CN112446648A - 基于非高峰时段的城市轨道交通混合运输方法和系统 - Google Patents

基于非高峰时段的城市轨道交通混合运输方法和系统 Download PDF

Info

Publication number
CN112446648A
CN112446648A CN202110122124.7A CN202110122124A CN112446648A CN 112446648 A CN112446648 A CN 112446648A CN 202110122124 A CN202110122124 A CN 202110122124A CN 112446648 A CN112446648 A CN 112446648A
Authority
CN
China
Prior art keywords
freight
subway
peak
transportation
train
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.)
Granted
Application number
CN202110122124.7A
Other languages
English (en)
Other versions
CN112446648B (zh
Inventor
许心越
叶雨涛
刘军
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 CN202110122124.7A priority Critical patent/CN112446648B/zh
Publication of CN112446648A publication Critical patent/CN112446648A/zh
Application granted granted Critical
Publication of CN112446648B publication Critical patent/CN112446648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及城市轨道交通运输组织技术领域，提供一种基于非高峰时段的城市轨道交通混合运输方法、系统、电子设备及存储介质，方法包括步骤：构建非高峰时段的地铁列车混合运输框架；获取非高峰时段地铁列车的最大客流量，计算非高峰地铁列车的货运车厢数目；将货运车厢数目作为模型的输入数据，确定混合运输框架中的非高峰时段地铁货运装载模式；构建非高峰时段的城市轨道交通混合运输模型；基于改进的VNS算法对模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本，货运车厢数目和货运装载模式。本发明在不影响城市轨道交通正常运营的情况下增加额外货运收入，可为不同类型轨道交通城市的混合运输模式提供了宏观参考和理论依据。

Description

基于非高峰时段的城市轨道交通混合运输方法和系统
技术领域
本发明涉及城市轨道交通运输组织技术领域，尤其涉及一种基于非高峰时段的城市轨道交通混合运输方法、系统、电子设备及存储介质。
背景技术
随着电子商务和送货上门的不断发展，城市货运已成为城市经济和社会发展的关键环节。近年来，全球物流业的飞速发展导致货物运输出行比例不断提高。以快递业为例，根据最新统计，中国的快递业务从2015年到2018年连续四年排名世界第一，平均增长率为35.33％。现阶段，公路运输是城市货运的主要方式，皮卡车和小型货车等地面运输工具通常用于货运。同时，车辆的货运带来城市交通拥堵，温室气体排放和噪音有关的一系列问题。随着城市货运的不断发展，迫切需要一种低成本、大容量、高时效性和现代城市运营可持续性的绿色货运方式。
货运需要向更高效和可持续的运输系统转变，以应对城市地区货运需求的增长。地铁具有高效率，大容量和可持续性的优势，但是由于非高峰时段的客流少，大多数地铁网络都遭受地铁列车利用率不足的困扰。因此，在非高峰时段将商品引入地铁网络是一种非常有潜力的货运方式。
发明人发现现有技术中至少存在如下问题：目前地铁系统中货运和客运的混合运输策略通常是基于主观经验，缺乏合理的理论框架和数学公式。此外，应考虑整个地铁网络来处理货运，而不是单个地铁线路。因此，在非高峰时段构建地铁网络上客货混合运输策略的一般理论框架和模型是必不可少的。
发明内容
本发明的目的在于解决背景技术中的至少一个技术问题，提供一种基于非高峰时段的城市轨道交通混合运输方法、系统、电子设备及计算机可读存储介质。
为实现上述目的，本发明提供一种基于非高峰时段的城市轨道交通混合运输方法，其特征在于，包括以下步骤：
构建非高峰时段的地铁列车混合运输框架；
基于AFC数据获取非高峰时段地铁列车的最大客流量
Figure 759864DEST_PATH_IMAGE001
，根据所述混合运输框架计算非高峰地铁列车的货运车厢数目
Figure 685095DEST_PATH_IMAGE002
；
将所述货运车厢数目作为输入数据，结合末端货运站
Figure 96354DEST_PATH_IMAGE003
的需求货运量
Figure 423430DEST_PATH_IMAGE004
，确定所述混合运输框架中的非高峰时段地铁货运装载模式r；
根据地铁列车运行基本数据和货运站的基本信息，基于确定的所述货运装载模式r，构建非高峰时段的城市轨道交通混合运输模型；
基于改进的VNS算法对所述混合运输模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本
Figure 707780DEST_PATH_IMAGE005
，货运车厢数目
Figure 792411DEST_PATH_IMAGE002
和货运装载模式r。
根据本发明的一个方面，构建所述混合运输框架包括定义城市轨道交通混合运输和指定混合运输标准；
所述混合运输为基于非高峰时段将现有的城市地铁网络与物流公司运营的首公里和最后一公里的送货服务相结合混合运输的方式；非高峰时段的城市轨道交通混合运输为五个阶段，第一阶段和第五阶段为车辆交付，第二阶段和第四阶段是人工转运，将货物从车辆转移到地铁车厢，第三阶段是地铁交付；
所述混合运输标准包括：地铁列车车厢被分为客运车厢和货运车厢，不同类型的车厢设置有边界线和专用通道，以划分客流和货流；以及
基于非高峰时段不同客流，包括固定装载和灵活装载两种货运装载模式，所述固定装载模式为地铁网络中各班地铁列车均采用客货混合运输，灵活装载模式为根据客流选取地铁网络中部分地铁列车采用客货混合运输。
根据本发明的一个方面，计算非高峰地铁列车的货运车厢数目E为：
Figure 820410DEST_PATH_IMAGE006
式中：
Figure 188943DEST_PATH_IMAGE007
为地铁列车集合；
Figure 644195DEST_PATH_IMAGE008
为地铁列车的所有车厢数目；
Figure 544018DEST_PATH_IMAGE009
为地铁列车m的最大客流量；
Figure 110129DEST_PATH_IMAGE010
为地铁列车单节车厢乘客容量；
Figure 83901DEST_PATH_IMAGE011
为地铁列车货运车厢数目；
Figure 710055DEST_PATH_IMAGE012
表示将数值向上取整。
根据本发明的一个方面，确定所述非高峰时段地铁货运装载模式r为：
Figure 831594DEST_PATH_IMAGE013
式中：
Figure 201396DEST_PATH_IMAGE014
为末端货运站集合；
Figure 544521DEST_PATH_IMAGE015
为地铁列车单节车厢货物容量；r为货运装载模式，
Figure 341576DEST_PATH_IMAGE016
为固定装载模式，即当客运量和货运需求数量大于列车容量时，每趟列车在非高峰时段均采用客货混合运输模式；
Figure 950412DEST_PATH_IMAGE017
为灵活装载模式，即当客运量和货运需求小于列车容量，每两列火车中的一列选择采用混合运输模式，另一列用于客运。
根据本发明的一个方面，所述地铁列车运行基本数据包括：地铁列车到、发、通过的时刻信息和列车行走路线；
所述货运站的基本信息包括：货运量、货运站的地理位置信息、站间距离和线路允许速度。
根据本发明的一个方面，基于非高峰时段的城市轨道交通混合运输阶段，以货物配送成本最小为目标，以车辆线路能力、地铁线路能力、货物配送时间窗和惩罚成本系数为约束条件，构建地铁列车货运装载模式的非高峰时段的城市轨道交通混合运输模型，所述混合运输模型构建过程如下：
（1）目标函数
非高峰时段的城市轨道交通混合运输模型以配送成本最小为优化目标，配送成本
Figure 858325DEST_PATH_IMAGE018
主要包括车辆配送成本
Figure 869006DEST_PATH_IMAGE019
、转运成本
Figure 774645DEST_PATH_IMAGE020
和延误成本
Figure 870777DEST_PATH_IMAGE021
，其中：
Figure 582381DEST_PATH_IMAGE022
式中：
Figure 713149DEST_PATH_IMAGE023
表示从货物集散中心i至出发地铁站j的单位货物车辆运输成本；
Figure 38957DEST_PATH_IMAGE024
表示路径
Figure 356805DEST_PATH_IMAGE025
上的货物数量；
Figure 872100DEST_PATH_IMAGE026
表示车辆
Figure 857374DEST_PATH_IMAGE027
通过运输路径
Figure 104816DEST_PATH_IMAGE028
提供服务则为1，否则为0；
Figure 909961DEST_PATH_IMAGE029
表示从到达地铁站
Figure 963367DEST_PATH_IMAGE030
至末端货物站
Figure 803147DEST_PATH_IMAGE031
的单位货物车辆运输成本；
Figure 470758DEST_PATH_IMAGE032
表示末端货运站的货物数量；
Figure 28778DEST_PATH_IMAGE033
表示车辆
Figure 620296DEST_PATH_IMAGE034
通过运输路径
Figure 580162DEST_PATH_IMAGE035
提供服务则为1，否则为0；
Figure 169407DEST_PATH_IMAGE036
表示车辆数目；
Figure 949144DEST_PATH_IMAGE037
表示车辆的固定运营成本；
Figure 344353DEST_PATH_IMAGE038
表示单位货物完成一次的转运成本；
Figure 158725DEST_PATH_IMAGE039
表示出发地铁站
Figure 168138DEST_PATH_IMAGE040
至到达地铁站
Figure 435172DEST_PATH_IMAGE041
所需的转运次数；
Figure 634072DEST_PATH_IMAGE042
表示车辆
Figure 302951DEST_PATH_IMAGE043
通过运输路径
Figure 233997DEST_PATH_IMAGE044
提供服务则为1，否则为0；
Figure 988327DEST_PATH_IMAGE045
表示末端货物站
Figure 990918DEST_PATH_IMAGE046
的单位货物的惩罚成本系数；
（2）约束条件
① 车辆线路能力约束
车辆在首公里和最后一公里的配送路网中应满足车辆容量约束、车辆数量约束和线路能力约束：
Figure 514303DEST_PATH_IMAGE047
式中：
Figure 865519DEST_PATH_IMAGE048
表示货物集散中心；
Figure 107144DEST_PATH_IMAGE049
表示货物出发地铁站的集合；
Figure 647847DEST_PATH_IMAGE050
表示货物到达地铁站的集合；
Figure 963422DEST_PATH_IMAGE051
表示末端货物站的集合；
Figure 564168DEST_PATH_IMAGE052
表示货运车辆的集合，且
Figure 27510DEST_PATH_IMAGE053
；
Figure 371904DEST_PATH_IMAGE054
表示车辆容量；
Figure 791253DEST_PATH_IMAGE055
表示运输路径
Figure 562899DEST_PATH_IMAGE056
是否由车辆
Figure 513538DEST_PATH_IMAGE057
提供服务；
Figure 396043DEST_PATH_IMAGE058
表示货运车辆的数目；
② 地铁线路能力约束
货物通过列车在地铁网络中运行应满足列车容量约束和换乘次数约束，
Figure 686210DEST_PATH_IMAGE059
Figure 628759DEST_PATH_IMAGE060
式中：M表示地铁列车集合；E表示货运车厢数目；
Figure 66693DEST_PATH_IMAGE061
表示地铁列车单节车厢货物容量；
③ 货物配送时间窗约束
混合运输列车的发车时间不早于非高峰时段开始时间，
Figure 752889DEST_PATH_IMAGE062
式中：
Figure 146830DEST_PATH_IMAGE063
表示从首站至站点
Figure 260280DEST_PATH_IMAGE064
的列车运行时间；
Figure 185511DEST_PATH_IMAGE065
表示站点
Figure 409819DEST_PATH_IMAGE066
所在地铁线路上列车
Figure 674578DEST_PATH_IMAGE067
的首站发车时间；
Figure 693349DEST_PATH_IMAGE068
表示货物在站点
Figure 105876DEST_PATH_IMAGE069
的装载时间；
Figure 133875DEST_PATH_IMAGE070
表示站点
Figure 502408DEST_PATH_IMAGE069
所在地铁线路的首站点的发车时间；
Figure 957661DEST_PATH_IMAGE071
表示完成路径
Figure 591904DEST_PATH_IMAGE072
配送所需的时间；
Figure 158015DEST_PATH_IMAGE073
表示一个大的正整数；
Figure 397366DEST_PATH_IMAGE074
表示对末端货物站
Figure 23520DEST_PATH_IMAGE075
的需求货物开始配送时间；
Figure 145059DEST_PATH_IMAGE076
表示对末端货物站
Figure 514861DEST_PATH_IMAGE077
的需求货物最早开始配送时间；
Figure 857986DEST_PATH_IMAGE078
表示对末端货物站
Figure 655041DEST_PATH_IMAGE079
的需求货物最晚完成配送时间；
列车在整个混合运输的过程中配送时长满足首公里和最后一公里的配送时长和地铁配送时长的和，
Figure 263877DEST_PATH_IMAGE080
式中：
Figure 171790DEST_PATH_IMAGE081
表示对末端货物站
Figure 120155DEST_PATH_IMAGE082
的需求货物完成配送时间；
Figure 88111DEST_PATH_IMAGE083
表示货物完成一次换乘所需时间；
Figure 184243DEST_PATH_IMAGE084
表示非高峰时段的地铁列车的车头时距；
Figure 895847DEST_PATH_IMAGE085
表示站点
Figure 947985DEST_PATH_IMAGE086
至站点
Figure 86842DEST_PATH_IMAGE087
之间的地铁列车运行时间；
Figure 670271DEST_PATH_IMAGE088
表示货运装载模式；
Figure 185565DEST_PATH_IMAGE089
表示到达地铁站
Figure 842943DEST_PATH_IMAGE090
至末端货运站
Figure 152701DEST_PATH_IMAGE091
之间的车辆运行时间；
④ 惩罚成本系数约束
惩罚成本系数受货物配送时间窗影响，未能在时间窗内完成配送需要根据其惩罚成本系数计算延误成本，
Figure 223426DEST_PATH_IMAGE092
式中：
Figure 276832DEST_PATH_IMAGE093
表示单位货物的延误成本；
Figure 303563DEST_PATH_IMAGE094
表示末端货物站
Figure 784223DEST_PATH_IMAGE095
的单位货物的惩罚成本系数；
Figure 342243DEST_PATH_IMAGE096
表示对末端货物站
Figure 933762DEST_PATH_IMAGE079
的需求货物最晚完成配送时间。
根据本发明的一个方面，采用MTALAB R2014b编程，对所述VNS算法进行改进用于求解所述混合运输模型，在求解过程中按照如下步骤生成非高峰时段的城市轨道交通混合运输的货运成本
Figure 565731DEST_PATH_IMAGE097
：
在给定范围内生成初始解，并将初始解代入目标函数初始程序获得初始目标值，即配送成本，转至下一步；
让
Figure 482872DEST_PATH_IMAGE098
直到
Figure 262609DEST_PATH_IMAGE099
，转至下一步；
输入初始解输入至扰动过程，选取扰动的第k个领域运算以生成新的解决方案，转至下一步；
将生成的新解代入变领域下降过程，生成与新解相关的多个邻域解，并在生成的多个邻域解中进行局部搜索，以获得局部搜索最优解，转到下一步；
如果变领域生成的最优解优于初始解，让最优解替换初始解，然后继续在当前领域结构中搜索，并转至下一步，否则转至第三步；
直到满足终止标准，获得最优货运成本
Figure 657818DEST_PATH_IMAGE100
，货运车厢数目
Figure 659141DEST_PATH_IMAGE101
和货运装载模式r；
其中，k表示领域，N表示领域结构数量。
为实现上述目的，本发明还提供一种基于非高峰时段的城市轨道交通混合运输系统，包括：
混合运输框架构建模块，用于构建非高峰时段的地铁列车混合运输框架；
数据处理模块，基于AFC数据获取非高峰时段地铁列车的最大客流量
Figure 481604DEST_PATH_IMAGE102
，根据所述混合运输框架计算非高峰地铁列车的货运车厢数目
Figure 748637DEST_PATH_IMAGE101
；
货运装载模式确定模块，将所述货运车厢数目作为模型的输入数据，结合末端货运站
Figure 947537DEST_PATH_IMAGE103
的需求货运量
Figure 554099DEST_PATH_IMAGE104
，确定所述混合运输框架中的非高峰时段地铁货运装载模式r；
混合运输模型构建模块，根据地铁列车运行基本数据和货运站的基本信息，基于确定的货运装载模式，构建非高峰时段的城市轨道交通混合运输模型；
信息数据获取模块，基于改进的VNS算法对模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本
Figure 547463DEST_PATH_IMAGE105
，货运车厢数目
Figure 301792DEST_PATH_IMAGE106
和货运装载模式
Figure 38804DEST_PATH_IMAGE107
。
为实现上述目的，本发明还提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器耦合连接的存储器；其中，
所述存储器存储有计算机程序，所述计算机程序能够被所述至少一个处理器执行，以实现上述方法。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，当所述计算机程序被执行时，能够实现上述方法。
根据本发明的方案，基于非高峰时段地铁列车的最大客流量和末端货运站的货运量，确定非高峰时段地铁货运装载模式，以车辆线路能力、地铁线路能力和货物配送时间窗作为模型的动态约束，构建非高峰时段的城市轨道交通混合运输模型，该混合运输模型提供了一种绿色货运模式并降低了货运成本，在不影响城市轨道交通正常运营的情况下增加额外货运收入，还为不同类型轨道交通城市的混合运输模式提供了宏观参考和理论依据。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1示意性表示根据本发明的一种实施方式的基于非高峰时段的城市轨道交通混合运输方法的流程图；
图2为货客混合运输过程示意图；
图3为货客车厢分界示意图；
图4为货运装载模式示意图；
图5示意性表示根据本发明的一种实施方式的基于非高峰时段的城市轨道交通混合运输系统的结构框图；
图6为宁波地铁网络示意图；
图7为宁波市货运站点分布图。
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，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
图1示意性表示根据本发明的一种实施方式的基于非高峰时段的城市轨道交通混合运输方法的流程图。如图1所示，根据本发明的基于非高峰时段的城市轨道交通混合运输方法，包括以下步骤：
a. 构建非高峰时段的地铁列车混合运输框架；
b. 基于AFC数据获取非高峰时段地铁列车的最大客流量
Figure 749140DEST_PATH_IMAGE108
，根据混合运输框架计算非高峰地铁列车的货运车厢数目
Figure 178984DEST_PATH_IMAGE002
；
c. 将货运车厢数目作为输入数据，结合末端货运站
Figure 420610DEST_PATH_IMAGE003
的需求货运量
Figure 695733DEST_PATH_IMAGE004
，确定混合运输框架中的非高峰时段地铁货运装载模式r；
d. 根据地铁列车运行基本数据和货运站的基本信息，基于确定的货运装载模式r，构建非高峰时段的城市轨道交通混合运输模型；
e. 基于改进的VNS算法对模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本
Figure 276887DEST_PATH_IMAGE005
，货运车厢数目
Figure 612054DEST_PATH_IMAGE002
和货运装载模式r。
根据本发明的一种实施方式，在上述a步骤中，构建混合运输框架包括定义城市轨道交通混合运输和指定混合运输标准；
混合运输为基于非高峰时段将现有的城市地铁网络与物流公司运营的首公里和最后一公里的送货服务相结合混合运输的方式；非高峰时段的城市轨道交通混合运输为五个阶段，具体如图2所示。在本实施方式中，第一阶段和第五阶段为车辆交付，第二阶段和第四阶段是人工转运，将货物从车辆转移到地铁车厢，第三阶段是地铁交付。
在本实施方式中，设定客流优先、客货分流的混合运输标准，具体实现方式为，地铁列车车厢被分为客运车厢和货运车厢，如图3所示，不同类型的车厢设置有边界线和专用通道，以划分客流和货流。
进一步地，基于非高峰时段不同客流，包括固定装载和灵活装载两种货运装载模式，如图4所示。其中，固定装载模式为地铁网络中各班地铁列车均采用客货混合运输，灵活装载模式为根据客流选取地铁网络中部分地铁列车采用客货混合运输。在本实施方式中，当客运和货运需求数量大于地铁容量时，每列地铁列车在非高峰时段采用客货混合运输模式，如图4中的固定装载模式所示。客运量和货运需求小于地铁列车容量，每两列地铁列车组中的一列选择采用混合运输模式，另一列用于客运，如图4中的灵活装载模式所示。
根据本发明的一种实施方式，在上述b步骤中，计算非高峰地铁列车的货运车厢数目
Figure 340975DEST_PATH_IMAGE109
为：
Figure 419790DEST_PATH_IMAGE006
式中：
Figure 104718DEST_PATH_IMAGE007
为地铁列车集合；
Figure 876365DEST_PATH_IMAGE008
为地铁列车的所有车厢数目；
Figure 827003DEST_PATH_IMAGE009
为地铁列车m的最大客流量；
Figure 709508DEST_PATH_IMAGE010
为地铁列车单节车厢乘客容量；
Figure 999675DEST_PATH_IMAGE011
为地铁列车货运车厢数目；
Figure 942224DEST_PATH_IMAGE012
表示将数值向上取整。
根据本发明的一种实施方式，在上述c步骤中，确定非高峰时段地铁货运装载模式r为：
Figure 380158DEST_PATH_IMAGE110
式中：
Figure 800775DEST_PATH_IMAGE014
为末端货运站集合；
Figure 460296DEST_PATH_IMAGE015
为地铁列车单节车厢货物容量；r为货运装载模式，
Figure 573745DEST_PATH_IMAGE016
为固定装载模式，即当客运量和货运需求数量大于列车容量时，每趟列车在非高峰时段均采用客货混合运输模式；
Figure 498976DEST_PATH_IMAGE017
为灵活装载模式，即当客运量和货运需求小于列车容量，每两列火车中的一列选择采用混合运输模式，另一列用于客运。
根据本发明的一种实施方式，在上述d步骤中，地铁列车运行基本数据包括：地铁列车到、发、通过的时刻信息和列车行走路线。货运站的基本信息包括：货运量、货运站的地理位置信息、站间距离和线路允许速度。
进一步地，基于非高峰时段的城市轨道交通混合运输阶段，以货物配送成本最小为目标，以车辆线路能力、地铁线路能力、货物配送时间窗和惩罚成本系数为约束条件，构建地铁列车货运装载模式的非高峰时段的城市轨道交通混合运输模型，所述混合运输模型构建过程如下：
其中，混合运输模型参数如下表1：
集合
Figure 723284DEST_PATH_IMAGE111
 出发地铁站集合
Figure 722464DEST_PATH_IMAGE112
 到达地铁站集合
Figure 6815DEST_PATH_IMAGE113
 末端货运站集合
Figure 419341DEST_PATH_IMAGE114
 货运车辆集合
Figure 447340DEST_PATH_IMAGE115
 货运车辆索引
Figure 815874DEST_PATH_IMAGE116
Figure 5546DEST_PATH_IMAGE117
 地铁列车集合
Figure 905369DEST_PATH_IMAGE118
 非高峰时段地铁列车的最大客流量
参数
Figure 471480DEST_PATH_IMAGE119
 货物集散中心
Figure 710831DEST_PATH_IMAGE120
Figure 71406DEST_PATH_IMAGE121
 末端货运站
Figure 458525DEST_PATH_IMAGE122
的需求货运量
Figure 828326DEST_PATH_IMAGE123
 货运车辆的固定运营成本
Figure 905872DEST_PATH_IMAGE124
 从
Figure 702927DEST_PATH_IMAGE125
到
Figure 311763DEST_PATH_IMAGE126
的单位货物的车辆运输成本
Figure 422938DEST_PATH_IMAGE127
 单位货物完成一次转运的成本
Figure 433620DEST_PATH_IMAGE128
 完成一次转运所需的时间
Figure 401576DEST_PATH_IMAGE129
 地铁车厢数目
Figure 497708DEST_PATH_IMAGE130
 地铁列车的货运车厢数目
Figure 396262DEST_PATH_IMAGE131
 货运车辆的容量
Figure 261450DEST_PATH_IMAGE132
 地铁车厢的乘客容量
Figure 400308DEST_PATH_IMAGE133
 地铁车厢的货物容量
Figure 983736DEST_PATH_IMAGE134
 路径
Figure 171134DEST_PATH_IMAGE135
上的换乘次数
Figure 156408DEST_PATH_IMAGE136
Figure 777751DEST_PATH_IMAGE137
站所在的地铁线，第m班列车的首站发车时间
Figure 848475DEST_PATH_IMAGE138
Figure 901882DEST_PATH_IMAGE137
站的货物装载时间
Figure 679345DEST_PATH_IMAGE139
 路径
Figure 160005DEST_PATH_IMAGE140
的货运车辆运输时间
Figure 452446DEST_PATH_IMAGE141
 末端货物站
Figure 309544DEST_PATH_IMAGE142
的配送时间窗
Figure 190781DEST_PATH_IMAGE143
 地铁列车的货运装载模式
Figure 780025DEST_PATH_IMAGE144
 单位货物的延误成本
Figure 825342DEST_PATH_IMAGE145
 惩罚成本系数
Figure 220551DEST_PATH_IMAGE146
 一个大的正整数
决策变量
Figure 769344DEST_PATH_IMAGE147
 车辆v通过运输路径
Figure 44336DEST_PATH_IMAGE148
提供服务则为1，否则为0
Figure 311369DEST_PATH_IMAGE149
 末端货运站点
Figure 510270DEST_PATH_IMAGE150
的货物通过运输路径
Figure 913569DEST_PATH_IMAGE151
由列车m提供服务则为1，否则为0
Figure 110195DEST_PATH_IMAGE152
 运送末端货运站
Figure 864525DEST_PATH_IMAGE150
的货物的开始时间
Figure 601537DEST_PATH_IMAGE153
 运送末端货运站
Figure 124922DEST_PATH_IMAGE150
的货物的结束时间
Figure 741717DEST_PATH_IMAGE154
 货运车辆数目
Figure 717763DEST_PATH_IMAGE155
表1
（1）目标函数
非高峰时段的城市轨道交通混合运输模型以配送成本最小为优化目标，配送成本
Figure 258466DEST_PATH_IMAGE018
主要包括车辆配送成本
Figure 901937DEST_PATH_IMAGE019
、转运成本
Figure 174786DEST_PATH_IMAGE020
和延误成本
Figure 903708DEST_PATH_IMAGE021
，其中：
Figure 982522DEST_PATH_IMAGE156
式中：
Figure 690888DEST_PATH_IMAGE023
表示从货物集散中心i至出发地铁站j的单位货物车辆运输成本；
Figure 196956DEST_PATH_IMAGE024
表示路径
Figure 413173DEST_PATH_IMAGE025
上的货物数量；
Figure 295679DEST_PATH_IMAGE026
表示车辆
Figure 585846DEST_PATH_IMAGE027
通过运输路径
Figure 528394DEST_PATH_IMAGE028
提供服务则为1，否则为0；
Figure 966328DEST_PATH_IMAGE157
表示从到达地铁站
Figure 386945DEST_PATH_IMAGE030
至末端货物站
Figure 46466DEST_PATH_IMAGE031
的单位货物车辆运输成本；
Figure 894336DEST_PATH_IMAGE032
表示末端货运站的货物数量；
Figure 819567DEST_PATH_IMAGE033
表示车辆
Figure 43875DEST_PATH_IMAGE034
通过运输路径
Figure 308634DEST_PATH_IMAGE035
提供服务则为1，否则为0；
Figure 592985DEST_PATH_IMAGE036
表示车辆数目；
Figure 5512DEST_PATH_IMAGE037
表示车辆的固定运营成本；
Figure 767931DEST_PATH_IMAGE038
表示单位货物完成一次的转运成本；
Figure 136465DEST_PATH_IMAGE039
表示出发地铁站
Figure 591717DEST_PATH_IMAGE040
至到达地铁站
Figure 491540DEST_PATH_IMAGE041
所需的转运次数；
Figure 995333DEST_PATH_IMAGE042
表示车辆
Figure 31422DEST_PATH_IMAGE043
通过运输路径
Figure 657576DEST_PATH_IMAGE044
提供服务则为1，否则为0；
Figure 44695DEST_PATH_IMAGE045
表示末端货物站
Figure 335868DEST_PATH_IMAGE046
的单位货物的惩罚成本系数；
（2）约束条件
① 车辆线路能力约束
车辆在首公里和最后一公里的配送路网中应满足车辆容量约束、车辆数量约束和线路能力约束：
Figure 492042DEST_PATH_IMAGE158
式中：
Figure 289097DEST_PATH_IMAGE048
表示货物集散中心；
Figure 897933DEST_PATH_IMAGE049
表示货物出发地铁站的集合；
Figure 9109DEST_PATH_IMAGE050
表示货物到达地铁站的集合；
Figure 19790DEST_PATH_IMAGE051
表示末端货物站的集合；
Figure 987746DEST_PATH_IMAGE052
表示货运车辆的集合，且
Figure 83878DEST_PATH_IMAGE053
；
Figure 716853DEST_PATH_IMAGE054
表示车辆容量；
Figure 847620DEST_PATH_IMAGE055
表示运输路径
Figure 986478DEST_PATH_IMAGE056
是否由车辆
Figure 507589DEST_PATH_IMAGE057
提供服务；
Figure 757305DEST_PATH_IMAGE058
表示货运车辆的数目；
② 地铁线路能力约束
货物通过列车在地铁网络中运行应满足列车容量约束和换乘次数约束，
Figure 742578DEST_PATH_IMAGE159
Figure 52337DEST_PATH_IMAGE060
式中：M表示地铁列车集合；E表示货运车厢数目；
Figure 310012DEST_PATH_IMAGE061
表示地铁列车单节车厢货物容量；
③ 货物配送时间窗约束
混合运输列车的发车时间不早于非高峰时段开始时间，
Figure 363418DEST_PATH_IMAGE160
式中：
Figure 203198DEST_PATH_IMAGE063
表示从首站至站点
Figure 683858DEST_PATH_IMAGE064
的列车运行时间；
Figure 913982DEST_PATH_IMAGE065
表示站点
Figure 771080DEST_PATH_IMAGE066
所在地铁线路上列车
Figure 465367DEST_PATH_IMAGE067
的首站发车时间；
Figure 303878DEST_PATH_IMAGE068
表示货物在站点
Figure 349195DEST_PATH_IMAGE069
的装载时间；
Figure 744404DEST_PATH_IMAGE070
表示站点
Figure 293197DEST_PATH_IMAGE069
所在地铁线路的首站点的发车时间；
Figure 318922DEST_PATH_IMAGE071
表示完成路径
Figure 585955DEST_PATH_IMAGE072
配送所需的时间；
Figure 519276DEST_PATH_IMAGE073
表示一个大的正整数；
Figure 188155DEST_PATH_IMAGE074
表示对末端货物站
Figure 634049DEST_PATH_IMAGE075
的需求货物开始配送时间；
Figure 122799DEST_PATH_IMAGE076
表示对末端货物站
Figure 125390DEST_PATH_IMAGE077
的需求货物最早开始配送时间；
Figure 648775DEST_PATH_IMAGE078
表示对末端货物站
Figure 750723DEST_PATH_IMAGE079
的需求货物最晚完成配送时间；
列车在整个混合运输的过程中配送时长满足首公里和最后一公里的配送时长和地铁配送时长的和，
Figure 992349DEST_PATH_IMAGE161
式中：
Figure 533051DEST_PATH_IMAGE081
表示对末端货物站
Figure 910943DEST_PATH_IMAGE082
的需求货物完成配送时间；
Figure 698640DEST_PATH_IMAGE083
表示货物完成一次换乘所需时间；
Figure 161982DEST_PATH_IMAGE084
表示非高峰时段的地铁列车的车头时距；
Figure 506376DEST_PATH_IMAGE085
表示站点
Figure 4353DEST_PATH_IMAGE086
至站点
Figure 448104DEST_PATH_IMAGE087
之间的地铁列车运行时间；
Figure 664321DEST_PATH_IMAGE088
表示货运装载模式；
Figure 546827DEST_PATH_IMAGE089
表示到达地铁站
Figure 899311DEST_PATH_IMAGE090
至末端货运站
Figure 763230DEST_PATH_IMAGE091
之间的车辆运行时间；
④ 惩罚成本系数约束
惩罚成本系数受货物配送时间窗影响，未能在时间窗内完成配送需要根据其惩罚成本系数计算延误成本，
Figure 201165DEST_PATH_IMAGE162
式中：
Figure 887361DEST_PATH_IMAGE093
表示单位货物的延误成本；
Figure 32035DEST_PATH_IMAGE094
表示末端货物站
Figure 145484DEST_PATH_IMAGE095
的单位货物的惩罚成本系数；
Figure 70715DEST_PATH_IMAGE096
表示对末端货物站
Figure 295023DEST_PATH_IMAGE079
的需求货物最晚完成配送时间。
根据本发明的一种实施方式，在上述e步骤中，采用MTALAB R2014b编程，对所述VNS算法进行改进用于求解所述混合运输模型，在求解过程中按照如下步骤生成非高峰时段的城市轨道交通混合运输的货运成本
Figure 809050DEST_PATH_IMAGE163
：
e1. 在给定范围内生成初始解，并将初始解代入目标函数初始程序获得初始目标值，即配送成本，转至下一步；
e2. 让
Figure 93401DEST_PATH_IMAGE164
直到
Figure 240348DEST_PATH_IMAGE165
，转至下一步；
e3. 输入初始解输入至扰动过程，选取扰动的第k个领域运算以生成新的解决方案，转至下一步；
e4. 将生成的新解代入变领域下降过程，生成与新解相关的多个邻域解，并在生成的多个邻域解中进行局部搜索，以获得局部搜索最优解，转到下一步；
e5. 如果变领域生成的最优解优于初始解，让最优解替换初始解，然后继续在当前领域结构中搜索，并转至下一步，否则转至e3步；
e6. 直到满足终止标准，获得最优货运成本
Figure 268347DEST_PATH_IMAGE166
，货运车厢数目E和货运装载模式r；
其中，k表示领域，N表示领域结构数量。
本发明的第二种实施方式涉及一种基于非高峰时段的城市轨道交通混合运输系统，该系统结构框图如图5所示，包括：
混合运输框架构建模块，用于构建非高峰时段的地铁列车混合运输框架；
数据处理模块，基于AFC数据获取非高峰时段地铁列车的最大客流量
Figure 387613DEST_PATH_IMAGE167
，根据混合运输框架计算非高峰地铁列车的货运车厢数目E；
货运装载模式确定模块，将货运车厢数目E作为模型的输入数据，结合末端货运站
Figure 842865DEST_PATH_IMAGE168
的需求货运量
Figure 742688DEST_PATH_IMAGE169
，确定混合运输框架中的非高峰时段地铁货运装载模式r；
混合运输模型构建模块，根据地铁列车运行基本数据和货运站的基本信息，基于确定的货运装载模式，构建非高峰时段的城市轨道交通混合运输模型；
信息数据获取模块，基于改进的VNS算法对模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本
Figure 308798DEST_PATH_IMAGE170
，货运车厢数目E和货运装载模式r。
根据本发明的一种实施方式，混合运输框架构建模块构建混合运输框架包括定义城市轨道交通混合运输和指定混合运输标准；
混合运输为基于非高峰时段将现有的城市地铁网络与物流公司运营的首公里和最后一公里的送货服务相结合混合运输的方式；非高峰时段的城市轨道交通混合运输为五个阶段，具体如图2所示。在本实施方式中，第一阶段和第五阶段为车辆交付，第二阶段和第四阶段是人工转运，将货物从车辆转移到地铁车厢，第三阶段是地铁交付。
在本实施方式中，设定客流优先、客货分流的混合运输标准，具体实现方式为，地铁列车车厢被分为客运车厢和货运车厢，如图3所示，不同类型的车厢设置有边界线和专用通道，以划分客流和货流。
进一步地，基于非高峰时段不同客流，包括固定装载和灵活装载两种货运装载模式，如图4所示。其中，固定装载模式为地铁网络中各班地铁列车均采用客货混合运输，灵活装载模式为根据客流选取地铁网络中部分地铁列车采用客货混合运输。在本实施方式中，当客运和货运需求数量大于地铁容量时，每列地铁列车在非高峰时段采用客货混合运输模式，如图4中的固定装载模式所示。客运量和货运需求小于地铁列车容量，每两列地铁列车组中的一列选择采用混合运输模式，另一列用于客运，如图4中的灵活装载模式所示。
根据本发明的一种实施方式，数据处理模块计算非高峰地铁列车的货运车厢数目E为：
Figure 531838DEST_PATH_IMAGE171
式中：
Figure 157992DEST_PATH_IMAGE007
为地铁列车集合；
Figure 279531DEST_PATH_IMAGE008
为地铁列车的所有车厢数目；
Figure 649333DEST_PATH_IMAGE009
为地铁列车m的最大客流量；
Figure 743191DEST_PATH_IMAGE010
为地铁列车单节车厢乘客容量；
Figure 540245DEST_PATH_IMAGE011
为地铁列车货运车厢数目；
Figure 149081DEST_PATH_IMAGE012
表示将数值向上取整。
根据本发明的一种实施方式，货运装载模式确定模块确定非高峰时段地铁货运装载模式r为：
Figure 56994DEST_PATH_IMAGE172
式中：
Figure 254626DEST_PATH_IMAGE014
为末端货运站集合；
Figure 222582DEST_PATH_IMAGE015
为地铁列车单节车厢货物容量；r为货运装载模式，
Figure 318714DEST_PATH_IMAGE016
为固定装载模式，即当客运量和货运需求数量大于列车容量时，每趟列车在非高峰时段均采用客货混合运输模式；
Figure 30318DEST_PATH_IMAGE017
为灵活装载模式，即当客运量和货运需求小于列车容量，每两列火车中的一列选择采用混合运输模式，另一列用于客运。
根据本发明的一种实施方式，地铁列车运行基本数据包括：地铁列车到、发、通过的时刻信息和列车行走路线。货运站的基本信息包括：货运量、货运站的地理位置信息、站间距离和线路允许速度。
进一步地，混合运输模型构建模块基于非高峰时段的城市轨道交通混合运输阶段，以货物配送成本最小为目标，以车辆线路能力、地铁线路能力、货物配送时间窗和惩罚成本系数为约束条件，构建地铁列车货运装载模式的非高峰时段的城市轨道交通混合运输模型，所述混合运输模型构建过程如下：
其中，混合运输模型参数如下表2：
集合
Figure 98769DEST_PATH_IMAGE111
 出发地铁站集合
Figure 237626DEST_PATH_IMAGE112
 到达地铁站集合
Figure 555475DEST_PATH_IMAGE113
 末端货运站集合
Figure 70770DEST_PATH_IMAGE114
 货运车辆集合
Figure 242994DEST_PATH_IMAGE115
 货运车辆索引
Figure 552753DEST_PATH_IMAGE116
Figure 357898DEST_PATH_IMAGE117
 地铁列车集合
Figure 348987DEST_PATH_IMAGE118
 非高峰时段地铁列车的最大客流量
参数
Figure 188767DEST_PATH_IMAGE119
 货物集散中心
Figure 669427DEST_PATH_IMAGE120
Figure 227448DEST_PATH_IMAGE121
 末端货运站
Figure 5917DEST_PATH_IMAGE122
的需求货运量
Figure 965782DEST_PATH_IMAGE123
 货运车辆的固定运营成本
Figure 617344DEST_PATH_IMAGE124
 从
Figure 397081DEST_PATH_IMAGE125
到
Figure 729973DEST_PATH_IMAGE126
的单位货物的车辆运输成本
Figure 544345DEST_PATH_IMAGE127
 单位货物完成一次转运的成本
Figure 366808DEST_PATH_IMAGE128
 完成一次转运所需的时间
Figure 633841DEST_PATH_IMAGE129
 地铁车厢数目
Figure 19692DEST_PATH_IMAGE130
 地铁列车的货运车厢数目
Figure 688571DEST_PATH_IMAGE131
 货运车辆的容量
Figure 681934DEST_PATH_IMAGE132
 地铁车厢的乘客容量
Figure 436264DEST_PATH_IMAGE133
 地铁车厢的货物容量
Figure 376538DEST_PATH_IMAGE134
 路径
Figure 899923DEST_PATH_IMAGE135
上的换乘次数
Figure 64188DEST_PATH_IMAGE136
Figure 305814DEST_PATH_IMAGE137
站所在的地铁线，第m班列车的首站发车时间
Figure 33467DEST_PATH_IMAGE138
Figure 411359DEST_PATH_IMAGE137
站的货物装载时间
Figure 12105DEST_PATH_IMAGE139
 路径
Figure 475447DEST_PATH_IMAGE140
的货运车辆运输时间
Figure 757524DEST_PATH_IMAGE141
 末端货物站
Figure 989922DEST_PATH_IMAGE142
的配送时间窗
Figure 761569DEST_PATH_IMAGE143
 地铁列车的货运装载模式
Figure 712207DEST_PATH_IMAGE144
 单位货物的延误成本
Figure 781663DEST_PATH_IMAGE145
 惩罚成本系数
Figure 134147DEST_PATH_IMAGE146
 一个大的正整数
决策变量
Figure 76696DEST_PATH_IMAGE147
 车辆v通过运输路径
Figure 514630DEST_PATH_IMAGE148
提供服务则为1，否则为0
Figure 138510DEST_PATH_IMAGE149
 末端货运站点
Figure 345500DEST_PATH_IMAGE150
的货物通过运输路径
Figure 458949DEST_PATH_IMAGE151
由列车m提供服务则为1，否则为0
Figure 384180DEST_PATH_IMAGE152
 运送末端货运站
Figure 795439DEST_PATH_IMAGE150
的货物的开始时间
Figure 122515DEST_PATH_IMAGE153
 运送末端货运站
Figure 141286DEST_PATH_IMAGE150
的货物的结束时间
Figure 553813DEST_PATH_IMAGE154
 货运车辆数目
Figure 519495DEST_PATH_IMAGE155
表2
（1）目标函数
非高峰时段的城市轨道交通混合运输模型以配送成本最小为优化目标，配送成本
Figure 701078DEST_PATH_IMAGE018
主要包括车辆配送成本
Figure 156330DEST_PATH_IMAGE019
、转运成本
Figure 790574DEST_PATH_IMAGE020
和延误成本
Figure 543635DEST_PATH_IMAGE021
，其中：
Figure 845303DEST_PATH_IMAGE173
式中：
Figure 471457DEST_PATH_IMAGE023
表示从货物集散中心i至出发地铁站j的单位货物车辆运输成本；
Figure 592996DEST_PATH_IMAGE024
表示路径
Figure 900481DEST_PATH_IMAGE025
上的货物数量；
Figure 56656DEST_PATH_IMAGE026
表示车辆
Figure 853711DEST_PATH_IMAGE027
通过运输路径
Figure 462546DEST_PATH_IMAGE028
提供服务则为1，否则为0；
Figure 557410DEST_PATH_IMAGE029
表示从到达地铁站
Figure 568092DEST_PATH_IMAGE030
至末端货物站
Figure 536048DEST_PATH_IMAGE031
的单位货物车辆运输成本；
Figure 569863DEST_PATH_IMAGE032
表示末端货运站的货物数量；
Figure 281467DEST_PATH_IMAGE033
表示车辆
Figure 146655DEST_PATH_IMAGE034
通过运输路径
Figure 285512DEST_PATH_IMAGE035
提供服务则为1，否则为0；
Figure 868940DEST_PATH_IMAGE036
表示车辆数目；
Figure 571186DEST_PATH_IMAGE037
表示车辆的固定运营成本；
Figure 290880DEST_PATH_IMAGE038
表示单位货物完成一次的转运成本；
Figure 600639DEST_PATH_IMAGE039
表示出发地铁站
Figure 609046DEST_PATH_IMAGE040
至到达地铁站
Figure 662452DEST_PATH_IMAGE041
所需的转运次数；
Figure 502232DEST_PATH_IMAGE042
表示车辆
Figure 982892DEST_PATH_IMAGE043
通过运输路径
Figure 727863DEST_PATH_IMAGE044
提供服务则为1，否则为0；
Figure 319382DEST_PATH_IMAGE045
表示末端货物站
Figure 13668DEST_PATH_IMAGE046
的单位货物的惩罚成本系数；
（2）约束条件
① 车辆线路能力约束
车辆在首公里和最后一公里的配送路网中应满足车辆容量约束、车辆数量约束和线路能力约束：
Figure 930809DEST_PATH_IMAGE174
式中：
Figure 648229DEST_PATH_IMAGE048
表示货物集散中心；
Figure 43438DEST_PATH_IMAGE049
表示货物出发地铁站的集合；
Figure 857810DEST_PATH_IMAGE050
表示货物到达地铁站的集合；
Figure 680273DEST_PATH_IMAGE051
表示末端货物站的集合；
Figure 134257DEST_PATH_IMAGE052
表示货运车辆的集合，且
Figure 333157DEST_PATH_IMAGE053
；
Figure 2036DEST_PATH_IMAGE054
表示车辆容量；
Figure 995400DEST_PATH_IMAGE055
表示运输路径
Figure 687412DEST_PATH_IMAGE056
是否由车辆
Figure 424424DEST_PATH_IMAGE057
提供服务；
Figure 947809DEST_PATH_IMAGE058
表示货运车辆的数目；
② 地铁线路能力约束
货物通过列车在地铁网络中运行应满足列车容量约束和换乘次数约束，
Figure 377653DEST_PATH_IMAGE175
Figure 806230DEST_PATH_IMAGE060
式中：M表示地铁列车集合；E表示货运车厢数目；
Figure 81353DEST_PATH_IMAGE061
表示地铁列车单节车厢货物容量；
③ 货物配送时间窗约束
混合运输列车的发车时间不早于非高峰时段开始时间，
Figure 724824DEST_PATH_IMAGE176
式中：
Figure 59991DEST_PATH_IMAGE063
表示从首站至站点
Figure 726595DEST_PATH_IMAGE064
的列车运行时间；
Figure 805410DEST_PATH_IMAGE065
表示站点
Figure 303387DEST_PATH_IMAGE066
所在地铁线路上列车
Figure 75034DEST_PATH_IMAGE067
的首站发车时间；
Figure 212623DEST_PATH_IMAGE068
表示货物在站点
Figure 95129DEST_PATH_IMAGE069
的装载时间；
Figure 447612DEST_PATH_IMAGE070
表示站点
Figure 327844DEST_PATH_IMAGE069
所在地铁线路的首站点的发车时间；
Figure 765778DEST_PATH_IMAGE071
表示完成路径
Figure 186395DEST_PATH_IMAGE072
配送所需的时间；
Figure 658965DEST_PATH_IMAGE073
表示一个大的正整数；
Figure 959365DEST_PATH_IMAGE074
表示对末端货物站
Figure 884596DEST_PATH_IMAGE075
的需求货物开始配送时间；
Figure 108904DEST_PATH_IMAGE076
表示对末端货物站
Figure 170401DEST_PATH_IMAGE077
的需求货物最早开始配送时间；
Figure 392435DEST_PATH_IMAGE078
表示对末端货物站
Figure 804962DEST_PATH_IMAGE079
的需求货物最晚完成配送时间；
列车在整个混合运输的过程中配送时长满足首公里和最后一公里的配送时长和地铁配送时长的和，
Figure 832960DEST_PATH_IMAGE177
式中：
Figure 14543DEST_PATH_IMAGE081
表示对末端货物站
Figure 391167DEST_PATH_IMAGE082
的需求货物完成配送时间；
Figure 290989DEST_PATH_IMAGE083
表示货物完成一次换乘所需时间；
Figure 857100DEST_PATH_IMAGE084
表示非高峰时段的地铁列车的车头时距；
Figure 158768DEST_PATH_IMAGE085
表示站点
Figure 457026DEST_PATH_IMAGE086
至站点
Figure 844145DEST_PATH_IMAGE087
之间的地铁列车运行时间；
Figure 213946DEST_PATH_IMAGE088
表示货运装载模式；
Figure 104542DEST_PATH_IMAGE089
表示到达地铁站
Figure 88547DEST_PATH_IMAGE090
至末端货运站
Figure 697383DEST_PATH_IMAGE091
之间的车辆运行时间；
④ 惩罚成本系数约束
惩罚成本系数受货物配送时间窗影响，未能在时间窗内完成配送需要根据其惩罚成本系数计算延误成本，
Figure 870875DEST_PATH_IMAGE092
式中：
Figure 881557DEST_PATH_IMAGE093
表示单位货物的延误成本；
Figure 787196DEST_PATH_IMAGE094
表示末端货物站
Figure 883328DEST_PATH_IMAGE095
的单位货物的惩罚成本系数；
Figure 594932DEST_PATH_IMAGE096
表示对末端货物站
Figure 460120DEST_PATH_IMAGE079
的需求货物最晚完成配送时间。
根据本发明的一种实施方式，信息数据获取模块采用MTALAB R2014b编程，对所述VNS算法进行改进用于求解所述混合运输模型，在求解过程中按照如下步骤生成非高峰时段的城市轨道交通混合运输的货运成本
Figure 785928DEST_PATH_IMAGE178
：
e1. 在给定范围内生成初始解，并将初始解代入目标函数初始程序获得初始目标值，即配送成本，转至下一步；
e2. 让
Figure 369356DEST_PATH_IMAGE179
直到
Figure 619071DEST_PATH_IMAGE180
，转至下一步；
e3. 输入初始解输入至扰动过程，选取扰动的第k个领域运算以生成新的解决方案，转至下一步；
e4. 将生成的新解代入变领域下降过程，生成与新解相关的多个邻域解，并在生成的多个邻域解中进行局部搜索，以获得局部搜索最优解，转到下一步；
e5. 如果变领域生成的最优解优于初始解，让最优解替换初始解，然后继续在当前领域结构中搜索，并转至下一步，否则转至e3步；
e6. 直到满足终止标准，获得最优货运成本
Figure 542028DEST_PATH_IMAGE181
，货运车厢数目E和货运装载模式r；
其中，k表示领域，N表示领域结构数量。
本发明的第三种实施方式涉及一种电子设备，包括：至少一个处理器；以及与至少一个处理器耦合连接的存储器；其中，存储器存储有计算机程序，计算机程序能够被至少一个处理器执行，以实现上述基于非高峰时段的城市轨道交通混合运输方法。
本发明的第四种实施方式涉及一种计算机可读存储介质，计算机可读存储介质用于存储计算机程序，当计算机程序被执行时，能够实现上述基于非高峰时段的城市轨道交通混合运输方法。
基于本发明的上述实施方式，以下结合附图以一种具体实施例来说明本发明的技术方案。
实施例1
基于宁波市地铁网络，分析了非高峰时段的城市轨道交通混合运输策略的有效性和适用性。
基于宁波市地铁网络，如图6所示，根据不同配送距离为三个区域，分布范围分别为S1，S2和S3，如图7所示。基于非高峰时段的城市轨道交通混合运输策略求解结果如以下表2：
Figure 851787DEST_PATH_IMAGE182
表2
分析结果表明，在短距离配送范围内，混合运输的配送成本和服务效率不如车辆运输，但在中长距离配送范围内，混合运输极大的降低了车辆运输的配送成本和车辆运输距离。虽然中距离配送范围内，混合运输有2个末端货运站未能按时交付，车辆运输均完成了交付，但在长距离配送范围内，混合运输均在时间窗内完成了交付，而车辆运输有4个末端货运站未能按时交付。因此，非高峰时段的城市轨道交通混合运输可以降低货运成本并适合长距离配送。
根据本发明的上述方案，基于非高峰时段地铁列车的最大客流量和末端货运站的货运量，确定非高峰时段地铁货运装载模式，以车辆线路能力、地铁线路能力和货物配送时间窗作为模型的动态约束，构建非高峰时段的城市轨道交通混合运输模型，该混合运输模型提供了一种绿色货运模式并降低了货运成本，在不影响城市轨道交通正常运营的情况下增加额外货运收入，还为不同类型轨道交通城市的混合运输模式提供了宏观参考和理论依据。
实际上，本发明将现有的地铁网络与物流公司运营“首公里和最后一公里”的送货服务相结合，基于AFC数据获取非高峰时段地铁列车的最大客流量，计算非高峰时段地铁列车的货运车厢数目；根据不同的货运车厢数目和末端货物站的需求货运量，确定非高峰时段地铁货运装载模式；以最优配送成本为目标，构建非高峰时段的城市轨道交通混合运输模型，运用改进的VNS算法对混合运输模型进行求解，分析了不同配送距离、不同客流、不同地铁网络类型下的混合运输策略，分析结果表明非高峰时段的城市轨道交通混合运输适用于长距离配送，降低了货运成本并提供了一种绿色货运模式，在不影响城市轨道交通正常运营的情况下增加额外货运收入，还可应用于不同地铁网络的轨道交通城市。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

Claims (10)

1.一种基于非高峰时段的城市轨道交通混合运输方法，其特征在于，包括以下步骤：
构建非高峰时段的地铁列车混合运输框架；
基于AFC数据获取非高峰时段地铁列车的最大客流量
Figure 368556DEST_PATH_IMAGE001
，根据所述混合运输框架计算非高峰地铁列车的货运车厢数目
Figure 421962DEST_PATH_IMAGE002
；
将所述货运车厢数目E作为输入数据，结合末端货运站
Figure 261743DEST_PATH_IMAGE003
的需求货运量
Figure 742402DEST_PATH_IMAGE004
，确定所述混合运输框架中的非高峰时段地铁货运装载模式r；
根据地铁列车运行基本数据和货运站的基本信息，基于确定的所述货运装载模式r，构建非高峰时段的城市轨道交通混合运输模型；
基于改进的VNS算法对所述混合运输模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本
Figure 221794DEST_PATH_IMAGE005
，货运车厢数目
Figure 78892DEST_PATH_IMAGE002
和货运装载模式r。
2.根据权利要求1所述的基于非高峰时段的城市轨道交通混合运输方法，其特征在于，构建所述混合运输框架包括定义城市轨道交通混合运输和指定混合运输标准；
所述混合运输为基于非高峰时段将现有的城市地铁网络与物流公司运营的首公里和最后一公里的送货服务相结合混合运输的方式；非高峰时段的城市轨道交通混合运输为五个阶段，第一阶段和第五阶段为车辆交付，第二阶段和第四阶段是人工转运，将货物从车辆转移到地铁车厢，第三阶段是地铁交付；
所述混合运输标准包括：地铁列车车厢被分为客运车厢和货运车厢，不同类型的车厢设置有边界线和专用通道，以划分客流和货流；以及
基于非高峰时段不同客流，包括固定装载和灵活装载两种货运装载模式，所述固定装载模式为地铁网络中各班地铁列车均采用客货混合运输，灵活装载模式为根据客流选取地铁网络中部分地铁列车采用客货混合运输。
3.根据权利要求2所述的基于非高峰时段的城市轨道交通混合运输方法，其特征在于，计算非高峰地铁列车的货运车厢数目
Figure 773178DEST_PATH_IMAGE006
为：
Figure 424739DEST_PATH_IMAGE007
式中：
Figure 407739DEST_PATH_IMAGE008
为地铁列车集合；
Figure 802948DEST_PATH_IMAGE009
为地铁列车的所有车厢数目；
Figure 351741DEST_PATH_IMAGE010
为地铁列车m的最大客流量；
Figure 439783DEST_PATH_IMAGE011
为地铁列车单节车厢乘客容量；
Figure 893767DEST_PATH_IMAGE012
为地铁列车货运车厢数目；
Figure 92667DEST_PATH_IMAGE013
表示将数值向上取整。
4.根据权利要求3所述的基于非高峰时段的城市轨道交通混合运输方法，其特征在于，确定所述非高峰时段地铁货运装载模式r为：
Figure 495967DEST_PATH_IMAGE014
式中：
Figure 754910DEST_PATH_IMAGE015
为末端货运站集合；
Figure 446922DEST_PATH_IMAGE016
为地铁列车单节车厢货物容量；r为货运装载模式，
Figure 183934DEST_PATH_IMAGE017
为固定装载模式，即当客运量和货运需求数量大于列车容量时，每趟列车在非高峰时段均采用客货混合运输模式；
Figure 707319DEST_PATH_IMAGE018
为灵活装载模式，即当客运量和货运需求小于列车容量，每两列火车中的一列选择采用混合运输模式，另一列用于客运。
5.根据权利要求4所述的基于非高峰时段的城市轨道交通混合运输方法，其特征在于，所述地铁列车运行基本数据包括：地铁列车到、发、通过的时刻信息和列车行走路线；
所述货运站的基本信息包括：货运量、货运站的地理位置信息、站间距离和线路允许速度。
6.根据权利要求5所述的基于非高峰时段的城市轨道交通混合运输方法，其特征在于，基于非高峰时段的城市轨道交通混合运输阶段，以货物配送成本最小为目标，以车辆线路能力、地铁线路能力、货物配送时间窗和惩罚成本系数为约束条件，构建地铁列车货运装载模式的非高峰时段的城市轨道交通混合运输模型，所述混合运输模型构建过程如下：
（1）目标函数
非高峰时段的城市轨道交通混合运输模型以配送成本最小为优化目标，配送成本
Figure 137164DEST_PATH_IMAGE019
主要包括车辆配送成本
Figure 300160DEST_PATH_IMAGE020
、转运成本
Figure 840863DEST_PATH_IMAGE021
和延误成本
Figure 484334DEST_PATH_IMAGE022
，其中：
Figure 819501DEST_PATH_IMAGE023
式中：
Figure 486105DEST_PATH_IMAGE024
表示从货物集散中心i至出发地铁站j的单位货物车辆运输成本；
Figure 564920DEST_PATH_IMAGE025
表示路径
Figure 62897DEST_PATH_IMAGE026
上的货物数量；
Figure 568965DEST_PATH_IMAGE027
表示车辆
Figure 972133DEST_PATH_IMAGE028
通过运输路径
Figure 854639DEST_PATH_IMAGE029
提供服务则为1，否则为0；
Figure 207123DEST_PATH_IMAGE030
表示从到达地铁站
Figure 149671DEST_PATH_IMAGE031
至末端货物站
Figure 525288DEST_PATH_IMAGE032
的单位货物车辆运输成本；
Figure 945905DEST_PATH_IMAGE033
表示末端货运站的货物数量；
Figure 418475DEST_PATH_IMAGE034
表示车辆
Figure 266345DEST_PATH_IMAGE035
通过运输路径
Figure 214464DEST_PATH_IMAGE036
提供服务则为1，否则为0；
Figure 438772DEST_PATH_IMAGE037
表示车辆数目；
Figure 765848DEST_PATH_IMAGE038
表示车辆的固定运营成本；
Figure 50199DEST_PATH_IMAGE039
表示单位货物完成一次的转运成本；
Figure 400409DEST_PATH_IMAGE040
表示出发地铁站
Figure 162829DEST_PATH_IMAGE041
至到达地铁站
Figure 344411DEST_PATH_IMAGE042
所需的转运次数；
Figure 799663DEST_PATH_IMAGE043
表示车辆
Figure 699486DEST_PATH_IMAGE044
通过运输路径
Figure 452548DEST_PATH_IMAGE045
提供服务则为1，否则为0；
Figure 488637DEST_PATH_IMAGE046
表示末端货物站
Figure 114790DEST_PATH_IMAGE047
的单位货物的惩罚成本系数；
（2）约束条件
① 车辆线路能力约束
车辆在首公里和最后一公里的配送路网中应满足车辆容量约束、车辆数量约束和线路能力约束：
Figure 501909DEST_PATH_IMAGE048
式中：
Figure 543814DEST_PATH_IMAGE049
表示货物集散中心；
Figure 699989DEST_PATH_IMAGE050
表示货物出发地铁站的集合；
Figure 497044DEST_PATH_IMAGE051
表示货物到达地铁站的集合；
Figure 105880DEST_PATH_IMAGE052
表示末端货物站的集合；
Figure 466323DEST_PATH_IMAGE053
表示货运车辆的集合，且
Figure 477004DEST_PATH_IMAGE054
；
Figure 444960DEST_PATH_IMAGE055
表示车辆容量；
Figure 541092DEST_PATH_IMAGE056
表示运输路径
Figure 924800DEST_PATH_IMAGE057
是否由车辆
Figure 55567DEST_PATH_IMAGE058
提供服务；
Figure 194425DEST_PATH_IMAGE059
表示货运车辆的数目；
② 地铁线路能力约束
货物通过列车在地铁网络中运行应满足列车容量约束和换乘次数约束，
Figure 777853DEST_PATH_IMAGE060
Figure 214519DEST_PATH_IMAGE061
式中：M表示地铁列车集合；E表示货运车厢数目；
Figure 199793DEST_PATH_IMAGE062
表示地铁列车单节车厢货物容量；
③ 货物配送时间窗约束
混合运输列车的发车时间不早于非高峰时段开始时间，
Figure 509551DEST_PATH_IMAGE063
式中：
Figure 580275DEST_PATH_IMAGE064
表示从首站至站点
Figure 571365DEST_PATH_IMAGE065
的列车运行时间；
Figure 411145DEST_PATH_IMAGE066
表示站点
Figure 891805DEST_PATH_IMAGE067
所在地铁线路上列车
Figure 184246DEST_PATH_IMAGE068
的首站发车时间；
Figure 41344DEST_PATH_IMAGE069
表示货物在站点
Figure 922581DEST_PATH_IMAGE070
的装载时间；
Figure 574142DEST_PATH_IMAGE071
表示站点
Figure 619458DEST_PATH_IMAGE070
所在地铁线路的首站点的发车时间；
Figure 14668DEST_PATH_IMAGE072
表示完成路径
Figure 501144DEST_PATH_IMAGE073
配送所需的时间；
Figure 589186DEST_PATH_IMAGE074
表示一个大的正整数；
Figure 856219DEST_PATH_IMAGE075
表示对末端货物站
Figure 789540DEST_PATH_IMAGE076
的需求货物开始配送时间；
Figure 645369DEST_PATH_IMAGE077
表示对末端货物站
Figure 904312DEST_PATH_IMAGE078
的需求货物最早开始配送时间；
Figure 393062DEST_PATH_IMAGE079
表示对末端货物站
Figure 395653DEST_PATH_IMAGE080
的需求货物最晚完成配送时间；
列车在整个混合运输的过程中配送时长满足首公里和最后一公里的配送时长和地铁配送时长的和，
Figure 856722DEST_PATH_IMAGE081
式中：
Figure 20987DEST_PATH_IMAGE082
表示对末端货物站
Figure 262612DEST_PATH_IMAGE083
的需求货物完成配送时间；
Figure 803315DEST_PATH_IMAGE084
表示货物完成一次换乘所需时间；
Figure 368158DEST_PATH_IMAGE085
表示非高峰时段的地铁列车的车头时距；
Figure 968903DEST_PATH_IMAGE086
表示站点
Figure 432246DEST_PATH_IMAGE087
至站点
Figure 776639DEST_PATH_IMAGE088
之间的地铁列车运行时间；
Figure 274617DEST_PATH_IMAGE089
表示货运装载模式；
Figure 718367DEST_PATH_IMAGE090
表示到达地铁站
Figure 934585DEST_PATH_IMAGE091
至末端货运站
Figure 817091DEST_PATH_IMAGE092
之间的车辆运行时间；
④ 惩罚成本系数约束
惩罚成本系数受货物配送时间窗影响，未能在时间窗内完成配送需要根据其惩罚成本系数计算延误成本，
Figure 169574DEST_PATH_IMAGE093
式中：
Figure 33494DEST_PATH_IMAGE094
表示单位货物的延误成本；
Figure 471429DEST_PATH_IMAGE095
表示末端货物站
Figure 157625DEST_PATH_IMAGE096
的单位货物的惩罚成本系数；
Figure 364615DEST_PATH_IMAGE097
表示对末端货物站
Figure 415748DEST_PATH_IMAGE080
的需求货物最晚完成配送时间。
7.根据权利要求6所述的基于非高峰时段的城市轨道交通混合运输方法，其特征在于，采用MTALAB R2014b编程，对所述VNS算法进行改进用于求解所述混合运输模型，在求解过程中按照如下步骤生成非高峰时段的城市轨道交通混合运输的货运成本
Figure 340979DEST_PATH_IMAGE098
：
在给定范围内生成初始解，并将初始解代入目标函数初始程序获得初始目标值，即配送成本，转至下一步；
让
Figure 565287DEST_PATH_IMAGE099
直到
Figure 892363DEST_PATH_IMAGE100
，转至下一步；
输入初始解输入至扰动过程，选取扰动的第k个领域运算以生成新的解决方案，转至下一步；
将生成的新解代入变领域下降过程，生成与新解相关的多个邻域解，并在生成的多个邻域解中进行局部搜索，以获得局部搜索最优解，转到下一步；
如果变领域生成的最优解优于初始解，让最优解替换初始解，然后继续在当前领域结构中搜索，并转至下一步，否则转至第三步；
直到满足终止标准，获得最优货运成本
Figure 363664DEST_PATH_IMAGE101
，货运车厢数目
Figure 510612DEST_PATH_IMAGE102
和货运装载模式r；
其中，k表示领域，N表示领域结构数量。
8.一种基于非高峰时段的城市轨道交通混合运输系统，其特征在于，包括：
混合运输框架构建模块，用于构建非高峰时段的地铁列车混合运输框架；
数据处理模块，基于AFC数据获取非高峰时段地铁列车的最大客流量
Figure 538611DEST_PATH_IMAGE103
，根据所述混合运输框架计算非高峰地铁列车的货运车厢数目
Figure 720193DEST_PATH_IMAGE102
；
货运装载模式确定模块，将所述货运车厢数目E作为模型的输入数据，结合末端货运站
Figure 113129DEST_PATH_IMAGE104
的需求货运量
Figure 12951DEST_PATH_IMAGE105
，确定所述混合运输框架中的非高峰时段地铁货运装载模式r；
混合运输模型构建模块，根据地铁列车运行基本数据和货运站的基本信息，基于确定的货运装载模式，构建非高峰时段的城市轨道交通混合运输模型；
信息数据获取模块，基于改进的VNS算法对模型进行求解，输出非高峰时段的城市轨道交通混合运输的货运成本
Figure 579062DEST_PATH_IMAGE106
，货运车厢数目
Figure 615151DEST_PATH_IMAGE107
和货运装载模式
Figure 428255DEST_PATH_IMAGE108
。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器耦合连接的存储器；其中，
所述存储器存储有计算机程序，所述计算机程序能够被所述至少一个处理器执行，以实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，当所述计算机程序被执行时，能够实现权利要求1-7中任一项所述的方法。
CN202110122124.7A 2021-01-29 2021-01-29 基于非高峰时段的城市轨道交通混合运输方法和系统 Active CN112446648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110122124.7A CN112446648B (zh) 2021-01-29 2021-01-29 基于非高峰时段的城市轨道交通混合运输方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110122124.7A CN112446648B (zh) 2021-01-29 2021-01-29 基于非高峰时段的城市轨道交通混合运输方法和系统

Publications (2)

Publication Number Publication Date
CN112446648A true CN112446648A (zh) 2021-03-05
CN112446648B CN112446648B (zh) 2021-05-07

Family

ID=74739928

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110122124.7A Active CN112446648B (zh) 2021-01-29 2021-01-29 基于非高峰时段的城市轨道交通混合运输方法和系统

Country Status (1)

Country Link
CN (1) CN112446648B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596349A (zh) * 2023-07-18 2023-08-15 湘江实验室 基于城市轨道交通网络的夜间地下物流规划方法及系统
CN116703282A (zh) * 2023-08-08 2023-09-05 南京理工大学 一种满足成网运行条件的地铁客货协同运输流程设计方法
CN116882714A (zh) * 2023-09-07 2023-10-13 中国铁路设计集团有限公司 一种考虑线网建设时序的多年度交路一体化方案编制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170241614A1 (en) * 2016-02-23 2017-08-24 MLS Automotive, Inc. Vehicle lighting assembly and method for achieving yellow colored turn signals
CN108773379A (zh) * 2017-11-08 2018-11-09 陆卫华 超级宽铁集群
CN108861640A (zh) * 2018-01-31 2018-11-23 西南交通大学 城市地下物流系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170241614A1 (en) * 2016-02-23 2017-08-24 MLS Automotive, Inc. Vehicle lighting assembly and method for achieving yellow colored turn signals
CN108773379A (zh) * 2017-11-08 2018-11-09 陆卫华 超级宽铁集群
CN108861640A (zh) * 2018-01-31 2018-11-23 西南交通大学 城市地下物流系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周艳芳 等: "轨道交通网络列车运行计划一体化编制理论框架研究", 《都市快轨交通》 *
杨立春: "轨道交通运输在城市配送系统中的应用探讨——轨道交通客货混合运输的协同管理", 《企业导报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116596349A (zh) * 2023-07-18 2023-08-15 湘江实验室 基于城市轨道交通网络的夜间地下物流规划方法及系统
CN116596349B (zh) * 2023-07-18 2023-10-17 湘江实验室 基于城市轨道交通网络的夜间地下物流规划方法及系统
CN116703282A (zh) * 2023-08-08 2023-09-05 南京理工大学 一种满足成网运行条件的地铁客货协同运输流程设计方法
CN116703282B (zh) * 2023-08-08 2023-11-28 南京理工大学 一种满足成网运行条件的地铁客货协同运输流程设计方法
CN116882714A (zh) * 2023-09-07 2023-10-13 中国铁路设计集团有限公司 一种考虑线网建设时序的多年度交路一体化方案编制方法
CN116882714B (zh) * 2023-09-07 2023-11-28 中国铁路设计集团有限公司 一种考虑线网建设时序的多年度交路一体化方案编制方法

Also Published As

Publication number Publication date
CN112446648B (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
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
CN109255972B (zh) 一种基于大数据的地面公交固定线路时刻表的优化方法
CN108269399A (zh) 一种基于公路网客流od反推技术的高铁客流需求预测方法
CN104931063A (zh) 路径规划方法
CN109543934A (zh) 城市公交线网的综合指标的评价方法
CN113379102B (zh) 一种多网干线运输优化方法、计算机设备及存储介质
CN111859718B (zh) 一种区域多制式轨道交通车站拥挤系数计算方法及系统
CN111932034A (zh) 一种区域多制式轨道交通列车开行方案编制方法及其系统
CN111291303A (zh) 一种考虑班次异质性的电动公交排班优化方法
CN111626469A (zh) 一种面向运能提升的快慢车开行优化方法
CN112085641A (zh) 一种基于列车开行方案的高速铁路客流分配方法
CN112214829A (zh) 高速铁路列车衔接方案优化建模方法
CN115713207A (zh) 一种混合公交服务组合优化方法
CN111063191B (zh) 用于公交线网设计的发车频率与线网结构联合优化方法
CN111489017A (zh) 一种基于带状乘客吸引区的接运公交网络优化方法
CN117195484B (zh) 一种轨道交通管理方法及系统
CN114154801A (zh) 智慧公交组合调度方法、装置及存储介质
CN110766203A (zh) 基于综合费用的铁路集疏运服务网络优化方法
CN111859717B (zh) 最小化区域多制式轨道交通旅客拥挤系数的方法及系统
CN116342023A (zh) 一种智能化综合运输系统
CN111931386B (zh) 一种区域多制式轨道交通区间拥挤系数计算方法及系统
CN115593471A (zh) 一种轨道交通虚拟编组列车运行方案的优化方法及装置
CN113379131B (zh) 一种纯电动公交应用下的接驳公交线网优化及车队规模与充电桩数量同步优化方法
CN115649241A (zh) 一种基于列车运行线的铁路货车运行里程计算方法及系统
CN115081819A (zh) 调度方法、装置、电子设备及存储介质

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