CN104933490B - 一种考虑社会车辆的土石坝工程的土石方调配优化方法 - Google Patents
一种考虑社会车辆的土石坝工程的土石方调配优化方法 Download PDFInfo
- Publication number
- CN104933490B CN104933490B CN201510396791.9A CN201510396791A CN104933490B CN 104933490 B CN104933490 B CN 104933490B CN 201510396791 A CN201510396791 A CN 201510396791A CN 104933490 B CN104933490 B CN 104933490B
- Authority
- CN
- China
- Prior art keywords
- road
- expense
- task
- construction
- particle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种考虑社会车辆的土石坝工程的土石方调配优化方法。通过收集路网信息和各种工程施工信息计算道路路阻函数,建立结合路径优化的土石方平衡规划模型,为求解模型,先遍历路径组合,对每种路径组合利用序列二次规划方法求解最优土石方平衡规划方案,比较得到最优解。上述求得的解作为机械配置的输入,从而考虑交通因素和社会车辆建立土石方机械配置模型。为求解该模型,在交通仿真软件设置仿真环境,并二次开发设计仿真控制器建立土石方调配运输的仿真系统,然后利用仿真控制器和粒子群优化算法相结合求得最优机械配置方案。该发明考虑了交通因素和社会车辆,精确高效的求解了土石方调配优化方案。
Description
技术领域
本发明属于调配优化领域,具体涉及一种考虑社会车辆的土石坝工程的土石方调配优化方法。
背景技术
在现代科技及经济社会迅猛发展的大背景下,随着资源、环境和经济的稳步协调,我国的可再生能源体系尤其是水利水电事业,进入了一个蓬勃发展的时期。土石坝工程因其坝型简单、可充分利用当地土石料且施工方法便捷、并具有安全性、经济性及适应性等特性,现已成为国内外发展最广泛、最迅速的坝型之一。土石方调配工程是水利水电工程的核心部分,合理的土石方调配安排是工程高效益、低成本完成的保障。土石方调配工程多在山区,交通条件差,社会车辆和工程车辆公用道路,对土石方调配影响巨大。故合理的土石方调配安排需要考虑交通运输。
目前对土石方调配的研究集中在土石方平衡规划、土石方调配仿真和机械配置等方面。在土石方平衡规划方面,研究者们建立了多种模型优化求解土石方平衡规划问题,如线性规划,模糊规划,大系统理论等,这些研究都是基于运输路径确定的前提下进行的。在确定路径的情况下进行土石方平衡规划会使更优的土石方调配可行方案在模型可行解的范围之外,故将在进行土石方物料的平衡规划的同时进行路径的联合优化对高效、节省的施工组织具有重大的指导意义。同时,道路建设的评估和土石方调配息息相关,在土石方调配路径选择时考虑评估是否建设额外的备选道路来支持土石方调配。
机械配置也是土石方调配的重要部分,机械优化需要知道不同机械配置的生产率,计算出不同方案的目标函数值,从而评估不同方案的优劣,并可通过优化算法求解。为得到精确的生产率,现阶段的研究者多进行计算机仿真土石方调配过程。如循环网络作业、petri网、元胞自动机等。计算机模拟仿真是求解机械配置必不可少的工具,模拟土石方调配过程的仿真模型都是基于离散机制的,以随机事件的时间分布模型作为基础。而交通运输过程带有复杂的随机性,运用离散事件仿真会使目标求解带有一定的随机误差性。故考虑运输过程的交通特性,运用高精确性交通仿真软件模拟运输过程,并和优化算法相结合是非常有必要的。
上面提出土石方调配过程中交通运输中可能存在社会车辆对调配过程的影响,这是不可避免的,在考虑运输路网时,已存在的社会道路是调配路径的首要选择。故优化不仅要考虑施工场内交通系统的交通特性,还需要特别考虑在社会车辆和施工车辆公用道路时社会车辆对工程车辆的运行产生的影响。本发明依据上述分析对土石方调配优化方法进行设计,提出了一种详细的考虑社会车辆的土石坝工程的土石方调配优化方法。
发明内容
本发明旨在针对现有技术中缺少交通因素和社会车辆影响的考虑,提供一种土石坝工程的土石方调配优化方法。考虑道路交通因素和社会车辆影响,首先,将不确定土石方调配运输路网的路径优化和土石方平衡规划相结合,进行联合优化,从而得到每个时期物料调配的方向、路径和物料量,并作为机械配置的输入。然后,利用交通仿真模型建立精确模拟土石方调配运输的仿真系统,将其和粒子群优化算法相结合求得机械配置的优化方案。
本发明方法应用于以下系统,该系统可以分为两大部分,第一部分为结合路径优化的土石方平衡规划,第二部分为考虑社会车辆的机械配置优化。
在第一部分,主要包括以下模块:路阻计算模块、路径组合模块、模型求解模块和数据库模块;路阻计算模块将路网交通信息和社会车辆信息转化为路段旅行时间,并列出时间转化为费用的函数,与调运相应调配量的其他费用相加组成路阻函数。对于含有需评估的建设道路,路段路阻还需加上道路建设费用;路径组合模型根据路网列出所有OD之间的路径集合,作为路径备选,取得各路径路阻计算函数;模型求解模块首先根据土石方调配施工计划表和路阻函数建立土石方平衡规划和路径优化联合的优化模型,该优化模型较为复杂,采用遍历路径组合和序列二次规划方法求解;数据库模块存储土石方调配施工计划表,路网信息,路阻计算模型结果和优化模型计算结果。第一部分的结果作为第二部分的输入。
第二部分是考虑社会车辆的机械配置优化,主要包括以下模块:粒子群优化算法模块,仿真控制器、交通仿真软件模块和数据库模块;粒子群优化算法模块用于粒子(机械配置优化方案)的初始化,根据交通仿真软件模块求得的生产率计算目标函数,粒子(机械配置优化方案)的更新;仿真控制器用于连接粒子群优化算法、交通仿真软件模块等其他模块,并控制整个优化进程;交通仿真软件模块对粒子群优化算法模块提供的各种机械配置进行仿真,求得各种机械配置的生产率;数据库模块存储机械配置优化的输入数据,优化过程中产生的数据和机械配置的优化结果。
本发明的方法包括以下步骤:
(1)获取土石方调配施工计划,收集各种施工场地信息,各种单位调配费用数据和道路建设信息,对实际施工区域进行交通调查,全面了解交通路网信息,收集道路建设信息,具体包括以下子步骤:
(1.1)获取土石方调配施工计划:所述土石方调配施工计划包含每个时间段开挖项目需要完成的开挖工作量和填筑项目需要完成的填筑工作量;土石方调配施工计划是施工组织者在施工前期根据多方面考虑安排好的宏观施工进度;
(1.2)收集各种施工场地信息和各种单位调配费用数据:所述施工场地包括开挖点、填筑点、中转站、料场、弃渣场;开挖点是有开挖项目的施工场地,开挖料是其产物,开挖料首选去向是填筑点,供给填筑点完成填筑任务,在现阶段填筑任务不需要时运往中转站储存,或弃渣场弃渣;填筑点是填筑项目施工场地,填筑物料来自开挖项目、中转站和料场,三种来源有优先级顺序;中转站用于临时存放现阶段用不到,在未来会用到的物料;料场给填筑项目提供开挖项目的物料量不能满足时的剩余物料,料场的物料可以直接运往填筑点,也可以先运往中转站,使用时再运往填筑点;弃渣场用于堆放没有利用价值的物料;施工场地信息包括中转站的储存量,料场的最大出料量,弃渣场的容量;单位调配费用数据包括料场物料的单位开采费用,施工车辆运输单价,车辆装载费用和存储费用;
(1.3)全面了解施工区域路网信息:所述路网信息包括静态路网信息和动态路网信息,静态路网信息包括道路类型,道路几何信息,道路设施,道路限速,路径集合,动态路网信息包括道路的流速曲线,红绿灯配时,社会车辆OD流量表;
(1.4)收集道路建设信息,确定需评估的建设道路,获取道路建设费用影响因素;
(2)计算路阻函数:某路段的路阻函数即为选择该路段运输物料时所花费的费用,包括静态费用、动态费用和道路建设费用;所述静态费用与开采费用、装载费用和存储费用相关,所述动态费用与分配的物料流向和物料量相关;所述静态费用和动态费用的计算公式如下:
Cijt=Cijt 1+Cijt 2
其中,Cijt是时间t内从料点i运输物料到料点j所花费的费用,为静态费用,为动态费用;
所述的静态费用包括开采费用、存储费用和装载费用,具体计算视物料调运流向而定,具体计算公式如下表:
物料流向 | 计算公式 |
开挖项目到填筑项目 | Cijt 2=Cz*xijt |
开挖项目到中转站 | Cijt 2=(Cz+Cs)*xijt |
开挖项目到弃渣场 | Cijt 2=Cz*xijt |
中转站到填筑项目 | Cijt 2=Cz*xijt |
料场到填筑项目 | Cijt 2=(Ci k+Cz+Cs)*xijt |
其中,CZ为单位m3的物料的装载费用;xijt是决策变量,为t时间段内从料点i运往料点j的物料量;CS为物料存储在中转站的单位存储费用;为从料场i开采物料的单位开采费用;
所述的动态费用指的是运输费用,运输费用并不是简单的用路程长度除以行驶速度,影响运输费用的因素包含动态因素和静态因素;静态因素包括道路的类型、长度,道路的设计速度,道路的弯曲程度,道路的陡度和陡坡长度;动态因素为分配在该流向的物料,所选路径和所选路径上的社会车辆流量;所以因素影响都可以转化为统一的行程时间,从而转化为费用;动态费用计算函数和行程时间计算函数如下:
Cijt 1=Ct*Timijt (2.1)
vrt=v((xijt+qrt),vsr) (2.3)
其中Ct是单位行程时间所需运费,Timijt为在t时间段内从料点i到料点j的行程时间函数;r为路段编号,l表示路径编号;Lijt表示在t时间段内从料点i到料点j的路径集合,因为土石方工程施工场内路网道路较为有限,可以用较有限的集合表示出来,R为路段集合;bijtl是决策变量,表示在t时间段内从料点i到料点j是否通过路径l运输物料,是为1,否则为0;arl表示路段r是否在路径l上,是为1,否则为0;Er为路段r的长度,vrt为道路r在t时间段的平均行驶速度;v((xijt+qrt),vsr)为道路r的流速曲线,qrt为道路r上在t时间段内社会车辆平均流量,vsr为道路设计速度,流速曲线为真实数据拟合得到;
所述道路建设费用包括道路位置成本、道路长度成本和路基土石方成本;道路位置成本为道路占用土地的费用与道路占用面积相关;道路长度成本与道路长度成正比,包括道路修建费用、道路养护费用和道路使用费用,记为路基土石方成本为道路建设时挖填土石方所产生的费用与土石方挖填面积相关;道路建设费用计算公式如下:
(3)建立结合路径优化的土石方平衡规划模型,模型以调配费用和道路建设费用最少为目标,道路最大运输强度和物料平衡为限制,土石方平衡规划模型如下所示:
其中T表示整个工期内的时间段个数;N表示供料点的个数,开挖项目点有n1个,中转站n2个,料场n3个;M表示受料点的个数,填筑项目点有m1个,中转站有m2个,弃渣场有m3个;U为需要考虑是否要建设的道路的条数;fcon u为道路是否建设的标志,计算公式如约束条件最后一项所述,只有总施工工期内选择的路径中包含路段u时fcon u为1,否则为0;Ccon u为建设道路u的费用;Ls u为道路u经过的路径集合;
约束条件中,第一项为高峰道路运输强度不超过道路运输强度最大值,Qr表示道路r的最大道路运输强度;第二项表示在t时间段内从料点i到料点j运输物料的工程车辆按固定路线运输物料;第三、四项分别表示开挖项目开挖物料和填筑项目填筑物料的平衡,Dit表示t时间段内开挖项目i需要完成的物料量,Sjt表示t时间段内填筑项目j需要完成的物料量;第五、六项分别表示料场开采量限制和弃渣场容量限制,Vi表示料场i的最大允许开采量,Uj表示料场i的最大允许弃渣量;第七项表示中转站的容量限制,Eu表示第u个中转站的最大存储量;
(4)求解步骤(3)中的结合路径优化的土石方平衡规划模型;该模型是0-1混合整数的组合优化问题,该求解问题可以分解为路径优化和土石方平衡规划两层;第一层遍历所有路径优化组合,设置一个多维变量存储最优解;第二层用序列二次规划方法求解在路径拟确定下的土石方平衡规划模型,求解结果返回第一层对比最优解,更新最优解;最终得到土石方调配的路径选择标志bijtl和土石方平衡规划结果xijt;
所述序列二次规划方法,是求解非线性优化的重要方法;把非线性优化问题统一转化为如下形式:
minΦ(z)
z∈Rn
(4.1)
s.t.g(z)=0
zL≤z≤zu
其中z为n维寻优变量;序列二次规划通过求解以下一系列二次规划子问题获得命题(4.1)的K-T最优性条件:
s.t.g(zk)+Jkdk=0 (4.2)
zL≤zk+dk≤zU
其中dk为第k步的搜索方向;为约束方程Jacobian矩阵;Bk为拉格朗日函数Hessian阵H的近似矩阵:
式中λ为拉格朗日乘子,m为模型方程个数;序列二次规划具体求解步骤为:
(4.1)初始化z0,λ0,B0,置k=1,并令zk=z0,λk=λ0,Bk=1;
(4.2)计算Ф(zk),g(zk),Jk;
(4.3)求解二次规划子问题(4.1),搜索方向dk;
(4.4)检验K-T收敛条件,若条件满足,则停止;否则,进行步骤4.5;
(4.5)沿方向dk进行基于某种罚函数的线性搜索,得到步长参数аk,并设置zk+1=zk+аkdk;
(4.6)基于某种修正机制计算Bk+1;
(4.7)置k=k+1,返回步骤4.2;
(5)将步骤(4)得到的路径选择标志bijtl和土石方平衡规划结果xijt作为机械配置优化的输入,以t为一个单位时间,总计T个单位时间;获取所有调配任务在计划的总工期内的时间窗,即指定任务可以进行工作的时间段;
(6)机械配置优化模型的建立:机械配置优化模型以土石方调配费用为目标,以工期等因素为约束条件;
所述的机械配置是安排合理的工程车辆数X={x1,x2,…,xn,…,xN}和装载机械数量Y={y1,y2,…,yn,…,yN}保障全部的调配任务在限定的工期内完成,并且费用最少;xn为给第n个任务在该时间段内分配的工程车辆数,yn为给第n个任务在该时间段内分配的装载机械数;
所述的土石方调配费用分为两个部分:直接费用和间接费用,直接费用和机械的使用相关,间接费用包括日常管理费用和劳务费用;故目标函数为min F,F具体计算方式为F=DCOST+ICOST,其中DCOST为直接费用,ICOST为间接费用,计算公式如下:
其中,ten表示任务n的工作时间,单位为h;UCX为所选自卸车辆的单位时间内的费用,单位为元/h,UCY为所选装载机械的单位时间为的费用,单位为元/h;temax为N个任务中最长的工作时间,即ten中的最大值,单位为h;EH为每天的有效工作时间,单位为h;IC为工程单位时间内的间接费用,单位为元每小时;N为当前时间段内正在进行的任务数;
所述的约束条件包括任务工作量约束、工期约束、机械数量约束和数据类型约束;具体数学表达如下:
约束条件(7.3)中,第一个约束表示的是每个任务的任务量约束Un,由公式(7.4)、(7.5)两部分组成,公式中t(t=1,2,…,S)表示在路网中工作的S个阶段,任务结束的时间不同,所以每个阶段内在进行的任务不变,不同阶段在进行的任务不同,Tt表示各t阶段的工作天数,btn、dtn表示任务n在各个时间段t内的工作情况,计算公式如(7.6),(7.7)所示;Pn(t,xn,yn)为任务n在t时刻决策变量为xn、yn时的机械生产率,需仿真得到;第二个约束是工期约束,MAXT为计划完成工期,单位为天;第三个约束、第四个约束分别表示的是自卸车辆和装载机械的数量约束,MAXX为所选用的自卸车辆的最大数量,MAXY为所选用的装载机械的最大数量;第五个约束、第六个约束是决策变量X,Y的数据类型约束,机械的数量应该是正整数;
(7)搭建路网:在交通仿真软件中搭建模拟真实路网的仿真路网,搭建路网包括设置基础道路信息、道路设施信息、施工车辆信息和社会车辆需求;
所述的交通仿真软件需用在市场中已有的、技术成熟的商用交通软件。该仿真平台需要具备以下功能:拥有专业的有针对性的地理信息系统(GIS),能准确表示道路信息,并模拟道路的通行能力,道路设施作用;支持O-D阵(需求)的设置;模拟车辆跟车,超车,车辆间的冲突等行为;拥有详细的报表功能,输出各种交通数据信息;具有二次开发功能,可以对一些交通软件本身不能实现的功能进行开发设计。如TransModeler、TransCAD等;
所述的基础道路信息包括设置道路类型、道路宽度、车道数、渠化、道路流速曲线、道路限速和道路通行能力,来源于步骤(1)中采集到的实际路网信息;
所述的道路设施信息包括红绿灯、检测线圈:红绿灯按照实际路口情况设置配时,检测线圈按安放地点类型不同分为两种,一种安放在起始点,另外一种安放在交叉口;
所述的施工车辆信息包括车辆类型,车辆功率,车辆长度,车辆在不同弯道、坡度时的速度损失函数;所述速度损失函数为在不同的道路弯度或坡度等级时车辆运行速度的损失比例;
所述的社会车辆需求是在施工车辆和社会车辆公用的道路中,在一天的有效时间内,各个时间段的社会车辆数,时间段为一个小时;
(8)机械配置仿真优化系统的建立:利用交通仿真软件二次开发得到适应于仿真土石方调配运输的仿真系统,设置仿真控制器和粒子群优化算法相结合;土石方调配运输系统的仿真和城市交通存在很大的不同,相对于城市交通具体区别如下所示:
A、土石方调配运输场内道路类型多样,有临时道路、隧道、社会道路等,无论临时道路还是社会道路都有自己各种的道路等级划分;
B、土石方调配的车辆多做循环往返运动,同时也是固定路径;
C、施工车辆不是单向运动,在装料点和卸料点之间往返,车辆在装料点装料需要一定的时间,在卸料点卸料也需要一定的时间,装料点和卸料点可以存在多个,同时在装载点和卸料点存在排队行为;
D、装载点和卸载点的车辆发车时有一定要求,并不是每小时按固定的数量自动发车,需要对车辆的发车进行控制;
E、施工车辆有重行和空返两种状态,重行车辆和空返车辆在道路上行驶的规律不同;
F、土石方调配场内交通可以分为两种,施工车辆参与的交通和社会车辆参与的交通,两者在空间上是相互影响的,在数据统计方面是相互独立的;
同时机械配置优化需要仿真系统和优化算法相结合,进行边仿真边优化的过程;为了使得仿真系统满足上述土石方调配交通运输系统的特点和优化需求,需要对交通仿真软件进行二次开发设计仿真控制器;所述的仿真控制器包括连接模块,计时模块,车辆排队模块,发车控制模块,车辆到达感应模块,数据统计模块和路径选择模块;所述连接模块负责接收来自粒子群优化算法模块传输的粒子信息,并发送信息给仿真控制器的各个模块,控制仿真的开始与停止;计时模块接收来自连接模块的仿真信息和开始计时、接收计时的命令并进行仿真的各种计时工作;发车控制模型包含子计时器,模拟装载和卸车过程,装载和卸车时间分布根据实际案例输入,根据子计时器和车辆排队模块的排队情况控制发车;车辆到达感应模块感应装载点和卸车点的车辆到达;车辆排队模块接收连接模块传送的机械配置方案并初始化各个装载点车辆排队情况,接收来自车辆到达感应模块的车辆到达信息与当前车辆排队情况,更新车辆排队信息;数据统计模块在单次仿真结束后,计算任务生产率和各任务工期,统计任务完成情况,并采集路网交通信息;路径选择模块接收来自连接模拟的各任务路径的信息,控制各个OD之间车辆按固定路线行驶;主要模块的具体实现如下:
所述发车控制模块模拟车辆装车和卸车过程,车辆装车和卸车过程是随机事件,用随机时间分布模型产生每次装车和卸车的时间;每次只有发车控制模块的子计时器的时间和每次随机时间分布模型产生的时间相等时才能发车;装载时间分布可采用正态分布或三角分布,卸车时间可采用三角分布或负指数分布;每次发车后记录更新装载机械工作时间LoadWorkT;
所述车辆排队模块模拟自卸车辆到达装载点或卸载点的排队,记录排队情况,统计一次各卸车点和装载点的排队情况,设置一个四维数组Queue,记录排队分别为0、1、2、>2的次数;排队原则如下:
a、到达的车辆加载到排队最少的装载点或者卸车点;
b、当排队最少的装载点或者卸车点有多个时,随机分配到这些点;
所述数据统计模块可以统计各调配任务的生产率,计算装载机械利用率LoadUseRate和装载点、卸车点排队概率数组QueueRate,计算公式如下所示:
其中,SumT为总仿真时间,i为数组索引(i=0,1,2,3);
所述路径选择模块输入为起始点和路径上路段编号的集合,用于控制固定OD的车辆按给定的路径行驶;
(9)从t=1开始,对每时间段内的t进行迭代求解,每迭代一次进行一次时间段的更新,即该时间段内任务具体完成情况与计划不同,因为有工期限制,一定是比计划提前完成,所以把下一段开始时间定为上一段时间的结束,再对比总工期任务可施工信息,推进工期。所述迭代求解通过粒子群优化算法和步骤(8)中建立的仿真系统相结合,对步骤(6)所述机械配置优化模型进行求解,收敛较好的总体最优解作为最优机械配置方案,具体如下:
(9.1)初始化:包括粒子种群数目m、最大迭代次数Dcount、粒子变异概率Pm、最大更新速度vmax、粒子初始位置Xq(q=1,2,…m),Yq(q=1,2,…m)(初始机械配置数量,小于最大机械数量)和初始速度Vq(q=1,2,…m)(小于最大更新速度)、初始全局最优Gbest、个体最优Pbestq(q=1,2,…m)、当前迭代次数k=1和当前进行仿真的粒子q=1;第q个粒子位置表示为n维向量Xq=(xq1,xq2,…,xqn),速度表示为n维向量Vq=(vq1,vq2,…,vqn),个体最优表示为Pq=(pq1,pq2,…,pqn);全局最优表示为Pg=(pg1,pg2,…,pgn)
(9.2)判断k是否大于最大迭代次数,是转步骤(9.12),否转步骤(9.3);
(9.3)判断q是否大于粒子种群数量m,是转步骤(9.8),否转步骤(9.4);
(9.4)初始化时段表示变量Temt=0,中间状态变量TemX=Xq,TemY=Yq,对当前粒子需仿真的次数,即时间段个数为S=n,n为土石方调配任务数量;
(9.4)判断时段表示变量Temt是否满足Temt=S,是则q=q+1,且转步骤(9.3),否转步骤(9.5);
(9.5)初始化土石方调配运输仿真系统各供料点的自卸车辆数量TemX和装载机械数量TemY,一个时间段内仿真时间为Tmax;
(9.6)开始仿真,仿真控制器控制系统运行,仿真未完成任务进行运料,在仿真Tmax时间时结束仿真,取得各个任务生产率;所述的生产率的求解取平均值,即对于每次仿真运行一天中有效工作时间多一个小时的时长,得到的生产量减去第一个小时的生产量除以有效时长(第一个小时的仿真为预热)即为生产率;
(9.7)计算各任务工期,判断最早结束的任务,令Temt=Temt+1,并标记该任务已完成;判断是否有和该最早结束的任务同一天完成的任务,有则把该性质的任务数加到Temt上,这些任务标记为已完成,转步骤(9.4);
(9.8)计算适应度函数,该优化模型存在最大工期约束,将其作为惩罚项放在适应度函数中,故适应度函数FIT如下:
其中,F为土石方调配机械配置优化模型的目标函数,求解公式在上文已经给出;FCOST是惩罚项系数;a表示是否需要加惩罚项。
(9.9)更新个体最优和全局最优:判断当前代的各粒子是否优于各自粒子的个体最优Pbest,是则更新个体最优Pbest;判断当前代的粒子种群中适应度最小的粒子是否优于全局最优Gbest,是则更新全局最优Gbest;
(9.10)粒子速度和位置更新:粒子速度计算公式如下
其中,p=1,2,…,m,h=1,2,…,n,m为种群数量,n为单个粒子维度,ω为惯性因子,c1和c2为学习因子,是常数,r1和r2是介于[0,1]之间的随机数。
该优化模型是整数规划模型,所以对更新后的速度vqh k+1向下取整。同时更为了保证算法的全局搜索性,给速度设置一个区间,vqh k+1属于[-vmax,vmax],当超出该区间时取边界值。
为防止粒子陷入局部最优,加入变异算子。设置变异概率Pm,对于每个粒子,每次迭代变量r3取[0,1]的随机数,当r3小于Pm时,粒子变异,粒子速度vqh k+1再加上[-vmax,vmax]之间的随机整数。
在速度更新后,对位置进行更新,计算公式如下:
在对粒子位置更新过程中对粒子进行检查,看粒子是否满足机械数量约束。当不满足时,需将决策变量值缩减到约束空间边界,速度为正的决策变量元素按速度大小排列后,按比例缩减,并且更新一个反向速度vqh k+1=-u*vqh k+1,u为(0,1]之间的随机数。
(9.11)最优粒子存入数据库,迭代次数更新k=k+1,转(9.2);
(9.12)最优解分析:分析总体最优目标函数随次数的变化,判断是否收敛。优化收敛较好的总体最优可作为最优解析配置方案。输出优化机械配置方案与该时段各任务工期,结束优化。
本发明的有益效果如下:本发明通过计算道路路阻函数,建立结合路径优化的土石方平衡规划模型,将交通因素和社会车辆考虑到了土石方平衡规划中,并通过遍历和序列二次规划求得最优解,实现土石方调配路径优化和土石方平衡规划的联合优化。并且考虑交通因素和社会车辆建立土石方机械配置模型,利用二次开发设计仿真控制器建立了土石方调配运输的仿真系统,利用仿真控制器和粒子群优化算法相结合求得最优机械配置方案。该发明考虑了交通因素和社会车辆,精确高效的求解了土石方调配优化方案。
附图说明
图1是本发明结合路径优化的土石方平衡规划的流程图;
图2是本发明中建立的土石方调配运输系统的交通模型的表示图;
图3是本发明设计的仿真控制器的结构图;
图4是本发明中机械配置优化的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
本发明一种考虑社会车辆的土石坝工程的土石方调配优化方法,该方法在土石方调配优化系统上实现,所述土石方调配优化系统包括两部分,第一部分为结合路径优化的土石方平衡规划,第二部分为考虑社会车辆的机械配置优化。
第一部分包括以下模块:路阻计算模块、路径组合模块、模型求解模块和数据库模块;路阻计算模块将路网交通信息和社会车辆信息转化为路段旅行时间,并列出时间转化为费用的函数,与调运相应调配量的其他费用相加组成路阻函数。对于含有需评估的建设道路,路段路阻还需加上道路建设费用;路径组合模型根据路网列出所有OD之间的路径集合,作为路径备选,取得各路径路阻计算函数;模型求解模块首先根据土石方调配施工计划表和路阻函数建立土石方平衡规划和路径优化联合的优化模型,该优化模型较为复杂,采用遍历路径组合和序列二次规划方法求解;数据库模块存储土石方调配施工计划表,路网信息,路阻计算模型结果和优化模型计算结果。第一部分的结果作为第二部分的输入。
第二部分是考虑社会车辆的机械配置优化,主要包括以下模块:粒子群优化算法模块,仿真控制器、交通仿真软件模块和数据库模块;粒子群优化算法模块用于粒子(机械配置优化方案)的初始化,根据交通仿真软件模块求得的生产率计算目标函数,粒子(机械配置优化方案)的更新;仿真控制器用于连接粒子群优化算法、交通仿真软件模块等其他模块,并控制整个优化进程;交通仿真软件模块对粒子群优化算法模块提供的各种机械配置进行仿真,求得各种机械配置的生产率;数据库模块存储机械配置优化的输入数据,优化过程中产生的数据和机械配置的优化结果。
本发明的方法包括以下步骤:
(1)获取土石方调配施工计划,收集各种施工场地信息,各种单位调配费用数据和道路建设信息,对实际施工区域进行交通调查,全面了解交通路网信息,收集道路建设信息,具体包括以下子步骤:
(1.1)获取土石方调配施工计划:所述土石方调配施工计划包含每个时间段开挖项目需要完成的开挖工作量和填筑项目需要完成的填筑工作量;土石方调配施工计划是施工组织者在施工前期根据多方面考虑安排好的宏观施工进度;
(1.2)收集各种施工场地信息和各种单位调配费用数据:所述施工场地包括开挖点、填筑点、中转站、料场、弃渣场;开挖点是有开挖项目的施工场地,开挖料是其产物,开挖料首选去向是填筑点,供给填筑点完成填筑任务,在现阶段填筑任务不需要时运往中转站储存,或弃渣场弃渣;填筑点是填筑项目施工场地,填筑物料来自开挖项目、中转站和料场,三种来源有优先级顺序;中转站用于临时存放现阶段用不到,在未来会用到的物料;料场给填筑项目提供开挖项目的物料量不能满足时的剩余物料,料场的物料可以直接运往填筑点,也可以先运往中转站,使用时再运往填筑点;弃渣场用于堆放没有利用价值的物料;施工场地信息包括中转站的储存量,料场的最大出料量,弃渣场的容量;单位调配费用数据包括料场物料的单位开采费用,施工车辆运输单价,车辆装载费用和存储费用;
(1.3)全面了解施工区域路网信息:所述路网信息包括静态路网信息和动态路网信息,静态路网信息包括道路类型,道路几何信息,道路设施,道路限速,路径集合,动态路网信息包括道路的流速曲线,红绿灯配时,社会车辆OD流量表;
(1.4)收集道路建设信息,确定需评估的建设道路,获取道路建设费用影响因素;
(2)计算路阻函数:某路段的路阻函数即为选择该路段运输物料时所花费的费用,包括静态费用、动态费用和道路建设费用;所述静态费用与开采费用、装载费用和存储费用相关,所述动态费用与分配的物料流向和物料量相关;所述静态费用和动态费用的计算公式如下:
Cijt=Cijt 1+Cijt 2
其中,Cijt是时间t内从料点i运输物料到料点j所花费的费用,为静态费用,为动态费用;
所述的静态费用包括开采费用、存储费用和装载费用,具体计算视物料调运流向而定,具体计算公式如下表:
物料流向 | 计算公式 |
开挖项目到填筑项目 | Cijt 2=Cz*xijt |
开挖项目到中转站 | Cijt 2=(Cz+Cs)*xijt |
开挖项目到弃渣场 | Cijt 2=Cz*xijt |
中转站到填筑项目 | Cijt 2=Cz*xijt |
料场到填筑项目 | Cijt 2=(Ci k+Cz+Cs)*xijt |
其中,CZ为单位m3的物料的装载费用;xijt是决策变量,为t时间段内从料点i运往料点j的物料量;CS为物料存储在中转站的单位存储费用;为从料场i开采物料的单位开采费用;
所述的动态费用指的是运输费用,运输费用并不是简单的用路程长度除以行驶速度,影响运输费用的因素包含动态因素和静态因素;静态因素包括道路的类型、长度,道路的设计速度,道路的弯曲程度,道路的陡度和陡坡长度;动态因素为分配在该流向的物料,所选路径和所选路径上的社会车辆流量;所以因素影响都可以转化为统一的行程时间,从而转化为费用;动态费用计算函数和行程时间计算函数如下:
Cijt 1=Ct*Timijt (2.1)
vrt=v((xijt+qrt),vsr) (2.3)
其中Ct是单位行程时间所需运费,Timijt为在t时间段内从料点i到料点j的行程时间函数;r为路段编号,l表示路径编号;Lijt表示在t时间段内从料点i到料点j的路径集合,因为土石方工程施工场内路网道路较为有限,可以用较有限的集合表示出来,R为路段集合;bijtl是决策变量,表示在t时间段内从料点i到料点j是否通过路径l运输物料,是为1,否则为0;arl表示路段r是否在路径l上,是为1,否则为0;Er为路段r的长度,vrt为道路r在t时间段的平均行驶速度;v((xijt+qrt),vsr)为道路r的流速曲线,qrt为道路r上在t时间段内社会车辆平均流量,vsr为道路设计速度,流速曲线为真实数据拟合得到;
所述道路建设费用包括道路位置成本、道路长度成本和路基土石方成本;道路位置成本为道路占用土地的费用与道路占用面积相关;道路长度成本与道路长度成正比,包括道路修建费用、道路养护费用和道路使用费用,记为路基土石方成本为道路建设时挖填土石方所产生的费用与土石方挖填面积相关;道路建设费用计算公式如下:
(3)建立结合路径优化的土石方平衡规划模型,模型以调配费用和道路建设费用最少为目标,道路最大运输强度和物料平衡为限制,土石方平衡规划模型如下所示:
其中T表示整个工期内的时间段个数;N表示供料点的个数,开挖项目点有n1个,中转站n2个,料场n3个;M表示受料点的个数,填筑项目点有m1个,中转站有m2个,弃渣场有m3个;U为需要考虑是否要建设的道路的条数;fcon u为道路是否建设的标志,计算公式如约束条件最后一项所述,只有总施工工期内选择的路径中包含路段u时fcon u为1,否则为0;Ccon u为建设道路u的费用;Ls u为道路u经过的路径集合;
约束条件中,第一项为高峰道路运输强度不超过道路运输强度最大值,Qr表示道路r的最大道路运输强度;第二项表示在t时间段内从料点i到料点j运输物料的工程车辆按固定路线运输物料;第三、四项分别表示开挖项目开挖物料和填筑项目填筑物料的平衡,Dit表示t时间段内开挖项目i需要完成的物料量,Sjt表示t时间段内填筑项目j需要完成的物料量;第五、六项分别表示料场开采量限制和弃渣场容量限制,Vi表示料场i的最大允许开采量,Uj表示料场i的最大允许弃渣量;第七项表示中转站的容量限制,Eu表示第u个中转站的最大存储量;
(4)求解步骤(3)中的结合路径优化的土石方平衡规划模型;该模型是0-1混合整数的组合优化问题,该求解问题可以分解为路径优化和土石方平衡规划两层;第一层遍历所有路径优化组合,设置一个多维变量存储最优解;第二层用序列二次规划方法求解在路径拟确定下的土石方平衡规划模型,求解结果返回第一层对比最优解,更新最优解;最终得到土石方调配的路径选择标志bijtl和土石方平衡规划结果xijt;
所述序列二次规划方法,是求解非线性优化的重要方法;把非线性优化问题统一转化为如下形式:
minΦ(z)
z∈Rn
(4.1)
s.t.g(z)=0
zL≤z≤zu
其中z为n维寻优变量;序列二次规划通过求解以下一系列二次规划子问题获得命题(4.1)的K-T最优性条件:
s.t.g(zk)+Jkdk=0 (4.2)
zL≤zk+dk≤zU
其中dk为第k步的搜索方向;为约束方程Jacobian矩阵;Bk为拉格朗日函数Hessian阵H的近似矩阵:
式中λ为拉格朗日乘子,m为模型方程个数;序列二次规划具体求解步骤为:
(4.1)初始化z0,λ0,B0,置k=1,并令zk=z0,λk=λ0,Bk=1;
(4.2)计算Ф(zk),g(zk),Jk;
(4.3)求解二次规划子问题(4.1),搜索方向dk;
(4.4)检验K-T收敛条件,若条件满足,则停止;否则,进行步骤4.5;
(4.5)沿方向dk进行基于某种罚函数的线性搜索,得到步长参数аk,并设置zk+1=zk+аkdk;
(4.6)基于某种修正机制计算Bk+1;
(4.7)置k=k+1,返回步骤4.2;
步骤(1)到(4)的流程如图1所示。
(5)将步骤(4)得到的路径选择标志bijtl和土石方平衡规划结果xijt作为机械配置优化的输入,以t为一个单位时间,总计T个单位时间;获取所有调配任务在计划的总工期内的时间窗,即指定任务可以进行工作的时间段;
(6)机械配置优化模型的建立:机械配置优化模型以土石方调配费用为目标,以工期等因素为约束条件;
所述的机械配置是安排合理的工程车辆数X={x1,x2,…,xn,…,xN}和装载机械数量Y={y1,y2,…,yn,…,yN}保障全部的调配任务在限定的工期内完成,并且费用最少;xn为给第n个任务在该时间段内分配的工程车辆数,yn为给第n个任务在该时间段内分配的装载机械数;
所述的土石方调配费用分为两个部分:直接费用和间接费用,直接费用和机械的使用相关,间接费用包括日常管理费用和劳务费用;故目标函数为min F,F具体计算方式为F=DCOST+ICOST,其中DCOST为直接费用,ICOST为间接费用,计算公式如下:
其中,ten表示任务n的工作时间,单位为h;UCX为所选自卸车辆的单位时间内的费用,单位为元/h,UCY为所选装载机械的单位时间为的费用,单位为元/h;temax为N个任务中最长的工作时间,即ten中的最大值,单位为h;EH为每天的有效工作时间,单位为h;IC为工程单位时间内的间接费用,单位为元每小时;N为当前时间段内正在进行的任务数;
所述的约束条件包括任务工作量约束、工期约束、机械数量约束和数据类型约束;具体数学表达如下:
约束条件(7.3)中,第一个约束表示的是每个任务的任务量约束Un,由公式(7.4)、(7.5)两部分组成,公式中t(t=1,2,…,S)表示在路网中工作的S个阶段,任务结束的时间不同,所以每个阶段内在进行的任务不变,不同阶段在进行的任务不同,Tt表示各t阶段的工作天数,btn、dtn表示任务n在各个时间段t内的工作情况,计算公式如(7.6),(7.7)所示;Pn(t,xn,yn)为任务n在t时刻决策变量为xn、yn时的机械生产率,需仿真得到;第二个约束是工期约束,MAXT为计划完成工期,单位为天;第三个约束、第四个约束分别表示的是自卸车辆和装载机械的数量约束,MAXX为所选用的自卸车辆的最大数量,MAXY为所选用的装载机械的最大数量;第五个约束、第六个约束是决策变量X,Y的数据类型约束,机械的数量应该是正整数;
(7)搭建路网:在交通仿真软件中搭建模拟真实路网的仿真路网,搭建路网包括设置基础道路信息、道路设施信息、施工车辆信息和社会车辆需求;
所述的交通仿真软件需用在市场中已有的、技术成熟的商用交通软件。该仿真平台需要具备以下功能:拥有专业的有针对性的地理信息系统(GIS),能准确表示道路信息,并模拟道路的通行能力,道路设施作用;支持O-D阵(需求)的设置;模拟车辆跟车,超车,车辆间的冲突等行为;拥有详细的报表功能,输出各种交通数据信息;具有二次开发功能,可以对一些交通软件本身不能实现的功能进行开发设计。如TransModeler、TransCAD等;
所述的基础道路信息包括设置道路类型、道路宽度、车道数、渠化、道路流速曲线、道路限速和道路通行能力,来源于步骤(1)中采集到的实际路网信息;
所述的道路设施信息包括红绿灯、检测线圈:红绿灯按照实际路口情况设置配时,检测线圈按安放地点类型不同分为两种,一种安放在起始点,另外一种安放在交叉口;
所述的施工车辆信息包括车辆类型,车辆功率,车辆长度,车辆在不同弯道、坡度时的速度损失函数;所述速度损失函数为在不同的道路弯度或坡度等级时车辆运行速度的损失比例;
所述的社会车辆需求是在施工车辆和社会车辆公用的道路中,在一天的有效时间内,各个时间段的社会车辆数,时间段为一个小时;
(8)机械配置仿真优化系统的建立:利用交通仿真软件二次开发得到适应于仿真土石方调配运输的仿真系统,设置仿真控制器和粒子群优化算法相结合;仿真系统依据的交通运输仿真模型如图2所示。
土石方调配运输系统的仿真和城市交通存在很大的不同,相对于城市交通具体区别如下所示:
A、土石方调配运输场内道路类型多样,有临时道路、隧道、社会道路等,无论临时道路还是社会道路都有自己各种的道路等级划分;
B、土石方调配的车辆多做循环往返运动,同时也是固定路径;
C、施工车辆不是单向运动,在装料点和卸料点之间往返,车辆在装料点装料需要一定的时间,在卸料点卸料也需要一定的时间,装料点和卸料点可以存在多个,同时在装载点和卸料点存在排队行为;
D、装载点和卸载点的车辆发车时有一定要求,并不是每小时按固定的数量自动发车,需要对车辆的发车进行控制;
E、施工车辆有重行和空返两种状态,重行车辆和空返车辆在道路上行驶的规律不同;
F、土石方调配场内交通可以分为两种,施工车辆参与的交通和社会车辆参与的交通,两者在空间上是相互影响的,在数据统计方面是相互独立的;
同时机械配置优化需要仿真系统和优化算法相结合,进行边仿真边优化的过程;为了使得仿真系统满足上述土石方调配交通运输系统的特点和优化需求,需要对交通仿真软件进行二次开发设计仿真控制器;所述的仿真控制器包括连接模块,计时模块,车辆排队模块,发车控制模块,车辆到达感应模块,数据统计模块和路径选择模块;所述连接模块负责接收来自粒子群优化算法模块传输的粒子信息,并发送信息给仿真控制器的各个模块,控制仿真的开始与停止;计时模块接收来自连接模块的仿真信息和开始计时、接收计时的命令并进行仿真的各种计时工作;发车控制模型包含子计时器,模拟装载和卸车过程,装载和卸车时间分布根据实际案例输入,根据子计时器和车辆排队模块的排队情况控制发车;车辆到达感应模块感应装载点和卸车点的车辆到达;车辆排队模块接收连接模块传送的机械配置方案并初始化各个装载点车辆排队情况,接收来自车辆到达感应模块的车辆到达信息与当前车辆排队情况,更新车辆排队信息;数据统计模块在单次仿真结束后,计算任务生产率和各任务工期,统计任务完成情况,并采集路网交通信息;路径选择模块接收来自连接模拟的各任务路径的信息,控制各个OD之间车辆按固定路线行驶;仿真控制器结构如图3所示。
仿真控制器主要模块的具体实现如下:
所述发车控制模块模拟车辆装车和卸车过程,车辆装车和卸车过程是随机事件,用随机时间分布模型产生每次装车和卸车的时间;每次只有发车控制模块的子计时器的时间和每次随机时间分布模型产生的时间相等时才能发车;装载时间分布可采用正态分布或三角分布,卸车时间可采用三角分布或负指数分布;每次发车后记录更新装载机械工作时间LoadWorkT;
所述车辆排队模块模拟自卸车辆到达装载点或卸载点的排队,记录排队情况,统计一次各卸车点和装载点的排队情况,设置一个四维数组Queue,记录排队分别为0、1、2、>2的次数;排队原则如下:
a、到达的车辆加载到排队最少的装载点或者卸车点;
b、当排队最少的装载点或者卸车点有多个时,随机分配到这些点;
所述数据统计模块可以统计各调配任务的生产率,计算装载机械利用率LoadUseRate和装载点、卸车点排队概率数组QueueRate,计算公式如下所示:
其中,SumT为总仿真时间,i为数组索引(i=0,1,2,3);
所述路径选择模块输入为起始点和路径上路段编号的集合,用于控制固定OD的车辆按给定的路径行驶;
(9)从t=1开始,对每时间段内的t进行迭代求解,每迭代一次进行一次时间段的更新,即该时间段内任务具体完成情况与计划不同,因为有工期限制,一定是比计划提前完成,所以把下一段开始时间定为上一段时间的结束,再对比总工期任务可施工信息,推进工期。所述迭代求解通过粒子群优化算法和步骤(8)中建立的仿真系统相结合,对步骤(6)所述机械配置优化模型进行求解,收敛较好的总体最优解作为最优机械配置方案,具体流程如图4所示。具体步骤如下:
(9.1)初始化:包括粒子种群数目m、最大迭代次数Dcount、粒子变异概率Pm、最大更新速度vmax、粒子初始位置Xq(q=1,2,…m),Yq(q=1,2,…m)(初始机械配置数量,小于最大机械数量)和初始速度Vq(q=1,2,…m)(小于最大更新速度)、初始全局最优Gbest、个体最优Pbestq(q=1,2,…m)、当前迭代次数k=1和当前进行仿真的粒子q=1;第q个粒子位置表示为n维向量Xq=(xq1,xq2,…,xqn),速度表示为n维向量Vq=(vq1,vq2,…,vqn),个体最优表示为Pq=(pq1,pq2,…,pqn);全局最优表示为Pg=(pg1,pg2,…,pgn)
(9.2)判断k是否大于最大迭代次数,是转步骤(9.12),否转步骤(9.3);
(9.3)判断q是否大于粒子种群数量m,是转步骤(9.8),否转步骤(9.4);
(9.4)初始化时段表示变量Temt=0,中间状态变量TemX=Xq,TemY=Yq,对当前粒子需仿真的次数,即时间段个数为S=n,n为土石方调配任务数量;
(9.4)判断时段表示变量Temt是否满足Temt=S,是则q=q+1,且转步骤(9.3),否转步骤(9.5);
(9.5)初始化土石方调配运输仿真系统各供料点的自卸车辆数量TemX和装载机械数量TemY,一个时间段内仿真时间为Tmax;
(9.6)开始仿真,仿真控制器控制系统运行,仿真未完成任务进行运料,在仿真Tmax时间时结束仿真,取得各个任务生产率;所述的生产率的求解取平均值,即对于每次仿真运行一天中有效工作时间多一个小时的时长,得到的生产量减去第一个小时的生产量除以有效时长(第一个小时的仿真为预热)即为生产率;
(9.7)计算各任务工期,判断最早结束的任务,令Temt=Temt+1,并标记该任务已完成;判断是否有和该最早结束的任务同一天完成的任务,有则把该性质的任务数加到Temt上,这些任务标记为已完成,转步骤(9.4);
(9.8)计算适应度函数,该优化模型存在最大工期约束,将其作为惩罚项放在适应度函数中,故适应度函数FIT如下:
其中,F为土石方调配机械配置优化模型的目标函数,求解公式在上文已经给出;FCOST是惩罚项系数;a表示是否需要加惩罚项。
(9.9)更新个体最优和全局最优:判断当前代的各粒子是否优于各自粒子的个体最优Pbest,是则更新个体最优Pbest;判断当前代的粒子种群中适应度最小的粒子是否优于全局最优Gbest,是则更新全局最优Gbest;
(9.10)粒子速度和位置更新:粒子速度计算公式如下
其中,p=1,2,…,m,h=1,2,…,n,m为种群数量,n为单个粒子维度,ω为惯性因子,c1和c2为学习因子,是常数,r1和r2是介于[0,1]之间的随机数。
该优化模型是整数规划模型,所以对更新后的速度vqh k+1向下取整。同时更为了保证算法的全局搜索性,给速度设置一个区间,vqh k+1属于[-vmax,vmax],当超出该区间时取边界值。
为防止粒子陷入局部最优,加入变异算子。设置变异概率Pm,对于每个粒子,每次迭代变量r3取[0,1]的随机数,当r3小于Pm时,粒子变异,粒子速度vqh k+1再加上[-vmax,vmax]之间的随机整数。
在速度更新后,对位置进行更新,计算公式如下:
在对粒子位置更新过程中对粒子进行检查,看粒子是否满足机械数量约束。当不满足时,需将决策变量值缩减到约束空间边界,速度为正的决策变量元素按速度大小排列后,按比例缩减,并且更新一个反向速度vqh k+1=-u*vqh k+1,u为(0,1]之间的随机数。
(9.11)最优粒子存入数据库,迭代次数更新k=k+1,转(9.2);
(9.12)最优解分析:分析总体最优目标函数随次数的变化,判断是否收敛。优化收敛较好的总体最优可作为最优解析配置方案。输出优化机械配置方案与该时段各任务工期,结束优化。
Claims (2)
1.一种考虑社会车辆的土石坝工程的土石方调配优化方法,该方法在土石方调配优化系统上实现,所述土石方调配优化系统包括两部分:第一部分包括以下模块:路阻计算模块、路径组合模块、模型求解模块和数据库模块;路阻计算模块将路网交通信息和社会车辆信息转化为路段旅行时间,并列出时间转化为费用的函数,与调运相应调配量的其他费用相加组成路阻函数,对于含有需评估的建设道路,路段路阻还需加上道路建设费用;路径组合模型根据路网列出所有OD之间的路径集合,作为路径备选,取得各路径路阻计算函数;模型求解模块首先根据土石方调配施工计划表和路阻函数建立土石方平衡规划和路径优化联合的优化模型,采用遍历路径组合和序列二次规划方法求解;数据库模块存储土石方调配施工计划表,路网信息,路阻计算模型结果和优化模型计算结果;第一部分的结果作为第二部分的输入;第二部分是考虑社会车辆的机械配置优化,包括以下模块:粒子群优化算法模块,仿真控制器、交通仿真软件模块和数据库模块;粒子群优化算法模块用于粒子的初始化,根据交通仿真软件模块求得的生产率计算目标函数,粒子的更新;仿真控制器用于连接粒子群优化算法、交通仿真软件模块,并控制整个优化进程;交通仿真软件模块对粒子群优化算法模块提供的各种机械配置进行仿真,求得各种机械配置的生产率;数据库模块存储机械配置优化的输入数据,优化过程中产生的数据和机械配置的优化结果;该方法包括以下步骤:
(1)获取土石方调配施工计划,收集各种施工场地信息,各种单位调配费用数据和道路建设信息,对实际施工区域进行交通调查,全面了解交通路网信息,收集道路建设信息,具体包括以下子步骤:
(1.1)获取土石方调配施工计划:所述土石方调配施工计划包含每个时间段开挖项目需要完成的开挖工作量和填筑项目需要完成的填筑工作量;土石方调配施工计划是施工组织者在施工前期根据多方面考虑安排好的宏观施工进度;
(1.2)收集各种施工场地信息和各种单位调配费用数据:所述施工场地包括开挖点、填筑点、中转站、料场、弃渣场;单位调配费用数据包括料场物料的单位开采费用,施工车辆运输单价,车辆装载费用和存储费用;
(1.3)全面了解施工区域路网信息:所述路网信息包括静态路网信息和动态路网信息,静态路网信息包括道路类型,道路几何信息,道路设施,道路限速,路径集合,动态路网信息包括道路的流速曲线,红绿灯配时,社会车辆OD流量表;
(1.4)收集道路建设信息,确定需评估的建设道路,获取道路建设费用影响因素;
(2)计算路阻函数:某路段的路阻函数即为选择该路段运输物料时所花费的费用,包括静态费用、动态费用和道路建设费用;所述静态费用与开采费用、装载费用和存储费用相关,所述动态费用与分配的物料流向和物料量相关;所述静态费用和动态费用的计算公式如下:
Cijt=Cijt 1+Cijt 2
其中,Cijt是时间t内从料点i运输物料到料点j所花费的费用,为静态费用,为动态费用;
所述的静态费用包括开采费用、存储费用和装载费用,具体计算视物料调运流向而定,具体计算公式如下表:
其中,CZ为单位m3的物料的装载费用;xijt是决策变量,为t时间段内从料点i运往料点j的物料量;CS为物料存储在中转站的单位存储费用;为从料场i开采物料的单位开采费用;
所述的动态费用指的是运输费用,影响运输费用的因素包含动态因素和静态因素;静态因素包括道路的类型、长度,道路的设计速度,道路的弯曲程度,道路的陡度和陡坡长度;动态因素为分配在该流向的物料,所选路径和所选路径上的社会车辆流量;所以因素影响都可以转化为统一的行程时间,从而转化为费用;动态费用计算函数和行程时间计算函数如下:
Cijt 1=Ct*Timijt (2.1)
vrt=v((xijt+qrt),vsr) (2.3)
其中Ct是单位行程时间所需运费,Timijt为在t时间段内从料点i到料点j的行程时间函数;r为路段编号,l表示路径编号;Lijt表示在t时间段内从料点i到料点j的路径集合,R为路段集合;bijtl是决策变量,表示在t时间段内从料点i到料点j是否通过路径l运输物料,是为1,否则为0;arl表示路段r是否在路径l上,是为1,否则为0;Er为路段r的长度,vrt为道路r在t时间段的平均行驶速度;v((xijt+qrt),vsr)为道路r的流速曲线,qrt为道路r上在t时间段内社会车辆平均流量,vsr为道路设计速度,流速曲线为真实数据拟合得到;
所述道路建设费用包括道路位置成本、道路长度成本和路基土石方成本;道路位置成本为道路占用土地的费用与道路占用面积相关;道路长度成本与道路长度成正比,包括道路修建费用、道路养护费用和道路使用费用,记为路基土石方成本为道路建设时挖填土石方所产生的费用与土石方挖填面积相关;道路建设费用计算公式如下:
(3)建立结合路径优化的土石方平衡规划模型,模型以调配费用和道路建设费用最少为目标,道路最大运输强度和物料平衡为限制,土石方平衡规划模型如下所示:
其中T表示整个工期内的时间段个数;N表示供料点的个数,开挖项目点有n1个,中转站n2个,料场n3个;M表示受料点的个数,填筑项目点有m1个,中转站有m2个,弃渣场有m3个;U为需要考虑是否要建设的道路的条数;fcon u为道路是否建设的标志,计算公式如约束条件最后一项所述,只有总施工工期内选择的路径中包含路段u时fcon u为1,否则为0;Ccon u为建设道路u的费用;Ls u为道路u经过的路径集合;
约束条件中,第一项为高峰道路运输强度不超过道路运输强度最大值,Qr表示道路r的最大道路运输强度;第二项表示在t时间段内从料点i到料点j运输物料的工程车辆按固定路线运输物料;第三、四项分别表示开挖项目开挖物料和填筑项目填筑物料的平衡,Dit表示t时间段内开挖项目i需要完成的物料量,Sjt表示t时间段内填筑项目j需要完成的物料量;第五、六项分别表示料场开采量限制和弃渣场容量限制,Vi表示料场i的最大允许开采量,Uj表示料场j的最大允许弃渣量;第七项表示中转站的容量限制,Ew表示第w个中转站的最大存储量;
(4)求解步骤(3)中的结合路径优化的土石方平衡规划模型;该模型是0-1混合整数的组合优化问题,该求解问题可以分解为路径优化和土石方平衡规划两层;第一层遍历所有路径优化组合,设置一个多维变量存储最优解;第二层用序列二次规划方法求解在路径拟确定下的土石方平衡规划模型,求解结果返回第一层对比最优解,更新最优解;最终得到土石方调配的路径选择标志bijtl和土石方平衡规划结果xijt;
(5)将步骤(4)得到的路径选择标志bijtl和土石方平衡规划结果xijt作为机械配置优化的输入,以t为一个单位时间,总计T个单位时间;获取所有调配任务在计划的总工期内的时间窗,即指定任务可以进行工作的时间段;
(6)机械配置优化模型的建立:机械配置优化模型以土石方调配费用为目标,以工期因素为约束条件;
所述的机械配置是安排合理的工程车辆数X={x1,x2,…,xn,…,xN}和装载机械数量Y={y1,y2,…,yn,…,yN}保障全部的调配任务在限定的工期内完成,并且费用最少;xn为给第n个任务在该时间段内分配的工程车辆数,yn为给第n个任务在该时间段内分配的装载机械数;
所述的土石方调配费用分为两个部分:直接费用和间接费用,直接费用和机械的使用相关,间接费用包括日常管理费用和劳务费用;故目标函数为min F,F具体计算方式为F=DCOST+ICOST,其中DCOST为直接费用,ICOST为间接费用,计算公式如下:
其中,ten表示任务n的工作时间,单位为h;UCX为所选自卸车辆的单位时间内的费用,单位为元/h,UCY为所选装载机械的单位时间为的费用,单位为元/h;temax为N个任务中最长的工作时间,即ten中的最大值,单位为h;EH为每天的有效工作时间,单位为h;IC为工程单位时间内的间接费用,单位为元每小时;N为当前时间段内正在进行的任务数;
所述的约束条件包括任务工作量约束、工期约束、机械数量约束和数据类型约束;具体数学表达如下:
约束条件(7.3)中,第一个约束表示的是每个任务的任务量约束Un,由公式(7.4)、(7.5)两部分组成,公式中t(t=1,2,…,S)表示在路网中工作的S个阶段,任务结束的时间不同,所以每个阶段内在进行的任务不变,不同阶段在进行的任务不同,Tt表示各t阶段的工作天数,btn、dtn表示任务n在各个时间段t内的工作情况,计算公式如(7.6),(7.7)所示;Pn(t,xn,yn)为任务n在t时刻决策变量为xn、yn时的机械生产率,需仿真得到;第二个约束是工期约束,MAXT为计划完成工期,单位为天;第三个约束、第四个约束分别表示的是自卸车辆和装载机械的数量约束,MAXX为所选用的自卸车辆的最大数量,MAXY为所选用的装载机械的最大数量;第五个约束、第六个约束是决策变量X,Y的数据类型约束,机械的数量应该是正整数;
(7)搭建路网:在交通仿真软件中搭建模拟真实路网的仿真路网,搭建路网包括设置基础道路信息、道路设施信息、施工车辆信息和社会车辆需求;
所述的基础道路信息包括设置道路类型、道路宽度、车道数、渠化、道路流速曲线、道路限速和道路通行能力,来源于步骤(1)中采集到的实际路网信息;
所述的道路设施信息包括红绿灯、检测线圈:红绿灯按照实际路口情况设置配时,检测线圈按安放地点类型不同分为两种,一种安放在起始点,另外一种安放在交叉口;
所述的施工车辆信息包括车辆类型,车辆功率,车辆长度,车辆在不同弯道、坡度时的速度损失函数;所述速度损失函数为在不同的道路弯度或坡度等级时车辆运行速度的损失比例;
所述的社会车辆需求是在施工车辆和社会车辆公用的道路中,在一天的有效时间内,各个时间段的社会车辆数,时间段为一个小时;
(8)机械配置仿真优化系统的建立:利用交通仿真软件二次开发得到适应于仿真土石方调配运输的仿真系统,设置仿真控制器和粒子群优化算法相结合;
同时机械配置优化需要仿真系统和优化算法相结合,进行边仿真边优化的过程;为了使得仿真系统满足上述土石方调配交通运输系统的特点和优化需求,需要对交通仿真软件进行二次开发设计仿真控制器;所述的仿真控制器包括连接模块,计时模块,车辆排队模块,发车控制模块,车辆到达感应模块,数据统计模块和路径选择模块;所述连接模块负责接收来自粒子群优化算法模块传输的粒子信息,并发送信息给仿真控制器的各个模块,控制仿真的开始与停止;计时模块接收来自连接模块的仿真信息和开始计时、接收计时的命令并进行仿真的各种计时工作;发车控制模型包含子计时器,模拟装载和卸车过程,装载和卸车时间分布根据实际案例输入,根据子计时器和车辆排队模块的排队情况控制发车;车辆到达感应模块感应装载点和卸车点的车辆到达;车辆排队模块接收连接模块传送的机械配置方案并初始化各个装载点车辆排队情况,接收来自车辆到达感应模块的车辆到达信息与当前车辆排队情况,更新车辆排队信息;数据统计模块在单次仿真结束后,计算任务生产率和各任务工期,统计任务完成情况,并采集路网交通信息;路径选择模块接收来自连接模拟的各任务路径的信息,控制各个OD之间车辆按固定路线行驶;主要模块的具体实现如下:
所述发车控制模块模拟车辆装车和卸车过程,车辆装车和卸车过程是随机事件,用随机时间分布模型产生每次装车和卸车的时间;每次只有发车控制模块的子计时器的时间和每次随机时间分布模型产生的时间相等时才能发车;装载时间分布采用正态分布或三角分布,卸车时间采用三角分布或负指数分布;每次发车后记录更新装载机械工作时间LoadWorkT;
所述车辆排队模块模拟自卸车辆到达装载点或卸载点的排队,记录排队情况,统计一次各卸车点和装载点的排队情况,设置一个四维数组Queue,记录排队分别为0、1、2、>2的次数;排队原则如下:
a、到达的车辆加载到排队最少的装载点或者卸车点;
b、当排队最少的装载点或者卸车点有多个时,随机分配到这些点;
所述数据统计模块可以统计各调配任务的生产率,计算装载机械利用率LoadUseRate和装载点、卸车点排队概率数组QueueRate,计算公式如下所示:
其中,SumT为总仿真时间,i为数组索引(i=0,1,2,3);
所述路径选择模块输入为起始点和路径上路段编号的集合,用于控制固定OD的车辆按给定的路径行驶;
(9)从t=1开始,对每时间段内的t进行迭代求解,每迭代一次进行一次时间段的更新,即该时间段内任务具体完成情况与计划不同,因为有工期限制,一定是比计划提前完成,所以把下一段开始时间定为上一段时间的结束,再对比总工期任务可施工信息,推进工期;所述迭代求解通过粒子群优化算法和步骤(8)中建立的仿真系统相结合,对步骤(6)所述机械配置优化模型进行求解,收敛较好的总体最优解作为最优机械配置方案,具体如下:
(9.1)初始化:包括粒子种群数目m、最大迭代次数Dcount、粒子变异概率Pm、最大更新速度vmax、粒子初始位置Xq(q=1,2,…m),Yq(q=1,2,…m)和初始速度Vq(q=1,2,…m)、初始全局最优Gbest、个体最优Pbestq(q=1,2,…m)、当前迭代次数k=1和当前进行仿真的粒子q=1;第q个粒子位置表示为n维向量Xq=(xq1,xq2,…,xqn),速度表示为n维向量Vq=(vq1,vq2,…,vqn),个体最优表示为Pq=(pq1,pq2,…,pqn);全局最优表示为Pg=(pg1,pg2,…,pgn)
(9.2)判断k是否大于最大迭代次数,是转步骤(9.12),否转步骤(9.3);
(9.3)判断q是否大于粒子种群数量m,是转步骤(9.8),否转步骤(9.4);
(9.4)初始化时段表示变量Temt=0,中间状态变量TemX=Xq,TemY=Yq,对当前粒子需仿真的次数,即时间段个数为S=n,n为土石方调配任务数量;
(9.4)判断时段表示变量Temt是否满足Temt=S,是则q=q+1,且转步骤(9.3),否转步骤(9.5);
(9.5)初始化土石方调配运输仿真系统各供料点的自卸车辆数量TemX和装载机械数量TemY,一个时间段内仿真时间为Tmax;
(9.6)开始仿真,仿真控制器控制系统运行,仿真未完成任务进行运料,在仿真Tmax时间时结束仿真,取得各个任务生产率;所述的生产率的求解取平均值,即对于每次仿真运行一天中有效工作时间多一个小时的时长,得到的生产量减去第一个小时的生产量除以有效时长即为生产率;
(9.7)计算各任务工期,判断最早结束的任务,令Temt=Temt+1,并标记该任务已完成;判断是否有和该最早结束的任务同一天完成的任务,有则把该性质的任务数加到Temt上,这些任务标记为已完成,转步骤(9.4);
(9.8)计算适应度函数,该优化模型存在最大工期约束,将其作为惩罚项放在适应度函数中,故适应度函数FIT如下:
其中,F为土石方调配机械配置优化模型的目标函数,求解公式在上文已经给出;FCOST是惩罚项系数;a表示是否需要加惩罚项;
(9.9)更新个体最优和全局最优:判断当前代的各粒子是否优于各自粒子的个体最优Pbest,是则更新个体最优Pbest;判断当前代的粒子种群中适应度最小的粒子是否优于全局最优Gbest,是则更新全局最优Gbest;
(9.10)粒子速度和位置更新:粒子速度计算公式如下
其中,p=1,2,…,m,h=1,2,…,n,m为种群数量,n为单个粒子维度,ω为惯性因子,c1和c2为学习因子,是常数,r1和r2是介于[0,1]之间的随机数;
该优化模型是整数规划模型,所以对更新后的速度vqh k+1向下取整;同时更为了保证算法的全局搜索性,给速度设置一个区间,vqh k+1属于[-vmax,vmax],当超出该区间时取边界值;
为防止粒子陷入局部最优,加入变异算子;设置变异概率Pm,对于每个粒子,每次迭代变量r3取[0,1]的随机数,当r3小于Pm时,粒子变异,粒子速度vqh k+1再加上[-vmax,vmax]之间的随机整数;
在速度更新后,对位置进行更新,计算公式如下:
在对粒子位置更新过程中对粒子进行检查,看粒子是否满足机械数量约束;当不满足时,需将决策变量值缩减到约束空间边界,速度为正的决策变量元素按速度大小排列后,按比例缩减,并且更新一个反向速度vqh k+1=-u*vqh k+1,u为(0,1]之间的随机数;
(9.11)最优粒子存入数据库,迭代次数更新k=k+1,转(9.2);
(9.12)最优解分析:分析总体最优目标函数随次数的变化,判断是否收敛;优化收敛较好的总体最优可作为最优解析配置方案;输出优化机械配置方案与该时段各任务工期,结束优化。
2.根据权利要求1所述一种考虑社会车辆的土石坝工程的土石方调配优化方法,其特征在于,所述步骤(4)中,所述序列二次规划方法,把非线性优化问题统一转化为如下形式:
其中z为n维寻优变量;序列二次规划通过求解以下一系列二次规划子问题获得命题(4.1)的K-T最优性条件:
其中dk为第k步的搜索方向;为约束方程Jacobian矩阵;Bk为拉格朗日函数Hessian阵H的近似矩阵:
式中λ为拉格朗日乘子,m为模型方程个数;序列二次规划具体求解步骤为:
(4.1)初始化z0,λ0,B0,置k=1,并令zk=z0,λk=λ0,Bk=1;
(4.2)计算Ф(zk),g(zk),Jk;
(4.3)求解二次规划子问题(4.1),搜索方向dk;
(4.4)检验K-T收敛条件,若条件满足,则停止;否则,进行步骤4.5;
(4.5)沿方向dk进行基于某种罚函数的线性搜索,得到步长参数аk,并设置zk+1=zk+аkdk;
(4.6)基于某种修正机制计算Bk+1;
(4.7)置k=k+1,返回步骤4.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510396791.9A CN104933490B (zh) | 2015-07-03 | 2015-07-03 | 一种考虑社会车辆的土石坝工程的土石方调配优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510396791.9A CN104933490B (zh) | 2015-07-03 | 2015-07-03 | 一种考虑社会车辆的土石坝工程的土石方调配优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933490A CN104933490A (zh) | 2015-09-23 |
CN104933490B true CN104933490B (zh) | 2018-09-07 |
Family
ID=54120650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510396791.9A Expired - Fee Related CN104933490B (zh) | 2015-07-03 | 2015-07-03 | 一种考虑社会车辆的土石坝工程的土石方调配优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933490B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105355035B (zh) * | 2015-11-16 | 2017-12-29 | 清华大学 | 基于交通配流分布差异制定的交通疏导方法 |
CN107590575A (zh) * | 2016-07-07 | 2018-01-16 | 盐城华科智造数据科技有限公司 | 线性映射动态约束空间的粒子群优化算法系统及其方法 |
CN107644278A (zh) * | 2016-07-21 | 2018-01-30 | 中芯国际集成电路制造(上海)有限公司 | 用于保护半导体制造业务连续性的方法和系统 |
CN108268728B (zh) * | 2018-01-22 | 2021-03-16 | 上海交通大学 | 基于两步式改进粒子群优化算法的汽车尾门结构优化方法 |
CN109035730A (zh) * | 2018-07-16 | 2018-12-18 | 河海大学 | 一种考虑服役环境影响的混凝土坝损伤动力预警方法 |
CN109753700B (zh) * | 2018-12-21 | 2022-09-02 | 昆明理工大学 | 一种土石坝可靠度分析上限法 |
CN110287559B (zh) * | 2019-06-13 | 2023-04-07 | 水电水利规划设计总院 | 一种基于多维信息模型的土料场开采规划方法 |
CN110264168B (zh) * | 2019-07-26 | 2023-05-02 | 梧州市城建投资发展集团有限公司 | 一种工程项目建设工期监控系统及方法 |
CN113642139B (zh) * | 2020-05-11 | 2022-07-12 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN111898869A (zh) * | 2020-07-07 | 2020-11-06 | 舜元建设(集团)有限公司 | 一种结合倾斜摄影、rtk和bim技术的土石方测量计算方法 |
CN112001547B (zh) * | 2020-08-24 | 2023-01-10 | 天津大学 | 基于改进的区间多目标优化的堆石坝土石方调配优化方法 |
CN112212747B (zh) * | 2020-10-11 | 2022-10-11 | 中建五局土木工程有限公司 | 受限空间中山体土石方非爆破开挖施工方法 |
CN112257250B (zh) * | 2020-10-19 | 2021-07-06 | 上海现代建筑设计集团工程建设咨询有限公司 | 一种模拟基坑工程土方调度路径的方法、装置和电子设备 |
CN112636367B (zh) * | 2020-12-09 | 2023-05-23 | 南京工程学院 | 一种平抑风电波动的混合储能容量优化配置方法 |
CN113610310B (zh) * | 2021-08-13 | 2024-02-13 | 宋代军 | 一种多因素确定城乡路网及其地块竖向的土方最小化方法 |
CN114757058A (zh) * | 2022-06-14 | 2022-07-15 | 岚图汽车科技有限公司 | 基于粒子群算法的汽车时域载荷外推方法及装置 |
CN116663331B (zh) * | 2023-07-27 | 2023-10-20 | 中国电建集团昆明勘测设计研究院有限公司 | 一种土石方调运机械的配置方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440764A (zh) * | 2013-08-19 | 2013-12-11 | 同济大学 | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 |
CN103489082A (zh) * | 2013-05-27 | 2014-01-01 | 浙江工业大学 | 一种基于gis富网络属性路网的大规模分类配送方法 |
-
2015
- 2015-07-03 CN CN201510396791.9A patent/CN104933490B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489082A (zh) * | 2013-05-27 | 2014-01-01 | 浙江工业大学 | 一种基于gis富网络属性路网的大规模分类配送方法 |
CN103440764A (zh) * | 2013-08-19 | 2013-12-11 | 同济大学 | 一种基于车辆自动识别数据的城市路网车辆出行路径重构方法 |
Non-Patent Citations (2)
Title |
---|
基于改进粒子群算法的土石方调配优化研究;陈秀铜 等;《水力发电学报》;20100430;第29卷(第2期);68-72 * |
模糊环境下土石方调配模型与算法研究;张杰 等;《路基工程》;20110620(第3期);129-132 * |
Also Published As
Publication number | Publication date |
---|---|
CN104933490A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933490B (zh) | 一种考虑社会车辆的土石坝工程的土石方调配优化方法 | |
CN102393869B (zh) | 基于加权Voronoi图的连续型物流节点布局优化方法 | |
CN104463717A (zh) | 一个适用于特大地下洞室群的施工专家信息系统 | |
CN105761192A (zh) | 村镇区域土地利用规划智能化方法和智能化集成系统 | |
Cheng et al. | A Petri net simulation model for virtual construction of earthmoving operations | |
CN105679102A (zh) | 一种全国飞行流量时空分布预测推演系统及方法 | |
CN104143023A (zh) | 基于参数分析与实时监控的面板堆石坝施工进度仿真方法 | |
CN103971289B (zh) | 矿山放矿数据的处理方法及装置 | |
Moselhi et al. | Crew optimization in planning and control of earthmoving operations using spatial technologies | |
CN108615360B (zh) | 基于神经网络的交通需求逐日演变预测方法 | |
CN109636616B (zh) | 一种实现项目群进度总控管理的方法 | |
CN105427002A (zh) | 一种基于Logistic模型的客流预测方法 | |
CN109784840A (zh) | 一种关联工程结构任务的施工测量数据自动采集处理方法 | |
CN115048699A (zh) | 一种基于bim的施工管理方法 | |
Shi et al. | Accelerated earth-rockfill dam compaction by collaborative operation of unmanned roller fleet | |
Du et al. | Construction simulation for a core rockfill dam based on optimal construction stages and zones: case study | |
CN104933237B (zh) | 一种面向土地利用与交通多尺度模拟方法 | |
CN116362523B (zh) | 考虑温度适应性的换电站选址与运营策略协同优化方法 | |
CN103729803A (zh) | 利用cfs集合预报产品的水电站中期滚动调度方法 | |
CN106408452A (zh) | 含多分布式电源配电网的电动汽车充电站优化配置方法 | |
CN100420209C (zh) | 自动进行方案对比的可信网络仿真系统 | |
CN112257249B (zh) | 基坑工程中基于归并的布置路径方法、装置和电子设备 | |
Rustom et al. | Estimating productivity using simulation: A case study of Gaza beach embankment protection project | |
Huang et al. | Optimization of vertical elevator movements and material storage locations for high-rise building construction with overtime cost effects | |
CN113656975A (zh) | 用于高寒高海拔地区的面板堆石坝施工进度分析方法和装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180907 Termination date: 20190703 |