CN110458322B - 考虑企业需求的列车运行计划生成方法 - Google Patents

考虑企业需求的列车运行计划生成方法 Download PDF

Info

Publication number
CN110458322B
CN110458322B CN201910562428.8A CN201910562428A CN110458322B CN 110458322 B CN110458322 B CN 110458322B CN 201910562428 A CN201910562428 A CN 201910562428A CN 110458322 B CN110458322 B CN 110458322B
Authority
CN
China
Prior art keywords
train
station
arc
time
formula
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.)
Active
Application number
CN201910562428.8A
Other languages
English (en)
Other versions
CN110458322A (zh
Inventor
孟令云
苗建瑞
李宝旭
孙健
樊亚夫
王晓博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201910562428.8A priority Critical patent/CN110458322B/zh
Publication of CN110458322A publication Critical patent/CN110458322A/zh
Application granted granted Critical
Publication of CN110458322B publication Critical patent/CN110458322B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种考虑企业需求的列车运行计划生成方法。该方法包括:建立与路网结构对应的时空网络;基于所述与路网结构对应的时空网络,以列车在途运输时间总和最小为目标函数,以货车出发站、货车到达站、中间节点站、通过能力及中间节点容量作为约束条件,建立考虑企业需求的列车运行计划优化模型;使用数学规划算法求解所述列车运行计划优化模型,根据求解结果确定列车运行计划。本发明的方法考虑到达站卸车能力,同时考虑了对到达货物列车货物品类别的区分,保证不同品类货物配比到达,避免货物列车到达无规律或集中到达,降低车底周转时间,减少企业原料库存成本,提升铁路运输服务质量。

Description

考虑企业需求的列车运行计划生成方法
技术领域
本发明涉及铁路调度指挥技术领域,尤其涉及一种考虑企业需求的列车运行计划生成方法。
背景技术
在“公转铁”政策推动下,铁路货运增量显著,同时也对铁路货车周转提出了更高要求。现有的基础设施及技术条件下,货车入线前停留时间成为影响车辆周转时间的主要因素,到达端车流积压问题亟需解决。同时无规律的列车到达也给企业带来更高的库存成本。列车运行计划能够表示列车在区间的运行情况和经过车站的到达时间、出发时间及停站时间等。列车运行计划的制定是否符合企业生产需要,将不仅影响到货车入线前停留时间,进而影响铁路车辆周转时间,企业原料的库存成本,还将影响到企业对铁路运输服务质量的满意度。
目前,国内针对企业方面需求,对考虑列车到达优化的车流组织进行了系统研究,并取得了丰富成果。但是,既有研究只考虑一段时间内对到达列车总量的需求,缺少对每列列车最佳到达时间并具体到每列列车相应的运行过程的细化,同时对于不同品类货物的列车也没有做区分,颗粒度较大,并不能满足企业实际的生产需要。为此,亟需提供一种考虑企业需求的列车运行计划生成方法。
发明内容
本发明的实施例提供了一种考虑企业需求的列车运行计划生成方法,以克服现有技术的问题。
为了实现上述目的,本发明采取了如下技术方案。
一种考虑企业需求的列车运行计划生成方法,包括:
建立与路网结构对应的时空网络;
基于所述与路网结构对应的时空网络,以列车在途运输时间总和最小为目标函数,以货车出发站、货车到达站、中间节点站、通过能力及中间节点容量作为约束条件,建立考虑企业需求的列车运行计划优化模型;
使用数学规划算法求解所述列车运行计划优化模型,根据求解结果确定列车运行计划。
优选地,所述的建立与路网结构对应的时空网络,包括:
构建与路网结构对应的二维的时空网络,该时空网络上的弧包含各车站对应的节点、列车运行弧及列车停留弧,所述节点是由物理路网结构上的车站在离散的时间轴上表示;所述列车运行弧表示列车在区间的运行过程,其始端节点和终端节点根据编组计划和列车区间运行时分确定;所述列车停留弧表示列车在能够停留的中间节点的停留过程,其始端和终端都为列车所停留的车站。
优选地,所述的基于所述与路网结构对应的时空网络,以列车在途运输时间总和最小为目标函数,包括:
以列车总旅行时间最小为目标函数,所述列车总旅行时间包括列车的区间运行时间和在中间节点站的停留时间两部分,所述目标函数的表示如下:
Figure BDA0002108641280000021
式中:Z为列车总旅行时间,a为时空网络中的弧,L为所有弧的集合,k为列车装运的货物品类,Ca为弧a的长度,
Figure BDA0002108641280000022
为非负整数决策变量,代表弧a上装运k品类货物的列车数量。
优选地,所述的以货车出发站、货车到达站、中间节点站、通过能力及中间节点容量作为约束条件,建立考虑企业需求的列车运行计划优化模型,包括:
(1)货车出发站的列车出发约束如下:
对于货车出发站但不是中间节点的站,发出的货车列数等于该时段计划发车列数:
Figure BDA0002108641280000023
式中,Lr为列车运行弧集合,Bi,t为i站t时段内流出弧集合,di,k,t为i站t时段内k品类需求发车列数,O为货车始发站的集合,T为中间节点站的集合;
对于货车出发站同时也是中间节点的站,本时段发出货车列数不小于需求发车列数:
Figure BDA0002108641280000024
(2)货车到达站的到达约束如下:
对于每种品类货物货车,根据货物实际消耗速度为其设定相应到达间隔Δtk,在连续Δtk时间段内到终到站弧上的列数不大于1,保证每种品类列车均匀到达:
Figure BDA0002108641280000031
式中,Δtk为k品类货车到达间隔,
Figure BDA0002108641280000032
为i站t时段开始,连续Δtk时段内流入弧集合,D为货物终到站集合。
对于任意时段到终到站的弧上所有品类货物列车数之和不大于卸车能力:
Figure BDA0002108641280000033
式中,Ai,t为i站t时段内流入弧集合,Cap为终到站卸车能力。
对于每个终到站需保证只到达本站需要的品类的货车,其余品类列车均不到达:
Figure BDA0002108641280000034
式中,Ki为i到达站到达货物品类集合。
(3)中间节点站的车流平衡约束如下:
中间节点对于每种品类列车,流入弧上的列车数与需要发出的列车数之和等于流出弧上的列车数:
Figure BDA0002108641280000035
(4)区间通过能力的约束如下:
对于不同区间在不同时间段内,走行弧上的列车数不大于该弧段所能通过的最大列车数:
Figure BDA0002108641280000036
式中,Capa为弧a的通过能力。
(5)中间节点站容量的约束如下:
对于中间节点站停留的列车,中间节点停留弧上的列车数不大于节点的容量:
Figure BDA0002108641280000037
式中,Capi为i站的容量,Ld为列车停留弧。
上述公式1、公式2、公式3、公式4、公式5、公式6、公式7、公式8和公式9构成了列车运行计划优化模型。
优选地,所述的使用数学规划算法求解所述列车运行计划优化模型,根据求解结果确定列车运行计划,包括:
使用数学规划软件ILOG Cplex求解所述列车运行计划优化模型。在数学规划软件Cplex中通过使用OPL语言将所述列车运行计划优化模型输入,Cplex运行求解得到求解结果,该求解结果中包含决策变量
Figure BDA0002108641280000041
即弧a上装运k品类货物的列车数量的值,将所有决策变量进行综合得到路网中所有列车的运行过程。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例提出了一种考虑企业需求的列车运行计划生成方法,该方法考虑到达站卸车能力,同时考虑了对到达货物列车货物品类别的区分,保证不同品类货物配比到达,避免货物列车到达无规律或集中到达,降低车底周转时间,减少企业原料库存成本,提升铁路运输服务质量。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种构建路网对应的时空网络示意图;
图2为本发明实施例提供的一种考虑企业需求的列车运行计划生成方法的处理流程图;
图3为本发明实施例提供的一种所选路网结构示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的参数或具有相同或类似功能的参数。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
本发明实施例通过收集各货物列车(某日或几日)计划出发时间,基于列车运行过程的时空特性,借助时空网络图对时空关系的描述,利用时空网络中弧上的流量来描述列车在路径上的运行情况。以列车总旅行时间最小为目标函数,以时空网络中弧上各品类货物列车数量为决策变量,综合考虑各区间运行时分、区间通过能力、中间节点站容量,保证终到站每种品类货物列车的到达间隔、列车在终到站及时卸车,建立列车运行计划编制列车运行计划优化模型;然后通过数学规划软件求解列车运行计划优化模型,输出列车运行计划。
基于图1所示的构建路网对应的时空网络示意图,本发明实施例提供的一种考虑企业需求的列车运行计划生成方法的处理流程如图2所示,包括如下的处理步骤:
步骤S21:建立与路网结构对应的时空网络。
如图1所示,与路网结构对应的时空网络上的弧包含各车站对应的节点、列车运行弧及列车停留弧。节点是由物理路网结构上的车站在离散的时间轴上表示,从而构建二维时空网络;列车运行弧表示列车在区间的运行过程,其始端节点和终端节点根据编组计划和列车区间运行时分确定;列车停留弧表示列车在可以停留的中间节点的停留过程,其始端和终端都为所停留的车站。
步骤S22:基于上述与路网结构对应的时空网络,以列车在途运输时间总和最小为目标函数,以货车出发站、货车到达站、中间节点站、通过能力及中间节点容量作为约束条件,建立考虑企业需求的列车运行计划优化模型。
以列车总旅行时间最小为目标函数,上述列车总旅行时间包括列车的区间运行时间和在中间节点站的停留时间两部分,上述目标函数的表示如下:
Figure BDA0002108641280000051
式中:Z为列车总旅行时间,a为时空网络中的弧,L为所有弧的集合,k为列车装运的货物品类,Ca为弧a的长度,如附图1所示,Lr和Ld的长度分别代表列车区间运行时间或者在站停留时间,
Figure BDA0002108641280000052
为非负整数决策变量,代表弧a上装运k品类货物的列车数量。
约束条件如下:
(1)货车出发站的列车出发约束:
对于货车出发站但不是中间节点的站,发出的列车均为从本站始发的列车,应满足各时段计划要发出的货流需求,发出的货车列数等于该时段计划发车列数:
Figure BDA0002108641280000061
式中,Lr为列车运行弧集合,Bi,t为i站t时段内流出弧集合,di,k,t为i站t时段内k品类需求发车列数,O为货车始发站的集合,T为中间节点站的集合;
对于货车出发站同时也是中间节点的站,某时段发出的某种品类货物列车可能包含上一时段到达的列车和本时段自本站出发的列车,因此本时段发出货车列数不小于需求发车列数:
Figure BDA0002108641280000062
(2)货车到达站的到达约束如下:
由于企业实际生产需要,各种原料需要配比使用,因此每种原料都有相应的消耗速度,要保证原料到达的频率符合其消耗速率。所以对于每种品类货物货车,根据货物实际消耗速度为其设定相应到达间隔Δtk,在连续Δtk时间段内到终到站弧上的列数不大于1,保证每种品类列车均匀到达:
Figure BDA0002108641280000063
式中,Δtk为k品类货车到达间隔,
Figure BDA0002108641280000064
为i站t时段开始,连续Δtk时段内流入弧集合,D为货物终到站集合。
为保证列车到达终到站后能够及时卸车,从而避免列车因卸车能力限制在站积压,对于任意时段到终到站的弧上所有品类货物列车数之和不大于卸车能力:
Figure BDA0002108641280000065
式中,Ai,t为i站t时段内流入弧集合,Cap为终到站卸车能力。
每列列车都有其相应确定的终到站,因此对于每个终到站,需保证只到达本站需要的品类的货车,其余品类列车均不到达:
Figure BDA0002108641280000066
式中,Ki为i到达站到达货物品类集合。
(3)中间节点站的车流平衡约束如下:
中间节点对于每种品类列车,流入弧(包括列车运行弧和停留弧)上的列车数与需要发出的列车数之和等于流出弧(包括列车运行弧和停留弧)上的列车数:
Figure BDA0002108641280000071
(4)区间通过能力的约束如下:
对于不同区间在不同时间段内,开行的列车列数受相应弧段的通过能力限制,走行弧上的列车数应不大于该弧段所能通过的最大列车数:
Figure BDA0002108641280000072
式中,Capa为弧a的通过能力。
(5)中间节点站容量的约束如下:
对于中间节点站停留的列车,停留的列车列数满足节点站的停留能力,即中间节点停留弧上的列车数不大于节点的容量:
Figure BDA0002108641280000073
式中,Capi为i站的容量,Ld为列车停留弧。
上述公式1、公式2、公式3、公式4、公式5、公式6、公式7、公式8和公式9构成了列车运行计划优化模型。
步骤S23:使用数学规划软件ILOG Cplex求解上述列车运行计划优化模型。Cplex为一种可以高效解决线性规划,混合整数规划等大规模数学规划问题的求解软件。在Cplex中通过使用OPL语言将上述列车运行计划优化模型输入,运行求解即得到求解结果,该求解结果中包含决策变量
Figure BDA0002108641280000074
即弧a上装运k品类货物的列车数量的值,表示路网中所有列车运行过程。将所有决策变量进行综合得到路网中所有列车的运行过程,即得到所有列车的运行计划。
本实例中,提取某小规模路网车站节点,选取某日内计划开行货物列车数据生成列车运行计划。路网结构如附图3所示,包括4个货车始发站(丹东港,山海关,哈局,通化周边)、4个中间节点站(凤凰城,沈阳,梅河口,道清)及1个货车终到站(东通化)。选取1h为最小时间段,所有列车运行弧通过能力取2,中间节点站容量取2,各品类货物列车到达时间间隔分别为:阿特粉6h,PB粉12h,洗精煤8h。列车运行弧长度和各始发站各时段每种品类货物列车的计划发车数如表1和表2所示。
表1列车运行弧长度
Figure BDA0002108641280000081
表2各始发站各时段列车计划发车数
Figure BDA0002108641280000082
列车运行计划优化模型通过求解软件求解,通过列车运行弧上的列车数表示所有列车运行过程,列车运行计划优化模型求解结果如表3所示。
表3求解结果
Figure BDA0002108641280000083
Figure BDA0002108641280000091
依据列车运行计划优化模型求解结果求得的列车运行计划显示,到达终到站东通化的列车满足不同品类货物的到达间隔,同时满足终到站的卸车能力,符合企业需求。
综上所述,本发明实施例提出了一种考虑企业需求的列车运行计划生成方法,该方法考虑到达站卸车能力,同时考虑了对到达货物列车货物品类别的区分,保证不同品类货物配比到达,避免货物列车到达无规律或集中到达,降低车底周转时间,减少企业原料库存成本,提升铁路运输服务质量。
本发明在列车运行计划优化模型建立中考虑了不同品类货物列车的到达对于企业的影响,并通过基于到达端的优化来提高车流组织水平,以实现更好地满足企业实际生产需要、减少企业原料库存成本,克服了以往货物列车到达无规律、与站点装卸能力不匹配的问题,能够快速生成列车运行计划,为铁路运输企业提高运输服务质量提供了决策依据。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.一种考虑企业需求的列车运行计划生成方法,其特征在于,包括:
建立与路网结构对应的时空网络;
基于所述与路网结构对应的时空网络,以列车在途运输时间总和最小为目标函数,以货车出发站、货车到达站、中间节点站、通过能力及中间节点容量作为约束条件,建立考虑企业需求的列车运行计划优化模型;
使用数学规划算法求解所述列车运行计划优化模型,根据求解结果确定列车运行计划;
其中,所述的基于所述与路网结构对应的时空网络,以列车在途运输时间总和最小为目标函数,包括:
以列车总旅行时间最小为目标函数,所述列车总旅行时间包括列车的区间运行时间和在中间节点站的停留时间两部分,所述目标函数的表示如下:
Figure FDA0003573499550000011
式中:Z为列车总旅行时间,a为时空网络中的弧,L为所有弧的集合,k为列车装运的货物品类,Ca为弧a的长度,
Figure FDA0003573499550000012
为非负整数决策变量,代表弧a上装运k品类货物的列车数量;
所述的以货车出发站、货车到达站、中间节点站、通过能力及中间节点容量作为约束条件,建立考虑企业需求的列车运行计划优化模型,包括:
(1)货车出发站的列车出发约束如下:
对于货车出发站但不是中间节点的站,发出的货车列数等于该时段计划发车列数:
Figure FDA0003573499550000013
式中,Lr为列车运行弧集合,Bi,t为i站t时段内流出弧集合,di,k,t为i站t时段内k品类需求发车列数,O为货车始发站的集合,T为中间节点站的集合;
对于货车出发站同时也是中间节点的站,本时段发出货车列数不小于需求发车列数:
Figure FDA0003573499550000014
(2)货车到达站的到达约束如下:
对于每种品类货物货车,根据货物实际消耗速度为其设定相应到达间隔Δtk,在连续Δtk时间段内到终到站弧上的列数不大于1,保证每种品类列车均匀到达:
Figure FDA0003573499550000021
式中,Δtk为k品类货车到达间隔,
Figure FDA0003573499550000022
为i站t时段开始,连续Δtk时段内流入弧集合,D为货物终到站集合;
对于任意时段到终到站的弧上所有品类货物列车数之和不大于卸车能力:
Figure FDA0003573499550000023
式中,Ai,t为i站t时段内流入弧集合,Cap为终到站卸车能力;
对于每个终到站需保证只到达本站需要的品类的货车,其余品类列车均不到达:
Figure FDA0003573499550000024
式中,Ki为i到达站到达货物品类集合;
(3)中间节点站的车流平衡约束如下:
中间节点对于每种品类列车,流出弧上的列车数与需要发出的列车数之和等于流入弧上的列车数:
Figure FDA0003573499550000025
(4)区间通过能力的约束如下:
对于不同区间在不同时间段内,走行弧上的列车数不大于该弧段所能通过的最大列车数:
Figure FDA0003573499550000026
式中,Capa为弧a的通过能力;
(5)中间节点站容量的约束如下:
对于中间节点站停留的列车,中间节点停留弧上的列车数不大于节点的容量:
Figure FDA0003573499550000027
式中,Capi为i站的容量,Ld为列车停留弧;
上述公式1、公式2、公式3、公式4、公式5、公式6、公式7、公式8和公式9构成了列车运行计划优化模型。
2.根据权利要求1所述的方法,其特征在于,所述的建立与路网结构对应的时空网络,包括:
构建与路网结构对应的二维的时空网络,该时空网络上的弧包含各车站对应的节点、列车运行弧及列车停留弧,所述节点是由物理路网结构上的车站在离散的时间轴上表示;所述列车运行弧表示列车在区间的运行过程,其始端节点和终端节点根据编组计划和列车区间运行时分确定;所述列车停留弧表示列车在能够停留的中间节点的停留过程,其始端和终端都为列车所停留的车站。
3.根据权利要求1所述的方法,其特征在于,所述的使用数学规划算法求解所述列车运行计划优化模型,根据求解结果确定列车运行计划,包括:
使用数学规划软件ILOG Cplex求解所述列车运行计划优化模型,在数学规划软件Cplex中通过使用OPL语言将所述列车运行计划优化模型输入,Cplex运行求解得到求解结果,该求解结果中包含决策变量
Figure FDA0003573499550000031
即弧a上装运k品类货物的列车数量的值,将所有决策变量进行综合得到路网中所有列车的运行过程。
CN201910562428.8A 2019-06-26 2019-06-26 考虑企业需求的列车运行计划生成方法 Active CN110458322B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910562428.8A CN110458322B (zh) 2019-06-26 2019-06-26 考虑企业需求的列车运行计划生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910562428.8A CN110458322B (zh) 2019-06-26 2019-06-26 考虑企业需求的列车运行计划生成方法

Publications (2)

Publication Number Publication Date
CN110458322A CN110458322A (zh) 2019-11-15
CN110458322B true CN110458322B (zh) 2022-06-03

Family

ID=68481097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910562428.8A Active CN110458322B (zh) 2019-06-26 2019-06-26 考虑企业需求的列车运行计划生成方法

Country Status (1)

Country Link
CN (1) CN110458322B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111671399B (zh) * 2020-06-18 2021-04-27 清华大学 噪声感知强度的测量方法、装置和电子设备
CN112734095B (zh) * 2020-12-30 2022-08-26 中车青岛四方车辆研究所有限公司 考虑大小交路的时刻表和车底运用计划编制方法
CN114418241B (zh) * 2022-03-14 2022-10-14 中南大学 一种轨道交通列车运行图与车站作业协同优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635040A (zh) * 2009-08-31 2010-01-27 北京交通大学 一种确定货物装运计划的方法及装置
CN106845720A (zh) * 2017-01-24 2017-06-13 中南大学 基于多路径组合搜索的列车节拍式运行的优化方法
CN108229725A (zh) * 2017-12-13 2018-06-29 北京交通大学 一种基于混合整数规划模型的高铁运行图加线优化方法
CN108805344A (zh) * 2018-05-29 2018-11-13 五邑大学 一种考虑时变需求的高速铁路网络列车开行方案优化方法
CN109902866A (zh) * 2019-02-21 2019-06-18 北京交通大学 铁路快运班列开行方案与车底运用的协同优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635040A (zh) * 2009-08-31 2010-01-27 北京交通大学 一种确定货物装运计划的方法及装置
CN106845720A (zh) * 2017-01-24 2017-06-13 中南大学 基于多路径组合搜索的列车节拍式运行的优化方法
CN108229725A (zh) * 2017-12-13 2018-06-29 北京交通大学 一种基于混合整数规划模型的高铁运行图加线优化方法
CN108805344A (zh) * 2018-05-29 2018-11-13 五邑大学 一种考虑时变需求的高速铁路网络列车开行方案优化方法
CN109902866A (zh) * 2019-02-21 2019-06-18 北京交通大学 铁路快运班列开行方案与车底运用的协同优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A combined discrete-continuous simulation model for analyzing train-pedestrian interactions;Ronald Ekyalimpa;《WSC "16: Proceedings of the 2016 Winter Simulation Conference》;20161111;全文 *
考虑大客户企业需求的列车运行计划优化编制模型;樊亚夫;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》;20210315;全文 *

Also Published As

Publication number Publication date
CN110458322A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110458322B (zh) 考虑企业需求的列车运行计划生成方法
Abdullaeva et al. DIVERSIFICATION OF PRODUCTION AS A CONDITION FOR THE DEVELOPMENT OF INDUSTRIAL ENTERPRISES
CN108364105A (zh) 一种物流配送线路的目标优化方法
CN111768052B (zh) 基于算法模型的整车厂进场物流路线自动规划方法
CN105550835A (zh) 基于互联网+技术的产品加工配送自动化管理系统模型
Lomotko et al. Methodological aspect of the logistics technologies formation in reforming processes on the railways
Mogale et al. Two stage Indian food grain supply chain network transportation-allocation model
CN111967828A (zh) 一种面向全程物流的公铁联运产品协同优化方法
Rakhmangulov et al. Mathematical model of optimal empty rail car distribution at railway transport nodes
CN108053154A (zh) 基于云平台的供应链管理系统
Sun et al. Multi-objective optimization model for planning metro-based underground logistics system network: Nanjing case study.
Allen et al. Integrated transport policy in freight transport
Asih et al. Collaborative distribution-application to the city of Yogyakarta, Indonesia
Kravchenko et al. MATHEMATICAL MODEL OF A RAILROAD GRAIN CARGO RIDESHARING SERVICE IN THE FORM OF COALITIONS IN CONGESTION GAMES.
Xia et al. A method to solve the assembly line parts feeding problem based on variable route
Bulgariu et al. MANAGEMENT OF INTERMODAL INTEGRATION OF RAIL TRANSPORT.
Simpson The development of a freight flow segmentation methodology to inform rail reform: A South African case study
Shulika et al. Developing an efficient road-based batch freight delivery technology for intercity connections with a focus on resource conservation
Romanova et al. The use of logistics principles in the organization of local work
Korol Perfection of the process of interaction of various types of transport in the far eastern transport hubs
Darley-Waddilove et al. An allocation model framework for a capacity-constrained port: a case for citrus exports at the port of Durban
Featherstone et al. Capacity matching relative to derived demand
Kayıkçı et al. A revenue-based slot allocation and pricing framework for multimodal transport networks
Zhao et al. The research on two phase pickup vehicle routing based on the K-means++ and genetic algorithms
CN201974849U (zh) 一种分布协同的装载优化系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant