高速铁路信号系统智能技术应用及发展

宁 滨， 莫志松， 李开成

(1. 北京交通大学 轨道交通控制与安全国家重点实验室， 北京 100044；2. 北京交通大学 轨道交通运行控制系统国家工程研究中心， 北京 100044)

自2004年1月国务院批准通过《中长期铁路网规划》以来，中国高速铁路从引进吸收再创新，到自主掌握核心技术，形成了以中国列车运行控制系统(Chinese Train Control Systems，CTCS)为核心的信号系统。到2017年底，以“四纵四横”为骨干的中国高速铁路运营里程达2.5万km，占世界高铁总量的66.3%，并规划到2025年，中国高速铁路运营总里程约3.8万km左右。目前，世界各国高速铁路信号系统，如我国的CTCS-2级列控系统、CTCS-3级列控系统、欧洲列车运行控制系统(European Train Control Systems, ETCS)、日本DS-ATC系统等都实现了部分自动化，但列车运行仍然以人工驾驶为主。

随着网络规模的逐渐扩大、运行速度的不断提高，高速铁路信号系统已经从保障高铁安全高效运行，拓展到多层域状态智能感知、系统协同控制、安全态势评估、大数据融合与智能维护、行程智能引导等前沿领域与技术的系统性研究领域。以京张高铁、京雄高铁为代表的一批智能高铁项目的启动与实施，搭载着云计算、物联网、大数据、北斗定位、5G通信、人工智能等先进技术迅猛发展，标志着中国高速铁路进入智能化发展新阶段。现阶段，高速铁路自动驾驶(Automatic Train Operation, ATO)、智能调度指挥(Centralized Traffic Control, CTC)、智能维护等技术，在支撑高速铁路信号系统智能化的过程中起到了关键作用，实现了列车控制自动化、调度指挥智能化及运维监控现代化。

现阶段高速铁路信号系统的三大典型智能技术为高速铁路自动驾驶、智能调度指挥、智能运维，以及高速铁路信号系统智能。

1 高速铁路自动驾驶(ATO)

1.1 系统原理与主要功能

在列车超速防护(Automatic Train Protection, ATP)系统保障列车安全运行的前提下，高速铁路ATO系统按照优化运行曲线驱动列车安全高效运行，通常采用控制器追踪既定速度-位置曲线的方法，从而提高列车运行效率，降低牵引能耗，减轻司机劳动强度。如何控制列车在运行过程中精确追踪既定曲线一直是学术界一个重要的研究热点，受到国内外学者的广泛关注。

高速铁路ATO信号系统结构见图1，其主要功能包含以下五个方面：

(1) 车站自动发车控制。当车门/站台门关闭、出站进路排列完成后，ATO车载设备获得发车授权并提示司机发车；经司机按压按钮确认后，ATO车载设备控制列车自动发车。

(2) 区间自动运行控制。在区间运行时，ATO车载设备根据地面设备提供的运行计划(即下一车站的到达时刻)，结合列车的牵引制动性能，自动选择区间运行曲线；并根据该曲线控制列车加速、巡航、惰行、减速和停车，实现自动运行。

(3) 车站自动停车控制。ATO车载设备通过精确定位应答器进行位置校正，并根据列车停车位置和制动性能，自动控制列车在车站股道停车标处对标停车。

(4) 车门自动开门防护控制。列车进入车站股道停车后，ATP判断列车停准、停稳并根据接收的站台侧信息，对车门进行开门防护；ATO按接收到运行计划自动打开相应的车门。

(5) 车门/站台门联动控制。当车站设置站台门时，ATO系统实现车门与站台门的联动控制。

在列车行驶过程中，ATO系统通过车载速度传感器和轨旁定位设备获得列车位置x和速度v，并通过车-地传输设备获得运行计划和线路信息。ATO的速度控制器嵌入在车载计算机中的控制算法中，将反馈信息v与预定位置的推荐速度进行比较以确定控制命令u，以便列车可以尽可能精确地跟踪推荐的速度曲线，见图2。

1.2 关键技术

高速铁路ATO是保证高速列车在多等级切换和复杂运行场景等条件下，列车高速平稳运行及一次精确控制(从运行速度最高350 km/h到0 km/h时列车停稳、停准)的核心，由于其具有运行环境复杂等特点，地铁、城际铁路中常用的PID、模糊逻辑控制、神经网络控制、迭代学习控制等传统方法[1]难以适用，需要提高其自适应性与自学习特性。曲线优化、准点控制和跟踪控制是需要解决的关键技术。

(1) 曲线优化

推荐速度曲线(或列车轨迹)优化通常被抽象为基于式( 1 )的最优控制问题[2]。

( 1 )

式中：F、B分别为控制变量加速力、制动力。

目标函数为在给定运行时间、乘坐舒适性、转换频率或在这些指标之间的平衡下的列车能耗。因此，限定运行时间下列车从车站i到车站i+1的列车节能曲线优化目标函数为

( 2 )

曲线优化的技术难点主要集中在，应用极大值原理、近似动态规划等方法在相应的约束下对上述目标进行优化。优化过程中，还需考虑舒适度约束、准时性约束、限速约束、控制变量限制等。

(2) 准点控制

高速铁路站间距离较长、运行扰动成因复杂控制站间运行时间困难，需要设计一种闭环机制用以控制列车运行时间的偏差。因此，需要建立高精度列车牵引计算模型以保证控制的准确性，同时可以建立基于检查点的准时运行控制方案，通过在预定点处对准点目标的检查实现闭环控制以保证列车准点率[3]。

( 3 )

式中:tsi、vsi分别为列车在si处的实际时间和运行速度；Ti为计划时间；Vi为计划运行速度。

(3) 跟踪控制

区间运行常用基于多目标寻优的智能化区间运行策略选择算法进行研究。区间运行策略的选择，实质是复杂输入条件下多目标寻优的最优控制问题，其核心是在列车安全、正点、节能、舒适等多重目标下，寻求最优的区间运行方法[4]。基于高速列车实际位置与速度的检测与反馈，通过定义实时位置误差ep=p-pd和速度误差ev=v-vd，将高速铁路ATO控制问题转化成一类误差镇定问题。其中，p、v、pd、vd分别代表列车位置、速度、目标位置、目标速度。

2 高速铁路智能调度指挥(CTC)

2.1 系统原理与主要功能

高速铁路调度可分为战略层、战术层和操作层三个层次，见图3，包括运行计划制定和运行计划调整两个方面。对比既有调度与智能调度，智能CTC是从“人工经验型被动反应”向“科学高效主动调控”转变，其目的是为了“一日一图”和“优化调整”，在运输资源和约束动态变化时快捷编制运行图，在发生突发事件造成行车秩序紊乱时尽快恢复行车秩序。具体表现为在战略层和战术层，从开行方案和运行图的分层分布迭代转变为“开行方案-运行图”动态一体化编制；在操作层从凭人工经验调度为主变化为数据驱动的预测性智能调度，通过资源的优化配置和应急处置能力的提升，以支撑我国建设“智能高铁”之智能运输的需求[5]。

智能高铁调度集中(CTC)系统以现有CTC系统为基础，不改变现有CTC系统架构，以实现阶段计划自动调整功能为核心，兼顾异构信息共享和智能安全控制功能，优化完善现有CTC系统，系统框架见图4。

相对原CTC系统，智能CTC系统在列车运行计划智能调整、列车进路和命令安全卡控和行车信息数据平台信息共享等方面进一步优化和完善，其主要功能包含以下三个方面。

(1) 列车运行计划智能调整。在风雨雪等恶劣天气或设备故障等应急情况下，利用列车交路、最小折返时间和到发线运用等关键信息数据库，并遵循不改变列车运行先后顺序和停靠站点的基础策略，建立与限速关联的晚点车次、总晚点时间、到发线运用等综合列车运行计划智能调整策略，实现列车运行计划的智能和快速调整，以提高调度员应急处置效率；同时通过建立列车计划调整专家知识库，对不同因素造成的晚点和调整方案进行归类，实现调整案例和经验的累积，解决调度员对应急方案学习和调整方案进一步优化的问题。

(2) 列车进路和命令安全智能卡控。融合CTC相关行车和信号逻辑关系，拓展自律卡控条件，提高行车安全性。智能卡控内容包括：进路道岔一键单锁和解锁，实现对重点列车进路的重点智能盯控；卡控不一致的调度计划与执行路径，防止调度员阶段计划中的人为错误；有效卡控分路不良道岔的未单锁操作等。

(3) 行车信息大数据平台。将CTC系统与铁路运输信息集成平台深度结合，实现CTC与客运、供电、施工、防灾等多专业信息互联和实时共享，提供应急处置流程、列车运行综合展示、客票(旅客人数、座席)信息和司乘信息展示、线路停送电的自动化卡控、施工命令符号自动上图和防灾限速信息自动提取等功能。

2.2 关键技术

列车运行计划的智能调整通常使用线性规划模型、混合整数规划模型、约束规划模型、交互图模型、模糊Petri网和专家系统模型、离散事件模型和仿真模型[6-10]等进行分析，并结合机器学习、深度学习和增强学习等人工智能理论方法。列车运行计划的智能调整涉及时刻表调整、动车组调度和乘务计划调度三个方面。

(1) 时刻表调整

在给定计划运行图以及当前列车运行状态和干扰相关信息等基础上，首先对列车运行图进行调整，通过分析干扰影响后偏离原定运行计划的列车，尽可能少调整计划列车运行图。其特点是在极少情况下需要局部调整相邻列车的顺序，不需要对列车进行大规模的调整，使受干扰影响的列车尽快地恢复正常运行。时刻表调整问题通常采用车间调度作业模型描述为[11]

min(tn-t0)

( 4 )

式中:t0,…,tn是操作0,…,n的开始时间，其中操作0和操作n是假定操作，该模型的目标函数表示为所有操作所经过时间，通过最小化目标函数减小列车运行延迟。

(2) 动车组调度

由于干扰对列车运行的影响很大，动车组运行计划需要调整，并根据调整后的列车运行图，改变动车组的交路。其特点是运行图和动车组之间需要一个反馈调整的过程，即先调整运行图，在此基础上调整动车组运用计划，动车组调整和运行图调整密不可分，它们之间的反馈调整使列车运行调整问题更加复杂，却能使调整后的列车运行方案更加切实可行。动车组调度问题可以用描述为多商品流图模型表示，其中节点对应于特定时刻的站点，节点之间的弧表示为必须按照时刻表执行的过程[12]。

(3) 乘务计划调度

乘务组包括动车司机和列车乘务员，仅在有动车交路计划发生变化时才需要调整，其调整目标为乘务组的值乘时间、取消运行的列车数量以及各乘务组的工作量。乘务计划调度可以表述为一个扩展集覆盖问题，因为计划阶段乘务人员的任务与计划阶段的任务类似，所以在调度时需要考虑计划阶段的任务[13]。

3 高速铁路智能运维

3.1 系统原理与主要功能

基于电务大数据的智能运维系统按照铁路局和铁路总公司两级部署进行架构设计，采用统一的技术架构、技术标准、分析与计算框架。系统遵循“平台+应用”模式，平台应用铁路一体化信息集成平台中的铁路数据服务平台[14]，信号各子系统数据经过汇聚与融合后统一存入到平台中，在平台之上开发电务运维的智能化应用模块。高速铁路智能运维系统采用电务监测、检测和作业管理等信息系统产生的海量结构化和非结构化数据。高速铁路智能运维系统架构见图5。

高速铁路智能运维系统总体分为三个部分：数据汇聚与融合、数据服务与数据应用。

(1) 数据汇聚与融合。系统将信号集中监测等系统产生的动态信息以及信号技术设备履历管理系统产生的静态信息统一汇聚，并将各系统产生的多种类型的、独立的、松耦合的、语义不一致的数据进行集成融合，通过数据的抽取、净化、转化、加载过程，从物理和逻辑层面构成一个集成的数据集合，为后续的数据服务和应用打下基础。

(2) 数据服务。数据汇聚与融合完成后，统一送至数据服务平台。数据服务平台作为铁路一体化信息集成平台的重要组成部分，是中国铁路总公司及各铁路局进行数据集中管理、数据分析和数据共享的基础，为大数据应用提供数据交换与分析支持。

(3) 数据应用。运用数据服务平台提供的分析和挖掘工具，对电务大数据进行深度挖掘和分析；综合分析数据服务平台中各信号系统数据，为各类电务人员提供智能化的应用。主要包括设备综合监测、设备全寿命周期管理、设备智能诊断、设备健康管理与故障预测、应急指挥、智能化作业等。

基于数据服务平台，通常采用大数据分析与因果逻辑分析两种方法对电务大数据进行深入挖掘和分析，实现电务智能化应用，包括如下主要功能。

(1) 设备综合监测。系统通过数据服务平台实时监视各信号设备的工作状态，并集中显示各信号设备状态、业务和管理信息。系统通过对车载和地面信号设备技术状态的联动分析，实现车地闭环监测。系统通过GIS地图实时显示各信号设备及作业人员的地理位置，可以快速实现应急指挥及任务工单自动下发。

(2) 设备全寿命周期管理。系统利用数据服务平台上各信号系统的全量动静态信息，实现对电务设备的全寿命周期管理。系统赋予每个设备、板件唯一身份标识码，对其出厂—运行—维修—中修—大修—更改—报废的整个过程进行追踪，并结合预报警、故障等动态信息，对其全寿命周期内运行用情况进行分析，保证设备健康、高效、低成本的运行。

(3) 智能诊断分析。采用综合分析法，对存在内在联系的信息进行持续跟踪分析，智能比对关键数据的一致性，智能分析逻辑的正确性，及时发现信号设备异常状态。采用大数据分析法，在大量数据里发现有价值数据，实现设备隐患提前发现、设备故障精确定位。

(4) 设备健康管理与故障预测。依托数据服务平台的数据优势，实现信号设备的健康管理和动态养护，当设备即将达到维修周期或出现劣化趋势时，及时预警提醒维护人员进行维护系统以日常的健康日志、年度体检、寿命评估、年状态分析等方式开展健康管理，对设备的健康状况进行评估；系统以铁路局为单位，以各信号设备监测检测及维修信息为对象，采用可视化分析、数据挖掘算法、预测分析等大数据分析方法，进行数据分析，并综合运用基于物理失效、数据驱动以及基于两者融合的故障预测技术进行故障预测。

(5) 应急指挥。在出现应急情况时，系统根据智能诊断分析的结果快速定位故障点或范围，综合协同现场人员、应急车辆、备品备件、技术资料、技术专家等资源，通过电子地图、卫星地图、单兵视频等直观的方式实现对应急情况的可视化指挥调度，并通过智能化作业卡控流程实现指挥调度工单的自动下发。

(6) 作业流程智能化卡控。依托数据服务平台的电务生产指挥及设备智能诊断分析信息，实现作业流程的智能化卡控。根据电务生产指挥系统的计划及设备诊断结果，系统自动生成生产计划，并按照作业流程自动派发工单，作业工单可以自动同步到作业人员手持终端；通过作业过程中汇聚到数据服务平台的设备监测及人员作业信息，实现对作业过程的智能化监控；通过对作业后相关设备技术状态的分析，实现对作业效果的智能评估。

3.2 关键技术

智能运维需要对长期、海量、异构历史数据(如电务设备监测数据、图片、维修文本记录、设备台账等)进行有效存储、检索、故障模式挖掘和劣化趋势分析。传统的基于计算机和关系数据库存储和处理技术难于适应这种需求，随着大数据和云计算等技术的发展，重点研究基于大数据和云计算的电务设备健康管理和故障预测技术，实现电务设备超前预防，提前发现并有效化解系统源头风险。

(1) 多源异构数据融合技术

电务运维数据包括集中监测系统采集的结构化时间序列数据，图像监控、列控司法记录仪等半结构化数据，以及记录日志等非结构化文本数据，不能有效实现知识的共享和互操作，这将影响高速铁路的智能运营维护决策和行车效率。多源异构信息融合技术和方法，可以实现结构化、半结构化和非结构化多源异构数据的融合互补，形成一致性、综合性电务维护数据[15-16]。

(2) 基于大数据和云计算的智能诊断技术

利用主题模型(Latent Dirichlet Allocation，LDA)中主题词项分布和文档主题分布进行文本挖掘[17]，采用基于大数据和云计算的智能诊断技术，实现海量(TB甚至PB级)、异构数据(电务设备监测数据、图片、维修文本记录、设备台账等)的云存储，电务设备多维运行状态和监测数据的检索、综合集成和可视化，电务设备故障诊断与精确定位。

(3) 故障预测技术

利用隐马尔科夫模型(Hidden Markov Model，HMM)方法，融合压力、电流、电压等监测数据，通过建立基于状态的简单预测(Simple State-Based Prognostic，SSBP)模型，实现道岔设备的故障预测[18]；利用时间延时神经网络、自回归滑动平均模型，实现道岔设备的故障预测[19]；通过建立基于模糊神经网络(Fuzzy Neural Network，FNN)的轨道电路故障诊断与预测模型，研究轨道电路故障预测，实现轨道电路故障预测与健康管理[20]。

4 高速铁路信号系统智能技术发展趋势

智能高铁的研究和应用刚刚起步，伴随着计算机技术、人工智能技术和现代通信技术的快速发展，高速铁路信号系统的智能化拥有很大发展空间。

(1) 多层域状态智能感知

轨道交通自动化等级的进一步提高和高速列车自动驾驶的发展等，需要运用列车运行周界检测与入侵物智能感知技术和识别技术，实现对轨道交通运载工具、运行环境、运行周界等进行全天候、全场景、跨区间、多层域的状态实时感知，除了在列车上增加智能感知设备外，在铁路沿线也要增加智能感知设备，并将感知状态实时传输给列车，实现车、地相结合的智能感知。

未来高速铁路信号系统可对车、电、机和环境的状态进行数据收集和融合，见图6。通过M-M网络实现设备间信息传输，利用全感知信息的障碍物状态输入，实现高精度、高安全的列车移动闭塞控制。

(2) 车-车通信

目前在用的列车运行控制系统都是以“地面设备为中心”，各个列车将自身的状态信息汇集到地面中心设备，然后由地面设备再向相关列车发送，造成追踪列车(后车)对前方列车的运行状态信息获取不及时。随着通信技术的不断发展，车-车通信(Vehicle to Vehicle)技术变为可能，见图7，使得传统的线性通信变为了三角通信的网络。前车可通过车-车通信的通道直接将位置、状态等安全相关信息发送至后行列车，使后行列车增加了获取前车位置的渠道，综合地面设备的信息，增强主动防护的能力。

通过实现列车间的直接通信，实时获取前车的位置信息、速度信息和运行状态信息(牵引或者制动)等信息，提高列车控制的反应能力，为列车智能驾驶提供及时、全面的信息。

(3) 智能驾驶

研究发展高速铁路移动闭塞技术和更高自动化程度(GoA3/GoA4级)的列车自动驾驶技术，进一步提高运能、降低能耗，进一步提高列车操纵自动化水平、减轻司机劳动强度、优化旅客旅行体验。

未来高速铁路信号系统实现列车智能驾驶，能够实现设备替代司机智能化地驾驶列车，使列车平稳地加速至行驶速度，自动调整车速，并使列车平稳地停在车站的正确位置。智能驾驶系统与地面调度控制系统直接通信，实现监督、引导列车按预定的时刻表运行，保证系统的稳定性。智能驾驶系统的基本结构见图8。

通过列车智能系统部分或完全替代驾驶员，实现对列车速度更安全、高效、舒适、节能的控制，实现单体列车的最优化控制。

(4) 智能调度控制一体化

运用先进的感知、传输、控制方法和技术，利用实时状态反馈、精细抗扰控制和列车智能分群调度的思想，深度融合调度指挥和运行控制，研究突发事件的基于数据驱动的高速铁路列车群协同控制与动态调度理论、深度融合调度指挥和列车运行控制的技术，实现具有“快(实时)、智(智能)、协(协同)、稳(稳定)”特色的智能调度与列车运行优化控制一体化，从而实现路网整体运行效率全局最优化控制，全面提升及时应对突发事件能力。实现控制调度智能、扁平、全局化的控制调度一体化理念见图9。

(5) 智能维护

随着传感技术、大数据处理、人工智能、深度学习和云计算技术的不断成熟和实践，可以在对信号系统进行全面数字化、信息化和智能化的基础上，通过海量数据挖据、机器自学习和数据关系建模等方法，完善和开发监测监控系统的故障精准定位技术、故障处理的向导技术，同时通过监测数据与生产维修调度指挥流程和业务的有机结合和联动，健全信号系统健康管理PHM体系，在预防性维修和综合维护方面发挥更加积极有效的作用。

5 结束语

智能、绿色是人类社会发展的必然趋势，鉴于高速铁路天然的环保特征，智能高铁必将在第四次工业革命中占据重要地位。2035年中国将率先建成发达完善的以高速铁路为骨干的现代化铁路网，为实现社会主义现代化强国提供强大运输保障，进而使中国铁路成为社会主义现代化强国的重要标志和组成部分。高速铁路将向基于智能感知和车-车通信的移动闭塞，以及全系统、全过程智能化和高度自动化方向发展，高速铁路将会更加安全、更加高效、更加舒适、更加环保，在交通强国建设中独树一帜，并引领世界高速铁路的发展。