进入21世纪后,我国铁路的信息化建设极大提升了运输部门的生产能力和服务水平。铁路信息化建设与设备更新,使列车调度系统具备了处理实时调度数据的功能。铁路信息化网络使路网内各类设备互联互通,具备了列车调度数据采集与汇总的基本条件。在当前铁路行车组织要求不断提高的背景下,研究列车调度系统内数据挖掘方法应用,将对运输组织质量的提升与列车调度指挥方法的改进提供思路。本文设计了调度区段扰动的控制方法,该方法通过晚点预测和扰动判定得到扰动场景,构成列车运行调整问题。问题随后通过相关算法求解,从而达到扰动控制的目的。晚点预测和扰动判定建立在列车调度数据的过程挖掘模型基础之上。扰动控制方法通过晚点预测、扰动判定以及列车运行调整问题的研究为调度指挥业务的智能化提供了实际思路。具体研究内容可概述为晚点预测、扰动判定和列车运行调整三个方面。晚点预测模型建立在扰动归因分析的基础上。扰动归因分析是晚点传播现象的因果分析方法,分析结果可表述为晚点传播链的形式。晚点传播链内的所有受扰动事件能够分为初始晚点、连带晚点两个类别。本文通过过程挖掘算法,建立了列车车站到达、出发事件的相邻关系,并进一步引入扰动传播参数,构建为归因分析网络,最终获得了扰动来源与晚点传播链。由于晚点传播与晚点时长之间具备因果关系,本文在归因分析的基础上,进一步设计了晚点时长的预测模型。算法结合我国列车调度指挥系统的实际情况,将晚点时长构建为不同的晚点级别。预测模型使用BP神经网络进行构建,效果通过北京铁路局两个客专区段的运行图和实绩数据制作的算例进行验证。模型的预测精度在5分钟的允许误差范围内达到了85.5%。扰动判定方法的主要研究对象是紧追踪。紧追踪是列车在区间运行时因两车间距过小导致的扰动现象。传统的区间扰动判定方法无法判定紧追踪。本文通过建立过程挖掘算法,在列车调度系统内采集逻辑车次日志,获得了列车闭塞分区占用时长的高精度数据,为扰动判定方法的改进提供了支持。进一步地,本文使用区段锁闭时间模型对列车闭塞分区占用时长建模,通过机器学习算法和分布拟合检验得到占用时长的统计规律。在统计规律的基础上,不同类型列车在闭塞分区的占用时长得到了估算,并重建为运行线的区段锁闭时间模型形式。论文最后通过实际区间扰动案例,将列车的运行线重新构建为区段锁闭时间模型形式,成功判定了紧追踪车次在区间出现的扰动。改进方法实现了传统方法无法完成的紧追踪判定,为解决实际业务中的扰动判定问题提供了思路。列车运行调整问题的传统数学建模方法是整数规划,算法在求解过程中必须处理决策变量的大规模组合,导致整体计算效率不高。本文在不改变传统方法的运行图间隔时间、车站能力以及调度措施的约束条件下,将列车调整问题重构为有限个制约条件限制的多变量组合约束满足问题,并设计了约束规划算法。约束规划算法通过约束传递与试错回退机制触发条件检查与调度措施,并同时控制求解变量的个数,从而避免了传统算法的大规模的变量组合试错过程,具备高速计算特征。为对比验证约束规划算法的计算效率与求解质量,本文设计了同等约束条件下的整数规划模型以及不应用任何调度措施的PERT仿真方法,并使用京津城际某月的列车图定线数据制作算例开展数学实验,对比了不同扰动条件下三类算法的总晚点时长与计算耗时。实验结果验证了算法的求解质量与计算效率。通过过程挖掘模型和约束规划算法的应用,调度区段扰动控制研究在晚点预测、扰动判定和列车运行调整三个问题内取得了较好的效果,方法总体实现了扰动控制流程的整体设计与高效计算,并验证了过程挖掘方法和相关算法在行车调度领域内的可用性。