基于分布鲁棒优化模型的列车计划时刻表编制方法及装置制造方法及图纸

本申请实施例涉及交通运输计划制定和优化技术领域，具体涉及一种基于分布鲁棒优化模型的列车计划时刻表编制方法及装置，旨在列车行车时长不确定情况下，如何利用有限的历史运行时长数据，编制能够更好地兼顾通行效率和鲁棒性的计划时刻表。所述方法首先针对运行图编制和重调度决策过程，构建数据驱动的以经验分布为中心的1

【技术实现步骤摘要】
基于分布鲁棒优化模型的列车计划时刻表编制方法及装置


[0001]本申请涉及交通运输计划制定和优化
，特别涉及一种基于分布鲁棒优化模型的列车计划时刻表编制方法及装置。

技术介绍

[0002]铁路运输是主要的旅客运输方式之一，铁路运输计划关系着经济效益与乘客体验。铁路运输计划的制定过程通常包含：铁路网络设计、开行线路计划、基本运行图制定、站点线路与站台分配计划、交路计划、车组人员调度计划等。基本运行图是列车计划运行时刻表在图上的体现，规定了各趟列车在各站的出发与到达时刻，是整个列车运行计划决策过程中的关键环节，起到承上启下的作用。此外，列车时刻表是旅客在购票时的重要信息依据，是铁路运输服务能力与质量的体现。一方面，旅客希望旅途时长尽可能短，即时刻表所体现的运行时长尽可能小，另一方面，旅客也希望列车能够按照列车时刻表准点运行。
[0003]但是在列车运行过程中，受天气等运行中的实时情况影响，列车在各站之间的实际运行时长是波动的，这使得列车有晚点的风险。由于“晚点传播”效应，单趟列车的晚点很可能使得后续的多趟列车随之晚点。因此，在列车时刻表中，需要适量延长计划行车时长，以合适的列车的运行时长来吸收这些扰动带来的影响。因此，如何向列车时刻表中插入适当缓冲，使得列车的通行效率与鲁棒性得以兼顾，提升铁路运输的服务质量和竞争力，这一问题具有重要的研究价值和实际意义。

技术实现思路

[0004]鉴于上述问题，本申请实施例提供了种基于分布鲁棒优化模型的列车计划时刻表编制方法及装置，以便克服上述问题或者至少部分地解决上述问题。
[0005]本申请实施例的第一方面，公开了种基于分布鲁棒优化模型的列车计划时刻表编制方法，所述方法包括：
[0006]针对运行图编制和重调度决策过程，构建数据驱动的以经验分布为中心的1
‑
Wasserstein两阶段分布鲁棒列车时刻表优化模型，所述两阶段分布鲁棒列车时刻表优化模型以最小化列车的总行驶时长和总晚点程度为目标；
[0007]将列车的线路计划、列车运行的历史数据输入到所述两阶段分布鲁棒列车时刻表优化模型中，所述线路计划包括：待制定时刻表的列车集合、各列车的途经区间、各列车行驶停靠数据，所述历史数据为各列车在各行驶区间内的实际行驶数据；
[0008]通过设计主问题和子问题迭代求解算法，对所述两阶段分布鲁棒列车时刻表优化模型进行求解，得到列车计划时刻表。
[0009]可选地，所述两阶段分布鲁棒列车时刻表优化模型包括：第一阶段优化模型和第二阶段优化模型，所述两阶段分布鲁棒列车时刻表优化模型表示为：
[0010][0011]其中，min
x∈x Q
I
(x)为第一优化阶段模型，为第二阶段优化模型，x为计划时刻表，表示运行图中的各列车在各站的到发时刻，χ是由运行规定和安全约束所规定的关于x的可行域，Q
I
(x)表示计划时刻表x的通行效率损失函数，ξ是随机向量，表示各列车在各相邻站点间的行驶时长，Q
II
(x，ξ)表示在给定计划时刻表x与已知ξ的情况下的总晚点程度函数，表示一个分布函数集合，包含以N条历史数据所构成的经验分布F
N
为中心、以Ξ为支撑集、Wasserstein距离不超过ε
N
的概率分布函数。
[0012]可选地，所述第一阶段优化模型以在保证行车安全的情况下最小化行驶时长为目标，构建所述第一阶段优化模型，包括：
[0013]构建通行效率损失函数，所述通行效率损失函数的决策向量为各列车进入各轨道区间的时刻和列车离开轨道区间的时刻；
[0014]确定列车行驶约束条件，包括：
[0015]各趟列车离开首发站的时间不得早于给定时刻；
[0016]各趟列车在各区间的行车时长不得短于最短的可能行车时长，在站点的停靠时长不得短于要求的停车时长；
[0017]超车只能发生在站点内，在同一区间上相邻的两趟列车必须保持一定的行车间隔；
[0018]各趟列车的总运行时长不得超过，最短旅行时长的比例和最短停站时长的比例之和。
[0019]可选地，所述第二阶段优化模型是以根据实际情况调整后的时刻表与计划时刻表偏差最小为目标，构建所述第二阶段优化模型，包括：
[0020]构建总晚点程度函数，所述总晚点程度函数的决策向量为第二阶段调整后的各列车进入各轨道区间的时刻和列车离开轨道区间的时刻；
[0021]确定实际运行约束条件，包括：
[0022]各趟列车离开车站的实际时间不得早于计划时刻，达到车站的实际时间不得早于计划时刻；
[0023]各趟列车在各区间的行车实际时长不得短于最短的可能行车时长，在站点的停靠实际时长不得短于要求的停车时长；
[0024]超车只能发生在站点内，在同一区间上相邻的两趟列车保持一定的行车间隔。
[0025]可选地，在对所述两阶段分布鲁棒列车时刻表优化模型进行求解之前，还包括：
[0026]将含有随机变量的两阶段分布鲁棒列车时刻表优化模型转化为不含随机变量的半无限规划两阶段分布鲁棒优化模型，所述不含随机变量的半无限规划两阶段分布鲁棒优化模型表示为：
[0027][0028]s.t.
[0029][0030]λ≥0
[0031](b
I
,
I
)∈χ
[0032]其中，为历史数据集合中的一个样本，(b
I
，e
I
)为计划时刻表，b
I
和e
I
分别为各列车进入各轨道区间的时刻和列车离开轨道区间的时刻，Q
I
(b
I
，e
I
)为计划时刻表(b
I
，e
I
)的效率损失函数，s
n
和为模型转化过程的中间变量，为给定计划时刻表(b
I
，e
I
)和已知的情况下的总晚点程度函数，χ是由运行规定和安全约束所规定的(b
I
，e
I
)的可行域。
[0033]可选地，所述设计主问题和子问题迭代求解算法，包括：
[0034]设计子问题求解模型，通过混合规划求解器以获得所述半无限规划两阶段分布鲁棒优化模型约束参数的多个顶点；
[0035]将所述半无限规划的两阶段分布鲁棒优化模型转化为有限约束的两阶段分布鲁棒优化模型，得到主问题求解模型；
[0036]根据所述多个顶点对所述主问题求解模型进行求解。
[0037]可选地，所述主问题求解模型包含第一种约束和第二种约束；
[0038]所述第一种约束基于Benders分解框架，每对顶点对对应一条约束，且不引入新的决策变量；
[0039]所述第二种约束基于行列生成分解框架，每个顶点对应一条约束，并引入新的决策变量，所述新决策变量满足第二阶段优化模型所对应的约束本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布鲁棒优化模型的列车计划时刻表编制方法，其特征在于，所述方法包括：针对运行图编制和重调度决策过程，构建数据驱动的以经验分布为中心的1
‑
Wasserstein两阶段分布鲁棒列车时刻表优化模型，所述两阶段分布鲁棒列车时刻表优化模型以最小化列车的总行驶时长和总晚点程度为目标；将列车的线路计划、列车运行的历史数据输入到所述两阶段分布鲁棒列车时刻表优化模型中，所述线路计划包括：待制定时刻表的列车集合、各列车的途经区间、各列车行驶停靠数据，所述历史数据为各列车在各行驶区间内的实际行驶数据；通过设计主问题和子问题迭代求解算法，对所述两阶段分布鲁棒列车时刻表优化模型进行求解，得到列车计划时刻表。2.根据权利要求1所述的方法，其特征在于，所述两阶段分布鲁棒列车时刻表优化模型包括：第一阶段优化模型和第二阶段优化模型，所述两阶段分布鲁棒列车时刻表优化模型表示为：其中，min
x∈χ
Q
I
(x)为第一优化阶段模型，为第二阶段优化模型，x为计划时刻表，表示运行图中的各列车在各站的到发时刻，是由运行规定和安全约束所规定的关于x的可行域，Q
I
(x)表示计划时刻表x的通行效率损失函数，ξ是随机向量，表示各列车在各相邻站点间的行驶时长，Q
II
(x,ξ)表示在给定计划时刻表x与已知ξ的情况下的总晚点程度函数，表示一个分布函数集合，包含以N条历史数据所构成的经验分布F
N
为中心、以Ξ为支撑集、Wasserstein距离不超过ε
N
的概率分布函数。3.根据权利要求2所述的方法，其特征在于，所述第一阶段优化模型以在保证行车安全的情况下最小化行驶时长为目标，构建所述第一阶段优化模型，包括：构建通行效率损失函数，所述通行效率损失函数的决策向量为各列车进入各轨道区间的时刻和列车离开轨道区间的时刻；确定列车行驶约束条件，包括：各趟列车离开首发站的时间不得早于给定时刻；各趟列车在各区间的行车时长不得短于最短的可能行车时长，在站点的停靠时长不得短于要求的停车时长；超车只能发生在站点内，在同一区间上相邻的两趟列车必须保持一定的行车间隔；各趟列车的总运行时长不得超过，最短旅行时长的比例和最短停站时长的比例之和。4.根据权利要求2所述的方法，其特征在于，所述第二阶段优化模型是以根据实际情况调整后的时刻表与计划时刻表偏差最小为目标，构建所述第二阶段优化模型，包括：构建总晚点程度函数，所述总晚点程度函数的决策向量为第二阶段调整后的各列车进入各轨道区间的时刻和列车离开轨道区间的时刻；确定实际运行约束条件，包括：各趟列车离开车站的实际时间不得早于计划时刻，达到车站的实际时间不得早于计划时刻；
各趟列车在各区间的行车实际时长不得短于最短的可能行车时长，在站点的停靠实际时长不得短于要求的停车时长；超车只能发生在站点内，在同一区间上相邻的两趟列车保持一定的行车间隔。5.根据权利要求1所述的方法，其特征在于，在对所述两阶段分布鲁棒列车时刻表优化模型进行求解之前，还包括：将含有随机变量的两阶段分布鲁棒列车时刻表优化模型转化为不含随机变量的半无限规划两阶段分布鲁棒优化模型，所述不含随机变量的半无限规划两阶段分布鲁棒优化模型表示为：s.t.λ≥0(b
I
,e
I
)∈χ其中，为历史数据集合中的一个样本，(b
I
,e
I
)为计划时刻表，b
I
和e
I
分别为各列车进入各轨道区间的时刻和列车离开轨道区间的时刻，Q

【专利技术属性】
技术研发人员：宋士吉，刘琳钰，
申请(专利权)人：清华大学，
类型：发明
国别省市：