CN112528550A - 一种动车组运行优化方法、装置、设备及可读存储介质 - Google Patents
一种动车组运行优化方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112528550A CN112528550A CN202010873612.7A CN202010873612A CN112528550A CN 112528550 A CN112528550 A CN 112528550A CN 202010873612 A CN202010873612 A CN 202010873612A CN 112528550 A CN112528550 A CN 112528550A
- Authority
- CN
- China
- Prior art keywords
- motor train
- train unit
- time
- formula
- constructing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000005457 optimization Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000010977 unit operation Methods 0.000 title claims description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000010586 diagram Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000002068 genetic effect Effects 0.000 claims description 11
- 210000000349 chromosome Anatomy 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 241000271559 Dromaiidae Species 0.000 claims 2
- 238000004891 communication Methods 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及高速铁路列车运行控制技术领域,具体而言,涉及一种动车组运行优化方法、装置、设备及可读存储介质。本发明通过分析动车组与交路段之间接续成本,建立基于每日一图的动车组运用模型,并且进一步考虑时段客流波动,构建列车运行图选线与动车组运用协同优化模型,通过对模型求解,得到的动车组运用优化方案,能够为每日一图的有效实施提供可靠保障。建模过程方便简单、建模标准统一,方法计算效率高,方法真实可靠,方法考虑因素全面,具有很好的操作性、通用性和可重用性。
Description
技术领域
本发明涉及高速铁路列车运行控制技术领域,具体而言,涉及一 种动车组运行优化方法、装置、设备及可读存储介质。
背景技术
动车组作为高速铁路的主要移动设备,是高速铁路系统的重要组 成部分,关系到铁路运营成本和旅客服务质量,科学合理的安排动车 组运用,有利于提高铁路部门提高运输效率、降低运营成本以及保证 服务质量。
动车组的运用方案是根据计划编制期间的所有动车组配置情况、 设备状态、所在位置、累计运行里程和定检期限,考虑一定运营生产 目标,安排动车组担当列车车次或交路任务。
目前,关于动车组运用方法的研究是基于固定的列车运行图,而 在每日一图的条件下,列车运行图是动态变化的,此时现有的动车组 运用方法具有以下弊端:(1)由于运行图的不固定,动车组无法再 按照固定交路运行;(2)现有的运用模式,难以适应每日一图条件 下动车组灵活运用的需求;(3)对于动车组日常检修而言,没有广 泛推行异地检修存在资源浪费。
发明内容
本发明的目的在于提供一种动车组运行优化方法、装置、设备及 可读存储介质,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一种动车组运行优化方法,包括:获取动车组的基本信息和交路 段的基本信息,构建动车组担当交路段的接续成本计算公式;以动车 组接续交路段总成本最少为目标,建立动车组运用优化模型;通过动 车组运用优化模型,采用匈牙利算法计算出每天的动车组运用方案; 根据动车组的基本信息和当天列车运行线的基本信息,构建动车组运 用接续网络;获取实际客流需求,分别以动车组运用数量最少、接续 成本最少和动车组利用效率最高为目标,建立列车运行图选线与动车 组运用协同优化模型;通过设计遗传算法求解模型,得出每条运行线 状态以及动车组担当的运行线序列。
可选地,所述获取动车组的基本信息和交路段的基本信息,构建 动车组担当交路段的接续成本计算公式,包括:
获取动车组车型、编组信息以及动车组交路段可用车型、编组集 合;
构建动车组担当交路段时的车型、编组影响公式:
mi∈Mj且bi∈Bj (1)
公式(1)中:I表示当日所有可用动车组集合, i为动车组索引,i∈I;J表示当日所有交路段集合,任一交路段需要 有动车组去担当,j为交路段索引,j∈J;mi表示动车组i的车型;Mj表示交路段j的可用车型集合;bi表示动车组i的编组;Bj表示交路段 j的可用编组集合;
获取当日动车组中所有动车的初始累计运行里程、当日动车组中 所有动车的初始累计运行时间、当日动车组交路段运行里程、运行时 间时间、规定的动车组检修里程周期标准和规定的动车组检修时间周 期标准;
构建动车组担当交路段后的累计运行里程、时间计算公式:
Lij=Li+Lj (2)
Tij=Ti+Tj (3)
Lij表示动车组i担当交路段j后的累计运行里程;Li表示动车组i 的初始累计运行里程;Lj表示交路段j的运行里程;Tij表示动车组i担 当交路段j后的累计运行时间;Ti表示动车组i的初始累计运行时间; Tj表示交路段j的运行时间;
构建动车组担当交路段时的检修影响公式:
Lij≤Lmc且Tij≤Tmc (4)
获取动车组初始所在站点、动车组初始所在站点的到达时间、交 路段始发站点、到达始发站点的时间、站点检修能力信息、站点间调 车时间、动车组担当交路段的最小时间间隔和动车组检修作业时间;
构建不同情况下动车组担当交路段时的必要作业时间计算公式:
公式(5)中:表示动车组i担当交路段j的必要作业时间, Tcn表示动作组担当交路段的最小时间间隔;Tm表示动车组检 修作业时间;表示动车组i初始所在站点;表示交路段j始发站 点,Sm表示具有检修能力的站点集合;表示在站点与之间的 调车时间,同理;
构建动车组担当交路段时的必要作业时间影响公式:
获取检修里程和时间在检修成本中的权重参数和站点间调车成 本;
构建动车组检修成本计算公式:
Cm=α1(Lmc-Li)+α2(Tmc-Ti) (7)
公式(7)中:α1和α2分别表示检修里程和检修时间在计算检修 成本中的权重参数;
构建动车组担当交路段的接续成本计算公式:
可选地,所述以动车组接续交路段总成本最少为目标,建立动车 组运用优化模型,包括:
构建动车组担当交路段的最低接续成本计算公式:
公式(9)中,minZ表示动车组担当交路段的最低接续成本;Xij表 示动车组i是否担当交路段j,Xij=1表示动车组i担当交路段j,Xij=0表 示不担当;Cij表示动车组i担当交路段j时的接续成本;
构建动车组担当交路段唯一的约束条件公式:
构建变量约束条件公式:
Xij={0,1} (12)
可选地,所述通过动车组运用优化模型,采用匈牙利算法计算出 每天的动车组运用方案,包括:
基于动车组数量、动车组状态状态和当日交路段基本信息,计算 动车组担当交路段的必要作业时间;
根据必要作业时间矩阵和检修成本,计算动车组担当交路段的费 用矩阵;
根据动车组担当交路段的成本矩阵,采用匈牙利算法求解以获取 最优的动车组运用方案。
可选地,所述根据动车组的基本信息和当天列车运行线的基本信 息,构建动车组运用接续网络,包括:
获取当日可用动车组的数量和编号,以及运行图中列车运行线的 数量和编号;
构建动车组运用接续网络中点类型判断公式:
公式(13)中:V表示当日任务点集合,i为任务点索引; 为点类型判断变量,取值为0或1;表示vi为动 车组初始状态点,vi∈Vb,表示为其他类型点;表示vi为动 车组结束状态点,vi∈Vo,表示为其他类型点;表示vi为检 修任务点,vi∈Vm,表示为其他类型点;表示vi为列车任务 点,vi∈Vr,表示为其他类型点;
获取各类型点的对应参数,所述参数包括,任务对应过程的起始 站点、起始时刻、终到站点、终到时刻、动车组走行里程和动车组运 用时间;
构建动车组运用接续网络中有效弧判断公式:
构建弧费用值计算公式:
获取各点对应走行里程、各点对应时间参数、弧里程和弧时间参 数;
构建有效弧起点时刻累计走行里程和终点时刻累计走行里程计 算公式;
公式(16)和公式(17)中:xij表示动车组是否选 择弧(i,j),xij=1表示动车组选择弧(i,j),动车组担当完点vi对应的任 务后继续担当点vj对应的任务,xij=0表示不选择,xki=1同理;表 示弧(i,j)起点时刻累计走行里程,表示弧(i,j)终点时刻累计走行里 程,同理;表示初始状态点vi对应动车组的累计走行里程;zi表示是否在vi点安排动车组检修,zi=1表示进行检修,zi=0表示不进行 检修;
构建有效弧起点时刻累计走行时间和终点时刻累计走行时间计 算公式;
可选地,所述获取实际客流需求,分别以动车组运用数量最少、 接续成本最少和动车组利用效率最高为目标,建立列车运行图选线与 动车组运用协同优化模型,包括:
构建动车组参与运用的数量最少计算公式:
构建动车组运用的总接续费用最少计算公式:
构建动车组的利用效率最高计算公式:
构建动车组运用过程累计运行里程和累计运行时间不得超过规 定的检修周期标准的约束条件公式:
构建列车运行线状态唯一性的约束条件公式:
构建动车组运用接续网络流平衡的约束条件公式:
构建动车组运用总量平衡的约束条件公式:
获取各时段各区间客流需求参数;
构建列车运行图选线与动车组运用协同优化过程满足客流需求 的约束条件公式:
构建变量约束条件公式:
xij={0,1} (32)
yi,yj={0,1} (33)
zi,zj={0,1} (34)
可选地,所述通过设计遗传算法求解模型,得出每条运行线状态 以及动车组担当的运行线序列,包括:进行动车组运用方案编码,构 造染色体;结合接续网络特点,产生初始种群;动车组运用过程动态 参数计算,所述参数包括,运用过程中动车组累计运行里程、累计运 行时间和动车组担当运行线的成本;客流惩罚函数值计算;计算染色 体适应度值;遗传操作,根据动车组运用相关约束设计改进交叉算子 和变异算子;终止条件判断,输出结果,得到列车运行图选线与动车 组运用的协同优化方案。
一种动车组运行优化系统,所述系统包括第一计算模块、第二计 算模块、第三计算模块、第四计算模块、第五计算模块和第六计算模 块;所述第一计算模块用于获取动车组的基本信息和交路段的基本信 息,构建动车组担当交路段的接续成本计算公式;所述第二计算模块 用于以动车组接续交路段总成本最少为目标,建立动车组运用优化模 型;所述第三计算模块用于通过动车组运用优化模型,采用匈牙利算 法计算出每天的动车组运用方案;所述第四计算模块用于根据动车组 的基本信息和当天列车运行线的基本信息,构建动车组运用接续网 络;所述第五计算模块用于获取实际客流需求,分别以动车组运用数量最少、接续成本最少和动车组利用效率最高为目标,建立列车运行 图选线与动车组运用协同优化模型;所述第六计算模块用于通过设计 遗传算法求解模型,得出每条运行线状态以及动车组担当的运行线序 列。
一种动车组运行优化设备,所述设备包括存储器和处理器,所述 存储器用于存储计算机程序;所述处理器用于执行所述计算机程序时 实现上述动车组运行优化方法的步骤。
一种可读存储介质,所述可读存储介质上存储有计算机程序,所 述计算机程序被处理器执行时实现上述动车组运行优化方法的步骤。
本发明的有益效果为:
本发明通过分析动车组与交路段之间接续成本,建立基于每日一 图的动车组运用模型,并且进一步考虑时段客流波动,构建列车运行 图选线与动车组运用协同优化模型,通过对模型求解,得到的动车组 运用优化方案,能够为每日一图的有效实施提供可靠保障。建模过程 方便简单、建模标准统一,方法计算效率高,方法真实可靠,方法考 虑因素全面,具有很好的操作性、通用性和可重用性。
本发明在方法的设计上,依据模型的特点,对关键变量进行分步 求解,并对关键步骤进行改进,能够很好的避免不可行解集产生,提 高搜索效率。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地 从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明 的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中 所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中 所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发 明的某些实施例,因此不应被看作是对范围的限定,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 获得其他相关的附图。
图1是本发明实施例中所述的一种动车组运用优化方法流程示 意图;
图2是本发明实施例中所述的一种动车组运用优化系统结构示 意图;
图3是本发明实施例中所述的一种动车组运用优化设备结构示 意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结 合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、 完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是 全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件 可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的 本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围, 而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域 普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施 例,都属于本发明保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此, 一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行 进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第 二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种动车组运行优化方法,该方法 包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5和步骤S6。该方 法特别应用于每日一图条件下,所述每日一图,为每天根据客流情况 实施不同的运行图。
步骤S1.获取动车组的基本信息和交路段的基本信息,构建动车 组担当交路段的接续成本计算公式;所述动车组的基本信息包括:动 车组车型、编组、累计运行里程、累计运行时间、初始所在站点和到 达初始所在站点的时间;所述交路段的基本信息包括:交路段可用车 型、编组集合、累计运行里程、交路段中包含的列车运行线的总运行 时间、起始站点和到达起始站点的时间;所述交路段,为每日运行图 中部分列车运行线有序连接的集合;所述动车组担当交路段,为动车 组依次执行交路段中包含的运行线任务;所述接续成本,为前一日进 行库停或运行到站的动车组继续执行当日交路段任务所需的成本。
步骤S2.以动车组接续交路段总成本最少为目标,建立动车组运 用优化模型;所述动车组接续交路段,为前一日进行库停或运行到站 的动车组继续执行当日交路段任务。
步骤S3.通过动车组运用优化模型,采用匈牙利算法计算出每天 的动车组运用方案;所述动车组运用方案包括各动车组运用状态及担 当的交路段序号。
步骤S4.根据动车组的基本信息和当天列车运行线的基本信息, 构建动车组运用接续网络;所述列车运行线基本信息包括其对应的运 行里程、运行时间、起始站点、终到站点、到达起始站点时间和到达 终到站点时间。
步骤S5.获取实际客流需求,分别以动车组运用数量最少、接续 成本最少和动车组利用效率最高为目标,建立列车运行图选线与动车 组运用协同优化模型;所述实际客流需求,为通过客票销售总量除以 列车客座数获取客流所需列车对数。
步骤S6.通过设计遗传算法求解模型,得出每条运行线状态以及 动车组担当的运行线序列。
可选地,所述步骤S1中,包括步骤S11、步骤S12、步骤S13、 步骤S14、步骤S15、步骤S16、步骤S17、步骤S18、步骤S19、步 骤S110和步骤S111。
步骤S11.获取动车组车型、编组信息以及动车组交路段可用车 型、编组集合;
步骤S12.构建动车组担当交路段时的车型、编组影响公式:
mi∈Mj且bi∈Bj (1)
公式(1)中:I表示当日所有可用动车组集合, i为动车组索引,i∈I;J表示当日所有交路段集合,任一交路段需要 有动车组去担当,j为交路段索引,j∈J;mi表示动车组i的车型;Mj表示交路段j的可用车型集合;bi表示动车组i的编组;Bj表示交路段 j的可用编组集合;
步骤S13.获取当日动车组中所有动车的初始累计运行里程、当 日动车组中所有动车的初始累计运行时间、当日动车组交路段运行里 程、运行时间时间、规定的动车组检修里程周期标准和规定的动车组 检修时间周期标准;所述动车组检修里程周期标准,为动车组运用维 修规程规定的动车组最大累计运行里程;所述动车组检修时间周期标 准,为动车组运用维修规程规定的动车组最大累计运行时间;
步骤S14.构建动车组担当交路段后的累计运行里程、时间计算 公式:
Lij=Li+Lj (2)
Tij=Ti+Tj (3)
Lij表示动车组i担当交路段j后的累计运行里程;Li表示动车组i 的初始累计运行里程;Lj表示交路段j的运行里程;Tij表示动车组i担 当交路段j后的累计运行时间;Ti表示动车组i的初始累计运行时间; Tj表示交路段j的运行时间;
步骤S15.构建动车组担当交路段时的检修影响公式:
Lij≤Lmc且Tij≤Tmc (4)
步骤S16.获取动车组初始所在站点、动车组初始所在站点的到 达时间、交路段始发站点、到达始发站点的时间、站点检修能力信息、 站点间调车时间、动车组担当交路段的最小时间间隔和动车组检修作 业时间;
步骤S17.构建不同情况下动车组担当交路段时的必要作业时间 计算公式:
公式(5)中:表示动车组i担当交路段j的必要作业时间, Tcn表示动作组担当交路段的最小时间间隔;Tm表示动车组检 修作业时间;表示动车组i初始所在站点;表示交路段j始发站 点,Sm表示具有检修能力的站点集合;表示在站点与之间的 调车时间,同理;
步骤S18.构建动车组担当交路段时的必要作业时间影响公式:
步骤S19.获取检修里程和时间在检修成本中的权重参数和站点 间调车成本;
步骤S110.构建动车组检修成本计算公式:
Cm=α1(Lmc-Li)+α2(Tmc-Ti) (7)
公式(7)中:α1和α2分别表示检修里程和检修时间在计算检修 成本中的权重参数;
步骤S111.构建动车组担当交路段的接续成本计算公式:
可选地,所述步骤S2中,包括步骤S21、步骤S22和步骤S23。
步骤S21.构建动车组担当交路段的最低接续成本计算公式:
公式(9)中,minZ表示动车组担当交路段的最低接续成本;Xij表 示动车组i是否担当交路段j,Xij=1表示动车组i担当交路段j,Xij=0表 示不担当;Cij表示动车组i担当交路段j时的接续成本;
步骤S22.构建动车组担当交路段唯一的约束条件公式:
步骤S23.构建变量约束条件公式:
Xij={0,1} (12)
可选地,所述步骤S3中,包括步骤S31、步骤S32和步骤S33。
步骤S31.基于动车组数量、动车组状态状态和当日交路段基本 信息,计算动车组担当交路段的必要作业时间;
可选地,所述步骤S301中,包括步骤S311、步骤S312、步骤 S313、步骤S314、步骤S315、步骤S316、步骤S317、步骤S318、 步骤S319和步骤S3110。
步骤S311.获取动车组参数矩阵CE=[ceij]m×6、交路段参数矩阵 CU=[cuij]n×6、检修站集合Sm、检修时长参数Tm、检修里程标准Lmc、时 间周期标准Tmc、站间调车时间矩阵和接续作业最小间隔时间 Tcn;所述动车组参数矩阵根据动车组相关运用管理计划获取;所述 交路段参数矩阵通过列车运行图及时刻表获取;
步骤S312.判断动车组数量m与交路段数量的关系n,若m=n, 令z=m=n,进入步骤S314,若m≠n,令z=max{m,n},进入步骤S313;
步骤S313.若m<n,增加z-m个虚拟动车组,构造新的动车组参 数矩阵CE=[ceij]z×6,若m>n,增加z-n个虚拟交路段,构造新的交路段 参数矩阵CU=[ceij]z×6,进入步骤S314;
步骤S314.令i=1,j=1,判断是否满足 CE(i,3)+CU(j,3)≤Lmc∧CE(i,4)+CU(j,4)≤Tmc,若满足,进入步骤S315,若不满 足,进入步骤S316;
步骤S319.令j=j+1,重复步骤S312至步骤S318,直j>z;
步骤S32.根据必要作业时间矩阵和检修成本,计算动车组担当 交路段的费用矩阵;
可选地,所述步骤S302中,包括步骤S321、步骤S322、步骤 S323、步骤S324、步骤S325、步骤S326、步骤S327、步骤S328和 步骤S329。
步骤S322.令i=1,j=1,判断是否满足 CE(i,1)∈CU(j,1)∧CE(i,2)∈CU(j,2)∧CU(j,6)-CE(i,6)>Tn(i,j)若满足,进入步骤 S323,若不满足,cij=M进入S328
步骤S323.判断是否满足 CE(i,3)+CU(j,3)≤Lmc∧CE(i,4)+CU(j,4)≤Tmc,若满足,进入步骤S324, 若不满足,进入步骤S325;
步骤S324.判断是否满足CE(i,5)=CU(j,5),若满足,cij=0进入步 骤S328,若不满足,cij=CT(CE(i,5),CU(j,5))进入步骤S328;
步骤S328.令j=j+1,重复步骤S322至步骤S328,直j>z;
步骤S329.令i=i+1,重复步骤S322至步骤S329,直i>z。
步骤S33.根据动车组担当交路段的成本矩阵,采用匈牙利算法 求解以获取最优的动车组运用方案。
可选地,所述步骤S303中,包括步骤S331、步骤S332、步骤 S333、步骤S334、步骤S335、步骤S336、步骤S337、步骤S338和 步骤S339。
步骤S331.找出每行元素最小值,i=1,di=min(C(i,j)),令 C(i,j)=C(i,j)-di,i=i+1,重复该步骤至i>z;
步骤S332.找出每列元素最小值,j=1,uj=min(C(i,j)),令 C(i,j)=C(i,j)-uj,j=j+1,重复该步骤至j>z,n*=0;
步骤S333.统计各行各列0元素的个数,在0元素最少的行或列 中选择一个0元素并做上标记“*”,n*=n*+1,同时划去该0元素所在 行或列的其他0元素;
步骤S334.判断是否存在未做标记的0元素,若存在,重复步骤 S333,若不存在,进入步骤S335;
步骤S335.判断是否满足n*=z,若满足,进入S339,若不满足, 进入步骤S336;
步骤S336.将没有0*的行做上标记“Δ”;
步骤S337.将标记上“Δ”行中的0元素所在的列做上标记“Δ”,将 标记上“Δ”列中的0*元素所在的行做上标记“Δ”,重复步骤S337至无 法对行或列进行标记;
步骤S339.输出结果,令0*所在位置对应值为1,其余位置为0, 得到最优解。
可选地,所述步骤S4中,包括步骤S41、步骤S42、步骤S43、 步骤S44、步骤S45、步骤S46、步骤S47和步骤S48。
步骤S41.获取当日可用动车组的数量和编号,以及运行图中列 车运行线的数量和编号;
步骤S42.构建动车组运用接续网络中点类型判断公式:
公式(13)中:V表示当日任务点集合,i为任务点索引; 为点类型判断变量,取值为0或1;表示vi为动 车组初始状态点,vi∈Vb,表示为其他类型点;表示vi为动 车组结束状态点,vi∈Vo,表示为其他类型点;表示vi为检 修任务点,vi∈Vm,表示为其他类型点;表示vi为列车任务 点,vi∈Vr,表示为其他类型点;
步骤S43.获取各类型点的对应参数,所述参数包括,任务对应 过程的起始站点、起始时刻、终到站点、终到时刻、动车组走行里程 和动车组运用时间;所述类型点,为前文提到的四种类型的点,包括 动车组初始状态点、动车组结束状态点、检修任务点和列车任务点;
步骤S44.构建动车组运用接续网络中有效弧判断公式:
公式(14)中:ξij表示点vi与vj之间弧有效性参数,ξij=1 表示vi与vj之间存在有效弧,ξij=0表示不存在;分别表示 点vi对应过程的起始站点、起始时刻、终到站点、终到时刻,vj同理; 所述有效弧,为任务点之间满足基本连接时间条件存在可行的连接关 系;
步骤S45.构建弧费用值计算公式:
步骤S46.获取各点对应走行里程、各点对应时间参数、弧里程 和弧时间参数;
步骤S47.构建有效弧起点时刻累计走行里程和终点时刻累计走 行里程计算公式;
公式(16)和公式(17)中:xij表示动车组是否选 择弧(i,j),xij=1表示动车组选择弧(i,j),动车组担当完点vi对应的任 务后继续担当点vj对应的任务,xij=0表示不选择,xki=1同理;表 示弧(i,j)起点时刻累计走行里程,表示弧(i,j)终点时刻累计走行里 程,同理;表示初始状态点vi对应动车组的累计走行里程;zi表示是否在vi点安排动车组检修,zi=1表示进行检修,zi=0表示不进行 检修;
步骤S48.构建有效弧起点时刻累计走行时间和终点时刻累计走 行时间计算公式;
可选地,所述步骤S5中,包括步骤S51、步骤S52、步骤S53、 步骤S54、步骤S55、步骤S56、步骤S57、步骤S58、步骤S59和步 骤S510。
步骤S51.构建动车组参与运用的数量最少计算公式:
步骤S52.构建动车组运用的总接续费用最少计算公式:
步骤S53.构建动车组的利用效率最高计算公式:
步骤S54.构建动车组运用过程累计运行里程和累计运行时间不 得超过规定的检修周期标准的约束条件公式:
步骤S55.构建列车运行线状态唯一性的约束条件公式:
步骤S56.构建动车组运用接续网络流平衡的约束条件公式:
步骤S57.构建动车组运用总量平衡的约束条件公式:
步骤S58.获取各时段各区间客流需求参数;
步骤S59.构建列车运行图选线与动车组运用协同优化过程满足 客流需求的约束条件公式:
步骤S510.构建变量约束条件公式:
xij={0,1} (32)
yi,yj={0,1} (33)
zi,zj={0,1} (34)
可选地,所述步骤S6中,包括步骤S61、步骤S62、步骤S63、 步骤S64、步骤S65、步骤S66和步骤S67。
步骤S61.进行动车组运用方案编码,构造染色体;
可选地,所述步骤S61中,包括步骤S611和步骤S612。
步骤S612.定义矩阵R=[rij]n×m,基因位rij取值0或1,表示动车组 是否担当运行线,rij=1表示担当,rij=0表示不担当。
步骤S62.结合接续网络特点,产生初始种群;
可选地,所述步骤S62中,包括步骤S621、步骤S622、步骤S623、 步骤S624和步骤S625。
步骤S63.动车组运用过程动态参数计算,所述参数包括,运用 过程中动车组累计运行里程、累计运行时间和动车组担当运行线的成 本;
可选地,所述步骤S63中,包括步骤S631、步骤S632、步骤S633、 步骤S634、步骤S635、步骤S636、步骤S637和步骤S638。
步骤S631.获取运行线参数矩阵CL=[clij]m×6、动车组初始状态参数 矩阵CE=[ceij]n×3,线间安排检修的时间矩阵CM=[cmij]m×m,站间调车距离、 时间矩阵L=[lij]ns×nsT=[tij]ns×ns以及检修里程、时间标准参数Lmc和Tmc和 接续作业最小间隔时间Tcn;
步骤S632.将所有rij=1的下标所对应的运行线序号赋值给 Ji=[j]1×numri,令j=1;
步骤S638.令j=j+1,重复步骤S635至步骤S637,至j>numri。
步骤S64.客流惩罚函数值计算;
可选地,所述步骤S64中,包括步骤S641、步骤S642、步骤S643、 步骤S644、步骤S645、步骤S646和步骤S647。
步骤S641.获取时段矩阵tim=[tij]nt×2、区间矩阵ods=[odij]nod×2以及客 流需求参数矩阵β=[βij]nt×nod,t=1,od=1,gr=0;
步骤S642.令j=1,n(t,od)=0,判断是否满足(CL(j,3)=ods(od,1))∧(CL(j,4)=ods(od,2)), 若满足,进入步骤S643,若不满足,进入步骤S645;
步骤S643.判断是否满足tim(t,1)≤CL(j,5)<tim(t,2),若满足,进入步骤S644,若不满足,进入步骤S645;
步骤S645.令j=j+1,重复步骤S642至步骤S644,直至j>m, g(t,od)=max[0,(β(t,od)-n(t,od))]gr=gr+g(t,od);
步骤S646.令od=od+1,重复步骤S642至步骤S645,直至od>nod;
步骤S647.令t=t+1,重复步骤S642至步骤S646,直至t>nt, p(R)=(h×dai)^q*gr;
步骤S65.计算染色体适应度值;
可选地,所述步骤S65中,包括步骤S651、步骤S652、步骤S653、 步骤S654、步骤S655。
步骤S651.获取各目标函数的权重系数a、b、c;
步骤S654.判断是否满足j>numri,若不满足,重复步骤S653, 若满足,进入步骤S655;
步骤S655.cr=cr+cri,efr=efr+efri,令i=i+1,判断是否满足i>n, 若不满足,重复步骤S652至步骤S654,若满足,o(R)=a*yi+b*cr+c*efr, e(R)=1/o(R)+p(R)。
步骤S66.遗传操作,根据动车组运用相关约束设计改进交叉算 子和变异算子;
可选地,所述步骤S66中,包括步骤S661、步骤S662、步骤S663、 步骤S664、步骤S665、步骤S666、步骤S667。
步骤S662.判断randomr<Pci,若满足,添加Ri至父代染色体对 parent,判断是否满足size(parent)=2,若满足进入步骤S663,若不满 足,令i=i+1,重步骤S661和步骤S662;
步骤S663.令i=1,随机选择车次j=randJ作为动车组i的访问起 点,子代染色体Onew对应基因位Oij=1;
步骤S664.若j≤n,分别找出parent(1),parent(2)中车次j的下一相 邻车次j'1,j'2,产生一个随机数randj∈[0,1),若randj<0.5则j=j'1,否则 j=j'2,并且取Oij=1;
步骤S665.重复步骤S664至j>n,在J={j|j=1,2,…,n}中删除Oij=1 对应的车次j,更新车次集合J;
步骤S666.令i=i+1,若i≤m,重复步骤S663至步骤S666,否则 终止nNew=nNew+1。
步骤S667判断randomr<Pci,若满足,在[1,m]随机选两个数x和y, 逆序排列Ri中x行和y行之间的行得到Oi,nNew=nNew+1,若不满足, 重复步骤S663至步骤S666至nNew=popsize。
S67.终止条件判断,dai=dai+1,判断是否满足dai>maxdai,若不 满足,重复S61至S67,若满足,输出结果,得到列车运行图选线与 动车组运用的协同优化方案。
实施例2
相应于上面的方法实施例,本公开实施例还提供了一种动车组运 行优化装置,下文描述的动车组运行优化装置与上文描述的动车组运 行优化方法可相互对应参照。
如图2所示,该装置包括如下模块:
第一计算模块701,用于获取动车组的基本信息和交路段的基本 信息,构建动车组担当交路段的接续成本计算公式;
第二计算模块702,用于以动车组接续交路段总成本最少为目 标,建立动车组运用优化模型;
第三计算模块703,用于通过动车组运用优化模型,采用匈牙利 算法计算出每天的动车组运用方案;
第四计算模块704,用于根据动车组的基本信息和当天列车运行 线的基本信息,构建动车组运用接续网络;
第五计算模块705,用于获取实际客流需求,分别以动车组运用 数量最少、接续成本最少和动车组利用效率最高为目标,建立列车运 行图选线与动车组运用协同优化模型;
第六计算模块706,用于通过设计遗传算法求解模型,得出每条 运行线状态以及动车组担当的运行线序列。
在本公开的一种具体实施方式中,第一计算模块701具体用于执 行方法实施例中的步骤S11、步骤S12、步骤S13、步骤S14、步骤 S15、步骤S16、步骤S17、步骤S18、步骤S19、步骤S110和步骤 S111。
在本公开的一种具体实施方式中,第二计算模块702具体用于执 行方法实施例中的步骤S21、步骤S22和步骤S23。
在本公开的一种具体实施方式中,第三计算模块703具体用于执 行方法实施例中的步骤S31、步骤S32和步骤S33。
在本公开的一种具体实施方式中,第四计算模块704具体用于执 行方法实施例中的步骤S41、步骤S42、步骤S43、步骤S44、步骤 S45、步骤S46、步骤S47和步骤S48。
在本公开的一种具体实施方式中,第五计算模块705具体用于执 行方法实施例中的步骤S51、步骤S52、步骤S53、步骤S54、步骤 S55、步骤S56、步骤S57、步骤S58、步骤S59和步骤S510。
在本公开的一种具体实施方式中,第六计算模块706具体用于执 行方法实施例中的步骤S61、步骤S62、步骤S63、步骤S64、步骤 S65、步骤S66和步骤S67。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操 作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将 不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种动车组运 行优化设备,下文描述的一种动车组运行优化设备与上文描述的一种 动车组运行优化方法可相互对应参照。
图3是根据一示例性实施例示出的一种动车组运行优化设备800 的框图。如图3所示,该动车组运行优化设备800可以包括:处理器 801,存储器802。该动车组运行优化设备800还可以包括多媒体组 件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该动车组运行优化设备800的整体操 作,以完成上述的动车组运行优化方法中的全部或部分步骤。存储器 402用于存储各种类型的数据以支持在该动车组运行优化设备800的 操作,这些数据例如可以包括用于在该动车组运行优化设备800上操 作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联 系人数据、收发的消息、图片、音频、视频等等。该存储器802可以 由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如 静态随机存取存储器(Static Random Access Memory,简称SRAM), 电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器 (Erasable Programmable Read-Only Memory,简称EPROM),可编程 只读存储器(Programmable Read-Only Memory,简称PROM),只读存 储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘 或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可 以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组 件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音 频信号可以被进一步存储在存储器802或通过通信组件805发送。音 频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为 处理器801和其他接口模块之间提供接口,上述其他接口模块可以是 键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信 组件805用于该动车组运行优化设备800与其他设备之间进行有线或 无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或 几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝 牙模块,NFC模块。
在一示例性实施例中,动车组运行优化设备800可以被一个或多 个应用专用集成电路(Application Specific Integrated Circuit, 简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、 数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、 可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可 编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、 微控制器、微处理器或其他电子元件实现,用于执行上述的动车组运 行优化方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可 读存储介质,该程序指令被处理器执行时实现上述的动车组运行优化 方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令 的存储器802,上述程序指令可由动车组运行优化设备800的处理器 801执行以完成上述的动车组运行优化方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储 介质,下文描述的一种可读存储介质与上文描述的一种动车组运行优 化方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机 程序被处理器执行时实现上述方法实施例的动车组运行优化方法的 步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器 (Read-Only Memory,ROM)、随机存取存储器(Random Access Memory, RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明, 对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本 发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应 包含在本发明的保护范围之内。
Claims (10)
1.一种动车组运行优化方法,其特征在于,包括:
获取动车组的基本信息和交路段的基本信息,构建动车组担当交路段的接续成本计算公式;
以动车组接续交路段总成本最少为目标,建立动车组运用优化模型;
通过动车组运用优化模型,采用匈牙利算法计算出每天的动车组运用方案;
根据动车组的基本信息和当天列车运行线的基本信息,构建动车组运用接续网络;
获取实际客流需求,分别以动车组运用数量最少、接续成本最少和动车组利用效率最高为目标,建立列车运行图选线与动车组运用协同优化模型;
通过设计遗传算法求解模型,得出每条运行线状态以及动车组担当的运行线序列。
2.根据权利要求1所述的动车组运行优化方法,其特征在于,所述获取动车组的基本信息和交路段的基本信息,构建动车组担当交路段的接续成本计算公式,包括:
获取动车组车型、编组信息以及动车组交路段可用车型、编组集合;
构建动车组担当交路段时的车型、编组影响公式:
mi∈Mj且bi∈Bj (1)
公式(1)中:I表示当日所有可用动车组集合,i为动车组索引,i∈I;J表示当日所有交路段集合,任一交路段需要有动车组去担当,j为交路段索引,j∈J;mi表示动车组i的车型;Mj表示交路段j的可用车型集合;bi表示动车组i的编组;Bj表示交路段j的可用编组集合;
获取当日动车组中所有动车的初始累计运行里程、当日动车组中所有动车的初始累计运行时间、当日动车组交路段运行里程、运行时间时间、规定的动车组检修里程周期标准和规定的动车组检修时间周期标准;
构建动车组担当交路段后的累计运行里程、时间计算公式:
Lij=Li+Lj (2)
Tij=Ti+Tj (3)
Lij表示动车组i担当交路段j后的累计运行里程;Li表示动车组i的初始累计运行里程;Lj表示交路段j的运行里程;Tij表示动车组i担当交路段j后的累计运行时间;Ti表示动车组i的初始累计运行时间;Tj表示交路段j的运行时间;
构建动车组担当交路段时的检修影响公式:
Lij≤Lmc且Tij≤Tmc (4)
获取动车组初始所在站点、动车组初始所在站点的到达时间、交路段始发站点、到达始发站点的时间、站点检修能力信息、站点间调车时间、动车组担当交路段的最小时间间隔和动车组检修作业时间;
构建不同情况下动车组担当交路段时的必要作业时间计算公式:
公式(5)中:表示动车组i担当交路段j的必要作业时间, Tcn表示动作组担当交路段的最小时间间隔;Tm表示动车组检修作业时间;表示动车组i初始所在站点;表示交路段j始发站点,Sm表示具有检修能力的站点集合;表示在站点与之间的调车时间,同理;
构建动车组担当交路段时的必要作业时间影响公式:
获取检修里程和时间在检修成本中的权重参数和站点间调车成本;
构建动车组检修成本计算公式:
Cm=α1(Lmc-Li)+α2(Tmc-Ti) (7)
公式(7)中:α1和α2分别表示检修里程和检修时间在计算检修成本中的权重参数;
构建动车组担当交路段的接续成本计算公式:
4.根据权利要求1所述的动车组运行优化方法,其特征在于,所述通过动车组运用优化模型,采用匈牙利算法计算出每天的动车组运用方案,包括:
基于动车组数量、动车组状态状态和当日交路段基本信息,计算动车组担当交路段的必要作业时间;
根据必要作业时间矩阵和检修成本,计算动车组担当交路段的费用矩阵;
根据动车组担当交路段的成本矩阵,采用匈牙利算法求解以获取最优的动车组运用方案。
5.根据权利要求1所述的动车组运行优化方法,其特征在于,所述根据动车组的基本信息和当天列车运行线的基本信息,构建动车组运用接续网络,包括:
获取当日可用动车组的数量和编号,以及运行图中列车运行线的数量和编号;
构建动车组运用接续网络中点类型判断公式:
公式(13)中:V表示当日任务点集合,i为任务点索引;为点类型判断变量,取值为0或1;表示vi为动车组初始状态点,vi∈Vb,表示为其他类型点;表示vi为动车组结束状态点,vi∈Vo,表示为其他类型点;表示vi为检修任务点,vi∈Vm,表示为其他类型点;表示vi为列车任务点,vi∈Vr,表示为其他类型点;
获取各类型点的对应参数,所述参数包括,任务对应过程的起始站点、起始时刻、终到站点、终到时刻、动车组走行里程和动车组运用时间;
构建动车组运用接续网络中有效弧判断公式:
公式(14)中:vj∈V,ξij表示点vi与vj之间弧有效性参数,ξij=1表示vi与vj之间存在有效弧,ξij=0表示不存在;分别表示点vi对应过程的起始站点、起始时刻、终到站点、终到时刻,vj同理;
构建弧费用值计算公式:
获取各点对应走行里程、各点对应时间参数、弧里程和弧时间参数;
构建有效弧起点时刻累计走行里程和终点时刻累计走行里程计算公式;
公式(16)和公式(17)中:vj,vk∈V,xij表示动车组是否选择弧(i,j),xij=1表示动车组选择弧(i,j),动车组担当完点vi对应的任务后继续担当点vj对应的任务,xij=0表示不选择,xki=1同理;表示弧(i,j)起点时刻累计走行里程,表示弧(i,j)终点时刻累计走行里程,同理;表示初始状态点vi对应动车组的累计走行里程;zi表示是否在vi点安排动车组检修,zi=1表示进行检修,zi=0表示不进行检修;
构建有效弧起点时刻累计走行时间和终点时刻累计走行时间计算公式;
6.根据权利要求1所述的动车组运行优化方法,其特征在于,所述获取实际客流需求,分别以动车组运用数量最少、接续成本最少和动车组利用效率最高为目标,建立列车运行图选线与动车组运用协同优化模型,包括:
构建动车组参与运用的数量最少计算公式:
构建动车组运用的总接续费用最少计算公式:
构建动车组的利用效率最高计算公式:
构建动车组运用过程累计运行里程和累计运行时间不得超过规定的检修周期标准的约束条件公式:
构建列车运行线状态唯一性的约束条件公式:
构建动车组运用接续网络流平衡的约束条件公式:
构建动车组运用总量平衡的约束条件公式:
获取各时段各区间客流需求参数;
构建列车运行图选线与动车组运用协同优化过程满足客流需求的约束条件公式:
构建变量约束条件公式:
xij={0,1} (32)
yi,yj={0,1} (33)
zi,zj={0,1} (34)
7.根据权利要求1所述的动车组运行优化方法,其特征在于,所述通过设计遗传算法求解模型,得出每条运行线状态以及动车组担当的运行线序列,包括:
进行动车组运用方案编码,构造染色体;
结合接续网络特点,产生初始种群;
动车组运用过程动态参数计算,所述参数包括,运用过程中动车组累计运行里程、累计运行时间和动车组担当运行线的成本;
客流惩罚函数值计算;
计算染色体适应度值;
遗传操作,根据动车组运用相关约束设计改进交叉算子和变异算子;
终止条件判断,输出结果,得到列车运行图选线与动车组运用的协同优化方案。
8.一种动车组运行优化系统,其特征在于,包括:
第一计算模块,用于获取动车组的基本信息和交路段的基本信息,构建动车组担当交路段的接续成本计算公式;
第二计算模块,用于以动车组接续交路段总成本最少为目标,建立动车组运用优化模型;
第三计算模块,用于通过动车组运用优化模型,采用匈牙利算法计算出每天的动车组运用方案;
第四计算模块,用于根据动车组的基本信息和当天列车运行线的基本信息,构建动车组运用接续网络;
第五计算模块,用于获取实际客流需求,分别以动车组运用数量最少、接续成本最少和动车组利用效率最高为目标,建立列车运行图选线与动车组运用协同优化模型;
第六计算模块,用于通过设计遗传算法求解模型,得出每条运行线状态以及动车组担当的运行线序列。
9.一种动车组运行优化设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述动车组运行优化方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述动车组运行优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010873612.7A CN112528550B (zh) | 2020-08-26 | 2020-08-26 | 一种动车组运行优化方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010873612.7A CN112528550B (zh) | 2020-08-26 | 2020-08-26 | 一种动车组运行优化方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528550A true CN112528550A (zh) | 2021-03-19 |
CN112528550B CN112528550B (zh) | 2023-04-07 |
Family
ID=74978761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010873612.7A Active CN112528550B (zh) | 2020-08-26 | 2020-08-26 | 一种动车组运行优化方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528550B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114537479A (zh) * | 2022-01-07 | 2022-05-27 | 北京交通大学 | 考虑列车开行方案周内波动的动车组运用计划编制方法 |
CN114750805A (zh) * | 2022-06-16 | 2022-07-15 | 天津七一二移动通信有限公司 | 一种用于无线平面调车系统的nfc高精度定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146068A (zh) * | 2017-04-21 | 2017-09-08 | 南京理工大学 | 一种基于均衡运用的列车运营日计划编配方法 |
CN107871179A (zh) * | 2017-09-26 | 2018-04-03 | 西南交通大学 | 一种基于运到时限的铁路货物列车运行图编制方法 |
CN109278811A (zh) * | 2018-09-27 | 2019-01-29 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路客运站运输组织的综合自动化实现系统及方法 |
CN110298507A (zh) * | 2019-06-27 | 2019-10-01 | 北京交通大学 | 高速铁路列车运行图与动车组运用一体化优化方法 |
-
2020
- 2020-08-26 CN CN202010873612.7A patent/CN112528550B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107146068A (zh) * | 2017-04-21 | 2017-09-08 | 南京理工大学 | 一种基于均衡运用的列车运营日计划编配方法 |
CN107871179A (zh) * | 2017-09-26 | 2018-04-03 | 西南交通大学 | 一种基于运到时限的铁路货物列车运行图编制方法 |
CN109278811A (zh) * | 2018-09-27 | 2019-01-29 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路客运站运输组织的综合自动化实现系统及方法 |
CN110298507A (zh) * | 2019-06-27 | 2019-10-01 | 北京交通大学 | 高速铁路列车运行图与动车组运用一体化优化方法 |
Non-Patent Citations (6)
Title |
---|
CHAO LU 等: "A Branch and Bound Algorithm for the Exact Solution of the Problem of EMU Circulation Scheduling in Railway Network", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
XUEQIAO YU 等: "An Empirical Study on the Comprehensive Optimization Method of a Train Diagram of the China High Speed Railway Express", 《SUSTAINABILITY》 * |
刘禹显 等: "动车组运用作业调度问题研究", 《铁道运输与经济》 * |
史常庆: "基于动车组接续优化的高速铁路列车运行图调整研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
吕苗苗: "新旧交替列车运行图编制优化理论与方法研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
苗建瑞 等: "基于最优接续网络的动车组交路计划优化模型与算法研究", 《铁道学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114537479A (zh) * | 2022-01-07 | 2022-05-27 | 北京交通大学 | 考虑列车开行方案周内波动的动车组运用计划编制方法 |
CN114750805A (zh) * | 2022-06-16 | 2022-07-15 | 天津七一二移动通信有限公司 | 一种用于无线平面调车系统的nfc高精度定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112528550B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766994B (zh) | 一种共享自行车调度方法与调度系统 | |
CN103632212B (zh) | 一种时变用户均衡动态网络演化客流预测系统和方法 | |
Chen et al. | Uncertainty in urban mobility: Predicting waiting times for shared bicycles and parking lots | |
Perugia et al. | Designing a home-to-work bus service in a metropolitan area | |
CN112528550B (zh) | 一种动车组运行优化方法、装置、设备及可读存储介质 | |
Chen et al. | Combining lagrangian heuristic and ant colony system to solve the single source capacitated facility location problem | |
CN109872535A (zh) | 一种智慧交通通行预测方法、装置及服务器 | |
Grzybowska et al. | Decision support system for real-time urban freight management | |
CN111882171A (zh) | 一种基于需求预测的景区观光车智能调度系统及方法 | |
CN103366224A (zh) | 一种基于公交网络的乘客需求预测系统和方法 | |
Chang et al. | A cooperative strategy for optimizing vehicle relocations and staff movements in cities where several carsharing companies operate simultaneously | |
Gao et al. | BM-DDPG: An integrated dispatching framework for ride-hailing systems | |
CN114372830A (zh) | 一种基于时空多图神经网络的网约车需求预测方法 | |
CN114496198A (zh) | 一种基于物联网的智慧城市疫苗调度方法和系统 | |
Angelelli et al. | A simulation framework for a station-based bike-sharing system | |
Li et al. | Frequency-based zonal flexible bus design considering order cancellation | |
La Rocca et al. | Heuristics for electric taxi fleet management at Teo Taxi | |
Li et al. | Hybrid deep learning models for short-term demand forecasting of online car-hailing considering multiple factors | |
Şahin et al. | A data-driven matching algorithm for ride pooling problem | |
Madanat | Optimizing sequential decisions under measurement and forecasting uncertainty: Application to infrastructure inspection, maintenance and rehabilitation | |
Xi et al. | Ddrl: A decentralized deep reinforcement learning method for vehicle repositioning | |
CN110969299A (zh) | 交通路线生成的方法、装置、计算机设备及存储介质 | |
WO2022203597A1 (en) | Method and system for taxi demand prediction using a neural network model | |
CN112183863A (zh) | 基于引力模型的细粒度出租车路线推荐方法、系统及介质 | |
Li et al. | Dynamic repositioning in bike-sharing systems with uncertain demand: An improved rolling horizon framework |
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 |