基于蚁群算法的ATO节能算法设计

乔良

摘要 科学技术的进步使得城市轨道交通成为城市快速发展的象征。近年来，轨道交通专家在这方面的研究层出不穷，新的控制策略也不断涌现。本文重点论述了对列车运行节能和控制方面的优化研究。在对线路和列车参数进行描述的基础上，根据所建立的评价指标模型，研究了基于蚁群算法的速度曲线优化算法，优化了控制策略和速度曲线。

[关键词]轨道交通 节能 列车控制 蚁群算法

1 绪论

城市轨道交通最主要的两个特点就是高效和高容量，能够为乘客提供迅速、便捷、低碳的交通服务。城市轨道交通使用固定轨道来指导列车运营，与道路交通相比，在运行过程中，城市轨道交通基本没有拥堵问题，自动化程度高，还可以有效地完成列车的管理和运营。

在城市轨道交通的发展方面，国家政策指导方针从长远的战略角度对其提出了更高的要求。 《国民经济和社会发展第十个五年规划纲要》指出，绿色发展理念是我们大家必须要牢固树立和强力落实的，资源节约和环境保护的基本国策我们也要坚持到底，同时对能源资源的开发利用效率要大力增加，把有效控制能源消耗作为国家发展的一个主要目标。因此，研究列车ATO节能方法具有经济价值和一定程度的时代意义。

2 系统分析

2.1 ATO系统简介

工业化程度的提高使得城市人口迅速膨胀，进而对城市轨道交通客运能力的需求也越来越高。列车自动运行（automatlc tramoperation，AT0）系统能够使列车在运行过程中安全程度、行車效率等得到提高，还能使驾驶员的劳动强度得到降低，并应用了许多当前非常重大的科技成果，技术含量很高。目前，ATO系统毫无疑问的成为城市轨道交通列车运行控制系统的重要组成部分。

ATO系统主要用来实现“地对车”控制，换句话说，就是利用地面信息实现对列车行驶和制动的控制，包括对列车自动返回的控制。与此同时，列车的启动控制、牵引控制、制动控制、车门和站台安全门的开关信号控制等可以根据控制中心下达的指令自动完成，使列车处于安全、准时、稳定的最佳运行状态。列车的运行过程非常复杂，建立符合实际需求的操纵策略是准确分析列车运行过程的关键。列车控制策略指的是为了达到优化列车运行过程的目的，而在一定的列车牵引算法的基础上建立列车牵引模型，进而实现节能目标。

2.2 ATO能耗分析

列车通过自动列车运行系统设置的控制策略跟踪推荐速度曲线，得到实际的运行跟踪曲线。推荐速度曲线与跟踪曲线之间存在一一对应关系。在一定的控制策略下，列车跟踪曲线优化问题可以转化为推荐速度曲线的优化问题。

在列车客运过程中，列车上所有的用电设备都要消耗能源。由于列车的控制主要是牵引和制动，为了简化评价因素，因此，本文的研究对象是ATO在行驶过程中在动力方面的节能评价。

能耗的评价函数可表示为：Ke=Fv·dt

上式可转换为：Fv·dt=mav·dt

在列车运行过程中，旅客的流量状况会不断发生变化，特别是在列车运行高峰期，旅客流量将达到峰值。为了比较不同车型的能耗，去掉质量的影响，得到下面的公式：

其中，a为加速度值，v表示速度值，S表示距离。

将各个值代入评价函数中，得到的数值越小，列车的节能效果就越好。

3 基于蚁群算法的ATO节能方法研究

城市轨道交通系统最大的两个特点就是交通量大、总能耗高。因此，降低能源消耗已是城市轨道交通系统可持续发展迫切需要解决的一个重要问题。列车运行的基础是列车的站间速度曲线。本节中，基于在列车站间速度曲线优化的研究，并结合城市轨道交通列车牵引特性，在列车速度曲线优化模型中考虑列车牵引效率，重新分析城市轨道交通中列车站间的节能运行情况，研究列车运行情况的转换序列和工况间转换点的求解算法。

3.1 蚁群算法介绍

蚁群算法源于自然世界的启发，是一种全局优化的搜索方法，蚁群优化算法解决了离散组合优化问题。蚁群优化算法中，蚂蚁的数量、初始信息素值、信息素的蒸发量、信息素的权重和启发信息素权重的参数设置对算法的搜索性能有很大的影响。

3.2 蚁群算法的应用

在MMAS优化算法中，交替使用迭代最优和至今最优两个更新规则，同时，这两个规则被使用的相对频率影响了算法的搜索效。一方面，若只使用至今最优更新规则更新信息素，将大大提高算法的搜索导向性，该算法会快速收敛到最优路径附近;另一方面，如果只使用迭代最优更新规则更新信息素，将会在一定程度上改善相应的算法探索能力，但算法的收敛速度降低了。

在对离散组合优化模型进行近似计算的基础上，采用最大最小蚂蚁系统作为核心算法的设计策略。在保证列车跟踪曲线运行的时间条件下，设计列车节能运行优化方法，得到列车最佳推荐运行速度曲线，该曲线使得实际列车跟踪速度曲线对应的能量消耗最小。该算法将列车推荐速度曲线的优化问题转化为速度.位置二维图上有时间约束的列车跟踪曲线的最小能耗优化的路径寻优问题。

MMAS的路径构建中，下一步的选择依据是根据随机比例规则，与最早的蚂蚁系统算法中的规则是类似的，公式如下：

上式中，k表示蚂蚁的编号，也就是列车; 表示列车在离散区域X.向下一个离散区域Xi+l行进时，追踪过程中的推荐速度由Vi变为Vi+l的概率;ε表示信息素和启发信息之间的平衡权重值，O≤ε≤1;τ（xi，vi），（xi+1，vi+1）表示列车在离散区域X，向下一个离散区域xi+1，行进时，追踪过程中的推荐速度由vi变为Vi+1的信息素值;η（Xi，yi），（Xi+l，vj+1）表示启发信息值;U表示列车在离散区域X.向下一个离散区域xi十l行进时，追踪过程中的推荐速度由Vi变为所有可能的追踪推荐速度码的集合。

4 结束语

在列车运行过程中，列车牵引能耗占能源消耗总量的40%-50%。所以，节省牵引能耗能够有效降低总能耗。本文研究了基于蚁群算法的ATO节能方法，优化了列车跟踪推荐速度曲线，使城市轨道交通系统能耗达到最低。

参考文献

[1]刘亚丽，马世伟，基于遗传算法的列车自动运行系统的优化研究[J].电子测量技术，2013，36 （04）：36-39.

[2]彭辉.轨道交通系统[M]，北京：人民交通出版社，2008.

[3]王义惠，宁滨，宋永端.高速列车制动及牵引自动控制研究[J]，控制工程，2010 （17）：5-8.