CN110766203A - 基于综合费用的铁路集疏运服务网络优化方法 - Google Patents

基于综合费用的铁路集疏运服务网络优化方法 Download PDF

Info

Publication number
CN110766203A
CN110766203A CN201910918250.6A CN201910918250A CN110766203A CN 110766203 A CN110766203 A CN 110766203A CN 201910918250 A CN201910918250 A CN 201910918250A CN 110766203 A CN110766203 A CN 110766203A
Authority
CN
China
Prior art keywords
train
station
representing
cost
marshalling
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
Application number
CN201910918250.6A
Other languages
English (en)
Inventor
景云
张颖金
郭思冶
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 CN201910918250.6A priority Critical patent/CN110766203A/zh
Publication of CN110766203A publication Critical patent/CN110766203A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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

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

Abstract

本发明提供了一种基于综合费用的铁路集疏运服务网络优化方法，属于列车疏运服务管理技术领域，首先获取运输线路上各车站的车流OD数据，作为样本OD数据；结合样本OD数据，对于满足开行装车地直达列车条件的车流开行装车地直达列车；构建收益开行判别模型；利用收益开行判别模型对剩余车流进行编组，获取技术站OD数据；构建技术站编组模型；结合所述技术站OD数据，计算所述技术站编组模型，获取列车运行图。本发明提出收益开行法进行编组，提高了车流的运输效率，增加了铁路收益；建立了基于列车运行综合费用的铁路集疏运服务网络优化模型组，优化了铁路集疏运服务网络，提高了铁路直达化水平。

Description

基于综合费用的铁路集疏运服务网络优化方法
技术领域
本发明涉及列车疏运服务管理技术领域，具体涉及一种基于综合费用的铁路集疏运服务网络优化方法。
背景技术
目前铁路货物车流组织方法是先组织装车地直达列车，在装车量较大的车站或联合临近的几个装车站，满足开行装车地始发直达列车的发车条件，组织装车地直达列车；再组织技术直达列车，将未纳入装车地直达列车的其余车流送到就近的技术站集中，按车流大小和去向远近，满足车小时最小，开行技术直达；最后组织直通列车、区段列车和摘挂列车；将上述剩余车流编入区段列车和直达列车，逐步送到卸车站。在中间站到、发的零星车流，在到发区段编入到摘挂列车。
由于满足装车地始发直达列车开行的条件苛刻，铁路很多货物都是采用非直达的车流组织方式进行运输，这些非直达列车从装车地到达目的地之间，会在沿途的编组站进行至少一次的改编作业，这也造成全路货车改编次数很高。目前以列车在区间运行车小时最小为优化目标构建的模型和算法已近相对成熟，但是对于装车地始发直达列车后的剩余车流的组织问题没有对应的解决方案。
发明内容
本发明的目的在于提供一种优化了铁路集疏运服务网络，提高了铁路运输网络资源利用率，降低了运输成本，提高了铁路直达化水平和运输效率的基于综合费用的铁路集疏运服务网络优化方法，以解决上述背景技术中存在的至少一个技术问题。
为了实现上述目的，本发明采取了如下技术方案：
本发明提供的一种基于综合费用的铁路集疏运服务网络优化方法，包括如下流程步骤：
步骤S110：获取运输线路上各车站的车流OD数据，作为样本OD数据；
步骤S120：结合所述样本OD数据，对于满足开行装车地直达列车条件的车流开行装车地直达列车；
步骤S130：构建收益开行判别模型；
步骤S140：利用所述收益开行判别模型对剩余车流进行编组，获取技术站OD数据；
步骤S150：构建技术站编组模型；
步骤S160：结合所述技术站OD数据，计算所述技术站编组模型，获取列车运行图。
优选的，所述构建收益开行判别模型包括：
考虑车站装卸能力约束、线路运输能力约束、流量守恒约束以及变量间的逻辑约束，以yij表示服务开行决策变量，即当弧(i,j)开行时，yij＝1，当弧不开行时，yij＝0；构建收益开行判别模型为：
Figure BDA0002216739620000021
Figure BDA0002216739620000022
Figure BDA0002216739620000023
Figure BDA0002216739620000024
n≤min(vi,mi),i∈N
其中，K表示所需运输商品的集合；N表示疏运网络上车站集合，A表示网络编组方案弧的集合；N+(i,A)＝{j∈N,(i,j)∈A}表示列车从车站i出发后所有能到达的与车站i相邻的车站的集合，N-(i,A)＝{j∈N,(j,i)∈A}表示所有能够进入车站j的与车站j相邻的车站的集合；a表示列车开行时每公里列车所消耗的运输成本；m表示满轴编组辆数，n表示剩余车流辆数，n＜m；W机车公里表示机车每公里收益；W机车小时表示机车单位小时收益；lij表示车站i到车站j的长度；Ji表示列车在车站i货物装车时成本；Sz表示列车在疏运点z货物卸车时的成本；表示基础弧上车站i到车站j上运行的列车数为k；uij表示车站i到车站j的线路能力；Ui表示车站i的中转能力；vi表示车站i的装车能力，mi表示车站i的卸车能力；qk表示货物发送列车数；Ok表示货物的发送点；Dk表示货物的到达点；v表示列车速度。
优选的，所述步骤S140中，利用所述收益开行判别模型进行编组包括：
若车流同时满足条件一和条件二，则开行欠轴直达列车；
若车流不满足条件一或条件二，则将此车流并入到相邻技术站；
所述条件一为列车费用消耗小于欠轴列车所运送货物带给铁路的收益；其中，列车费用消耗包括列车在区间的运输费用、在装卸站装车和卸车的费用以及机车和线路能力损失费用；收益包括货主交付给铁路的费用；
所述条件二为开行欠轴列车造成的机车以及线路能力损失要小于将其纳入对应的技术站等待满编后开行技术直达列车，造成的多余集结车小时费用消耗以及改编车小时费用消耗。
优选的，构建技术站编组模型包括：
基于综合费用的技术站列车编组计划模型考虑区间通过能力约束，车站改编能力，流平衡约束以及变量间的逻辑约束，以
Figure BDA0002216739620000032
和ya为决策变量，构建技术站编组模型为：
Figure BDA0002216739620000041
Figure BDA0002216739620000042
Figure BDA0002216739620000043
其中，Aa表示方案弧，即编组去向弧，a∈A；X表示所有的运输服务弧的集合；K表示货运需求的集合；k表示货运需求，k∈K；A+(i)表示以为i起点的方案弧的集合；A-(i)表示以i为终点的方案弧的集合；Ta表示列车经过去向弧Aa的走行总距离；b表示列车开行时每公里列车所消耗的运输成本；ti表示列车在车站i的单位货车改编费用；Ca表示在发车站开始时的每辆货车集结车小时平均等待费用；Vk表示货运需求k的货运量；表示去向弧的平均列车编成数量，mx表示基本弧的平均列车编成辆数；Ui表示车站i的改编能力；Vx表示基本弧的区间通过能力；
Figure BDA0002216739620000046
表示当方案弧Aa的车流路径包括基础弧时，取值为1，否则为0；
表示选择方案弧Aa输送时为1，否则为0；
ya表示当且仅当方案弧Aa被选为编组方案时，即开行该编组去向的列车，取值为1，否则为0。
优选的，运用CPLEX求解模型计算技术站编组模型，获取列车运行图。
本发明有益效果：在现有的货物列车编组计划编制技术基础上，对于装车地始发直达列车的组织开行进行了分析并提出开行条件，针对按日开行装车地始发直达列车后的剩余车流，提出了收益开行法进行编组，提高了车流的运输效率，增加了铁路收益；就技术站货物列车编组计划，提出集结车小时费用和单位货车改编费用，将车流流动过程中的消耗时间转化为具体费用；对铁路集疏运服务网络复杂性进行分析，建立了基于列车运行综合费用的铁路集疏运服务网络优化模型组，优化了铁路集疏运服务网络，提高了铁路直达化水平。
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为本发明实施例所述的基于综合费用的铁路集疏运服务网络优化方法的流程图。
图2为本发明实施例所述的铁路集疏运服务网络模型。
图3为本发明实施例所述的技术站车流示意图。
具体实施方式
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、元件和/或模块，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、元件、模块和/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，下面将结合附图以具体实施例为例做进一步的解释说明，且实施例并不构成对本发明实施例的限定。
本领域普通技术人员应当理解的是，附图只是一个实施例的示意图，附图中的部件或装置并不一定是实施本发明所必须的。
实施例1
以包括货车装卸费用和线路以及机车能力损失费用等的综合费用最小为优化目标，考虑车站装卸能力、运输能力等为约束，建立收益开行法判别模型；以车辆集结费用、运输费用和改编费用最低为目标，考虑区间能力、改编能力、车流组织唯一性为约束建立技术站编组计划模型。达到提高铁路货运直达化水平以及增大铁路收益的目的。
如图1所示，为达到上述目的，本发明实施例1提供一种基于综合费用的铁路集疏运服务网络优化方法包括以下步骤：
步骤S110：获取运输线路上各车站的车流OD数据，作为样本OD数据；
步骤S120：结合所述样本OD数据，对于满足开行装车地直达列车条件的车流开行装车地直达列车；
步骤S130：构建收益开行判别模型；
步骤S140：利用所述收益开行判别模型对剩余车流进行编组，获取技术站OD数据；
步骤S150：构建技术站编组模型；
步骤S160：结合所述技术站OD数据，计算所述技术站编组模型，获取列车运行图。
步骤S110中，采用实地调研的方法，询问路局某天的部分货运站货运量，采集得到样本的OD数据。
进行非技术站之间直达列车的编组方案，具体编制过程如下：
1a)对于满足开行装车地直达列车条件的货流开行装车地直达列车；
2a)会有剩余车流不满足开行满编始发直达列车的情况，而针对这些剩余车流，运用收益开行法进行编制。
3a)收益开行法的判定过程如下：组织欠轴装车地始发直达列车其消耗的最低费用要小于欠轴列车所运送货物带给铁路的收益；列车消耗的费用主要考虑列车在区间的运输费用、在装卸站装车和卸车的费用以及机车和线路能力损失费用，而货物的收益即为货主交付给铁路的费用。由于开行欠轴列车会对机车以及线路能力造成损失，但对于装车地始发直达剩余车流，如果将其纳入对应的技术站等待满编后开行技术直达列车，则会造成多余的集结车小时费用消耗以及改编车小时费用消耗，所以也需要将这两者进行比较，只有当前者的损失小于后者时，选择开行欠轴列车。
若上述两个条件都满足，则选择将剩余车流开行欠轴直达列车。若不满足，则将此车流并入到相邻技术站，按照技术站的编组计划进行运输。
4a)基于综合费用的收益开行法判别模型主要考虑车站装卸能力约束、线路运输能力约束、流量守恒约束以及变量间的逻辑约束，以yij表示服务开行决策变量，模型为：
Figure BDA0002216739620000071
Figure BDA0002216739620000072
Figure BDA0002216739620000073
Figure BDA0002216739620000074
n≤min(vi,mi),i∈N
式中K表示所需运输商品的集合；
N+(i,A)＝{j∈N,(i,j)∈A}表示以i为出点相邻节点的集合
N-(i,A)＝{j∈N,(j,i)∈A}表示以为j入点相邻节点的集合
a表示列车开行时每公里列车所消耗的运输成本；
m表示满轴编组辆数；
n表示剩余车流辆数，n＜m；
W机车公里表示为机车公里收益；
W机车小时表示为机车单位小时收益；
lij表示弧(i,j)的长度；
Ji表示集运点i对应的货物集结(装车)时单位车辆的成本；
Sz表示疏运点z对应的疏运货物(卸车)时单位车辆的成本；
Figure BDA0002216739620000081
表示在弧(i,j)上运行的列车数为k，单位列；
uij表示路网上的线路能力；
Ui表示集疏运服务网络中集疏节点i的中转能力；
vi、mi表示集疏运服务网络中装卸站i的装车和卸车能力；
qk表示货物发送列车数；
Ok表示货物的发送点；
Dk表示货物的到达点；
v表示列车速度；
将非技术站的剩余车流并入到与之相邻的技术站后，得到新的技术站之间的客流OD。利用基于综合费用的技术站编组模型进行技术站列车编组；
基于综合费用的技术站列车编组计划模型考虑区间通过能力约束，车站改编能力，流平衡约束以及变量间的逻辑约束，以
Figure BDA0002216739620000091
(表示货运需求k：选择方案弧a输送时，为1；否则为0)和ya(表示当且仅当方案弧a被选为编组方案时，即开行该编组去向的列车，取值为1；否则为0)为决策变量，模型为：
Figure BDA0002216739620000092
Figure BDA0002216739620000093
Figure BDA0002216739620000094
Figure BDA0002216739620000095
式中N表示网络节点(包括技术站和沿途的非技术站)的集合；
i,j表示网络中节点的车站，i,j∈N；
A表示网络编组方案弧的集合；
Aa表示方案弧(编组去向弧)，a∈A；
X表示网络中所有的运输服务弧的集合；
xij表示网络中的基础弧，xij∈A；
K表示货运需求的集合；
k表示货运需求，k∈K；
A+(i)表示以为i起点的方案弧的集合；
A-(i)表示以i为终点的方案弧的集合；
Ta表示火车经过方案弧Aa的走行总距离，公里；
b表示列车开行时每公里列车所消耗的运输成本；
ti表示列车在车站i的单位货车改编费用；
Ca表示方案弧在发车站开始时的每辆货车集结车小时平均等待费用；
Vk表示货运需求k的货运量；
ma,mx表示方案弧、基本弧的平均列车编成辆数，车；
Ui表示集疏运服务网络中集疏节点i的改编能力；
Vx表示基本弧xij的区间通过能力，列；
Figure BDA0002216739620000101
表示当方案弧Aa的车流路径包括基础弧x时，取值为1；否则为0。
将实际数据带入上述模型，运用ILOGCPLEX求解软件进行求解，综合收益开行法编组的结果，得到最终的列车开行方案。
实施例2
本发明实施例2提供一种基于综合费用的铁路集疏运服务网络优化方法，利用各车站之间的货流关系以及线路车站能力等可知数据作为编制列车编组计划的先决条件；对于剩余车流，利用收益开行法进行判别是否开行欠轴列车；将不适合开行欠轴列车的剩余车流并入到相邻技术站，根据基于综合费用的技术站列车编组计划模型编制列车运行图。
首先判定非技术站的剩余车流带来的收益是否大于开行欠抽始发直达列车的费用，以及组织欠轴列车所带来的机车和线路能力的损失费用是否小于将其并入技术站所带来的货车集结费用和改变费用；
如图2所示，为铁路集疏运服务网络模型图，由于在此网络中，线路简单，如a1-e1的车流，若开行则列车的走行路径为1-4-5-6-7-8，对于其它剩余车流也类似。因此，在此集疏运服务网络只有5种方案弧可以选择。可以利用CPLEX简化模型，求解步骤如下：
1a)将线路、车流和车站数据输入；
2a)将每条方案弧所包含的路径输入，确定每个方案弧的线路总长度。
3a)将每条方案弧的开行设为0-1决策变量，故一共5个决策变量。
4a)将每条方案弧的综合费用公式输入程序，计算出各个方案弧选择开行时消耗的综合费用。
5a)将五个决策变量的和最大设为CPLEX的目标函数，这表明在满足约束条件下，欠轴始发直达列车就一定开行。
6a)输入线路能力约束，场站装卸能力约束以及每条方案弧的综合费用应该小于对应剩余车流带来的收益。
最终可以开行的剩余车流是a1-e2以及a3-e1。剩余车流的OD数据如表1所示。
表1
Figure BDA0002216739620000111
确定技术站直达列车编组方案时，由于路网简单，直达列车开行方案数为6个，以每条方案弧的开行为决策变量，输入模型的目标函数，利用CPLEX求解。
由于模型中采用的是对于每个货运需求k的方案弧选择为决策变量；在此简单路网中会产生30个决策变量，这严重的影响了求解速率。而且约束条件复杂，非线性约束需要进行线性化。故运用CPLEX求解模型之前，先将此模型进行简化。
1a)为方便简单处理，将网络中五个车站A、B、C、D、E依次以4、3、2、1、0来表示。
2a)以
Figure BDA0002216739620000112
(表示车流(i,j)在k站改编的车辆数)、xij(表示是否开行此列流)为决策变量。则一共有16个决策变量。
3a)考虑从A站开行的车流；
如果开行4-0直达列车，则x40＝1，且N40全部被纳入此列车；若不开，则N40会在3、2、1进行一次改编。综合这两者情况有：
Figure BDA0002216739620000121
同理，有：
Figure BDA0002216739620000122
Figure BDA0002216739620000123
4a)考虑中间站发出的车流
根据网络流约束，在此认为，在前方站发出在本站改编的车流都重新认为是本站的要发出的车流；
如果开行3-0直达列车，被纳入此车的车流是N30和车流N40在此站的改编车数。则有：
Figure BDA0002216739620000124
将上式展开，可进行线性化，将
Figure BDA0002216739620000125
用N40来代替，而则有：
Figure BDA0002216739620000127
如果不开行3-0直达列车：
故有约束方程：
Figure BDA0002216739620000129
同理对于3-1和2-1直达列车有：
Figure BDA00022167396200001210
Figure BDA00022167396200001211
5a)考虑压缩到站
只有4-1，4-2，3-1至少有一支直达列车开行时，才有远程车流压缩到站的情况。
当4-1开行，N40可以与N41合并；也可以不合并，即
Figure BDA00022167396200001212
则有：
Figure BDA0002216739620000131
同理有：
Figure BDA0002216739620000132
Figure BDA0002216739620000133
进行上述处理后，运用CPLEX求解得到最终编组方案，如表2所示。
表2
综上所述，本发明实施例提出的方法，在现有的货物列车编组计划编制技术基础上，对于装车地始发直达列车的组织开行进行了分析并提出开行条件，针对按日开行装车地始发直达列车后的剩余车流，提出了收益开行法，提高车流的运输效率以及增加铁路收益；就技术站货物列车编组计划，提出集结车小时费用和单位货车改编费用，将车流流动过程中的消耗时间转化为具体费用；对铁路集疏运服务网络复杂性进行分析，建立了基于列车运行综合费用的铁路集疏运服务网络优化模型组。优化了铁路集疏运服务网络，提高了铁路运输网络资源利用率，降低了运输成本，提高了铁路直达化水平和运输效率。
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 (5)

1.一种基于综合费用的铁路集疏运服务网络优化方法，其特征在于，包括如下流程步骤：
步骤S110：获取运输线路上各车站的车流OD数据，作为样本OD数据；
步骤S120：结合所述样本OD数据，对于满足开行装车地直达列车条件的车流开行装车地直达列车；
步骤S130：构建收益开行判别模型；
步骤S140：利用所述收益开行判别模型对剩余车流进行编组，获取技术站OD数据；
步骤S150：构建技术站编组模型；
步骤S160：结合所述技术站OD数据，计算所述技术站编组模型，获取列车运行图。
2.根据权利要求1所述的基于综合费用的铁路集疏运服务网络优化方法，其特征在于，所述构建收益开行判别模型包括：
考虑车站装卸能力约束、线路运输能力约束、流量守恒约束以及变量间的逻辑约束，以yij表示服务开行决策变量，即当弧(i,j)开行时，yij＝1，当弧不开行时，yij＝0；构建收益开行判别模型为：
Figure FDA0002216739610000011
Figure FDA0002216739610000012
Figure FDA0002216739610000013
Figure FDA0002216739610000014
n≤min(vi,mi),i∈N
其中，K表示所需运输商品的集合；N表示疏运网络上车站集合，A表示网络编组方案弧的集合；N+(i,A)＝{j∈N,(i,j)∈A}表示列车从车站i出发后所有能到达的与车站i相邻的车站的集合，N-(i,A)＝{j∈N,(j,i)∈A}表示所有能够进入车站j的与车站j相邻的车站的集合；a表示列车开行时每公里列车所消耗的运输成本；m表示满轴编组辆数，n表示剩余车流辆数，n＜m；W机车公里表示机车每公里收益；W机车小时表示机车单位小时收益；lij表示车站i到车站j的长度；Ji表示列车在车站i货物装车时成本；Sz表示列车在疏运点z货物卸车时的成本；
Figure FDA0002216739610000021
表示基础弧上车站i到车站j上运行的列车数为k；uij表示车站i到车站j的线路能力；Ui表示车站i的中转能力；vi表示车站i的装车能力，mi表示车站i的卸车能力；qk表示货物发送列车数；Ok表示货物的发送点；Dk表示货物的到达点；v表示列车速度。
3.根据权利要求2所述的基于综合费用的铁路集疏运服务网络优化方法，其特征在于，所述步骤S140中，利用所述收益开行判别模型进行编组具体包括：
若车流同时满足条件一和条件二，则开行欠轴直达列车；
若车流不满足条件一或条件二，则将此车流并入到相邻技术站；
所述条件一为列车费用消耗小于欠轴列车所运送货物带给铁路的收益；其中，列车费用消耗包括列车在区间的运输费用、在装卸站装车和卸车的费用以及机车和线路能力损失费用；收益包括货主交付给铁路的费用；
所述条件二为开行欠轴列车造成的机车以及线路能力损失要小于将其纳入对应的技术站等待满编后开行技术直达列车，造成的多余集结车小时费用消耗以及改编车小时费用消耗。
4.根据权利要求3所述的基于综合费用的铁路集疏运服务网络优化方法，其特征在于，构建技术站编组模型包括：
基于综合费用的技术站列车编组计划模型考虑区间通过能力约束，车站改编能力，流平衡约束以及变量间的逻辑约束，以
Figure FDA0002216739610000031
和ya为决策变量，构建技术站编组模型为：
Figure FDA0002216739610000032
Figure FDA0002216739610000033
Figure FDA0002216739610000034
Figure FDA0002216739610000035
其中，Aa表示方案弧，即编组去向弧，a∈A；X表示所有的运输服务弧的集合；K表示货运需求的集合；k表示货运需求，k∈K；A+(i)表示以为i起点的方案弧的集合；A-(i)表示以i为终点的方案弧的集合；Ta表示列车经过去向弧Aa的走行总距离；b表示列车开行时每公里列车所消耗的运输成本；ti表示列车在车站i的单位货车改编费用；Ca表示在发车站开始时的每辆货车集结车小时平均等待费用；Vk表示货运需求k的货运量；
Figure FDA0002216739610000036
表示去向弧的平均列车编成数量，mx表示基本弧的平均列车编成辆数；Ui表示车站i的改编能力；Vx表示基本弧的区间通过能力；
Figure FDA0002216739610000037
表示当方案弧Aa的车流路径包括基础弧时，取值为1，否则为0；
Figure FDA0002216739610000038
表示选择方案弧Aa输送时为1，否则为0；
ya表示当且仅当方案弧Aa被选为编组方案时，即开行该编组去向的列车，取值为1，否则为0。
5.根据权利要求4所述的基于综合费用的铁路集疏运服务网络优化方法，其特征在于，运用CPLEX求解模型计算所述技术站编组模型，获取列车运行图。
CN201910918250.6A 2019-09-26 2019-09-26 基于综合费用的铁路集疏运服务网络优化方法 Pending CN110766203A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910918250.6A CN110766203A (zh) 2019-09-26 2019-09-26 基于综合费用的铁路集疏运服务网络优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910918250.6A CN110766203A (zh) 2019-09-26 2019-09-26 基于综合费用的铁路集疏运服务网络优化方法

Publications (1)

Publication Number Publication Date
CN110766203A true CN110766203A (zh) 2020-02-07

Family

ID=69330630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910918250.6A Pending CN110766203A (zh) 2019-09-26 2019-09-26 基于综合费用的铁路集疏运服务网络优化方法

Country Status (1)

Country Link
CN (1) CN110766203A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112644519A (zh) * 2021-01-08 2021-04-13 北京全路通信信号研究设计院集团有限公司 一种面向铁路编组站的顺向车辆集结组合系统及方法
CN112801346A (zh) * 2021-01-12 2021-05-14 北京交通大学 一种铁路货物全过程运输计划编制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106911509A (zh) * 2017-03-01 2017-06-30 北京交通大学 基于服务网络动态配流的列车编组分析方法及系统
CN106991495A (zh) * 2017-03-24 2017-07-28 北京交通大学 一种全国铁路统一编制货物列车编组计划的方法和系统
CN107516147A (zh) * 2017-08-10 2017-12-26 中南大学 一种高速铁路本线列车开行方案优化方法及其系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106911509A (zh) * 2017-03-01 2017-06-30 北京交通大学 基于服务网络动态配流的列车编组分析方法及系统
CN106991495A (zh) * 2017-03-24 2017-07-28 北京交通大学 一种全国铁路统一编制货物列车编组计划的方法和系统
CN107516147A (zh) * 2017-08-10 2017-12-26 中南大学 一种高速铁路本线列车开行方案优化方法及其系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112644519A (zh) * 2021-01-08 2021-04-13 北京全路通信信号研究设计院集团有限公司 一种面向铁路编组站的顺向车辆集结组合系统及方法
CN112801346A (zh) * 2021-01-12 2021-05-14 北京交通大学 一种铁路货物全过程运输计划编制方法
CN112801346B (zh) * 2021-01-12 2024-04-09 北京交通大学 一种铁路货物全过程运输计划编制方法

Similar Documents

Publication Publication Date Title
CN107871179B (zh) 一种基于运到时限的铁路货物列车运行图编制方法
CN113361804A (zh) 缓冲堆场作业与码头间集卡运输协同调度系统及其方法
CN106991495B (zh) 一种全国铁路统一编制货物列车编组计划的方法和系统
CN111967828A (zh) 一种面向全程物流的公铁联运产品协同优化方法
CN112660165B (zh) 一种面向铁路编组站的车站阶段计划编制方法
CN107644310A (zh) 一种城市管式物流运输方法
CN110766203A (zh) 基于综合费用的铁路集疏运服务网络优化方法
CN112446648B (zh) 基于非高峰时段的城市轨道交通混合运输方法和系统
CN115081674B (zh) 新型卡车排队行驶模式下的本地集装箱运输排版优化方法
CN107491926A (zh) 一种基于管网的城市物流系统
CN108861640A (zh) 城市地下物流系统
CN107480932A (zh) 一种城际智能物流系统
CN112749864A (zh) 地铁货运调度方法、存储介质、计算设备和系统
CN113627643A (zh) 一种多式联运的船舶与堆场间无人集卡调度优化方法
CN113988371A (zh) 基于客流直达的城市轨道交通跨站停开行方案优化方法
CN113298403A (zh) 一种基于转运时间窗同步的公铁水联运调度方法
CN112214829A (zh) 高速铁路列车衔接方案优化建模方法
CN107555109A (zh) 一种用于管式物流系统的树状轨道
CN117022398A (zh) 考虑客流分配的城市轨道交通列车时刻表优化方法及系统
CN107600935A (zh) 一种用于管式物流系统的物流车
CN116415872A (zh) 一种3pl自动调度配载应用软件系统
CN109685409A (zh) 一种货运平台车主收益最大化智能拼车匹配方法
CN112906926B (zh) 一种铁路运输流向的预测方法、装置、设备及存储介质
CN107392478A (zh) 一种铁路快运货物运输产品生产方案的编制方法
CN107609714A (zh) 一种用于管式物流系统的路径规划方法

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: 20200207