链上镖师 / Chain Biaoshi
CIE|多速度等级高铁排图：学习增强的无冲突分层优化
用强化学习调节弧占用成本，让时空网络环境负责生成可行列车运行图
这篇论文把高铁多速度等级列车排图问题拆成学习层和无冲突调度环境两层：强化学习只决定弧占用成本调节策略，CFSE在时空网络中搜索可行路径并生成时刻表。
- 01：研究对象是双线高铁多类型列车时刻表编制，目标是在满足停站、发车时间窗、旅行时间和安全追踪间隔等约束下，最小化全部列车总旅行时间。
- 02：LECFO把CNN-FCN强化学习策略嵌入CFSE环境，通过列车级局部状态和弧占用成本调整，引导冲突列车重新选路。
- 03：两个真实线路场景和扩展测试显示，该框架能在不同线路规模、列车密度、追踪间隔和车种比例下保持可行排图能力。
研究背景
中国高铁运营里程到2023年底已达到45000公里，线路、车站和列车数量持续增加，运行图更新频率也更高。对调度系统来说，难点集中在服务质量、安全可靠和运行效率之间同时取平衡。
论文聚焦多类型列车时刻表编制问题。输入是预先给定的列车计划，包括各时段发车数量、起终点、速度等级、经停车站和必停站；输出是各列车在车站的到发时刻，并最小化全部列车旅行时间。
来源：Table 2，代表性列车时刻表方法的差距导向对比。
这篇论文的定位很明确：让学习策略负责调节冲突消解方向，让确定性环境负责构造可行运行图，从而减少无效探索，并提升跨场景部署能力。
核心问题
多速度等级高铁排图的核心矛盾来自同方向列车之间的冲突。快慢车、停站和通过行为会形成不同追踪间隔，同一条线路资源在时间和空间上必须避免重复占用。
来源：Fig. 1，时空网络中的节点与弧。
来源：Fig. 3，时空网络中的安全追踪间隔约束。
01列车必须满足流平衡约束，每一时刻只能选择一条时空路径。
02必停站需要满足停站要求和最小停站时间。
03始发站发车必须落在预设时间窗内。
04运行弧和进站弧的占用需要满足七类安全追踪间隔。
方法框架
LECFO采用分层结构。下层CFSE基于时空网络模拟调度员处理冲突的过程，动态调整列车专属弧占用成本并重新搜索路径；上层强化学习根据当前列车子图状态选择成本调整动作。
来源：Algorithm 1，CFSE框架流程。
来源：Fig. 4，CFSE运行机制示例。
来源：Fig. 6，CNN-FCN与CFSE的交互框架。
1初始化每列车的时空网络子图并搜索初始路径。
2生成冲突列车列表，针对冲突列车更新相关弧的附加成本。
3列车在调整后的成本结构下重新搜索路径。
4冲突清空后，把时空路径转译为各站到发时刻。
案例或实验设置
实验采用两个真实高铁线路场景。场景一为9站线路，训练集包含18列车、始发时间覆盖2小时；场景二为23站线路，训练集包含23列车、始发时间覆盖4小时。模型用Python 3.11和PyTorch 2.1.2+cu121实现。
来源：Fig. 7，动作空间敏感性测试结果。
来源：Fig. 8，奖励系数敏感性测试结果。
动作由Class A和Class B弧的调整系数组成，论文测试了3、16和30三种动作空间。中等规模动作空间在400个训练步内表现出更低最终损失，200步目标网络更新后也保持更快下降，最小损失为4.5。
结果分析
场景一比较LECFO、TSTSN、LECFO-CCE、TSTSN-CCE和Gurobi。表中同时报告计算时间、目标值、相对Gurobi缺口、平均停站时间和平均速度，用于衡量排图质量和运行效率。
来源：Table 7，场景一测试结果。
来源：Fig. 11，场景一16列车运行图输出。
来源：Table 8，场景二测试结果。
运行图对照把算法差异转化成可见的线路占用形态。LECFO通过成本调节减少不必要的停站和等待，让列车在满足追踪间隔的前提下保持更紧凑的通过节奏。
管理启示
对高铁排图管理来说，论文给出的启示是把可行性控制放进环境层，把策略学习限制在低维成本调节上。这样可以保留规则型调度的硬约束可靠性，同时让模型学习不同拥挤状态下的调节力度。
来源：Table 9，原始安全追踪间隔下增加列车数量的测试结果。
来源：Table 11，更复杂场景下的实验结果。
来源：Fig. 15，不同场景和设置下的指标变化。
LECFO适合处理需要硬约束可行性和快速扩展能力并存的高铁运行图任务。论文实验显示，训练于较小规模数据的策略可迁移到更高列车密度、不同追踪间隔和复杂停站模式的测试场景。
论文：Timetabling for trains with multiple speed grades in high-speed rail systems: A learning-enhanced conflict-free hierarchical optimization framework
作者：Mengfan Wen，Wenliang Zhou，Yu Huang，Lianbo Deng
期刊：Computers & Industrial Engineering
链上镖师、先卜交通、先卜运筹通用论文ID
保存此推文 ID，可在粉丝群内获取相关材料，未来更多功能敬请期待
先卜科技团队：常文婕、张巧巧、王一航、夏子帆、张晓乐、祁园园、张仁义
