铁路重车到达预报与卸车预警系统研究与开发

周利萍，张 璐，刘志新，孙 明，李少峰

（1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2.中国国家铁路集团有限公司 运输调度指挥中心，北京 100844）

随着我国经济发展格局的变化，铁路货源结构不断变化，车流去向不均衡的问题较为突出[1]，导致车站大量待卸货车积压，增加了铁路货车周转时间。另一方面，既有的铁路信息系统对全路卸车管理业务支持不足，不能为各级调度员提供重车到达预报信息，只有当重车到达卸车站或接入卸车局后，调度员才能发现卸车量与车站卸车能力不匹配的问题[2]，致使卸车组织工作常处于被动。

为了创新卸车组织业务，缓解卸车能力紧张局面，已有部分铁路局集团公司开发了卸车组织业务应用系统，如丁永民等人研发的济南局集团公司车站卸车组织信息系统[3]；潘云松等人利用大数据技术研发的昆明局集团公司铁路卸车组织管理系统[4]；冯卓鹏研发的重载铁路卸车调度优化模型[5]等。这些系统虽然能为铁路局集团公司货运管理提供辅助决策支持，但主要聚焦于本铁路局集团公司内卸车作业流程及调度组织优化，未从根本上解决如何为调度部门和车站提供准确的卸车站重车到达预报信息的问题。

过去十多年来，我国铁路调度业务信息化取得了长足进步，运输调度管理系统、车号识别系统、运输信息集成平台已经全国铁路（简称：全路）推广应用，显著提升了铁路运输组织和调度指挥效能，也积累了大量的车流历史数据资源。近两年来，货运票据电子化系统、列车编组顺序表电子化传递系统先后实施，分别为调度指挥提供了在站作业过程和在途车流的实时动态信息，这些信息资源为全路重车到达预报及卸车预警的研究提供了较为完备的数据支撑。

本文提出铁路重车到达预报与卸车预警系统方案，充分利用现有数据资源，结合车流历史信息和车流实时追踪信息，预测全路货运站各品类重车到达时间，对超出车站卸车能力的车流提供分级预警和货运组织调整策略，帮助车站调度员提前统筹安排卸车组织工作，及时调整在途重车运行径路，均衡利用路网运输能力，减少货车积压占用，有效缩短铁路货车周转时间，为全路卸车业务管理精益化和货运调度指挥协同化提供强有力的信息支持。

1 系统架构

1.1 总体架构

铁路重车到达预报与卸车预警系统采用集中布署方案，依托中国国家铁路集团有限公司（简称：国铁集团）主数据中心的云计算资源构建应用支撑平台，主要面向国铁集团、铁路局集团公司和货运车站3级调度人员，提供统一、集成、综合的业务应用服务，系统总体架构如图1所示。

图1 系统总体架构示意

（1）应用支撑平台：提供数据采集与交换接口，完成数据分类存储与管理，实现数据关联与融合处理，提供数据分析服务，为各项业务应用提供图表、GIS路网图等可视化展示以及用户统一管理等公用组件。其中，通过外部数据采集接口，分别从货运票据电子化平台、集装箱管理系统、车号识别系统、运输信息集成平台分别获取车辆装卸作业过程、集装箱品类的装卸信息、在途重车实时位置、车辆运行历史轨迹等数据，用于实现重车到达预报和卸车预警功能；通过与运输调度管理系统的调度命令交互接口，实现对系统自动推荐的调整策略的发布和管理。

（2）业务应用：系统采用B/S应用模式，国铁集团、铁路局集团公司及货运站各级调度人员和系统管理员用户可利用现有办公设备，使用浏览器访问系统应用功能；通过角色分配和权限管理，使各级调度员能够各司其责，实现货运调度一体化协同指挥。

1.2 技术架构

系统基于微服务构架搭建，划分为基础设施层、数据层、服务层、应用层，技术架构如图2所示。

图2 系统技术架构示意

（1）基础设施层：提供系统软硬件运行环境，数据库服务器（Oracle）和内存数据库服务器（Redis）、应用服务器（Weblogic）、通信服务器（Rabbit MQ）均采用虚拟化集群配置，确保系统高性能、高可靠性和可扩展性。

（2）数据层：完成相关数据的采集和处理，为服务层提供准确、完备的数据资源，包括原始数据、中间数据和结果数据；系统通过服务层的接口服务从外部系统采集所需的原始数据，对相关原始数据进行关联、融合后，生成用于推算重车到达时间和判断卸车预警的中间数据，这些中间数据存储在Redis内存数据库中，以提高数据处理性能；结果数据为按照业务规则加工处理后所生成，采用Oracle关系型数据库存储。

（3）服务层：包括基础服务、数据服务以及业务服务，使用Spring Cloud实现服务治理；其中，基础服务提供日志记录、权限管理、GIS铁路网图生成等功能；数据服务提供数据采集与交互接口及数据访问接口；业务服务根据车辆运行历史轨迹、在途重车实时位置、车站卸车能力等信息及分级预警规则，生成重车到达预计结果和运输组织调整策略等辅助决策数据，提供给系统的应用层。

（4）应用层：为用户提供各项业务应用功能的信息展示和操作界面，使用Java、JavaScript和Html5等语言开发，其中，全路卸车站到达重车流预计、预警提示及综合分析评价等功能采用GIS铁路网图和eCharts图表实现数据可视化展示。

2 系统功能

面向国铁集团、铁路局集团公司和站段3个业务层面的卸车管理需求，系统提供6项主要业务功能：卸车能力管理、重车到达预报、卸车预警提醒、调整策略推荐、预警通知管理、综合分析评价；系统功能结构如图3所示。

图3 系统功能结构

2.1 卸车能力管理

完成车站卸车能力数据的录入、审核和自动校验，构建完整的、覆盖全路货运车站的卸车能力数据库，为实现全路卸车预警功能提供基础数据。

（1）卸车能力录入：车站用户手工录入车站卸车能力数据，包括品类、专用线、最大卸车能力和适宜卸车能力等数据项。

（2）卸车能力审核：系统参照车站卸车能力历史统计数据，自动检查车站提报数据是否合理，对问题数据高亮显示，铁路局集团公司管理人员完成车站提报数据的核实，并对错误或不完整数据予以驳回处理。

（3）卸车能力上报：铁路局集团公司管理人员将核实后的数据上报至国铁集团，作为正式发布的卸车能力基础数据。

（4）卸车能力统计：对货运站的卸车量历史数据进行统计，计算出过去一段时间内（如1年内）该车站主要品类实际卸车数量的最大值及平均值，作为校验人工录入的判断依据。

2.2 重车到达预报

对全路货运站卸车到达量的时空分布进行实时的滚动预测，向各级调度员提供准确、快捷的重车到达预计信息。

（1）卸车站车流预计：按品类预测卸车站未来3日内到达的重车流数量。

（2）在途重车查询：按品类查询未来3日内到达卸车站的重车当前所在位置分布，按车种别和品类别生成进入局管内重车清单，方便车站调度员及时、精准地安排和调整卸车作业。

（3）待卸车预测：根据卸车站当前在站待卸车数量、预计到达重车数量和当日卸车预计完成量，推算车站未来3日内平均待卸车预计量以及最大单日待卸车预计量。

（4）预计结果分析：将货运站不同品类到达车流预测结果与实际到达车流进行对比，对按预计到达、预计外到达、预计到但未到的车辆数进行统计分析，并提供图形化展示界面，便于了解重车到达预测算法的准确性，为算法优化提供依据。

2.3 卸车预警提醒

通过比较车站卸车能力、未来3日内平均待卸车预计量、未来3日内最大单日待卸车预计量3项指标，按照超出车站卸车能力的不同程度，及时发出分级预警提醒。

（1）三级预警提醒：在GIS铁路网图上，将发生三级预警的车站标注为蓝颜色，提醒铁路局集团公司调度员予以关注；根据系统提示的预警信息，车站调度员可采取调整作业时间、提高作业效率等措施加快卸车进度。

（2）二级预警提醒：在GIS铁路网图上，将发生二级预警的车站标注为黄颜色，提醒铁路局集团公司和国铁集团调度员予以关注，车站和所属铁路局集团公司调度员则可提前采取加强卸车组织、调整装车去向、改变在途车运输顺序等必要措施进行管内车流调整。

（3）一级预警提醒：在GIS铁路网图上，将发生一级预警的车站标注为红颜色，提醒国铁集团和铁路局集团公司调度员重点予以关注，国铁集团调度员可开展跨局车流组织协调工作，卸车站和所属局及其他相关局（装车局、重车途径局）则可采取停装或调卸等调整措施。

2.4 调整策略推荐

根据卸车预警级别，自动为国铁集团和铁路局集团公司调度员推荐运输组织调整策略，调度员可以直接采纳系统推荐的调整策略，也可以手动编辑和修改调整策略，最后，将确定好的调整策略发布至下级单位。

（1）调整策略编辑：针对当前预警级别，参照历史经验案例，自动为调度员生成调整策略，调度员可在此基础上进行编辑修改。

（2）调整策略发布：对涉及停、限装车的货运站，调用运输调度管理系统接口，将调整策略传输至调度命令平台，以调度命令的形式下发。

（3）调整策略案例管理：调度员可总结历史经验，将不同预警级别的调整策略定义为案例模板，供编辑调整策略时选用；提供调整策略案例模板的添加、删除和修改功能。

2.5 预警通知管理

当发现预警时，按业务规则自动生成预警通知，为调度员提供预警通知的推送、查询以及预警阈值调整的功能。

（1）预警通知推送：根据卸车站发生预警的级别，自动生成相应的预警通知，按照设定的业务职责和工作流程，分别推送给国铁集团、铁路局集团公司和卸车站调度员，提醒调度员对发生预警的卸车站予以关注，及时采取相应措施进行处置。

（2）预警通知查询：按局别、车站和时间段对预警通知进行分类汇总和条件查询。

（3）预警规则管理：提供预警规则编辑功能，系统管理员根据车站技术装备条件和人员配备等实际情况，合理调整卸车站不同品类卸车量触发预警的阈值。

2.6 综合分析评价

对卸车作业过程、实际完成卸车量、长时滞留待卸重车（即大点车）等进行分析，以铁路网图、折线图、表格等图表方式综合展示分析结果，辅助调度员对卸车站卸车工作质量进行评价。

（1）卸车作业过程分析：对重车在卸车站的入线、开卸、卸完、出线时间进行分析，可按总停留时间、卸车完成时间、品类进行综合查询，方便调度员掌握卸车过程中各主要环节的实际用时。

（2）卸车实绩分析：按品类统计货运站实际完成的卸车数量，以折线图形式对比分析货运站卸车实绩变动情况，方便调度员直观地掌握各货运站卸车实绩的变化趋势及规律。

（3）长时滞留分析：按品类汇总在卸车站滞留时间分别大于24 h、48 h和72 h的长时滞留待卸重车（即大点车），包括车辆到达时间、滞留时间、停留股道（或专用线）、等信息项，方便调度员对长时滞留重车进行及时处置，为优化卸车组织工作提供依据。

3 关键技术

3.1 重车到达预测算法

根据在途车流的运行径路、运行时间和历史经验参数，自动计算重车流到达终点站的预计时间，主要包括重车最新径路选择、重车到达时间预计以及经验参数表更新3个步骤。

（1）重车最新径路选择

重车从始发站被输送至终到站所经过的路线称为车流运行径路，简称为车流径路[6]。车流径路选择根据货物的发到站（OD，Origin to Destination）、货物品类等信息，选择可满足实际运输需求，且符合路网通道能力约束及其它运输影响因素的车流径路。

采用基于车流径路选择偏好的铁路车流运行径路动态预测方法[7]利用运输信息集成平台提供的海量车流运行轨迹等历史数据，对长期和近短期车流运行轨迹数据进行统计，生成车流径路选择偏好参数表。在预测某一车辆的运行径路时，优先使用近短期车流径路选择偏好，只有在近短期车流径路选择偏好数据缺失的情况下，才考虑采用长期车流径路选择偏好。

基于车流径路选择偏好参数，结合重车的装车记录（发站、到站、品类等信息）及实时位置跟踪信息，选择车流走行概率最高的径路，作为重车最新径路，具体流程如图4所示。

图4 重车最新径路选择流程

（2）重车到达时间预计

为确定重车预计到达时间，需要估算重车从始发站（或当前位置）到达终点站的预计总运行时间。

利用大数据技术[8]，通过对大量车辆运行时间历史数据进行统计，计算得到重车在各区段和技术站的平均消耗时间；并据此估算出重车从始发站（或当前位置）到达终点站的预计总运行时间T（单位：h），计算公式为

其中，M —车流径路关键节点的区间分段数；N—车流径路中技术站个数，对于直通列车车辆来说，N =0；Si—车流径路中第i个节点（如始发站、分界站、技术站等）间的里程（单位：km）；Vi—车流径路中第i段区间的货物列车平均旅行速度（单位：km/h）；Tj—沿途节点中，重车在第j个技术站的中转停留时间（单位：h）； Δt—为异常因素影响参数，在自然灾害或安全故障、临时列车限速等条件下，对重车总运行时长产生影响的时间修正值（单位：h）。

重车预计到达时间的推算过程如下：

① 分析重车最新径路上关键节点，包括始发站、分界站、编组站、区间站和终点站；

②获取关键节点间的里程，从历史统计数据值中获取关键节点所在区段的平均旅行速度（如果不能从历史统计数据中获取该数值，则使用经验参数中的局别平均旅行速度），估算重车在最新径路上关键节点间的预计运行时间；

③基于历史运行统计数据，计算重车在技术站上预计中转停留时间，需要区分重车在技术站上的作业类型是无调中转还是有调中转，不同作业类型使用不同的中转停留时间统计值进行估算；

④计算重车从始发站（或当前站）到终点站的预计总运行时间，正常情况下为重车最新径路上所有关键节点间预计运行时间总和 + 所有技术站上预计中转停留时间总和；若重车在运行中受到异常天气、设备故障或临时限速的影响，预计总运行时间除上述两者之和外，还要再加上异常因素时间修正值；

⑤计算重车预计到达时间=当前时间+预计总运行时间。

重车预计到达时间推算是一个动态迭代过程，从始发站开始全程跟踪重车运行位置，预计结果会根据重车当前位置的变动进行滚动更新。

（3）经验参数表更新

重车到达时间预计算法使用了3类经验参数：

① 局别平均旅行速度，设置每个铁路局集团公司内重车平均旅行速度，作为算法中重车旅行速度变量的缺省值；

② 技术站重车中转停留时间，根据历史数据统计结果，设置各个技术站不同作业类型（有调中转和无调中转）的重车中转停留时间；

③异常因素时间修正值，即式（1）中的参数Δt，分别设置受到异常天气、安全故障和临时限速影响的重车运行时间修正值。

为获得较为准确的重车到达时间预计结果 ，需要结合预计结果的偏差分析，通过该系统应用支撑平台的数据分析服务，重新对车辆历史走行轨迹数据进行统计，用于动态更新经验参数表，具体流程如图5所示。

图5 经验参数表更新流程

3.2 卸车分级预警机制

根据卸车站未来3日内各品类别重车预计到达数量，统计卸车站未来3日内平均待卸车预计量和最大单日待卸车预计量，对照车站卸车能力，判断是否存在超出其卸车能力的重车车流，根据超限的不同程度自动触发预警，并生成相应的货运组织调整策略。

针对不同车流情况，综合考虑各级调度的岗位职责，系统设置卸车分级预警规则，包括判断标准、预警对象及货运组织调整策略，如表1所示。

表1 卸车分级预警判断标准、预警对象及货运组织调整策略

分级预警的判断标准可根据实际情况，针对卸车站不同品类单独设置；另外，系统会对卸车站各品类别不同卸车预警级别的调整策略的使用历史进行统计，按照使用频率大小来实现自动推荐。

分级预警算法具体流程如图6所示。

图6 卸车分级预警算法流程

4 结束语

针对调度部门和车站亟需获取重车到达预报信息的实际需求，本文采用基于车流径路选择偏好的铁路车流运行径路动态预测方法[7]，进一步研究提出重车到达预测算法和卸车分级预警机制，据此开发了铁路重车到达预报与卸车预警系统。该系统在构建全路货运站卸车能力数据库的基础上，充分利用现有的货车运行轨迹历史信息及在站作业过程和在途车流的实时动态信息，推算出较为准确的重车预计到达时间；对可能超出货运站卸车能力的车流提前分级预警，并自动推荐货运组织调整策略，辅助各级调度员及时采取针对性措施，可有效缓解车辆集中到达、卸车积压等问题，有利于促进全路货运调度指挥水平的提升。

目前的重车到达时间预测算法中，技术站重车中转停留时间采用历史数据统计值估算。但实际应用中发现，技术站作业过程往往存在较大不确定性，导致预测结果的准确度较低，需要寻找更有效的预测方法。考虑到重车在技术站的作业时间受多种因素影响，具有复杂的非线性特点，而神经网络[9]对解决复杂的非线性问题往往有较为满意的效果。下一步考虑采用神经网络方法，建立技术站重车中转停留时间预测模型，利用利用一段时间内（如一个季度）技术站不同作业类型中转停留时间的历史数据作为样本集，对预测模型进行迭代训练，以期得到更加有效的预测模型，提高重车到达时间预测的准确性。