CN117610744B - 一种基于多运营策略的城轨列车开行方案优化方法及系统 - Google Patents
一种基于多运营策略的城轨列车开行方案优化方法及系统 Download PDFInfo
- Publication number
- CN117610744B CN117610744B CN202410065247.5A CN202410065247A CN117610744B CN 117610744 B CN117610744 B CN 117610744B CN 202410065247 A CN202410065247 A CN 202410065247A CN 117610744 B CN117610744 B CN 117610744B
- Authority
- CN
- China
- Prior art keywords
- train
- cost
- scheme
- unit
- running
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000013486 operation strategy Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 68
- 238000010845 search algorithm Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 11
- 230000007306 turnover Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 24
- 230000014509 gene expression Effects 0.000 description 17
- 238000001816 cooling Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于多运营策略的城轨列车开行方案优化方法及系统,涉及优化技术领域,包括分别计算企业运营成本、乘客出行成本;通过企业运营成本、乘客出行成本、企业运营约束和乘客出行约束,构建列车开行方案优化模型;根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案。本发明通过计算得到的企业运营成本与乘客出行成本,结合约束条件构建了考虑交路方案、停站方案和编组方案相结合的多组合运营策略的列车开行方案优化模型,同时提出了一种基于自适应大邻域搜索算法的优化模型求解方法,实现了同时对交路方案、停站方案和编组方案进行优化的目的。
Description
技术领域
本发明涉及优化技术领域,具体而言,涉及一种基于多运营策略的城轨列车开行方案优化方法及系统。
背景技术
现有关于大小交路运营模式的研究为了简化求解规模,开行方案的求解基本是在假设线路上存在全程大交路慢车的前提下进行,这些研究中大小交路是固定的,即小交路折返站时已知给定的,在此基础上优化停站方案和/或编组方案,实质意义上并没有同时对交路方案、停站方案和编组方案进行优化。并且,一旦需要同时考虑两个或两个以上列车交路时,城市轨道交通线路上可供选择的交路方案众多,如果这时再考虑不同交路上的多种停站方案,列车开行方案情况将会变得更加复杂,对提出的优化模型与求解方法要求更高,现有的大小交路优化模型与求解方法不再适用。
发明内容
本发明的目的在于提供一种基于多运营策略的城轨列车开行方案优化方法及系统,以解决上述问题。为了实现上述目的,本发明采取的技术方案如下:
一方面本申请提供了一种基于多运营策略的城轨列车开行方案优化方法,包括:
获取第一信息、第二信息、第三信息、第四信息和第五信息;所述第一信息为列车运行数据;所述第二信息包括线路数据和单位成本数据;第三信息为企业运营约束;所述第四信息为乘客出行数据;所述第五信息为乘客出行约束;
根据第一信息计算,得到固定成本与列车开行频次的关系式;
根据第二信息计算,得到可变成本与列车开行频次的关系式;
根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,使第一优化目标满足第三信息,得到列车开行方案设计子模型;
根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型;
将企业运营成本和乘客出行成本乘以各自权重系数再相加,得到总成本,以减少总成本为总优化目标,使总优化目标满足第三信息和第五信息,得到列车开行方案优化模型;
根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案。
另一方面,本申请还提供了一种基于多运营策略的城轨列车开行方案优化系统,包括:
第一获取单元,用于获取第一信息、第二信息、第三信息、第四信息和第五信息;所述第一信息为列车运行数据;所述第二信息包括线路数据和单位成本数据;第三信息为企业运营约束;所述第四信息为乘客出行数据;所述第五信息为乘客出行约束;
第一计算单元,用于根据第一信息计算,得到固定成本与列车开行频次的关系式;
第二计算单元,用于根据第二信息计算,得到可变成本与列车开行频次的关系式;
第一建模单元,用于根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,使第一优化目标满足第三信息,得到列车开行方案设计子模型;
第二建模单元,用于根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型;
第三建模单元,用于将企业运营成本和乘客出行成本乘以各自权重系数再相加,得到总成本,以减少总成本为总优化目标,使总优化目标满足第三信息和第五信息,得到列车开行方案优化模型;
求解单元,用于根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案。
本发明的有益效果为:
本发明通过计算得到的企业运营成本与乘客出行成本,结合约束条件构建了考虑交路方案、停站方案和编组方案相结合的多组合运营策略的列车开行方案优化模型,同时提出了一种基于自适应大邻域搜索算法的优化模型求解方法,实现了同时对交路方案、停站方案和编组方案进行优化的目的。
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的介绍,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为本发明基于多运营策略的城轨列车开行方案优化方法的流程图;
图2为本发明基于多运营策略的城轨列车开行方案优化系统的结构示意图。
图中标记:800、优化系统;801、第一获取单元;802、第一计算单元;803、第二计算单元;804、第一建模单元;805、第二建模单元;806、第三建模单元;807、求解单元。
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、完整的描述,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做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:相似的标号和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基于多运营策略的城轨列车开行方案优化方法,包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5、步骤S6和步骤S7。
S1、获取第一信息、第二信息、第三信息、第四信息和第五信息;所述第一信息为列车运行数据;所述第二信息包括线路数据和单位成本数据;第三信息为企业运营约束;所述第四信息为乘客出行数据;所述第五信息为乘客出行约束。
需要说明的是,所述列车运行数据包括列车在区段的纯运行时间、列车在车站的停站时间、列车在折返站的折返时间、列车的服务期限、开行方案使用时间和列车的购置成本。
需要说明的是,所述线路数据包括区段的长度和列车在折返站的折返距离,所述单位成本数据包括列车单位走行成本和列车单位停站成本。
需要说明的是,获取第三信息包括步骤S11、步骤S12、步骤S13、步骤S14。
S11、根据各车站都应该有列车经停、每个区段都应被开行方案覆盖,得到列车对车站以及区间的约束;所述列车对车站以及区间的约束表达式为:
;
;
式中,表示0-1参数,列车/>在车站/>停站时取值为1,否则取值为0;/>表示0-1参数,列车/>编组类型为/>时取值为1,否则取值为0;/>表示0-1参数,列车/>通过区段/>时取值为1,否则取值为0;/>表示列车集合;/>表示车站集合;/>表示列车编组类型集合;/>表示区段集合。
S12、根据经过某区段的全部列车运力总和必须大于该区段上下行方向中的最大断面客流量,得到断面客流及能力约束;所述断面客流及能力约束表达式为:
;
;
式中,表示区段/>的最大断面客流量,单位为人/小时;/>表示输送能力富余量;表示/>编组类型列车的载客能力;/>表示0-1参数,列车/>编组类型为/>时取值为1,否则取值为0;/>表示0-1参数,列车/>通过区段/>时取值为1,否则取值为0;/>表示列车开行频次;/>表示区段/>的列车最小开行对数;/>表示区段/>的列车最大开行对数。
S13、根据列车设置不宜过多以及同一线路运行的列车编组类型具有唯一性,得到运营规则约束,所述运营规则约束表达式为:
;
;
;
式中,表示允许运行的最大列车数量;/>表示列车开行频次,单位为对/小时;表示线路最大列车开行对数;/>表示0-1参数,列车/>编组类型为/>时取值为1,否则取值为0。
S14、根据不同交路上的列车开行数量应小于交路两端折返站的折返能力,得到折返站能力约束,所述折返站能力约束表达式为:
;
式中,表示0-1参数,列车/>在车站/>往列车运行方向/>折返时取1,否则取值为0;/>表示列车开行频次,单位为对/小时;/>表示折返站在列车运行方向/>上的折返能力,其计算公式为:
;
;
式中,表示折返站列车折返最小出发间隔,单位为秒;/>表示;列车驶出车站闭塞分区的时间,单位为秒;/>表示办理出折返线调车进路的时间,单位为秒;/>表示车载设备反应时间,单位为秒;/>表示列车从折返线至出发正线的运行时间,单位为秒;表示列车停站时间,单位为秒。
需要说明的是,所述乘客出行数据包括开行方案使用时间、单位乘客等待时间成本、服务弧的运行时间、列车在车站的停站时间、单位乘客在途时间成本、单位乘客下车时间成本和通过服务弧的客流量。服务弧包括等车服务弧、到达服务弧和运行服务弧,通过服务弧描述旅客出行行为。其中,等车服务弧,用于描述乘客在车站等待列车的过程;到达服务弧,用于描述乘客到站后下车的过程;运行服务弧,用于描述乘客跟随列车运行完成其目标位移的过程。
需要说明的是,获取第五信息包括步骤S15。
S15、根据每条运行弧上容量需满足开行方案使用时间内通过该弧的客流量,得到乘客出行约束,所述乘客出行约束表达式为:
;
;
式中,表示客流需求集合;/>表示服务弧/>;/>表示客流需求/>服务弧/>的客流量;/>表示列车编组类型集合;/>表示0-1参数,服务弧/>上列车/>编组类型为/>时取值为1,否则取值为0;/>表示/>编组类型列车的载客能力;/>表示服务弧/>上的列车开行频次;/>表示服务弧集合;/>表示以车站/>为起点的服务弧中/>的集合;/>表示以服务节点/>为终点的服务弧中/>的集合;/>表示客流需求/>对应的客流量,单位:人/小时;/>表示服务节点集合,所述服务节点相当于车站站台;/>表示客流需求/>的起点服务节点;/>表示客流需求/>的终点服务节点。
S2、根据第一信息计算,得到固定成本与列车开行频次的关系式。
具体的,步骤S2包括步骤S21、步骤S22、步骤S23和步骤S24。
S21、根据列车在区段的纯运行时间、列车在车站的停站时间和列车在折返站的折返时间计算,得到列车的周转时间;具体的计算公式为:
;
式中,表示列车/>的周转时间;/>表示区段集合;/>表示0、1参数,当列车/>通过区段/>时取值为1,否则取值为0;/>表示列车/>在区段/>的纯运行时间;/>表示车站集合;表示0、1参数,当列车/>在车站/>停站时取值为1,否则取值为0;/>表示列车/>在车站/>的停站时间;/>表示列车/>在折返站的折返时间。
S22、根据列车开行频次和列车的周转时间计算,得到高峰时期的列车最大需求数量与列车开行频次的关系式;具体的计算公式为:
;
式中,表示编组类型/>列车高峰时期的列车最大需求数量;/>表示列车集合;为向上取整符号;/>表示0、1参数,当列车/>编组类型为/>时取值为1,否则取值为0;表示列车开行频次,单位:对/小时;/>表示列车/>的周转时间。
S23、根据列车的服务期限、开行方案使用时间和列车的购置成本计算,得到列车的单位购置成本;具体的计算公式为:
;
式中,表示列车的单位购置成本;/>表示开行方案使用时间;/>表示列车的服务期限,通常为30年;/>表示列车的购置成本。
S24、根据列车的单位购置成本和高峰时期的列车最大需求数量计算,得到固定成本与列车开行频次的关系式;具体的计算公式为:
;
式中,表示固定成本;/>表示列车编组类型集合;/>表示列车的单位购置成本;/>表示编组类型/>列车高峰时期的列车最大需求数量。将步骤S21-步骤S23中的计算公式代入/>的计算公式即可得到固定成本与列车开行频次的关系式。
S3、根据第二信息计算,得到可变成本与列车开行频次的关系式。
具体的,步骤S3包括步骤S31、步骤S32、步骤S33和步骤S34。
S31、根据区段的长度和列车在折返站的折返距离计算,得到列车的走行长度;具体的计算公式为:
;
式中,表示列车/>的走行长度;/>区段集合;/>表示0、1参数,当列车/>通过区段/>时取值为1,否则取值为0;/>表示区段/>的长度;/>表示列车/>在折返站的折返距离。
S32、根据列车的走行长度、列车开行频次和列车单位走行成本计算,得到列车走行公里成本与列车开行频次的关系式;具体的计算公式为:
;
式中,表示列车走行公里成本;/>表示列车编组类型集合;/>表示列车集合;表示0、1参数,当列车/>编组类型为/>时取值为1,否则取值为0;/>表示编组类型/>列车单位走行成本;/>表示列车/>的走行长度;/>表示列车开行频次,单位:对/小时。
S33、根据列车单位停站成本和列车开行频次计算,得到列车停站成本与列车开行频次的关系式;具体的计算公式为:
;
式中,表示列车停站成本;/>表示列车集合;/>表示车站集合;/>表示0、1参数,当列车/>在车站/>停站时取值为1,否则取值为0;/>表示列车单位停站成本;/>表示列车开行频次,单位:对/小时。
S34、根据列车走行公里成本和列车停站成本计算,得到可变成本与列车开行频次的关系式;具体的计算公式为:
;
式中,表示可变成本,其余参数的物理含义参见步骤S31-步骤S33。
S4、根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,使第一优化目标满足第三信息,得到列车开行方案设计子模型。
具体的,步骤S4包括步骤S41和步骤S42。
S41、根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,第一优化目标的表达式为:
;
;
式中,表示企业运营成本,其余参数的物理含义参见步骤S21-步骤S24和步骤S31-步骤S33。
S42、使第一优化目标满足第三信息,得到列车开行方案设计子模型。
可以理解的是,联立步骤S41和步骤S11-步骤S14中的表达式即为列车开行方案设计子模型的表达式。
S5、根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型。
具体的,步骤S5包括步骤S51、步骤S52、步骤S53、步骤S54和步骤S55。
S51、根据开行方案使用时间、列车开行频次和单位乘客等待时间成本计算,得到乘客等车单位成本与列车开行频次的关系式;具体的计算公式为:
;
式中,表示服务弧/>;/>表示乘客等车单位成本;/>表示单位乘客等待时间成本;/>表示开行方案使用时间;/>表示服务弧/>上的列车开行频次;/>表示列车/>对应等车服务弧集合。
S52、根据服务弧的运行时间、列车在车站的停站时间和单位乘客在途时间成本计算,得到乘客在途单位成本;具体的计算公式为:
;
式中,表示服务弧/>;/>表示乘客在途单位成本;/>表示单位乘客在途时间成本;/>表示服务弧/>的运行时间;/>表示服务弧/>上车站的停站时间;/>表示列车/>对应运行服务弧集合。
S53、根据服务弧的运行时间和单位乘客下车时间成本计算,得到乘客下车单位成本;具体的计算公式为:
;
式中,表示服务弧/>;/>表示乘客下车单位成本;/>表示单位乘客下车时间成本;/>表示服务弧/>的运行时间;/>表示列车/>对应到达服务弧集合。
S54、根据乘客等车单位成本、乘客在途单位成本、乘客下车单位成本和通过服务弧的客流量计算,得到乘客出行成本与列车开行频次的关系式;具体的计算公式为:
;
;
式中, 表示乘客出行成本;/> 表示客流需求集合;/> 表示费用统一符号;/>表示客流需求 /> 服务弧/> 的客流量;其余参数的物理含义参见步骤S51-步骤S53。
S55、以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型。
第二优化目标的表达式为:
;
式中,表示乘客出行成本;/>表示客流需求集合;/>表示费用统一符号。
可以理解的是,联立第二优化目标的表达式和步骤S15中的表达式即为系统最优客流分配子模型的表达式。
S6、将企业运营成本和乘客出行成本乘以各自权重系数再相加,得到总成本,以减少总成本为总优化目标,使总优化目标满足第三信息和第五信息,得到列车开行方案优化模型。
总优化目标的表达式为:
;
式中,表示总成本;/>表示企业运营成本的权重系数;/>表示企业运营成本;表示乘客出行成本的权重系数;/>表示乘客出行成本。
可以理解的是,联立总优化目标的表达式、步骤S11-步骤S15中的表达式即可得到列车开行方案优化模型的表达式。
S7、根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案。
具体的,步骤S7包括步骤S71、步骤S72、步骤S73、步骤S74、步骤S75、步骤S76、步骤S77、步骤S78和步骤S79。
S71、设置最大迭代次数、多个执行算子和各执行算子的权重;所述多个执行算子包括交路停站调整算子和编组调整算子;
S72、生成初始列车服务方案,所述列车服务方案包括交路方案、停站方案和编组方案;
具体的,步骤S72包括步骤S721、步骤S722、步骤S723、步骤S724、步骤S725、步骤S726和步骤S727。
S721、分别获取各线路的车站总数量;
S722、判断各线路的车站总数量是否大于等于二十五站;
S723、当某线路上的车站总数量大于等于二十五站时,设置该线路上的小交路车站数量为车站总数量的四分之一至四分之三,当某线路上的车站总数量小于25站时,设置该线路上的小交路车站数量为车站总数量的三分之一至四分之三,得到列车交路方案备选集;
S724、分别获取列车交路方案备选集中各车站的客流量和各车站所在交路的总客流量;
S725、分别将各车站的客流量除以各车站所在交路的总客流量,得到停站概率;
S726、将停站概率输入轮盘赌算法,得到各交路的停站方案备选集;
S727、依次从各交路的停站方案备选集中随机挑选一趟列车随机安排编组类型,得到初始列车服务方案。
S73、计算:在初始列车服务方案状态下,以乘客出行成本最小求解系统最优客流分配子模型,得到初始客流分配方案和初始乘客出行成本,所述初始客流分配方案包括初始列车开行频次和通过服务弧的客流量;将初始列车开行频次和通过服务弧的客流量代入列车开行方案设计子模型计算,得到初始企业运营成本;将初始乘客出行成本和初始企业运营成本代入列车开行方案优化模型,得到初始总成本。
S74、生成新的列车服务方案:根据各执行算子的权重从多个执行算子中通过轮盘赌算法选出一种执行算子,使执行算子随机根据各自的改变规则进行改变,得到新的列车服务方案。
需要说明的是,步骤S74中的改变规则包括交路停站调整算子的改变规则和编组调整算子的改变规则。具体的:
交路停站调整算子的改变规则:
从当前列车服务方案中随机挑选两趟列车,交换其起始车站;
从当前列车服务方案中随机挑选两趟列车,交换其终到站;
从当前列车服务方案中随机挑选两趟列车,交换其中间车站;
从当前列车服务方案中随机挑选两趟列车,交换其共有区段的中间车站序列;
从当前列车服务方案中随机剔除一趟列车;从当前列车服务方案中随机增加一趟列车,并随机安排编组类型。
编组调整算子的改变规则:
随机改变当前列车服务方案中所有列车的编组类型;
为区间平均载客率最大的列车安排更大的编组类型;
为区间平均载客率最小的列车安排更小的编组类型。
S75、判断新的列车服务方案是否出现过,若出现过,则返回步骤S74。
S76、若未出现过,则根据新的列车服务方案重复步骤S73,得到新的客流分配方案和新的总成本。
S77、比较新的总成本和初始总成本的数值大小,选取数值更小的总成本对应的列车服务方案作为当前列车服务方案,迭代次数加一。
需要说明的是,步骤S77还包括更新各执行算子的权重。
执行算子的权重的更新规则为:当新的总成本小于当前最小总成本,为新的列车服务方案对应改变的执行算子的权重增加第一数值;新的总成本大于当前最小总成本、小于上次迭代的总成本,为新的列车服务方案对应改变的执行算子的权重增加第二数值;新的总成本大于上次迭代的总成本,为新的列车服务方案对应改变的执行算子的权重增加第三数值/>;/>。
S78、返回步骤S74,直到达到最大迭代次数,将当前列车服务方案作为最优列车服务方案。
S79、计算最优列车服务方案状态下,满足客流需求的列车开行频次和通过服务弧的客流量,结合最优列车服务方案和列车开行频次即得到最优列车开行方案。
本实施例中的设置最大迭代次数可以替换为设置初始温度、降温速率和终止温度;迭代次数加一可以替换为进行一次降温;步骤S78中的直到达到最大迭代次数可以替换为直到达到终止温度。
实施例2:
如图2所示,相对于上述的方法实施例,本实施例提供一种基于多运营策略的城轨列车开行方案优化系统800,包括:
第一获取单元801,用于获取第一信息、第二信息、第三信息、第四信息和第五信息;所述第一信息为列车运行数据;所述第二信息包括线路数据和单位成本数据;第三信息为企业运营约束;所述第四信息为乘客出行数据;所述第五信息为乘客出行约束;
第一计算单元802,用于根据第一信息计算,得到固定成本与列车开行频次的关系式;
第二计算单元803,用于根据第二信息计算,得到可变成本与列车开行频次的关系式;
第一建模单元804,用于根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,使第一优化目标满足第三信息,得到列车开行方案设计子模型;
第二建模单元805,用于根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型;
第三建模单元806,用于将企业运营成本和乘客出行成本乘以各自权重系数再相加,得到总成本,以减少总成本为总优化目标,使总优化目标满足第三信息和第五信息,得到列车开行方案优化模型;
求解单元807,用于根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案。
第一计算单元802包括:
第三计算单元,用于根据列车在区段的纯运行时间、列车在车站的停站时间和列车在折返站的折返时间计算,得到列车的周转时间;
第四计算单元,用于根据列车开行频次和列车的周转时间计算,得到高峰时期的列车最大需求数量与列车开行频次的关系式;
第五计算单元,用于根据列车的服务期限、开行方案使用时间和列车的购置成本计算,得到列车的单位购置成本;
第六计算单元,用于根据列车的单位购置成本和高峰时期的列车最大需求数量计算,得到固定成本与列车开行频次的关系式。
第二计算单元803包括:
第七计算单元,用于根据区段的长度和列车在折返站的折返距离计算,得到列车的走行长度;
第八计算单元,用于根据列车的走行长度、列车开行频次和列车单位走行成本计算,得到列车走行公里成本与列车开行频次的关系式;
第九计算单元,用于根据列车单位停站成本和列车开行频次计算,得到列车停站成本与列车开行频次的关系式;
第十计算单元,用于根据列车走行公里成本和列车停站成本计算,得到可变成本与列车开行频次的关系式。
第二建模单元805包括:
第十一计算单元,用于根据开行方案使用时间、列车开行频次和单位乘客等待时间成本计算,得到乘客等车单位成本与列车开行频次的关系式;
第十二计算单元,用于根据服务弧的运行时间、列车在车站的停站时间和单位乘客在途时间成本计算,得到乘客在途单位成本;
第十三计算单元,用于根据服务弧的运行时间和单位乘客下车时间成本计算,得到乘客下车单位成本;
第十四计算单元,用于根据乘客等车单位成本、乘客在途单位成本、乘客下车单位成本和通过服务弧的客流量计算,得到乘客出行成本与列车开行频次的关系式。
求解单元807包括:
设置单元,用于设置最大迭代次数、多个执行算子和各执行算子的权重;
初始单元,用于生成初始列车服务方案,所述列车服务方案包括交路方案、停站方案和编组方案;
第十五计算单元,用于计算在初始列车服务方案状态下,以乘客出行成本最小求解系统最优客流分配子模型,得到初始客流分配方案和初始乘客出行成本,所述初始客流分配方案包括初始列车开行频次和通过服务弧的客流量;将初始列车开行频次和通过服务弧的客流量代入列车开行方案设计子模型计算,得到初始企业运营成本;将初始乘客出行成本和初始企业运营成本代入列车开行方案优化模型,得到初始总成本;
更新单元,用于生成新的列车服务方案:根据各执行算子的权重从多个执行算子中通过轮盘赌算法选出一种执行算子,使执行算子随机根据各自的改变规则进行改变,得到新的列车服务方案;
第一判断单元,用于判断新的列车服务方案是否出现过,若出现过,则返回更新单元;
第十六计算单元,用于当新的列车服务方案未出现过时,根据新的列车服务方案计算,得到新的客流分配方案和新的总成本;
第一比较单元,用于比较新的总成本和初始总成本的数值大小,选取数值更小的总成本对应的列车服务方案作为当前列车服务方案,迭代次数加一;
返回单元,用于将当前列车服务方案返回更新单元,直到达到最大迭代次数,将当前列车服务方案作为最优列车服务方案;
第十七计算单元,用于计算最优列车服务方案状态下列车开行频次和通过服务弧的客流量,得到最优列车开行方案。
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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于多运营策略的城轨列车开行方案优化方法,其特征在于,包括:
获取第一信息、第二信息、第三信息、第四信息和第五信息;所述第一信息为列车运行数据;所述第二信息包括线路数据和单位成本数据;第三信息为企业运营约束;所述第四信息为乘客出行数据;所述第五信息为乘客出行约束;
根据第一信息计算,得到固定成本与列车开行频次的关系式;
根据第二信息计算,得到可变成本与列车开行频次的关系式;
根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,使第一优化目标满足第三信息,得到列车开行方案设计子模型;
根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型;
将企业运营成本和乘客出行成本乘以各自权重系数再相加,得到总成本,以减少总成本为总优化目标,使总优化目标满足第三信息和第五信息,得到列车开行方案优化模型;
根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案,包括:
设置最大迭代次数、多个执行算子和各执行算子的权重;
生成初始列车服务方案,所述列车服务方案包括交路方案、停站方案和编组方案;
计算:在初始列车服务方案状态下,以乘客出行成本最小求解系统最优客流分配子模型,得到初始客流分配方案和初始乘客出行成本,所述初始客流分配方案包括初始列车开行频次和通过服务弧的客流量;将初始列车开行频次和通过服务弧的客流量代入列车开行方案设计子模型计算,得到初始企业运营成本;将初始乘客出行成本和初始企业运营成本代入列车开行方案优化模型,得到初始总成本;
生成新的列车服务方案:根据各执行算子的权重从多个执行算子中通过轮盘赌算法选出一种执行算子,使执行算子随机根据各自的改变规则进行改变,得到新的列车服务方案;
判断新的列车服务方案是否出现过,若出现过,则重复生成新的列车服务方案步骤;
若未出现过,则根据新的列车服务方案重复计算步骤,得到新的客流分配方案和新的总成本;
比较新的总成本和初始总成本的数值大小,选取数值更小的总成本对应的列车服务方案作为当前列车服务方案,迭代次数加一;
返回生成新的列车服务方案步骤,直到达到最大迭代次数,将当前列车服务方案作为最优列车服务方案;
计算最优列车服务方案状态下列车开行频次和通过服务弧的客流量,得到最优列车开行方案;
所述生成初始列车服务方案包括:
分别获取各线路的车站总数量;
判断各线路的车站总数量是否大于等于二十五站;
当某线路上的车站总数量大于等于二十五站时,设置该线路上的小交路车站数量为车站总数量的四分之一至四分之三,当某线路上的车站总数量小于25站时,设置该线路上的小交路车站数量为车站总数量的三分之一至四分之三,得到列车交路方案备选集;
分别获取列车交路方案备选集中各车站的客流量和各车站所在交路的总客流量;
分别将各车站的客流量除以各车站所在交路的总客流量,得到停站概率;
将停站概率输入轮盘赌算法,得到各交路的停站方案备选集;
依次从各交路的停站方案备选集中随机挑选一趟列车随机安排编组类型,得到初始列车服务方案。
2.根据权利要求1所述的基于多运营策略的城轨列车开行方案优化方法,所述列车运行数据包括列车在区段的纯运行时间、列车在车站的停站时间、列车在折返站的折返时间、列车的服务期限、开行方案使用时间和列车的购置成本,其特征在于,根据第一信息计算,得到固定成本与列车开行频次的关系式,包括:
根据列车在区段的纯运行时间、列车在车站的停站时间和列车在折返站的折返时间计算,得到列车的周转时间;
根据列车开行频次和列车的周转时间计算,得到高峰时期的列车最大需求数量与列车开行频次的关系式;
根据列车的服务期限、开行方案使用时间和列车的购置成本计算,得到列车的单位购置成本;
根据列车的单位购置成本和高峰时期的列车最大需求数量计算,得到固定成本与列车开行频次的关系式。
3.根据权利要求1所述的基于多运营策略的城轨列车开行方案优化方法,所述线路数据包括区段的长度和列车在折返站的折返距离,所述单位成本数据包括列车单位走行成本和列车单位停站成本,其特征在于,根据第二信息计算,得到可变成本与列车开行频次的关系式,包括:
根据区段的长度和列车在折返站的折返距离计算,得到列车的走行长度;
根据列车的走行长度、列车开行频次和列车单位走行成本计算,得到列车走行公里成本与列车开行频次的关系式;
根据列车单位停站成本和列车开行频次计算,得到列车停站成本与列车开行频次的关系式;
根据列车走行公里成本和列车停站成本计算,得到可变成本与列车开行频次的关系式。
4.根据权利要求1所述的基于多运营策略的城轨列车开行方案优化方法,所述乘客出行数据包括开行方案使用时间、单位乘客等待时间成本、服务弧的运行时间、列车在车站的停站时间、单位乘客在途时间成本、单位乘客下车时间成本和通过服务弧的客流量,其特征在于,根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,包括:
根据开行方案使用时间、列车开行频次和单位乘客等待时间成本计算,得到乘客等车单位成本与列车开行频次的关系式;
根据服务弧的运行时间、列车在车站的停站时间和单位乘客在途时间成本计算,得到乘客在途单位成本;
根据服务弧的运行时间和单位乘客下车时间成本计算,得到乘客下车单位成本;
根据乘客等车单位成本、乘客在途单位成本、乘客下车单位成本和通过服务弧的客流量计算,得到乘客出行成本与列车开行频次的关系式。
5.一种基于多运营策略的城轨列车开行方案优化系统,其特征在于,包括:
第一获取单元,用于获取第一信息、第二信息、第三信息、第四信息和第五信息;所述第一信息为列车运行数据;所述第二信息包括线路数据和单位成本数据;第三信息为企业运营约束;所述第四信息为乘客出行数据;所述第五信息为乘客出行约束;
第一计算单元,用于根据第一信息计算,得到固定成本与列车开行频次的关系式;
第二计算单元,用于根据第二信息计算,得到可变成本与列车开行频次的关系式;
第一建模单元,用于根据固定成本和可变成本计算,得到企业运营成本,以减少企业运营成本为第一优化目标,使第一优化目标满足第三信息,得到列车开行方案设计子模型;
第二建模单元,用于根据第四信息计算,得到乘客出行成本与列车开行频次的关系式,以减少乘客出行成本为第二优化目标,使第二优化目标满足第五信息,得到系统最优客流分配子模型;
第三建模单元,用于将企业运营成本和乘客出行成本乘以各自权重系数再相加,得到总成本,以减少总成本为总优化目标,使总优化目标满足第三信息和第五信息,得到列车开行方案优化模型;
求解单元,用于根据预设的自适应大邻域搜索算法对列车开行方案优化模型进行求解,得到最优列车开行方案;
求解单元包括:
设置单元,用于设置最大迭代次数、多个执行算子和各执行算子的权重;
初始单元,用于生成初始列车服务方案,所述列车服务方案包括交路方案、停站方案和编组方案;
第十五计算单元,用于计算在初始列车服务方案状态下,以乘客出行成本最小求解系统最优客流分配子模型,得到初始客流分配方案和初始乘客出行成本,所述初始客流分配方案包括初始列车开行频次和通过服务弧的客流量;将初始列车开行频次和通过服务弧的客流量代入列车开行方案设计子模型计算,得到初始企业运营成本;将初始乘客出行成本和初始企业运营成本代入列车开行方案优化模型,得到初始总成本;
更新单元,用于生成新的列车服务方案:根据各执行算子的权重从多个执行算子中通过轮盘赌算法选出一种执行算子,使执行算子随机根据各自的改变规则进行改变,得到新的列车服务方案;
第一判断单元,用于判断新的列车服务方案是否出现过,若出现过,则返回更新单元;
第十六计算单元,用于当新的列车服务方案未出现过时,根据新的列车服务方案计算,得到新的客流分配方案和新的总成本;
第一比较单元,用于比较新的总成本和初始总成本的数值大小,选取数值更小的总成本对应的列车服务方案作为当前列车服务方案,迭代次数加一;
返回单元,用于将当前列车服务方案返回更新单元,直到达到最大迭代次数,将当前列车服务方案作为最优列车服务方案;
第十七计算单元,用于计算最优列车服务方案状态下列车开行频次和通过服务弧的客流量,得到最优列车开行方案。
6.根据权利要求5所述的基于多运营策略的城轨列车开行方案优化系统,所述列车运行数据包括列车在区段的纯运行时间、列车在车站的停站时间、列车在折返站的折返时间、列车的服务期限、开行方案使用时间和列车的购置成本,其特征在于,第一计算单元包括:
第三计算单元,用于根据列车在区段的纯运行时间、列车在车站的停站时间和列车在折返站的折返时间计算,得到列车的周转时间;
第四计算单元,用于根据列车开行频次和列车的周转时间计算,得到高峰时期的列车最大需求数量与列车开行频次的关系式;
第五计算单元,用于根据列车的服务期限、开行方案使用时间和列车的购置成本计算,得到列车的单位购置成本;
第六计算单元,用于根据列车的单位购置成本和高峰时期的列车最大需求数量计算,得到固定成本与列车开行频次的关系式。
7.根据权利要求5所述的基于多运营策略的城轨列车开行方案优化系统,所述线路数据包括区段的长度和列车在折返站的折返距离,所述单位成本数据包括列车单位走行成本和列车单位停站成本,其特征在于,第二计算单元包括:
第七计算单元,用于根据区段的长度和列车在折返站的折返距离计算,得到列车的走行长度;
第八计算单元,用于根据列车的走行长度、列车开行频次和列车单位走行成本计算,得到列车走行公里成本与列车开行频次的关系式;
第九计算单元,用于根据列车单位停站成本和列车开行频次计算,得到列车停站成本与列车开行频次的关系式;
第十计算单元,用于根据列车走行公里成本和列车停站成本计算,得到可变成本与列车开行频次的关系式。
8.根据权利要求5所述的基于多运营策略的城轨列车开行方案优化系统,所述乘客出行数据包括开行方案使用时间、单位乘客等待时间成本、服务弧的运行时间、列车在车站的停站时间、单位乘客在途时间成本、单位乘客下车时间成本和通过服务弧的客流量,其特征在于,第二建模单元包括:
第十一计算单元,用于根据开行方案使用时间、列车开行频次和单位乘客等待时间成本计算,得到乘客等车单位成本与列车开行频次的关系式;
第十二计算单元,用于根据服务弧的运行时间、列车在车站的停站时间和单位乘客在途时间成本计算,得到乘客在途单位成本;
第十三计算单元,用于根据服务弧的运行时间和单位乘客下车时间成本计算,得到乘客下车单位成本;
第十四计算单元,用于根据乘客等车单位成本、乘客在途单位成本、乘客下车单位成本和通过服务弧的客流量计算,得到乘客出行成本与列车开行频次的关系式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410065247.5A CN117610744B (zh) | 2024-01-17 | 2024-01-17 | 一种基于多运营策略的城轨列车开行方案优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410065247.5A CN117610744B (zh) | 2024-01-17 | 2024-01-17 | 一种基于多运营策略的城轨列车开行方案优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117610744A CN117610744A (zh) | 2024-02-27 |
CN117610744B true CN117610744B (zh) | 2024-04-30 |
Family
ID=89946517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410065247.5A Active CN117610744B (zh) | 2024-01-17 | 2024-01-17 | 一种基于多运营策略的城轨列车开行方案优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117610744B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919650A (zh) * | 2021-09-14 | 2022-01-11 | 北京交通大学 | 一种列车运行方案优化编制方法及系统 |
CN114065454A (zh) * | 2021-11-19 | 2022-02-18 | 北京理工大学 | 一种城市轨道交通夜间列车的时刻表优化方法及系统 |
CN114819375A (zh) * | 2022-05-09 | 2022-07-29 | 青岛海信网络科技股份有限公司 | 一种公交运营方案生成方法及装置 |
CN117022398A (zh) * | 2023-07-11 | 2023-11-10 | 广州地铁设计研究院股份有限公司 | 考虑客流分配的城市轨道交通列车时刻表优化方法及系统 |
-
2024
- 2024-01-17 CN CN202410065247.5A patent/CN117610744B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919650A (zh) * | 2021-09-14 | 2022-01-11 | 北京交通大学 | 一种列车运行方案优化编制方法及系统 |
CN114065454A (zh) * | 2021-11-19 | 2022-02-18 | 北京理工大学 | 一种城市轨道交通夜间列车的时刻表优化方法及系统 |
CN114819375A (zh) * | 2022-05-09 | 2022-07-29 | 青岛海信网络科技股份有限公司 | 一种公交运营方案生成方法及装置 |
CN117022398A (zh) * | 2023-07-11 | 2023-11-10 | 广州地铁设计研究院股份有限公司 | 考虑客流分配的城市轨道交通列车时刻表优化方法及系统 |
Non-Patent Citations (7)
Title |
---|
Analysis of Urban Rail Express and Local Lines Parking Scheme Based on Elastic Demand;Li Ningchuan;《mobile information system》;20220924;第1-7页 * |
城市轨道交通大小交路模式列车开行方案的优化;王媛媛等;《铁道学报》;20130715;第35卷(第7期);第1-8页 * |
基于弹性需求的城市轨道交通列车开行方案研究;邓连波;曾强;高伟;周文梁;;铁道学报;20121215(第12期);第16-25页 * |
基于运输成本的铁路集装箱旅客化运输系统开行方案研究;夏阳;魏玉光;赖艺欢;张琦;;铁道学报;20190415(第04期);第10-15页 * |
考虑能力利用效率的本线与跨线列车开行方案协同优化研究;武晋飞;张军锋;马正猛;牛健峰;;铁路计算机应用;20200525(第05期);第6-11页 * |
轨道交通开行方案优化模型研究综述;于剑;张星臣;许璐;;武汉理工大学学报(交通科学与工程版);20160215(第01期);第195-200页 * |
高速铁路列车开行方案两阶段优化方法研究;武晋飞等;《铁道运输与经济》;20231229;第1-11页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117610744A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109774750B (zh) | 一种基于虚拟耦合模式的动态调度时空决策方法 | |
CN109377048B (zh) | 一种综合交通网络枢纽节点选择方法 | |
CN114312926B (zh) | 一种城市轨道交通列车运行调整方案优化方法和系统 | |
CN111626469B (zh) | 一种面向运能提升的快慢车开行优化方法 | |
CN113988371B (zh) | 基于客流直达的城市轨道交通跨站停开行方案优化方法 | |
CN111882156B (zh) | 面向随机动态客流和节能运行的列车时刻表鲁棒优化方法 | |
CN112712247A (zh) | 一种面向跨线运营的开行方案制定方法及系统 | |
CN114202316A (zh) | 基于深度强化学习的城市轨道交通列车时刻表优化方法 | |
CN114386310A (zh) | 一种时空客流网络分布下地铁列车节能时刻表优化方法 | |
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 | |
CN112085641A (zh) | 一种基于列车开行方案的高速铁路客流分配方法 | |
CN115511213A (zh) | 一种运输水电设备的路径优化方法、装置、媒体及系统 | |
CN113822461A (zh) | 一种轨道交通跨线运营优化方法、系统、设备及存储介质 | |
CN113928342A (zh) | 基于虚拟编组的列车运行方法、电子设备及存储介质 | |
CN111098897A (zh) | 一种铁路枢纽车站列车运行进路选择方法 | |
CN117610744B (zh) | 一种基于多运营策略的城轨列车开行方案优化方法及系统 | |
CN110956325B (zh) | 一种带时间窗的电动汽车路径规划方法 | |
Yao et al. | Circle line optimization of shuttle bus in central business district without transit hub | |
CN113936483B (zh) | 一种面向紧急车辆快速通行的车路协同调度方法 | |
CN115081153A (zh) | 一种考虑车载容量和站点容量的公交网络设计优化方法 | |
Zhang et al. | A study of metro organization based on multi-objective programming and hybrid genetic algorithm | |
Wang et al. | Study on optimization of urban rail train operation control curve based on improved multi-objective genetic algorithm | |
Wang et al. | A fast optimization method for automatic train stop control | |
Kokubo et al. | Practical train crew scheduling using improved tabu search | |
CN114418241B (zh) | 一种轨道交通列车运行图与车站作业协同优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |