高速铁路动车组集群运行 仿真技术研究

0 引言

随着我国高速铁路营业里程的快速增长，高速铁路列车显现出运行速度高、车型种类多、运营密度大、行车组织复杂、调度指挥难度高等特点，为与既有铁路接轨，高速铁路往往穿越或共享既有线站场和枢纽，且出现高速铁路高、中速列车共线运行、多类行车闭塞方式和列控方式共存的情况，高速铁路运营场景和外部环境极为复杂，能否对高速铁路动车组集群运行状态进行动态仿真变得愈发重要，其表现在不仅可以在线路尚处于设计阶段时，通过仿真计算可以确定线路参数，进而判断选线设计是否合理；还可以通过仿真平台分析车站通过能力并确定到发线数量能否满足行车要求；同时在铺画运行图时亦可以通过仿真检算列车开行方案是否合理。为了能更好地在高速铁路规划、设计与改造、运行图的优化等方面提供决策支持，针对高速铁路路网条件下动车组集群运行进行仿真平台的搭建具有重要意义。

国内外机构与学者在此领域均进行了较为深入的研究，苏黎世的瑞士联邦研究所开发的OpenTrack仿真系统[1]与德国汉诺威的莱布尼茨综合大学开发的RailSys仿真系统功能全面具体，适用性较强，但其关键参数未公开，与我国实际路情不一致，且路网铺画繁琐，应对大型路网实例仿真时工作量较大；白鑫[2]采用时间驱动机制描述行车仿真工作流程并依此计算了京沪高速铁路曲阜东—滕州东区段列车最小追踪间隔时间；唐金金等[3]针对高速列车仿真与普速列车的区别进行了分析；杨肇夏等[4]对早期国外仿真系统的进展进行了分析，指出我国仿真系统开发需要注意的关键问题；安迪[5]从仿真角度开展时速400 km高速铁路列车追踪间隔仿真研究；王晗[6]以高速列车运行电气仿真软件为对象实现对列车牵引制动性能设计、牵引传动系统容量设计及运行时分仿真；李望等[7]将时间参数引入谓词变迁系统中，实现了对列车等仿真个体的状态跟踪；鲁工圆等[8]采用Petri网描述了列车的到发作业过程并在此基础上构建了车站到发作业模型，以此为基础开发了编组站组织教学的仿真平台；段雯誉等[9]基于列车控制系统研究了高速铁路列车运行调度与控制流程,设计分散自律调度集中仿真系统；杨浩[10]建立了基于RTDS的高速铁路牵引供电系统建模与仿真模型，搭建了单线和复线牵引供电系统模型,进而模拟了牵引变电所的变压器故障和牵引网的短路故障。综上，虽然国外在列车运行仿真的研究和实用方面都较为成熟，但近年来我国铁路运输仿真的研究已经有了较大进展，不过仍主要集中于研究列控系统、牵引计算仿真等某一子系统，缺乏对列车运行整体系统的研究，对动车组集群的追踪运行仿真较少。

为了对高速铁路动车组集群运行过程进行仿真，首先通过动车组受力分析并匹配不同列控策略来实现动车组运动模型，再基于路网铺画功能实现路网拓扑结构可视化模块并匹配相应LKJ数据，最终通过多线程并发仿真算法设计，期望搭建一个兼备性能与效率的高速铁路路网条件下动车组集群运行仿真平台。

1 高速铁路动车组运行模型构建

高速铁路列车群运行仿真平台涉及到列车牵引计算、列车列控计算、列车运动模型、路网铺画等一系列问题，属于铁路多学科多领域的交叉问题，拟据此4个维度搭建仿真平台。

1.1 列车牵引计算

动车组在运行过程中受力来源为重力M、牵引力F、阻力W以及制动力B。其中，重力M作为计算合力的基础，平台将动车组定员荷载质量存储于Json数据结构中；牵引力F方向与列车运动方向相同；阻力W方向与列车运动方向相反，由基本阻力、附加阻力构成；制动力B方向与列车运动方向相反，主要由模型列控模块实现。

牵引力由牵引特性曲线决定，根据不同动车组型号予以区分，是牵引计算的基础力学数据，并形成一对一关系，在仿真过程中需要提前录入并作为基础参数存储在Json数据结构中，CRH动车组牵引特性曲线如图1所示。

图1 CRH 动车组牵引特性曲线Fig.1 Traction characteristic curve of CRH EMU

由牵引力产生的列车加速度βF的计算公式为

式中：F为通过牵引特性曲线查询到的牵引力，kN；M为动车组定员荷载质量，t。

动车组运行过程所受到的总阻力等于基本阻力和附加阻力之和。基本阻力由轴承阻力、空气阻力、振动与冲击阻力等构成，是由列车动力学结构与机车出厂参数决定的，在仿真过程中根据不同的车体或加挂车列配置固定参数，用ωJ表示，按照ωJ=a+bv+cv2进行计算。

由基本阻力产生的列车减速度βJ的计算公式为

式中：M为动车组定员荷载质量，t；γ为动车组回转质量系数；a，b，c随具体动车组型号取值；v为列车即时速度，km/h。

附加阻力由曲线附加阻力、坡道附加阻力、隧道附加阻力(仿真过程中不予考虑)构成，是由列车进入曲线或坡道上运行比在直线上运行时额外增加的阻力决定，受机车车辆影响很小，主要决定于运行的线路条件，其中在曲线阶段主要由曲线半径决定，用ωR表示，在坡度阶段主要由列车运行处于坡道的千分数决定，用ωI表示。若用ωA表示附加阻力，计算公式为

由附加阻力产生的列车减速度用βA表示，计算公式为

式中：g为重力加速度，取9.81 m/s2；R为曲线半径，m；i为坡度值，上坡取正值，下坡取负值。

动车组运行时所受的阻力为基本阻力和附加阻力之和，其计算公式为

式中：W为动车组所受阻力之和，kN。

由总阻力产生的列车减速度用βW表示，计算公式为

1.2 列车列控计算

列控系统核心作用是根据不同的列控型号表现其控车策略，实现列车运行过程中制动力的计算，主要表现在制动性能曲线，制动性能曲线由速度与制动减速度共同组成，并形成一对一关系，在仿真过程中需要提前录入并作为基础参数存储在Json数据结构中，不同的列控厂家会对此最大常用制动减速度根据不同的策略进行优化，现行动车组列控厂家涵盖300H，300T，300C 3个系列2种策略。

300H列控系统采取的策略是采用打折查表法，即将每一段原始制动减速度同时乘以一个小于1的常数，即所谓的“打折”，并将打折之后的结果存储于若干张表格中，在列车运行过程中需要制动时，通过“查表”将其作为列车制动时的真实减速度，300H列控系统制动减速度对比如图2所示。

图2 300H列控系统制动减速度对比Fig.2 Comparison of braking deceleration of 300H train control system

300T，300C列控系统采取的策略是采用打折分段法，即先将每一段原始制动减速度同时乘以一个小于1的常数，即所谓的“打折”，而后按照相应原则将其分为若干个减速度区段，真实制动减速度值取落在该区段的最小值，最后形成的减速度曲线呈现出阶梯形态，即所谓的“分段”，300T列控系统制动减速度对比如图3所示。

图3 300T列控系统制动减速度对比Fig.2 Comparison of braking deceleration of 300T train control system

通过上述区别分类，最终可以通过列车即时速度v对比查询到当前制动力产生的制动减速度βB，原厂数据提前录入并作为基础参数存储在Json数据结构中，根据不同列控型号采用不同计算策略得到列车制动力为

式中：B为动车组受到的制动力，kN；βB为列控制动减速度，m/s2。

1.3 动车组运动模型

由于动车组在实际运行中是变加速运动，为了简化计算，在仿真过程中假设在Δt很小的一个时间范围内列车受力不变，仿真中令Δt= 0.2 s，不同阶段Δt时间内受力的斜率是不一样的，如果用0 ～ 1之间的某值来表示单位时间内受力的斜率，即所谓的受力“迫切程度”，根据列车运行3种状态，引入τT，τI，τB。

（1）τT为启动与牵引系数，其计算公式为

式中：Δv为当前即时速度与当前位置限速的差，km/h。

（2）τI为惰行系数，其计算公式为

（3）τB为制动系数，其计算公式为

式中：v0为当前即时速度，km/h；v1为下一个限速点速度，km/h。

动车组制动距离也分为空走距离Sk和有效制动距离Se，计算公式为

式中：tk为制动空走时间，s；vs为制动初速，km/h；ve为制动末速，km/h。

综上，通过搭建上述动力学模型，实现在仿真过程中计算出任一动车组的即时受力、速度、里程点，以及因前后车因素引发的制动所需距离，实现为多并发动车组集群仿真提供支撑。

1.4 路网铺画

平台路网铺画模块负责编辑在运行过程中所涉及的基础数据，包括道岔、信号机、转辙机、车站、轨道电路、分相、坡道、曲线等线路基础，此模块要实现将三维的物理层线路设备布局转换为二维的仿真展示布局，不仅为仿真展示模块提供数据基础，同时为列车运行仿真过程提供数据支撑，并通过属性配置实现对路网主要属性的动态调整与静态描述，基础设施数据结构框架如图4所示。

图4 基础设施数据结构框架Fig.4 Structural framework of infrastructure data

框架主要实现过程为将铁路局集团公司提供的LKJ数据(EXCEL表格式)转换为基础数据并储存在保存相应线路设备的Json文件与相应线路拓扑结构的XML文件中，并在路网铺画的过程中实现Json文件与XML文件的绑定，此时的数据信息从人工编辑信息转换为计算机可读信息，基础路网图构建完成后在其上层搭建信号层，用来描述信号机等与行车有关标志的具体位置及作用，路网铺画模块如图5所示。

图5 路网铺画模块Fig.5 Railway network module

2 实例分析

基于上述研究内容，利用编程软件完成高速铁路路网条件下动车组集群运行仿真平台搭建，并实现了LKJ数据抽取、路网铺画、时刻表编辑、动车组集群编辑、动车组运动过程动态展示及运行数据分析等模块。

2.1 基础数据

高速铁路动车组集群运行仿真平台能够仿真列车运行调度方式，分析车站、线路的通过能力，进行动车组运行计划合理性分析及优化和动车组特征曲线分析等功能。

平台拟采用京沪高速铁路(北京南—上海虹桥)北京南至枣庄段与胶济客运专线(济南西—青岛北)济南西至胶州北段实际LKJ数据，作为仿真平台数据基础，并将其录入Json数据集，主要包括线路数据、车站数据、股道数据、道岔数据、坡道数据、曲线数据、隧道数据、信号机和轨道电路数据以及车站接发列车经由股道和道岔数据，某铁路局集团公司管辖线路坡度数据表(部分)如表1所示，某铁路局集团公司管辖线路曲线数据表(部分)如表2所示。

表1 某铁路局集团公司管辖线路坡度数据表(部分)Tab.1 Slope data table of lines managed by a group company of China Railway (part)

表2 某铁路局集团公司管辖线路曲线数据表(部分)Tab.2 Curve data table of lines managed by a group company of China Railway (part)

平台以目标路网共计21个车站、3个线路所作为路网基础，在济南西—崔马庄—白马山区间实现路网节点及基础设置铺画，路网涉及车站进路信息、曲线信息、时刻表信息、动车组技术参数等动车组集群运行仿真基础数据如图6所示。

图6 动车组集群运行仿真基础数据Fig.6 Basic data for EMU cluster operation simulation

2.2 仿真过程

通过构建基于多并发仿真算法并以单一动车组提供业务逻辑为核心，其算法流程如下。

步骤1：路网数据初始化。此阶段确定线路闭塞分区类型、闭塞分区长度、闭塞分区轨道电路码序信息等基本数据，同时读取时刻表信息。

步骤2：入网阶段。此阶段从车站开始，首先系统判断入网时间是否合理，将该股道的占用状态变为已占用状态；通过计算信号机位置和股道停车位置与信号机的距离差值，计算并更新列车的停车位置，同时更新列车的速度以及列车所在线的线编号；通过索引值获取当前列车时刻表的数据，等待列车完成准备工作，更新列车的运行阶段为等待出发阶段。

步骤3：等待出发阶段。此阶段首先为时刻表中目标车次申请出站进路，保存车次以及进路信息，然后更新列车为进路正在申请状态；查找当前进路信息包含的信号机信息(道岔和信号机)，依次更改信号机的颜色为绿色，并读取所经过道岔的限速信息来限制列车的行驶速度，更新列车的运行阶段为列车出站阶段。

步骤4：列车出站阶段。此阶段表示列车从站内转区间运行状态；首先判断一离去信号机状态，查找时刻表进路信息，以下行出站进路为例，判断进路连接是否正常，直至下一个车站的进站信号机。当满足发车条件时，变更列车为通过区间阶段，列车进入区间。

步骤5：通过区间阶段。此阶段表示列车驶离车站一离去信号机至下一车站进站信号机之前区段运行状态，该阶段通过比较信号机位置与车次窗位置，将信号机颜色变为相应显示，用于后方列车判断闭塞区间的空闲状态。

步骤6：申请进路阶段(CTCS-2模式为进站信号机之前8个正段，CTCS-3模式为进站信号机之前32 km)。此阶段列车在区间运行仍采用通过区间阶段信号机颜色的变化方式表示行车状态，列车进站之后通过索引查找时刻表进路类型(到达、离开、通过)，更新列车的运行状态，针对不同的运行状态来获取信号机颜色以及限速情况。

步骤7：列车进站阶段或通过车站阶段。此阶段判断如果列车在该车站停车，跳转至步骤4。进站阶段需要计算列车速度位置和设备状态，通过列车速度及设备信息判断列车是否是终点站，如果不是终点站则更改列车为等待离开状态，继续查找时刻表信息，直到终点站跳转至步骤8，如果列车通过该车站，则更改列车状态为通过阶段跳转至步骤5。

步骤8：出网阶段。此阶段是申请移出路网进路阶段，等待一定时间后释放进路，将股道占用状态改为未占用，结束该列车的仿真过程。仿真列车运行底层逻辑流程如图7所示。

图7 仿真列车运行底层逻辑流程Fig.7 Logical flow for EMU cluster operation

以上述单一动车组线性仿真算法作为基础，构建多并发仿真算法，在每次仿真线程开始时进行判断，数据线程根据线程池容量对动车组集合中每一动车组按其位置进行分配，各计算子线程在接收到线路区段和动车组信息后，分别进行列控计算，同时更新当前所有线程的线路占用状态等信息。为保证数据同步性以及算法鲁棒性，需待数据线程接收到所有计算线程的处理结果后，再进行后续循环操作。

在高速铁路动车组集群运行路网基础数据处理完成之后，通过构建基于CRH系列300T，300H，300C多型号列控逻辑的牵引计算模型，结合多并发集群运行逻辑，利用路网铺画模块构建仿真目标路网多角度追踪场景，设置仿真开始时间、仿真结束时间和仿真倍速等参数，设计112对动车组及其相关停靠站策略，并匹配相应动车组技术参数与时刻表数据，进行动车组集群运行仿真，仿真数据列车与技术参数表(部分)如表3所示，仿真过程仿真牵引计算、列控计算与运动模型参数如表4所示，并依次作为计算列车牵引计算、列车列控计算与动车组运动模型计算的基础。

表4 仿真牵引计算、列控计算与运动模型参数Tab.4 Traction calculation, train control calculation, and motion model parameters during simulation

通过构建动车组运动模型，结合列车技术参数与时刻表数据，形成列车动力学牵引系数(τT)与制动系数(τB)动态调整波动曲线，列车运行过程中其运动模型系数变化动态调整波动曲线(局部)如图8所示。

图8 列车运行过程中其运动模型系数变化动态调整波动曲线(局部)Fig.8 Dynamical curve of motion model coefficient during EMU operation (part)

2.3 仿真结果

仿真结束后，每列动车组运行状态用速度-距离曲线来表述，随着列车行驶距离进行动态更新，该曲线除了对列车运行仿真过程实时监控之外，还可以准确判断列车因故障停车的准确里程与时间点，列车当前目标速度曲线图和限制速度曲线图可以对列车运行仿真速度情况进行监控，确保验证列车群运行仿真的合理，通过仿真得到的列车运行速度-里程曲线实时与限速仿真结果如图9所示。

图9 列车运行速度-里程曲线实时与限速仿真结果Fig.9 Real-time and speed limit simulation results of EMU speed and mileage curves

平台可依据列车仿真过程实现列车运行图实时铺画，检测整体时刻表编排合理性、路网结构合理性及对高速铁路动车组集群运营状态进行监测分析，目标区段下行运行图铺画如图10所示。

图10 目标区段下行运行图铺画Fig.10 Downlink operation diagram of target section

由列车运行当前目标速度曲线和实际速度曲线对比图、限速曲线和实际速度曲线对比图可知，在该仿真案例中列车仿真过程平稳合理，列车速度满足既定限速要求，同时也验证列控系统仿真、路网铺画、多并发仿真算法、运行图铺画等核心功能的正确和有效性。

3 结束语

基于多线程同步事件驱动耦合机制的动车组集群运行仿真，不仅可以通过微观动力学仿真，验证行车密度提高与通过能力提升条件，并通过验算牵引制动能力，确定高速动车组加速与减速性能，分析不同列车对运营的影响，选择最合理的列车和线路搭配，提升高速铁路服务水平；同时，也可以在宏观上辅助路网规划设计，优化线路设计，从成本效益和环境影响等方面对铁路运营质量进行评估。目前研究阶段可以根据铁路局集团公司提供的资料实现小型路网的搭建，希望后续可实现大型路网铺画与构建，增加能耗仿真策略，找到突发事件下列车运营调整策略与思路，提升仿真技术在我国铁路领域的应用范围，为改善列车运营服务水平提供更加有力的支撑。