一种地铁轨行区检修冲突检测方法及系统与流程

本发明涉及轨道检修检测，更具体涉及一种地铁轨行区检修冲突检测方法及系统。

背景技术：

1、随着运营线路的增多，地铁运营分公司轨行区施工作业的数量越来越多，双周提报达到一千余条，计划的核对汇总、配合协调复杂繁琐；在轨行区密闭空间中，供电、行车、轨道、道岔、信号等多专业检修，检修冲突把控越来越难；其次由于运营时间的不断延长，轨行区施工作业时间不足4个小时，传统的人工请销点在登记排队、核对、协调、停送电等方面效率低下，准确度差，严重影响施工效率，对运营产生了极大的安全隐患。例如：中国专cn113212503a，该发明公开了一种用于轨道交通车辆调车计划冲突的检测方法，涉及轨道交通车辆运维技术领域，包括计划获取步骤、联锁关系建立步骤和冲突检测步骤，通过将进路按照被占用时间段进行处理划分、并分时对应调车计划和检修计划，通过设备的分时占用冲突来判断调车计划之间的冲突情况，提供了一种对计划的合理性提前判断的方法，同时可以判断施工计划对调车计划的影响，这种方案的冲突检测的结果可以用于提高调度人员计划制定的合理性，可以提前规避可能安全风险，提高了计划的可行性以及安全性。中国专利cn112966842a，该发明公开了一种基于时间片切分的地铁车辆检修计划自动生成方法，有轨道交通车辆维护技术领域，包括初始化步骤、合法性检查步骤和检修计划生成步骤，能有效克服了现有技术中依赖人工编制计划的缺陷，能在一个周期内均匀分布，从而保障检修班组获得充分的休息时间，增强了检修计划排程的可操作性，能保证均衡修任务的延续性，因为不同修次的均衡修的检修天数为1～3天不等，检修天数超过2天的需要保障连续执行，能够解决人工编制过程中无法自动识别的排程冲突，以确保检修任务的安排能够满足排程约束。上述两篇专利都通过检测车辆冲突从而实现检修冲突检测，但是在效率和精度上还不够准确，本发明采用多车时间预测模型来预测多辆通过目标检修区的时间来检测车辆行驶和检修作业之间的冲突，效率和准确度更高。

技术实现思路

1、为了更好的解决上述问题，本发明提供一种地铁轨行区检修冲突检测方法，所述方法包括如下步骤：

2、步骤s1：获取单元获取目标检修区的第一检修计划、预设时间段内通过第一站点的n辆第一列车的实际时刻表和标准时刻表，基于所述实际时刻表和所述标准时刻表获取n辆所述第一列车的时间延误表，其中，所述第一检修计划包括所述目标检修区的位置信息；

3、步骤s2：通过模型创建单元创建多车时间预测模型，并基于n辆所述第一列车的车辆信息、历史行驶信息、所述目标检修区所在轨道的轨道信息和行驶规则作为训练数据进行有监督的训练所述多车时间预测模型；

4、步骤s3：通过所述获取单元还获取n辆所述第一列车的故障状态，并基于所述故障状态、所述时间延误表和所述多车时间预测模型预测每一所述第一列车到达和离开所述目标检修区的第一时间和第二时间，并将每一所述第一列车对应的所述第一时间和所述第二时间与所述第一检修计划中的检修时间进行对比获取第一检修冲突结果；

5、步骤s4：在所述第一检修冲突判断结果为不冲突时，获取相邻轨道检修区的第二检修计划和所述第一检修计划进行对比获取第二检修冲突判断结果，并根据所述第二检修冲突判断结果重新设置所述第一检修计划和所述第二检修计划的子检修计划顺序，其中，所述相邻轨道检修区与所述目标检修区之间距离小于设定距离；

6、步骤s5：在所述第一检修冲突判断结果和所述第二检修冲突判断结果中任意一个判断结果为冲突时，所述目标轨行区检修冲突，否则不冲突。

7、作为本发明的一种优选技术方案，所述预设时间段为所述第一列车分别以正常行驶时的最小速度和最大速度从所述第一站点到所述目标检修区的时间差且所述预设时间段位于所述第一检修计划的检修时间之前，所述第一站点为所述第一列车行驶方向上与所述目标检修区后方站点的前一站点；所述车辆信息包括车辆的重量、长度和动力；所述轨道信息包括轨道的阻力信息；所述行驶规则包括在行驶过程中所述第一列车之间的间距。

8、作为本发明的一种优选技术方案，所述步骤s1包括如下步骤：

9、步骤s11：所述获取单元从录入单元或者后台获取所述目标检修区的所述第一检修计划，并获取所述预设时间段内通过所述第一站点n辆所述第一列车的实际时刻表；

10、步骤s12：将n辆所述第一列车的所述实际时刻表和保存在存储单元中的n辆所述第一列车的所述标准时刻表进行比较，并获取n个第一比较结果，并基于所述n个第一比较结果获取n辆所述第一列车的时间延误表；

11、其中，所述第一列车的标准时刻表为n个所述第一列车在从起始站点发车时指定的到达所述第一站点的标准时刻列表。

12、作为本发明的一种优选技术方案，所述步骤s2包括如下步骤：

13、步骤s21：通过模型建立单元创建所述多车时间预测模型，其中，所述多车时间预测模型用于预测n辆所述第一列车中每一所述第一列车到达和离开所述目标检修区的所述第一时间和所述第二时间；

14、步骤s22：将n辆所述第一列车中每一所述第一列车的车辆信息、历史行驶信息及所述目标检修区所在轨道的行驶规则、轨道信息作为第一训练数据，基于机器学习算法和所述训练数据对所述多车时间预测模型进行有监督的训练；

15、步骤s23：以预设周期获取最新的所述第一训练数据作为第二训练数据，并将所述第一训练数据和所述第二训练数据作为第三训练数据，并基于所述第三训练数据对所述多车时间预测模型进行有监督的训练。

16、作为本发明的一种优选技术方案，所述步骤s3包括如下步骤：

17、步骤s31：实时获取n辆所述第一列车的故障状态，在n辆所述第一列车都正常运行时，执行步骤s32，在n辆所述第一列车中任意一辆出现故障时，执行步骤s34；

18、步骤s32：将n辆所述第一列车中每一所述第一列车的车辆信息、所述第一站点到所述目标检修区的轨道信息和行驶规则、所述目标检修区和所述第一站点的位置信息及n辆所述第一列车的时间延误表录入所述多车时间预测模型获取每一所述第一列车到达和离开所述目标轨行区的所述第一时间和所述第二时间；

19、步骤s33：将每一所述第一列车对应的所述第一时间和所述第二时间之间的时间段作为行驶时间段，将每一所述第一列车的所述行驶时间段与所述第一检修计划中的检修时间段进行对比获取n个第二比较结果，并根据n个所述第二比较结果判断n个所述第一列车的所述行驶时间段与所述检修时间段是否冲突，在n个所述第二比较结果为n个所述第一列车的所述行驶时间段与所述检修时间段都不重叠时，不冲突；在n个所述第二比较结果中任意一个所述第一列车的所述行驶时间段与所述检修时间段有重叠时，冲突；

20、步骤s34：获取故障车辆在n辆所述第一列车中的位置，其中，所述故障车辆之前的车辆作为第二列车执行所述步骤s32获取每一所述第二列车对应的所述第一时间和所述第二时间；还获取所述故障车辆的故障类型及所述故障的修复步骤，并根据每一所述修复步骤的时间计算故障修复时间，并基于所述故障修复时间和所述修复时间对所述故障车辆之后的每一第三列车造成的时间延误更新所述故障车辆和所述第三列车的所述时间延误表并执行所述步骤s32获取每一所述第三列车对应的所述第一时间和所述第二时间，接着执行所述步骤s33。

21、作为本发明的一种优选技术方案，所述步骤s3还包括如下步骤：

22、还通过获取相邻所述第二轨道上所述第二列车的行驶路线，在所述第二列车的行驶路线绕道到所述第一轨道上且所述第二列车位于n辆所述第一列车的中间时，更新所述第二列车的标准时刻表，并将所述第二列车更新后的所述标准时刻表、动力系数、延误时刻表、和实际到达每一站点的时刻表添加到所述时间预测模型的训练数据中重新训练所述时间预测模型，并重复所述步骤s2，重新判断n辆所述第一列车与所述第二列车和所述第一检修计划的所述第一检修冲突判断结果。

23、作为本发明的一种优选技术方案，所述步骤s4包括如下步骤：

24、步骤s41：在所述第一检修冲突判断结果为不冲突时，获取相邻轨道的所述第二检修计划，并分别将所述第一检修计划和所述第二检修计划按照检修顺序和检修内容拆分成第一子检修计划和第二子检修计划，所述第一子检修计划和所述第二子检修计划都包括检修内容、检修时间和检修资源；

25、步骤s42：分别将所述第一子检修计划和所述第二子检修计划按照检修顺序进行冲突比较获取第一冲突比较结果，在所述第一冲突比较结果为所述第一子检修和所述第二子检修计划的检修资源在检修时间上都不冲突时，所述第二检修冲突判断结果为不冲突；

26、步骤s43：在所述冲突比较结果为任意一个所述第一子检修计划和所述第二子检修计划在检修资源上冲突时，调整所述第一检修计划中所述第一子检修计划的顺序，并重复所述步骤s42,重新获取所述第一冲突比较结果作为第二冲突比较结果，在所述第二冲突比较结果为在调整后的所述第一子检修和所述第二子检修计划的检修资源在检修时间上都不冲突时，所述第二检修冲突判断结果为不冲突；否则，所述第二检修冲突判断结果为冲突。

27、作为本发明的一种优选技术方案，所述目标轨行区和所述第二检修计划对应的检修区之间的距离小于预设距离。

28、作为本发明的一种优选技术方案，所述第一检修计划的检修时间和所述第二检修计划的检修时间重叠。

29、本发明还提供一种地铁轨行区检修冲突检测系统，所述系统用于实现上述的地铁轨行区检修冲突检测方法，所述系统包括：

30、获取单元配置为：获取目标检修区的第一检修计划、预设时间段内通过第一站点的n辆第一列车的实际时刻表和标准时刻表，基于所述实际时刻表和所述标准时刻表获取n辆所述第一列车的时间延误表，其中，所述第一检修计划包括所述目标检修区的位置信息；还获取n辆所述第一列车的故障状态；

31、模型创建单元，用于创建多车时间预测模型，并基于n辆所述第一列车的车辆信息、行驶规则、历史行驶信息、轨道信息作为训练数据进行有监督的训练所述多车时间预测模型；

32、检测单元配置为：基于所述故障状态、所述时间延误表和所述多车时间预测模型预测每一所述第一列车到达和离开所述目标检修区的第一时间和第二时间，并将每一所述第一列车对应的所述第一时间和所述第二时间与所述第一检修计划中的检修时间进行对比获取第一检修冲突结果；在所述第一检修冲突判断结果为不冲突时，获取相邻轨道检修区的第二检修计划和所述第一检修计划进行对比获取第二检修冲突判断结果，并根据所述第二检修冲突判断结果重新设置所述第一检修计划和所述第二检修计划的子检修计划顺序，其中，所述相邻轨道检修区与所述目标检修区之间距离小于设定距离；在所述第一检修冲突判断结果和所述第二检修冲突判断结果中任意一个判断结果为冲突时，所述目标轨行区检修冲突，否则不冲突。

33、与现有技术相比，本发明的有益效果至少如下所述：

34、本发明通过获取单元通过获取预设时间段内通过第一站点的n辆第一列车的实际时刻表和标准时刻表获取上述第一列车的时间延误表，由于在上述预设时间段内通过上述第一站点的第一列车都有可能达到上述目标检修区，从而与检修计划在时间上冲突，因此，减少了分析其他第一列车达到达上述目标检修区的时间，只需要分析预测该预设时间段内的n辆上述第一列车到达上述目标检修区的时间即可，从而大大减少了工作量，提高了检测效率，还通过锁定检测目标车辆提高了监测精度。由于在同一轨道线上的列车在行驶过程中不是孤立的而是相互影响的，因此通过多车时间预测模型，能够准确的预测上述n辆第一列车到达上述目标检修区的第一时间和离开上述目标检修区的第二时间，基于上述第一时间和第二时间获取第一检修冲突判断结果，由于上述多车时间预测模型只能在n辆上述第一列车都正常行驶时，预测每一上述第一列车到达和离开上述目标检修区的时间，但是输入上述多车时间预测模型的参数后，当任意一辆上述第一列车出现故障时，故障车辆之后的第一列车的延误时间已不准确，为了通过上述多车时间预测模型较准确的预测出n辆上述第一列车到达和离开上述目标检修区时间，通过分析上述故障车辆的故障类型和恢复时间，并更新上述时间延误表，重新预测上述n辆上述第一列车到达和离开上述目标检修区时间。综上所述，通过上述技术方案的相互配合，能够提高上述目标检修区的检测效率和检测准确度。