CN109801023A - 一种多约束条件下的多模式交通联运方法及装置 - Google Patents

Abstract

本发明提供一种多约束条件下的多模式交通联运方法及装置，本发明提供的多约束多模式交通联运方法，包括：通过任务信息获取模块汇总所有的运输任务，将每个运输任务整理成任务序列；再通过路径优化模块对多模式交通联运的方案进行优化，充分考虑多约束条件后使运输的各项成本降至最低；最后通过任务分配模块将优化后的运输任务方案发送至各个运输任务的执行者，顺利完成多约束条件下的多模式交通联运工作。本发明能够处理一定区域内大量的多类别多约束长距离运输问题，算法复杂度低，计算精度高，可以有效解决复杂环境下的多模式交通联运问题。

Description

一种多约束条件下的多模式交通联运方法及装置

技术领域

本发明属于电子信息和货物运输技术领域，具体是指一种多约束条件下的多模式交通联运方法及装置。

背景技术

在货运物资种类越来越多，运输环境越来越复杂以及部分运输任务可能存在技术风险的背景下，安全且高效地完成长距离运输任务是运输业的重点研究内容。在运输距离较长的情况下，受制于成本等因素，采用一种运输方式来完成运输任务会大大降低运输的效率，风险也可能会不同程度的提升，所以对货物采用多模式交通联运的方式往往更加有效。

对不同类别的货运物资通过路面多模式交通联运进行运输，在满足运输技术风险的前提下有效地完成长距离运输任务，可以大大降低运输任务对运输路径周边居民的正常生活的影响。因此，一套能够有效完成多约束长距离多模式交通联运的系统对于运输业提升其安全高效性来说非常重要。

发明内容

本发明提供一种多约束条件下的多模式交通联运方法及装置，每个运输任务都将自己的任务具体内容发送至任务信息获取模块，这样可以获取一定范围内所有待运输任务的状态信息(包括货运路径起点和终点、运输方式以及货运路径周边居民人数等信息)，并且将运输任务整理为可操作的任务序列，对任务序列进行优化；最终将运输任务分配到各个执行者，从而实现多模式交通联运任务。本发明的最终目标是使得一定货运区域内所有的运输任务可以安全有效地完成。

具体的，所述的一种多约束条件下的多模式交通联运方法，包括如下步骤：

步骤1：在给定的货运区域内，运输任务的执行者将具体运输任务上传至任务信息获取模块；

步骤2：任务信息获取模块将收到的每个运输任务进行整理，得到可进行操作的任务序列，并发送到路径优化模块；

步骤3：路径优化模块对任务序列进行优化，得到最优的多模式交通联运方案，发送给任务分配模块；

步骤4：任务分配模块将最优的多模式交通联运方案分配至该运输任务的执行者，从而完成运输任务。

本发明还提供一种多约束条件下的多模式交通联运装置，所述装置包括：任务信息获取模块、路径优化模块和任务分配模块。各部分的功能以及各部分之间的连接如下：

任务信息获取模块：收集给定货运区域在一段时间内所有的运输任务，并将所有的运输任务进行整理，形成任务序列并输出至路径优化模块。

路径优化模块：接收来自任务信息获取模块发送的任务序列，并对任务序列在约束条件的限定下依照概率进行相应的调整操作，并通过计算目标函数比较调整前后的任务序列在运输问题上的优劣从而进行选择，并根据已优化的任务序列得到最优的多模式交通联运方案，输出至任务分配模块。

任务分配模块：接收路径优化模块发送的最优的多模式交通联运方案，并发送至相应的运输任务执行者，从而完成在多约束条件下的多模式交通联运任务。

本发明的优点在于：

(1)本发明针对路面运输任务多样、运输物资风险大小不一、路网状况错综复杂的状况，实现了多约束长距离条件下的货运物资多模式交通联运，这为路网运输问题的解决提出了一个全新的方案。

(2)本发明围绕着多约束条件以及长距离运输可能带来的技术风险，从提高运输安全性和高效性两方面出发，开展多模式交通联运方法研究。对于确保物资运输和运输路径周边生命财产安全、降低成本与风险、提高路网运输系统的运行效率具有重要的意义。

附图说明

图1为本发明提供的多约束条件下的多模式交通联运方法流程图；

图2为本发明中任务序列优化方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。

针对某一给定的大规模货运区域，将其定义为货运区域A；在货运区域A中所有的公路运输路径和铁路运输路径，统称为货运路径。在货运区域A中的所有货运路径的集合为R，即可将货运区域A简化为在货运区域A中货运路径的集合，即:

A＝R＝{R₁,R₂,…,R_K}

其中

R_k＝{C_k,O_k,D_k,Q_k},k＝1,2,…,K

R_k为集合R中的元素，即代表某一条货运路径，K表示货运路径的个数，每个货运路径中包含有一个以上的最小运输路段；其中C_k代表货运路径的编号，在本发明中，C_k可与货运路径形成一一对应关系；O_k代表该货运路径的起点；D_k代表货运路径的终点；这里O_k与D_k都是唯一的。Q_k代表该货运路径周边一定范围内的居民人数，所述的一定范围内需要根据实际情况进行划定；每个运输任务对应着其相应的等级，代表着运输任务的重要程度以及风险程度。

在本发明中，首先做出如下假设：

(1)在本发明研究的所有运输任务中，货运路径的起点、终点以及所经过的货运路径均被包含在该货运区域A中；

(2)在所有的运输任务中，所有可行的运输方案都是在已存在于货运区域A中的货运路径上进行的；

(3)在货运路径上运输货物时，运输工具(货车或火车)的行驶速度在货运路径上不发生变化，但火车行驶单位长度所消耗的时间比货车更短，即行驶速度更快；

(4)在接驳时，货车运输(也称公路运输)换装为火车运输(也称铁路运输)与火车运输换装为货车运输两种方式所消耗的时间相同，故在时间成本中不考虑接驳所消耗的时间；

(5)一个运输任务的等级在运输任务的进行过程中不发生变化。

本发明提供一种多约束长距离运输的多模式交通联运方法，如图1所示，所述方法包括如下步骤：

第一步，任务信息获取模块收集货运区域内所有的运输任务。

第二步，任务信息获取模块将每个运输任务分别处理为一个任务序列。

根据运输任务所在的货运区域，设定第i个运输任务对应的任务序列S_i＝{S_i,1,S_i,2,…,S_i,m}，即每一项运输任务可以将其表示为一个m维向量，任务序列中的每个值S_i,j代表该运输任务的不可再分割的最小运输路段，i＝1,2,…,n；j＝1,2,…,m。在每一个最小运输路段内，运输方式和任务等级保持不变，一般最小运输路段定义为相邻的两个接驳站或联运站之间的路段，在所述的接驳站或联运站可以实现输运方式的改变或者货物的装卸，m为任务序列中最小运输路段的总数。在任务序列的每个值中，包含了最小运输路段起点、终点、运输方式以及任务等级的信息，即：

S_i,j＝{R_i,j,M_i,j,L_i}

R_i,j代表第i个任务序列中第j个最小运输路段，包含了该最小运输路段的起点和终点信息；M_i,j代表该第j个最小运输路段的运输方式，包含公路运输和铁路运输两种方式,M_i,j的数学表示为：

L_i代表第i个运输任务或任务序列的等级，等级共分为五个级别，分别为一级、二级、三级、四级和五级，一级运输任务的任务限制最少，五级运输任务的任务限制最多，具体的任务限制将在约束条件中给出。

第三步，任务信息获取模块将整理好的货运区域内的任务序列发送至路径优化模块。

对于n个运输任务，所有的任务序列S_i组成了一个n维向量组S，向量组S＝{S₁,S₂,…,S_n}也就是本发明中进行多模式交通联运方案求解的初始解，路径优化模块进行的所有操作都是基于向量组S进行的。针对向量组S所代表的多模式交通联运优化问题，本发明采用启发式算法对其进行求解。在描述求解的具体步骤前，本发明首先对本发明中启发式算法的调整方法、约束条件以及目标函数进行说明。

2.1调整方法：

本发明中的调整变量为S_i,j中的前两个变量，分别为最小运输路段R_i,j以及该最小运输路段的运输方式M_i,j。调整方法包括换路线以及换运输方式两种操作。换路线即为更改R_i,j，通过改变当前最小运输路段的编号C_i,j使得一段或多段运输路段发生改变，从而对目标函数产生影响，即：

C_i,j→C′_i,j

换运输方式即为保持最小运输路段R_i,j不变，但是在使用该运输路段进行运输任务的基础上改变运输方式，即从货车运输改为火车运输，或从火车运输改为货车运输，即：

M_i,j＝0→M_i,j＝1

或

M_i,j＝1→M_i,j＝0

所述的调整方法必须满足相应的约束条件。

2.2约束条件：

在路网运输中，由于实际运输条件的限制，在本发明的运输任务进行时需满足表1所示的约束条件：

表1约束条件

其中硬约束是指在优化的过程中不能违反该约束条件，如果违反该约束条件即说明该方案为不可行解；软约束是指在允许的范围内可以适当违反，但是违反软约束意味着会在目标函数值上加入惩罚因子。

具体的针对多约束条件下的多模式交通联运问题的约束条件如下所示：

公式(2.1)为首尾地点约束，是指在一个运输任务的任务序列S_i中，任务序列的第一个最小运输路段的起点与最后一个最小运输路段的终点不进行调整，即在调整的过程中必须保持不变。

公式(2.2)为最小运输路段衔接约束，是指在一个运输任务的任务序列中，当前最小运输路段的终点D_i,j-1必须与下一段最小运输路段的起点Q_i,j一致。

公式(2.3)为路径-货车限制，是指由于公路的限重、限高等限制，一些公路路径禁止货车通行，比如乡间道路、专用道路等等。即表示存在限制的路径集合。

公式(2.4)为接驳站点约束。接驳站点的集合可表示为

J＝{J₁,J₂,…,J_x,…J_X},X＜＜K

其中，X表示货运区域内接驳站点的总数，K表示货运区域内货运路径的总数，接驳站点的数量应远小于货运路径的数量。接驳站点约束是指在货运区域内，只有特定的一系列货运路径的起点或终点可以进行运输物资的接驳，即进行公路运输和铁路运输的转换。

公式(2.5)为泄漏风险约束，是指在运输过程中，尤其是在长距离运输过程中，由于一些货运物资的特殊性，运输任务在进行过程中多多少少会有一定的风险，会对货运路径周边居民的正常生产生活造成影响，而如果该任务方案的泄漏风险超过了一定的阈值，则认为这一方案不可行。P_2i为第i个运输任务的风险成本，P_max为可以接受的风险最大值。

公式(2.6)为任务等级限制，是指不同的运输任务等级L_i会对货车运输距离有相应的限制。任务等级越高，对货车运输的限制也越严格，货车运输距离的上限也越来越小。一级任务中货车运输距离不得超过总距离的80％，二级任务不得超过70％，三级任务不得超过60％，四级任务不得超过50％，五级任务不得超过40％。D_ij1代表公路运输路段的长度，D_ij2代表铁路运输路段的长度；Y即代表百分比。

公式(2.7)为运输时间限制，是指每个运输任务都要遵循一定的运输时效性，如果运输时间过长会导致运输任务效率低，从而影响到运输任务的效果。P_3i为第i个运输任务的运输时间，T_max为可以接受的运输时间最大值。

2.3目标函数：

本发明的目标函数由四部分组成：运输成本P₁、运输风险P₂、运输时间P₃和惩罚值P₄。

其中，运输成本由货运方式与货运距离的乘积得到，即：

其中，P_1i为第i个运输任务的运输成本，α和β为参数，分别对应公路和铁路的单位距离对应的运输成本，α和β满足α＞β。N(M_ij1)和N(M_ij2)分别为通过公路和铁路运输的最小运输路段的个数。

运输风险分为两部分，第一部分是运输途中由于路径沿途有居民居住带来的物资泄漏风险，尤其是危险品泄漏风险；第二部分是在接驳过程中由于将运输物资换装带来的物资泄漏风险。即：

其中γ和δ为参数，对应运输途中和接驳站点的物资泄漏风险权重，其中δ＞＞γ，γ₁和γ₂代表公路和铁路运输的泄漏风险，满足γ₁＞γ₂；Q_ij1和Q_ij2分别代表途中和站点附近确定范围内的居民总数。

运输时间为完成该运输任务所消耗的总时间，计算方式如下：

其中ε和θ为参数，分别代表公路运输和铁路运输单位距离所消耗的时间，满足ε<θ。惩罚值P₄为运输任务违反软约束的程度，泄漏风险越高、在不同的任务等级中货运占比越大、运输时间越长，相应的惩罚值越大。

最终的目标函数P为P₁、P₂和P₃的加权相加再加上P₄。即：

P＝a₁×P₁+a₂×P₂+a₃×P₃+P₄

其中加权系数a₁、a₂和a₃的设置是根据运输任务等级来确定的，具体参数设置如表2所示：

表2目标函数参数加权系数的设置

任务等级L<sub>i</sub>	a<sub>1</sub>	a<sub>2</sub>	a<sub>3</sub>
				一级	0.4	0.1	0.5
二级	0.3	0.2	0.5
				三级	0.2	0.3	0.5
四级	0.1	0.4	0.5
				五级	0	0.5	0.5

求解的具体步骤如下：

在路径优化模块提取完所有初始数据后，首先需要计算每一个任务序列违反现有软约束的程度，并计算其相应的目标函数值。对于初始获取的多模式交通联运方案，由于执行者在信息获取方面的缺乏，其提供的运输任务方案多多少少都需要进行进一步的优化。

为了对不满足最优解的运输任务进行调整，在本发明的启发式算法中设计了两种算子，分别代表着换路线和换运输方式操作。在每一代的迭代中，对这些任务序列以一定的概率进行随机的一种调整操作，具体的概率分配为以0.7的概率进行换路线操作；0.3的概率进行换运输方式操作。在特定的任务序列中，进行调整操作的位置是随机的，即对一个运输任务中的随机一段的货运路径或运输方式进行调整。在调整全部完成后，重新计算任务序列违反约束条件的程度。在本发明中采用了惩罚值的方式对违反约束条件的程度进行了衡量，惩罚值的大小并不固定，而是随着迭代次数的增加进行线性增加，如此一来，就可以满足迭代前期留下那些虽然违反约束条件，但是有逐渐趋于可行解的趋势的解，以免有一些解被误操作淘汰。在每一代的迭代结束后，通过计算由约束条件引起的惩罚值和进行相应操作带来的代价得到新一代的目标函数值，再将这个目标函数值与父代进行比较，表现更好的解将被保留下来进行下一代的操作。

本发明中的目标函数的启发式算法流程图如图2所示，具体的算法流程如下：

第1步.将货运区域内的所有运输任务所对应的任务序列作为初始数据输入到启发式算法模型中。初始化迭代的代数i为1。

第2步.让n为1。

第3步.计算第n行，也就是第n个任务序列违反约束条件的程度，将惩罚值代入作为目标函数值。

第4步.对任务序列依一定概率进行一次调整操作，输出操作之后的子代任务序列。

第5步.对输出的子代任务序列计算其违反约束条件的程度，并加上由于调整操作带来的调整代价，从而得出子代任务序列的目标函数值。如果子代任务序列的目标函数值小于父代，则以子代任务序列替换父代任务序列；如果子代的目标函数值大于等于父代，则不执行替换操作。

第6步.如果n等于任务序列总数，则判断i的大小，如果i小于需要迭代的总次数，则i＝i+1并跳至第2步；如果i等于需要迭代的总次数，则停止迭代运算并输出所有的任务序列信息，即为优化后的任务序列。如果n小于任务序列总数，则n＝n+1并跳至第3步。

第7步.将输出的任务序列信息写入到Excel表格中并输出表格；计算每一条优化后的任务序列的目标函数值并求和，得到算法的最终目标函数值并输出。

第四步，根据第三步中优化后的任务序列，将其转化为运输任务执行者所能理解的多模式交通联运方案，并通过任务分配模块将所有的多模式交通联运方案分配给运输任务原有执行者，通过让货运区域中所有的运输任务变更路线或更换某段路径的运输方式，完成多模式交通联运方案的优化，在保证运输任务时效性的基础上，有效降低运输成本和泄漏风险，实现运输任务安全有效进行。

在复杂的路网运输环境下完成多约束长距离多模式交通联运后，可以使执行者在运输过程中按最优的路径行进，降低运输风险，减小成本开支，提高运输效率，具有积极的意义。

Claims (8)

1.一种多约束条件下的多模式交通联运方法，其特征在于：所述方法包括如下步骤：

步骤1：在给定的货运区域内，运输任务的执行者将具体运输任务上传至任务信息获取模块；

步骤2：任务信息获取模块将收到的每个运输任务进行整理，得到任务序列，并发送到路径优化模块；

步骤3：路径优化模块对任务序列进行优化，得到最优的多模式交通联运方案，发送给任务分配模块；

步骤4：任务分配模块将最优的多模式交通联运方案分配至该运输任务的执行者，从而完成运输任务。

2.根据权利要求1所述的一种多约束条件下的多模式交通联运方法，其特征在于：步骤2中所述的任务序列，第i个运输任务对应的任务序列S_i＝{S_i,1,S_i,2,…,S_i,m}，即每一项运输任务表示为一个m维向量，任务序列中的每个值S_i,j代表该运输任务的不可再分割的最小运输路段，i＝1,2,…,n；j＝1,2,…,m；m为任务序列中最小运输路段的总数；在任务序列的每个值中，包含了最小运输路段起点、终点、运输方式以及任务等级的信息，即：

S_i,j＝{R_i,j,M_i,j,L_i}

R_i,j代表第i个任务序列中第j个最小运输路段，包含了该最小运输路段的起点和终点信息；M_i,j代表该第j个最小运输路段的运输方式，包含公路运输和铁路运输两种方式,M_i,j的数学表示为：

L_i代表第i个运输任务或任务序列的等级。

3.根据权利要求2所述的一种多约束条件下的多模式交通联运方法，其特征在于：在每一个最小运输路段内，运输方式和任务等级保持不变；最小运输路段定义为相邻的两个接驳站或联运站之间的路段，在所述的接驳站或联运站实现输运方式的改变或者货物的装卸。

4.根据权利要求2所述的一种多约束条件下的多模式交通联运方法，其特征在于：所述的等级共分为五个级别，分别为一级、二级、三级、四级和五级，一级运输任务的任务限制最少，五级运输任务的任务限制最多。

5.根据权利要求1所述的一种多约束条件下的多模式交通联运方法，其特征在于：步骤3中所述的优化，具体如下：

第1步.将货运区域内的所有运输任务所对应的任务序列作为初始数据输入到启发式算法模型中；初始化迭代的代数i为1；

第2步.令n为1；

第3步.计算第n行，也就是第n个任务序列违反约束条件的程度，将惩罚值代入作为目标函数值；

第4步.对任务序列依概率进行一次调整操作，输出操作之后的子代任务序列；

第5步.对输出的子代任务序列计算其违反约束条件的程度，并加上由于调整操作带来的调整代价，从而得出子代任务序列的目标函数值；如果子代任务序列的目标函数值小于父代，则以子代任务序列替换父代任务序列；如果子代的目标函数值大于等于父代，则不执行替换操作；

第6步.如果n等于任务序列总数，则判断i的大小，如果i小于需要迭代的总次数，则i＝i+1并跳至第2步；如果i等于需要迭代的总次数，则停止迭代运算并输出所有的任务序列信息，即为优化后的任务序列；如果n小于任务序列总数，则n＝n+1并跳至第3步；

第7步.将输出的任务序列信息写入到Excel表格中并输出表格；计算每一条优化后的任务序列的目标函数值并求和，得到算法的最终目标函数值并输出。

6.根据权利要求5所述的一种多约束条件下的多模式交通联运方法，其特征在于：所述的目目标函数由四部分组成：运输成本P₁、运输风险P₂、运输时间P₃和惩罚值P₄；其中，运输成本由货运方式与货运距离的乘积得到，即：

其中，P_1i为第i个运输任务的运输成本，α和β为参数，分别对应公路和铁路的单位距离对应的运输成本，α和β满足α＞β；N(M_ij1)和N(M_ij2)分别为通过公路和铁路运输的最小运输路段的个数；

运输风险分为两部分，即：

其中γ和δ为参数，对应运输途中和接驳站点的物资泄漏风险权重，其中δ＞＞γ，γ₁和γ₂代表公路和铁路运输的泄漏风险，满足γ₁＞γ₂；Q_ij1和Q_ij2分别代表途中和站点附近确定范围内的居民总数；

运输时间为完成该运输任务所消耗的总时间，计算方式如下：

其中ε和θ为参数，分别代表公路运输和铁路运输单位距离所消耗的时间，满足ε<θ；惩罚值P₄为运输任务违反软约束的程度；

最终的目标函数P为P₁、P₂和P₃的加权相加再加上P₄，即：

P＝a₁×P₁+a₂×P₂+a₃×P₃+P₄

其中加权系数a₁、a₂和a₃的设置是根据运输任务等级来确定。

7.根据权利要求5所述的一种多约束条件下的多模式交通联运方法，其特征在于：所述的依概率进行一次调整操作，具体为调整最小运输路段R_i,j以及该最小运输路段的运输方式M_i,j；

所述的调整必须满足相应的约束条件，具体如下：

公式(2.1)为首尾地点约束，是指在一个运输任务的任务序列S_i中，任务序列的第一个最小运输路段的起点与最后一个最小运输路段的终点不进行调整，即在调整的过程中必须保持不变；

公式(2.2)为最小运输路段衔接约束，是指在一个运输任务的任务序列中，当前最小运输路段的终点D_i,j-1必须与下一段最小运输路段的起点O_i,j一致；

公式(2.3)为路径-货车限制，即表示存在限制的路径集合；

公式(2.4)为接驳站点约束，接驳站点的集合表示为：

J＝{J₁,J₂,…,J_x,…J_X},X＜＜K

其中，X表示货运区域内接驳站点的总数，K表示货运区域内货运路径的总数，接驳站点的数量应远小于货运路径的数量；接驳站点约束是指在货运区域内，只有特定的一系列货运路径的起点或终点进行运输物资的接驳，即进行公路运输和铁路运输的转换；

公式(2.5)为泄漏风险约束，P_2i为第i个运输任务的风险成本，P_max为风险最大值；

公式(2.6)为任务等级限制，是指不同的运输任务等级L_i会对货车运输距离有相应的限制；一级任务中货车运输距离不得超过总距离的80％，二级任务不得超过70％，三级任务不得超过60％，四级任务不得超过50％，五级任务不得超过40％；D_ij1代表公路运输路段的长度，D_ij2代表铁路运输路段的长度；Y即代表百分比；

公式(2.7)为运输时间限制，P_3i为第i个运输任务的运输时间，T_max为运输时间最大值。

8.一种多约束条件下的多模式交通联运装置，其特征在于：所述装置包括：任务信息获取模块、路径优化模块和任务分配模块；

任务信息获取模块：收集给定货运区域在一段时间内所有的运输任务，并将所有的运输任务进行整理，形成任务序列并输出至路径优化模块；

路径优化模块：接收来自任务信息获取模块发送的任务序列，并对任务序列在约束条件的限定下依照概率进行相应的调整操作，并通过计算目标函数比较调整前后的任务序列在运输问题上的优劣从而进行选择，并根据已优化的任务序列得到最优的多模式交通联运方案，输出至任务分配模块；

任务分配模块：接收路径优化模块发送的最优的多模式交通联运方案，并发送至相应的运输任务执行者，从而完成在多约束条件下的多模式交通联运任务。