摘要：为支撑铁路运输态势推演、列车组织优化等工作，需对铁路网列车运行及区域能力利用状况进行推算。本研究融合列车运行记录、到发报告、装卸车报告、物理网络拓扑等多源数据，通过预处理与知识融合，提取货运路径知识三元组构建知识图谱。利用知识图谱进行知识提取与推断，获取历史列车运行信息、时间参数等知识构建货运服务网络以搜索径路，同时辅以货车历史轨迹知识对备选径路集进行补充。基于知识计算所得参数与径路集，构建以列车总运行时间最短为目标的线性整数数值优化模型，同时结合时间判断与径路切割操作计算残余列流实现连续时段列流推算，最终结合真实生产数据构建案例并使用商业求解器Gurobi求解验证。结果表明：与实际数据对比，超85%的弧段推算误差小于5列，误差超过10列的弧段占比小于2.5%。推算识别的瓶颈区段、线路同实际情况基本吻合，可以为列车组织优化提供参考。相较于优先分配最多待运车数车组策略的推算方法，本研究方法准确率提升约12%，误差较大弧段数量减少56.3%；相较于单一数值优化方法，本研究方法可在更小的备选径路集规模下实现准确率提升约10%，误差较大弧段数量减少58.2%。同时，与两种对照方法相比，本研究方法推算得到的径路更合理、运输方案更贴合实际。对误差分布及产生原因进行分析，影响推算结果的原因可能包括数据质量、优化算法等因素，为后续改进提供方向。研究结果可为铁路运输态势推演、瓶颈疏解及列车调度提供决策支持，助力运输组织方案优化。
