CN115081682A - 长大隧道施工交通组织优化方法和计算机装置 - Google Patents

长大隧道施工交通组织优化方法和计算机装置 Download PDF

Info

Publication number
CN115081682A
CN115081682A CN202210583017.9A CN202210583017A CN115081682A CN 115081682 A CN115081682 A CN 115081682A CN 202210583017 A CN202210583017 A CN 202210583017A CN 115081682 A CN115081682 A CN 115081682A
Authority
CN
China
Prior art keywords
vehicle
time
traffic
vehicles
long
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
CN202210583017.9A
Other languages
English (en)
Other versions
CN115081682B (zh
Inventor
蒋阳升
刘国强
唐优华
姚志洪
王俊涛
陈水旺
蒋浩然
陈锡武
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.)
Southwest Jiaotong University
China Railway Eryuan Engineering Group Co Ltd CREEC
China Railway 19th Bureau Group Co Ltd
Sixth Engineering Co Ltd of China Railway 19th Bureau Group Co Ltd
Original Assignee
Southwest Jiaotong University
China Railway Eryuan Engineering Group Co Ltd CREEC
China Railway 19th Bureau Group Co Ltd
Sixth Engineering Co Ltd of China Railway 19th Bureau Group Co Ltd
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 Southwest Jiaotong University, China Railway Eryuan Engineering Group Co Ltd CREEC, China Railway 19th Bureau Group Co Ltd, Sixth Engineering Co Ltd of China Railway 19th Bureau Group Co Ltd filed Critical Southwest Jiaotong University
Priority to CN202210583017.9A priority Critical patent/CN115081682B/zh
Priority claimed from CN202210583017.9A external-priority patent/CN115081682B/zh
Publication of CN115081682A publication Critical patent/CN115081682A/zh
Application granted granted Critical
Publication of CN115081682B publication Critical patent/CN115081682B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

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

Abstract

本发明提供一种长大隧道施工交通组织优化方法和计算机装置,该方法包括:基于隧道中的实际道路网络,建立道路网络拓扑模型;根据预设目标函数以及预设约束条件获得道路网络拓扑模型中车辆的最优行驶路径。应用本发明的长大隧道施工交通组织优化方法可提搞隧道交通运行效率、顺畅性以及安全性。

Description

长大隧道施工交通组织优化方法和计算机装置
技术领域
本发明涉及隧道施工交通技术领域,具体的,涉及一种长大隧道施工交通组织优化方法,还涉及应用该长大隧道施工交通组织优化方法的计算机装置。
背景技术
迄今为止,长大隧道内的施工交通组织方案仍然是由运营管理人员按照经验进行编制,施工组织编制缺乏科学管理手段支持。长大隧道内的施工道路交通网络为正线、平导线、横洞等交错构成的一种复杂方格状道路网络。隧道内主要有运渣车流、施工机械车流、人员运输车流三种车流。此外,长大隧道内,能见度低、视距差、道路交通条件复杂、运输需求种类多、任务重。因此,如何科学合理地安排三种车流在隧道内的运输计划,以期在保证运输过程安全的前提下,能够以最高的效率完成隧道内的人员、渣土、机械等的运输任务。这是一项复杂的系统工程的问题,需综合运用运筹学、管理学、交通工程学等多学科的专业知识,建立最优化数学模型及算法,全局上决策最优的运输组织方案,提高隧道内的交通组织效率。现有的人工决策方法缺乏科学理论支撑及全局意识,导致隧道内交通组织混乱,交通事故频发,生产效率低下,甚至影响整体的工程进度。
发明内容
本发明的第一目的是提供一种提搞隧道交通运行效率、顺畅性以及安全性的长大隧道施工交通组织优化方法。
本发明的第二目的是提供一种提搞隧道交通运行效率、顺畅性以及安全性的计算机装置。
为了实现上述第一目的,本发明提供的长大隧道施工交通组织优化方法包括:基于隧道中的实际道路网络,建立道路网络拓扑模型;根据预设目标函数以及预设约束条件获得道路网络拓扑模型中车辆的最优行驶路径;其中,预设目标函数为:
Figure BDA0003664892890000021
min Z为所有车辆最短的运输总时长,ai,j,k(t)为车辆k在t时刻是否到达了路段(i,j),di,j,k(t)为表示车辆k在t时刻是否离开了路段(i,j),
Figure BDA0003664892890000022
表示车辆k在路段(i,j)的运行时长,
Figure BDA0003664892890000023
为节点i的后向节点集合,
Figure BDA0003664892890000024
为节点i的前向节点集合,
Figure BDA0003664892890000025
表示节点集合,
Figure BDA0003664892890000026
表示运行的车辆集合,
Figure BDA0003664892890000027
为离散时间的集合;预设约束条件包括车辆在路段上的运行时间约束条件、车辆路径约束条件、进入路段时间约束条件、冲突车流约束条件、单向路段约束条件、运输需求约束条件、先到先服务约束条件以及节点流守恒约束条件。
由上述方案可见,本发明的长大隧道施工交通组织优化方法通过根据隧道中的实际道路网络,建立道路网络拓扑模型,可获隧道的实际道路网络数据。再通过所有车辆最短的运输总时长的预设目标函数以及预设约束条件获得道路网络拓扑模型中车辆的最优行驶路径,相较于人工编制的方法,需要对于不同的掘进时期制订不同的方案,可提搞隧道交通运行效率、顺畅性以及安全性。
进一步的方案中,运行时间约束条件包括:车辆k在道路上的运行时间为:
Figure BDA0003664892890000028
Figure BDA0003664892890000029
其中,li,j表示路段(i,j)长度,vlim表示车辆运行最高速度。
由此可见,隧道内能见度低、车辆作业干扰繁杂,为了保证安全,通过运行时间约束条件,为车辆在路段给定了一个最低运行时间,车辆在路段运行大于此时间可认为能保证安全。
进一步的方案中,车辆路径约束条件包括:
Figure BDA00036648928900000210
其中,xi,j,k表示车辆k经过交叉口i之后去往的交叉口j,
Figure BDA00036648928900000211
由此可见,设置车辆路径约束条件,可确保车辆运行有且只有一个前进方向,即车辆k从某节点i进入路段后只能去往一个方向,避免多向行走的混乱。
进一步的方案中,进入路段时间约束条件包括:
Figure BDA0003664892890000031
其中,di’,i,k(t)·xi,j,k表示车辆k从某一路段离开后才能进入运行路径上的下一路段。
由此可见,设置进入路段时间约束条件,车辆从某一路段离开后才能进入运行路径上的下一路段,保证在规划路径时不会发生车辆还未离开某路段却突然出现在另一路段的情况。
进一步的方案中,冲突车流约束条件包括:任意的两个车辆通过交叉口j的时间差为:
Figure BDA0003664892890000032
通过交叉口的两股车流是冲突车流时,两车之间的时间差大于最小的会车时间为:
Figure BDA0003664892890000033
其中,j′,j″指的是同属于交叉口j的冲突车流方向集合
Figure BDA0003664892890000034
M为预设系数。
由此可见,通过设置冲突车流约束条件,使不同方向的冲突车流车离开同一个交叉口的时间间隔必须大于最低要求,避免两辆车运行过程中会发生相撞事故。
进一步的方案中,单向路段约束条件包括:
Figure BDA0003664892890000035
其中,yi,j(t)表示路段(i,j)是否有车辆的0-1变量。
由此可见,设置单向路段约束条件,可确保对于单向的道路,同一时间只能有一个方向的车流运行。
进一步的方案中,运输需求约束条件包括:
Figure BDA0003664892890000036
其中,Di(t)表示需求点i在t时刻所需完成任务量,Ci为到达i节点的车辆额定装载量,
Figure BDA0003664892890000037
为截止t时刻实际到达需求点i的车辆数之和,
Figure BDA0003664892890000038
为截止到t时刻需求点i所需完成任务量之和,
Figure BDA0003664892890000039
为截止到t时刻需求点i需要的车辆数,
Figure BDA0003664892890000041
表示直至t时刻需求点i所完成的任务量,
Figure BDA0003664892890000042
表示离开需求点i的车辆实际完成量。
由此可见,设置运输需求约束条件,可保障在需求点只有当车辆满足需求后才能发车,保证车辆利用最大化。
进一步的方案中,先到先服务约束条件包括:若
Figure BDA0003664892890000043
则需满足
Figure BDA0003664892890000044
由此可见,通过设置先到先服务约束条件,则可保障车辆有序运行。
进一步的方案中,节点流守恒约束条件包括:所有的节点都需要满足流量守恒条件,进入任意节点的车辆数量等于该节点出去的车辆数量。
由此可见,设置节点流守恒约束条件,使进入任意节点的车辆数量等于该节点出去的车辆数量,可避免拥堵,保障工作的效率。
为了实现本发明的第二目的,本发明提供计算机装置包括处理器以及存储器,存储器存储有计算机程序,计算机程序被处理器执行时实现上述的长大隧道施工交通组织优化方法的步骤。
附图说明
图1是本发明长大隧道施工交通组织优化方法实施例的流程图。
图2是本发明长大隧道施工交通组织优化方法实施例中隧道内交通网络的拓扑图。
以下结合附图及实施例对本发明作进一步说明。
具体实施方式
长大隧道施工交通组织优化方法实施例:
本实施例的长大隧道施工交通组织优化方法是应用在计算机的应用程序,用于对隧道施工交通进行组织优化。
如图1所示,本实施例中,长大隧道施工交通组织优化方法在工作时,首先执行步骤S1,基于隧道中的实际道路网络,建立道路网络拓扑模型。隧道内道路交通网络拓扑模型是运输组织方案优化的基础。隧道内的道路交通网络的基本要素有:节点和路段。节点为路段的交叉口,如图2中的i和j,按照交叉的方式分为“十字型交叉”和“T型交叉”。路段是交叉口之间的基本道路,如图2中的(i,j),按照允许同时运行的车流方向可分为双向和单向路段。
路网内还有在不同位置的运输需求点。例如,图2中的拓扑网络中,虚线路径代表运渣车进入隧道的路径。假设一个拓扑图
Figure BDA0003664892890000051
Figure BDA0003664892890000052
表示节点集合,使用
Figure BDA0003664892890000053
进行索引,
Figure BDA0003664892890000054
表示节点间的路段集合,用
Figure BDA0003664892890000055
进行索引。需求点的集合设为
Figure BDA0003664892890000056
节点i的后向节点集合,即按照车辆运行路径,车辆到达某节点i后需前往的下一个节点,记为
Figure BDA0003664892890000057
节点i的前向节点集合,即,车辆运行路径上,车辆经过此节点后接着到达节点i,记为
Figure BDA0003664892890000058
单向路段记为
Figure BDA0003664892890000059
双向路段记为
Figure BDA00036648928900000510
路段的长度记为li,j。运行的车辆集合为
Figure BDA00036648928900000511
Figure BDA00036648928900000512
索引,离散时间的集合为
Figure BDA00036648928900000513
Figure BDA00036648928900000514
索引。通过隧道中实际的道路网络信息,即可建立道路网络拓扑模型。
建立道路网络拓扑模型后,执行步骤S2,根据预设目标函数以及预设约束条件获得道路网络拓扑模型中车辆的最优行驶路径。为了使隧道中的车辆可的到最优的行驶路径,需要通过预设目标函数以及预设约束条件对车辆进行组织规划,通过综合考虑所有车辆的运行需求,从而优化所有车辆的行驶路径。
车辆运行是一个连续的过程,但可进行离散化处理,即,用一系列离散时间动态描述车辆连续行驶的过程。具体而言,将研究期间分割为若干个极其微小的时间间隔,假定在每个微小时间间隔内各车辆对于某路段(i,j)都有着属于自己的离散特征,即车辆是否已经到达某路段(i,j),是否已经离开某路段(i,j),是否在路段(i,j)运行。
具体来说,若车辆k于t1时刻已经到达路段(i,j),则t1及其后时刻ai,j,k(t)=1,否则ai,j,k(t)=0。因此,车辆到达可以用0-1的变量序列表示,并称之为车辆到达事件。同理,车辆离开事件亦可作相同处理。而车辆是否在路段(i,j)运行可用到达事件和离开事件加以表示,即,车辆已经到达路段(i,j)但还未离开此路段,此时便可认定车辆在路段上运行。换句话说,车辆在(i,j)上运行可表示ai,j,k(t)-di,j,k(t)=1,ai,j,k(t)=1且di,j,k(t)=0。
从车辆进入隧道到从隧道离开过程中,整个动态过程无非是由一连串到达某路段和离开此路段的事件构成,因此,隧道网络交通组织优化可简化为多个车辆进入隧道后分别按照一定规则互有影响的到达和离开路段。
本实施例中,预设目标函数为:
Figure BDA0003664892890000061
min Z为所有车辆在隧道中最短的运输总时长,ai,j,k(t)为车辆k在t时刻是否到达了路段(i,j),di,j,k(t)为表示车辆k在t时刻是否离开了路段(i,j),
Figure BDA0003664892890000062
表示车辆k在路段(i,j)的运行时长。
预设约束条件可根据需要进行设置,本实施例中,预设约束条件包括车辆在路段上的运行时间约束条件、车辆路径约束条件、进入路段时间约束条件、冲突车流约束条件、单向路段约束条件、运输需求约束条件、先到先服务约束条件以及节点流守恒约束条件。
本实施例中,运行时间约束条件包括:车辆k在道路上的运行时间为
Figure BDA0003664892890000063
其中,li,j表示路段(i,j)长度,vlim表示车辆运行最高速度。隧道内能见度低、车辆作业干扰繁杂,为了保证安全,通过运行时间约束条件,为车辆在路段给定了一个最低运行时间,车辆在路段运行大于此时间可认为能保证安全。
本实施例中,车辆路径约束条件包括:
Figure BDA0003664892890000064
其中,xi,j,k,表示车辆k经过交叉口i之后去往的交叉口j,
Figure BDA0003664892890000065
车辆运行有且只有一个前进方向,即车辆k从某节点i进入路段后只能去往一个方向。事实上,此约束是车辆运行机制的常规要求,主要是为了保证在模型求解时不会得到车辆某时刻既从这个交叉点走又从另一节点走的结果,保证不违背现实生活中车辆运行的机制。
本实施例中,进入路段时间约束条件包括:
Figure BDA0003664892890000071
其中,di’,i,k(t)·xi,j,k表示车辆k从某一路段离开后才能进入运行路径上的下一路段。车辆从某一路段离开后才能进入运行路径上的下一路段,是为了保证求解结果符合车辆运行的现实机制,不会发生车辆还未离开某路段接着却突然出现在另一路段的情况。在xi,j,k=1时,车辆会进入i,j路段,进入的事件表达为(5),出去的事件是决策变量。简单来说,只有车辆k已经离开前一路段,即di’,i,k(t)=1,同时需要保证车辆k会进入i,j路段,即xi,j,k=1,则车辆k到达路段i,j便可确定。di’,i,k(t)·xi,j,k用以描述是否上述两个条件会同时满足,
Figure BDA0003664892890000072
则是保证了车辆路径约束。
冲突车流约束条件包括:任意的两个车辆通过交叉口j的时间差为:
Figure BDA0003664892890000073
通过交叉口的两股车流是冲突车流时,两车之间的时间差大于最小的会车时间为:
Figure BDA0003664892890000074
其中,M为预设系数。不同方向的冲突车流车离开同一个交叉口的时间间隔必须大于最低要求,j′,j″指的是同属于交叉口j的冲突车流方向集合
Figure BDA0003664892890000075
若一辆车某时刻从j到j′,另一辆车临近时刻从j到j″,由于时间间隔太小,如若让两车继续运行,则两辆车运行过程中会发生相撞事故,此时便称j′和j″为j的冲突车流方向。di′,j,k′(t)-di,j,k(t)=0表示t时刻两辆车都未离开或者都已离开交叉口,di′,j,k′(t)-di,j,k(t)=1表示t时刻某一车辆已经离开交叉口,另一车辆还未离开。遍历di′,j,k′(t)-di,j,k(t)=1并累加即为两车驶离交叉口的时间差。为了识别冲突车流,需考量xi,j,k这一变量。若xj,j’,k=1且xj,j”,k’=1,则表明车辆k与车辆k’为冲突车流,此时,
Figure BDA0003664892890000076
若xj,j’,k=1和xj,j”,k’=1中有一个条件不满足,则表明车辆k与车辆k’并非冲突车流,此时
Figure BDA0003664892890000077
恒成立,说明此约束不起作用。
单向路段约束条件包括:
Figure BDA0003664892890000081
yi,j(t)+yj,i(t)=1;其中,yi,j(t)表示路段(i,j)是否有车辆的0-1变量。对于单向的道路,同时只能有一个方向的车流运行,假设单向边为(i,j)∈AS,用yi,j(t)表示路段(i,j)是否有车辆的0-1变量,ai,j,k(t)-di,j,k(t)表示车辆k是否在路段(i,j)上,因此,
Figure BDA0003664892890000082
表示道路上的车辆数。
运输需求约束条件包括:
Figure BDA0003664892890000083
Figure BDA0003664892890000084
其中,Di(t)表示需求点i在t时刻所需完成任务量,Ci为到达i节点的车辆额定装载量,
Figure BDA0003664892890000085
为截止t时刻实际到达需求点i的车辆数之和,
Figure BDA0003664892890000086
为截止到t时刻需求点i所需完成任务量之和,
Figure BDA0003664892890000087
为截止到t时刻需求点i需要的车辆数,
Figure BDA0003664892890000088
表示直至t时刻需求点i所完成的任务量,
Figure BDA0003664892890000089
表示离开需求点i的车辆实际完成量。对于隧道内部,按照需求的类型可以将车辆分为运输渣土、运输工作人员、工程器械运输等,假设运输需求点也是其中一类节点
Figure BDA00036648928900000810
每个节点都有一个最小的需求要求Di(t),即,t时刻需求点i所需车完成的任务量,例如,运渣节点处需装载多少吨渣土,运人节点处需运往多少人等。截止到t时刻实际到达需求点的车辆数总大于等于需求点需要的车辆数,则可以有效保证每一时刻需求总能满足,运输任务都能完成。对于需求点,其需求是动态变化的Di(t)。在需求点只有当车辆装满之后才能发车,即发车之后当前需求地点的实时需求必须为正值。此约束是保证车辆装载货物能力必须最大化利用。想要车辆完成任务后发车,则当前实际运载量小于需求量,在此种情况下车辆必定装满后离开,否则实际运量大于需求量时某些车辆可不装满就离开,不能保证车辆利用最大化。
本实施例中,先到先服务约束条件包括:若
Figure BDA0003664892890000091
则需满足
Figure BDA0003664892890000092
Figure BDA0003664892890000093
则说明车辆先到,则需同时满足
Figure BDA0003664892890000094
对车辆k先服务,保障车辆的有序运行。
本实施例中,节点流守恒约束条件包括:所有的节点都需要满足流量守恒条件,进入任意节点的车辆数量等于该节点出去的车辆数量。所有的节点都需要满足流量守恒条件,流入等于流出:
Figure BDA0003664892890000095
此外,对于网络的输入节点,必须满足进入的车辆数量等于出去的车辆数量,我们将出入口定义为网络的汇入节点和汇出节点分别为is和ie,因从is点汇出的流量与从ie点汇入的流量相等:
Figure BDA0003664892890000096
通过设置节点流守恒约束条件,使进入任意节点的车辆数量等于该节点出去的车辆数量,可避免拥堵,保障工作的效率。
本实施例的交通组织优化模型为一个整数非线性规划模型,进入路段时间约束条件,单向路段约束条件,运输需求约束条件为非线性约束条件,其余均为线性。决策变量中,xi,j,k,ai,j,k(t),di,j,k(t),yi,j(t)均为0-1变量。模型可通过非线性规划求解器或者启发式算法根据预设约束条件进行求解,非线性规划求解器或者启发式算法为本领域技术人员所公知的技术,在此不再赘述,通过求解得到的最优解xi,j,k表示车辆的最优行驶路径,ai,j,k(t)和di,j,k(t)分别表示车辆进、出路段的时刻,每辆车的最优运输计划均可得出。
由上述可知,本发明的长大隧道施工交通组织优化方法通过根据隧道中的实际道路网络,建立道路网络拓扑模型,可获隧道的实际道路网络数据。再通过所有车辆最短的运输总时长的预设目标函数以及预设约束条件获得道路网络拓扑模型中车辆的最优行驶路径,相较于人工编制的方法,需要对于不同的掘进时期制订不同的方案,可提搞隧道交通运行效率、顺畅性以及安全性。
计算机装置实施例:
本实施例的计算机装置包括控制器,控制器执行计算机程序时实现上述长大隧道施工交通组织优化方法实施例中的步骤。
例如,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由控制器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
计算机装置可包括,但不仅限于,控制器、存储器。本领域技术人员可以理解,计算机装置可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机装置还可以包括输入输出设备、网络接入设备、总线等。
例如,控制器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用控制器、数字信号控制器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用控制器可以是微控制器或者该控制器也可以是任何常规的控制器等。控制器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块,控制器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现计算机装置的各种功能。例如,存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,以上仅为本发明的优选实施例,但发明的设计构思并不局限于此,凡利用此构思对本发明做出的非实质性修改,也均落入本发明的保护范围之内。

Claims (10)

1.一种长大隧道施工交通组织优化方法,其特征在于:包括:
基于隧道中的实际道路网络,建立道路网络拓扑模型;
根据预设目标函数以及预设约束条件获得所述道路网络拓扑模型中车辆的最优行驶路径;
其中,所述预设目标函数为:
Figure FDA0003664892880000011
min Z为所有车辆在隧道中最短的运输总时长,ai,j,k(t)为车辆k在t时刻是否到达了路段(i,j),di,j,k(t)为表示车辆k在t时刻是否离开了路段(i,j),
Figure FDA0003664892880000012
表示车辆k在路段(i,j)的运行时长,
Figure FDA0003664892880000013
为节点i的后向节点集合,
Figure FDA0003664892880000014
为节点i的前向节点集合,
Figure FDA0003664892880000015
表示节点集合,
Figure FDA0003664892880000016
表示运行的车辆集合,
Figure FDA0003664892880000017
为离散时间的集合;
所述预设约束条件包括车辆在路段上的运行时间约束条件、车辆路径约束条件、进入路段时间约束条件、冲突车流约束条件、单向路段约束条件、运输需求约束条件、先到先服务约束条件以及节点流守恒约束条件。
2.根据权利要求1所述的长大隧道施工交通组织优化方法,其特征在于:
所述运行时间约束条件包括:
车辆k在道路上的运行时间为:
Figure FDA0003664892880000018
其中,li,j表示路段(i,j)长度,υlim表示车辆运行最高速度。
3.根据权利要求2所述的长大隧道施工交通组织优化方法,其特征在于:
所述车辆路径约束条件包括:
Figure FDA0003664892880000019
其中,xi,j,k表示车辆k经过交叉口i之后去往的交叉口j,
Figure FDA00036648928800000110
4.根据权利要求3所述的长大隧道施工交通组织优化方法,其特征在于:
所述进入路段时间约束条件包括:
Figure FDA0003664892880000021
其中,di’,i,k(t)·xi,j,k表示车辆k从某一路段离开后才能进入运行路径上的下一路段。
5.根据权利要求4所述的长大隧道施工交通组织优化方法,其特征在于:
所述冲突车流约束条件包括:
任意的两个车辆通过交叉口j的时间差为:
Figure FDA0003664892880000022
通过交叉口的两股车流是冲突车流时,两车之间的时间差大于最小的会车时间为:
Figure FDA0003664892880000023
其中,j′,j″指的是同属于交叉口j的冲突车流方向集合
Figure FDA0003664892880000024
M为预设系数。
6.根据权利要求5所述的长大隧道施工交通组织优化方法,其特征在于:
所述单向路段约束条件包括:
Figure FDA0003664892880000025
yi,j(t)+yj,i(t)=1;
其中,yi,j(t)表示路段(i,j)是否有车辆的0-1变量。
7.根据权利要求6所述的长大隧道施工交通组织优化方法,其特征在于:
所述运输需求约束条件包括:
Figure FDA0003664892880000026
Figure FDA0003664892880000027
其中,Di(t)表示需求点i在t时刻所需完成任务量,Ci为到达i节点的车辆额定装载量,
Figure FDA0003664892880000031
为截止t时刻实际到达需求点i的车辆数之和,
Figure FDA0003664892880000032
为截止到t时刻需求点i所需完成任务量之和,
Figure FDA0003664892880000033
为截止到t时刻需求点i需要的车辆数,
Figure FDA0003664892880000034
表示直至时刻需求点i所完成的任务量,
Figure FDA0003664892880000035
表示离开需求点i的车辆实际完成量。
8.根据权利要求7所述的长大隧道施工交通组织优化方法,其特征在于:
所述先到先服务约束条件包括:
Figure FDA0003664892880000036
则需满足
Figure FDA0003664892880000037
9.根据权利要求8所述的长大隧道施工交通组织优化方法,其特征在于:
所述节点流守恒约束条件包括:
所有的节点都需要满足流量守恒条件,进入任意节点的车辆数量等于该节点出去的车辆数量。
10.一种计算机装置,包括处理器以及存储器,其特征在于:所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任意一项所述的长大隧道施工交通组织优化方法的步骤。
CN202210583017.9A 2022-05-26 长大隧道施工交通组织优化方法和计算机装置 Active CN115081682B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210583017.9A CN115081682B (zh) 2022-05-26 长大隧道施工交通组织优化方法和计算机装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210583017.9A CN115081682B (zh) 2022-05-26 长大隧道施工交通组织优化方法和计算机装置

Publications (2)

Publication Number Publication Date
CN115081682A true CN115081682A (zh) 2022-09-20
CN115081682B CN115081682B (zh) 2024-06-21

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115883568A (zh) * 2023-02-22 2023-03-31 云南省交通规划设计研究院有限公司 一种隧道边缘计算节点部署方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080094250A1 (en) * 2006-10-19 2008-04-24 David Myr Multi-objective optimization for real time traffic light control and navigation systems for urban saturated networks
US20140278052A1 (en) * 2013-03-15 2014-09-18 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
US20180336781A1 (en) * 2017-05-22 2018-11-22 Alibaba Group Holding Limited Road traffic control system, method, and electronic device
CN110766211A (zh) * 2019-10-14 2020-02-07 中国地质大学(武汉) 一种实时路况下的车辆路径规划问题模型创建方法
US20210348928A1 (en) * 2020-05-06 2021-11-11 Wuhan University Of Science And Technology Multi-police-officer collaborative round-up task allocation and path planning method under constraint of road network
CN113781768A (zh) * 2021-08-09 2021-12-10 同济大学 一种基于储备通行能力的热点片区交通组织控制协同方法
CN114446065A (zh) * 2022-02-25 2022-05-06 西南交通大学 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080094250A1 (en) * 2006-10-19 2008-04-24 David Myr Multi-objective optimization for real time traffic light control and navigation systems for urban saturated networks
US20140278052A1 (en) * 2013-03-15 2014-09-18 Caliper Corporation Lane-level vehicle navigation for vehicle routing and traffic management
US20180336781A1 (en) * 2017-05-22 2018-11-22 Alibaba Group Holding Limited Road traffic control system, method, and electronic device
CN110766211A (zh) * 2019-10-14 2020-02-07 中国地质大学(武汉) 一种实时路况下的车辆路径规划问题模型创建方法
US20210348928A1 (en) * 2020-05-06 2021-11-11 Wuhan University Of Science And Technology Multi-police-officer collaborative round-up task allocation and path planning method under constraint of road network
CN113781768A (zh) * 2021-08-09 2021-12-10 同济大学 一种基于储备通行能力的热点片区交通组织控制协同方法
CN114446065A (zh) * 2022-02-25 2022-05-06 西南交通大学 一种车辆行驶轨迹优化方法、装置、设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
廖晔: "基于改进网络最大流的道路通行能力优化研究", 《工业工程》, vol. 23, no. 05, 15 October 2020 (2020-10-15), pages 96 - 102 *
胡路: "长大隧道施工车辆时刻表和运行路径协同优化", 《西南交通大学学报(网络首发)》, 12 January 2024 (2024-01-12), pages 1 - 11 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115883568A (zh) * 2023-02-22 2023-03-31 云南省交通规划设计研究院有限公司 一种隧道边缘计算节点部署方法和系统
CN115883568B (zh) * 2023-02-22 2023-06-02 云南省交通规划设计研究院有限公司 一种隧道边缘计算节点部署方法和系统

Similar Documents

Publication Publication Date Title
CN110530369B (zh) 基于时间窗的agv任务调度方法
Małopolski A sustainable and conflict-free operation of AGVs in a square topology
Kim et al. Deadlock prevention for automated guided vehicles in automated container terminals
TANCHOCOf et al. OSL—optimal single-loop guide paths for AGVS
Hsueh A simulation study of a bi-directional load-exchangeable automated guided vehicle system
Carlo et al. Priority rules for twin automated stacking cranes that collaborate
Rajotia et al. A semi-dynamic time window constrained routeing strategy in an AGV system
Sharp et al. An analytical method for configuring fixed-path, closed-loop material handling systems
Hu et al. Conflict-free scheduling of large-scale multi-load AGVs in material transportation network
CN112027473B (zh) 一种多深度储货区四向穿梭车多车调度方法
Gregoire et al. Priority-based intersection management with kinodynamic constraints
CN110262472B (zh) 路径规划方法、装置和计算机可读存储介质
CN114179873B (zh) 一种多交路多时段全日列车运行图自动编制方法和系统
Haviland et al. Fundamental behaviours of production traffic in underground mine haulage ramps
Adhikari et al. An integrated solution approach for the time minimization evacuation planning problem.
Li et al. Multi-AGVs conflict-free routing and dynamic dispatching strategies for automated warehouses
Hao et al. Managing connected and automated vehicles with flexible routing at “lane-allocation-free” intersections
CN115081682A (zh) 长大隧道施工交通组织优化方法和计算机装置
Rajotia et al. An heuristic for configuring a mixed uni/bidirectional flow path for an AGV system
Sarker* et al. Route planning for automated guided vehicles in a manufacturing facility
CN115081682B (zh) 长大隧道施工交通组织优化方法和计算机装置
Boyd et al. How to run an automated transportation system
RU2742959C1 (ru) Система для управления работой участка железной дороги с построением единого расписания
Zhang et al. Multi-AGVs pathfinding based on improved jump point search in logistic center
Yin et al. Path planning of multiple agvs using a time-space network model

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