一种基于多粒度时空网的列车运行图与路径选择优化方法技术

本发明专利技术公开了一种基于多粒度时空网的列车运行图与路径选择优化方法，属于铁路运输组织技术领域。本发明专利技术以列车开行方案为基础，从系统优化的角度出发，将列车运行图与路径选择问题建模为不同网络粒度的时空路径求解问题，并提出相应的数学优化模型。根据提出的优化模型，基于拉格朗日分解技术求解宏观列车运行图，并根据宏观方案求解微观路径。微观不可行方案通过分支定界及约束更新方法反馈宏观问题，直至得到可行协同优化方案。本发明专利技术提出的方法克服了现有方案独立编制产生的不协调问题，提高了列车运行图编制在微观进路的可落实性，避免两者之间的多次重复调整。本发明专利技术可在保证微观路径可行性的条件下，进一步挖掘铁路运输能力。运输能力。运输能力。

【技术实现步骤摘要】
一种基于多粒度时空网的列车运行图与路径选择优化方法


[0001]本专利技术属于铁路运输组织
，尤其涉及一种基于多粒度时空网的列车运行图与路径选择优化方法。

技术介绍

[0002]铁路运输相较于航空等其他运输方式，具有安全性高、事故率低、快捷方便、环境污染小、土地占用小、能源消耗低等特点，因而广受人们所欢迎。我国近年来快速发展铁路建设，并将铁路运输作为中长途运输的骨干交通方式。铁路运输系统是一个典型的复杂巨系统，涉及到车务、机务、公务、电务、车辆段及乘客需求等多方面因素的协调与控制，相较于公路等其它运输方式，具有更高的复杂性与组织化程度。为降低铁路运输生产计划编制的复杂度与不确定性，通常采用分级分阶段编制运输计划的方法，如图1所示。在战略层面，根据社会经济调查数据进行交通需求预测(简称O
‑
D估计)，并生成O
‑
D出行需求矩阵；根据铁路站场及枢纽的固定设备条件，设计铁路运输服务网络，包括对于货物运输的编组计划和对于旅客运输的开行方案。在战术层面，根据列车开行方案及编组计划铺画列车运行图，并完成列车路径选择、机车周转及乘务计划的编制，并协调好战略层面与运营层面运输管理的矛盾。最后在运营层面，完成铁路运输的调度工作，对编制的计划进行实时调整。
[0003]列车运行图问题是根据列车开行方案规划列车经过各车站的时空路径，它规定各次列车占用区间的次序、列车在每个车站的到达和出发(通过)时刻等，是全路组织列车运行的基础。铁路列车路径选择问题，又可被称作微观运行图问题，进一步演化可得到车站作业计划编制问题，其本质都是根据列车运行图相关信息，基于铁路道岔和轨道电路为连接弧构成的的微观铁路网络，寻找所有列车在车站内部不产生相互冲突的精细化路径组合，同时尽量缩短作业时间。
[0004]列车路径选择问题与列车运行图编制问题是密切相关的。通常情况下，微观路径选择问题需要在宏观运行图确定后才可编制，且由于宏观运行图以车站为最小节点，无法考虑列车在车站内部的运行过程，易造成编制的列车运行图不存在微观路径可行解，需反复调整列车运行图，为铁路运行计划的编制带来困难。
[0005]通过分析现有铁路运输组织过程与相关文献，目前列车运行图及路径选择计划的编制主要存在如下问题。目前的铁路运输组织中宏微观计划(即列车运行图与列车路径选择计划)的独立编制，已经成为制约铁路运输能力加强的主要因素。同时，较少考虑在微观铁路网络中列车路径的分配问题，因而难以保证列车运行图与列车路径选择计划的完全耦合性。
[0006]基于上述对铁路列车运行图和路径选择问题的分析，本专利技术提出一种新的基于多粒度时空网的铁路列车运行图与路径选择优化方法，该方法基于不同粒度的时空网络，重构列车运行图与路径选择问题，构建了不同粒度网络耦合的一体化数学优化模型，改善了现有列车运行图与路径选择计划编制过程中产生的不协调问题，进一步挖掘铁路运输能力，为科学运输组织提供决策支持。

技术实现思路

[0007]本专利技术的目的在于，提供一种新的基于多粒度时空网的列车运行图与路径选择优化方法，以期改善现有方法独立优化列车运行图与路径选择计划的不协调和咽喉进路冲突问题，避免两者之间的多次重复调整；同时进一步挖掘铁路运输能力，提高铁路固定设备周转效率。
[0008]为了实现上述目的，本专利技术提出一种新的基于多粒度时空网的列车运行图与路径选择优化方法，即从系统优化的角度，建立宏观与微观时空网络之间的关联约束条件，最终构建一体化数学优化模型。本方法改善了分步优化列车运行图与路径选择而产生的局部最优或计划不协调问题。
[0009]一种基于多粒度时空网的列车运行图与路径选择优化方法，具体包括如下步骤：
[0010]步骤1：基于宏观粒度时空网络描述列车运行图，基于微观粒度时空网络描述路径选择问题；
[0011]步骤2：构建宏观与微观粒度的时空网络路径选择约束条件，以及不同粒度时空网络间的一致性耦合约束条件；
[0012]所述宏观与微观粒度的时空网络路径选择约束条件包括：流平衡约束和列车安全间隔约束；
[0013]步骤3、以宏观列车运行费用最小为目标函数，构建基于多粒度时空网的列车运行图与路径选择优化模型；
[0014]步骤4、对步骤3得到的基于多粒度时空网的列车运行图与路径选择优化模型进行求解，直至得到全部可行的微观路径方案。
[0015]在上述方案的基础上，步骤1具体包括：
[0016]从物理维度来看，在宏观网络层面对铁路网络建模时，通常将车站抽象为节点，区间抽象为连接弧表示；经时空网络扩展后，得到对应的列车运行图；在微观网络层面对铁路网络建模时，通常将物理网络节点抽象为节点，所述物理网络节点包括：道岔、轨道电路、信号机等，两物理节点间的轨道电路抽象为连接弧，得到对应的路径选择问题。
[0017]从时间维度来看，宏观时空网络中由于列车运行图对计划的精细度要求较低，故宏观时空网络中可取较大的时间粒度，即区间的运行时间通常以分钟计，所述较大的时间粒度包括2min，10min，60min等，其中，2min对应铁路现场的二分格，10min对应铁路现场的十分格，60min对应铁路现场的小时格等；微观时空网络中由于路径选择计划精细度要求较高，列车通过轨道电路的时间通常以秒计，，故选取较小的时间粒度，所述较小的时间粒度包括：30s，15s，10s，1s等。
[0018]在本专利技术中设定宏观时空网络的时间粒度为1min，微观时空网络的时间粒度为1s。实际铁路运营管理中，宏微观层的时间粒度可根据作业需求设定，如宏观网络的时间粒度为2min，微观时空网络的时间粒度为30s等，本专利技术提出的方法仍适用。
[0019]在上述方案的基础上，步骤2所述的流平衡约束用于保证列车在时空网络中的可行路径，具体包括：
[0020]在宏观时空网络层面，对于每辆列车k的可行路径需要从其宏观时空起点(I
o
(k)，T
o
(k))到其宏观时空终点(I
d
(k)，T
d
(k))首尾相连，如公式(1)所示：
[0021][0022]其中：索引k代表属于列车集合K的第k列车，索引I,J代表宏观网络节点I,J，对应车站I,J，索引T,T
’
代表宏观粒度的时间戳，索引(I,T)与(J,T
’
)代表宏观时空节点，索引(I,J,T,T
’
)代表一条宏观时空弧；决策变量x(k,I,J,T,T
’
)＝1代表列车k使用宏观时空弧段(I,J,T,T
’
)，x(k,I,J,T,T
’
)＝0代表列车k不使用宏观时空弧段(I,J,T,T
’
)；A
SM+
(I,T)，A
SM
‑
(I,T)分别代表宏观时空节点(I,T)的出弧、入弧集合；I
o
(k),T
o
(k),I<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多粒度时空网的列车运行图与路径选择优化方法，其特征在于，具体包括如下步骤：步骤1：基于宏观粒度时空网络描述列车运行图，基于微观粒度时空网络描述路径选择问题；步骤2：构建宏观与微观粒度的时空网络路径选择约束条件，以及不同粒度时空网络间的一致性耦合约束条件；所述宏观与微观粒度的时空网络路径选择约束条件包括：流平衡约束和列车安全间隔约束；步骤3、以宏观列车运行费用最小为目标函数，构建基于多粒度时空网的列车运行图与路径选择优化模型；步骤4、对步骤3得到的基于多粒度时空网的列车运行图与路径选择优化模型进行求解，直至得到全部可行的微观路径方案。2.如权利要求1所述的基于多粒度时空网的列车运行图与路径选择优化方法，其特征在于，步骤1具体包括：从物理维度来看，在宏观网络层面对铁路网络建模时，将车站抽象为节点，区间抽象为连接弧表示；经时空网络扩展后，得到对应的列车运行图；在微观网络层面对铁路网络建模时，将物理网络节点抽象为节点，所述物理网络节点包括：道岔、轨道电路和信号机，两物理节点间的轨道电路抽象为连接弧，得到对应的路径选择问题；从时间维度来看，宏观时空网络中由于列车运行图对计划的精细度要求低，区间的运行时间以分钟计，微观时空网络中对路径选择计划精细度要求高，列车通过轨道电路的时间以秒计。3.如权利要求2所述的基于多粒度时空网的列车运行图与路径选择优化方法，其特征在于，步骤2所述的流平衡约束用于保证列车在时空网络中的可行路径，具体包括：在宏观时空网络层面，对于每辆列车k的可行路径需要从其宏观时空起点(I
o
(k)，T
o
(k))到其宏观时空终点(I
d
(k)，T
d
(k))首尾相连，如公式(1)所示：其中：索引k代表属于列车集合K的第k列车，索引I,J代表宏观网络节点I,J，对应车站I,J，索引T,T
’
代表宏观粒度的时间戳，索引(I,T)与(J,T
’
)代表宏观时空节点，索引(I,J,T,T
’
)代表一条宏观时空弧；决策变量x(k,I,J,T,T
’
)＝1代表列车k使用宏观时空弧段(I,J,T,T
’
)，x(k,I,J,T,T
’
)＝0代表列车k不使用宏观时空弧段(I,J,T,T
’
)；A
SM+
(I,T)，A
SM
‑
(I,T)分别代表宏观时空节点(I,T)的出弧、入弧集合；I
o
(k),T
o
(k),I
d
(k),T
d
(k)分别代表列车k在宏观网络层面的物理起点，时间起点，物理终点和时间终点；在微观时空网络层面，对于每辆列车k的可行路径需要从其微观时空起点(i
o
(k)，t
o
(k))到其微观时空终点(i
d
(k)，t
d
(k))首尾相连，如公式(2)所示：
其中，索引k代表属于列车集合K的第k列车，索引i,j代表微观物理网络节点i,j，包括:道岔和信号机，索引t,t
’
代表微观粒度的时间戳，索引(i,t)与(j,t
’
)代表微观时空节点，索引(i,j,t,t
’
)代表一条微观时空弧；决策变量x(k,i,j,t,t
’
)＝1代表列车k使用微观时空弧段(i,j,t,t
’
)，x(k,i,j,t,t
’
)＝0代表列车k不使用微观时空弧段(i,j,t,t
’
)；集合A
Sm+
(i,t),A
Sm
‑
(i,t)分别代表微观时空节点(i,t)的出弧集合、入弧集合；i
o
(k),t
o
(k),i
d
(k),t
d
(k)分别代表列车k在微观时空网络层面的物理起点，时间起点，物理终点和时间终点。4.如权利要求3所述的基于多粒度时空网的列车运行图与路径选择优化方法，其特征在于，步骤2所述的列车安全间隔约束具体包括：宏观时空网络中的列车安全间隔约束和微观时空网络中的列车安全间隔约束；所述宏观时空网络中的列车安全间隔约束如公式(3)所示，具体为：出发侧和到达侧时空资源最多被列车占用一次：其中：决策变量a(k,I,J,τ)＝1代表列车k于时间点τ占用宏观物理弧段(I,J)的到达资源；d(k,I,J,τ
’
)＝1代表列车k于时间点τ
’
占用宏观物理弧段(I,J)的出发资源，类似地，a(k,I,J,T)代表列车k在时间点T占用宏观物理弧段(I,J)的到达资源，d(k,I,J,T
’
)代表列车k在时间点T
’
占用宏观物理弧段(I,J)的出发资源；集合A
M
代表宏观物理弧集合；代表宏观时间粒度集合；h
A
(I,J)和h
D
(I,J)分别代表宏观物理弧(I,J)的出发侧和到达侧的最小间隔时间；所述微观时空网络中的列车安全间隔约束如公式(4)所示：其中：决策变量a(k,i,j,τ)＝1代表列车k于时间点τ占用微观物理弧段(i,j)的到达资源；d(k,i,j,τ
’
)＝1代表列车k于时间点τ
’
占用微观宏观物理弧段(i,j)的出发资源，类似地...

【专利技术属性】
技术研发人员：杨立兴，王恩泰，高自友，李树凯，戚建国，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：