一种基于供需动态平衡的铁路工程建设物资流量分配方法与流程

本发明涉及工程物资运输，尤其涉及一种基于供需动态平衡的铁路工程建设物资流量分配方法。

背景技术：

1、铁路建设通常以提升当地交通设施便捷性，促进经济活动和产业发展等为目标。因此，在铁路建设的过程中，主要工程物资大都需要经长途运输到达工点，且沿线区域常伴有山高路险、地灾频发、气候恶劣和交通基础薄弱等特点，物流组织极具挑战性。在这样的背景下，如何在铁路工程建设过程中，保障工程物资运输的准时性十分重要，需要考虑多品类物资、多式联运、灵活运用物资储备基地等因素，对所有工程建设物资的运输路径进行优化，通过宏观的流量分配和统筹控制，进一步掌握物资运输情况，保障物资运输安全，保证较高的物资运到时限兑现率，提升铁路建设工程物资运输的管理效率和经济效益。

2、在既有的研究文献中，对于铁路网流量分配问题主要体现为铁路网车流径路的研究。由于铁路车流运输径路具有不可分割这一特点，因此可视为多商品流问题，常见模型为弧-路以及点-弧模型。铁路网流量分配问题研究多为单目标优化，常以走行费用、旅行时间和运输距离等因素中的一个或是综合指标的最小化作为优化目标，多目标优化则是综合单目标所涉及的不同因素建立目标函数，且多是关于空、重车流的综合优化。已有研究多将列车路径与编组问题或开行方案问题相结合。常见约束主要有：路段能力、车流最大迂回、车流不可拆分和树形径路原则等。

3、自wardrop原则提出以来，公路网交通流量分配的建模和求解方法得到广泛地研究。现有关于交通流量分配问题的研究可以分为两类：静态流量分配和动态流量分配。其中，静态流量分配问题多关注于道路网的容量约束情况。动态流量分配的早期研究是在静态流量分配的基础技术上发展起来的，可分为基于解析的动态流量分配以及基于仿真的动态交通分配方法两种。此外，部分研究还针对多方式交通网络流量分配问题以及多方式交通网络下的最短路径问题进行了研究。有方案提出了一个多方式网络下随机均衡模型，该模型考虑了拥堵收费以及基于公交的p&r系统布设问题。该研究中考虑了小汽车、公交、p&r三种交通方式，采用了probit型sue模型，同时考虑了弹性需求问题，采用固定点法对模型进行了求解。如，还有方案提出了一种a*label setting算法用于求解多方式交通网络下限制性最短路搜索问题，该研究考虑了时变的通行时间函数及时刻表信息，采用a*算法和access-node法对最短路搜索进行了加速，其数值计算结果表明该算法能够被有效应用于真实多方式网络限制性最短路搜索问题。

4、国内外针对多式联运路径优化问题的研究主要分为确定环境下路径优化问题与不确定环境下的路径优化问题。目前针对确定环境下的多式联运路径优化的研究众多，绝大部分研究内容是采用运筹学理论，搭建相关运输情景下的数学优化模型并通过求解和参数的分析来研究路径优化问题。根据多式联运路径优化目标的不同，可以分为单目标路径优化与多目标路径优化。其中，单目标优化从运营者的角度出发，以最小化成本为目标函数，有方案考虑到不同运输方式在中转站进行转运而产生的转运耗时问题，通过对中转节点进行拆分，将转运耗时转化为路段权值，建立了以运输时间和转运时间最少为单目标的多式联运路径优化模型；而多目标优化兼顾企业和货主双方的需求，以费用和时间为目标，还有方案同时考虑路段运输和节点转运的成本最低，运输和转运时间最短为优化目标，通过运输节点的拆分，将多式联运网络进行转化并采用权重系数法将多目标路径优化问题转化为了单目标指派问题。考虑到多式联运的整个运输流程复杂，受内外环境的影响，易出现不确定状况，因此可以分为运输时间不确定下的多式联运路径优化、运输需求不确定下的多式联运路径优化和多种不确定情景下的多式联运路径优化三大类。

5、(1)精确求解算法

6、对于小型的路网和数据规模下的流量分配问题，一般运用lingo、gams、cplex和gurobi等商业求解器求解，其内置的列生成、benders分解、拉格朗日松弛算法对于小规模路网下的求解速度和求解精度都能较好的满足。有方案研究了铁路运营商的空车分配背景下的有容量限制的路径成本固定的多商品网络流问题，并设计了基于对偶次梯度搜索的基于拉格朗日的启发式算法以及基于拉格朗日子问题解路径信息的原始启发式算法进行求解，还有方案旨在为多式联运规划提供决策支持，包括运输服务设计中的路线和承运人选择以及减排潜力评估，以温室气体排放、运输成本为目标构建了考虑多个目标函数和在途库存的容量多商品网络流量模型，并使用gams进行求解；还有方案通过引入0-1决策变量对点-弧模型进行改进，并将大股车流和小股车流加以区分，基于多商品流模型结合铁路运输组织的车流不拆散原则，对大股车流、线路能力和车站能力进行约束，构建铁路网车流分配和径路优化改进模型，采用lingo对算例求解。

7、启发式求解算法：对于大型的路网和数据规模下的流量分配问题，主要运用启发式算法进行求解，常见算法有粒子群算法、蚁群算法、邻域搜索算法、遗传算法和禁忌搜索算法等。

8、为解决固定费用的带容量限制的多商品网络设计问题，有方案提出了一种路径重新连接程序，通过增加基于循环的邻域结构对禁忌搜索算法进行改进以构建精英候选集，并采用基于循环的邻域用于根据精英解决方案构造解路径。还有方案对多种运输方式、易腐蚀产品和可重复使用运输物品管理的运输规划问题进行研究，并基于带容量限制的多商品网络流量问题进行拓展，构建混合整数规划优化模型，并设计自适应大邻域搜索进行求解。

9、上述现有技术中的路网动态流量分配方法的缺点包括：现有路网动态流量分配方法主要以某单一路网为主，也有部分考虑联合运输进行配流，但没有系统考虑铁路工程建设物资运输的特点、持续性工程建设物资供需动态平衡、沿线设施布局和实际需要等因素对运输网络配流的影响，其配流结果与实际情况存在较大偏差，无法满足对特殊路网条件下铁路工程建设物资运输任务路径的精准调控。同时现有算法研究不能适应大规模路网持续性动态配流的计算需求，需要针对性设计高效求解算法。

10、现有路网动态流量分配方法通常在单一运输方式的路网上展开流量分配工作，大多使用单一的公路运输或铁路运输对工程物资进行运输，难以满足实际情况中工程物资的远距离运输，缺乏实际应用效果；部分选择多式联运展开工程物资运输的研究，多涉及远洋运输，重点关注国与国之间运输方式的转换，缺乏对特殊路网条件下铁路工程建设物资运输任务路径的精准调控。

技术实现思路

1、本发明的实施例提供了一种基于供需动态平衡的铁路工程建设物资流量分配方法，以实现铁路工程建设物资的及时供应与稳定保障。

2、为了实现上述目的，本发明采取了如下技术方案。

3、一种基于供需动态平衡的铁路工程建设物资流量分配方法，包括：

4、构建考虑铁路工程建设区域内外公路铁路的铁路工程沿线物资运输路网；

5、基于所述铁路工程沿线物资运输路网构建多品类物资多运输任务多式联运流量分配模型；

6、构建考虑储备基地的多品类物资多式联运流量分配模型；

7、通过基于a*和阻抗调整的车流分配方法求解所述多品类物资多运输任务多式联运流量分配模型，得到所有车流的路径配置方案；

8、通过基于dijkstra和遗传算法的组合启发式车流分配方法，求解所述考虑储备基地的多品类物资多式联运流量分配模型,得到每条运输任务的具体运输路径及运输方式。

9、优选地，所述的构建考虑铁路工程建设区域内外公路铁路的铁路工程沿线物资运输路网，包括：

10、在公路网方面，通过对铁路工程建设沿线及外围路网分析筛选，得到所需公路网的基础数据，对基础数据进行连通性检查与拓扑检查，修剪合并相关错误，构建公路网络拓扑结构；

11、在铁路网方面，基于全国普速铁路网数据，选择相关火车站及铁路线路，作为铁路运输网络构建的基础数据，并对铁路网进行连通性检查与拓扑检查，将铁路网信息转换为铁路拓扑结构；

12、基于商业地理信息系统软件arcgis中的转换工具将公路网络拓扑结构和铁路拓扑结构转换为coverage结构，完成铁路工程沿线物资运输路网的构建。

13、优选地，所述的基于所述铁路工程沿线物资运输路网构建多品类物资多运输任务多式联运流量分配模型，包括：

14、考虑不同运输方式的运力、成本、运输时间、物资种类的特点，基于多式联运中转次数、运输任务径路不可分割、运输径路点弧关联、运到时间、供点供应能力和点及弧能力因素限制，基于所述铁路工程沿线物资运输路网构建多品类物资多运输任务多式联运流量分配模型；

15、在所述多品类物资多运输任务多式联运流量分配模型中，根据铁路建设各工点对不同工程建设物资的需求量，通过考虑不同物资的供需特征、运输特征和存储特征，以运输费用和货物中转作业费用和最小为目标，给不同物资相应地赋予权重和建立约束进行配流。

16、优选地，所述的构建考虑储备基地的多品类物资多式联运流量分配模型，包括：

17、为了解决供应商至储备基地及储备基地至工点间的流量分配问题，以总费用最低为目标，考虑储备基地的存储量限制、工点的需求和运到时间约束，构建包含三级网络、两个阶段的考虑储备基地的多品类物资多式联运流量分配模型，所述多品类物资多式联运流量分配模型的三级网络分别是供应商、储备基地和工点，两个阶段是指，第一阶段需要确定供应商至储备基地间的流量分配方案；第二阶段需要确定储备基地至工点间的流量分配方案。

18、优选地，所述的通过基于a*和阻抗调整的车流分配方法求解所述多品类物资多运输任务多式联运流量分配模型，得到所有车流的路径配置方案，包括：

19、对a*算法加以改进，依次对每支车流使用改进的a*算法找到对应od间的最短路径，根据铁路网络路段阻抗调整车流分配方案；

20、所述基于a*算法的最短路径搜索算法的具体步骤包括：

21、step1：设置两个表：存储可被访问的节点的open表和存储已被访问过的最优路径上的节点的close表，将起点s放入open表；

22、step2：判断open表是否为空集？不是空集，则进行step3，若为空集，则停止算法；

23、step3：将open表中节点按照估价函数排序，得到估价函数值最小的节点u，如果有重置指令出现，则须根据u重置当前所记录的全局信息，如从s出发到达每个节点的最小成本；

24、step4：将节点u从open表移入close表；

25、step5：判断节点u是否目标节点？如果是，则停止算法，否则；进行step6；

26、step6：每支车流均有运到时限约束，将未超过运到时限的u的邻接节点加入到open表，转到step 2。若u的所有邻接节点都超过运到时限，则也转到step2，并传回重置指令。

27、step7：回溯close表，得到该支车流的最短路径。

28、所述基于路段阻抗调整的流量分配算法的具体步骤包括：

29、step1：通过a*算法获取所有车流的最短路径；

30、step2：所有车流按照最短路径分配到路网上；

31、step3：统计所有路段上的车流量；判断能力限制区段是否超过限制，如果没有超过，则转到step5；如果有路段超过能力限制，则转到step4；

32、step4：通过一定方法封锁饱和路段或是增加饱和路段的阻抗，转到step1。

33、step5：输出所有车流的路径配置方案；

34、step6：算法结束。

35、优选地，所述的通过基于dijkstra和遗传算法的组合启发式车流分配方法，求解所述考虑储备基地的多品类物资多式联运流量分配模型,得到每条运输任务的具体运输路径及运输方式，包括：

36、基于多品类物资多式联运流量分配模型中所有工程建设物资先经过中转仓库再前往最终目的地，采用考虑运到时限的dijkstra算法生成每支车流所有可行路径，以构造备选路径集合，对于每一支车流，首先生成供应点-仓库的所有可行路径，再生成仓库-施工点的所有可行路径，将其两两组合拼接成完整路径，再通过设计交叉算子以及变异算子，利用遗传算法逐步优化每条车流所选路径，通过不断的迭代，得到全局最优解，所述全局最优解中包括每条运输任务的具体运输路径及运输方式，基于所述全局最优解实现所有物资在满足路段、节点以及储备基地能力约束的情况下，在规定的时间限制内到达工点。

37、由上述本发明的实施例提供的技术方案可以看出，本发明实施例基于铁路建设工程周边路网，考虑铁路建设周期长、工程物资品类多等技术因素，对工程物资的运输路径进行流量分配，实现在任意两个节点之间，在已知运输条件(包括交通条件、天气条件、车辆条件)下运输路径及流量的分配，为日常工程物资运输路径的确定提供依据，实现铁路工程建设物资的及时供应与稳定保障。

38、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。