基于深度强化学习的列车运行图冗余时间布局优化研究

作者：徐欣仪; 黄平^*; 文超; 彭其渊

来源：交通运输工程与信息学报, 2023, 21(03): 161-176.

DOI：10.19961/j.cnki.1672-4747.2023.01.011

• 铁路运输
• 冗余时间布局优化
• 深度强化学习
• 列车运行图
• 近端策略优化

为精细化布局冗余时间，提升运行图抗干扰能力，本文考虑多种列车最小间隔时间约束，提出了基于深度强化学习的列车运行图停站-区间冗余时间联合优化模型。首先，基于武广高速铁路列车运行实绩，研究冗余时间作用特点及布局影响因素。其次，基于决策树回归算法构建环境模型，预测不同冗余时间下的列车晚点恢复效率；基于马尔可夫决策过程中的循环反馈结构，构建后验晚点时空分布学习闭环；基于Proximal Policy Optimization算法构建智能体。最后，进行实例验证，结果表明：（1）相比于线性优化结构，基于循环反馈优化结构的模型具有更准确的后验晚点时长估计精度，平均提升约11.8%;(2)本文模型收敛稳定，平均提升列车晚点恢复效率约14.87%，最高约45.17%。

• 单位
  西南交通大学