分布不均的问题。通过多目标优化获得运行时间与能耗的Pareto前沿解。

4. 结果分析：

   • 研究明确了不同控制策略的能耗与运行时间的分布情况，为时刻表层级提供能耗最优的控制曲线及参考依据。

2. 时刻表层级：构建节能优化时刻表

模型设定：在时刻表层级，作者设计了整数线性规划（ILP）模型，用于生成优化的列车到达与发车时间表。该模型以最小化运行时间偏差和能源消耗为优化目标，并结合改进的分枝定界优化算法（BBOT）实现快速求解。

1. 输入数据与约束条件：

   • 主要输入包括列车层级得出的Pareto解、列车的原始时刻表、以及运行安全的时空约束。
   • 时刻表优化目标包括使偏离原始时刻表的时间最小化，同时实现整体能耗的降低。

2. 求解流程：

   • 分支定界方法以轨道、段落及列车运行顺序为分支依据，大幅降低了传统方法的运算复杂度。

实验和主要结果

实验路线：作者选取京沪高铁北京南-济南西段作为案例研究。此段线路包含6个车站、392个复杂轨道段，涵盖坡度、曲线等多种复杂条件。

实验流程：

1. 线路等效验证：

   • 对比简化前后对于最短运行时间、给定运行时间等条件下能耗的计算结果。结果表明，简化后的能耗误差在0.02%-1%之间，而计算效率提升约8-9倍。

2. Pareto解生成：

   • 采用NSGA-II和改进版INSGA-II生成时间与能耗的Pareto解。实验表明，INSGA-II的收敛速度更快，Pareto解分布更均匀，提供了更优质的列车控制策略。

3. 时刻表优化：

   • 在原始时刻表基础上进行优化，结果显示经过调整后的时刻表中81%的到发时间保持一致，其余调整的时刻集中于列车停站较少的区间，全表平衡性良好。

4. 节能效果评估：

   • 优化后的时刻表整体能耗相比原始时刻表降低了18.69%。此外，在列车出现8分钟、9分钟及14分钟延误的情况下，优化方法分别比传统时间导向策略节省目标数值4.69%、9.93%、8.05%。

研究结论与意义

本文首次提出将实际复杂列车线路等效化，并与改进的多目标遗传算法结合，形成一种双层节能优化时刻表生成方法。此研究的主要贡献包括：

1. 科学价值：通过深入模拟真实线路，使复杂轨道条件下的节能策略优化成为可能，弥补了以往研究中对现实情况考虑不足的缺陷。

2. 实践应用：优化成果在京沪高铁数据上的实验表明，其能耗降低显著。这种方法可直接应用于中国及国际高铁网的节能优化，为实现全球低碳目标提供技术支持。

3. 技术创新点：

   • 提出一套非固定步模拟速度曲线的策略，结合新型NCD算子优化算法分布。
   • 借助定制的BBOT算法大幅提高时刻表优化求解效率。

研究亮点与展望

1. 重要发现：

   • 通过合理的运行时间调整和滑行策略的频繁使用，列车能耗可大幅降低。
   • 提高轨道运行时间利用率和减少区间频繁停靠是提高节能效率的重要途径。

2. 特殊性：本研究不依赖改变基础设施，而是纯粹依靠优化控制策略和运营计划，具有较强的推广性和灵活性。

3. 未来工作：

   • 探索针对复杂线路环境间多线路网络的协同优化。
   • 将模型扩展到多节列车编组及其他动态因素（如天气与线路事件）中。

本研究为节能时刻表优化提供了新的方向，不仅具有明确的理论价值，也为日益重视资源效率的高铁运营系统注入了实际可行的解决方案。