一种考虑供需优先特性的空车调配优化方法与流程

本发明涉及交通规划与管理，尤其涉及一种考虑供需优先特性的空车调配优化方法。

背景技术：

1、随着汽车制造业的不断发展，“公转铁”进程不断推进，商品车的运输需求不断提高。jsq型车为我国商品车铁路运输的专用车辆。由于我国商品车生产销售的空间不均衡性及jsq型车的专用特性，全路两万余辆jsq型车存在大量空车调配需求。在商品车运输的旺季，常常出现商品车运输车辆供不应求的情况；即使在运输淡季，每周的空车调配量将近万辆·次。

2、在实际作业过程中，空车调配方案由调度员人工制定。jsq型车空车调配方案的制定呈现三方面特点，即考虑要素多、决策频次高、决策收益大。首先，该调配方案制定需充分考虑商品汽车物流市场、铁路运输组织作业两方面要素，即既需要保证满足市场需求又要不违背路网点线能力及车站存车要求。其次，此类调配方案决策频次较高，在日常作业过程中，每日需根据出空需空数据，形成空车调配计划。最后，在每周调配次数近万辆·次的情境下，更优的调配方案将带来更低的调配成本。

3、在此背景下，若能充分考虑调配过程中考虑的诸多影响因素，并通过智能化方法优化调配方案，则可以大幅度压缩调配成本，提升作业效率。

4、从既有相关研究来看，目前对于铁路空车调配优化问题的研究已经有了一定基础。学者对该问题的研究主要倾向于根据实际路网构建服务网络，使用节点与弧描述铁路车站与铁路线路，构建符合实际情况的数学模型并进行求解，进而对运输资源的运用进行优化。

5、在实际作业过程中，空车调配方案由调度员人工制定。调度人员根据各分公司提报的请车或卸车计划、装车或排空的优先级、分界口通过能力限制因素和现在车情况，确定各区域间的空车调度轮廓方案。

技术实现思路

1、本发明的实施例提供了一种考虑供需优先特性的空车调配优化方法，用于解决现有技术中存在的技术问题。

2、为了实现上述目的，本发明采取了如下技术方案。

3、一种考虑供需优先特性的空车调配优化方法，包括：

4、s1基于空车调配场景环境，通过构建网络节点、网络弧段和网络能力资源，建立运输服务网络；

5、s2基于运输服务网络，通过建立空车调配成本最低的目标函数，结合约束条件和优先级参数标定条件，构建考虑供需优先级的空车调配数学模型；

6、s3通过ford-fulkson方法和bellman-ford算法，并引入拉格朗日乘子松弛能力约束，求解考虑供需优先级的空车调配数学模型，获得空车调配方案；通过空车调配方案进行空车调配。

7、优选地，步骤s1中，网络节点包括：正常优先级需空节点；低优先级需空节点；正常优先级出空节点；高优先级出空节点；虚拟起始点和虚拟终止点；

8、网络弧段包括：虚拟起始弧段，用于表示从虚拟起点到任一出空节点；虚拟终止弧段，用于表示从任一需空节点到虚拟终止点；虚拟连接弧段，用于表示从虚拟起始点到虚拟终止点；调配弧段，用于表示从任一出空节点到任一需空节点；

9、构建网络能力资源的过程包括：通过为任一物理分界口任一方向的分界口和关键通道构建通过资源，该通过资源能够通过映射找到对应的调配弧段的集合。

10、优选地，步骤s2包括：

11、s21通过式

12、

13、构建空车调配成本最低的目标函数；式中，θa为出空优先参数，对应虚拟起始弧段a∈avstart；γa为需空优先参数，对应虚拟终止弧段a∈avend；ca为调配成本参数，对应调配弧段a∈atrans；xa为整数决策变量；

14、s22约束条件包括：

15、资源能力约束

16、

17、流量平衡约束

18、

19、变量取值约束

20、

21、式中，capacityr表示决策周期内分界口、通道的可通过空车能力限制，capacitya表示虚拟起始弧段、虚拟终止弧段的能力上限，t为空车供给总量，表示节点n∈n的入弧的集合，表示节点n∈n的出弧的集合，r表示分界口能力资源的集合，f表示从分界口、通道能力资源r∈r到其对应的调配弧段集合atrans的映射；a表示弧段的集合，a＝avstart∪atrans∪avend∪avcon，其中avstart表示虚拟起始弧段的集合，atrans表示调配弧段的集合，avend表示虚拟终止弧段的集合，avcon表示虚拟连接弧段的集合；n表示节点的集合，其中表示正常优先级需空节点的集合，表示低优先级需空节点的集合表示正常优先级出空节点的集合，表示高优先级出空节点的集合，nvirtual表示虚拟起始点、虚拟终止点的集合；in表示：若n为虚拟起点，则in＝-t；若n为虚拟终点，则in＝t，否则，in＝0；

22、s23优先级参数标定条件包括：

23、任意低优先级需空节点出弧的优先参数，大于任意调配弧调配成本

24、

25、任意正常优先级需空节点出弧的优先参数与任意调配弧成本的差，大于任意低优先级需节点出弧的优先参数与任意调配弧成本的差

26、

27、

28、任意高优先级出空节点入弧的优先参数，大于任意两需空参数之差与任意两调配成本之差的和

29、

30、

31、

32、优选地，步骤s3包括：

33、s31基于各优先特性的出空数据、需空数据、调配时间数据和调配成本数据，并初始化运输服务网络，将考虑供需优先级的空车调配数学模型转换为最小费用最大流模型；

34、s32对考虑供需优先级的空车调配数学模型引入拉格朗日乘子松弛能力约束，计算获得拉格朗日松弛模型；

35、s33通过ford-fulkson方法和bellman-ford算法，求解最小费用最大流模型，获得上界解；

36、s34判断上界解是否可行，若是则结束求解过程并输出空车调配方案，否则，执行子步骤s35；

37、s35通过次梯度方法更新拉格朗日乘子，通过可行性算法求解拉格朗日松弛模型，获得下界可行解；判断下界可行解的最优对偶间隙是否达到要求或更新拉格朗日乘子的迭代时间要求，若是则结束求解过程并输出空车调配方案，否则，返回执行子步骤s33。

38、优选地，子步骤s31包括：

39、通过式

40、

41、

42、将考虑供需优先级的空车调配数学模型转换为最小费用最大流模型；式中，λr表示任意分界口通道能力资源r∈r的拉格朗日乘子；表示拉格朗日迭代过程中的最优乘子；λ0表示拉格朗日迭代的乘子初值；iter表示拉格朗日迭代的迭代次数；a*表示最短路问题中最短路的弧段存储集合；a′表示最小费用最大流问题增广网络中的反向弧段集合；t表示最小费用最大流问题迭代中流量更新步长；amounttemp表示最小费用最大流问题迭代中累计配流的流量数值；capacitymin表示最短路问题中最短路上各弧段能力的最小值；labeln表示最短路问题中节点n的实数标号；beforen表示最短路问题中节点n的前继节点；costa表示最短路问题中弧段a的费用；

43、子步骤s32包括：

44、s321对于任意弧段a∈a，构建该任意弧段的反向弧段a′∈a′，该反向弧段a′∈a′的能力参数为capacitya′，获得增广网络network(n′,a′∪a)；

45、s322使用优先队列优化的bellman-ford算法求解从虚拟起始点nstart至虚拟终止点nend的最短路；若存在最短路，则记路径为弧段集合a*，并执行子步骤s323；若不存在最短路，则执行子步骤s325；

46、s323抽取弧段集合a*中a∈a*能力的最小值capacitymin，统计已更新的总流量值为amounttemp，记该次流量调整步长t＝min{capacitymin,t-amounttemp}；

47、s324遍历a∈a*：令capacitya＝capacitya+t，同时更新a∈a的对应反向弧a′能力参数capacitya′＝capacitya′+t，若累计更新流量已到达t则执行子步骤s325，否则返回执行子步骤s322；

48、s325根据虚终止弧a∈avend与虚拟起始弧a∈astar上的流量输出上界解；

49、子步骤s322中计算优先队列优化的bellman-ford算法求解从虚拟起始点nstart至虚拟终止点nend的最短路的过程包括：

50、s3221对增广网络network(n′,a′∪a)中所有节点标号，nstart标号其余节点标号为极大值labeln＝0，将nstart加入优先队列；

51、s3222抽取优先队列的队首节点n，遍历节点出弧若弧a的入节点n′的标号为labeln′>labeln+costa，则令labeln′＝labeln+costa，记n′的前继节点beforen′＝n，并将节点n′加入优先队列；

52、s3223若任意节点入队次数小于节点总数且优先队列不为空，则返回执行子步骤s3222，否则执行子步骤s3224；

53、s3224从虚拟终止点nend回溯到虚拟起始点nstart，返回回溯的弧段集合a*；

54、子步骤s35包括：

55、s351通过拉格朗日乘子式

56、

57、迭代求解最小费用最大流模型，获得最优乘子

58、s352遍历能力资源r∈r，若资源映射的弧段集合f(r)上的总流量大于资源能力capacityr，则按弧段费用从高到低的顺序，逐单位剔除弧段上的加载流量，直至流量能力满足要求；若遍历过程剔除了任意流量，则执行子步骤s353；若未剔除任何流量则执行子步骤s354；

59、s353根据剔除后剩余流量情况更新网络弧段能力，对于被剔除流量，调用通过ford-fulkson方法和bellman-ford算法求解最小费用最大流模型重新配流，配流结束后跳转到子步骤s352；

60、s354根据虚拟终止弧a∈acend与虚拟起始弧a∈avstart上的流量输出下界解，输出空车调配方案。

61、由上述本发明的实施例提供的技术方案可以看出，本发明提供一种考虑供需优先特性的空车调配优化方法，包括：基于空车调配场景环境，通过构建网络节点、网络弧段和网络能力资源，建立运输服务网络；基于运输服务网络，通过建立空车调配成本最低的目标函数，结合约束条件和优先级参数标定条件，构建考虑供需优先级的空车调配数学模型；通过ford-fulkson方法和bellman-ford算法，并引入拉格朗日乘子松弛能力约束，求解考虑供需优先级的空车调配数学模型，获得空车调配方案；通过空车调配方案进行空车调配。本发明提供的方法，充分分析了空车调配方案制定的流程，梳理了作业过程中的考虑要素，考虑了算法的高效性和可用性。与此同时，本发明所使用的算法在站到站调配实例下能够快速获取最优解，模型及算法框架在本文问题下相较商用求解器gurobi9.0.1具有速度优势，且在可预期的出空、需空规模下，求解时间无大幅度波动，具备一定程度的求解稳定性。

62、本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。