專利名稱：網(wǎng)絡(luò)化列車運行計劃調(diào)整方法
技術(shù)領(lǐng)域：
本發(fā)明屬于高速列車運行調(diào)度控制技術(shù)領(lǐng)域，尤其涉及一種利用分層遞階智能混雜優(yōu)化技術(shù)對網(wǎng)絡(luò)列車運行計劃進行調(diào)整的方法。
背景技術(shù)：
在高速鐵路投入使用以來，它的各方面優(yōu)良特性也在逐步的體現(xiàn)出來。由于高速鐵路所具有的客流量大、行車密度高，高、中速列車速差大，跨線中速列車與高速線銜接容易造成既有線列車晚點的特點，再加上高速鐵路需要承擔的為既有鐵路擴能的責任，高速鐵路列車運行調(diào)整的及時性和有效性已經(jīng)為列車運行調(diào)整提出了更高的要求。對運營經(jīng)驗和行車組織的便利性分析得出高速線路的行車秩序主要取決于跨高速線運行的列車在既有路網(wǎng)的運行情況，因此，在常規(guī)鐵路運行計劃調(diào)整技術(shù)的基礎(chǔ)上，從整個路網(wǎng)的角度出發(fā)，開展對高速客運專線運行計劃調(diào)整方法的研究，具有較大的理論價值和廣泛的應(yīng)用前景。傳統(tǒng)的運行計劃調(diào)整方式存在著變量數(shù)目眾多、約束條件關(guān)聯(lián)性大， 直接求解過于復(fù)雜，很難得到最優(yōu)解，限于區(qū)段內(nèi)調(diào)整，未考慮路網(wǎng)約束等問題。

發(fā)明內(nèi)容
為解決傳統(tǒng)的運行計劃調(diào)整方式存在的問題，本發(fā)明提供了一種基于大系統(tǒng)的分層遞階改進模型，并提出運用智能混雜優(yōu)化技術(shù)對模型進行求解的方法，為高速鐵路列車運行調(diào)整提供了新的思路和方法。本發(fā)明的技術(shù)方案包括下列步驟步驟1 調(diào)用已經(jīng)生成的運行計劃；步驟2 基于事件驅(qū)動動態(tài)調(diào)度策略，檢查是否出現(xiàn)大面積晚點等異常事件，如果出現(xiàn)，則啟動調(diào)整算法，進入步驟3 ；否則，返回步驟1 ；步驟3 判斷路網(wǎng)范圍內(nèi)的受影響區(qū)段，分別記為區(qū)段1、區(qū)段2......區(qū)段N;步驟4 選擇一區(qū)段進行調(diào)整；步驟5 結(jié)合調(diào)整策略，確定該區(qū)段內(nèi)的權(quán)重系數(shù)P1* P2;步驟6 根據(jù)模式匹配的方式，從歷史庫中尋找區(qū)段尋優(yōu)算法的初值；步驟7 利用基于遺傳算法的協(xié)調(diào)優(yōu)化算法，進行區(qū)段內(nèi)尋優(yōu)，得出該區(qū)段內(nèi)的一個局部最優(yōu)方案；步驟8 根據(jù)步驟7遞階優(yōu)化過程得出的初步運行計劃，計算在路網(wǎng)節(jié)點一技術(shù)站的到車時間，判斷是否滿足車站技術(shù)作業(yè)容量約束。如果不滿足，則返回步驟5，調(diào)整權(quán)重系數(shù)P工和P2的值，重新進行區(qū)段內(nèi)尋優(yōu)；如果滿足，則將所得的運行計劃作為在該權(quán)重系數(shù)下該區(qū)段調(diào)整過后的最優(yōu)的運行計劃；步驟9 判斷是否調(diào)整完全部區(qū)段，如果是，則調(diào)整結(jié)束，輸出調(diào)整結(jié)果；否則，返回步驟4，繼續(xù)選擇一區(qū)段進行調(diào)整。本發(fā)明所涉及的方法是建立在鐵路路網(wǎng)條件之下列車運行計劃調(diào)整方法，較之只涉及本線的列車運行調(diào)整，本發(fā)明所使用的范圍更廣，更符合實際應(yīng)用需求；本發(fā)明在模型求解的算法上使用了模式分類技術(shù)，從而加快算法的收斂速度，進而提高計算效率。


下面結(jié)合附圖對本發(fā)明作詳細說明圖1為列車運行調(diào)整模型結(jié)構(gòu)圖；圖2為基于分層遞階智能混雜優(yōu)化方法的網(wǎng)絡(luò)化列車運行計劃調(diào)整方法流程圖；圖3為運用模式匹配法尋找算法初值流程圖；圖4為基于遺傳算法的協(xié)調(diào)優(yōu)化算法流程圖。附圖標記a-路網(wǎng)層b_區(qū)段層C-列車群層d-列車層
具體實施例方式本發(fā)明應(yīng)用分層遞階控制系統(tǒng)原理對模型結(jié)構(gòu)進行了優(yōu)化設(shè)計，將傳統(tǒng)的運行調(diào)整模型進行了改進，將運行計劃調(diào)整模型分為路網(wǎng)層、區(qū)段層、列車群層和列車層四個層次結(jié)構(gòu)模型，如圖1所示，對求解問題進行降維、降階以及并行處理。并且，對各層次的優(yōu)化目標或約束條件進行了改進，下面進行詳細說明(一 )列車層列車層具體到每一列車i，它的行為由在每個中間站的到發(fā)時間Xid、yu體現(xiàn)。如果在中間站j沒有停車(避讓)作業(yè)，則= ο ；如果在中間站j有停車越行作業(yè)，則 Xi,j-Yi,j > 0。列車層沒有目標函數(shù)，只有狀態(tài)顯示；在本模型中考慮高速列車群和中速列車群列車車速約束，即高速列車的車速Vi彡Vl，(i = 1，2，. . .，s)，中速列車的車速Vi彡V2, (i = s+1, s+2, ...，η)，其中，η為高速列車與中速列車數(shù)量的總和，s為高速列車數(shù)量。( 二)列車群層設(shè)高、中速列車群群內(nèi)尋優(yōu)問題分別為Z1和z2，即想要達到實際到發(fā)時間與圖定到發(fā)時間的時間差最小的目標，這一層目標函數(shù)的形式分別為
權(quán)利要求
1.一種網(wǎng)絡(luò)化列車運行計劃調(diào)整方法，其特征在于，利用分層遞階智能混雜優(yōu)化技術(shù)對網(wǎng)絡(luò)列車運行計劃進行調(diào)整，包括以下步驟步驟1 調(diào)用已經(jīng)生成的運行計劃；步驟2 檢查是否出現(xiàn)大面積晚點等異常事件，如果出現(xiàn)，則啟動調(diào)整算法，進入步驟 3;否則，返回步驟1;步驟3 判斷路網(wǎng)范圍內(nèi)的受影響區(qū)段，分別記為區(qū)段1、區(qū)段2......區(qū)段N;步驟4:選擇一區(qū)段進行調(diào)整； 步驟5 確定所選區(qū)段內(nèi)的權(quán)重系數(shù)P工和P 2 ； 步驟6 根據(jù)模式匹配的方式，從歷史庫中尋找區(qū)段尋優(yōu)算法的初值； 步驟7 利用基于遺傳算法的協(xié)調(diào)優(yōu)化算法，進行區(qū)段內(nèi)尋優(yōu)，得出該區(qū)段內(nèi)的一個局部最優(yōu)方案；步驟8 根據(jù)步驟7遞階優(yōu)化過程得出的初步運行計劃，計算在路網(wǎng)節(jié)點的到車時間， 判斷是否滿足車站技術(shù)作業(yè)容量約束。如果不滿足，則返回步驟5，調(diào)整權(quán)重系數(shù)P工和P2 的值，重新進行區(qū)段內(nèi)尋優(yōu)；如果滿足，則將所得的運行計劃作為在該權(quán)重系數(shù)下該區(qū)段調(diào)整過后的最優(yōu)的運行計劃；步驟9 判斷是否調(diào)整完全部區(qū)段，如果是，則調(diào)整結(jié)束，輸出調(diào)整結(jié)果；否則，返回步驟4，繼續(xù)選擇一區(qū)段進行調(diào)整。
2.如權(quán)利要求1所述的方法，其特征在于，所述方法將模型劃分為列車層、列車群層、 區(qū)段層和路網(wǎng)層四個層次，并對不同層次的目標函數(shù)或者約束條件作出調(diào)整，其中列車層包括對高速列車群和中速列車群列車車速的約束，即高速列車的車速Vi ^ V1, (i = 1，2，...，s)，中速列車的車速Vi ( V2, (i = s+1, s+2，...，η)，其中s為高速列車數(shù)量，η為列車總數(shù)；列車群層中，設(shè)高速、中速列車群群內(nèi)尋優(yōu)問題分別為Z1和h，設(shè)該層目標函數(shù)的形式分別為
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟6中模式匹配，是在進行實時調(diào)整之前，調(diào)整數(shù)據(jù)歷史庫的生成，在進行實時調(diào)整時，把待求解問題的列車到車順序編成字符串形式，遍歷歷史庫，尋找精確匹配的字符串，并由定位到匹配的字符串，把對應(yīng)的優(yōu)化結(jié)果導(dǎo)出，生成優(yōu)化調(diào)整算法的初值。
4.如權(quán)利要求1所述的方法，其特征在于，所述步驟7中的協(xié)調(diào)優(yōu)化調(diào)整算法，對高速列車群和中速列車群在群內(nèi)進行分別尋優(yōu)，并先對中速列車群在群內(nèi)進行尋優(yōu)。
全文摘要
本發(fā)明公開了基于分層遞階智能混雜優(yōu)化方法的網(wǎng)絡(luò)化列車運行計劃調(diào)整方法。該方法在運用大系統(tǒng)的分層遞階控制原理的基礎(chǔ)上，對傳統(tǒng)的運行計劃的模型進行了改進，將運行計劃調(diào)整模型劃分為路網(wǎng)層、區(qū)段層、列車群層和列車層四個層次，并對各層次的目標函數(shù)或者約束條件進行了調(diào)整。運用基于遺傳算法的協(xié)調(diào)優(yōu)化算法對高速列車群和中速列車群在群內(nèi)分別尋優(yōu)的方法對模型進行求解。在求解過程中，本發(fā)明使用模式匹配法尋找算法初值，加快了計算速度，提高了計算的精度。本發(fā)明為高速鐵路列車運行調(diào)整提供新的更為有效的思路和方法。
文檔編號B61L27/00GK102248956SQ20101017924
公開日2011年11月23日 申請日期2010年5月17日 優(yōu)先權(quán)日2010年5月17日
發(fā)明者周韜, 孟學(xué)雷, 徐杰, 王伶俐, 王莉, 秦勇, 謝正媛, 賈利民, 陳彩霞 申請人:北京交通大學(xué)