面向列车运行组织的多分辨率铁路基础设施数据模型及应用

Multi-Resolution Railway Infrastructure Data Model and Application for Train Operation Organization

摘要

刻画铁路基础设施信息的数据文件是列车运行组织生产智能化的必要条件，也是开展相关研究的数据底座。铁路运输涉及要素众多，组织列车运行时天然地在不同层级、不同岗位、不同业务下需要同一事物不同分辨率的信息。为满足未来铁路列车运行组织各层级、岗位、业务轴面协同、一体化联通的需求，以及针对不同分辨率场景的科研成果的便利整合与复用，提出了一种面向列车运行组织的刻画铁路基础设施信息的多分辨率可扩展标记语言(XML)数据模型。使用统一建模语言(UML)明确了模型组织架构，对宏观、中观、微观分辨率下列车运行组织所需基础设施信息和组织逻辑格式进行了定义并设计了一致性交互规则。开发了生成该数据格式文件的电子路网绘制程序。基于以上成果建立了京沪高速铁路等线路的车站、线路、路网的不同分辨率数据文件，并将文件作为基础输入数据应用于列车运行仿真、调度监督、运行优化等领域。结果表明，该数据模型定义的文件可以满足多分辨率多种场景下的列车运行组织生产与研究需求。

Abstract

The data file that characterizes railway infrastructure information is a necessary condition for the intelligentization of train operation organization and a data foundation for conducting related research. Railway transportation involves numerous elements, and organizing train operations naturally requires information of the same thing with different resolutions at different levels, positions, and businesses. To meet the needs of future railway train operation organizations at various levels, positions, and business collaboration and integrated connectivity and facilitate the integration and reuse of research achievements for different resolution scenarios, this paper proposed a multi-resolution extensible markup language (XML) data model for characterizing railway infrastructure information for train operation organization. Unified modeling language (UML) was used to clarify the organizational structure of the model, defining the format of infrastructure information and organizational logic required for train operation organization at macro, meso, and micro resolutions and designing consistent interaction rules. In addition, a railway network drawing program that can generate the file in this data format was developed. Based on the above achievements, different resolution data files were established for stations, lines, and networks such as the Beijing-Shanghai High Speed Railway, and the files were applied as basic input data in fields such as train operation simulation, real-time dispatching supervision, and operation optimization. The results indicate that the files defined by the data model can meet the needs of train operation organization, production, and research in various scenarios with multiple resolutions.

Graphical abstract

关键词

铁路运输 / 列车运行组织 / 多分辨率 / 数据模型 / 可扩展标记语言 / 统一建模语言

Key words

Railway Transportation / Train Operation Organization / Multi-Resolution / Data Model / Extensible Markup Language / Unified Modeling Language

0　引言

当前，我国铁路对运输智能化转型要求日益提升，对运输组织高质量发展愈发重视。为实现上述发展目标，智能高铁建设运营管理系统模型^[1]指出了未来工作道路，以“轴面协同”理念明确了集成融合不同业务、不同阶段等的不同信息系统，打破信息断层及信息孤岛，推进工作无缝衔接。而实现铁路运输生产要素的多分辨率数字化，从而打通不同分辨率信息在不同层级、岗位、业务间的一致性流通渠道，则是兑现该要求的必要条件。

具体而言，对铁路基础设施状态数字化并形成数据文件是开展列车运行组织生产、仿真、优化研究的必要条件，也是实现列车运行组织智能化的基础。分辨率(或“颗粒度”“尺度”)一般是指在建模或模拟中，描述模拟对象的精确度和详细程度，多分辨率建模是针对同一系统或过程建立不同分辨度的模型，且保持这些模型所描述的系统或过程特性的一致性^[2-3]。铁路作为一个生产大系统，组织列车运行时天然地在不同层级、岗位、业务下需要同一事物不同分辨率的信息。我国铁路数字化建设中，不同部门形成了面向自身工作内容的单一分辨率数据建模方法，在一段时间里发挥了重要作用。

随着时代发展，既有的信息系统暴露出了一体化程度不足、自动化程度低、架构老旧等问题^[4-5]，新时代对运输组织数字化提出了更高要求，而当前的数据表示方法尚无法满足其需要。一方面现有的面向行车组织的数据建模方法未能涵盖宏观、中观、微观全分辨率，另一方面也缺乏不同分辨率数据之间的一致性维持及转换方法，这些问题局限了跨部门、跨专业的数据互联互通和智能化信息系统的发展。

针对上述问题，提出了一种面向列车运行组织的多分辨率铁路基础设施数据模型，其可以刻画行车组织所需的基础设施信息的宏观、中观、微观分辨率数据，并支持不同分辨率数据的一致性交互。基于该数据模型，构建了车站、线路、路网的不同分辨率的电子路网数据文件，并进行了实例应用验证。

1　铁路基础设施数据模型现状

面对新时代铁路运输智能化对数据的新要求，业界已经进行了相关研究，并设计了一些符合特定场景需求的方法，但大多局限于某一特定分辨率。

在微观分辨率建模方面，刘征等^[6]、张思杨等^[7]建立了包含道岔、轨道区段、信号机等在内的微观数据模型，王顺利等^[8]构建了铁路车站联锁仿真平台，可以绘制车站微观设备并生成车站微观节点图，编制进路。但以上研究均局限于微观分辨率下的车站内部作业，无法表示宏观、中观层的行车信息，也不能完成跨分辨率的信息转化。

多分辨率数据建模方面也有部分学者进行了相关研究。丁涛平等^[9]对比研究了欧洲RailML(铁路建模语言)，LKJ，LOCOPROL(列车卫星定位系统)中数字轨道地图的内容，提出了一种包含宏观、中观、微观3个层级的通用性轨道拓扑模型。陈德旺等^[10]结合拓扑关系数据模型和面向对象数据模型的优点对数字轨道地图进行建模，包含了宏观、中观和微观的设施信息。以上研究虽包含了多分辨率的数据信息，但未建立跨分辨率间信息的一致性关系，亦未在数据模型中建立相应转化与对应规则。此外，这方面研究主要集中于对铁路拓扑结构建模，而对列车运行组织所需的信号系统数据刻画不足。

另有部分学者对信号系统的建模方法进行了相关研究。余云飞^[11]对铁路信号系统的各部分所需数据进行了建模，并设计了一体化的数据配置系统。张路平等^[12]、张紫菡^[13]提出了针对列控系统基础输入数据的数据建模方案。王庆胜等^[14]提出建立信号设备(信号机、信标等)到拓扑元素(边、网)的关系表来实现拓扑元素和设备元素的便捷关联。王志伟等^[15]优化了LKJ基础数据运用和共享方式，在列车运用的角度将基础数据划分为基础线路数据层、运行径路数据层和车种交路数据层。

在数据建模方面，我国学者提出了一些合理有效的方法，能够在一定情况下满足需求，但均存在一定的局限性。一是其数据建模方案大多针对列车运行组织的某一应用领域，如车站接发车、列控等，不能满足不同部门交互需求；二是多集中于单一分辨率，或构建了多分辨率模型但缺乏建立跨分辨率一致性关联的方法，使得不同分辨率间的数据相互割裂，不能满足列车运行组织多分辨率场景的需求；三是部分数据建模方案存在自然语言形式的内容，不能满足信息系统的数据输入输出需求。

国外学者在列车运行数据建模方面也进行了大量相关研究，其中最为著名的是欧洲的RailML数据模型，其形成了欧洲广泛认可的标准化数据格式，已经在生产与科研两端都得到广泛应用。Nash等^[16]指出RailML项目的优点在于可以实现不同程序间的数据传输，提高了路网数据文件的利用率，减少了重复性的建模工作，同时提高了不同层次、功能间程序的协作能力。Bosschaart等^[17]基于RailML研究了映射联锁系统特征的联锁数据UML表示方法，以减少联锁系统构建过程的低效，节约时间和成本。Quaglietta等^[18]、Bešinovic等^[19]、De Fabris等^[20]以及其他欧洲学者以RailML格式数据文件作为数据基础，在列车运行调整、开行方案编制、运行图编制、动车组运用等方面开展了相应研究。

相比而言，在公路领域已有了更为成熟的多分辨率建模方案。Berg等^[21]提出了针对公路静态及动态路网的多分辨率、多模态的数据建模方案，该模型规范的数据文件可以满足分析、规划、建模、仿真等不同功能的道路交通程序的需求。

国内外学者的相关工作反映出路网数据建模是开展许多工作的基础，完备、合理的数据建模方案在铁路运行组织方面有着重要意义。相比之下，欧洲已经有了成熟完善的RailML建模方案并积累了丰富的实际应用经验，而我国的数据建模方案大多局限于某个具体的研究场景，体系化程度不足，没有一套面向列车运行组织全过程的多分辨率数据建模方案。由于我国与外国在铁路基础设施硬件特征和使用方式、列车运行管理与组织方法等方面存在巨大差异，国外的数据建模相关成果无法直接运用到我国铁路之中，需结合国内铁路特征进行个性化构建。因此借鉴国外先进应用经验，结合国内铁路基础设施特点，研究适用于中国铁路的数据建模方案，主要工作包括以下几点。

（1）设计了符合中国铁路实际的面向列车运行组织的多分辨率铁路基础设施数据模型。

（2）开发了基于该数据模型数据格式的电子路网图绘制及路网数据编辑信息系统。

（3）生成了京沪高速铁路(北京南—上海虹桥)等高速铁路车站、线路、路网不同分辨率的数据文件。

（4）基于该数据模型数据文件进行列车运行组织仿真、监督、优化应用测试。

2　数据模型构建

2.1　模型需求

结合当前研究现状不足与现实铁路运输生产的需要，对模型应满足的需求进行了总结。

（1）多分辨率。模型对同一物理设备不同分辨率下的信息进行了刻画，并进行了相应设计以保持同一设备不同分辨率信息的一致性(例如铁路线路在轨道电路层、闭塞分区层、区间层3种分辨率下的信息)，以便于支持在宏观、中观、微观等不同分辨率业务的数据需求。

（2）人和机器可读。模型基于XML标签语言进行构建，在保证适配于各类XML读写接口，满足机器可读性的基础上，对模型结构及标签名称尽量采用直观思维及自然语言构建，以便于使用者了解数据组织架构、内容及编辑数据。

（3）跨环境、跨软件使用。模型不依赖于某一特定的操作系统环境，同时模型实例化产生的电子路网数据文件在绘图、仿真、优化、监视等功能不同的软件间均可满足数据输入需求。

（4）可拓展性。模型支持使用者在不违反基本规则前提下(如添加重名元素、使用非法字符、违反主键约束等)编辑，包括但不限于根据使用需求，在数据模型定义的基础类上派生新类或为已有类增加新属性，以便于更广泛支持各类研究。

2.2　模型元素

2.2.1　模型元素基本关系

铁路路网为一特殊拓扑网络，其所包含的信息既包括拓扑网络固有的节点与边，又包括出于铁路运输组织需要附着在拓扑网络上的各类功能设备，如信号机、信标、站台等，以上2类元素在模型中分别归为拓扑元素和设备元素。二者关系紧密，相互影响。拓扑元素依据设备元素刻画的铁路基础设施形态及结构生成，设备元素又依靠拓扑元素表现现实作业逻辑。

统一建模语言(Unified Modeling Language，UML)作为一种功能强大、形式规范、广泛使用的数据建模方法，被应用于设计跨分辨率一致性的铁路路网设备数据模型。基于UML设计、规范了数据模型中各设备的属性内容与依赖关联关系。模型元素基本关系结构图如图1所示。基本元素作为模型中所有元素的父类，具有以下属性：①标识属性。作为元素的索引用于唯一确定元素。②位置属性。用于在路网中定位元素，可以为地理坐标、线路坐标或其他坐标，也可同时采用多种坐标。

设备元素和拓扑元素均继承自基本元素。设备元素具有以下属性：①管理属性。记录设备维护保养的相关信息。②运用属性。记录设备被操作作业时的相关信息，如信号机的相位，道岔的锁闭方向。

拓扑元素具有以下属性：①分辨率。标识该拓扑元素所处的分辨率层级。②状态属性。记录作业时拓扑元素反映的现实功能的情况，如拓扑边是否有向，拓扑边或点当前是否允许访问。

每个设备元素均附着于拓扑网络中的某个元素上，从而在拓扑网络中发挥设备功能，例如信号机、信标附着于拓扑边，道岔附着于微观拓扑节点，车站附着于宏观拓扑节点等。同时一些设备元素不仅附着于拓扑元素，还是拓扑元素的组成部分，例如一个道岔组成微观拓扑网络中的一个节点，几段轨道电路组成一个拓扑边等。

设备元素进一步派生出实体设备元素和虚拟设备元素，二者的区别在于是否对应于现场的实体设备。如道岔、信号机均与现场设备构成一一映射，属于实体设备，而车站、区间、站界、管界、信号控制区等设备属于为了列车运行组织便利而定义的一种概念，故属于虚拟设备。虽然虚拟设备在现场没有客观实体存在，但它作为一种概念仍与一个或多个实体设备构成关联关系，是一种逻辑上存在的设备。虚拟设备一般关联于一个或多个实体设备，例如车站、区间虚拟设备一般关联于轨道、信号机、信标等实体设备。

2.2.2　模型拓扑元素关系结构

为刻画铁路网络拓扑结构，拓扑元素进一步派生出节点、边和网络，拓扑元素关系结构图如图2所示。其中节点具有新的网关和路由属性，用于标识该节点是否为分辨率转换点以及保持跨分辨率间一致性，关于分辨率转换的阐述见2.3.2节。

各个边分别关联一个来向节点和一个去向节点，每个节点分别关联一个入边集合和一个出边集合，同时每个网络分别关联一个包含节点集合和一个包含边集合。

对于跨分辨率的情况，每个相对宏观分辨率的拓扑元素均与其包含的所有相对微观分辨率元素构成关联关系。相对宏观拓扑元素对应一个网络元素，该网络关联了其所包含的所有相对微观拓扑点、拓扑边，刻画了其微观拓扑结构。

2.2.3　设备元素类别及数据组织

如2.2.1节所述，设备元素所含数据分为标识属性、位置属性、管理属性和运用属性，设备元素属性组织关系图如图3所示。设备元素唯一关联于一个标识属性和一个位置属性，同时根据实时的运行计划和作业情况关联一个到多个管理属性和运用属性。运用属性记录了各部门操作该设备完成列车运行组织作业的内容，同时运用属性记录的作业内容又对管理属性代表的设备维护施加约束。管理属性记录了设备的健康状态及维护情况，通过关联施工请求和状态记录来实现此类数据的记录。

实体设备元素属性如表1所示，虚拟设备元素属性如表2所示，展示了数据模型中部分典型实体、虚拟设备元素属性。表中加粗的属性为“主属性”，该类属性在整个数据文件命名空间里不可重复，即元素的“标识属性”。有下划线标记的属性为“外主属性”，表示该属性与另一类设备的主属性相同，起到在数据层面上建立两设备间关联关系的作用。

2.3　多分辨率路网及跨分辨率路网交互一致性设计

2.3.1　多分辨率路网结构

2.2节定义了轨道电路、闭塞分区、进路、区间、车站等一系列铁路基础设施设备元素以及拓扑边、节点、网络等抽象拓扑元素。这些元素属于不同分辨率的路网，铁路运输生产存在多种不同层面的问题，在考虑不同层面的问题时，需要不同分辨率的路网建模，同时设备元素与抽象拓扑元素的映射关系也显著不同。此外，铁路运输生产又是一个跨分辨率的过程，不同层面的问题间有其内在的一致性。因此，为满足上述需求，构建的数据模型必须既能包含不同分辨率的设备信息，又能满足跨分辨率信息的一致性交互。

列车运行组织中，使用者往往根据问题场景需求构建不同特定分辨率或多分辨率共存的数字路网，各分辨率下路网结构示意图如图4所示。基于中外文献对不同分辨率^{[19-20，22-24]}的或显性或隐性定义，结合研究考虑到的数据建模需求进行归纳总结，对宏观、中观、微观3种分辨率的路网建模进行如下定义。

（1）宏观分辨率建模是车站-区间级别的建模，以车站作为节点，站间区间作为边，用于刻画列车在铁路网上的各站到发时刻、顺序等基本信息的建模方式。其主要服务于运行图编制、开行方案设计等宏观层面问题。

（2）中观分辨率建模是股道-进路级别的建模，以股道、站界作为节点，进路、闭塞分区作为边，用于刻画列车在铁路网上的各站到发时刻、顺序等基本信息，以及站内进路、停靠股道等车站作业信息的建模方式。其主要服务于一般情况下的列车调度调整，以及考虑车站能力较为精细化的运行图编制或能力测算等问题。

（3）微观分辨率建模是绝缘-轨道电路级别的建模，以钢轨绝缘节、道岔作为节点，轨道电路区段作为边，用于刻画列车在铁路网上的全程细节走行路径与走行时刻的建模方式。其主要服务于对大型枢纽客运站、编组站复杂咽喉、车场等瓶颈能力精细测算、微观列车走行路径优化等问题。

此外，在宏观建模之上还有超宏观建模，是针对重要交通干线的走廊级建模。由于数据建模研究中不包含此部分，这里不再赘述。

2.3.2　跨分辨率路网一致性交互

列车运行组织过程中不同阶段、不同部门开展工作时对分辨率的需求不同，例如列车运行图一般关注车站区间级网络，通过宏观节点的到发间隔时间来粗略保证无冲突，而车站作业计划则需要关注每一段轨道电路均无冲突。此外开展相同类型工作但工作对象不同时对分辨率的需求也会不同，例如中间站的运行组织采用宏观分辨率，而枢纽复杂咽喉或其他瓶颈区段的组织计划则采用微观分辨率细致铺画。采用不同分辨率的路网数据交互时，必须保持列车运行行为的一致性，才能使得整个运行计划可行。

宏观与中观路网的交互对应关系如图5所示，展示了同一段路网宏观和中观拓扑结构，其中实心节点、实心箭头为底层节点和边，空心节点、空心箭头为上层节点和边。图2指出每个上层的拓扑元素均关联一个拓扑子网络，该网络包含了上层元素对应的所有底层拓扑节点和边，例如图5中空心节点和边均包含一个子网络。

一些特殊的节点同时属于2个或以上的拓扑子网络，这样的节点记作“网关节点”，即图5中红色实心节点，如网关节点d既属于上层节点车站A的子网络，也属于上层边区间AB的子网络。

网关节点起到跨分辨率交互的作用，具体体现在以下几点。

（1）是分辨率转换的标志点。多分辨率路网中，网关节点是不同分辨率路网的边界。列车运行组织只能在一个网关节点处完成分辨率的转换。

（2）是不同分辨率网络保持一致性的纽带。列车在宏观拓扑元素的运行时空计划通过网关节点映射到微观层，即在同一时空坐标上，列车在每个宏观拓扑元素的微观子网络中存在以该宏观拓扑元素两端网关节点为起终点的无冲突微观运行路径。同理，微观层运行计划也通过网关节点映射到宏观层，即每个以网关节点为起终点的微观路径均映射为列车在一个宏观拓扑元素上的运行。

2.3.3　模型一致性传递转化交互规则

基础设施数据模型传递、交互要执行统一标准，以便数据文件的复用以及不同应用程序间的跨平台互通。前文已经介绍了跨分辨率数据在逻辑上的一致性设计，同时表1、表2也规定了各数据项格式的统一标准，这里进一步对数据传递的校核标准进行设计，确保数据传递的正确性。该数据模型在数据传递校验中采用如下的3步标准。

（1）主属性校验：检查各元素的主属性的缺失与重复，以及在跨平台传递、交互时两边数据是否主属性一致。

（2）外主属性校验：检查各元素的外主属性是否确实存在匹配的对应元素，及在跨平台传递、交互时两边数据是否外主属性一致。

（3）值校验：对各元素非主属性、非外主属性的项的取值进行检查，判断其合法性。

2.4　位置及工务数据组织方法

数据模型中各类拓扑元素与设备元素均需根据实际路网结构记录自身位置信息，以满足列车运行组织的各项必要需求。数据模型中元素的位置属性根据参考系的不同可分为3类。

（1）地球坐标值。该坐标值由经度、维度2个数值型数据刻画。

（2）铁路线路坐标值。该坐标值由参考系、参考坐标值2个数据刻画。该定位方式也是铁路现场最常应用的方式，是一种一维线坐标系，其具体原理为选定一条铁路线并规定其原点，该铁路线上的点的坐标值为距离铁路线原点的路程。

（3）附着拓扑元素坐标值。该坐标值由附着拓扑元素、相对拓扑元素坐标值2个数据刻画。该坐标值用于定位附着于拓扑元素上的设备元素的相对位置，例如信号机在其所在拓扑边上相对于拓扑边起点的距离。

此外，行车过程中的列车调度与控制不仅需要位置信息，还需要所在位置的工务信息。数据模型中记录了4种工务数据：坡度、曲线半径、限速值和是否存在隧道。4种工务数据均存储于拓扑边元素中。每条拓扑边相对于每种工务数据，被划分为一个个子线段，每个子线段上对应工务数据值相同。拓扑边与工务数据关系示意图如图6所示，该拓扑边起终点里程(即铁路线路坐标值)分别为1 212.185 km，1 217.457 km，其中在1 212.185—1 213.7 km段无曲线，在1 213.7—1 217.457 km段存在半径为9 000 m的曲线，因此其分为2段曲线子线段。同理可划分其坡度、限速和隧道子线段。

3　数据文件生成

基于构建的数据模型，可以构建包含多分辨率设备信息并满足跨分辨率一致性交互的路网数据文件供铁路运输相关生产、科研信息系统使用。然而，构建过程一方面需要一致性地组织宏观、中观、微观不同分辨率的数据，另一方面需要正确录入工务、电务等的多种信息。这些数据呈现多源异构的特点，难以直接实现计算机编码标准化地从各类非结构化、半结构化数据文件到基于本数据模型的结构化数据文件的高精确率解析转录。而如果采用人工直接翻译的方式，也会存在易出错、工作量巨大的问题。

针对数据文件难生成的问题，基于数据模型应用Winform开发技术设计了路网可视化绘制工具，提供了电子路网图绘制与属性配置界面，使得使用者可以通过符合人类习惯与认知的可视化操作方式来生成具有规范化结构、复杂逻辑和依赖关系的格式化文件。基于电子路网图程序的数据文件生成流程如图7所示。使用者首先以站型图的方式直观地绘制路网结构、配置路网设备属性，然后程序依据绘制的路网生成相关拓扑元素及逻辑，最后由使用者录入业务数据。完成上述输入后，程序依据输入内容自动转译生成符合数据模型规范的路网数据文件。

图7中的数据文件生成流程具体如下。

（1）绘制实体设备元素，建立基础设施路网：用户比照实际路网结构在程序图形用户界面中手动绘制轨道、钢轨绝缘节、信号机等设备，形成基础设施层面的路网结构。由于前文的数据模型仅对铁路设备的功能属性进行了定义，为了在程序界面中图形化显示各类设备，额外定义了各设备的几何属性，例如定义了信号机设备的坐标、相位灯半径、灯柱长度等。

（2）生成拓扑元素及逻辑，建立拓扑逻辑路网：在基础设施路网之上，生成宏观、中观、微观3种分辨率一致性的数据。首先遍历绝缘节、进路信号机、站界等设备，建立对应的微观、中观、宏观节点，并连接相邻节点形成拓扑边，形成3种分辨率下的独立拓扑数据。进一步地，对各中观、宏观节点、边通过广度优先搜索算法和覆盖性判别，确定并建立其与下层元素的包含、连接关系，形成3种分辨率一致性的数据。

跨分辨率拓扑逻辑路网如图8所示，展示了基于基础设施路网生成拓扑元素和逻辑后的路网，包含了3种分辨率的拓扑数据。每个绝缘节、道岔是一个微观节点，相邻节点围成的轨道区段是一个微观拓扑边。图中的黄色、红色方框围起部分分别为宏观车站节点、区间边。中观拓扑信息默认在界面中隐藏，只在点选时显示，图8中上海虹桥站白色粗线标记的路径即为一条被选中的中观进路边，连接站界和股道节点。可以看到，每个上层的拓扑元素都包含了其对应的所有下层拓扑元素，同时每个发生分辨率转换的关键拓扑元素都被标记，这使得生成的路网可以一致性地刻画各分辨率数据，满足一致性交互转换的需求。

（3）配置铁路专业数据及逻辑，建立业务数据路网：在绘制与生成了各类实体与逻辑设备后，点选设备，通过程序提供的图形化界面为设备输入工务、信号、行车等专业数据。进路设备的属性配置如图9所示，展示了为进路录入其包含的各轨道电路区段锁闭时间的操作画面，选中了进路设备后即弹出相应编辑属性窗口。类似的，为其他设备设置里程、信号系统制式、设备型号等业务数据。

4　应用案例

基于本数据模型开展了实例化工作，完成了天津西站等车站，京沪高速铁路等线路，北京高速铁路枢纽路网等的不同分辨率路网数据模型的构建工作，形成的XML格式数据文件作为基础输入为不同分辨率的列车运行组织问题提供了数据基础。数据模型应用案例如表3所示，展示了数据模型在不同问题场景下的应用案例，这些场景具有不同的数据分辨率需求，或同时需要多种分辨率的数据。

以泰国高速铁路为例，线路数据文件各分辨率拓扑元素统计如表4所示。在该场景中，一方面需要中观分辨率数据以提供闭塞分区和进路信息，作为一般情况下列车运行过程模拟仿真；另一方面需要微观分辨率数据提供轨道电路、道岔等具体设备的信息，用于列车运行过程中对应轨道电路空闲、占用、锁闭，对应道岔定位、反位、挤岔等信息的记录、存储、编辑与显示。因此，数据模型在该场景下需要一致性地提供中观、微观2种分辨率的数据。

泰国高速铁路列车运行仿真显示界面如图10所示，展示了该线路一部分路网的中观分辨率下的电子路网图，图中G32与G87这2列车分别正在驶离和进入巴冲站(Pak Chong)。由于本问题不涉及宏观分辨率，因此如图8中所示的宏观节点与边均在显示中隐藏。G87和G32这2列车位于的闭塞分区与到发线拓扑边在显示界面中以红色粗线高亮显示，同时即将使用的中观进路拓扑边也以粗白线高亮显示。此外，得益于数据模型的中观、微观数据的一致性刻画，虽然图中展示的和程序直接求解的是中观进路的闭塞分区路网，但被占用的中观拓扑边所包含的所有轨道电路区段(即微观拓扑元素)也会被设于锁闭状态，以用于防止微观层面列车进路的冲突。

相对地，研究天津西站客运枢纽的车站作业计划调度调整时，为精细化研究列车走行路径和冲突关系，使用全微观的数据建模，只需要微观分辨率数据，程序的求解也将在微观层面上直接展开，天津西站微观数据模型电子路网图如图11所示，为微观分辨率下的路网图。与图10相比，图11根据需求只保留显示了轨道电路区段、道岔、钢轨绝缘节等微观拓扑网络元素。

而在研究更宏观的问题时，这一层面对具体的路网细节并不关心，过多地考虑细节反而会导致数据规模过大使得程序难以求解得可行方案，此时只需要宏观分辨率路网图数据，京沪高速铁路宏观数据模型电子路网图如图12所示。该路网图对应的数据文件被用于研究京沪高速铁路全线运行图的宏观弹性优化，在此研究中，车站被黄色框体包裹聚合为一个个拓扑节点，节点间通过区间拓扑边连接。值得注意的是，虽然该研究使用的是宏观数据，但由于数据模型也一致性地包含了微观、中观数据，只是其被聚合在宏观节点或边中未显示，该研究得到的宏观结果可以一致性地转化为对应的中观、微观形式，以校验车站进路及股道、轨道电路区段等中观、微观层面的可行性或作为约束条件进一步优化中观、微观的作业方案。

5　结束语

研究提出的数据模型对宏观、中观、微观分辨率下列车运行组织生产与科研所需的设备信息和关系逻辑进行了规范，并设计了不同分辨率数据一致性交互的框架，基于此开发了实例化数据模型的可视化路网建模程序。通过数据模型和绘制程序，可便利地生成路网数据文件，作为运行图铺画、能力计算、调度调整、运行仿真等面向不同分辨率问题的技术的基础数据输入，提高了数据文件的复用性和使用效率，实现“一次数据构造，多个系统使用”。同时，模型满足设备多分辨率信息的一致性，使得面向不同宏观、中观、微观分辨率的程序之间可以实现数据的互联互通，有助于未来调度系统多工种多岗位不同功能信息系统集成化，在数据底层上满足一致性。通过已经使用该数据模型规范的生产、科研项目，证实了该方法的有效性。

通过提出的多分辨率一致性规范化数据模型和高效可视化路网绘制程序，列车运行组织所需的基础路网数据将更易于正确构建和传播复用，有助于不同层级、岗位、业务采用的面向不同分辨率的列车运行组织信息系统互联互通与一致性信息交互，助力运输组织轴面协同一体化发展。

参考文献

[1] 王同军. 基于系统论的智能高铁建设运营管理创新与实践[J]. 中国铁道科学，2021，42(2)：1-8.

[2] WANG Tongjun. Innovation and Practice of Construction and Operation Management for Intelligent High Speed Railway Based on System Theory[J]. China Railway Science，2021，42(2)：1-8.

[3] 周华任，马亚平，李　元，等. 战争模拟多分辨率建模研究[J]. 系统仿真学报，2009，21(21)：6833-6836.

[4] ZHOU Huaren， MA Yaping， LI Yuan，et al. Research on Multi-Resolution Modeling in War Game and Simulation[J]. Journal of System Simulation，2009，21(21)：6833-6836.

[5] 杨立功，郭齐胜，徐如燕. 多分辨率建模方法及其在分布交互仿真中的应用[J]. 计算机工程与应用，2002，38(4)：37-39，149.

[6] YANG Ligong， GUO Qisheng， XU Ruyan. Multiple Resolution Modeling and Its Applications in Distributed Interactive Simulation[J]. Computer Engineering and Applications，2002，38(4)：37-39，149.

[7] 李　军，赵世超，王　斌，等. 面向铁路运输生产全过程的智能综合调度系统方案研究[J]. 铁道运输与经济，2023，45(1)：23-29.

[8] LI Jun， ZHAO Shichao， WANG Bin，et al. Research on Intelligent Integrated Dispatching System for Whole Process of Railway Transport Production[J]. Railway Transport and Economy，2023，45(1)：23-29.

[9] 田　锐，赵　飞. 高速铁路智能调度系统功能架构及关键技术探讨[J]. 铁道运输与经济，2022，44(5)：52-56，78.

[10] TIAN Rui， ZHAO Fei. Discussion on Functional Architecture and Key Technologies of Intelligent High Speed Railway Traffic Control System[J]. Railway Transport and Economy，2022，44(5)：52-56，78.

[11] 刘　征，武晓春. 联锁系统UML模型的建立与形式化验证[J]. 铁道标准设计，2018，62(6)：164-170.

[12] LIU Zheng， WU Xiaochun. UML Model Establishment and Formal Verification for Interlocking System[J]. Railway Standard Design，2018，62(6)：164-170.

[13] 张思杨，杨　扬. 铁路计算机联锁控制数据自动生成方法[J]. 铁路计算机应用，2021，30(3)：65-71.

[14] ZHANG Siyang， YANG Yang. Automatic Generation Method of Railway Computer-Based Interlocking Control Data[J]. Railway Computer Application，2021，30(3)：65-71.

[15] 王顺利，王淑伟，王　瑶，等. 铁路车站联锁表仿真实验研究[J]. 实验室科学，2020，23(3)：7-12.

[16] WANG Shunli， WANG Shuwei， WANG Yao，et al. Study on Simulation Results of Railway Station Interlocking Table[J]. Laboratory Science，2020，23(3)：7-12.

[17] 丁涛平，王　剑. 数字轨道地图描述方法研究及通用轨道模型设计[J]. 铁道通信信号，2014，50(7)：1-5.

[18] DING Taoping， WANG Jian. Research on Description Method of Digital Track Map and Design of Common Track Model[J]. Railway Signalling & Communication，2014，50(7)：1-5.

[19] 陈德旺，高　倩，裴丽君. 基于图论和面向对象的列控数字轨道地图研究[J]. 铁道学报，2012，34(6)：64-68.

[20] CHEN Dewang， GAO Qian， PEI Lijun. Study on Digital Track Map Based on Graph Theory and Oriented Object[J]. Journal of the China Railway Society，2012，34(6)：64-68.

[21] 余云飞. 铁路信号数据一体化配置系统设计及实现[J]. 铁路通信信号工程技术，2017，14(6)：27-30，35.

[22] YU Yunfei. System Design and Implementation of Integrated Configuration of Railway Signal Data[J]. Railway Signalling & Communication Engineering，2017，14(6)：27-30，35.

[23] 张路平，于高荣. XML在列控系统配置中的应用[J]. 铁路通信信号工程技术，2018，15(1)：16-19.

[24] ZHANG Luping， YU Gaorong. Application of XML in Trail Control System Data Configuration[J]. Railway Signalling & Communication Engineering，2018，15(1)：16-19.

[25] 张紫菡. CTCS-1级列控系统线路数据的生成及验证方法的研究[D]. 北京：北京交通大学，2020.

[26] 王庆胜，杜建新，朱　罕，等. 轨道交通软件开发中的数据结构定义方法[J]. 铁路计算机应用，2014，23(12)：46-48.

[27] WANG Qingsheng， DU Jianxin， ZHU Han，et al. Data Structure Definition in Software Development of Urban Transit[J]. Railway Computer Application，2014，23(12)：46-48.

[28] 王志伟，王　梅. LKJ列车运行监控装置基础数据结构优化的研究[J]. 机车电传动，2011(5)：62-64，68.

[29] WANG Zhiwei， WANG Mei. Study of Optimum Structure of Basal Track Data Applied on LKJ Train Running Monitor Device[J]. Electric Drive for Locomotives，2011(5)：62-64，68.

[30] NASH A， HUERLIMANN D， SCHUETTE J，et al. Railml： a Standard Data Interface for Railroad Applications[J]. WIT Transactions on the Built Environment，2004，74：233-240.

[31] BOSSCHAART M， QUAGLIETTA E， JANSSEN B，et al. Efficient Formalization of Railway Interlocking Data in RailML[J]. Information Systems，2015，49：126-141.

[32] QUAGLIETTA E， PELLEGRINI P， GOVERDE R M P，et al. The ON-TIME Real-Time Railway Traffic Management Framework：A Proof-of-Concept Using a Scalable Standardised Data Communication Architecture[J]. Transportation Research Part C：Emerging Technologies，2016，63：23-50.

[33] BEŠINOVIĆ N， GOVERDE R M P， QUAGLIETTA E，et al. An Integrated Micro-Macro Approach to Robust Railway Timetabling[J]. Transportation Research Part B：Methodological，2016，87：14-32.

[34] DE FABRIS S， LONGO G， MEDEOSSI G，et al. Automatic Generation of Railway Timetables Based on a Mesoscopic Infrastructure Model[J]. Journal of Rail Transport Planning & Management，2014，4(1-2)：2-13.

[35] BERG I， SMITH S， ZHOU X. GMNS： A Specification for Sharing Routable Road Networks[R]. Washington DC：Transportation Research Board，2022.

[36] WANG E T， YANG L X， LI P H，et al. Joint Optimization of Train Scheduling and Routing in a Coupled Multi-Resolution Space-Time Railway Network[J]. Transportation Research Part C：Emerging Technologies，2023，147：103994.

[37] 田方晓. 基于多粒度时空网络的高速铁路列车运行图优化方法研究[D]. 北京：北京交通大学，2023.

[38] 刘　越. 高速铁路跨粒度列车运行调整模型与算法[D]. 北京：北京交通大学，2022.

基金资助

中国国家铁路集团有限公司科技研究开发计划课题(N2023X037)