基于多智能体的编组站工作组织仿真研究

Simulation Research on Railway Marshalling Yard Operation Organizations Based on Multi-agent Technology

摘要

编组站工作组织是铁路货物运输关键环节，为提升编组站运营效率，加快货物周转，本研究提出了基于多智能体技术的编组站工作组织仿真模型。结合多智能体仿真技术与编组站工作组织内容，分别设计本务机车、调机、车辆和列车智能体以及其智能呼叫机制、动态进路选择与调度机制以及智能体转换功能，从环境建模和行为建模2个维度构建了编组站智能体仿真模型，实现到达解体列车、自编始发列车和无改编中转列车的作业模拟，并能有效满足编发线列车出发功能以及移动单元的动态进路选择与调度机制，使得仿真模型更贴合编组站的实际工作。最后，通过对实际的单向混合式二级三场编组站进行实例分析，不仅验证了仿真模型及动态进路选择与调度机制的有效性，而且通过实验分析了解编顺序与小运转列车占比对编组站运行效率的影响。结果表明多智能体仿真技术能有效进行编组站工作组织仿真，该仿真模型对于指导编组站工作效率的提升具有重要意义。

Abstract

Marshalling yard operation organizations play a key role in railway freight transportation. To improve the operation efficiency of marshalling yards and speed up the turnover of freight, a simulation model of marshalling yard operation organizations based on multi-agent technology was developed. Combining multi-agent technology and the content of marshalling yard operation organizations, this paper designed the train locomotive, engineering, railcar, train agents and their intelligent calling mechanism, dynamic routing selections, scheduling mechanisms, and the agent transformation function. The agent simulation model of the marshalling yard was constructed from two dimensions of environment modeling and behavior modeling, to realize the operation simulation of inbound disassembled trains, self-marshalled originating trains, and transit trains without reformation, and the dynamic route selection and scheduling mechanism of the moving unit. This way, the simulation model would be more suitable for the pragmatic operation of marshalling yards. Finally, the efficacy of the simulation model, dynamic route selection, and scheduling mechanism was validated through a practical example analysis of a unidirectional hybrid 2-level 3-yard marshalling yard. Moreover, the effect of the disassembly and assembly sequence and the proportion of district transfer trains on the operation efficiency of the marshalling yard was analyzed through experiments. The results illustrate that multi-agent technology can effectively simulate marshalling yard operation organizations, and the simulation model is of great significance for guiding the improvement of the operation efficiency of the marshalling yard.

Graphical abstract

关键词

铁路货运 / 编组站仿真 / 多智能体技术 / 进路选择 / 解编顺序

Key words

Rail Freight / Marshalling Yard Simulation / Multi-agent Technology / Route Selection / Decoupling Sequence

0　引言

铁路运输作为货运市场的主要支柱，承担着大量的物资流通任务^[1]。然而，货物在整个铁路运输过程中，有2/3的时间被消耗在编组站内部作业中^[2]，因而，加强编组站作业管理对于提升铁路货物运输组织效率和服务水平有着重要意义。

由于编组站工作复杂，涉及移动资源和固定设备较多，因此编组站工作组织仿真技术在铁路行业内得到了广泛的关注。通过模拟编组站的工作流程，可以有效地分析和评估各种操作方案的效果，从而指导实际操作，提高编组站的管理水平和运营效率。在国外，Lin等^[3]提出了一种铁路编组站离散仿真框架，应用于美国诺福克南方铁路公司的主要编组站中，用于查明站内操作瓶颈，以提升工作效率。另一方面，Dick^[4]利用离散仿真软件YardSYM对美国最大的芝加哥编组站的主要作业流程进行了模拟，研究了入站列车数量的变化对编组站运营效率的影响。在此基础上，Zhao等^[5]利用Anylogic软件中的离散仿真板块对三级三场编组站进行了仿真，分析了调车线有效长对编组站运行性能的影响。在国内，杨运泽^[6]利用Anylogic软件中的离散仿真板块对丰台西站主要作业流程进行仿真，并预测不同车流情况下的车辆停时。然而，由于编组站涉及列车、机车和调机等众多资源移动，还需要综合考虑车站轨道布置、信号-联锁-闭塞系统影响，保证无冲突地运行。正是因为这种复杂性和多变性，智能体仿真越来越多被运用于编组站仿真中。例如，陈刚等^[7]分析了编组站工作组织，基于智能体技术开发了编组站运营仿真系统软件，对编组站内的部分技术作业进行了模拟。孙冲等^[8]利用离散仿真技术控制编组站列车的到达与解体，用智能体技术控制站内移动单元的走行，构建了大连金州编组站到解系统仿真模型。陈鹏^[9]利用智能体技术，通过物理与逻辑建模，并结合禁忌搜索算法，实现编组站阶段计划的优化。

综上，国外学者主要使用离散仿真技术来评估铁路编组站的运营效率，但这种方法往往忽略了移动单元的决策机制和资源交互。国内学者引入智能体仿真技术，但研究通常不足以应对编组站的动态变化。本研究在文献[9]的基础上，融合多智能体技术，增加了动态路径选择、调度机制和智能决策机制，并引入编发线功能，使模型更符合实际工作流程，提高了编组站的运营效率和灵活性，为编组站提供了决策支持，有助于提升铁路货运的时效性。

1　编组站工作组织智能体

智能体(Agent)是指能够自主进行行动的决策个体，具有自主性、能动性和社会性等特点^[10-11]，随着计算机技术的不断发展，单智能体演变为多智能体系统(Multi-Agent System，MAS)，通过设计不同类型和功能的智能体，来满足复杂任务的分工需求，以解决单个智能体无法刻画复杂系统的问题^[12]。

编组站工作组织的核心在于满足自编始发列车、到达解体列车和无改编中转列车的作业需求，实现不同方向的车流接续。为提高其作业效率，编组站仿真还需要满足阶段作业计划中到发线运用、调车机车运用和编组内容确定等功能。这都需要列车、本务机车、驼峰调机和峰尾调机之间的相互配合。因此，设计了本务机车、调机、列车和车辆4类智能体，同时明确了智能体决策内容，编组站作业智能体构成与决策如图1所示。

列车智能体主要实现的是列车到发作业，本务机车智能体主要实现本务机车出入段的功能，调机智能体具体分为驼峰调机和峰尾调机，以实现列车解体和列车编组等功能。车辆智能体则负责为列车解体时溜放至不同调车线，以及满足集结条件后，对峰尾调机和本务机车的呼叫。

针对智能体的决策内容，智能呼叫机制是区别于离散仿真技术，允许智能体根据实时状态灵活响应作业需求，如调机智能体接到满编车列的呼叫后，会综合自身状态和作业计划智能决策以响应连挂请求。动态进路选择机制使智能体能根据当前情况选择无冲突路径完成作业任务，此机制具体内容将在下文进行详细阐述。智能体相互转换机制则根据作业需求，允许智能体转换类型以保持作业流程的连续性，如集结的车辆智能体转为列车智能体进行编组作业。

2　编组站工作组织多智能体仿真方法

利用多智能体技术进行系统仿真建模一般包含环境建模和行为建模2个部分。环境建模是指构建一个能够精确反映智能体所处环境的模型，包括环境的布局以及智能体与环境互动所带来的动态变化。行为建模则关注于智能体之间以及智能体与环境之间的交互方式。

2.1　环境建模

环境建模是通过精确构建车站的股道及其设施的拓扑关系，包括各种线路和设备，来满足车站信号联锁设备的需求。这一过程涉及导入站场设计图纸以构造轨道网络的点弧结构，并将其与轨道、道岔、信号机等元素信息匹配，从而实现仿真中智能体环境的准确模拟，包括进路排列、接发车、调机进路办理以及道岔和进路的锁闭与解锁功能。

2.2　行为建模

铁路编组站仿真模型的行为建模主要是通过智能体之间的交互作用，以及它们与智能体环境的互动，实现对编组站作业流程的仿真。本研究选择了在智能体仿真领域得到广泛应用的Anylogic仿真平台来构建仿真模型^[13]，行为建模智能体控件功能及属性如表1所示。

2.3　编组站工作组织整体仿真流程

通过环境建模与行为建模的分析，构建了编组站工作组织的整体仿真流程，仿真建模整体流程如图2所示。

图2展示了整个仿真流程，其中调机在预热阶段生成，列车则根据时钟和时刻表触发生成。机车智能体在机务段生成。列车、机车和调机智能体根据作业与区域关系确定作业内容。动态进路选择与调度机制负责路径决策和冲突解决。智能体完成走行后，通过智能呼叫机制和智能体转换，实现作业内容并推动后续作业环节。3种决策机制在仿真中的应用如下。

2.3.1　动态进路选择与调度机制

动态进路选择与调度机制旨在实现智能体在站内基本进路与变更进路的找寻及无冲突运行。首先，根据不同种类列车和机车的具体作业，智能体可以识别相应的作业区域。继而，考虑到站内轨道的实时占用状况，由进路选择与调度算法来让智能体基于车站的基本进路与变更进路来确定在模型中的走行路径，以减少智能体走行过程中的潜在冲突。

（1）作业区域选择：在本仿真模型中，编组站作业被分类并分配有明确的起始和终点区域，以提供多条路径供智能体进行高效规划。但某些作业可能需要通过机待线折返或途经到达场(出发场)才能连接起点和终点，因此需要增加途经区域。智能体会根据作业类型确定起点和终点。例如，车辆集结作业中，智能体从驼峰区域出发，目标是调车场和编发场；而在峰尾调机牵引车列转场作业中，智能体从调车场出发，经机待线折返后，再前往出发场。作业与区域之间的具体关系如表2所示。

（2）基于冲突判断的进路选择与调度：作业进路选择与调度考虑到编组站区域之间的连接关系，确保智能体能够从一个区域移动到另一个。对于无须增设途经区域的作业，将直接规划其进路。而对于需要增设途经区域的作业，则分步规划起点到途经区域及途经区域到终点的进路，以形成完整路径。这种方法选择通过区域节点连接，而非直接的进路连接，是为了利用区域间可能的平行进路，实现多个作业的并行运行。区域与平行路径连接关系如图3所示。

在该拓扑结构中，当智能体选择的区域节点之间的进路被占用，则可以继续选择在平行进路中进行进路搜索。若所有的平行进路都被占用，则继续等待，直至存在空闲的进路。进路选择与调度算法如图4所示。进路的占用和释放则是与“Train Move To”控件挂钩，进路设定后就会锁闭的轨道和道岔，当作业完成后根据释放规则，解除封锁并恢复到未占用状态。

2.3.2　到达解体列车仿真流程

编组站到达解体列车作业流程包括列车到达、本务机车解挂与入机务段、驼峰调机连挂及推峰解体。

（1）列车到达。在仿真模型中，按照阶段计划的到发时间和编组内容，由仿真时钟来驱动“Train Source”控件生成到达列车。接着，基于算法1的动态进路选择与调度机制设定列车的走行路径，并将对应的移动路径锁闭防止其他作业使用，由“Train Move To”控件将列车智能体移动至到达场轨道。列车到达后由“Delay”控件设置列车技术作业时间。若存在到达列车到达导致的作业冲突时，“Queue”控件则负责排队控制，等待无冲突后列车再进行走行。

（2）本务机车解挂与入机务段。在到达列车接入到达场轨道后，由“Train Decouple”控件将列车智能体解体转换为本务机车智能体和多车辆智能体组成的车列，然后本务机车智能体将通过“Train Move To”和“Train Dispose”控件执行入机务段操作。

（3）驼峰调机连挂及车列解体。当到达列车的本务机车解挂之后，待解车列会使用智能呼叫机制对机待线上的调机进行呼叫，可根据阶段作业计划或者根据当前驼峰调机工作状态动态选择驼峰调机，通过“Train Couple”控件进行连挂。当调机把车列推峰至驼峰后，“Train Couple”控件将会把由车辆智能体组成的车列，根据调车线和编发线的去向属性，分别将车辆智能体移动到其归属的轨道。

2.3.3　自编始发列车仿真流程

编组站自编始发列车仿真流程包括车辆集结、峰尾调机连挂、车列转场及峰尾调机解挂和本务机车连挂及列车出发。需要说明的是，考虑到现场作业中编发线使用的需求，本模型还实现了编发线功能，让部分列车直接从编发线上出发。

（1）车辆集结。通过“Train Couple”控件控制调车线和编发线上已经集结的车辆与后续溜放的车辆连挂。“Select Output”控件用来判断调车线和编发线上集结的车辆是否满足出发要求，若满足编组要求，则呼叫峰尾调机连挂。

（2）峰尾调机连挂。车辆智能体运用智能呼叫机制，根据阶段计划或者当前机待线上的峰尾调机工作状态，动态选择调机进行连挂，被选中峰尾调机按照动态进路选择与调度机制移动至对应调车线通过“Train Couple”控件进行连挂。

（3）车列转场及峰尾调机解挂。在峰尾调机与满编车列成功连挂后，运用动态进路选择与调度机制结合“Train Move To”控件选取无冲突的转场走行路径。转场完成后，峰尾调机将通过“Train Decouple”控件与车列解挂。峰尾调机返回机待线，等待下一次的呼叫命令。

（4）本务机车连挂及列车出发。待发车列在出发场将运用智能呼叫机制，运用“Train Source”控件生成对应本务机车，并通过“Train Move To”控件走行至指定的出发轨道。到达后，“Train Couple”被执行以完成连挂作业，此时车辆智能体与机车智能体合并为列车智能体。最后根据阶段计划列车发车。

（5）编发线出发作业。当编发场内的车列满足出发条件时，无须转场，直接运用智能呼叫机制呼叫本务机车，并运用“Delay”控件设置列车技术作业时间。同时，编发线的设置往往是为了考虑小运转列车以减少对编组站整体效率的影响。小运转列车的任务是辅助摘挂列车作业，以及加快空车和重车在中间站间的收集与运输，鉴于此特性，需要在仿真模型中满足小运转列车无须满轴出发和技检时间短等要求^[14]。所以，利用仿真模型中的“Delay”控件设置小运转列车较短的技检时间，使用智能呼叫机制来实现编发线上小运转列车对本务机车的呼叫，以满足小运转列车无严格的满轴出发要求。

需要说明的是，无改编中转货物列车作业过程包括列车到达、本务机车解挂与入段和本务机车连挂及列车出发，可根据上述环节组合而成，因此不再赘述。

3　实例分析

本研究通过分析一个单向混合式二级三场编组站来验证仿真模型的可行性。实验阶段计划包括14个车流去向和16条调车线，涉及12列到达列车(编号A1至A12)和11列出发列车(编号D1至D11)，到达列车信息如表3所示，出发列车信息如表4所示。在技术作业时间参数方面，设定到解列车、始发列车、无改编中转列车和小运转列车分别为35 min，33 min，41 min和15 min^[15]。使用Anylogic 8.1.0仿真平台在配备Inter(R) Core(TM) i5-10210U CPU和16 GB RAM的计算机上进行模拟，某二级三场编组站仿真效果图如图5所示。

3.1　动态进路选择与调度机制有效性验证

为验证动态进路选择与调度机制的有效性，根据表3和表4的到达和出发列车信息，设定了3组不同规模的仿真实验场景：第1组场景包括10列车(到发各5列)，第2组场景包括16列车(到发各8列)，第3组场景包括22列车(到发各11列)。3种场景下，与固定进路机制进行了对比分析，2种不同移动策略下的停时对比如表5所示。其中，固定进路机制是参考论文[6]，列车、机车和车辆的移动路径是预先设定，一旦出现冲突，该机制不会进行进路的调整或改变，而是等待冲突消除后再进行相应智能体的移动。

如表5所示，3种场景下采用动态路径选择与调度机制的列车停时都少于固定进路机制。当算例规模为10列车和16列车时，动态进路选择与调度机制分别节省了38.25 h和20.74 h的总停时。然而，当算例规模扩大到22列车时，节省的总停时减少了15.83 h。这是因为随着列车数量的增加，更多列车在到达场等待解体和在出发场等待出发，导致排队现象增加，以表5中的到达场和调车场为例，到达场减少的停时从13.99 h降至2.28 h，而在调车场上减少的停时从5.03 h增到了13.59 h。由此可见，所提出的动态路径选择与调度机制能有效地减少列车停时，对编组站工作的开展具有实际指导意义。

3.2　仿真运行及评价

（1）解编顺序仿真实验。本实验利用智能体的智能呼叫机制控制驼峰调机和峰尾调机的连挂顺序，来观察分析解编顺序改变对编组站运行效率的影响。在仿真模型中输入了表3和表4的数据，输出了固定解编顺序与动态调整后的解编顺序的车站技术作业，车站技术作业图如图6所示。

在图6a中，到达列车和始发列车按照先到先服务的顺序进行解编作业，图6b经过了智能呼叫机制对列车的解编顺序进行调整后，到达列车A2，A3，A5和A7的解体时刻被推迟，智能呼叫机制改变了驼峰调机的连挂次序。然而，始发列车D3，D7和D6的编组时间得以提前，这是因为智能呼叫机制调整了列车的编组顺序，使得一些列车能够更早地开始编组作业，从而提高了整体的编组效率。

（2）小运转列车仿真实验。编组站内设置编发线能更好地满足小运转列车作业需求，列车编发过程对驼峰解体影响更小，保证编组站头尾之间能力协调。本研究设定了3种不同的小运转列车数量，分别为7列、5列和3列，也就是占编发场出发方向列车的比例，分别为70%、50%和30%，输出了不同车流去向的车辆的停时，进行了对比实验。不同比例小运转列车的各个车流去向车辆的停时箱型图如图7所示。

从图7来看，随着小运转列车比例从30%提升到70%时，车辆停时的中位数、平均值、最大值和最小值都在下降。这种变化的主要原因在于，在编发线作业的小运转列车技术作业时间相比其他出发列车更短，因为对驼峰解体干扰较小，使得列车编发过程更加流畅和高效，从而有效缩短了车辆的停时。所以在设置编发线时，要考虑站内小运转列车数量的影响。

4　结束语

研究构建了一种基于多智能体的编组站工作组织仿真模型，实现了到达解体列车、自编始发列车和无改编中转列车的作业仿真。通过在实际的单向混合式二级三场进行实例验证，证实了该仿真模型的有效性。研究在仿真模型中设计了动态进路选择与调度机制，相较于固定进路机制，该机制在10列车的算例规模下最多能减少38.25 h的列车停时。研究利用智能体的呼叫机制对列车解编顺序进行了调整，分析了解编顺序的改变对编组站工作效率的影响。此外，通过对比实验，探讨了编发线小运转列车占比对编组站停时的影响。实验结果验证了多智能体仿真技术在编组站作业组织中的有效性。

为了进一步提高编组站作业组织的智能体仿真模型的可靠性，将在未来的研究中考虑与数学优化方法结合，实现编组站工作组织与阶段计划一体化分析，提高阶段计划编制的科学性，另外也可以考虑分析编组站内作业不确定性调度影响，保证编组站工作组织的可靠性和鲁棒性。

参考文献

[1] 赵永亮. 铁路编组站作业效率影响因素与对策[J]. 铁道运输与经济，2019，41(S1)：54-58，77.

[2] ZHAO Yangliang.A Study on the Influencing Factors and Countermeasures of Operation Efficiency of Railway Marshalling Yard[J]. Railway Transport and Economy, 2019, 41(S1)：54-58，77.

[3] LIN E， CHENG C. YardSim：A Rail Yard Simulation Framework and Its Implementation in a Major Railroad in the U.‍S[C]//Proceedings of the 2009 Winter Simulation Conference (WSC). December 13-16，2009，Austin，TX，USA. IEEE，2009：2532-2541.

[4] LIN E， CHENG C. Simulation and Analysis of Railroad Hump Yards in North America[C]//Proceedings of the 2011 Winter Simulation Conference (WSC). December 11-14，2011，Phoenix，AZ，USA. IEEE，2011：3710-3718.

[5] DICK C T. Influence of Mainline Schedule Flexibility and Volume Variability on Railway Classification Yard Performance[J]. Journal of Rail Transport Planning & Management，2021，20：100269.

[6] ZHAO J X， DICK C T. Quantifying the Impact of Classification Track Length Constraints on Railway Gravity Hump Marshalling Yard Performance with Anylogic Simulation[J]. International Journal of Computational Methods and Experimental Measurements，2022，10(4)：345-358.

[7] 杨运泽. 基于仿真的编组站阻抗函数构建和货车停留时间预测[D]. 北京：北京交通大学，2021.

[8] 陈　刚，张殿业，杨京帅. 铁路编组站运营仿真系统研究[J]. 铁道运输与经济，2005，27(5)：51-54.

[9] CHEN Gang， ZHANG Dianye， YANG Jingshuai. Research of Operation Simulation System for Marshalling Station[J]. Railway Transport and Economy，2005，27(5)：51-54.

[10] 孙　冲，沈关福，李季涛. 大连金州编组站解体能力影响因素仿真分析[J]. 大连交通大学学报，2014，35(S1)：5-7，12.

[11] SUN Chong， SHEN Guanfu， LI Jitao. A Simulation-Based Analysis of Influencing Factors of Disintegration Capacity in Jinzhou Marshaling Station[J]. Journal of Dalian Jiaotong University，2014，35(S1)：5-7，12.

[12] 陈　鹏. 铁路单向编组站配流问题的仿真优化方法研究[D]. 成都：西南交通大学，2022.

[13] 齐 欢，王小平. 系统建模与仿真[M]. 北京：清华大学出版社，2008.

[14] WOOLDRIDGE M， JENNINGS N R. Intelligent Agents：Theory and Practice[J]. The Knowledge Engineering Review，1995，10(2)：115-152.

[15] 何必胜，陈　鹏，张宏翔，等. 基于数字孪生的铁路客运站技术作业实时调度方法[J]. 系统仿真学报，2022，34(10)：2130-2141.

[16] HE Bisheng， CHEN Peng， ZHANG Hongxiang，et al. Real-Time Scheduling Method for Railway Passenger Station Operations Based on Digital Twin[J]. Journal of System Simulation，2022，34(10)：2130-2141.

[17] HE B S， CHEN P， D’‍ARIANO A，et al. A Microscopic Agent-Based Simulation for Real-Time Dispatching Problem of a Busy Railway Passenger Station[C]//2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC). September 20-23，2020，Rhodes，Greece. IEEE，2020：1-7.

[18] 贾新民. 铁路车务常用词典[M]. 北京：中国铁道出版社，2000.

[19] 彭其渊，王慈光. 铁路行车组织[M]. 北京：中国铁道出版社，2007.

基金资助

国家重点研发计划项目(2022YFB4300503)

四川省自然科学基金项目(2022NSFSC0465)

四川省自然科学基金项目(2022NSFSC0476)

四川省自然科学基金项目(2022NSFSC0397)

国家自然科学基金重点项目(52232011)

中国国家铁路集团有限公司科技研究开发计划课题(P2022X023)

中央高校基本科研业务费专项资金资助项目(2682024ZTPY037)

贵州省省级科技计划项目(黔科合支撑〔2023〕一般139)