地铁架大修规划数据处理方法、装置、介质及电子设备与流程

本技术涉及计算机及地铁维修规划数据处理，具体而言，涉及一种地铁架大修规划数据处理方法、装置、介质及电子设备。

背景技术：

1、在城市轨道交通列车的全寿命周期内，列车的运维检修是非常重要的环节。为了保证地铁列车平稳、高效、有序地运行。架大修是列车定期检修的重要组成部分，通常是对运营时长达5年/10年(即运营目标时长)或者运营公里数达60万/120万公里(即运营目标公里数)的列车进行全方位深度拆解维修。经过架大修后的列车，无论是列车的外观还是车厢内装，以及整体列车性能，都可以使得列车接近新车的标准，并重新投入运营。随着地铁超大规模网络化进一步发展，地铁列车架大修工程量呈现逐年递增的态势，需要进行架大修维修的列车多，任务重。在制定地铁全路网(所有地铁线路)架大修维修规划时，如何充分利用资源、保证地铁有序运维是至关重要的。在地铁制定的长期、中期、短期架大修维修规划中，长期规划是5年规划，中期规划是架大修年规划，短期规划是架大修月度规划。

2、在目前，地铁列车架大修的长期规划、中期规划、短期规划是规划人员基于地铁维修规程和自身业务经验，人工地制定维修规划。规划员根据列车的运营时长、列车的运营公里数，地铁线路的最大扣车数，承揽方的最大扣车数，承揽方每月新开工数，架大修里程碑等条件制定规划。然而，由于人工规划存在片面性和局限性。制定出来的规划无法保证可以充分利用现有资源，实现最佳效果，导致一些资源浪费、安排任务不均衡、不合理的现状，影响地铁架大修规划数据处理的准确性，最终会影响列车的可用率，影响架大修项目准时交付，影响地铁运行的稳定性。

3、基于此，如何提高地铁架大修规划数据处理的准确性是亟待解决的技术问题。

技术实现思路

1、本技术的实施例提供了一种地铁架大修规划数据处理方法、装置、计算机程序产品或计算机程序、计算机可读介质及电子设备，进而至少在一定程度上可以提高地铁架大修规划数据处理的准确性。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本技术的实践而习得。

3、根据本技术实施例的一个方面，提供了一种地铁架大修规划数据处理方法，所述方法包括：获取与地铁全路网中列车架大修规划相关联的决策参考数据；基于所述决策参考数据，通过预先构建的第一混合整数规划模型确定第一规划数据，所述第一规划数据包括在未来5年内各个月份的列车架大修规划数据；基于所述决策参考数据和所述第一规划数据，通过预先构建的第二混合整数规划模型确定第二规划数据，所述第二规划数据包括在未来1年内各个日期的列车架大修规划数据；获取在上一个年度确定的第一规划数据和第二规划数据，分别作为历史第一规划数据和历史第二规划数据，并基于所述决策参考数据，所述历史第一规划数据和所述历史第二规划数据，通过预先构建的第三混合整数规划模型确定第三规划数据，所述第二规划数据包括在当前年度内剩余的各个日期的列车架大修规划数据。

4、在本技术的一些实施例中，基于前述方案，所述第一混合整数规划模型的目标函数包括如下公式1和公式2：

5、公式1：

6、

7、公式2：

8、

9、其中，公式1的优先级高于公式2的优先级；o表示架大修工作包的集合；t1表示未来5年内月份的集合；mi,o表示第i辆列车维修架大修工作包o的目标月份；xi,o,t表示第i辆列车是否在未来5年内的月份t开始去维修架大修工作包o，取值0或1；β为惩罚系数，如果实际开始维修的月份和目标月份相差很大，β将会进行惩罚；ty表示未来5年内各个年度的集合；ydty表示任一地铁线路相邻两年ty年和ty+1年列车架大修维修数量的差值绝对值；α为惩罚系数。

10、在本技术的一些实施例中，基于前述方案，所述第一混合整数规划模型的约束函数包括如下公式3，公式4，公式5：

11、公式3：

12、

13、公式4：

14、

15、公式5：

16、

17、其中，o表示架大修工作包的集合；t1表示未来5年内月份的集合；xi,o,t表示第i辆列车是否在未来5年内的月份t开始去维修架大修工作包o，取值0或1；mui,o表示第i辆列车维修架大修工作包o的运营时间/运营公里数上限，其时间颗粒度为月；mdi,o表示第i辆列车维修架大修工作包o的运营时间/运营公里数下限，其时间颗粒度为月；i表示地铁列车的集合；tty表示第ty年度的月份集合；yty表示第ty年度的列车架大修总维修数量。

18、在本技术的一些实施例中，基于前述方案，所述第二混合整数规划模型的目标函数包括如下公式6和公式7：

19、公式6：

20、

21、公式7：

22、

23、其中，公式6的优先级高于公式7的优先级；o表示架大修工作包的集合；t2表示未来1年内日期的集合；ni,o表示第i辆列车在未来1年内维修架大修工作包o的目标日期；yi,o,t表示第i辆列车是否在未来1年内的日期t开始去维修架大修工作包o，取值0或1；δ为惩罚系数，如果实际开始维修的日期和目标日期相差很大，δ将会进行惩罚；tm1表示未来1年内各个月份的集合，ydtm表示任一地铁线路相邻两月tm月和tm+1月列车架大修维修数量的差值绝对值；γ为惩罚系数。

24、在本技术的一些实施例中，基于前述方案，所述第二混合整数规划模型的约束函数包括如下公式8，公式9：

25、公式8：

26、

27、公式9：

28、

29、其中，o表示架大修工作包的集合；t2表示未来1年内日期的集合；yi,o,t表示第i辆列车是否在未来1年内的日期t开始去维修架大修工作包o，取值0或1；mudi,o表示第i辆列车维修架大修工作包o的运营时间/运营公里数上限，其时间颗粒度为天；mddi,o表示第i辆列车维修架大修工作包o的运营时间/运营公里数下限，其时间颗粒度为天。

30、在本技术的一些实施例中，基于前述方案，所述第三混合整数规划模型的目标函数包括如下公式10和公式11：

31、公式10：

32、

33、公式11：

34、

35、其中，o表示架大修工作包的集合；t3表示当前年度内日期的集合；si,o表示第i辆列车在当前年度内维修架大修工作包o的目标日期；zi,o,t表示第i辆列车是否在当前年度内的日期t开始去维修架大修工作包o，取值0或1；μ为惩罚系数，如果实际开始维修的日期和目标日期相差很大，μ将会进行惩罚；tm2表示当前年度内各个月份的集合，ydtm表示任一地铁线路相邻两月tm月和tm+1月列车架大修维修数量的差值绝对值；θ为惩罚系数。

36、在本技术的一些实施例中，基于前述方案，所述第三混合整数规划模型的约束函数包括如下公式12，公式13：

37、公式12：

38、

39、公式13：

40、

41、其中，o表示架大修工作包的集合；t3表示当前年度内日期的集合；zi,o,t表示第i辆列车是否在当前年度内的日期t开始去维修架大修工作包o，取值0或1；mudi,o表示第i辆列车维修架大修工作包o的运营时间/运营公里数上限，其时间颗粒度为天；mddi,o表示第i辆列车维修架大修工作包o的运营时间/运营公里数下限，其时间颗粒度为天。

42、根据本技术实施例的一个方面，提供了一种地铁架大修规划数据处理装置，所述装置包括：获取单元，用于获取与地铁全路网中列车架大修规划相关联的决策参考数据；第一确定单元，用于基于所述决策参考数据，通过预先构建的第一混合整数规划模型确定第一规划数据，所述第一规划数据包括在未来5年内各个月份的列车架大修规划数据；第二确定单元，用于基于所述决策参考数据和所述第一规划数据，通过预先构建的第二混合整数规划模型确定第二规划数据，所述第二规划数据包括在未来1年内各个日期的列车架大修规划数据；第三确定单元，用于获取在上一个年度确定的第一规划数据和第二规划数据，分别作为历史第一规划数据和历史第二规划数据，并基于所述决策参考数据，所述历史第一规划数据和所述历史第二规划数据，通过预先构建的第三混合整数规划模型确定第三规划数据，所述第二规划数据包括在当前年度内剩余的各个日期的列车架大修规划数据。

43、根据本技术实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中所述的方法。

44、根据本技术实施例的一个方面，提供了一种计算机可读介质，其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上述实施例中所述的方法。

45、根据本技术实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的方法。

46、在本技术中，采用了一种全局优化的思想，搭建了一套的长期规划、中期规划、短期规划的规划决策方案，基于混合整数规划模型，通过多阶段规划的方法，按照顺序来制定和执行架大修规划。其中，架大修5年规划，以月份为颗粒度，时间跨度为5年的维修规划。架大修年规划，以天数为颗粒度，时间跨度为1年的维修规划。架大修月规划，以天数为颗粒度，时间跨度小于1年的维修规划，各个阶段的规划时间跨度由大到小，时间颗粒度由大到小，考虑的因素从少到多，最终求解到精确到天的维修规划，即列车从哪天开始进入架大修维修，从哪天结束架大修维修。本技术可以有效降低规划求解的复杂度，提升数据求解的准确性和求解速度。

47、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。