基于多商品网络流的技术站间货物列车协同配流方法与流程

1.本发明属于交通运输与物流技术领域，具体涉及基于多商品网络流的技术站间货物列车协同配流方法。


背景技术：

2.目前，我国的路网性编组站均为双向编组站，与区段站和单向编组站不同，双向编组站有2套功能完善且相对独立的改编系统。与单向车站相比，虽然双向编组站的改编能力和通过能力均有大幅提高，但不可避免会产生折角车流，造成重复解体。折角车流的产生不仅与双向编组站本身的站型、车流结构、作业特点有关，路网上其它技术站的编组计划也会对其产生影响。
3.以图1为例，f站为双向编组站，其它技术站为单系统技术站。b与f站的两个到达场均有衔接线路，e站与f站上行系统出发场衔接，c站与f站下行系统出发场衔接。若以图1中技术站b、f为研究对象，存在以下3种车流转移方案：
4.[0005][0006]
(1)技术站b编开至f站上行到达场的列车，该列车中去向为e站的车流在上行系统顺向改编，去向为c站的车流需折角进入下行系统改编，即b
→
c车流为f站的折角车流。
[0007]
(2)技术站b编开至f站下行到达场的列车，该列车中去向为e站的车流折角走行至f站上行系统编发，去向为c站的车流在下行系统顺向改编后发出，即b
→
e车流在f站折角改编，b
→
c车流在f站顺向改编。
[0008]
(3)技术站b分别编开至f站两系统到达场的列车，将发往e站方向的车流集结到b至f站上行系统去向中，发往c站方向的车流集结到b至f站下行系统去向中，b站发往f站的车流均进行顺向改编后发出。
[0009]
由上述分析可知，当列车到达站为双向编组站且与上下行系统到达场都有衔接线路时，b站的作业情况会影响双向编组站f的配流作业及折角车流数量。因此，为了减少双向编组站的折角车流，有必要考虑技术站间协同作业。
[0010]
为了解决上述问题，本文提出基于多商品网络流的技术站间货物列车协同配流方法。


技术实现要素：

[0011]
为了解决上述的技术问题，本发明设计了基于多商品网络流的技术站间货物列车协同配流方法，基于多商品网络流构建编组站配流模型，并考虑列车运行前方双向编组站交换车流情况，分上下行系统车流组号分别进行集结，优化本站的配流计划，以获取符合实际需求且路网车流组织效率更高的配流方案。
[0012]
为了达到上述技术效果，本发明通过以下技术方案实现的：本发明提出了基于多商品网络流的技术站间货物列车协同配流方法，通过考虑折角车流优化，构建了技术站间货物列车协同配流模型；以本站出发列车车流量最大、两技术站的车辆在站总停留时间最
小、折角车流数最小作为目标函数；采用遗传算法进行寻优，得到相邻两站列车解编顺序和配流方案，并结合多商品网络流网络得到调机运用方案，其特征在于，包括以下步骤：
[0013]
s1、构建基于多商品网络流的技术站配流过程网络：
[0014]
首先设假设条件，以技术站b为例，考虑双向编组站f的车流作业需求，构建b站协同配流模型；接着设定技术站网络节点；再设定技术站网络的边；设置技术站网络参数，根据参数设置，将抽象的车站配流作业过程描述为技术站多商品流网络；
[0015]
s2、建立技术站间协同配流模型：
[0016]
确定决策变量、设定约束条件、确立目标函数、对模型进行约简；
[0017]
s3、设计模型的求解算法，根据运输问题的资源分配特点，设计有效的编码及适应度函数对该问题进行求解：
[0018]
采用整数编码的形式构成染色体，生成初始群体，运用学习规则的静态配流网络模型求解，进行动态配流，建立适应度函数，进行遗传算子操作，把最大进化代数作为算法的终止条件；
[0019]
s4、算例分析验证结果：
[0020]
通过基础数据对比，优化结果分析，再对求解策略分析。
[0021]
进一步地，所述步骤s2中设定约束条件具体包括：解体约束、编组约束、车流接续约束、列车出发约束、分车流去向编组约束、运输网络约束。
[0022]
进一步地，所述步骤s3中运用学习规则的静态配流网络模型求解具体包括：初始化参数、误差函数、计算权值、归一化处理、学习步骤、虚拟到达列车初始值、配流方案计算
[0023]
进一步地，所述学习步骤具体包括：
[0024]
(1)载入静态配流网络模型，初始化参数，令初始权值
[0025]
(2)计算误差函数。
[0026]
(3)更新权值z
ij
(t+1)。
[0027]
(4)判断误差函数e(z(t+1))是否等于0，若不等于0，转入(2)；否则，停止学习，输出权值z
ij
。
[0028]
进一步地，所述算法步骤具体包括：
[0029]
(1)通过由遗传算法得到的解编方案，构建静态配流网络模型。
[0030]
(2)初始化网络参数，建立虚发点与虚收点，对虚拟到达列车λ
n+1
赋值。
[0031]
(3)调用学习规则，判断对应解编方案是否可行，若可行，转(4)，否则返回动态配流阶段寻找新的解编方案。
[0032]
(4)判断误差函数e(z)是否为0，若为0，计算虚拟到达列车车辆数；若不为0，增加λ
n+1
，计算虚拟到达列车辆数。
[0033]
(5)当重新满足e(z)＝0时，停止迭代，得到权值z
ij
。
[0034]
(6)计算列车配流方案，输出最终配流成功车辆数。
[0035]
进一步地，所述步骤s3中进行动态配流具体包括：
[0036]
(1)取当前个体染色体中的前nd个基因，赋给到达列车的解体顺序数组d；后面基因赋值给编组顺序数组f，转(2)。
[0037]
(2)根据列车解编顺序数组，计算出到达列车解体最早结束时刻和编组最晚开始
时刻，转(3)。
[0038]
(3)输入算法相关参数l(di)、l(fj)、λ
ir
、l(ri)、w(ri)、u(ri)、并转入下一步；
[0039]
(4)调用静态配流算法求解编组站静态配流网络，利用学习规则判断该解编方案是否可行，若可行，转(5)；否则转(2)。
[0040]
(5)动态配流过程结束，计算目标函数g1,g2,g3。
[0041]
本发明的有益效果：通过考虑折角车流优化，构建了技术站间货物列车协同配流模型；以本站出发列车车流量最大、两技术站的车辆在站总停留时间最小、折角车流数最小作为目标函数，采用遗传算法进行寻优，得到相邻两站列车解编顺序和配流方案，并结合多商品网络流网络得到调机运用方案；算例结果表明，相邻两技术站车辆在站总停留时间节省了122.5h，双向编组站的折角车流减少了23辆，站间协同配流作业有利于提高全局运输组织的整体效率和效益。
附图说明
[0042]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]
图1技术站间去向连接及双向编组站内车流走行径路示意图；
[0044]
图2技术站配流作业过程网络图；
[0045]
图3静态配流网络模型图；
[0046]
图4b站调整后遗传算法收敛曲线；
[0047]
图5b站调整前配流过程网络图；
具体实施方式
[0048]
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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它实施例，都属于本发明保护的范围。
[0049]
实施例1
[0050]
如图1至图5所示，b站采用双推单溜的驼峰作业方案，有2台解体调机，2台编组调机，到达技术作业时间30min，解体作业时间20min，编组作业时间15min，出发技术作业时间30min，解体调机固定作业时间3min，编组调机固定作业时间1min，列车编成辆数为[30,35]。其中，摘挂列车允许欠轴开行。
[0051]
选取其中一个阶段的到发车流原始数据。其中调整前的组号5代表双向编组站f及其以远的车流去向；调整后组号5代表双向编组站f上行系统及其以远，组号6代表双向编组站f下行系统及其以远。b站调整前后的到发车流信息见表1、表2、表3、表4。f站到发车流信息见表5、表6。列车运行前方技术站为f站，经过途中中间站，列车只卸不挂，b、f两技术站间
距离为240km，普通货物列车时速为120km/h。f站以到达列车车流信息为其指派车场，即列车包含上行系统衔接去向车辆数大于下行系统，接入上行到达场，反之，接入下行到达场。
[0052]
表1 b站调整前到达列车信息
[0053][0054][0055]
表2 b站调整前出发列车信息
[0056][0057]
表3 b站调整后到达列车车流
[0058][0059]
[0060]
表4 b站调整后出发列车车流
[0061][0062]
表5 f站到达列车信息
[0063]
[0064][0065]
表6 f站出发列车信息
[0066]
[0067][0068]
本节完成算例设计，并用遗传算法进行求解。算法参数具体如下：终止迭代次数为150，交叉概率为0.1，变异概率为0.01。c1为两站到达车辆总数，由于车辆在站停留时间及交换车辆数都不可能小于0，c2、c3均取0。以加权多目标为适应度，权重系数分别为0.2，0.4和0.4。限于篇幅，给出b站调整后的收敛曲线如图4所示。
[0069]
(1)计算得到是否考虑后方双向编组站车流需求的b站配流结果，以下简称为b站调整前后列车配流方案，如表7所示。同理，可得f站调整前后列车配流方案，如表8所示。
[0070]
两技术站单独作业与协同作业结果对比如表11所示，与两技术站单独作业相比，在考虑后方编组站f车流需求进行作业后，b站车辆在站停留时间增加了31.5h，f站车辆在站停留时间减少了154h，车辆在站总停留时间节省了122.5h。b站发出车数减少了10辆，f站发出车数减少了5辆；但由b站配流方案及到发车流信息可知，b站减少的发出车辆其去向均为f站，此结果归因于数据样本太小，可以通过扩大车站到发车流的样本规模或延长算例计
算时间来缓解。协同配流后产生的交换车数减少了23辆。
[0071]
对比技术站单独配流(表7、表9)和两技术站协同作业结果(表8，表10)，分析发现：
[0072]
①
在基于单技术站货物列车配流时，后方双向编组站上行系统21010次列车的编组去向只有5，由上行系统顺向改编的列车不能满足其车流需求，需等待下行系统的交换列车经重复解编、转场等一系列作业后到达上行系统为其提供车流，增加了车辆在站停留时间。在两站协同作业后，由于b站分f站上下行系统进行集结，上行系统到达车流充足，21010次列车无需等待折角车流即可编组出发。与技术站单独作业时相比，协同作业后车辆在f站的总停留时间节省了154h。
[0073]
②
技术站单独配流时，b站去往f站的10004、10014、10024次列车均接入下行到达场，但其同时包含上行系统衔接方向车流，这部分车辆需经交换列车转移到另一个系统进行重复作业，不仅延长车辆在站停留时间，还会增加车辆折返走行，影响车站作业能力，与其它作业形成交叉干扰等，这部分损失难以量化。两技术站协同作业后，b站去往f站的10004、10008、10014、10020、10024次列车均只包含上行或下行系统衔接方向车流，b站发出列车产生的交换车流数减少23辆，比单独作业时，很大程度上减少车站能力浪费。
[0074]
表7 b站调整前、后配流方案
[0075][0076]
表8 f站调整前、后配流方案
[0077]
[0078]
[0079][0080]
表9配流结果对比分析
[0081][0082]
表10交换方案
[0083][0084]
[0085]
(2)分系统配流优势分析
[0086]
由上述分析可知，后方站考虑双向编组站的车流需求，分上下行系统进行车流集结，得到的配流方案会使双向编组站内折角车流转化为顺向车流，从而减少交换作业，得到车小时节省；但同时后方站也会因去向号的增加带来多余的车小时消耗。当两站的在站停留时间之和得到节省，即节省的车小时大于多消耗的车小时，后方站编开分系统别列车才是有利的。
[0087]
提出以下判别条件：
[0088]
t
集
≤∑n
折
(t'
改
+γ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0089]
t
集
＝cm
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(31)
[0090]
t
集
为编发站集结时间，n
折
为折角车流数量，t'
改
为折角车流在双向编组站重复改编消耗的时间，γ'为折角车流改编作业当量；c为车辆集结系数，m为列车编成辆数。
[0091]
以本文算例为例，令b站编发站c＝10，t'
改
＝2h，γ'＝1.5h，则当b站发往f站的折角车流总车数不低于100车/d时，可考虑f站车流需求，分上下行系统进行车流集结。
[0092]
根据上述配流结果，利用多商品网络流，得到算例配流过程网络图，结合调机运用计划、到发线运用计划等，可以明确车流在编组站内的技术作业过程以及各项技术作业起止时间及等待时间，能更好满足现场实时决策需要。以b站分去向前作业为例，其配流过程网络图如图5所示，解体、编组调机作业安排如表11、表12所示。
[0093]
表11 b站调整前解体调机安排
[0094][0095]
表12 b站调整前编组调机安排
[0096][0097][0098]
本文在考虑后方双向编组站车流需求的条件下，采用多商品网络流方法构建两站的列车协同配流模型，并用遗传算法求解模型。得到如下结论：
[0099]
(1)可引入多商品流网络结构描述车站配流作业过程，其中，车站网络节点表示改编车流不同作业阶段的起止时间点，用于刻画改编车流的分流与汇合；车站网络的边表示车流在网络中的通行路径，用于刻画改编车流在车站中的作业流程，表示车流的各种属性。
[0100]
(2)将改编车流视为编组站网络中的商品，编组站网络中的多商品可视为车流组号的集合，定义多组0-1变量刻画每支车流如何选择列流，同时满足编组站网络中的流量守恒约束，可将技术站配流问题描述为一类特殊的多商品网络流问题。
[0101]
(3)算例计算结果表明，相对于单技术站配流作业，技术站间协同配流作业将两站的车辆在站总停留时间节省了122.5h，双向编组站的折角车流减少了23辆，本文模型能够有效提高车流的组织效率。
[0102]
(4)对算例结果进一步分析发现，分系统配流方案能减少双向编组站的折角车流，减少交换作业，节省车辆在站停留时间；但后方站会因车流去向号的增加带来多余的车小时消耗。当折角车流达到一定数量，开行分系统别列车能使两站整体效益得到提高时，这种方法才是有利的。
[0103]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0104]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。