重载铁路智慧港口站作业计划综合优化模型及算法研究

为提升港口站调度智能化水平,本文在研究重载铁路港口站作业组织的基础上,分析本务机担当调机运用模式下不同卸车系统的调车作业方案,以列车分解计划、卸车计划、调车作业计划及列车组合计划为核心刻画不同类型重载列车在站作业全流程。考虑港口站卸车作业能力和卸后空车返程排空效率,以车辆在站停留时间最少为目标函数,构建重载铁路港口站作业计划综合优化的混合整数线性规划模型,采用带有启发式策略的微进化与自适应邻域搜索相结合的混合算法。以某重载铁路港口站为例进行分析,结果表明,得到的设备协同调度方案中未出现空闲等待时间,出发列车配流方案中,前7列均满足最大空车编成辆数;对比不同调车作业方案,本务机担当调机运用模式可为港口站减少5台调车机;所提算法相比Gurobi求解器,在求解时间上节省97.32%,与最优下界值间隔缩小0.06%。     

考虑股道运用的重载卸车站作业计划优化研究

重载卸车站是重载运输的重要组成部分,实现车站作业计划自动化编制对于加速列车周转时间、提高重载运输生产效率具有重要意义。重载卸车站由于列车在站作业种类多,车站作业计划编制复杂。为实现计算机自动化编制高效智能的车站作业计划,在分析重载列车在车站作业流程的基础上,将重载列车在站技术作业过程转化为对卸车站内到达线股道、存车线股道、卸煤线股道、清煤线股道、组合线股道的5次占用问题,构建考虑股道运用的重载卸车站作业计划模型。考虑到模型属于NP-hard问题,设计微进化算法进行求解,并在微进化算法基础上引入大规模邻域搜索算法中的损坏和修复思想对算子操作进行改进。以朔黄铁路终端黄骅港站某夜间到达的15列重载列车为实际案例,对提出的模型和算法进行验证。研究结果表明：微进化算法所采用的优势基因结构机制能快速有效解决重载卸车站作业计划编制问题,相较于GUROBI求解器,其求解质量在95%以上且求解时间缩短48.16%,同时相较于遗传算法其求解质量提升5.38%且求解时间缩短27.49%。微进化算法得出的优化计划相较于人工编制计划,重载列车在站总时长缩短了389 min,提升了重载卸车站作业计划质量。研究结果...     

考虑Pareto最优的列车运行图与维修天窗协调优化

列车运行图与维修天窗之间的冲突始终无法避免,且维修天窗开设时间的长短显著影响列车总运行时间.针对此问题,综合考虑维修天窗对列车运行造成的限速约束、车站到发线数量约束等,建立列车总运行时间最小,以及维修天窗实际开设时长与理想时长总偏差最小的双目标混合整数规划模型;对困难约束设置中间辅助变量将模型线性化以提高求解效率,并设计约束转换算法求解双目标模型的Pareto最优;微观化处理铁路线,将站内资源和站间资源细化为一系列行车资源单元,得到更加符合实际旅客运输需求的运行图.以某地区铁路线夜间开行列车及维修天窗开设计划为研究背景,调用商业软件求解双目标函数模型的Pareto最优,并对双目标模型的最小支配解和最优支配解进行对比分析;针对最优支配解下的列车进入、离开行车资源单元的时间、停站作业时间及维修天窗的开始时间及开设时长,绘制列车运行图.求解结果表明:模型在满足维修天窗最小开设时长的同时,能够兼顾列车运行总时间最小和维修天窗开设时长更充裕.基于最优支配解绘制的列车运行图表明:微观路网下的列车运行时刻表优化结果更符合实际旅客运输生产作业需要.研究结果可为铁路运营管理部门进一步优化列车运行图编制与维修天窗开设提供参考.