CN105678411A - 一种旅客列车运行方案图编制方法 - Google Patents

Abstract

本发明公开一种旅客列车运行方案图编制方法包括：构建铁路路网拓扑结构图，建立基于车站的路网拓扑结构图；依据路网拓扑结构图，利用模糊集描述方便旅客旅行的目标函数，以车站、线路能力为约束，建立路网旅客列车运行方案图编制优化模型；利用粗糙-模糊软集合理论，刻画路网车站重要度，将路网旅客列车运行方案图编制优化模型转化为按照车站重要度编制的旅客列车运行方案图编制模型；根据基于车站、线路能力协调的基于蚁群算法，对所述按照车站重要度编制的旅客列车运行方案图编制模型进行快速求解，得到旅客列车运行方案图。采用本发明的技术方案，有利于提高旅客列车运行方案图的可实施性。

Description

一种旅客列车运行方案图编制方法

技术领域

本发明属于列车路线规划的技术领域，尤其涉及一种旅客列车运行方案图编制方法。

背景技术

列车运行图规定了各种列车占用区间的次序，列车在每个车站的到达、出发或通过时刻，列车在各区间的运行时间，列车在车站的停站时间标准，以及机车交路等。它把整个路网的运输生产活动联系成为一个统一的整体,列车运行图是铁路运输工作的综合计划、铁路行车组织的基础，是协调铁路各部门、单位按一定程序进行生产活动的工具。列车运行图的编制重点在于解决列车运行图的整体布局问题，它是铁路列车运行图的骨架和核心，在很大程度上决定了列车运行图的质量水平。在编制列车运行图时，一般首先铺画旅客列车运行线。具体编制工作分两步进行：第一步铺画旅客列车运行方案图，主要解决列车整体布局的问题，是整个列车运行图的骨架，它用小时格运行图铺画，只是对每一方向画出各技术站间的列车运行线；第二步，以旅客列车运行方案图为基础，具体铺画表示每一列车在各个车站到发或通过时刻的列车运行线，即列车运行详图。

目前，铁路已广泛采用计算机编制列车运行图，构建了集列车运行图数据管理、技术资料管理、列车运行计划、车底(动车组)交路计划、车辆分配计划、机车周转计划、车站作业计划、列车牵引计算、列车运行仿真、列车乘务计划、列车运行图版本管理、列车运行图信息共享与发布、列车运行图信息查询等于一体的列车运行图编制与管理协同一体化信息平台，实现了基于铁路广域网的支持异地联网编图，实现了基于全路网列车运行图的统一管理，满足全路铁路局客货列车运行图的编制。

编制列车运行图时，首先铺画旅客列车运行方案图，主要解决列车整体布局的问题，是整个列车运行图的骨架。现有旅客列车运行方案图编制的技术方案主要：(1)采用人机相结合方法编制旅客列车运行方案；(2)通过构建数学优化模型来解决某个运行区段旅客列车合理发车时间域；(3)应用同余理论，采用代数方法解决旅客列车合理发车时间域。

现有旅客列车运行方案图编制存在如下问题：

1、现有技术无论是普速铁路列车运行方案图，还是高速铁路列车运行方案图编制主要是在无约束条件下，以旅客的方便性或企业的经济性这两个目标，未考虑车站、线路能力的制约，与实际应用需求存在较大差距，难以为列车运行图编制工作提供有效支撑。

2、现有技术方案关于列车运行方案图编制的范围集中在某个运行区段内，也有少数单一考虑普速路网和高速路网的情况，没有涉及高速铁路与普速铁路贯通成网的情况。

综上所述，现有技术未考虑高速铁路与普速铁路贯通成网的情况，以及大型客运站由于政治经济原因需要开行大量的列车，造成客运站设备能力，特别是到发线能力相对紧张的实际情况，这样就容易造成旅客列车运行方案图不可实施。

发明内容

本发明要解决的技术问题是，提供一种基于车站与线路能力协调的旅客列车运行方案图编制方法。

为解决上述问题，本发明采用如下的技术方案：

一种旅客列车运行方案图编制方法包括以下步骤：

步骤S1、构建铁路路网拓扑结构图，建立基于车站的路网拓扑结构图；

步骤S2、依据路网拓扑结构图，利用模糊集描述方便旅客旅行的目标函数，以车站、线路能力为约束，建立路网旅客列车运行方案图编制优化模型；

步骤S3、利用粗糙-模糊软集合理论，刻画路网车站重要度，将路网旅客列车运行方案图编制优化模型转化为按照车站重要度编制的旅客列车运行方案图编制模型；

步骤S4、根据基于车站、线路能力协调的基于蚁群算法，对所述按照车站重要度编制的旅客列车运行方案图编制模型进行快速求解，得到旅客列车运行方案图。

本发明的技术方案采用基于车站与线路能力协调的路网旅客列车运行方案图编制方法，利用模糊集描述方便旅客旅行的目标函数，构建路网的拓扑结构，以车站、线路能力为约束，建立旅客列车运行方案图编制优化模型。利用粗糙-模糊软集合理论，刻画路网车站重要度，提出车站重要度降低路网复杂度的方法，并设计了基于动态启发式信息蚁群算法。本发明的方法有利于提高旅客列车运行方案图的可实施性，可用于铁路列车运行图编制系统始发方案的生成，车站到发线运用问题等，建模过程方便简单、建模标准统一，方法计算效率高，方法真实可靠，具有很好的操作性、通用性和可重用性。

附图说明

图1为本发明旅客列车运行方案图编制方法的流程图；

图2为旅客列车发车、到达时间对旅客的方便程度函数；

图3为基于粗糙-模糊软集合理论的路网车站重要度方法流程图。

具体实施方式

如图1所示，本发明实施例提供一种旅客列车运行方案图编制方法，包括以下步骤：

步骤S1、构建铁路路网拓扑结构图，建立基于车站的路网拓扑结构图。

路网拓扑结构图是用图论中的顶点、边来描述路网的结构。客运站是铁路旅客运输的基层生产单位，在铁路旅客运输过程中，是铁路与旅客之间联系的纽带。全路车站数量庞大，达到7000多个，并且线路复杂，如果所有车站、线路构造路网拓扑结构图，问题规模大，计算复杂度高。根据旅客列车运行方案图编制的需要，将全国铁路运输网络中具有办理旅客列车始发、终到作业业务能力而且列车开行方案中也开行了始发、终到列车的客运站抽象为图的顶点，车站之间按照开行方案的规定相互开行旅客列车之间的连通线路用有向弧连接起来。弧可以是单向也可以是双向，表示上、下行方向。

步骤S2、依据路网拓扑结构图，利用模糊集描述方便旅客旅行的目标函数，以车站、线路能力为约束，建立路网旅客列车运行方案图编制优化模型。

建立所述路网旅客列车运行方案图编制优化模型如下：

1)优化目标

方便旅客旅行是编制旅客列车运行方案图的首要目标。路网旅客列车运行方案图编制问题的优化模型的目标如下：

(1)所有客运站出发的旅客列车时间尽可能合理；

(2)所有客运站到达的旅客列车时间尽可能合理。

2)约束条件

考虑路网各客运站能力，约束条件如下：

(1)所有客运站出发的旅客列车只能在某一个时间段发车；

(2)到达所有客运站的旅客列车只能在某一个时间段终到；

(3)所有客运站某时间段的出发的旅客列车数量必须小于该时间段到发线的发车能力；

(4)所有客运站某时间段的到达的旅客列车数量必须小于该时间段到发线的接车能力。

3)方便旅客旅行的目标函数描述

方便旅客旅行是确定旅客列车运行方案图的主要目标，一般规定是旅客列车的始发、终到时间不能早于早上6点，也不要晚于晚上12点，该范围过大，而旅客对列车不同时间段的到、发主观偏好程度不一样，利用模糊集来表达旅客的主观不确定性。

模糊集F的隶属度函数μ_F(x)，表示旅客列车发车、到达时间对旅客的方便程度函数，如图2所示，定义如下：

其中，[F¹,F⁴]为旅客列车的一般合理发车(到达)时间范围；[F²,F³]为旅客最便利的出行时间范围。

4)优化模型maxf(t)

$\max f\left(t\right)=\underset{i=1}{\overset{m}{\Σ}}\left(\underset{d\∈D_i}{\Σ}\underset{t\∈T}{\Σ}\mathrm{\δ}\right(d\left){\mathrm{\μ}}_F\right(x_d\left(t\⊕w\right))+\underset{a\∈A_i}{\Σ}\underset{t\∈T}{\Σ}\mathrm{\δ}(a\left){\mathrm{\μ}}_F\right(y_a\left(t\⊕w\right)\left)\right)$

$\underset{t\∈T}{\mathrm{\Σ}}{x}_d\left(t\right)=1,d\∈D_i$

$\underset{t\∈T}{\mathrm{\Σ}}{y}_a\left(t\right)=1,a\∈A_i$

其中，D_i表示从客运站s_i始发的列车集合；A_i表示到达客运站s_i的列车集合；T表示为列车开放时间段，设将T划分成n个时间域，即T＝{t₁,t₂,K,t_n}，设t_j＝[l_j,k_j]，l_j,k_j分别代表第j个时间域的上、下限，j＝1,2,…,n，其中，t_j⊕w＝[l_j,k_j]⊕w＝[l_j⊕w,k_j⊕w]＝[mod(l_j+w,24),mod(k_j+w,24)]， $t_j\⊗w=\[l_j,k_j\]\⊗w=\[\mathrm{mod}(l_j-w,24),\mathrm{mod}(k_j-w,24)\],$ w为旅行时间；为客运站s_i在时间段t_j的到发线发车能力，为接车车能力；

a∈A_i，t∈T；δ(d)，δ(a)表示旅客列车等级优先系数。

步骤S3、利用粗糙-模糊软集合理论，刻画路网车站重要度，将路网旅客列车运行方案图编制优化模型转化为按照车站重要度编制的旅客列车运行方案图编制模型。

如图3所示，具体包括以下步骤：

步骤S3.1、基于路网各车站的社会属性、自然属性以及运输指标构建路网车站重要度评价指标体系，其中，所述社会属性包括车站所在城市的行政级别、人口数量、经济发展潜力、工业总产值、人均GDP及国民生产总值,所述自然属性包括车站衔接铁路线路数量、车站的等级、可直达城市数量,所述运输指标包括车站股道数量、始发列车数量、终到列车数量、发送旅客数量、通过列车数量。

步骤S3.2、利用粗糙集属性约简理论对所述路网车站重要度评价指标体系进行约简，得到约简后相对重要的路网车站重要度评价指标；

步骤S3.3、利用模糊软集合对各专家的评价值进行信息融合，对约简后相对重要的路网车站重要度评价指标进行综合评价，得到路网所有车站的重要度；

步骤S3.4、将路网车站按照重要度降序设为s₁,s₂,L,s_m，依次按照该车站重要度顺序，将路网所有车站之间的所有旅客列车运行线同时优化编制问题转化为s_k站与s_k+1,s_k+2,L,s_m之间互开旅客列车的运行线编制问题，其中，k＝1,...,m。

该步骤不仅可以灵活地表达专家的主观判断，并且能有效、合理地处理信息的不确定性，符合人的思维判断过程。同时，通过该方法完成铁路客运站重要度排序，将路网旅客列车运行方案图编制转化为按照客运站重要度，逐次完成该站开行旅客列车运行方案图的编制，达到降低旅客列车运行方案图编制问题难度的目的。

步骤S4、基于车站、线路能力协调的蚁群算法，对所述按照车站重要度编制的旅客列车运行方案图编制模型进行求解，得到旅客列车运行方案图。

具体包括以下步骤：

步骤4.1：依据粗糙主成分分析法对客运站重要度排序，重要度降序记为s₁,s₂,...,s_m；

步骤4.2：依据基于车站、线路能力协调的基于蚁群算法，计算S_i站与S_i+1,S_i+2,…,S_m之间互开行旅客列车中第h等级列车的始发时间域，设i＝1,h＝1，基于车站、线路能力协调的基于蚁群算法计算过程包括如下步骤：

步骤1、初始化参数：开始时每条边的信息素量都相等，即τ_lb(0)＝C，Δτ_lb(0)＝0，τ_lb表示边(l,b)上的信息素量，Δτ_lb表示本次迭代边(l,b)上的信息素增量l,b分别表示时间T内时间域，l,b∈(t₁,t₂,K,t_n)，C为常数；

步骤2、将m_ant只蚂蚁随机的放在n个时间域所代表的顶点中，禁忌表为对应的顶点；

步骤3、取1只蚂蚁，计算转移概率其中，N^k(l)＝T/Tabu^k表示蚂蚁k下一步的可选时间域集合，Tabu^k表示蚂蚁k的禁忌表，η_lb为信息素更新规则，τ_lb表示始发时间域l,b间的信息素浓度，τ_lb(t′+1)＝(1-ρ)·τ_lb(t′)+Δτ_lb，t′为迭代次数，α(α>0)和β(β>0)为表征信息素与启发式信息重要度的参数，ρ表示信息素挥发系数，表示第k只蚂蚁在本次迭代中留在边(l,b)上的信息素量，Q表示正常数，L_k表示蚂蚁k在本次周游中所走路径的方便度，L_k＝∑μ_F(x)；按照信息素更新规则

选择下一个顶点，更新禁忌表，再计算概率，再选择顶点，再更新禁忌表，直至遍历所有顶点一次。

步骤4、计算该只蚂蚁留在各边的信息素量该蚂蚁死去。

步骤5、重复3～4，直至m_ant只蚂蚁都周游完毕。

步骤6、计算各边的信息素增量Δτ_lb和信息素量τ_lb(t)。

步骤7、记录本次迭代的路径，更新当前的最优路径，清空禁忌表。

步骤8、判断是否达到预定的迭代步数，或者是否出现停滞现象。若是，算法结束，输出当前最优路径；否，转2，进行下一次迭代。

步骤4.3：若i+1<m，返回步骤4.2，否则，转步骤4.4。

步骤4.4：i＝1，若h+1小于列车等级数，转步骤4.2，否则，转步骤4.5。

步骤4.5：算法结束，输出结果。

其中，一般的蚁群算法在整个过程中都可以采用相同的启发式信息来指导路径的构建；而旅客列车运行方案图的编制问题中，需要考虑客运站各个时段的到发线接、发车能力限制，需要检验各时间段到发线接、发车数量是否满足到发线能力要求，也使得固定不变的启发式信息不能正确的指导可行解的生成。因此，本发明设计蚁群算法运行的过程中动态的计算启发式信息，即当算法运行到某一状态时，不是立即选择下一个列车的发车或到达时间范围，而是首先判断已有该时间段接、发车数量是否满足到发线能力约束，并针对不同情况计算启发式信息，这样的启发式信息旨在满足能力约束条件下，最大化方便旅客出行，且该方法避免了在搜索过程中出行不可行解的情况。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (3)

1.一种旅客列车运行方案图编制方法，其特征在于，包括以下步骤：

步骤S1、构建铁路路网拓扑结构图，建立基于车站的路网拓扑结构图；

步骤S2、依据路网拓扑结构图，利用模糊集描述方便旅客旅行的目标函数，以车站、线路能力为约束，建立路网旅客列车运行方案图编制优化模型；

步骤S3、利用粗糙-模糊软集合理论，刻画路网车站重要度，将路网旅客列车运行方案图编制优化模型转化为按照车站重要度编制的旅客列车运行方案图编制模型；

步骤S4、根据基于车站、线路能力协调的基于蚁群算法，对所述按照车站重要度编制的旅客列车运行方案图编制模型进行快速求解，得到旅客列车运行方案图。

2.如权利要求1所述的旅客列车运行方案图编制方法，其特征在于，路网旅客列车运行方案图编制优化模型maxf(t)为：

$\max f\left(t\right)=\underset{i=1}{\overset{m}{\&Sigma;}}(\underset{d\&Element;D_i}{\&Sigma;}\underset{t\&Element;T}{\&Sigma;}\mathrm{\&delta;}\left(d\right){\mathrm{\&mu;}}_F\left(x_d\right(t\&CirclePlus;w\left)\right)+\underset{a\&Element;A_i}{\&Sigma;}\underset{t\&Element;T}{\&Sigma;}\mathrm{\&delta;}\left(a\right){\mathrm{\&mu;}}_F\left(y_a\right(t\&CircleTimes;w\left)\right))$

$\underset{t\&Element;T}{\&Sigma;}{x}_d\left(t\right)=1,d\&Element;D_i$

$\underset{t\&Element;T}{\&Sigma;}{y}_a\left(t\right)=1,a\&Element;A_i$

其中，μ_F(x)表示旅客列车发车、到达时间对旅客的方便程度函数；D_i表示从客运站s_i始发的列车集合；A_i表示到达客运站s_i的列车集合；T表示为列车开放时间段，设将T划分成n个时间域，即T＝{t₁,t₂,K,t_n}，设t_j＝[l_j,k_j]，l_j,k_j分别代表第j个时间域的上、下限，j＝1,2,L,n，其中，

t_j⊕w＝[mod(l_j+w,24),mod(k_j+w,24)]，

$t_j\&CircleTimes;w=\&lsqb;\mathrm{mod}(l_j-w,24),\mathrm{mod}(k_j-w,24)\&rsqb;,$ w为旅行时间；为客运站s_i在时间段t_j的到发线发车能力，为接车车能力；

t∈T；δ(d)，δ(a)表示旅客列车等级优先系数。

3.如权利要求2所述的旅客列车运行方案图编制方法，其特征在于，步骤S4具体包括以下步骤：

步骤4.1：依据粗糙主成分分析法对客运站重要度排序，重要度降序记为s₁,s₂,...,s_m；

步骤4.2：依据基于车站、线路能力协调的基于蚁群算法，计算S_i站与S_i+1,S_i+2,…,S_m之间互开行旅客列车中第h等级列车的始发时间域，设i＝1,h＝1，基于车站、线路能力协调的基于蚁群算法计算过程包括如下步骤：

步骤1、初始化参数：开始时每条边的信息素量都相等，即τ_lb(0)＝C，△τ_lb(0)＝0，τ_lb表示边(l,b)上的信息素量，△τ_lb表示本次迭代边(l,b)上的信息素增量l,b分别表示时间T内的第l,b个时间域，l,b∈(t₁,t₂,K,t_n)，C为常数；

步骤2、将m_ant只蚂蚁随机的放在n个时间域所代表的顶点中，禁忌表为对应的顶点；

步骤3、取1只蚂蚁，计算转移概率其中，

N^k(l)＝T/Tabu^k表示蚂蚁k下一步的可选时间域集合，Tabu^k表示蚂蚁k的禁忌表，η_lb为信息素更新规则，τ_lb表示始发时间域l,b间的信息素浓度，τ_lb(t′+1)＝(1-ρ)·τ_lb(t′)+△τ_lb，t′为迭代次数，α(α>0)和β(β>0)为表征信息素与启发式信息重要度的参数，ρ表示信息素挥发系数，表示第k只蚂蚁在本次迭代中留在边(l,b)上的信息素量，

Q表示正常数，L_k表示蚂蚁k在本次周游中所走路径的方便度，L_k＝∑μ_F(x)；按照信息素更新规则

选择下一个顶点，更新禁忌表，再计算概率，再选择顶点，再更新禁忌表，直至遍历所有顶点一次。

步骤4、计算该只蚂蚁留在各边的信息素量该蚂蚁死去；

步骤5、重复3～4，直至m_ant只蚂蚁都周游完毕；

步骤6、计算各边的信息素增量△τ_lb和信息素量τ_lb(t)；

步骤7、记录本次迭代的路径，更新当前的最优路径，清空禁忌表；

步骤8、判断是否达到预定的迭代步数，或者是否出现停滞现象。若是，算法结束，输出当前最优路径；否，转2，进行下一次迭代；

步骤4.3：若i+1<m，返回步骤4.2，否则，转步骤4.4；

步骤4.4：i＝1，若h+1小于列车等级数，转步骤4.2，否则，转步骤4.5；

步骤4.5：算法结束，输出结果。