基于CTCS3級的高速鐵路通過能力分析

（北京交通大學交通運輸學院 北京 100044）

在中國高速鐵路發展過程中，中國列車運行控制系統（CTCS）發展也取得重大突破，形成了具有自主知識產權的運行控制系統標準，其中CTCS2級和CTCS3級控制客運專線列車；CTCS2采用軌道電路傳輸列控信息，控制200～250km／h列車；CTCS3采用GSM－R傳輸列控信息，控制300～350km／h列車．在實際運行中，武廣線、鄭西線、滬寧線及近期開通的京滬線采用了CTCS3列控系統［1］．

由于GSM－R通信中斷的不確定性、隨機性，所產生對通過能力的影響難以預測，可以直接導致列車運行的紊亂，對行車計劃和調度指揮帶來很大挑戰．本文按GSM－R通信中斷的情況，通過3種影響模式來分析通過能力，得出了相應的結論，并以此提出了建議．

1 3種影響模式及其對通過能力的影響

1.1 3種影響模式

CTCS3與CTCS2兼容，正常情況下300 km／h以上的客運專線由CTCS3控制列車，當GSM－R通信中斷或設備故障，CTCS3降級由CTCS2控制列車．現場運行數據表明，由于GSM－R通信中斷導致CTCS3切換到CTCS2現象時有發生，GSM－R中斷次數越多、中斷時間越長對通過能力影響就越大［2］．為了深入研究GSM－R通信中斷對通過能力的影響，根據GSMR通信中斷的影響情況，可將線路實際運營分為以下3種影響模式：（1）影響模式一．為了滿足鐵路運輸需求，安裝CTCS2列車允許運行在350 km／h線路．此模式下 GSM－R 通信正常，無CTCS3降級為CTCS2的情況；（2）影響模式二．GSM－R通信中斷后，個別列車因通信設備故障或受干擾中斷通信，CTCS3列車控制系統車載設備立即實施制動，當列車速度降低為250km／h時，CTCS3降級為備用模式，由CTCS2控制列車，此時后續列車只能按照250km／h進行追蹤；（3）影響模式三．GSM－R通信中斷造成CTCS3地面無線閉塞中心（RBC）無法與車載設備通信，則由RBC控制區域內的所有列車，都只能按照降級模式，即全部按照250km／h進行追蹤．

1.2 對通過能力的影響

1．2．1 扣除系數法 采用扣除系數法［3－4］，3種模式對通過能力影響的表現如下．

1）影響模式一 350km／h線路開行250 km／h列車，由于后者運行速度較低，占用運行圖時間較長，對通過能力產生較大的影響．線路通過能力n可按照下式計算．

式中：εB為250km／h列車扣除系數；tB為250 km／h列車運行的時間；t影響為250km／h列車與350km／h列車速度差產生的影響時間．

2）影響模式二 對通過能力的影響決定于：故障列車的數量，GSM－R通信中斷或設備故障持續的時間等．影響模式二線路通過能力計算見下式．

式中：αB為列車運行圖中的250km／h列車比重；γ故障為故障持續時間占一晝夜的比重．

3）影響模式三 對通過能力的影響取決于GSM－R通信故障或RBC設備故障的RBC控制區域的大小、控制的列車數量、故障的持續時間等．模式三與模式一的區別是模式三的影響是集中的和隨機的，模式一是分散的和有規律的．影響模式三線路通過能力計算見下式．

式中：αB為RBC設備故障后，250km／h列車數占全部列車的比重；γRBC為RBC設備故障持續的時間占一晝夜的比重；tRBC影響為RBC故障導致250 km／h列車與350km／h列車速度差產生的影響時間．

1．2．2 直接計算法

1）影響模式一 設區間共運行M列列車，其中A類列車（300km／h以上）A列，B類列車（200～300km／h）B 列，C 類列車（200km／h以下）C 列（而且 A，B，C 都不為0）．IAA，IBB，ICC分別為A，B，C類列車追蹤運行的追蹤列車間隔時間；IAB，IAC，IBA，IBC，ICA，ICB分別為A－B 類列車、A－C 類列車、B－A 類 列 車、B－C 類 列 車、C－A 類 列車、C－B類列車的發車間隔時間列車連發比例為Is．并設最佳運輸方案中，有x1個IAA，x2個IAB，x3個IAC，x4個IBA，x5個IBB，x6個IBC，x7個ICA，x8個ICB，x9個ICC．

由直接計算法原理，可得到以下數學模型：

對于一個給定的區間，通過求解上面的數學模型可以得到區間通過M列列車所需要的最短時間T，由此，可得到如下求出該區間的通過能力的公式．

式中：n為該區間的通過能力；T為通過模型求出區間通過M 列列車所需要的最小時間，min；T天窗為線路開設矩形天窗的時間，min；M為運行圖中所鋪畫的列車數．

2）影響模式二［5－6］考慮 GSM－R通信中斷時，通信中斷會增加T的取值，從而減小區間通過能力．當已知區間通信中斷的列車數時，可求出此時的T值，然后得出此種情況下的區間通過能力n．

3）影響模式三 考慮RBC通信中斷時，由RBC控制的區間的A類列車均降速為B類列車運行，此時區間僅存在B類和C類列車，因此需根據這兩類車重新建模．影響模式三下計算區間通過能力數學模型如下．

2 算 例

2.1 扣除系數法

以武廣客運專線長沙南－廣州北區段為例．300～350km／h列車扣除系數εA＝1．32，200～250km／h列車扣除系數εB＝3．21，綜合維修天窗時間T檢＝240min，天窗前后無效“三角區”時間T無效＝240min，250km／h列車運行的時間tB2＝163min，250km／h列車與350km／h列車速度差產生的影響時間t影響2＝51min，列車追蹤間隔時間I追＝3min．

由式（1）可得影響模式一的區段通過能力n＝206（對）；由式（2）可得影響模式二的區段通過能力n＝193（對）；由式（3）可得影響模式三的區段通過能力n＝188（對）．在式（2）中，γ故障取不同值時的通過能力是不同的，為了進一步分析GSM－R通信中斷對通過能力的影響，計算了γ故障取不同值時的區段通過能力，如圖1所示．

圖1 區段通過能力n隨γ故障變化趨勢圖

由圖1可以看出，客流區段通過能力隨著γ故障的增大呈逐漸減小的趨勢．當γ故障在20%～50%時，通過能力下降速度明顯增加；當γ故障增大到50%時，通過能力不再隨著γ故障的增大而減小，其原因在于前面故障列車對后續列車造成影響，間接延長了GSM－R通信中斷的時間，使得原來由CTCS3控制列車一晝夜都是由CTCS2控制運行．

在式（3）中，γRBC取不同值時的通過能力是不同的，為了進一步分析RBC設備故障對通過能力的影響，計算了γRBC取不同值時的客流區段通過能力，如圖2所示．

圖2 區段通過能力n隨γRBC變化趨勢圖

由圖2可以看出，客流區段通過能力隨著γRBC的增大呈逐漸減小的趨勢．當γRBC在20%～33%時，通過能力下降速度明顯增加；當γRBC增大到33%時，通過能力不再減小，其原因在于RBC負責控制一定區域無線通信，前一RBC區域會對后續RBC區域造成影響，間接延長RBC設備故障的時間，使得原來由CTCS3控制的列車一晝夜都是由CTCS2控制運行．

2.2 直接計算法

以武廣客運專線上長沙南站－株洲西站區間為例［7－8］．該區間運行3種不同速度旅客列車，設計劃年在該區段運行10對速度為160km／h的旅客列車，25對速度為250km／h的旅客列車和125對速度為300km／h的旅客列車，連發比例為0．6，線路開設矩形天窗的時間為4h，追蹤列車間隔時間如表1所列．

表1 長沙南至株洲西追蹤列車間隔時間 min

1）影響模式一 參照模型（4），利用LINDO軟件求解該模型得：x1＝93，x2＝25，x3＝7，x4＝25，x5＝0，x6＝0，x7＝7，x8＝0，x9＝3．此時，T＝876．7．由式（5）可得區間通過能力n＝218（對）．

2）影響模式二 設GSM－R通信中斷后，300 km／h列車數下降為20對，250km／h列車數上升為140對，即A＝29，B＋C＝70，求解該模型得：x1＝0，x2＝20，x3＝0，x4＝6，x5＝0，x6＝19，x7＝14，x8＝5，x9＝96；此時，T＝923．7．由式（5）可得區間通過能力為n＝206（對）．

3）影響模式三 RBC設備故障時，區間線路上僅運行有速度200km／h和250km／h兩種列車，參照模型（6），求解該模型得：x1＝68，x2＝32，x3＝32，x4＝28．此時T＝969．6．由式（5）可得區間通過能力為n＝198（對）．

2.3 2種方法比較

對扣除系數法和直接計算法的計算結果進行比較，見圖3．

圖3 2種方法計算結果比較

由圖3可以看出，3種影響模式下由直接計算法計算得出的通過能力數值比由扣住系數法計算得出的通過能力數值大．影響模式二下，直接計算法得出的通過能力利用率為0．64，扣除系數法得出的通過能力利用率為0．60．

3 結束語

1）在采用CTCS3級列車運行控制系統的線路上，GSM－R通信中斷及RBC設備故障都會對列車運行速度和運輸組織造成一定的影響，從而影響通過能力．因此，要保證線路通過能力就要提高GSM－R設備通信的穩定性．

2）當GSM－R通信中斷的時間占一晝夜的比重在20%～50%時，通過能力下降速度明顯增加，達到50%及以上時，通過能力不再繼續減小，會穩定在一個數值；當RBC設備故障的時間占一晝夜的比重在20%～33%時，通過能力下降速度明顯增加，達到33%及其以上時，通過能力不再繼續減小，會穩定在一個數值．其原因在于前面故障列車會影響后續列車，因而造成故障時間的間接性延長，此時線路上的故障列車一晝夜都是由CTCS2控制運行．因此，對于運輸組織者來說，要明確這一通過能力的明顯下降區域及下限值，以便在GSM－R通信中斷或RBC設備故障時做出相應的運輸調整．

3）用直接計算法計算得出的通過能力數值比用扣除系數法計算得出的通過能力數值大，影響模式二下，直接計算法得出的通過能力利用率為0．64，扣除系數法得出的通過能力利用率為0．60．其原因在于直接計算法是在最佳運輸方案下計算通過能力，而扣除系數法只是簡單的扣除250km／h列車及350km／h停站列車的影響，并沒有達到最佳運輸方案．而實際運營中，由于種種原因，高速鐵路運輸組織往往不是按照最佳運輸方案進行的，因此扣除系數法得出的結果比直接計算法得出的結果更加接近實際通過能力．

［1］王俊峰．客運專線不同列車控制系統共線對通過能力的影響［J］．北京交通大學學報，2010，34（6）：1－4．

［2］張曙光．CTCS3級列控系統總體技術方案［M］．北京：中國鐵道出版社，2008．

［3］聶 磊．客運專線運輸組織技術［M］．北京：北京交通大學出版社，2008．

［4］楊 浩，何世偉．鐵路運輸組織學［M］．北京：中國鐵道出版社，2004．

［5］邵長橋，周 潔．道路通行能力不確定性分析方法研究［M］．武漢：武漢理工大學學報：交通科學與工程版，2009，33（4）：620－622．

［6］NEI Lei，HU Anzhou，ZHANG Xingchen．Simulation analysis of traffic organization on high speed railway［C］∥Proceedings of the Conference on Traffic and Transportation Studies，2000：929－934．

［7］BURDETT R L，KOZAN E．Techniques for absolute capacity determination in railway［J］．Transportation Research Part B，2006，40（8）：616－632．

［8］NIE Lei．Analysis of distributions of train speed，headway and buffer time：the hague case［M］．Beijing：Beijing Jiaotong University Publishing House，2008．