一种考虑运营日历的城轨列车检运一体计划优化方法

本发明属于城轨列车检修作业和运用作业调度领域，尤其涉及一种考虑运营日历的城轨列车检运一体计划优化方法。

背景技术：

1、城轨列车是城轨线路运营过程中完成日常运输任务的重要载体，确保城轨列车完成既定运输任务对于保证线路正常运能和旅客服务水平具有重要作用，在缓解城市交通拥堵以及减少能源耗费等方面具有重要意义。随着城轨市场竞争的日益激烈，承载列车运营和检修功能的信息系统成为衡量竞争实力的重要指标。列车检修计划和运输计划之间相互关联、相互影响，将检修计划和运输计划协同起来进行综合优化，以提高计划的编制质量，是满足业主需求的必要措施，对提升计划的准确率和检修智能化等具有重要意义。然而当前的列车运行计划和检修计划大多是依靠调度人员进行人工编制，人工编制的方式与运输计划关联度不高，无法统筹考虑各种影响因素，导致列车利用率低、维修效率不高的问题。而且随着列车数量的增加，人工编制的方式本身编制效率低，已经不能满足实际的生产需求，在列车运行的数量增多和检修作业包的数量增加时，会造成企业的运营成本增加，经济效益降低。

技术实现思路

1、为克服现有技术在解决城轨列车检运计划问题存在的不足，本发明提供一种考虑运营日历的城轨列车检运一体计划优化方法。

2、本发明的一种考虑运营日历的城轨列车检运一体计划优化方法，具体为：

3、步骤1：以最小化列车检修成本、最大化列车运用均衡性和最大化列车检修均衡性为优化目标，同时考虑线路配属列车检修规程约束、车场检修能力约束、车次任务接续约束、检修任务类型之间的逻辑约束，构建城轨列车检运一体计划多目标优化模型。

4、考虑运营日历的城轨列车检运一体计划优化问题描述为：基于历史运营数据，在线路运营日历规定的单日运输任务集合，上线列车数量以及热备任务数量已知的前提下，安排状态良好的列车去执行运输任务以及热备任务，在运用计划制定过程中需尽量优化列车的安排，避免出现过度使用造成列车过早报废淘汰的情况。其中热备任务是将备用列车保持在准备状态，以便在运行列车发生故障或需要维护保养时，能够快速地使用备用列车，以确保线路运行和乘客安全，所以执行热备任务的列车需要确保能够执行当个计划日所有类型的运输任务。同时需要严格执行列车的检修规程，即当列车的累计运行时间或累计走行里程达到检修周期时，安排其执行对应的检修任务，此期间列车不再执行运输任务，检修任务完成后，其对应的累计时间和里程归零，具备继续执行运输任务的能力，在检修计划制定过程中需尽量优化列车的安排，避免出现列车过度检修以及检修资源浪费的情况。根据实际情况，制定以下假设条件：

5、(1)列车的单个运输任务包含多个车次任务，即具有接续关系的车次任务组合。

6、(2)计算检修成本时，用检修任务的耗时和单位时间人工成本的乘积表示进行该项检修任务的作业成本。

7、目标函数：最小化列车检修成本、最大化列车运用均衡性以及最大化列车检修均衡性。

8、

9、

10、

11、其中，式(1)为列车检修成本指标的计算公式，其中定义g为线路配属的车辆集合，g＝{g1,g2,…,gv}，v为车辆索引，v表示线路配属列车数量，v＝{1,2,…,v}；定义d为计划时间段内的计划日集合，d＝{d1,d2,…,dl}，l为计划日索引，l为计划周期长度，l＝{1,2,…,l}；定义b为列车的检修任务类型集合，b＝{b1,b2,…,bj}，j为检修任务索引，j为检修任务类型数量，j＝{1,2,…,j}；为决策变量，当车辆gv在计划日dl执行该类型检修任务bj时为1，否则为0；tj为该类型检修任务bj对应的检修耗时；c表示单位检修时间的人工成本；式(2)为列车运用均衡性指标的计算公式，其中的rl表示线路在计划日dl的运输任务集合，i为运输任务索引,i表示运输任务数量，i＝{1,2,…,i}；为决策变量，当列车gv在计划日dl执行运输任务时为1，否则为0；表示运输任务的运行里程值；式(3)为列车检修均衡性指标的计算公式，其中的为列车gv在计划日dl的检修任务数量。

12、约束条件：

13、

14、

15、

16、

17、

18、

19、

20、

21、其中，式(4)表示单日的检修任务数量约束，即线路配属列车单日所安排的检修任务数量不能超过规定的阈值，其中的αl表示城轨线路在单日最多可以承担的检修任务数量；式(5)和式(6)表示检修任务的检修周期约束，即车辆某类型检修任务的累计时间或累计里程达到所规定的时间和里程范围后，即可安排列车进行相应的检修任务，其中的和分别表示列车gv距离上一次与bj相同类型检修任务或上级检修任务的累计走行里程和累计运行时间；tj和mj分别表示该类型检修任务bj对应的时间周期和里程周期，时间周期表示当列车的累计运行时间到达某种检修任务所设定的时间间隔后就需要对列车进行对应的检修作业，里程周期表示当列车的累计走行里程到达某种检修任务所设定的里程间隔后就需要对列车进行对应的检修作业；式(7)表示只有列车当日同时安排有日检任务和早/晚高峰任务时，其累计里程或时间可以超过最大检修周期，其中的表示运输任务的运行时间；rl’表示线路在计划日dl的早晚高峰运输任务集合，早高峰运输任务为任务结束时间在te之前，晚高峰运输任务为任务开始时间在ts之后，b’表示列车的日检任务类型集合，日检任务为检修作业可在一个计划日内完成的检修任务类型，式(8)表示当满足接续条件时，即下一个运输任务的开始时间晚于上一个运输任务的结束时间且上一个运输任务的到达站点与下一个运输任务的始发站点一致，两个运输任务之间的接续时间为下一个任务的始发时刻减去上一个任务的到达时刻，若不满足接续条件，则接续时间为一无穷大数u，其中δt表示两个运输任务间的接续时间；和分别表示运输任务的发车时刻和到站时刻；和分别表示运输任务的始发站和终点站；式(9)表示当列车进行某一类型的检修任务时，则包含该检修任务类型的所有下级检修任务对应的累计里程和累计时间均归零，其中j’表示检修任务类型bj所有下级检修任务类型的索引集合；式(10)表示单个运输任务只能由一辆列车执行；式(11)表示列车在单个计划日可执行多个车底运输任务。

22、步骤2：采用改进的多目标离散蝴蝶优化算法(improved multi-objectivediscrete butterfly optimization algorithm,mo-idboa)进行模型求解；

23、针对蝴蝶优化算法局部搜索能力不足、迭代后期种群多样性下降等问题，本发明设计了一种改进的多目标离散蝴蝶优化算法，首先将针对的列车调度问题离散化，即重新设计了算法的局部搜索和全局搜索策略；其次设计了一种同时考虑各种任务和列车匹配关系的编码方式；然后设计了多种种群初始化策略，提高初始种群的质量，同时设计多种邻域结构并融入模拟退火判别机制，加强算法的局部搜索能力和迭代后期的种群多样性；最后设计了一个局部逃逸参数，保证算法的动态搜索平衡。

24、(1)编码设计和解码。

25、考虑长期列车检运优化模型的高纬度、稀疏性较大的特点，用“编码片段”来表示计划周期内列车承担的运输任务、检修任务、热备任务或者备用任务信息；用一个结构体表示各编码片段的信息，包括计划日编号和列车接续任务方案两部分，列车接续方案由列车承担的运输任务、检修任务、热备任务或备用任务组成。

26、(2)种群初始化。

27、种群初始化过程中常采用的是随机初始化的方式，但随机策略一般会使得初始的种群个体质量很难全部保持在高水平，同时也很难覆盖到全部的搜索区域，因此算法往往需要更长的时间来搜索到较优解或最优解。针对该问题，设计合理的种群初始化方法能够有效提高算法求解质量和求解效率。本发明设计三种初始化种群规则如下所示：

28、1)列车随机分配规则：获取单日所有任务(包含运输任务和热备任务)的可行列车集合后，在单个任务的可行列车集合中随机选择一辆列车来执行该任务。

29、2)基于运用均衡的列车分配规则：在已知所有列车累计里程值的基础上，获取单日所有任务的可行列车集合，将运输任务按照里程大小进行排序，原则就是安排累计里程值小的列车执行里程值大的运输任务。

30、3)基于损失里程值最小的列车分配规则：获取单日所有任务的可行列车集合，在为每个任务分配列车时应尽量确保能够最大程度接近列车的最大检修周期。

31、(3)全局搜索和局部搜索策略设计。

32、确定所遍历个体对应的局部逃逸参数q与转换概率p的大小关系，若q<p，则执行局部搜索策略，否则执行全局搜索策略；其中局部逃逸参数q的计算如式(12)所示。

33、q＝ε/(e+ε)    (12)

34、其中，ε为从迭代开始到此次迭代前的局部搜索次数，e为从迭代开始到此次迭代前的全局搜索次数。

35、1)全局搜索策略。

36、在蝴蝶优化算法的全局搜索策略中，蝴蝶个体会向着最优个体移动；首先是生成当前种群的最优非支配解集sobj，即其中的每一个个体都不被当前种群的其他个体所支配；对于种群中所遍历的个体，若位于最优非支配解集sobj中，则进行随机运动，随机运动的原理为：随机交换该个体计划周期内某个计划日中两辆列车的任务；否则就根据轮盘赌准则从sobj中选择一个目标个体来完成向着最优个体运动，则两个个体间的运动原理为：随机交换两个个体间计划周期内某个计划日同一辆列车的任务；若移动后的蝴蝶个体不合法，需执行对应的合法化操作：首先是获取首个存在误差的计划日编号，然后选择一种种群初始化规则，从该计划日开始向后进行计划的重新制定，并获得一个合法解。

37、2)局部搜索策略。

38、首先对个体θ执行两种邻域结构：

39、a.单日列车任务交换邻域：随机交换单日内任意两辆车的任务；

40、b.可选列车替换邻域：获取单个任务的可选列车集合，并从集合中选择一辆列车去替换原来的列车。

41、其次是利用模拟退火判别机制在所生成的个体集合中选择出需要的个体，模拟退火判别机制就是通过一个概率阈值来判断是否接受新的解，其计算公式如式(13)所示，

42、

43、其中，df表示初始解和产生的新解之间的适应度值的差值，t0是温度常数，q是退火因子，gen是目前的迭代次数。

44、本发明的有益技术效果为：

45、(1)本发明考虑了在城轨线路日常运营过程中由于客流需求导致现行运营日历设定的单日运输任务集合、热备任务数量不同，以及车场检修能力等运营数据对城轨列车检运一体计划制定时的影响，使得所建立的考虑运营日历的城轨列车检运一体计划多目标优化模型更加契合实际运营所需，而本发明所考虑的列车检修成本以及列车运用均衡等多个目标更是检运一体计划制定过程中必要的考虑因素。

46、(2)本发明采用改进的多目标离散蝴蝶优化算法对考虑运营日历的城轨列车检运一体计划多目标优化模型进行求解。设计了一种考虑所有任务类型与列车匹配关系的编码方案；针对问题特性，重新设计了算法的局部搜索和全局搜索策略；设计了多种种群初始化策略，改善初始种群的质量以提高算法收敛速度和求解质量，设计了多种邻域结构以及应用模拟退火判别机制提高算法的局部搜索能力与迭代后期种群的多样性设计了一个局部逃逸参数，保证了算法搜索过程中的动态平衡。