CN110598998A - 一种智慧车站乘务人员自动排班方法 - Google Patents
一种智慧车站乘务人员自动排班方法 Download PDFInfo
- Publication number
- CN110598998A CN110598998A CN201910770181.9A CN201910770181A CN110598998A CN 110598998 A CN110598998 A CN 110598998A CN 201910770181 A CN201910770181 A CN 201910770181A CN 110598998 A CN110598998 A CN 110598998A
- Authority
- CN
- China
- Prior art keywords
- crew
- time
- loop
- segment
- traffic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000003137 locomotive effect Effects 0.000 claims abstract description 60
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000010586 diagram Methods 0.000 claims abstract description 7
- 230000002068 genetic effect Effects 0.000 claims abstract description 4
- 230000013011 mating Effects 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 101001074199 Rattus norvegicus Glycerol kinase Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智慧车站乘务人员自动排班方法,包括以下步骤:根据列车运行图和机车交路,获取列车运行信息;根据列车运行信息,机车交路的信息和值乘模式,将各车次运行线划分为若干乘务片段;根据若干个乘务片段按照乘务规则组合成可行的乘务交路回路,建立乘务片段之间接续时间tij的n×n阶矩阵,得到乘务片段接续时间矩阵,通过搜索方法求出乘务交路回路集P;建立机车化乘务交路回路循环,将交路回路循环抽象成TSP问题,根据乘务交路回路集合P,构建乘务交路回路循环模型;利用遗传算法求解乘务交路回路循环模型,最后得到回路间接续时间最短的回路访问顺序,得到乘务交路回路循环顺序;结合机车乘务员信息进行排班信息处理,得到机车乘务人员的排班信息,完成排班。
Description
技术领域
本发明涉及智能交通技术领域,更具体的,涉及一种智慧车站乘务人员自动排班方法。
背景技术
高速铁路的运输管理组织离不开运输资源的有效及合理使用,而高速铁路运输资源是指与其运输能力有关的资源,主要包括线路、车站、动车段(所)、列车、人员、技术、相关设施设备等。只有合理有效地使用各种资源,做好运输组织与计划工作,才能较好的满足乘客的出行需求,又不至于运营单位的成本和投入过高,这样既提高了运输效率,也实现了相关运输资源可持续发展。乘务计划作为高速铁路运输组织中重要构成部分,合理的计划方案可以在直接降低运营成本的同时提高乘务人员利用率,因此乘务计划的质量不仅关系到运行图所制定的运输任务能否顺利完成,而且和运输成本密切关联,对运输企业的运营管理有着重大意义。
目前,我国高速铁路乘务计划的编制主要是以有经验的编制人员手工编制为主。一方面,因为乘务计划编制自身的复杂性以及在编制过程中需要综合考虑的诸多相关乘务规章约束(在乘务交路计划编制阶段就需要考虑乘务人员(组)的值乘时间、换乘点、乘务人员(组)的就餐、休息等;在编制高速铁路乘务排班计划时需要考虑乘务排班质量问题)使得以依靠有经验的计划编制人员为主导来编制一个可行的计划就需要花费大量的成本,而且编制得到的高速铁路乘务计划的质量在相当大的程度上决定于计划编制人员本身的经验,这就使得难以得到一个比较优质的计划方案;另一方面,因列车晚点、乘务人员运用影响因素是多样性和不确定性,采用人工主导对于计划的调整也显得非常困难。
随着社会实际需求的迅速改变和运输组织在过程中纷繁杂乱情况的涌现,列车运行计划及动车组交路计划的调整将趋于频繁,手工编制或者调整乘务计划已远远不能满足当下需求。所以,对于乘务计划编制系统的需求更加强烈,通过系统对编制人员进辅助完成乘务计划的编制和调整更加现实。
发明内容
本发明为了解决随着社会实际需求的迅速改变和运输组织在过程中纷繁杂乱情况的涌现,列车运行计划及动车组交路计划的调整将趋于频繁,手工编制或者调整乘务计划已远远不能满足当下需求的问题,提供了一种智慧车站乘务人员自动排班方法,其能快速的、合理的、自动化的实现对乘务人员排班。
为实现上述本发明目的,采用的技术方案如下:一种智慧车站乘务人员自动排班方法,所述该方法包括以下步骤:
S1:根据列车运行图和机车交路,获取列车运行信息;
S2:根据列车运行信息,机车交路的信息,选取值乘模式,根据不同值乘模式下的一次连续工作时间标准,将各车次运行线在需要更换乘务员的机务段处切开,划分为若干乘务片段;
S3:根据若干个乘务片段按照乘务规则组合成可行的乘务交路回路,其中所述的乘务规则包括时间约束条件、空间约束条件;建立乘务片段之间接续时间tij的n×n阶矩阵,根据乘务回路的总时间不能超过给定最大值,最终可得乘务片段接续时间矩阵,通过最优解搜索方法求解,得到乘务交路回路集合P;
S4:建立机车乘务交路回路循环,将乘务交路回路循环抽象成TSP问题,从而实现根据乘务交路回路集合P,构建乘务交路回路循环模型;
S5:利用遗传算法求解乘务交路回路循环模型,最后得到回路间接续时间最短的回路访问顺序,即机车交路回路循环的最优解,即得到交路回路循环顺序;
S6:将得到交路回路循环顺序,结合机车乘务员信息进行排班信息处理,得到机车乘务人员的排班信息并分配给各机车乘务组,完成自动化排班。
优选地,所述列车运行信息包括列车车次、始发时间、终到时间、总时长,在机务本段和各折返站的到发时刻。
优选地,所述步骤S2,列车运行时间与值乘模式关系如下:
当列车运行时间T<4h,采用动车组采用的单班司机,
当列车运行时间4≤T≤6,采用传统机班;
当列车运行时间6≤T≤15,双班单司机或划断给2班司机;
当列车运行时间T>15,化为2个交路,由2班司机依次完成。
进一步地,步骤S3,所述乘务交路回路是机车乘务员从机务本段开始值乘,到达折返段后休息一段时间后值乘另一任务返回机务本段的一个回路;
已知有若干个乘务片段i=1,2,…,n,乘务片段i的起始时间为起始地点为结束时间为结束地点为乘务片段的长度为ti;乘务片段i与乘务片段j能构成一个乘务交路回路的条件是:乘务片段i的起始地点与乘务片段j 的结束地点为机务本段s1,乘务片段i的结束地点与乘务片段j的起始地点相同,且外段休息时间满足标准不少于10h;
建立乘务片段之间接续时间tij的n×n阶矩阵,若乘务片段i与乘务片段j满足:
则令xij=1,否则令xij=0,tij=0;
式中,xij表示乘务片段ij是否满足时间、空间约束条件,是否接续;tij表示乘务片段i和乘务片段j之间的接续时间,即j段的出发时间减去i段的结束时间
当xij=1,但外段休息时间小于10h,即tij<600min时,将乘务片段i与第二天的乘务片段j接续,即令tij=tij+1440min;
根据值班工作休息时间标准,乘务交路回路的总时间不能超过给定最大值,即:
ti+tj+tij≤Tmax
最终可得接续时间矩阵如下:
采用乘务片段先到先走原则,即同一外段接续中,先到外段的去程片段优先接续最早出发的回程片段。
再进一步地,所述的值班工作休息时间标准具体如下:
月工作时间标准为10000min;
月工作时间最大值为12000min;
一次连续工作时间标准为480min;
在车站换班的出退勤时间为90min;
在机务段换班的出退勤时间115min;
本段休息时间最小值为960min;
外段休息时间最小值为480min;
月大休时间为2880min。
再进一步地,所述搜索方法具体如下:
A1:将去程的乘务片段,按照退勤时间早晚排序,对应片段号建立集合q,
A2:初始化K=1;
A3:判断接续时间矩阵是否都全为0,若否,则第k个片段号i,找出对应第i行最小的非零tij对应的j,
A4:K=K+1;
A5:乘务片段i与乘务片段j组成乘务交路回路,乘务片段i与乘务片段j 所在的行与列的值置0;
A6:重复步骤A3~A5直到接续时间矩阵都全为0,从而得到乘务交路回路集合P。
再进一步地,步骤S4,所述机车乘务交路回路循环是在满足机车乘务员一次连续工作时间及本段、外段休息时间标准下,由同一大区段中若干个乘务交路回路接续组成;
将机车乘务交路回路循环抽象成TSP问题,构建乘务交路回路循环模型,具体如下:
所得乘务交路回路集合P中有n个乘务交路回路,即乘务交路回路 p=1,2,3··n,乘务交路回路集合P包括回路p、回路q,所述乘务交路回路p 的起始时间为tp1,结束时间为tp2,持续时间为tp;
此阶段抽象为TSP模型:
cpq≥16h (4-5)
式中,S表示乘务交路回路集合P中任一p或q的可选元素组成的集合;
其中,式(4-1)表示乘务交路回路间的接续时间之和最少;
式(4-2)表示在交路回路循环中只能有一个回路在回路q之前接续;
式(4-3)表示在交路回路循环中只能有一个回路在回路P之后接续;
式(4-4)中,xpq表示回路p与回路q之间是否可以形成接续,回路p与回路 q满足接续条件,令xpq=1,否则为0;
式(4-5)中,cpq表示回路p与回路q的接续时间,cpq=tq1-tp2;若cpq≠cqp,则表示距离不对称;cpq≥16h表示回路p与回路q的接续时间满足不少于16h的本段休息时间。
再进一步地,根据回路p与回路q可以接续的条件:回路p与q出退勤地点相同,以及回路q的出勤时间与回路p的退勤时间之差满足机车乘务员本段休息时问16h。
再进一步地,步骤S5,具体求解乘务交路回路循环模型包括以下步骤:
S501:预设群体规模n、交叉概率Pc和变异概率Pm,这些取值可根据经验在一定范围内选取;
S502:若计算出的接续时间dpq,不满足外段休息时间标准时,即当 0<dpq<960min时,令dpq=dpq+1440min;且旅行商问题下,回路自身不能接续,令接续时间dpp=0或+∞,则可得TSP问题的接续矩阵为:
S503:采用路径表达TSP问题,即以城市的遍历次序作为编码, [a1 a2 a3 … an],其中ay是第y个乘务交路回路,其中y=1、2、3…n;对所有城市均遍历一次且仅一次;
S504:由于目标函数为最小问题,则令:
其中,是步骤S502所得接续矩阵d的对应元素;f(Xm)表示第m个个体的适应度;
S505:采用赌盘轮选择机制,当前个体被选中并遗传到下一代的概率与该个体的适应度大小成正比,具体如下:
S506:利用交叉算法,在父串中随机选择一个交配开口点,指定交配区域长度为4;将父代1的交配区域与父代2的交配区域互换,得到新个体,再利用映射关系在交配区域中先去重,找出映射关系,得到两个合法子代;
S507:采用变异算法在步骤S505得到的两个合法子代作为父代,并在每个父代中随机选择两个交换点,分别交换元素,得到变异变换后的个体;
S508:采用进化逆转算子,产生两个随机整数为断裂开口位置,将两个开口之间的断裂片段里的基因位置倒换,得到倒换后的个体;
计算倒换后的个体适应度函数,若适应度大小比倒换前大,那么倒换有效,否则倒换无效,并淘汰掉;
S508:重复以上步骤,直到适应度无变化或满足迭代次数,停止迭代,得到最优解即外段接续时间最小的乘务交路回路循环。
本发明的有益效果如下:
1.本发明所述的方法并不依赖人工的经验,能够在保证完成运行图任务的基础上,使用的机车乘务组数量最少,各机车乘务员平均劳动时间接近国家规定值,各机车乘务组间的劳动时间均衡性高,避免超劳作业。
2.面对列车运行计划和动车组运用计划调整时,通过本发明所述的方法能够快速高效的进行乘务计划的重新编制,调整过程中无需重复作业。
附图说明
图1是本实施例所述排班方法的步骤流程图。
图2是本实施例所述搜索方法的步骤流程图。
图3是本实施例乘务交路回路循环示意图。
图4是本实施例遗传算法的步骤流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示,一种智慧车站乘务人员自动排班方法,所述该方法包括以下步骤:
S1:获取列车运行信息
根据列车运行图和机车交路,获取列车运行信息,所述的列车运行信息包括列车车次、始发时间、终到时间、总时长,在机务本段和各折返站的到发时刻。
S2:根据列车运行信息,机车交路的信息,选取值乘模式,如表1所示,根据不同值乘模式下的一次连续工作时间标准,将各车次运行线在需要更换乘务员的机务段处切开,划分为若干乘务片段;
表1 值乘模式的选择
S3:建立最优乘务交路回路
根据机车乘务员从机务本段开始值乘,到达折返段后休息一定时间后值乘另一任务返回机务本段的一个回路建立一个乘务交路回路。若干乘务片段需按照乘务规则组合成可行的乘务交路回路,其中所述的乘务规则包括时间约束、空间约束。
在满足乘务规则约束的条件下,为最小化所需要的机车乘务员数,司机在折返段停留时间越少越好,在满足机车乘务员在外段休息标准下,乘务片段在外段接续时采用先到先走的原则。最优乘务交路回路即外段接续时间总时间最小。
已知有若干个乘务片段i=1,2,…,n,乘务片段i的起始时间为起始地点为结束时间为结束地点为乘务片段的长度为ti;乘务片段i与乘务片段j能构成一个乘务交路回路的条件是:乘务片段i的起始地点与乘务片段j 的结束地点为机务本段s1,乘务片段i的结束地点与乘务片段j的起始地点相同,且外段休息时间满足标准不少于10h;
建立乘务片段之间接续时间tij的n×n阶矩阵,若乘务片段i与乘务片段j满足:
则令xij=1,否则令xij=0,tij=0;
式中,xij表示乘务片段ij是否满足时间、空间约束条件,是否接续;tij表示乘务片段i和乘务片段j之间的接续时间,即j段的出发时间减去i段的结束时间
当xij=1,但外段休息时间小于10h,即tij<600min时,将乘务片段i与第二天的乘务片段j接续,即令tij=tij+1440;
根据值班工作休息时间标准,如表2所示,乘务回路的总时间不能超过给定最大值,即:
ti+tj+tij≤Tmax
表2 工作/休息时间标准
最终可得接续时间矩阵如下:
对于交路回路中去程的乘务片段i,若与之接续的回程片段不止一个时,为最小化所需要的机车乘务员数,司机在外段停留时间越少越好,即去程的乘务片段 i与回程的乘务片段j的接续时间越小越好。为此本实施例采用乘务片段先到先走原则,即同一外段接续中,先到外段的去程片段优先接续最早出发的回程片段,对乘务片段接续时间矩阵采用按照图2的搜索方法求解,得到乘务交路回路集P。
所述搜索方法具体如下:
A1:将去程的乘务片段,按照退勤时间早晚排序,对应片段号建立集合q,
A2:初始化K=1;
A3:判断接续时间矩阵是否都全为0,若否,则第k个片段号i,找出对应第i行最小的非零tij对应的j,
A4:K=K+1;
A5:乘务片段i与j组成乘务交路回路,乘务片段i与乘务片段j所在的行与列的值置0;
A6:重复步骤A3~A5直到接续时间矩阵都全为0,从而得到乘务交路回路集P。
S4:建立机车乘务交路循环,把大区段内的所有乘务交路回路放入一个大循环中由若干机班依次循环执行。机车乘务员担当的两相邻乘务交路回路之间,若满足本段休息时间标准,那么这两个回路可以在乘务交路回路循环中接续,即前后相连接。机车乘务交路回路循环是在满足机车乘务员一次连续工作时间及本段、外段休息时间标准下,由同一大区段中若干个乘务交路回路接续组成,如图3所示。
在乘务交路回路循环中,由于回路的接续顺序不同将影响机车乘务员的排班,因此为最小化所需要的机车乘务员数,安排乘务交路回路接续时应越紧凑越好,即各回路间总续乘时间越短越好。
针对上述所述,本实施例将乘务交路回路循环抽象成TSP问题,将回路抽象成TSP中需要访问的城市,一直n个回路之间的接续时间tij,寻求访问所有回路仅一次的循环顺序,使得总的访问时间最短。由于回路之间的访问顺序不同回路间续乘时间不同,及距离矩阵是不对称矩阵,即乘务交路回路循环问题是 ASTP问题。
将构建乘务交路回路循环模型,具体如下:
所得乘务交路回路集合P中有n个乘务交路回路回路,即乘务交路回路 p=1,2,3…n,乘务交路回路集合P包括回路p、回路q,所述乘务交路回路p 的起始时间为tp1,结束时间为tp2,持续时间为tp;
此阶段抽象为TSP模型:
cpq≥16h (4-5)
式中,S表示乘务交路回路集合P中任一p或q的可选元素组成的集合;其
中,式(4-1)表示乘务交路回路间的接续时间之和最少;
式(4-2)表示在交路回路循环中只能有一个回路在回路q之前接续;
式(4-3)表示在交路回路循环中只能有一个回路在回路P之后接续;
式(4-4)中,xpq表示回路p与回路q之间是否可以形成接续,回路p与回路 q满足接续条件,令xpq=1,否则为0;
式(4-5)中,cpq表示回路p与q的接续时间,cpq=tq1-tp2;若cpq≠cqp,则表示距离不对称;cpq≥16h表示回路p与q的接续时间满足不少于16h的本段休息时间。
S5:由步骤S4中建立的乘务交路回路循环模型可知,TSP模型中各城市问的距离d是很关键的数据。TSP问题的距离d也就是乘务交路回路p与q间的接续时间矩阵。回路p与回路q可以接续的条件是回路p与q出退勤地点相同,以及回路q的出勤时间与回路p的退勤时间之差满足机车乘务员本段休息时问16h。
具体求解乘务交路回路循环模型包括以下步骤:
S501:预设群体规模n、交叉概率Pc和变异概率Pm,这些取值可根据经验在一定范围内选取;本实施例预设n=20~100,Pc=0.6~0.95,Pm=0.001~0.01。
S502:若计算出的接续时间dpq,不满足外段休息时间标准时,即当 0<dpq<960min时,令dpq=dpq+1440min;且旅行商问题下,回路自身不能接续,令接续时间dpp=0或+∞,则可得TSP问题的接续矩阵为:
S503:采用路径表达TSP问题,即以城市的遍历次序作为编码, [a1 a2 a3 … an],其中ay是第y个乘务交路回路,其中y=1、2、3…n;对所有城市均遍历一次且仅一次;
S504:由于目标函数为最小问题,则令:
其中,是步骤S502所得接续矩阵d的对应元素;f(Xm)表示第m个个体的适应度;
S505:选择算子设计
采用赌盘轮选择机制,当前个体被选中并遗传到下一代的概率与该个体的适应度大小成正比。适应度越大的个体被选中的概率越大,反之越小。具体选择算子如下:
S506:交叉算子设计
采用如下的交叉方法:
a.在父串中随机选择一个交配开口点,指定交配区域长度为4。如两父串开口点选定为
父代1=1|4 3 7 5 8 6 9 2
父代2=3 8 7|6 9 4 1 2 5
则交配区域为
父代1=1|4 3 7 5|8 6 9 2
父代2=3 8 7|6 9 4 1|2 5
b.将父代1的交配区域与父代2的交配区域互换,得到新个体
父代1=1|6 9 4 1|8 6 9 2
父代2=3 8 7|4 3 7 5|2 5
c.由于b中所得的子代个体为非法编码,利用映射关系替换非法元素,在交配区域中先去重,找出映射关系为3-6,7-9,5-1.父代交配区域替换映射关系,得到两个合法子代为
子代1=1|3 7 4 5|8 6 9 2
子代2=3 8 7|4 6 9 1|2 5
S507:采用变异算法在步骤S505得到的两个合法子代作为父代,并在每个父代中随机选择两个交换点,分别交换元素。如两父代为
父代1=1 3 7 4 5 8 6 9 2
父代2=3 8 7 4 6 9 1 2 5
随机选取变异点为位置5和位置9,即:
父代1=1 3 7 4 5 8 6 9 2
父代2=3 8 7 4 6 9 1 2 5
变异变换后的到个体为
父代1=1 3 7 4 2 8 6 9 5
父代2=3 8 7 4 5 9 1 2 6
S508:进化逆转算子
产生两个随机整数为断裂开口位置,将两开口之间的断裂片段里的基因位置倒换。如开口位置为2和7,即在1 3|7 4 2 8 6|9 5的两处发生断裂。断裂片段为7 4286,将断裂片段以反向顺序插入,倒换后的染色体个体变为
倒换后=1 3|6 8 2 4 7|9 5
计算倒换后的个体适应度函数,若适应度大小比逆转前提高,那么逆转有效,否则逆转无效,并淘汰掉。
S509:重复以上步骤,直到适应度无变化或满足迭代次数,停止迭代,得到最优解即外段接续时间最小的乘务交路回路循环。
S6:将得到乘务交路回路循环顺序,结合机车乘务员信息进行排班信息处理,得到机车乘务人员的排班信息并分配给各机车乘务组,完成自动化排班。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种智慧车站乘务人员自动排班方法,其特征在于:所述该方法包括以下步骤:
S1:根据列车运行图和机车交路,获取列车运行信息;
S2:根据列车运行信息,机车交路的信息,选取值乘模式,根据不同值乘模式下的一次连续工作时间标准,将各车次运行线在需要更换乘务员的机务段处切开,划分为若干乘务片段;
S3:根据若干个乘务片段按照乘务规则组合成可行的乘务交路回路,其中所述的乘务规则包括时间约束条件、空间约束条件;建立乘务片段之间接续时间tij的n×n阶矩阵,根据乘务回路的总时间不能超过给定最大值,最终可得乘务片段接续时间矩阵,通过最优解搜索方法求解,得到乘务交路回路集合P;
S4:建立机车乘务交路回路循环,将乘务交路回路循环抽象成TSP问题,从而实现根据乘务交路回路集合P,构建乘务交路回路循环模型;
S5:利用遗传算法求解乘务交路回路循环模型,最后得到回路间接续时间最短的回路访问顺序,即机车交路回路循环的最优解,即得到交路回路循环顺序;
S6:将得到交路回路循环顺序,结合机车乘务员信息进行排班信息处理,得到机车乘务人员的排班信息并分配给各机车乘务组,完成自动化排班。
2.根据权利要求1所述的智慧车站乘务人员自动排班方法,其特征在于:所述列车运行信息包括列车车次、始发时间、终到时间、总时长,在机务本段和各折返站的到发时刻。
3.根据权利要求1所述的智慧车站乘务人员自动排班方法,其特征在于:所述步骤S2,列车运行时间与值乘模式关系如下:
当列车运行时间T<4h,采用动车组采用的单班司机,
当列车运行时间4≤T≤6,采用传统机班;
当列车运行时间6≤T≤15,双班单司机或划断给2班司机;
当列车运行时间T>15,化为2个交路,由2班司机依次完成。
4.根据权利要求2或3任一项所述的智慧车站乘务人员自动排班方法,其特征在于:步骤S3,所述乘务交路回路是机车乘务员从机务本段开始值乘,到达折返段后休息一段时间后值乘另一任务返回机务本段的一个回路;
已知有若干个乘务片段i=1,2,…,n,乘务片段i的起始时间为起始地点为结束时间为结束地点为乘务片段的长度为ti;乘务片段i与乘务片段j能构成一个乘务交路回路的条件是:乘务片段i的起始地点与乘务片段j的结束地点为机务本段s1,乘务片段i的结束地点与乘务片段j的起始地点相同,且外段休息时间满足标准不少于10h;
建立乘务片段之间接续时间tij的n×n阶矩阵,若乘务片段i与乘务片段j满足:
则令xij=1,否则令xij=0,tij=0;
式中,xij表示乘务片段ij是否满足时间、空间约束条件,是否接续;tij表示乘务片段i和乘务片段j之间的接续时间,即j段的出发时间减去i段的结束时间
当xij=1,但外段休息时间小于10h,即tij<600min时,将乘务片段i与第二天的乘务片段j接续,即令tij=tij+1440min;
根据值班工作休息时间标准,乘务交路回路的总时间不能超过给定最大值,即:
ti+tj+tij≤Tmax
最终可得接续时间矩阵如下:
采用乘务片段先到先走原则,即同一外段接续中,先到外段的去程片段优先接续最早出发的回程片段。
5.根据权利要求4所述的智慧车站乘务人员自动排班方法,其特征在于:所述的值班工作休息时间标准具体如下:
月工作时间标准为10000min;
月工作时间最大值为12000min;
一次连续工作时间标准为480min;
在车站换班的出退勤时间为90min;
在机务段换班的出退勤时间115min;
本段休息时间最小值为960min;
外段休息时间最小值为480min;
月大休时间为2880min。
6.根据权利要求5所述的智慧车站乘务人员自动排班方法,其特征在于:所述搜索方法具体如下:
A1:将去程的乘务片段,按照退勤时间早晚排序,对应片段号建立集合q,
A2:初始化K=1;
A3:判断接续时间矩阵是否都全为0,若否,则第k个片段号i,找出对应第i行最小的非零tij对应的j,
A4:K=K+1;
A5:乘务片段i与乘务片段j组成乘务交路回路,乘务片段i与乘务片段j所在的行与列的值置0;
A6:重复步骤A3~A5直到接续时间矩阵都全为0,从而得到乘务交路回路集合P。
7.根据权利要求6所述的智慧车站乘务人员自动排班方法,其特征在于:步骤S4,所述机车乘务交路回路循环是在满足机车乘务员一次连续工作时间及本段、外段休息时间标准下,由同一大区段中若干个乘务交路回路接续组成;
将机车乘务交路回路循环抽象成TSP问题,构建乘务交路回路循环模型,具体如下:
所得乘务交路回路集合P中有n个乘务交路回路,即乘务交路回路p=1,2,3··n,乘务交路回路集合P包括回路p、回路q,所述乘务交路回路p的起始时间为tp1,结束时间为tp2,持续时间为tp;
此阶段抽象为TSP模型:
cpq≥16h (4-5)
式中,S表示乘务交路回路集合P中任一p或q的可选元素组成的集合;
其中,式(4-1)表示乘务交路回路间的接续时间之和最少;
式(4-2)表示在交路回路循环中只能有一个回路在回路q之前接续;
式(4-3)表示在交路回路循环中只能有一个回路在回路P之后接续;
式(4-4)中,xpq表示回路p与回路q之间是否可以形成接续,回路p与回路q满足接续条件,令xpq=1,否则为0;
式(4-5)中,cpq表示回路p与回路q的接续时间,cpq=tq1-tp2;若cpq≠cqp,则表示距离不对称;cpq≥16h表示回路p与回路q的接续时间满足不少于16h的本段休息时间。
8.根据权利要求7所述的智慧车站乘务人员自动排班方法,其特征在于:根据回路p与回路q可以接续的条件:回路p与q出退勤地点相同,以及回路q的出勤时间与回路p的退勤时间之差满足机车乘务员本段休息时间16h。
9.根据权利要求8所述的智慧车站乘务人员自动排班方法,其特征在于:步骤S5,具体求解乘务交路回路循环模型包括以下步骤:
S501:预设群体规模n、交叉概率Pc和变异概率Pm,这些取值可根据经验在一定范围内选取;
S502:若计算出的接续时间dpq,不满足外段休息时间标准时,即当0<dpq<960min时,令dpq=dpq+1440min;且旅行商问题下,回路自身不能接续,令接续时间dpp=0或+∞,则可得TSP问题的接续矩阵为:
S503:采用路径表达TSP问题,即以城市的遍历次序作为编码,[a1 a2 a3 … an],其中ay是第y个乘务交路回路,其中y=1、2、3…n;对所有城市均遍历一次且仅一次;
S504:由于目标函数为最小问题,则令:
其中,是步骤S502所得接续矩阵d的对应元素;f(Xm)表示第m个个体的适应度;
S505:采用赌盘轮选择机制,当前个体被选中并遗传到下一代的概率与该个体的适应度大小成正比,具体如下:
S506:利用交叉算法,在父串中随机选择一个交配开口点,指定交配区域长度为4;将父代1的交配区域与父代2的交配区域互换,得到新个体,再利用映射关系在交配区域中先去重,找出映射关系,得到两个合法子代;
S507:采用变异算法在步骤S505得到的两个合法子代作为父代,并在每个父代中随机选择两个交换点,分别交换元素,得到变异变换后的个体;
S508:采用进化逆转算子,产生两个随机整数为断裂开口位置,将两个开口之间的断裂片段里的基因位置倒换,得到倒换后的个体;
计算倒换后的个体适应度函数,若适应度大小比倒换前大,那么倒换有效,否则倒换无效,并淘汰掉;
S508:重复以上步骤,直到适应度无变化或满足迭代次数,停止迭代,得到最优解即外段接续时间最小的乘务交路回路循环。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910770181.9A CN110598998A (zh) | 2019-08-20 | 2019-08-20 | 一种智慧车站乘务人员自动排班方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910770181.9A CN110598998A (zh) | 2019-08-20 | 2019-08-20 | 一种智慧车站乘务人员自动排班方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110598998A true CN110598998A (zh) | 2019-12-20 |
Family
ID=68854749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910770181.9A Pending CN110598998A (zh) | 2019-08-20 | 2019-08-20 | 一种智慧车站乘务人员自动排班方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598998A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111547113A (zh) * | 2020-05-22 | 2020-08-18 | 卡斯柯信号(成都)有限公司 | 一种地铁司机正线多点值乘的自动排班方法 |
CN112651673A (zh) * | 2021-01-18 | 2021-04-13 | 中国民航信息网络股份有限公司 | 一种资源规划方法及相关设备 |
CN112836955A (zh) * | 2021-01-29 | 2021-05-25 | 郑州信大捷安信息技术股份有限公司 | 一种基于动态权重策略的铁路乘务人员智能排班方法和系统 |
CN112906952A (zh) * | 2021-02-04 | 2021-06-04 | 交通银行股份有限公司 | 一种银行流程任务智能调度系统 |
CN113570178A (zh) * | 2020-04-28 | 2021-10-29 | 阿里巴巴集团控股有限公司 | 排班方法、设备、装置及存储介质 |
CN113837438A (zh) * | 2021-08-19 | 2021-12-24 | 西南交通大学 | 基于spfa算法的地铁乘务排班计划编制优化方法 |
CN114330784A (zh) * | 2022-03-11 | 2022-04-12 | 北京阿帕科蓝科技有限公司 | 一种运维人员排班方法、系统及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372741A (zh) * | 2016-08-19 | 2017-02-01 | 中南大学 | 一种铁路机车乘务交路循环优化编制方法及装置 |
CN109508809A (zh) * | 2018-09-25 | 2019-03-22 | 珠海优特电力科技股份有限公司 | 乘务管理方法及装置 |
CN110070206A (zh) * | 2019-03-15 | 2019-07-30 | 中南大学 | 带立即折返的高速动车组乘务交路优化编制方法及装置 |
-
2019
- 2019-08-20 CN CN201910770181.9A patent/CN110598998A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372741A (zh) * | 2016-08-19 | 2017-02-01 | 中南大学 | 一种铁路机车乘务交路循环优化编制方法及装置 |
CN109508809A (zh) * | 2018-09-25 | 2019-03-22 | 珠海优特电力科技股份有限公司 | 乘务管理方法及装置 |
CN110070206A (zh) * | 2019-03-15 | 2019-07-30 | 中南大学 | 带立即折返的高速动车组乘务交路优化编制方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄珊: "机车乘务员运用问题及其辅助编排系统研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570178A (zh) * | 2020-04-28 | 2021-10-29 | 阿里巴巴集团控股有限公司 | 排班方法、设备、装置及存储介质 |
CN111547113A (zh) * | 2020-05-22 | 2020-08-18 | 卡斯柯信号(成都)有限公司 | 一种地铁司机正线多点值乘的自动排班方法 |
CN111547113B (zh) * | 2020-05-22 | 2022-04-19 | 卡斯柯信号(成都)有限公司 | 一种地铁司机正线多点值乘的自动排班方法 |
CN112651673A (zh) * | 2021-01-18 | 2021-04-13 | 中国民航信息网络股份有限公司 | 一种资源规划方法及相关设备 |
CN112836955A (zh) * | 2021-01-29 | 2021-05-25 | 郑州信大捷安信息技术股份有限公司 | 一种基于动态权重策略的铁路乘务人员智能排班方法和系统 |
CN112836955B (zh) * | 2021-01-29 | 2022-04-08 | 郑州信大捷安信息技术股份有限公司 | 一种基于动态权重策略的铁路乘务人员智能排班方法和系统 |
CN112906952A (zh) * | 2021-02-04 | 2021-06-04 | 交通银行股份有限公司 | 一种银行流程任务智能调度系统 |
CN113837438A (zh) * | 2021-08-19 | 2021-12-24 | 西南交通大学 | 基于spfa算法的地铁乘务排班计划编制优化方法 |
CN113837438B (zh) * | 2021-08-19 | 2023-04-07 | 西南交通大学 | 基于spfa算法的地铁乘务排班计划编制优化方法 |
CN114330784A (zh) * | 2022-03-11 | 2022-04-12 | 北京阿帕科蓝科技有限公司 | 一种运维人员排班方法、系统及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598998A (zh) | 一种智慧车站乘务人员自动排班方法 | |
Fu et al. | A hierarchical line planning approach for a large-scale high speed rail network: the China case | |
Masoud et al. | A decomposition algorithm to solve the multi-hop peer-to-peer ride-matching problem | |
CN109002902B (zh) | 分区域多阶段生鲜农产品动态车辆路径优化方法 | |
Zuo et al. | Vehicle scheduling of an urban bus line via an improved multiobjective genetic algorithm | |
Masson et al. | An adaptive large neighborhood search for the pickup and delivery problem with transfers | |
Petersen et al. | The simultaneous vehicle scheduling and passenger service problem | |
CN109409560B (zh) | 基于多智能体仿真的城市轨道交通客流诱导方法 | |
CN107464005B (zh) | 一种用于车辆预约的拓展型路径规划方法 | |
CN110162931B (zh) | 城市轨道交通大规模路网快速仿真系统 | |
Tang et al. | Scheduling local and express trains in suburban rail transit lines: Mixed–integer nonlinear programming and adaptive genetic algorithm | |
WO2014091674A1 (en) | Transportation plan creation support apparatus and transportation plan creation support method | |
Li et al. | Optimizing flexible one-to-two matching in ride-hailing systems with boundedly rational users | |
CN108082224A (zh) | 基于afc时变客流的城市轨道交通列车运行图编制方法 | |
CN109508809A (zh) | 乘务管理方法及装置 | |
Deng et al. | Optimal design of feeder-bus network related to urban rail line based on transfer system | |
CN111161560B (zh) | 一种公交廊道营运秩序管理方法及装置 | |
Xiao et al. | Solving the train formation plan network problem of the single-block train and two-block train using a hybrid algorithm of genetic algorithm and tabu search | |
CN108491979B (zh) | 基于等强度分配的高速铁路旅客出行时变需求预测方法 | |
CN115713207A (zh) | 一种混合公交服务组合优化方法 | |
CN109583834A (zh) | 基于启发式的公交系统日计划排班算法 | |
CN114626718A (zh) | 一种基于订单资源共享和农机资源共用的农机调度方法 | |
Wang et al. | Synchronized optimization for service scheduling, train parking and routing at high-speed rail maintenance depot | |
Hu et al. | Optimal design for urban mass transit network based on evolutionary algorithms | |
Shi et al. | Optimization of the shunting operation plan at electric multiple units depots |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |