地铁列车驾驶技术发展综述：从人工驾驶到智能无人驾驶

摘 要

【关键词】 地铁 ; 无人驾驶 ; 人工智能 ; 智能无人驾驶 ; 人机混合智能

0 引言

一八六三年那一年儿, 英国伦敦首条采用蒸汽机车牵引下的地下铁路线正式投用。一八七八年间, 电力驱动型机车的成功研发, 大大地提升了地下交通的舒适度与服务效能。城市地铁工程展现出了蓬勃的发展势头。自从全球第一条地下铁路于一八六三年诞生于英国伦敦之后, 随后多个国家纷纷开启了各自的城市轨道交通系统建设进程。如今在全球范围内, 地铁已经成为多数城市居民日常出行的重要交通工具。

到2019年底，在全球范围内共有59个国家及地区拥有167座地铁运营线路，在累计运营里程总计达15,622.61公里的基础上实现了突破性增长。其中，在该领域的排名位居世界第一的是中国（不包括台湾地区），其占全球总量的37.78%；与此同时，在世界其他地区的城市轨道交通运营中也有不少亮点值得关注：全球范围内共有80个城市拥有超过百公里的城市轨道交通运营里程；而在中国境内，则有相当数量的城市达到了更高的水平——累计有19个城市达到每城平均300公里以上的轨道交通运营里程；其中更是有8个城市超过了千公里的大关：上海、北京、莫斯科、广州和首尔等城市的表现尤为突出，在这些特大城市中，上海以高达8,444千米的巨大规模首次超越了其他主要国际大都市

根据中国城市轨道交通协会2018年的客流量统计数据显示，在全球范围内运行的轻轨与地铁系统累计运送了6812.9亿人次的乘客。其中排名前十的城市包括：北京等五个来自中国的城市以及东京等其他国家的城市。这些城市的轨道系统中有一些进入了世界前十强的位置。其中北京作为其 own 的轨道运输系统首次达到了385亿人次的运送能力，并首次超越了日本东京成为世界上最大的都市轨道运营商。

不言而喻的是，在人口密集度极高的城市中拥有大型轨道交通系统能够明显缓解交通拥堵问题。为此建设现代化大城市就必须具备完善的轨道交通网络作为支撑。相比其他城市公共交通方式轨道交通系统的优势主要体现在三个方面：其运载能力显著高于普通地面公交；运行速度显著提升；使用电能行驶且环保。其中在运营效率方面轨道交通系统具有无可比拟的优势：每列列车配备4至6节车厢使其总运载能力达到常规地面公交的7至10倍远超任何同类城市交通工具；在运行效率上由于无需在地表停留可快速通过地下隧道实现时速超过100公里的优势；从环境保护角度来看采用电能驱动而非依赖化石燃料减少了尾气排放对环境造成的污染

地铁必须承担其职责，在线路规划、施工计划以及操作技能这三个关键环节上缺一不可。其中最为关键的是操作技能领域的发展。只有由经过专业培训和支持团队共同协作的应用系统才能确保列车准时到站并根据需要进行加速或减速操作。此外驾驶员/控制系统团队能够灵活应对列车运行中的各种突发状况从而保证整体运营的安全性与可靠性

自1863年以来，在地铁列车驾驶技术的发展历程中大致可分为人工驾驶至智能无人驾驶4个主要发展阶段

1 人工驾驶阶段

1863年时，在英国伦敦完成了世界上第一条地铁线路的建设工作。随后纽约市、芝加哥以及维也纳等欧美国家的城市也开始自行建设各自的地下铁路系统。直至2000年时，在全球范围内已有155个城市已经开通了地铁系统，并且这些城市的地下铁路总长度已经达到7 000公里以上。到了1969年，在中国首都北京第一条地铁线路正式投用运营。这条线路全长约23.6公里，并设有17个站点。每天最多可发车320次，并运送乘客约19 万人次进入地下空间。值得注意的是该线路还具备高度集中化、自动闭塞以及自动广播等功能。

但是，在当时铁路信号系统发展水平有限的情况下，在线路旁边设置了视觉指示装置以保证列车运行的安全性。这种依靠视距进行列车操作的方式因此而得名视距列车驾驶技术。在这种情况下，在站台区域由列车司机全程控制运行方向，并通过实时获取轨道旁侧设备（如道岔标记灯、安全间隔等）提供的运行状态信息实现对线路状况的全面感知。随着现代铁路运输系统的不断发展和完善，在这种基于人工操作的列车控制模式下还面临着两大关键挑战：一是若因司机未察觉或未遵守道岔标记指示而导致作业失误，则可能导致严重的安全事故；二是基于驾驶员经验判断的人工驾驶模式缺乏精确的计算与优化过程以提高作业效率

2 自动驾驶阶段

在汽车自动驾驶领域方面，则因受当前道路权限限制、技术尚未成熟以及安全要求等多方面因素制约而难以广泛应用；然而于轨道交通领域内，则列车能在专用轨道上运行，并且只要平衡好安全与效率之间的关系就可以实现自动驾驶。

2.1 列车自动控制系统简介

研究团队构建了一个综合性的智能交通控制系统ATC，在其架构中整合了三个关键组件：ATP用于实时保护列车运行的安全性；ATO负责实现平稳的运行调度；ATS则提供了对整个铁路网络的实时监控能力。该智能交通信号管理方案采用三种不同的技术路径来优化运行效率与安全性

采用轨道电路技术实现的列车运行控制（TBTC）模式。采用这种模式时，仅能识别列车所在的某一轨道电路区间，并且无法确定列车在该区间内的具体位置，导致列车运行效率较低。

（2）集成应用轨道电路与应答器的半移动闭塞模式，在该模式下系统向后续列车发出指定行进距离的指令，在收到此指示后后续列车将根据这一距离值做出减速或制动力学调整以优化速度控制性能并缩短安全间隔从而提升线路运营效率

（3）基于通信的列车自动控制系统（communication based train control system, CBTC）模式。该模式依赖于连续式双向车-地通信系统的支撑，在这种模式下，列车持续向列控中心反馈位置信息和速度数据；与此同时，列控中心持续计算运行参数并及时传递给列车以确保安全与稳定运作。

在列车自动控制系统中运用ATS的主要功能是监控列车的状态；ATP的核心作用是确保列车的安全运行；ATO则被用来计算并设定适宜的速度参数。其中ATO不仅能够实现车站自动运行以及区间自动运行等功能，并且能够执行自动折返、车站自动停车以及车门开关控制等操作。此外还需要考虑车门/站门联动控制的问题以确保系统的稳定性和安全性

图1 ATC与ATS、ATP、ATO的关系

在当前路段条件下，系统会生成一条 ATO 运行速度曲线。这种运行速度曲线模拟了司机经验形成的理想模式，并由模拟控制器进行生成[12]。为了确保安全运行，在ATO控制下运行时的速度必须保持在ATP防护曲线之下。然而，在实际运行中由于信号响应存在一定延迟，在此情况下列车的最大允许运行速度会略低于ATP防护曲线值；与此同时ATP防护曲线本身也会略低于线路限速限制值为此列车实际行驶速度将基于ATO运行速度进行调节以保证其始终处于安全范围内如果列车超出ATO运行速度则会切换为常规制动模式使车辆减速至低于ATO运行速度如果列车超过并越过ATP防护界限则系统将启动紧急制动程序以确保车辆能够及时停靠

图2 列车实际速度、ATO运行速度、ATP防护曲线及线路限速的关系

这一问题本质上可被建模为一个受约束的多目标优化问题。基于实时数据信息做出科学决策是确保系统高效运行的前提条件。在常规运作模式下，自动 traction 和制动控制系统（ATO）承担着对列车运行状态进行精确控制的重要职责。其核心功能就是确保列车运行的高效性，在预定的目标位置实现精准停靠。其任务要点包括：保证准时到达预定站点；维持合理速度水平；完成精确减速操作。该系统传统上可分为两大功能模块：首先负责预测未来运行的速度曲线；此部分专门负责计算出最佳的速度演变趋势。其次则致力于实现对预设速度曲线的有效跟踪；此部分包含两个主要功能环节：一是实时监测当前行驶状况并及时反馈调整；二是利用离线算法生成最优速度轨迹。

2.2 列车自动化等级及我国地铁自动驾驶发展现状

按照国际电工委员会（IEC）的标准, 列车运行涉及的安全性驾驶操作、轨道监控、乘客上下车以及紧急状态管理等核心功能, 总共有六个方面: 安全运行保障、列车启动与停止控制、车门开关管理以及突发情况应对等环节均需严格执行。该组织将列车自动化水平划分为五个不同的等级: GoA0至GoA4, 其中GoA0阶段为完全依赖人工操作, 司机仅负责启动与停止; GoA1阶段则允许司机控制主要操作如启动与停车; GoA2阶段则由信号系统提供防护并负责列车运行与站台停车; GoA3阶段则由AT系统的功能取代司机工作; 最高级别的GoA4阶段则完全无需任何乘务员协助即可实现自主运行。各类自动化等级的基本功能要求均已详细列于表1中

虽然地铁的自动驾驶早在20世纪80年代就已提出, 但在这一阶段的实际应用中, 并未广泛实现全自动化或真正的无人驾驶技术。在这一阶段使用的地铁列车统称为有司机值守型自动驾驶系统（GoA2），也可称为ATO模式或半自动运行模式（semi-automatic train operation, STO）。该系统依靠信号控制系统进行安全防护, 并负责列车运行与站台停靠操作；然而, 在关门与发车操作上仍需依赖于司乘人员的操作指令。实际上, 在我国大多数城市中仍沿用这种操作模式

自2017年始，我国正式运营的上海地铁第十七号线由中车时代电气股份有限公司提供信号系统支持，在该线路中首次实现了无人驾驶列车运行（DTO）模式的应用。具体而言，在这一线路中信号系统通过实现对列车启动、停车以及行驶过程中的全程自动控制，在确保乘客安全的前提下完成了对列车运行状态的实时监控。然而该模式仍需配备乘务员以完成必要的操作任务包括车门开关及紧急情况下的指挥控制工作。从技术角度来看该方案并不完全等同于真正的无人驾驶状态。截至2020年底具备GoA3级别的自动控制系统线路包括北京地铁首都机场线、上海地铁第十七号线、上海浦东国际机场旅客快速交通系统以及武汉地铁阳逻线共覆盖里程达105.412公里计划中的新项目还有广州地铁第七号线二期及青岛地铁六号线

3 无人驾驶阶段

地铁的无人驾驶系统也可称为无需人员值守的自动驾驶（unattended operation of trains, UTO）系统，在轨道交通自动化运营领域处于最高水平（GoA4），列车处于休眠状态时需被唤醒，在其运行过程中会自动启动，在停车时会自动停下，在开启车门时会自行开关，在清洗车厢时会自动洗车，在到达车站或离开车站时会完成设备管理，并对出现故障及突发状况能全部实现自动应对

3.1 地铁无人驾驶发展历程

其发展经历了概念形成、技术储备积累、初步探索与实践应用以及全面快速发展的四个阶段。在20世纪60年代初期，在美国纽约市完成了全球第一条全自动驾驶地铁系统的首次投入运营工作。到了上世纪90年代末期，在法国巴黎完成了首条具备大规模载客能力的全自动驾驶地铁线路——地铁14号线开通运营。这条线路采用了阿尔斯通公司提供的MP89型动车组和西门子公司提供的TrianGuard信号系统，并实现了多项创新功能：例如根据运营和调度的实际需求动态调节列车速度与车流密度；停车时采用自动开启车门的方式显著提升了乘客体验。得益于地铁14号线的成功示范作用，在2012年底巴黎政府启动了对地铁1号线的无人驾驶改造计划，并最终实现了所有列车实现无人值守管理状态。

在2003年6月，《新加坡地铁东北线正式开通》。这条线路是全球首个实现正线与车辆段全程自动化运行的重载系统，在此系统下列车最高行驶速度达到每小时90公里，在保证安全的前提下最小发车间隔为两分钟，并实现了由固定闭塞制向移动闭塞制的逐步过渡。

2009年, 欧盟发布了包含车载设备、轨旁设施、通信系统、乘客服务、节能技术以及综合管理系统的6个子领域的新一代城市轨道交通系统测试方案, 该方案采用了开放架构设计, 并通过标准接口实现各子系统的协同工作, 此方案已得到国际电工委员会（IEC）和欧洲电工标准化委员会（CENELEC）的认可, 这标志着城市轨道交通技术已进入成熟应用阶段。在此阶段, 移动闭塞技术被广泛采用, 各类系统的安全性与可靠性成为研究重点

3.2 我国地铁无人驾驶发展现状

在2016年之际，我国首次推出了一条完全实现无人驾驶功能的新线路，在香港南港岛正式投用。这条线路由中国车科技城轨道客车股份有限公司主导研发，并达到了国际最高的GoA4级自动驾驶标准。该系统具备自主唤醒、自主运行以及故障自检等关键功能，并成功实现了真正意义上的无人驾驶技术突破。在2017年12月30日这一天，在中国完成了首条完全自主研发的全自动运行轨道交通线路——燕房线的成功开通运营。这条全长 14.4 公里、最高时速达80公里的新线采用了全部国产化的智能交通控制系统（CBTC）系统

据调查数据显示：截至当年年底为止，在中国（除香港与澳门特别行政区外），已建成并投入运营的轨道交通线路中全部采用了最高级别的无人驾驶运行标准GoA4（无人值守下的自动化运行）的城市及其线路共计5个城市共8条线路；而目前该国多个城市正在进行全自动运行系统轨道交通线路的建设工作；其中北京、上海、深圳等城市已完成或正在推进相关技术应用；截至统计数据显示：目前中国（除香港与澳门特别行政区外）各城市总计规划中的全自动运行轨道线路已达49条；总长度为1774.77公里；其中采用最高级别的无人驾驶技术GoA4标准的城市线路共计19条；总长度为1221.848公里；占全部在建线路规模的69.42%。
由此可见：我国地铁无人驾驶技术已全面进入成熟阶段；已成为国内各大城市规划地铁系统时的首要选择方案。

4 智能无人驾驶阶段

轨道列车方向较早开展无人驾驶研究与应用，并且目前仍属较少见能够实现无人驾驶实际运用的领域。尽管ATC在地铁无人驾驶领域取得了显著成效（取得了显著成效），但在列车运行能耗方面表现尚有提升空间，在乘客舒适度方面仍需改进，在到站精准率方面有待加强，在停车误差控制方面还需突破，在高峰时段列车调度管理上也存在明显不足。近年来随着5G技术快速普及以及大数据和人工智能技术全面进步，“城市轨道交通+5G+大数据+人工智能”的协同发展已成为推动国家现代化建设的重要战略方向。然而正是轨道列车在无人驾驶领域的局限性制约了其大规模发展进程；而人工智能技术则在轨道列车运行控制调度优化、车辆组配置管理和整车联网联运等方面展现出显著优势潜力；这些优势若得到充分发挥将会极大地推动无人驾驶技术向轨道列车领域渗透与推广工作。“智能无人驾驶时代”已逐渐成为 track-based systems发展的主流趋势与未来发展方向；笔者将其定义为智能化发展的新阶段

4.1 未来智能无人驾驶系统中的关键技术

（1）基于深度强化学习的轨道列车控制技术

我国多地的一线城市高峰时间段内地铁列车班次之间的运行间隔仅有约2至3分钟，在确保乘客安全准时到达目的地方面具有重要价值。作为一种先进的现代控制理论技术，深度强化学习已在诸多复杂系统中展现了卓越性能，在轨道列车运行控制系统中被广泛应用于解决其面临的未知阻力和非线性问题等挑战。值得注意的是，在列车运行过程中不仅会影响当前时刻的状态还包括对未来运行产生重要影响（例如准点进站以及精准停靠站台）。此外通过应用深度强化学习技术可以优化现有ATO系统的离散动作控制器从而提高其整体性能水平。

（2）基于客流大数据分析的列车调度技术

对于城市地铁系统而言，在不同运营线路以及不同时间段内存在着显著的客流量差异。例如，在深圳地铁6号线运营过程中发现，在周末单日客流量方面表现突出的是1号线线路（其日均客流量约为10号线的近4倍）。由此可见，在优化列车调度策略时需要充分考虑乘客需求的变化规律以及运营时段的特点差异。为了实现精准的人力资源配置目标，在数据分析与决策支持方面可采用以下具体措施：首先通过机器学习方法对客流数据进行建模与分类处理；其次运用神经网络模型对客流数据进行分析与预测；进而利用上述技术手段实现对地铁列车运行状态的有效调控，并在此基础上建立科学的人工智能调度系统框架。这些智能化调度算法能够通过大数据分析快速识别关键指标并优化列车运行参数设置；最终使得整个系统的运行效率得到显著提升，并且能够根据实时采集到的数据动态调整应对策略以提高乘客满意度和安全性

（3）基于5G通信的列车物联网技术

伴随着 5G 技术的普及，未来城市轨道交通的发展不仅需要满足基本的群众出行需求，并且要不断提升服务质量与智能化水平。目前多数地铁列车配备的车载影音系统较为基础，在车厢内部播放的内容经常出现画面错乱甚至完全无信号的问题。借助 5G 技术的强大通信能力推动城市轨道交通逐步向智能化和多功能化方向演进。值得注意的是，在 5G 网络的支持下不仅能全面升级列车上的影音娱乐系统将实现4K、8K以及三维（3D）或增强现实（AR）级别的娱乐体验这些高科技手段能为乘客带来更加丰富有趣的观影体验同时虚拟内容与乘客之间的互动也能极大丰富乘客在列车上的文化生活与此同时 5G 带来的超高速通信能让列车在无人驾驶状态下通过车载系统与控制中心保持实时通信从而确保运行过程中的安全可控这一切技术变革也将成为支撑现代无人驾驶轨道列车发展的关键核心技术。

4.2 人机混合智能系统

相比具有司机值守特征的GoA2级自动驾驶系统（GOAS），虽然智能无人驾驶阶段具备诸多显著优势（如实时响应能力等），但在列车遭遇紧急情况时（如乘客突发疾病导致列车失控风险升高），有人值守的列车运行安全性更具优势。这种差异的根本原因在于现有的深度学习算法往往存在不可解释性不足的问题（即难以理解其决策逻辑），这导致其在面对未充分训练的情况时表现受限）。基于此问题背景，在2016年国际人工智能大会（ICAI）上提出的“人机混合增强智能”理念（Human-Machine Co-Intelligence, HMC）得到了广泛关注，并在此基础上发展出了两种主要实现形式：一种是基于认知计算的人机混合增强智能模式（HMHI），另一种是基于认知计算的人机协同智能计算框架（CMC）。基于上述理论基础，在实际应用中可以通过将列车紧急情况下的专家操作经验和无人驾驶技术相结合的方式构建人机混合智能驾驶系统（Human-Machine Co-Intelligent, HMCI）。具体而言，在列车遇到紧急情况时（如乘客突发疾病导致列车失控风险升高），HMCI系统会自动切换至结合人类智慧的操作模式，并根据具体情况调控列车运行状态。例如，在Yin J T等人研究的基础上构建了一个集能效、准点、舒适度及安全性于一体的智能铁路操作系统，并实现了对该系统的在线运行控制功能而无需依赖预先生成的速度曲线数据来源。随后，在此基础上Zhou K C等人进一步利用深度确定性政策梯度算法与归一化优势函数方法优化了该系统的能耗效率与舒适度指标，并实现了对地铁连续牵引力与制动力的有效控制

人机混合智能驾驶系统解决地铁列车无人驾驶的关键在于合理划分人类专家与智能体的任务分工。若让人类专家承担的工作量过高，则会降低系统的自动化与智能化水平；反之若由智能体主导工作量过大，则可能导致特殊状况被忽视进而威胁到运行安全。针对如何优化两者的协作关系这一难题，在此提出采用深度模糊系统与深度神经模糊系统相结合的技术方案：其中深度神经模糊系统集成了神经网络的高精度特性与模糊逻辑的易解释性优势，在提升地铁列车运行效率的同时显著降低了安全风险的概率

实现对地铁列车无人驾驶系统的智能化管理是将深度模糊系统与深度神经模糊系统相结合的核心任务。当系统的判断结果为常规状态时，则由智能主体负责应对；若判定为特殊状态，则应在智能体方案的基础上参考专业人员的意见。这样一来，在分工策略上就转化为如何划分列车运行情境的问题。该划分方案可根据地铁运营的具体需求进行个性化调整。例如，在列车运行过程中每一刻都会有相应的操作指令生成。若该指令超出正常操作参数范围则视为需专业人员介入的情形。鉴于地铁列车控制系统具有高度复杂性和不确定性因此人类专家知识的作用不仅降低了控制器设计难度而且确保了整个系统的安全性。

基于采用人机混合智能技术构建的地铁列车无人驾驶系统的主要框架图如图3所示；通过参考图3的相关信息可以更好地解决上述关键问题。具体而言，在感知当前运行环境时，系统会首先由列车智能体与人类专家共同识别或仅由列车智能体进行独自识别目前的运行条件；随后获取包括列车速度、加速度、运行阻力等参数以及剩余路程等关键数据；接着对这些数据进行综合分析并运用模糊控制系统判断当前状态属于常规场景还是特殊场景；对于常规场景则按照预先训练好的程序指导智能化体执行相应的操作以确定下一个时刻应采取的动作；而对于特殊场景则需整合人类专家的专业经验与常规经验共同指导智能化体求出最优或较优的操作方案；如此循环往复直至完成一整趟运行过程

图3 基于人机混合智能的地铁列车无人驾驶系统的基本框图

可以预见到，在将人机协同优势应用到地铁列车自动驾驶系统时会涵盖所有方面。促进人类与机器智能在列车运行中的协同工作，并发挥各自的优势基于此的人机混合驱动型智能驾驶将成为未来地铁智能化无人驾驶的重要研究方向。

5 结束语

本文基于地铁列车驾驶自动化程度的不同, 将地铁列车的驾驶技术划分为人工控制阶段、自动控制阶段、完全无人驾驶阶段以及智能化完全无人驾驶四个层级, 并对各层次的技术特征进行了详细阐述; 针对完全无人驾驶阶段列车在紧急状况下可能存在的安全隐患问题, 提出了以人机混合智能为基础建立的一种新型'专家模式', 并结合深度学习算法与模糊逻辑理论, 开发出一套面向人机协同智慧的新一代深度模糊控制系统. 该控制系统能够有效地将数据驱动型智能化与具有丰富经验的人类专家智慧有机融合, 在确保运行安全的前提下, 大大提升了整体系统的综合性能指标以及自主学习进化能力.

我国的地铁建设相对欧美发达国家起步相对滞后，在当前阶段需要突破关键核心技术才能错失发展良机。而通过将人机结合智能理论与深度模糊系统等前沿技术综合运用到列车无人驾驶中去，则为未来提供了一条具有广泛前景的发展道路。