重载铁路卸车端空车回送模型研究
重载铁路集疏运调度系统空重车流协同优化研究
重载铁路集疏运调度系统空重车流协同优化研究景云;何世伟;郝东红【摘要】The heavy haul railway scheduling system of optimization model of car flow organization should combine with both the empty and loaded car flow. Through analyzing the empty and loaded car flow organization, this paper develops a comprehensive optimization model based on the ability of station and railways. The goal is the minimum turnaround time of cars in the loading end of heavy haul railway. Then, based on the information entropy, representation of affinity degree is proposed. For antibody to the objective function and antigen constraint conditions, the immune clone algorithm is adopted for car flow organization in the loading end of loaded haul railway. In the solving process, premature convergence can be prevented using the immune cloning to achieve reproduction, and using the antibody concentration to control the population size. Finally, the simulation results show that the average search time of the proposed algorithm isrnreduced by 25% and 49% compared with the GA and PSO.%重载铁路集疏运调度系统车流组织优化问题涉及到空车与重车的协同优化,只有将二者结合才能够制定完整的车流组织方案.论文首先通过分析系统空重车流组织特征,以车辆周转时间最小为目标,建立基于企业需求与铁路供给的车流综合优化模型.其次以目标函数为抗体,约束条件为抗原,构建基于信息熵的亲和度表示方式,利用免疫克隆算法求解集疏运系统车流组织方案.在求解的过程中,利用免疫克隆算子实现繁殖,通过抗体浓度对种群规模进行控制,防止早熟收敛.最后仿真结果表明,与遗传算法和粒子群算法相比,本文算法的平均搜索时间减少了25％、49％.【期刊名称】《交通运输系统工程与信息》【年(卷),期】2012(012)005【总页数】7页(P123-129)【关键词】铁路运输;车流组织方案;免疫克隆算法;重载铁路;车辆周转时间【作者】景云;何世伟;郝东红【作者单位】北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044;太原铁路局大同站,山西大同037000【正文语种】中文【中图分类】U292.161 引言在重载铁路集疏运系统中，列车的实际调度指挥是一个复杂的动态过程，需要预先制定集疏运系统的车流组织方案.为制定不同运量下的车流组织方案，需要对集疏运系统中各作业环节分析建模，通过量化实际的作业环境，为运输决策提供依据.重载铁路集疏运车流调度方案的主要目的是在保证一定的运输能力下，优化机车车辆的应用，提高车辆的周转率.近年来有大量的文章对重载铁路车流组织问题进行研究.文献［1］认为重载铁路的车流组织主要依靠编组站进行调节，并以大秦线湖东站为例，构建最小费用最大流模型.文献［2］通过分析开行直达列车对停时、中时的影响，构建技术站车流编组去向方案优化模型，系统地对加速货车循环的理论与方法进行研究.文献［3］建立以组合时间耗费最小化和重载通道流量最大化为目标的重载铁路车流组织优化模型，并采用最小费用最大流算法对模型进行求解.文献［4］将枢纽内编组站的作业分工与空车流的合理调配纳为一起，构造重空车流组织的协调优化模型，建立基于遗传算法的求解理论.可以看出，对重载铁路车流组织的研究，主要针对给定的运量设计列车的开行模式，对集疏运系统的综合协调方案的研究较少.本文将对重载铁路集疏运系统进行分析，针对重载铁路给定的开行模式，从压缩车辆周转时间的角度出发，得出周时最小的综合车流组织方案.2 重载铁路车流组织分析2.1 模型假设在重载铁路集疏运系统中，空车是重车的车流来源，装车区车流组织方案应根据各装车点的需求，合理地将空车按时送达各装车点进行装车，以保证车流的连续性;与空车在装车区的调配方式不同，重车流在卸车区只需要按既定的计划送往各个卸车点，车流的组织与各卸车点的能力密切相关.卸车区车流方案主要考虑卸车区编组站重车到达的均衡性，使各卸车点的能力能够得到均衡利用.由于各装车点的空车与卸车点的重车需求在时空上具有不均衡性［5］，若作业车无法按时到达将影响装、卸车点的正常作业，不但浪费车站装卸能力还将影响车站的列车出发时间，扰乱行车秩序;若作业车集中到达，则车站无法及时进行作业，增加车辆在站停留时间，降低车辆周转率，在经济上也是明显不利的.所以，在重载铁路集疏运系统车流组织过程中，调度方案需要根据装车点和卸车点的装卸作业能力，组织作业车均衡到达车站，保证重载铁路运输的连续性与稳定性.通过优化车流组织方案最大限度地缩短车辆周转时间，提高车辆周转率，保障重载铁路运输系统的日常调度工作平稳有序的进行，提高重载铁路整体能力.为使重载铁路车流组织的研究更加具有普适性，做以下假设:(1)装车区与卸车区之间编组站均为2万吨的大列;(2)各车站到发线能力充足;(3)重载铁路车站之间均为双线自动闭塞，且径路唯一;(4)装、卸车站均为单服务机排队系统.2.2 参数说明Op表示装车区编组站;Oq表示卸车区编组站.Dp表示装车区装车站;Dq表示卸车区卸车站.K 表示列车类型，K={2，1，0.5} ，其中，2 表示2万吨重载列车，1表示万吨重载列车，0.5表示5千吨重载列车.k型空车的装车时间记为t，k型重车的卸车时间记为.ηj为分解系数，表示将mj分解为ηj列列车，分解时间记为，ηj∈ (1，2，4).μj为组合系数，表示组合mj需要μj列mi列车，组合时间记为，μj∈ (4，2，1). tqp表示列车在车站Oq至车站Op的运行时间.(n，k)表示装车站 d每天需求 k型列车n列.(n，k)表示卸车站 d每天需求 k型列车n列.γk表示k型空车的追踪时间间隔，δk表示k型重车的追踪时间间隔.(k)表示装车点实际配送的k型空车列数;(k)表示卸车点实际配送的k型重车列数.mj表示Op的第j列到达空车，到达时刻记为表示Op的第i列出发空车，出发时刻记为表示Op的第i列到达重车，到达时刻记为表示Op的第j列出发重车，出发时刻记为表示Oq的第j列到达重车，到达时刻记为表示Oq的第i列出发重车，出发时刻记为表示Oq的第i列到达空车，到达时刻记为表示Oq的第j列出发空车，出发时刻记为表示Dp中d站的空车到达时刻，表示Dp中d站的重车出发时刻表示Dq中d站的重车到达时刻，表示Dq中d站的空车出发时刻.id表示d站的到达或出发列车序号.重载铁路车辆的全周转作业过程可以描述为:从空车mj到达Op开始，经过分解后成为mi从Op出发，在装车区Dp进行装车作业后返回Op，经组合后发往Oq.在Oq经过分解后出发，在卸车区Dq进行卸车后返回Oq，经组合后发往编组站Op.并且在运输的过程中需要满足车站、线路的能力约束.3 模型建立重载铁路集疏运系统车流走行径路较为单一，车辆总走行径路距离相对固定，在建立车流调整模型时，主要考虑装卸车作业站对空车到达时间、车辆类型等约束条件.3.1 目标函数在建立重载铁路集疏运车流协同优化模型时，主要考虑车辆的周转时间最小.车辆周转时间是指空车从第一次进入装车区编组站时起，至下次进入该编组站时止，所平均消耗的时间.Tz表示列车周转时间，记为本文的目标就是使列车的周转时间最小.所以，目标函数为式(2)表示列车在重载铁路集疏运系统中的周转时间.3.2 约束条件(1)装车点能力约束.式(3)表示需要满足装车点d的空车需求;式(4)表示装车点d为单机装卸作业时，装车点列车的出发时刻.(2)卸车点能力约束.式(5)表示需要满足卸车点d的重车需求;式(6)表示卸车点d为单机卸车作业时，卸车点列车的出发时刻.(3)编组站能力约束.式(7)表示出发空车的总列数等于到达空车分解后的总列车数;式(8)表示出发重车的总列车数等于到达重车组合后的总列车数;式(9)表示Op出发空车i若由到达空车j 分解，则必须满足分解时间约束;式(10)表示Op出发重车j若包含到达重车i，则必须满足编组时间约束;式(11)表示Oq的出发重车i若由到达空车j分解，则必须满足分解时间约束;式(12)表示Oq出发空车j若包含到达重车i，则必须满足编组时间约束.(4)列车追踪时间约束.式(13)表示从中心站出发的列车之间需要满足追踪时间间隔;式(14)表示回到中心站的重车之间需要满足追踪时间间隔.4 免疫克隆算法重载运输集疏系统车流方案优化问题可以视为带约束的工件排序问题.利用免疫克隆算法求解时，将目标函数和约束条件作为抗原，将问题的解作为抗体，解的优劣程度通过亲和度函数判断.新抗体通过克隆和变异算子实现繁殖，并通过抗体浓度对抗体进行抑制，防止早熟收敛.4.1 编码方案重载铁路车流组织方案涉及多个变量，包括列车在各站的到发时间、分解与组合系数、各装卸站的配送顺序等，求解较为困难，而免疫克隆算法采用一维向量编码的方式才能更好地发挥其优点.通过分析重载铁路集疏运调度系统的作业流程发现，装车区编组站与卸车区编组站的列车出发顺序是整个重载铁路车流组织的关键，当确定出发列车的作业地点di及其出发顺序后，编码方案实际上可以表示为一维向量式(17)给出了Op的一个出发空车顺序，通过该顺序可以根据式(14)确定出发时间tpdi，进而能够确定所有作业站的到发时间，即确定了向量D也就基本确定了抗体e.此时，车流组织方案优化问题的解就转化为对于编组站出发空车列进行排序.4.2 亲和力计算亲和力就是抗体e与抗原Z的结合程度，记为模型要求在满足约束条件的情况下使目标函数达到最优，直接采用优化问题的目标函数值作为抗原，能够加快算法的求解速度.目标函数的求解步骤如下:Step 1 初始化，依据Op分解能力约束式(9)，计算Op出发空车时间向量; Step 2 依据线路能力约束式(13)，计算;依据装车点能力约束式(4)计算;Step 3 依据线路能力约束式(14)，计算;利用Op编组能力约束式(10)计算;Step 4 依据线路能力约束式(14)，计算;利用Oq分解能力约束式(11)计算;Step 5 依据线路能力约束式(14)，计算;依据卸车点能力约束式(6)计算;Step 6 依据线路能力约束式(13)，计算;利用Op编组能力约束式(12)计算;Step 7 计算目标函数，得出列车周转总时间Tz.4.3 亲和度函数算法在进化过程中以抗体之间的亲和度大小为依据获取下一代种群，初始种群集合为N，抗体个数为n.抗体e与e'之间的亲和度αee'表示各抗体之间的相似程度，将抗体中的每个基因xi称之为等位基因，i={1，2，…，i，…，m}.根据信息熵理论，在集合N中基因ei的信息熵为式中 pe(i)表示等位基因在集合E出现在ei处的概率.如果在位置ei上所有的等位基因都相同，那么φi(N)=0，集合N中的平均信息熵为根据熵的定义，得到具有同位基因的两个抗体e和e'的亲和度为式中αee'的取值范围是(0，1］，αee'越大表示两个抗体基因相似度越高，当φ(N)=1表示抗体之间完全相同［6］.4.4 抗体浓度种群中抗体e的基因xi相似的抗体越多，进行克隆后该抗体与抗原的亲和力越低.用抗体浓度Ce表示抗体e与种群中其他N(e)-1个抗体的相似程度，抗体浓度越大表示抗体与其他抗体的相似性越大，在进行细胞增殖时需要对这部分抗体进行抑制，依据抗体浓度选择高效进化基因的抗体能够有效保证下一代抗体的多样性.4.5 克隆竞争策略进行选择克隆操作时，抗体繁殖的规模与抗体浓度和亲和力相关，式中int(·)为取整函数，N(e)为第e个抗体的克隆规模，表示该抗体克隆后的数量，亲和力越高，抗体浓度越小的抗体，克隆出的抗体就越多［7］.经过竞争克隆后，原来的优秀抗体 e就被扩张为N(e)个抗体.4.6 终止规则通常免疫克隆算法采用进化代数作为算法的终止条件，但是进化代数的确定需要根据问题的规模反复测试，鲁棒性较差.文采用计算种群的平均适应度确定算法是否终止，当种群的平均适应度变化微小时，说明算法收敛，找到了满意解.收敛精度σ可以表示为当收敛精度小于预设值时，算法终止.否则说明算法不收敛，需要对算法参数进行重新设置.4.7 免疫克隆算法步骤Step 1 初始化参数，随机产生抗体种群N;Step 2 计算种群抗体与抗原的亲和力φ(e)，各抗体间的亲和度αee'以及抗体浓度Ce;Step 3 根据克隆竞争策略，将亲和力高，抗体浓度低的抗体e进行克隆操作，得到规模为N(e)的抗体种群;Step 4 计算N(e)中抗体的亲和力，利用单点交叉法进行克隆交叉;Step 5 将所有抗体的抗体浓度由小到大进行排列，删除浓度较高的抗体，保证种群规模为N;Step 6 将亲和力最高的抗体记为最优解，判断是否满足算法终止条件，若满足输出最优解;若不满足返回Step2.5 算例分析5.1 实验基本数据为了验证本文算法的有效性，利用大秦重载铁路集疏运系统的数据实验，经简化的网络拓扑结构如图1所示.图1 重载铁路示意图Fig.1 The diagram of heavy haul railway任意两个装车地之间的列车运行时间为30 min，编组站之间运行时间为600 min;编组站、装车点信息如表1和表2所示.表1 装车点信息表Table 1 The loading station informationd1 d2 d3 d4 d5 d6 d7 d8 d9 d10 d11 d12 d13 k表2 技术作业时间(min)Table 2 Technical operation time(min)k tη j tμ j γk δktzck txck假设编组站每隔30 min到达一列2万吨空车，第1列空车到达时刻记为0，12小时内共到达24列空车，计算这些车辆的平均周转时间，单位为列(2万吨)小时.5.2 结果与分析免疫克隆算法运行参数设置为:初始种群规模V=100，最大进化代数为100，收敛精度σ =0.03.为了更好地验证本文算法的有效性和优越性，采用遗传算法(GA)和粒子群算法(POS)作为参比实验，算法参数如表3所示.所有实验均在CPU频率2.8GHz，内存2G，操作系统Windows XP，Matlab7环境下进行.通过对3个算法分别针对空重车流协同优化问题进行100次独立试验，得到统计结果如表4所示.表3 GA/PSO算法参数Table 3 Algorithm parameters for GA/PSO种群规模交叉概率/初始惯性权重变异概率/终止惯性权重迭代次数GA 40 0.8 0.6 100 PSO 50 1 0.4 100表4 优化效率比较Table 4 Comparison of optimize efficiency优解次数平均值(min)标准差平均计算时间(s)标准差ICA 100 15 614 62.6 29.5 0.28 GA 86 15 566 131.4 39.1 0.52 PSO 78 15 494 270.0 57.9 1.16从表4中的数据可以看出，ICA算法有效地克服了算法早熟的问题，具有较好的全局寻优能力.算法能够100%找到最优解，较之GA和PSO算法能够跳出局部最优解，具有更强的全局搜索能力和稳定性.算法的最优值的均值和平均计算时间也显著优于GA和PSO算法，其中平均计算时间较其他两种算法减少25%，49%，优化效果明显.收敛情况如图2所示.图2 收敛速度比较图Fig.2 Convergence speed comparison chart从图2可知，粒子群算法能够在70代、遗传算法在50代左右收敛到最优解，而免疫克隆算法能够在40代左右收敛至最优解.由此可见本文算法的收敛明显加快，克服了标准遗传算法计算量大，进化速度慢的缺陷，提高了求解问题的稳定性.重载铁路车流组织方案主要取决于编组站各次列车的出发顺序，装车区编组站Op 出发空车顺序为，{2，6，4，8，1，3，5，7，2，6，4，8，1，3，5，7，2，6，4，8，1，3，5，7，2，6，4，8，1，3，5，7，2，6，4，8，1，3，5，7，2，6，1，3，5，7，1，3，5，7，1，3，5，7}.装车区总停留时间为7 758(2万t·min).卸车区编组站Oq出发重车顺序为，{10，11，9，12，9，13，10，11，9，12，9，13，10，11，9，12，9，13，10，11，9，12，9，13，10，11，9，12，9，13，10，11，9，12，9，13，10，11，10，11，10，11}.卸车区总停留时间为6 656(2万t·min).从优化结果可以看出，列车的出发顺序具有较强的周期性，这种出发顺序的周期性与运行图的周期性相结合，能够使重载铁路运输秩序更加合理、稳定.列车总停留时间包括装车区停留时间、卸车区停留时间和途中时间三部分，经优化后的车流组织方案每标准列(2万t)的平均周转时间为1 801 min.6 研究结论重载铁路集疏运系统是一个较为封闭的系统，车流组织优化问题不但涉及到空车与重车的协同优化，还涉及到装车区与卸车区车流的综合优化.本文针对重载铁路车流组织方案变量多，约束多的特点，对列车在系统中的作业过程进行梳理，以车辆的周转时间最小为目标构建重载铁路集疏运车流协同优化模型.模型通过对列车到达和出发各站的关系进行因果分析，以装车区与卸车区编组站的列车出发顺序作为解向量，简化求解过程，优化调度方案，最终得到列车的最短周转时间.优化结果显示，列车的总周转时间大小取决于列车在装车区与卸车区的停留时间，与列车在编组站之间的运行时间无关;装车站的列车到达时刻受空车在编组站的出发顺序的影响，空车在编组站的出发顺序是空重车流优化方案的主要影响因素，并制约其他车站的列车到发时刻;车流优化方案具有一定的周期性，这可以使运行图进行周期铺画，起到稳定行车秩序的作用.本文在求解模型时，利用免疫克隆算法对一维变量具有较高求解效率的特点，以目标函数为抗体，约束条件为抗原，构建基于信息熵的亲和度表示方式，最后通过克隆算子实现繁殖，利用抗体浓度对抗体进行抑制，防止早熟收敛.仿真结果表明，与遗传算法与粒子群算法相比，免疫克隆算法的搜索效率高于其他算法，能够有效求解重载铁路空重车流协同组织优化问题.参考文献:【相关文献】［1］唐保刚.重载运输装车区车流组织的研究与探讨［D］.北京:北京交通大学，2009.［TANG B G.Study on the organization of wagon flow in heavy haul loading area［D］.Beijing:Beijing Jiaotong University，2009.］［2］曹学明.加速货车循环相关运输组织优化模型与方法研究［D］.北京:北京交通大学，2009.［CAO X M.Railway transportation organization model and method for accelerating railcar cycling［D］.Beijing:Beijing Jiaotong University，2009.］［3］赵鹏，张进川，唐宝刚.基于组合列车的重载铁路装车区车流组织优化模型研究［J］.中国铁道科学，2010，31(6):116-121.［ZHAO P，ZHANG J C，TANG B G.Study on the optimization model of car flow organization in the loading area of heavy haul railway based on the combined trains［J］.China Railway Science，2010，31(6):116-121.］［4］牛惠民.铁路枢纽重空车流组织的协调优化模型及遗传算法［J］.铁道学报，2001，23(4):12-16.［NIU H M.A model for cooperative optimization of heavy and empty traffic organization in railway hubs using genetic algorithm［J］.Journal of the China Railway Society，2001，23(4):12-16.］［5］纪丽君，林柏梁，王志美.基于物流成本的装车地车流组织优化模型研究［J］.铁道学报，2009，31(2):1-6.［JI L J，LIN B L，WANG Z M.Study on the optimization of car flow organization for loading area based on logistics cost［J］.Journal of the China Railway Society，2009，31(2):1-6.］［6］刘爱军，杨育，邢青松，等.改进免疫克隆算法的job shop调度［J］. 重庆大学学报，2011，34(10):61-67.［LIU A J，YANG Y，XING Q S，et al.Job-shop scheduling based on improved immune cloning algorithm［J］.Journal of Chongqing University，2011，34(10):61-67.］［7］徐雪松，章兢，贺庆.一种基于改进的免疫克隆选择的优化方法［J］.系统仿真学报，2008，20(6):1536-1540.［XU X S，ZHANG J，HE Q，Novel immune clonal selection optimization programming［J］.Journal of System Simulation，2008，20(6):1536-1540.］。
铁路卸车调研报告
铁路卸车调研报告铁路卸车调研报告一、调研目的及背景铁路卸车是指将火车上的货物卸载到地面或码头上的过程，是铁路运输的重要环节。
为了提高卸车效率和降低操作成本，公司决定进行铁路卸车调研。
本次调研旨在收集有关铁路卸车技术、设备和管理经验，以便为公司的铁路运输业务提供有益的参考。
二、调研方法和内容1. 调研方法本次调研采用了实地观察、访谈和文献资料收集的方法。
首先，我们实地参观了多个铁路卸车场，观察了卸车过程和设备的运行情况。
然后，我们与相关职员进行了深入访谈，了解他们对于卸车技术和设备的认识和看法。
最后，我们还收集了大量的文献资料，包括技术手册、操作指南和管理经验。
2. 调研内容（1）卸车技术我们对不同的卸车技术进行了调研，包括传统的手动卸车、机械卸车和自动化卸车等。
通过实地观察和访谈，我们了解到不同的卸车技术各有优缺点，适用于不同类型的货物和卸车场地。
同时，我们还了解到一些新兴的卸车技术，如真空吸附卸车和气垫卸车等，具有更高的卸车效率和操作安全性。
（2）卸车设备我们对卸车设备进行了调研，包括卸车机、输送带和堆垛机等。
通过观察和访谈，我们了解到不同类型的卸车设备在卸车效率、运行稳定性和维护成本等方面存在差异。
我们也了解到一些先进的卸车设备，如自动化堆垛机和智能卸车机等，能够实现自动化操作和管理。
（3）卸车管理我们对卸车管理进行了调研，包括设备维护、操作培训和安全管理等。
通过访谈和文献资料收集，我们了解到不同的卸车场对于设备维护和操作培训的重视程度有所不同。
一些卸车场通过建立完善的设备维护制度和严格的操作培训计划，提高了卸车的效率和安全性。
三、调研结果通过本次调研，我们得出以下结论：1. 卸车技术和设备的选择应根据具体的货物类型和卸车场地的情况进行评估和比较，以确定最合适的方案。
2. 新兴的卸车技术和设备具有一定的应用前景，但其成本和可行性需要进一步研究和验证。
3. 卸车管理是确保卸车效率和安全性的重要环节，应加强设备维护和操作培训，提高人员素质和管理水平。
铁路超限货车挂运方案优化模型
铁路超限货车挂运方案优化模型清晨的阳光透过窗帘，斜射在满是数据和图表的桌面上，我抿了口咖啡，深吸一口气，开始构建这个“铁路超限货车挂运方案优化模型”。
咱们得明确一下超限货车挂运的基本概念。
超限货车，就是那些尺寸或重量超过普通货车限界的大家伙。
这些大家伙想要在铁路上正常运行，就需要特殊对待，也就是咱们说的挂运方案。
而优化模型，简单来说，就是通过科学的方法，让这个挂运方案更加高效、安全、经济。
一、数据收集与分析超限货车的数据收集是第一步，这包括货车的尺寸、重量、运行路线、车站能力、线路状况等。
这些数据就像拼图一样，需要我们一块一块地拼接起来，才能完整地呈现出超限货车挂运的全貌。
数据分析是关键，通过数据分析，我们可以找出挂运过程中的瓶颈和潜在问题。
比如，哪些路段容易发生拥堵，哪些车站的作业效率低下，哪些时间段的运输需求旺盛等。
这些信息对于优化挂运方案至关重要。
二、优化目标与约束条件确定了问题，就是设定优化目标。
我们的目标很简单，就是让超限货车的挂运过程更加高效、安全、经济。
具体来说，就是要减少运输时间、降低运输成本、提高运输安全性。
然而，优化过程中还有很多约束条件需要考虑。
比如，铁路线路的承载能力、车站的作业能力、列车的运行速度、天气条件等。
这些约束条件就像一道道枷锁，限制了我们的优化空间。
但是，正是这些约束条件，让我们更加聚焦于关键问题，寻找最优解。
三、优化模型的构建在明确了优化目标和约束条件后，我们开始构建优化模型。
这个模型基于数学建模和计算机模拟，通过设立一系列参数和变量，模拟超限货车的挂运过程。
模型中，我们考虑了货车的装载方式、运输路线、车站作业流程等多个因素。
通过调整这些参数和变量，我们可以找到最优的挂运方案。
这个过程就像是在玩一场复杂的游戏，我们需要不断尝试、调整、优化，直到找到最佳方案。
四、模型求解与验证构建好模型后，就是求解和验证。
我们利用计算机算法对模型进行求解，得到一系列优化方案。
重载铁路装车端空车配送模型
由于不同类型空车列中车辆总数不同 , 其空费
时间的取值对于目标函数的影响也不同 , 所以 , 设
定不同车列类型空车列的空费时间对目标函数的影
响系数为 εk , 其取值为
εk =
1 5 000 t 空车列 2 单元万 t 空车列
(1 2)
则满足装车点满意度最大及空车列空费时间最小的
重载铁路装车端空车调配模型 (M)为 目标函数 :
163
172 222 195
需求列车 类型
5 000 t 1万t 5 000 t
1万t 5 000 t 1万t 1万t 1万t 1万t 5 000 t 1万t 1万t 5 000 t 5 000 ! t 5 000 t 1万u 5 000 t
∑ ∑ m ax
μkd (tkd )
k∈K d∈D
(1 3)
∑ ∑ m ax
εk w kd (tkd )
k∈K d∈D
(1 4)
约束条件 :式 (2) —式 (12)
对于模 型 (M)的 求解 , 采 用 Cheng 和 Gen
提出的解决模糊车辆路径问题的混合遗传算法[ 10]
完成 。 该 方法 通 过应 用 push-bum p-throw 过程 , 处理问题模糊特征的插入启发式操作 , 可以有效地
(8)
t
f k
-t′kf ≥ I发
(9)
对于空车列到达装车点的时间有
t
f k
+δkfd
t
f d
+δkf′ d (1 -δfkd )(T f f′ +t fd′)+
(1 -Y k )Tk′k =tkd
(1 0)
由于装车点对空车列的到达有 1 个期望时间范
我国铁路空车调整计划优化研究
我国铁路空车调整计划优化研究我国铁路空车调整计划优化研究近年来，随着我国经济的快速发展，铁路货运量逐年增长。
然而，在铁路货运过程中，由于各种原因，会出现大量的空车现象，严重影响着铁路的运输效率和资源利用效率。
为了解决这个问题，我国开始了铁路空车调整计划的优化研究。
铁路空车调整计划是指通过科学的调度和安排，将空车集中调整到需要运输的地区，减少空车现象，提高运输效率和资源利用效率。
该计划的优化研究主要包括以下几个方面：一、建立空车调度模型建立空车调度模型是优化研究的基础，通过对铁路运输系统进行综合分析，确定空车调度目标，制定相应的调度规则和算法。
模型中应考虑的因素包括空车的数量、类型、载重量、运行速度以及铁路网络的拓扑结构等。
通过对模型的建立和求解，可以得出合理的空车调度方案。
二、优化调度算法的设计通过对各种算法进行研究和比较，选择最优的调度算法。
其中，遗传算法、模拟退火算法和粒子群算法等都可以应用于铁路空车调度的优化研究中。
这些算法可以通过模拟和优化来获取最佳的空车调度策略，提高运输效率和资源的利用率。
三、考虑实际运输需求和条件在优化研究中，必须考虑实际的运输需求和条件，包括货物的运输量、种类、运输距离、运输时间窗等。
只有根据实际需求和条件制定出的调度方案，才能确保空车调度的准确性和可行性。
四、建立动态调度和实时监控系统建立动态调度和实时监控系统，能够实时跟踪和监控空车的调度情况，及时调整和优化调度策略。
通过该系统的建立，可以有效减少人工干预，提高调度的准确性和执行效率。
五、完善空车调度的管理机制在优化空车调度的研究中，也需要完善相应的管理机制。
包括运输组织和协调机制、调度规则和制度等方面。
只有通过完善管理机制，才能将优化研究的成果真正推广和应用到实际生产中。
综上所述，我国铁路空车调整计划的优化研究是解决空车问题、提高运输效率和资源利用效率的重要途径。
通过建立空车调度模型、优化调度算法的设计、考虑实际需求和条件、建立动态调度和实时监控系统以及完善管理机制等方面的研究，可以不断改进空车调度方案，实现铁路货运的高效运作。
铁路集中箱空箱调度优化建模案例(案例2)
铁路集中箱空箱调度优化建模案例
一、案例背景
集装箱运输是现代化货物运输发展方向之一。
但我国由于自然资源分布不平衡, 地区经济发展和城市布局等因素的影响, 全国集装箱货源分布和流向存在着很大差异, 必然导致箱流在方向上的不平衡；另一方面各种交通方式竞争十分激烈, 货主对集装箱运输提出越来越高的要求。
但是影响铁路集装箱货运市场一个很重要原因是空箱调整问题, 一些车站因空箱不足而产生等待装箱时间过长，而另一些车站则有空箱积压, 大大影响了集装箱的运用效率。
集装箱空箱调度与优化是铁路货运运输中一个有重要研究价值的课题。
二、问题描述
下面我们以广铁集团几个集装箱办理站的20英尺集装箱为例，分析集中箱空箱调度优化建模优化问题。
集装箱空箱需求和卸空箱情况（即空箱的供应和需求）信息如表1所示，各车站之间的距离如表2所示。
假设铁路货物列车的旅行速度为120公里/小时。
每个20英尺空箱单位运输费用为1.98元/箱公里。
若集装箱不能再规定时间窗内服务，需要一定的延迟到达或者提前到达等待费用，假设每个20英尺箱的延迟惩罚和提前到达的等待时间价值费分别为30元小时20元/箱.小时和20元/箱.小时。
表1 广铁集团几个集装箱空箱供需信息表
表2 各车站之间的距离表
三、问题分析建模
本案例需要解决的优化问题：
（1）在不考虑集装箱空箱供需服务时间窗的前提下，如何调配空箱使得空箱调配总费用最少？应用所学的运筹学中知识，构建相应的数学模型。
并分析求解其最优的调配方案。
（2）若考虑空箱需求的服务时间窗问题，如何构建其相应的运筹优化决策模型。
重载铁路线空车调整方法研究
重载铁路线空车调整方法研究【摘要】概述了我国重载运输的发展情况，结合国内外最新研究，分析了重载铁路空车调整问题的特殊性，提出了空车调整的基本原则和方法。
【关键词】重载运输；空车调整0.引言随着客运专线路网的日趋完善，客货分行的条件逐渐成熟。
公路运输很好的补充了短距离货物运输的需求。
寻求有稳定、持续、大宗货物运输需求的货源地，大面积实现铁路运营重载化，可以有效降低铁路运输组织工作成本，在满足国民经济需求的前提下，获得最大的经营效益。
铁路货物列车重载化将是未来铁路货物列车运营组织的趋势。
铁路货物列车组织中，有效调整空车车流，是保证运输组织工作高效、顺利进行的关键。
空车调整是为了合理分布运用车和保证装车需要而进行的车流调整。
为了保证运输过程的连续性，必须组织空车源源不断地送到装车地，从而合理有效地实现将卸车数大于装车数的车站所产生的多余空车，配送到装车数大于卸车数的车站去。
本文结合重载铁路运输组织的实际和需求，分析并提出了空车调配原则及方法。
1.铁路空车调配原则在铁路运输过程中，空车是装车的保证，重车是空车的来源，最理想的空车分布应是保证每天到达各车站按车种别卸车产生的空车数，正好是各车站装车所需要的装车数。
在这种情况下，可实现车辆只在站内进行连续卸装双重货物作业，不产生空车走行。
它不但可保证均衡有节奏地完成运输任务，而且能最经济有效地发挥车辆的运输效率。
但是，由于实际的各种运输对象产品，特别是大宗货物的产、销地配置不均衡，而且这些货物一般都是集中在少数车站上装车，卸车是在服务于工业企业、建筑单位和大居民点的多个铁路车站上进行。
同样，由于各地区的产业构成不尽相同，其货物的发送与接收在种类、数量和质量等方面的需求一般都是不相同的。
如由于受季节性或不确定性货源波动以及受线路运输能力或车站装卸能力的限制。
通常也很难保证这种装卸平衡。
所以，实际上每天到达各车站按车种别卸车产生的空车数不一定正好是所需装车数，有时可能过剩，有时可能充足。
铁路货物运输优化调度模型仿真研究
铁路货物运输优化调度模型仿真研究选题背景：铁路货物运输是国家经济发展的重要组成部分，具有运输能力大、运输效率高、环境友好等优势。
然而，在现实生产实践中，由于货物的不可预测性和复杂性，铁路货物运输过程中存在一系列问题，如运输成本高、调度效率低等。
因此，运用优化调度模型对铁路货物运输过程进行仿真研究，对于提高铁路货物运输的效率和经济性具有重要意义。
研究内容和方法：本研究旨在进行铁路货物运输的优化调度模型仿真研究，包括货物调度、列车调度和车辆调度。
具体内容和方法包括以下几个方面：1. 货物调度：通过对货物流量、货物种类、货运需求等数据的分析，建立货物调度模型。
考虑到不同货物的特性和客户需求的差异，利用合理的算法对货物进行分配并确定优先级。
2. 列车调度：基于货物调度结果，建立列车调度模型，以最小化列车之间的冲突和等待时间为目标。
考虑到铁路线路的实际情况，结合列车的出发时间、运行速度等因素，优化列车的运行路径和间隔时间。
3. 车辆调度：根据列车调度结果，建立车辆调度模型，以最小化车辆之间的冲突和等待时间为目标。
考虑到铁路站点的停车条件和车辆调度的实际情况，优化车辆的开行时间和停靠站点。
4. 仿真研究：利用仿真软件对优化调度模型进行仿真研究。
通过设置不同的参数和条件，模拟不同的运输场景，评估优化调度模型的性能和效果。
研究意义和预期成果：本研究的意义和预期成果主要体现在以下几个方面：1. 提高铁路货物运输的效率：通过优化调度模型，减少了货物的等待时间和运输成本，提高了铁路货物运输的效率。
2. 降低铁路货物运输的成本：通过优化调度模型，避免了货物堆积和过度运输的现象，降低了铁路货物运输的成本。
3. 提高客户满意度：通过优化调度模型，确保了货物的及时送达，提高了客户满意度。
4. 推动铁路货物运输技术的发展：通过仿真研究，提出了相关的理论和方法，为铁路货物运输技术的发展提供了参考。
结论：铁路货物运输优化调度模型仿真研究是提高铁路货物运输效率、降低成本和提高客户满意度的重要手段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
重 载 铁 路 卸 车端 空 车 回送 模 型 研 究
张进川， 浩 魏 玉光 杨 ，
（ 京 交 通 大 学 交 通 运 输 学 院 ， 京 １０４ ） 北 北 ００４
摘 要 ： 我 国重栽铁路 运输 组 织比较 复杂 ， 空车 回送 也有 其特 殊 性 ．本 文在 借鉴 已有 空
ｏ ｅ ｖ ａ ｌＲａ ｌ ｙ ｆＨ ａ ｙ Ｈ ｕ ｉ ｗａ
Ｚ Ｎ ｉ—ｈ ａ ，Ｙ ＮＧ Ｈａ ，Ｗ Ｅ —ｕ ｎ ＨＡ Ｇ Ｊ ｃ ｕ ｎ ｎ Ａ ｏ ＩＹｕｇ ａ ｇ
（ｃ ｏ ｌ ｆ ｒ ｉ ａ ｄＴ ａｓ ｒ ｔ ｎ Ｂ ｉｎ ａ ｔ ｇＵ ｉ ｒ ｔ， ｅ ｉ ０ ４ ， ｈ ａ Ｓ ｈ ｏ ｏ ａ ｃｎ ｒ ｐ ｔ ｉ ， ｅ ｉ Ｊ ｏ ｎ ｎ ｅ ｉ Ｂ ｉｎ １ ０ ４ Ｃ ｉ ） Ｔ ｆ ｎｏ ａ ｏ ｊｇ ｉ ｏ ｖ ｓｙ ｊ ｇ ０ ｎ
维普资讯
第 ８ 第２ 卷 期 工程 与信 息
Ｊ ｕ ｎ ｌｏ ｒ ｎ ｐ ｒ ｔ ｎ Ｓ ｓｅ ｎ ｉ ｅ ｒ ｇ ａ ｄ Ｉｆ ｒ ｔ ｎ Ｔ ｃ ｎ ｌｇ ｏ ｒ ａ ｆＴ ａ ｓ ｏｔ ｉ ｙ ｔｍｓＥ ｇｎ ｅｉ ｎ ｏｍａｉ ｅ ｈ ｏｏ ｙ ａｏ ｎ ｎ ｏ
车调 配 问题 研 究成 果的基 础上 ， 分析 了重 栽铁路 空车 以列为 单位 回送等 特 点 ， 究 了重 研 栽铁路 列 车组合 分 解作 业对通过 能 力的影 响 ， 建立 了以组合 列车数 量 、 组合 时 间最 小化
为 目标的 重栽铁 路 卸车端 空车 回送模 型 ， 并将其 转化 为 网络流 模 型 ， 用 最小 费用 最大 采 流算 法进行 求 解 ．以 大秦 铁路 空 车回送 为例 ， 用本 文所建 模型 求 解并 分 析计 算 结果 ， 利 得 出重载铁 路 重车 方向 以提 高输 送 能力为 主 、 空车 方 向 以提 高通过 能力 为 主等 相 关研
Ｖ０． Ｎｏ． １８ ２
Ａ ｒ ２０ ｐｉ ｌ ０８
文 章 编 号 ：１０．７４（０ ８ ０ ． ９．７ ０ ９６４ ２０ ） ２０ ６０ ０
， ’’’’ ’’’ ’’’’ ’’’’ ’。’’’ ’ 、 ’’ ’’
＾ ¨
： 统工 程理 论 与 方 法 ： 系
。
ｔ ｔｔ ｔ ｔ ｔｔ ｔ ｔ ｔｔ ｔ ｔ ｔｔ ｔ ｔ ｔｔ ｔ ｔｔ ｔ ｔ ｔｔ
究 结论 ．
关 键词 ： 重载铁 路 ； 空车 回送 ； 组合 列车 ； 小 费用 最 大流 最
中 图 分 类 号 ： Ｕ １ ．３ ２２３４ 文 献标 志码 ： Ａ
Ｍ ｏ ｌｎ ｅ ｂ ｃ ｃ ｅ ｅ ｏ ｐ ｙ Ｃａ ｓ ｉ ｌ ａ ｉ ｇ Ｅｎ ｄｅｉ ｇ Ｆｅ ｄ ａ ｋ Ｓ ｈ ｍ ｆＥｍ ｔ ｒ ｎ Ｕｎ ｏ ｄ ｎ ｄ
．
Ａｂ ｔａ ｔ ｓｒ ｃ ： Ｔｈ ｒｎ ｐ ｒａ ｏ ｒａ ｉａ ｏ ｆｈ ａ ｙ Ｉ ｌ ａｌ ｙ ｉ ｏ ｌｘ ｉ ｉａ，ｅｐ ｃａｌ ｅ ｔａ ｓ ｔｔ ｎ ｏｇ ｎｚ ｔ ｎ ｏ ｅ ｖ ｌ ｌ ｒ ｉ ｏ ｉ ｉ ａｌ ｗａ ｓｃ ｍｐ ｅ ｎ Ｃｈｎ ｓ ｅ ｉｌ ｙ，ｔ ｅ ｄ ｃ ｆ ｈｅｆｅ ｂａ ｋ ｏ ｅ ｔ ａ８．Ｏｎ ｔ ｅ ｂ ｓｓｏ ｅｅ ｅ ｃ ｏ ｔ ｅ ｅ ｉｔ ｇ ｒ ｓａ ｃ ｓ ｌ ｍｐ ｃ ｒ ｙ ａ ｉ ｆｒｆｒｎ ｅ ｔ ｘ ｓ ｎ ｅ ｅ ｒ ｈ ｒ ｕｔ ａ ｄ ｄ ｅ ｎ ｌｓｓｏ ｈｅ ｃ ａａ ｔｒｓｉｓｏ ｈ ｈ ｉ ｅ ｓ， ｎ ｅ ｐ ａ ａｙ ｉ ｆｔ ｈ ｒ ｃｅｉｔ ｆ ｃ ｅ ｔ ａ８ｄ ｓｒｂ ｔｏ ｆｈ ａ ａ ａ ｗａ ｈｅ ａ ｈｏ ｏ ｓｒ ｃ ｅｆｅ ａ ｋ ｓ ｈ ｍａ ｃ ｍｏ ｅ ｆｅ ｔ ａ ｓｉ ｍｐ ｃ ｒ ｉｔｉｕ ｎ ｏ ｅ ｖ ｈ ｕ ｒ ｉ ｙ．ｔ ｕｔ ｒ ｃ ｎ ｔｕ ｔｔ ｅ ｄ ｃ ｃ ｅ ｔ ｄ ｌｏ ｍｐ ｃ ｒ ｎ ｙ ｉ ｙ ｌ ｌ ｓ ｈ ｂ ｉ ｙ ｕ ｌａ ｉｇ ｅ ｄ ｏ ｅ ｖ ａ ａｌ ｙ．Ｔｈ ｎｍｕ ｑ ａ ｔ ｆｔｅ ｃ ｍｂｎｅ ｒｉ ｄ ｔｅ ｔ ｏ ｏ ｉａ ｏ ｓ ｎｏ ｄｎ ｎ ｆｈ ａ ｈ ｕ ｒｉｗａ ｙ ｌ ｅ ｍｉ ｉ ｍ ｕ ｉ ｏ ｈ ｏ ｉ ｄ ｔａｎ ａ ｉ ｆｒｃ ｍ ｎ ｔ ｎ ｉ ｎ ｔ ｙ ｓ ｎ ｈ ｍｅ ｂ ｉ ｔｋ ｎ ａ ｅ ｍｏ ｅ ｏ ｌａ ｄ ｓｌ ｔ ｎ ａｇ ｒｔｍ ｎ ｔｅ ｂａｉ ｆｎ ｌ ｍ ｏｔ ｎ ｄ ｌ ｘｍｕ ｆ ｗ Ｓ ｆｒ ｌｔｄ． ａ ｅ ｔ ｄ ｌｇ ａ ｓ ｈ ｎ ｏｕ ｏ ｏ ｉ ｉ ｌ ｈ ｏ ｓ ｓ ｏ ￣ ｉ ｈ ｍｕ ｃ ｓ ａ ￣ｔｉ ｍ ｏ ｉ ｏ ｍｕａｅ ｌ Ｄａ ｉ ａｌ ｙ ｉ ａ ｅ ｘ ｍｐ ｅａ ｄｒ ｌｖ ｔｃ ｎｃｕ ｉｎ ｆｆ ｅ ａ ｋ ｓ ｈ ｍｅｏ ｍｐ ａ ｓｏ ｑ ｎｒ ｉ ｗａ ｓｔｋ ｎ ａ ａ ｅ ａ ｌ ｅｅ ａ ｏ ｌ ｓｏ ｓｏ ｅ ｄ ｃ ｃ ｅ ｆｅ ｔ ｃ ｒ ｆｈｅ ｖ ａ ｉ ｓ ｎ ｎ ｎ ｂ ｙ ａ ｈ ｕ ｒｌ ｙ ｌ ａ — ｗａ ，ｔ￣ｕｓ ａｙ ｉ ｆｃ ｌｕａ ｏ ｓ ｔ ，ａｅ ｄ ａ ｎ． ｙ ｈ ｏ ｈ ａ ａ ｌｓｓｏ ａｃ ｔ ｎ ｒ ｕ ｓ ｎ ｎ ｌ ｉ ｅ ｌ ｒ ｒｗ Ｋ ｅ ｒ ｓ： ｈ ａ ａ ａｌ ｙ；ｆｅ ｂ ｃ ｈ ｍｅ ｏ ｍｐ ａｓ ｏ ｉｅ ｒｉ ｙ ｗｏ ｄ ｅ ｖ ｈ ｕ ｒｉ ｙ ｌ ｗａ ｅ ｄ ａ ｋ ｓ ｅ ｆｅ ｔ ｃ ｒ ；ｃ ｍ ｎ ｄ ｔａｎ；ｍｉｉ ｍ ｏｔａ ｄ ｍａ ｎ ｌ ｆ ｗ ｃ ｙ ｂ ｎｍｕ ｃｓ ｘ ｎｍ ｏ ｎ ｉ ｌ ＣＬＣ ｕｍｂｅ ｎ ｒ： Ｕ２１ ３ ４ ２． ３ Ｄｏ ｕ ｅ ｔｃ ｄｅ： ｃ ｍ ｎ ｏ Ａ