随着我国经济及运输行业的发展,近年来高速铁路不断发展壮大,高速铁路行车调度指挥在保证列车的安全、高速、正点运行方面起到极其重要的作用。在行车调度指挥中,列车调度命令的编写与下达是最占时间与精力的工作任务之一。目前,我国列车调度命令主要由调度员人工编写,通过计算机调度命令软件、传真或者电话向相关部门或人员传达,调度命令编写工作占用了调度员大量时间。特别是在非正常情况下的应急处置过程中,调度员需要接收和处理大量的信息,全面高效掌握系统运行状态并及时做出正确决策,发出调度命令。在这种情况下,调度命令出现问题的情况也时有发生。针对以上问题,论文对调度命令智能生成方法进行研究,主要从以下三个方面展开:(1)对铁路调度机构、调度员和调度命令进行了系统的分析。在对各个专业调度室和专业调度员的职能和工作内容进行阐述之后,对调度命令的主要特征、主要类型、发布流程、发布场景进行介绍,并从定性和定量两个角度分析了调度命令发布现状及产生问题的原因,为调度命令智能生成问题的提出打下基础。(2)研究基于预警文本信息的调度命令智能生成方法。针对非正常情况下的应急处置情况,构建基于长短时记忆网络(LSTM)的seq2seq模型,通过输入预警文本信息,获得调度命令输出。并利用调度命令修正模块对生成的调度命令5个方面内容进行修正、优化,包括:里程信息、线路走向信息、车站信息、速度值信息和车次号信息。通过为不同应急处置事件构建不同修正策略组成的调度命令修正模块,来保证调度命令内容的正确性。(3)利用广铁集团实际数据对模型进行实验验证,结果显示:基于LSTM的seq2seq模型能够有效利用预警文本信息生成调度命令,准确度达90.1%。使用ROUGE准则对最终生成结果进行评测,结果显示:Rouge-1为0.859,Rouge-2为0.783,Rouge-L为0.812;并且经过修正模块修正后的调度命令比没有经过修正的调度命令在Rouge-1、Rouge-2和Rouge-L指标上分别提升19.0%、18.5%和37.9%,验证了该方法的有效性。