[维也纳，2024年12月9日]—火车延误不仅会让乘客感到沮丧，而且还会导致重大的经济损失，特别是当火车延误在整个铁路网中蔓延时。当火车晚点时，通常会引发连锁反应，把小问题变成整个系统的大范围延误。这可能代价高昂。美国铁路协会（AAR）的一份报告显示，美国全国范围内的铁路中断每天可能造成超过20亿美元的经济损失。因此，铁路运营商面临的紧迫问题是：如何以最小的努力有效地管理延误的连锁效应？

　　来自复杂性科学中心（CSH）的研究人员使用一种新颖的基于网络的方法，量化了奥地利单个列车对整个铁路网构成的系统性风险。CSH的Vito Servedio解释说：“这使我们能够识别系统中的弱点——那些严重延误后续服务的列车。”这项研究发表在《npj可持续交通与运输》杂志上。

　　识别“影响者培训”

　　研究人员通过分析2018年至2020年间繁忙的维也纳中央车站至维也纳新城路线（每天运行多达1000列客运列车）的数据，以及奥地利所有火车路线在14天内的额外数据，构建了一个网络模型。在此模型中，节点表示列车服务，链接表示可能导致延迟的交互。使用这个模型，研究人员能够根据列车传播延误的潜力对其进行排名，并识别“影响者列车”。为了验证他们的发现并评估延迟缓解策略，他们建立了一个基于代理的奥地利铁路模拟，复制了日常列车动态和相互作用。

　　结果显示，在第一个高峰时间之前和期间运行的列车是最关键的——这可能有点令人惊讶。然而，我们可以分辨出在高峰时段复杂的连接网络中，哪些是最具影响力的，”CSH的博士候选人、该研究的第一作者西蒙·达尼奥蒂说。

　　此外，团队观察到与这些列车相关的风险根植于它们的计划依赖性。只有当中断发生时，这些依赖关系的关键性质才会显露出来。

　　铁路车辆是延误级联的主要原因

　　研究人员发现，模型中的延迟级联主要是由共享机车车辆（机车和货车）引起的，尽管机车车辆之间的接触点比基础设施之间的接触点要少。达尼奥蒂解释说：“我们看到的是，与火车运行本身相比，铁路车辆和人员等材料在通过铁路网络传播延误方面发挥的作用更为重要。”例如，如果一列定于下午2点出发的火车依赖于一列上午8点出发的火车所使用的车辆，那么前一列火车的任何延误都可能严重扰乱后一列火车。这就产生了一个可能具有高度破坏性的硬约束。

　　虽然目前的模式没有考虑到由于缺乏数据而导致的人员变动，但它的目的是在任何时候纳入其他因素，例如人员配备。这种灵活性将允许在可访问这些数据点时更精确地分析延迟影响。

　　额外列车服务

　　为了探索潜在的解决方案，研究人员模拟了从维也纳中央车站到维也纳新城的奥地利南部铁路线上最繁忙的2%的火车延误一小时的情况。这些列车被认为对铁路网影响最大。Servedio解释说：“我们发现，在模型中增加三个额外的列车服务，可以将关键日子的总体延误减少约20%。”

　　研究人员说，在整个奥地利铁路系统中应用这种方法，可以减少模型中40%的延误，增加37列新火车或连接。他们还观察到，一条铁路线的交通量越大，优化的难度就越大。

　　由于铁路公司增加的最具成本效益的列车服务是带电力牵引装置的本地列车，而替代长途列车更加困难和昂贵，研究人员研究了不同的影响是否取决于增加的列车服务。Servedio说：“有趣的是，我们发现，通过在南部铁路线上增加三种最具成本效益的列车服务，我们可以将总体延误减少约20%。”

　　开创性的方法

　　准时是?BB的主要目标之一。CSH开发的模型为我们在复杂的铁路系统中实现这一目标提供了一个额外的工具，”?BB项目经理Aad Robben-Baldauf说。

　　“模拟一个国家铁路系统是复杂的，涉及大量的列车和操作点，产生数十亿个场景。CSH总裁Stefan Thurner说：“传统方法往往无法满足这种规模，但网络分析和复杂性科学提供了强大的建模工具来识别系统漏洞。”这项研究举例说明了将科学研究与行业专业知识相结合的显著好处，展示了协作创新如何为复杂的运营问题提供有影响力的解决方案。

　　关于研究

　　由S. Daniotti、V. D. P. Servedio、J. Kager、A. Robben-Baldauf和S. Thurner合著的“缓解铁路网络延迟级联的系统性风险方法”研究发表在《npj可持续交通与运输》杂志上。

　　这项研究是作为“列车运行预测”项目的一部分进行的，该项目是CSH和?BB之间的一项联合倡议，旨在为?BB的客运制定优化策略，以减少系统的总体年度延误。

　　对CSH

　　复杂性科学中心（CSH）是欧洲研究复杂系统的研究中心。我们从经济学、医学、生态学和社会科学等一系列学科的数据中获得意义，并以此为基础，为更美好的世界提供可行的解决方案。我们成立于2015年，在不断增长的需求的推动下，我们已经发展到70多名研究人员，以获得对社会基础网络的真正理解，从医疗保健到供应链。通过将物理、数学和计算建模与数据和网络科学相结合的复杂性科学方法，我们开发了解决当今和未来挑战的能力。