2025年4月1日至4日，2025年第11届国际铁路运营建模和分析会议(ICROMA)在德国德累斯顿召开(RailDresden 2025)，IRailSpark团队博士研究生韩霈然、侯小雨、潘钰雯、赵如月、郑然斐、朱月皓参与会议并开展汇报。其中，IRailSpark团队博士研究生郑然斐荣获Young Research Awards三等奖🥉。IRailSpark团队博士研究生郑然斐、韩霈然荣获会议最佳论文奖。
作品名称：Resource-based Integrated Train and Rolling Stock Rescheduling under Different Rolling Stock Usage Rules
作者：郑然斐
指导教师：孟令云、栾晓洁、苗建瑞、廖正文
内容简介：针对严重突发干扰下的列车与车底一体化重调度问题展开研究。通过灵活调整车底交路可以有效减少列车晚点和取消，但不同干扰场景下对车底周转的约束规则差异显著：从固定周转、受车型限制的准灵活周转到完全灵活周转。过于严格的规则会导致本可避免的运营损失，而过度灵活的规则又可能产生实际不可行的运行图，因此亟需能够刻画不同车底周转规则的先进重调度方法。
为此，本文提出了一种基于资源的时空网络建模方法，并构建了相应的整数规划模型，可灵活适应多种车底使用规则且具有较高的求解效率。在算法层面，设计了拉格朗日松弛分解框架，并提出了一种新的基于动态优先级的启发式算法，通过定制化的车底连接操作和改进策略提升解的质量与计算效率。基于包含410列车、161组车辆、线路长度1318公里的大规模算例，在多种干扰场景下验证了方法的有效性与高效性，并进一步分析了从固定到灵活的不同车底利用策略所带来的调度效果差异，为实际铁路运营提供了有价值的决策启示。
作品名称：A novel reward-driven 0-1 integer programming for optimizing railroad flat yard switching: A sequential decision approach
作者：韩霈然
指导教师：孟令云、栾晓洁、苗建瑞、廖正文、Nikola Besinovic
内容简介：针对铁路编组站钩计划自动编制问题，本文创新性地提出了一种调车作业网络（Shunting Action Network, SAN）建模方法，并构建了相应的0-1整数规划模型。针对SAN网络存在环路、对称性等结构性难点，设计了延迟约束（lazy constraints）与对称性破除约束，以提升模型求解效率。进一步地，考虑问题中的强耦合特征与多阶段决策属性，本文将钩计划编制重构为序列决策优化框架，使原问题能够自然解耦为多阶段可处理的子问题。通过引入奖励弧机制，子问题被转化为有向图中的最长路径求解，从而实现对解空间的高效引导搜索。本文提出的算法能够将钩计划编制这一NP-hard问题转化为多个可在多项式时间内求解的P类子问题，并在INFORMS RAS 2024问题求解竞赛算例上验证了模型与算法的有效性。实验结果表明，该算法可在10秒内求解规模达到100辆车以上、10条调车线以上、10个去向以上的钩计划编制问题。
作品名称：Analysis of factors influencing the uncertainty of freight train running time on section based on XGBoost-SHAP method
作者：赵如月，孟令云，Marcella Sama，张琦，苗建瑞，栾晓洁，郭志新
指导教师：孟令云
内容简介：针对货物列车运行过程中多因素作用导致区间运行时分不确定性较大的问题，对关键影响因素的特征重要性开展研究。构建了一种基于XGBoost-SHAP的货物列车区间运行时分特征重要性分析模型，用于刻画各影响因素的特征重要性及其作用特征。进一步分析了不同特征取值条件下，各影响因素对货物列车运行时分的非线性影响及其交互关系，并采用随机森林和神经网络模型进行对比实验分析。
作品名称：Optimal Strategy Estimation for Real-time Traffic Management: An Optimization-learning Framework-Based Method
作者：侯小雨、徐同煜、苗建瑞、孟令云、栾晓洁、廖正文
内容简介：论文提出了一种基于优化-学习框架的列车调度策略适配方法，旨在向调度员提供决策支持。该框架包括优化层和学习层，优化层构建混合整数规划模型，刻画多种调度策略集，生成大量预设扰动场景下最优调度策略匹配样本；学习层采用多层感知机模型以捕捉扰动特征和调度策略之间的非线性关系，快速识别并输出不同扰动场景下的最优调度策略。
