本技術(shù)涉及數(shù)據(jù)處理，尤其涉及列車(chē)動(dòng)態(tài)調(diào)度方法及資源調(diào)配系統(tǒng)。

背景技術(shù)：

1、隨著鐵路運(yùn)輸行業(yè)的快速發(fā)展，列車(chē)運(yùn)行密度不斷增加，運(yùn)輸環(huán)境日益復(fù)雜，對(duì)列車(chē)調(diào)度的準(zhǔn)確性、高效性和靈活性提出了更高要求，早期的列車(chē)調(diào)度主要依賴調(diào)度員的經(jīng)驗(yàn)和人工操作，通過(guò)電話和信號(hào)設(shè)備等方式進(jìn)行列車(chē)運(yùn)行指揮，這種方式效率低、易出錯(cuò)，且難以應(yīng)對(duì)復(fù)雜的運(yùn)輸場(chǎng)景；隨著信息技術(shù)的進(jìn)步，基于固定時(shí)刻表的自動(dòng)化調(diào)度系統(tǒng)應(yīng)運(yùn)而生，該調(diào)度系統(tǒng)通過(guò)預(yù)先制定的列車(chē)運(yùn)行計(jì)劃進(jìn)行調(diào)度，在一定程度上提高了調(diào)度效率和準(zhǔn)確性，然而這種方式缺乏對(duì)實(shí)時(shí)變化因素的適應(yīng)性，當(dāng)遇到突發(fā)情況時(shí)，無(wú)法及時(shí)調(diào)整調(diào)度方案，容易導(dǎo)致列車(chē)晚點(diǎn)和線路擁堵等問(wèn)題。

2、同時(shí)現(xiàn)有技術(shù)大多數(shù)據(jù)類(lèi)型單一、資源狀態(tài)的評(píng)估方式簡(jiǎn)單、調(diào)度方案的生成優(yōu)化目標(biāo)單一以及調(diào)度方案的驗(yàn)證手段不能根據(jù)實(shí)時(shí)變化的環(huán)境因素和運(yùn)行狀態(tài)進(jìn)行有效評(píng)估和調(diào)整。大多沒(méi)有解決如何在復(fù)雜運(yùn)行環(huán)境下實(shí)現(xiàn)列車(chē)調(diào)度的動(dòng)態(tài)優(yōu)化和資源的合理調(diào)配。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的不足，本技術(shù)提供列車(chē)動(dòng)態(tài)調(diào)度方法及資源調(diào)配系統(tǒng)。

2、第一方面，本技術(shù)提供列車(chē)動(dòng)態(tài)調(diào)度方法，該方法包括：實(shí)時(shí)獲取異構(gòu)數(shù)據(jù)，異構(gòu)數(shù)據(jù)包括軌道電路信號(hào)、站臺(tái)客流圖像和氣象環(huán)境數(shù)據(jù)，在車(chē)載邊緣節(jié)點(diǎn)處通過(guò)時(shí)空注意力機(jī)制將異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，并對(duì)異構(gòu)數(shù)據(jù)進(jìn)行處理，同時(shí)監(jiān)測(cè)供電網(wǎng)絡(luò)、備用列車(chē)和信號(hào)機(jī)以確定資源狀態(tài)，以輸出列車(chē)數(shù)據(jù)矩陣，列車(chē)數(shù)據(jù)矩陣包括信號(hào)特征向量、客流密度系數(shù)、氣象修正參數(shù)和資源狀態(tài)；

3、根據(jù)列車(chē)數(shù)據(jù)矩陣和調(diào)度知識(shí)圖譜構(gòu)建列車(chē)調(diào)度的評(píng)估向量，評(píng)估向量包括緊急程度因子、經(jīng)濟(jì)價(jià)值因子和線路影響因子，基于模糊層次分析法動(dòng)態(tài)調(diào)整評(píng)估向量的維度權(quán)重，生成列車(chē)優(yōu)先級(jí)；

4、通過(guò)強(qiáng)化學(xué)習(xí)生成調(diào)度方案，強(qiáng)化學(xué)習(xí)的狀態(tài)空間表征列車(chē)優(yōu)先級(jí)和資源狀態(tài)，強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)函數(shù)表征時(shí)間準(zhǔn)點(diǎn)率、能耗降低率和沖突風(fēng)險(xiǎn)值；

5、通過(guò)gpu并行對(duì)每種調(diào)度方案進(jìn)行蒙特卡洛仿真，基于閾值驗(yàn)證每種調(diào)度方案的沖突概率、能耗偏差和時(shí)延裕度，以輸出驗(yàn)證通過(guò)后的調(diào)度指令集，調(diào)度指令集包括列車(chē)路徑調(diào)整和資源分配指令，執(zhí)行調(diào)度指令集并實(shí)時(shí)監(jiān)測(cè)調(diào)度指令集執(zhí)行過(guò)程中的反饋數(shù)據(jù)，以判斷是否重采樣異構(gòu)數(shù)據(jù)和更新資源狀態(tài)。

6、作為一種可選的實(shí)施方式，所述資源狀態(tài)的確定子策略包括：

7、部署傳感器實(shí)時(shí)監(jiān)測(cè)供電網(wǎng)絡(luò)、備用列車(chē)和信號(hào)機(jī)，以獲取資源數(shù)據(jù)，資源數(shù)據(jù)包括供電網(wǎng)絡(luò)的負(fù)載率、備用列車(chē)的設(shè)備健康度和位置以及信號(hào)機(jī)的故障概率；

8、以供電網(wǎng)絡(luò)、備用列車(chē)和信號(hào)機(jī)為節(jié)點(diǎn)，建立拓?fù)鋱D，節(jié)點(diǎn)屬性表征資源數(shù)據(jù)，邊表征資源數(shù)據(jù)間的耦合關(guān)系，通過(guò)圖卷積網(wǎng)絡(luò)提取拓?fù)鋱D的節(jié)點(diǎn)特征向量；

9、在拓?fù)鋱D上嵌入貝葉斯網(wǎng)絡(luò)，將節(jié)點(diǎn)特征向量輸入貝葉斯網(wǎng)絡(luò)中，并通過(guò)歷史運(yùn)行數(shù)據(jù)訓(xùn)練貝葉斯網(wǎng)絡(luò)，確定節(jié)點(diǎn)間的狀態(tài)轉(zhuǎn)移概率，整合節(jié)點(diǎn)間的狀態(tài)轉(zhuǎn)移概率以確定資源狀態(tài)。

10、作為一種可選的實(shí)施方式，所述列車(chē)數(shù)據(jù)矩陣的輸出策略包括：

11、實(shí)時(shí)獲取異構(gòu)數(shù)據(jù)，異構(gòu)數(shù)據(jù)包括軌道電路信號(hào)、站臺(tái)客流圖像和氣象環(huán)境數(shù)據(jù)，在車(chē)載邊緣節(jié)點(diǎn)處通過(guò)時(shí)空注意力機(jī)制將異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，并對(duì)異構(gòu)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

12、通過(guò)殘差卷積神經(jīng)網(wǎng)絡(luò)對(duì)軌道電路信號(hào)進(jìn)行特征提取，并將提取的特征映射為信號(hào)特征向量，信號(hào)特征向量包括信號(hào)強(qiáng)度、信號(hào)頻率和信號(hào)相位；

13、對(duì)站臺(tái)客流圖像進(jìn)行語(yǔ)義分割，計(jì)算乘客像素面積與站臺(tái)總面積的比值，得到初始客流密度，結(jié)合歷史客流數(shù)據(jù)通過(guò)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)預(yù)測(cè)客流變化趨勢(shì)，以對(duì)初始客流密度進(jìn)行動(dòng)態(tài)加權(quán)修正，生成客流密度系數(shù)；

14、通過(guò)隨機(jī)森林算法分析不同氣象環(huán)境數(shù)據(jù)與列車(chē)運(yùn)行數(shù)據(jù)、制動(dòng)距離和能耗的影響程度，根據(jù)分析結(jié)果為每個(gè)氣象環(huán)境數(shù)據(jù)分配影響權(quán)重，將標(biāo)準(zhǔn)化后的氣象環(huán)境數(shù)據(jù)與影響權(quán)重進(jìn)行加權(quán)求和，生成氣象修正參數(shù)；

15、監(jiān)測(cè)供電網(wǎng)絡(luò)、備用列車(chē)和信號(hào)機(jī)以確定資源狀態(tài)，將信號(hào)特征向量、客流密度系數(shù)、氣象修正參數(shù)和資源狀態(tài)進(jìn)行整合，輸出列車(chē)數(shù)據(jù)矩陣。

16、作為一種可選的實(shí)施方式，所述評(píng)估向量的構(gòu)建子策略包括：

17、將列車(chē)數(shù)據(jù)矩陣進(jìn)行歸一化處理，并關(guān)聯(lián)列車(chē)數(shù)據(jù)矩陣和調(diào)度知識(shí)圖譜；

18、結(jié)合列車(chē)數(shù)據(jù)矩陣中的信號(hào)特征向量和資源狀態(tài)以分析列車(chē)運(yùn)行狀態(tài)，提取調(diào)度知識(shí)圖譜的歷史調(diào)度數(shù)據(jù)以評(píng)估在列車(chē)運(yùn)行狀態(tài)下的晚點(diǎn)風(fēng)險(xiǎn)值，并根據(jù)客流密度系數(shù)和站臺(tái)承載能力評(píng)估列車(chē)晚點(diǎn)下的乘客影響值，將晚點(diǎn)風(fēng)險(xiǎn)值和乘客影響值進(jìn)行加權(quán)求和得到列車(chē)的緊急程度因子；

19、根據(jù)能耗和列車(chē)數(shù)據(jù)矩陣中的氣象修正參數(shù)，結(jié)合調(diào)度知識(shí)圖譜確定列車(chē)的能源消耗成本，結(jié)合資源成本得到列車(chē)的運(yùn)營(yíng)成本，并根據(jù)客流密度系數(shù)和調(diào)度知識(shí)圖譜確定運(yùn)營(yíng)收益值，結(jié)合運(yùn)營(yíng)收益值和運(yùn)營(yíng)成本確定經(jīng)濟(jì)價(jià)值，將經(jīng)濟(jì)價(jià)值歸一化后得到列車(chē)的經(jīng)濟(jì)價(jià)值因子；

20、結(jié)合列車(chē)數(shù)據(jù)矩陣中的客流密度系數(shù)和資源狀態(tài)以分析列車(chē)線路負(fù)荷，結(jié)合調(diào)度知識(shí)圖譜的歷史負(fù)荷數(shù)據(jù)評(píng)估線路負(fù)荷值，將線路負(fù)荷值與調(diào)度知識(shí)圖譜中的線路重要性進(jìn)行加權(quán)組合，得到線路影響因子；

21、整合緊急程度因子、經(jīng)濟(jì)價(jià)值因子和線路影響因子，以構(gòu)建列車(chē)調(diào)度的評(píng)估向量。

22、作為一種可選的實(shí)施方式，所述列車(chē)優(yōu)先級(jí)的生成策略包括：

23、通過(guò)模糊層次分析法將列車(chē)優(yōu)先級(jí)作為目標(biāo)層，評(píng)估向量作為準(zhǔn)則層，通過(guò)模糊數(shù)來(lái)表征準(zhǔn)則層間的重要性并確定模糊判斷矩陣；

24、對(duì)模糊判斷矩陣進(jìn)行一致性檢驗(yàn)和修正，并通過(guò)求解模糊特征方程得到評(píng)估向量的模糊權(quán)重向量，將模糊權(quán)重向量進(jìn)行模糊化處理，得到評(píng)估向量的維度權(quán)重；

25、將評(píng)估向量與維度權(quán)重進(jìn)行加權(quán)求和，得到列車(chē)的綜合評(píng)估值，根據(jù)列車(chē)的綜合評(píng)估值生成列車(chē)優(yōu)先級(jí)。

26、作為一種可選的實(shí)施方式，所述調(diào)度方案的生成策略包括：

27、構(gòu)建強(qiáng)化學(xué)習(xí)，強(qiáng)化學(xué)習(xí)的狀態(tài)空間表征列車(chē)優(yōu)先級(jí)和資源狀態(tài)，強(qiáng)化學(xué)習(xí)的動(dòng)作空間表征列車(chē)速度調(diào)整、列車(chē)路徑選擇和資源分配，強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)函數(shù)表征時(shí)間準(zhǔn)點(diǎn)率、能耗降低率和沖突風(fēng)險(xiǎn)值；

28、通過(guò)狀態(tài)空間和動(dòng)作空間訓(xùn)練深度q網(wǎng)絡(luò)，計(jì)算目標(biāo)q值，并基于均方誤差損失函數(shù)更新深度q網(wǎng)絡(luò)的參數(shù)；

29、通過(guò)深度q網(wǎng)絡(luò)選擇目標(biāo)q值最大的動(dòng)作，根據(jù)動(dòng)作生成調(diào)度方案，并通過(guò)獎(jiǎng)勵(lì)函數(shù)中的時(shí)間準(zhǔn)點(diǎn)率、能耗降低率和沖突風(fēng)險(xiǎn)值對(duì)生成的調(diào)度方案進(jìn)行評(píng)估，以判斷是否調(diào)整強(qiáng)化學(xué)習(xí)。

30、作為一種可選的實(shí)施方式，所述調(diào)度指令集的驗(yàn)證子策略包括：

31、構(gòu)建gpu并行計(jì)算架構(gòu)，將蒙特卡洛仿真的任務(wù)分解為三層子任務(wù)；

32、基于歷史運(yùn)行數(shù)據(jù)確定閾值，通過(guò)長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)每種調(diào)度方案的沖突概率、能耗偏差和時(shí)延裕度進(jìn)行時(shí)間序列分析；

33、結(jié)合氣象環(huán)境數(shù)據(jù)以及客流密度系數(shù)和資源狀態(tài)通過(guò)注意力機(jī)制動(dòng)態(tài)調(diào)整閾值；

34、通過(guò)模糊綜合評(píng)價(jià)法將蒙特卡洛仿真得到的每種調(diào)度方案的沖突概率、能耗偏差和時(shí)延裕度與閾值進(jìn)行模糊匹配；

35、為沖突概率、能耗偏差和時(shí)延裕度設(shè)定隸屬度函數(shù)，通過(guò)模糊合成算子綜合隸屬度函數(shù)確定調(diào)度方案的評(píng)價(jià)結(jié)果，將評(píng)價(jià)結(jié)果與評(píng)價(jià)閾值比對(duì)判斷調(diào)度方案是否通過(guò)驗(yàn)證，并輸出驗(yàn)證通過(guò)后的調(diào)度指令集。

36、作為一種可選的實(shí)施方式，所述資源狀態(tài)的更新策略包括：

37、執(zhí)行調(diào)度指令集并實(shí)時(shí)監(jiān)測(cè)調(diào)度指令集執(zhí)行過(guò)程中的反饋數(shù)據(jù)，反饋數(shù)據(jù)包括供電網(wǎng)絡(luò)、備用列車(chē)和信號(hào)機(jī)的運(yùn)行數(shù)據(jù)，以及調(diào)度指令集的執(zhí)行狀態(tài)數(shù)據(jù)；

38、通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取反饋數(shù)據(jù)的指標(biāo)特征；

39、通過(guò)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)學(xué)習(xí)反饋數(shù)據(jù)的指標(biāo)特征，以預(yù)測(cè)資源狀態(tài)的變化趨勢(shì)，以更新資源狀態(tài)，同時(shí)更新拓?fù)鋱D的節(jié)點(diǎn)屬性、貝葉斯網(wǎng)絡(luò)的參數(shù)和狀態(tài)轉(zhuǎn)移概率。

40、作為一種可選的實(shí)施方式，所述異構(gòu)數(shù)據(jù)的重采樣策略包括：

41、通過(guò)關(guān)聯(lián)規(guī)則挖掘算法分析軌道電路信號(hào)、站臺(tái)客流圖像和氣象環(huán)境數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，基于統(tǒng)計(jì)方法對(duì)關(guān)聯(lián)關(guān)系進(jìn)行異常檢測(cè)，并對(duì)檢測(cè)到的異常異構(gòu)數(shù)據(jù)進(jìn)行原因分析；

42、根據(jù)異常檢測(cè)和原因分析的結(jié)果，確定采樣頻率的調(diào)整機(jī)制，并根據(jù)異常異構(gòu)數(shù)據(jù)的類(lèi)型選擇采樣方式；

43、對(duì)重采樣后的異構(gòu)數(shù)據(jù)進(jìn)行質(zhì)量評(píng)估，以判斷是否重采樣異構(gòu)數(shù)據(jù)，并將重采樣后的異構(gòu)數(shù)據(jù)與列車(chē)數(shù)據(jù)矩陣進(jìn)行融合，以更新列車(chē)數(shù)據(jù)矩陣。

44、第二方面，本技術(shù)提供列車(chē)動(dòng)態(tài)資源調(diào)配系統(tǒng)，該系統(tǒng)包括：實(shí)時(shí)獲取異構(gòu)數(shù)據(jù)，異構(gòu)數(shù)據(jù)包括軌道電路信號(hào)、站臺(tái)客流圖像和氣象環(huán)境數(shù)據(jù)，通過(guò)車(chē)載邊緣節(jié)點(diǎn)將異構(gòu)數(shù)據(jù)進(jìn)行時(shí)空對(duì)齊，并對(duì)異構(gòu)數(shù)據(jù)進(jìn)行處理，同時(shí)獲取供電網(wǎng)絡(luò)的負(fù)荷率、備用列車(chē)的設(shè)備健康度和位置以及信號(hào)機(jī)的故障概率，以確定資源狀態(tài)，同時(shí)輸出列車(chē)數(shù)據(jù)矩陣；

45、根據(jù)列車(chē)數(shù)據(jù)矩陣和調(diào)度知識(shí)圖譜構(gòu)建列車(chē)調(diào)度的評(píng)估向量，基于模糊層次分析法動(dòng)態(tài)調(diào)整評(píng)估向量的維度權(quán)重，生成列車(chē)優(yōu)先級(jí)，通過(guò)強(qiáng)化學(xué)習(xí)生成調(diào)度方案，根據(jù)調(diào)度方案中的列車(chē)優(yōu)先級(jí)，動(dòng)態(tài)分配供電網(wǎng)絡(luò)中各區(qū)段的電能配額，并結(jié)合資源狀態(tài)生成資源分配指令；

46、通過(guò)gpu并行對(duì)每種調(diào)度方案進(jìn)行蒙特卡洛仿真，基于閾值驗(yàn)證每種調(diào)度方案的沖突概率、能耗偏差和時(shí)延裕度，以輸出驗(yàn)證通過(guò)后的調(diào)度指令集，執(zhí)行調(diào)度指令集并實(shí)時(shí)監(jiān)測(cè)調(diào)度指令集的執(zhí)行效果，以判斷是否重采樣異構(gòu)數(shù)據(jù)和更新資源狀態(tài)。

47、與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果是：通過(guò)從異構(gòu)數(shù)據(jù)的實(shí)時(shí)獲取與處理，到列車(chē)優(yōu)先級(jí)的生成，再到調(diào)度方案的生成及驗(yàn)證執(zhí)行，實(shí)現(xiàn)了對(duì)列車(chē)調(diào)度全流程的精細(xì)化管理，各步驟相互協(xié)作且層層遞進(jìn)，能夠綜合考慮列車(chē)運(yùn)行過(guò)程中的多種復(fù)雜因素，改變了傳統(tǒng)調(diào)度方式依賴經(jīng)驗(yàn)或單一指標(biāo)的局限性，顯著提升了列車(chē)調(diào)度決策的科學(xué)性、準(zhǔn)確性和及時(shí)性，使得在面對(duì)復(fù)雜多變的運(yùn)營(yíng)場(chǎng)景時(shí)，能夠動(dòng)態(tài)且高效地調(diào)配資源，優(yōu)化列車(chē)運(yùn)行安排，提高運(yùn)輸效率和服務(wù)質(zhì)量，有效滿足現(xiàn)代鐵路運(yùn)輸日益增長(zhǎng)的多樣化需求。

48、實(shí)時(shí)獲取異構(gòu)數(shù)據(jù)并處理，確定資源狀態(tài)輸出列車(chē)數(shù)據(jù)矩陣，通過(guò)獲取軌道電路信號(hào)、站臺(tái)客流圖像和氣象環(huán)境數(shù)據(jù)等異構(gòu)數(shù)據(jù)，全方位覆蓋了影響列車(chē)運(yùn)行的關(guān)鍵因素，使調(diào)度決策能夠基于更豐富且全面的信息基礎(chǔ)，避免因數(shù)據(jù)缺失導(dǎo)致的決策偏差；通過(guò)監(jiān)測(cè)供電網(wǎng)絡(luò)、備用列車(chē)和信號(hào)機(jī)，能夠精準(zhǔn)確定資源狀態(tài)，深入挖掘資源間的潛在關(guān)系和變化趨勢(shì)，為合理調(diào)配資源提供精確依據(jù)；整合處理后的數(shù)據(jù)形成列車(chē)數(shù)據(jù)矩陣，將各類(lèi)信息以結(jié)構(gòu)化形式呈現(xiàn)，便于后續(xù)分析和應(yīng)用，為構(gòu)建評(píng)估向量和生成調(diào)度方案等提供了標(biāo)準(zhǔn)化且規(guī)范化的數(shù)據(jù)輸入。

49、根據(jù)列車(chē)數(shù)據(jù)矩陣和調(diào)度知識(shí)圖譜構(gòu)建評(píng)估向量，生成列車(chē)優(yōu)先級(jí)，從緊急程度、經(jīng)濟(jì)價(jià)值和線路影響等多個(gè)維度構(gòu)建評(píng)估向量，綜合考慮了列車(chē)運(yùn)行的安全性、經(jīng)濟(jì)性和線路資源利用等關(guān)鍵因素，使列車(chē)優(yōu)先級(jí)的生成更加全面且客觀，能夠平衡不同方面的需求，優(yōu)化資源配置；基于模糊層次分析法動(dòng)態(tài)調(diào)整評(píng)估向量的維度權(quán)重，能夠根據(jù)不同的運(yùn)營(yíng)場(chǎng)景和需求，靈活反映各評(píng)估因素的相對(duì)重要性，使列車(chē)優(yōu)先級(jí)更貼合實(shí)際情況，增強(qiáng)調(diào)度決策的靈活性和適應(yīng)性。

50、通過(guò)強(qiáng)化學(xué)習(xí)生成調(diào)度方案，利用強(qiáng)化學(xué)習(xí)，以列車(chē)優(yōu)先級(jí)和資源狀態(tài)為基礎(chǔ)，通過(guò)不斷試錯(cuò)和學(xué)習(xí)，從時(shí)間準(zhǔn)點(diǎn)率、能耗降低率和沖突風(fēng)險(xiǎn)值等多個(gè)目標(biāo)出發(fā)，自動(dòng)搜索最優(yōu)調(diào)度方案，實(shí)現(xiàn)了調(diào)度方案生成的智能化和自動(dòng)化，相比傳統(tǒng)方法能夠更高效地找到更優(yōu)解，提高調(diào)度方案的質(zhì)量；獎(jiǎng)勵(lì)函數(shù)涵蓋時(shí)間準(zhǔn)點(diǎn)率、能耗降低率和沖突風(fēng)險(xiǎn)值等多個(gè)關(guān)鍵指標(biāo)，促使強(qiáng)化學(xué)習(xí)在生成調(diào)度方案時(shí)綜合考慮列車(chē)運(yùn)行的多個(gè)重要方面，有效平衡了列車(chē)運(yùn)行的安全性、準(zhǔn)時(shí)性和經(jīng)濟(jì)性，提升鐵路運(yùn)輸?shù)恼w效益。

51、通過(guò)gpu并行對(duì)調(diào)度方案進(jìn)行蒙特卡洛仿真，驗(yàn)證并輸出調(diào)度指令集，監(jiān)測(cè)執(zhí)行反饋，借助gpu并行計(jì)算架構(gòu)對(duì)調(diào)度方案進(jìn)行蒙特卡洛仿真，大幅提高了仿真計(jì)算效率，能夠在短時(shí)間內(nèi)對(duì)大量調(diào)度方案進(jìn)行快速驗(yàn)證，確保在有限時(shí)間內(nèi)篩選出可行的調(diào)度方案，滿足列車(chē)調(diào)度的實(shí)時(shí)性要求；基于閾值對(duì)調(diào)度方案的沖突概率、能耗偏差和時(shí)延裕度等進(jìn)行驗(yàn)證，結(jié)合模糊綜合評(píng)價(jià)法等手段，對(duì)調(diào)度方案進(jìn)行科學(xué)且全面的評(píng)估，有效排除存在潛在風(fēng)險(xiǎn)或不符合要求的方案，保證輸出的調(diào)度指令集具有較高的可行性和可靠性；實(shí)時(shí)監(jiān)測(cè)調(diào)度指令集執(zhí)行過(guò)程中的反饋數(shù)據(jù)，根據(jù)執(zhí)行效果判斷是否重采樣異構(gòu)數(shù)據(jù)和更新資源狀態(tài)，使得能夠及時(shí)感知實(shí)際運(yùn)行中的變化，并基于新的信息對(duì)調(diào)度決策進(jìn)行動(dòng)態(tài)調(diào)整和優(yōu)化，形成閉環(huán)管理，持續(xù)提升列車(chē)調(diào)度的準(zhǔn)確性和適應(yīng)性，保障列車(chē)運(yùn)行的穩(wěn)定性和高效性。