軌道交通是最節能的交通方式之一，然而，鐵路行業仍占到全球碳排放量的0.3%，人們正在努力實現鐵路行業碳中和。
最近，西交利物浦大學的研究人員開發了一種計算地鐵列車時刻表的新方法，以優化列車的能源消耗。該模型利用人工智能，將實時乘客數納入時刻表安排中，進而計算出列車的推薦速度，不僅能避免延誤，還能防止能源消耗的大幅上漲。
畢業于西交利物浦大學土木工程系的郭一達博士是該論文的第一作者，他說：“由于城市居民的流動性增加，尤其是在節假日和高峰時段，客流變化很大。因此我們認為需要一個新方法，可以接近實時地優化列車時刻表，將能源消耗最小化。”
意外情況
為了最大限度減少地鐵列車消耗的能源，制定時刻表必須考慮到軌道的坡道、彎道、客流量大的站點、一天中的時段、站點之間的距離以及限速，還需要估計上下客人數，因為這會影響列車在每一站停留的時間，也需要考慮到影響能耗的列車重量。
目前的時刻表系統雖然關注到了能耗最小化，但是效果有限。這是因為當前系統主要使用“離線”信息，即乘客數和列車停靠時間的歷史數據。
但是，這類時刻表在有意外干擾時無法及時重新調整。所以，當列車延誤時，司機為了準點到達下一站，便會在兩個站點之間加速行駛，導致能耗的增加。但這樣的加速也許又是不必要的，因為下一站并不一定有乘客候車。
郭博士說：“列車行駛途中，干擾是不可避免的。比如因為乘客過多，車在某一站停留的時間可能比預期長，這就使得列車難以遵循基于離線信息而優化的時刻表。因此我們的研究專注于在線優化，也就是在列車遇到干擾時，用接近實時的方式重新優化時刻表。”
克服限制
包含實時信息的少數現有模型需要花費長達兩分鐘的時間，才能計算出既讓列車保持準點、又不消耗多余能源的速度。在此期間，列車可能至少已經過了一個新的站點，并又因其他原因進一步延誤了，所以此時計算出的結果已經不再適用。
為了構建能夠近乎實時優化能耗的新模型，西浦學者將包括預計乘客數和軌道數據（如坡道和彎道）在內的歷史離線數據，與包括刷卡數據在內的客流量實時線上數據結合了起來。
他們還利用人工智能，從每個站臺上等待人群的圖像中識別出乘客數量，模型隨后計算出列車的預期重量變化。所有上述數據都被用以計算實現最優能耗的所需速度和時刻表。
多次測試
研究團隊利用假設的案例研究測試了他們的模型。
郭博士說：“我們測試了模型在兩類干擾、三萬多種場景中的表現，測試結果令人振奮。相比之前的模型在遇到干擾的情況下，我們的模型將能耗降低了50%以上，而計算信息所花的時間還不到一秒。”
雖然新模型在假設案例研究中表現出了極大的前景，但郭博士表示，在模型實際應用之前，還需要進行大量測試。
“將科研成果轉化為工程應用，需要經過嚴謹的論證過程，特別是在軌道交通系統，有嚴格的安全要求。比如，需要測試列車收到模型計算結果的時間。實際測試結果將會用于計算使用該模型所需的安全保障速度，以確保乘客安全。”
研究論文《地鐵系統能源優化近實時時刻表：基于客流和隨機延誤》發表于期刊《軌道交通規劃與管理》（Journal of Rail Transport Planning & Management），點擊此處閱讀。
論文作者
該論文第一作者郭一達博士于2021年在西交利物浦大學完成博士學業，導師為土木工程系副教授張澄博士。張澄博士為論文通訊作者。（記者：Catherine Diamond 翻譯：韓香音 中文編輯：張蔚）
