摘要
大型铁路编组站涉及紧密耦合的列车运行、车辆分类作业、调车作业以及基础设施占用等环节，仅凭静态方式难以对其作业方案进行评估。针对这一问题，本研究提出了一种基于数字孪生的多智能体框架，用于铁路编组站的作业仿真与绩效评估。该框架整合了计算机集成作业系统（CIPS）中的场站状态数据以及列车调度管理系统（TDMS）中的列车到发计划，构建了数字孪生作业数据基础，为仿真模型提供实时输入。列车、车辆和机车被建模为相互作用的智能体，基于编组站的拓扑表示，能够准确模拟列车的到达、解体、积压、编组和出发等作业过程。在仿真模型中模拟由作业计划所规定的列车运行过程，因此可以提供多层次指标来评估列车和车辆的通行量、子场占用情况、车辆积压量以及调车机车的作业负荷。在中国某大型复杂铁路编组站的实际部署表明，所提出的框架能够在仅7秒内完成4小时作业计划的仿真，捕获60余列列车和3000余辆车辆的时空演化过程，并交付各类绩效指标，用于瓶颈识别和通行量分析。
