一种铁路编组站智能配流方法

本发明涉及列车运行优化技术，尤其涉及一种铁路编组站智能配流方法。

背景技术：

1、铁路货物运输是我国铁路运输的重要组成部分，编组站是铁路货物运输重要的组成部分，而货物列车配流是编组站工作的核心，也是提高铁路货运能力的关键技术。

2、目前，部分编组站使用全路统一的车站管理信息系统(smis)和综合自动化系统，通过计算机辅助手段提高了编组站各作业计划编制的信息化水平，但在作业调度方面，主要依靠车站调度人员凭经验人工编制和调整。由于配流问题规模大且现场工作复杂，调度员配流时面对大量信息，侧重于配流计划是否可行，难以兼顾站场资源的合理分配。

3、随着大数据、人工智能和计算机网络技术的成熟和快速发展，通过运用高效的智能优化方法解决传统配流问题已成为人们关注的重点。如何结合新型智能算法对编组站配流进行快速实时优化，提高计划的编制速度与编制质量，合理分配资源，是值得进一步思考与研究的问题。

技术实现思路

1、(一)要解决的技术问题

2、鉴于现有技术的上述缺点、不足，本发明提供了一种铁路编组站智能配流方法。

3、(二)技术方案

4、为了达到上述目的，本发明采用的主要技术方案包括：

5、第一方面，本发明实施例提供一种铁路编组站智能配流方法，包括：

6、s10、针对铁路指定车站，获取铁路指定车站内的信息要求和编组相关的数据，并构建编组站配流分层模型，编组站配流分层模型包括：动态配流模型及第一约束条件和静态配流模型及第二约束条件；

7、s20、基于改进的进化算法、定义的启发式规则迭代求解动态配流模型，生成到达列车的解编顺序和出发列车的编组顺序，完成列车的动态配流；所述启发式规则为对应改进的进化算法的规则；

8、s30、根据解编顺序与编组顺序，基于混合正余弦鲸鱼优化算法对静态配流模型进行求解，获得每辆出发列车的具体车流来源和编组内容，完成静态配流，实现铁路指定车站的智能配流。

9、可选地，所述编组相关的数据包括：编组站解编方式、解编调机数量、编组调机数量、阶段计划时段内到达列车和出发列车信息；

10、所述信息要求包括：到达技术作业标准时间、出发技术作业标准时间、空程作业标准时间、连挂作业标准时间、推峰作业标准时间、编组作业标准时间；

11、相应地，根据阶段计划时段内到达列车和出发列车信息，获取到达列车到达时间和编组内容、出发列车出发时间和编组需求、编组场的现车数据。

12、可选地，所述s10包括：

13、根据所述信息要求，对列车溜放作业时间估算，获得列车溜放时间的估计值，

14、根据编组相关的数据、列车溜放时间的估计值，构建编组站配流分层模型中动态配流模型的目标函数z1、z2、z3，静态配流模型的目标函数z4；

15、z1为阶段计划时段内经编组站向区间发送满轴车辆数最多；

16、z2为保证编组质量的使出发列车的优先级之和最高；

17、z3为减少到达列车待解时间，按照到达列车优先级进行解编；

18、

19、

20、其中n为到达列车数量；m为出发列车数量；s为车流方向数量；sj为0-1变量，为0-1变量，为到达列车di配入出发列车fj的组号为k的车辆数；为出发列车等级；为到达列车等级；xii′为0-1变量；nj为出发列车的车流来源数即为每列出发列车提供车流的到达列车数。

21、可选地，所述s10中的第一约束条件包括：

22、列车解体时间约束、列车解体顺序约束、列车编组时间约束、列车接续时间约束、编组内容约束、满轴约束；

23、

24、

25、

26、

27、

28、

29、

30、twb(j)＝tcf(j)-tcf-tbz(j),j＝m,m-1,m-2      公式12；

31、twb(j)＝min{max{twb(j+1),twb(j+2),twb(j+3)}-tbz(j),tcf(j)-tcf-tbz(j)},j＝1,2,…,m-3            公式13；

32、

33、

34、

35、

36、

37、

38、

39、

40、

41、

42、所述s10中的第二约束条件包括：所述满轴约束、所述列车接续时间约束、所述编组内容约束。

43、可选地，所述s20包括：

44、基于改进的进化算法生成的初始种群包括编组顺序初始种群和解编顺序初始种群；根据定义的启发式规则生成编组顺序初始种群；通过生成的编组顺序初始种群获取具体的解体区间；通过解体区间生成各个编组顺序相对应的解编顺序；获得若干编组顺序和对应的解编顺序作为初始种群输入到改进的进化算法中求解，种群通过选择，交叉，变异三个过程不断进化；在达到预设的进化次数后，最终输出优化后的解编顺序与编组顺序；

45、具体地，获取编组顺序初始种群包括：

46、s21、采用整数编码的方式，按照列车先发先编生成只有一个个体的编组顺序群体，并计算出发列车最晚编组时间twb(j)和待发时间tdf(j)，其中tcf(j)为列车fj的出发时刻，tbz(j)为第j列出发列车的编组时间，tcf为出发技术作业时间标准；

47、s22、对当前编组顺序群体中的每个个体，若tdf(j)≥tdf(j+1)，调整对应两列车的编组顺序，并将调整后的个体扩充到当前编组顺序群体中，得到一个按启发式规则生成的编组顺序初始种群；

48、另外，基于定义的解体区间，基于解体顺序初始化，得到初始种群中的一条染色体，得到解体顺序初始种群。

49、可选地，在改进的进化算法的种群选择环节中，根据适应度函数计算初始种群中每个个体的适应度，根据每个个体的适应度进行选择，选择算子包括：

50、依据metropolis准则，在温度为t时，出现能量差为de的降温的概率为：其中，k表示常数，de<0，t表示温度；

51、在改进的进化算法迭代求解动态配流模型的过程中染色体被选择复制的概率为：其中，λ为迭代次数，p为种群数量，zmax表示种群中所有个体适应度函数的最大值；

52、种群完成选择后，在改进的进化算法的种群交叉环节中，交叉概率计算公式为：

53、其中，γ∈(0,1)，为交叉概率系数，fmax为配流理想最优解，所有列车均满轴正点出发；

54、按照交叉概率随机产生两个父代染色体，在两个父代染色体上再根据一定的规则概率随机产生相同的基因片段，该基因片段在交叉之后会作为优良基因保留在子代染色体中，其他的基因片段为从另一父代染色体中排除优良基因依次取得；

55、在求解动态配流模型的过程中，变异运算采取交换变异算子，按照变异概率随机产生变异染色体，再随机选取两个基因变异的位置，将这两个位置上的基因进行互换，其他基因不变。

56、可选地，s30包括：

57、将到达列车的解编顺序和出发列车的编组顺序输入静态配流模型，并使用混合正余弦鲸鱼优化算法求解静态配流模型，得到出发列车具体的编组内容，明确车流之间的接续关系；

58、首先，设置鲸鱼个体向量x＝(x(1),x(2),...,x(n))，将鲸鱼个体向量分为长度相等两段，满足n＝2l，其中l为阶段计划内所有出发列车可能的车流来源，第一段向量用于表示每列车的具体车流来源，包括到达列车以及到达列车的方向；第二段向量表示车流来源的选择顺序，并设置个体位置取值范围为[-ε,ε]，ε为阶段计划内出发列车总数；

59、其次，对第一段向量进行编码，通过公式(6)将鲸鱼个体位置向量映射到当前可选列车剩余数量，完成个体位置转换列车数量的过程；

60、

61、其中，x(j)为鲸鱼个体向量，s(j)为剩余列车辆数集合中元素个数，u(j)为列车剩余数量集合中的选择序号；

62、采用最大位置规则对第二段向量进行编码，将代表同一辆编组列车的不同车流来源顺序向量按照元素值的大小进行选择，对应的元素值越大，选择顺序越靠前；

63、最后，基于配流模型输出的解编顺序与编组顺序，确定出发列车车流来源数为适应度函数，通过仿效鲸鱼群捕食的方式，从搜索、包围、捕食猎物三个方面建立数学模型寻优，并结合sca算法对woa算法进行改进，得到每辆出发列车具体的车流来源，完成静态配流。

64、可选地，s30还包括：

65、改进鲸鱼包围猎物阶段：

66、在开始时设置一组随机解并计算解的适应度，同时将适应度最高的解视作目标，其余鲸鱼个体会向目标靠拢接近，为提升局部开发，把sca策略引入woa的局部开发过程中，其位置更新方式可以表示为：

67、x(t+1)＝x*(t)-a·d1

68、

69、a＝c·a-a

70、

71、其中，x*为猎物位置，t为当前迭代次数，t为最大迭代次数，a与r1两个收敛因子经过改造，随迭代次数从2非线性减小为0，r2∈[0,2π]，c∈[0,2]，θ∈[0,1]，均为随机数，λ，μ为常数；

72、改进气泡网捕食阶段：

73、鲸鱼群在进行捕食时会沿着圆形或“9”形的路径捕食猎物，为增强整个种群多样性与跳出局部最优能力，同样利用sca策略对螺旋更新方式实行如下改进：

74、

75、d2＝|r3·x*(t)-x(t)|

76、其中，b为定义螺旋形状的常数，l∈[0,1]，θ∈[0,1]，r3∈[0,2π]，均为随机数，设置随机数p∈[0,1]，当p≥0.5，进行气泡网捕食，当p<0.5，则包围猎物。

77、可选地，s30包括：

78、改进寻找猎物阶段：

79、为进一步寻找猎物，woa利用a的变化来进行探索，即|a|<1时算法会进行精确搜索，鲸鱼个体会向当前最优个体进行移动；将sca与woa进行混合，利用sca的寻优方式，结合sca较强的全局探索能力，对woa的全局探索方式进行改进：

80、x(t+1)＝xrand(t)-a·d3

81、

82、其中，xrand(t)为随机选取的鲸鱼个体的位置。

83、第二方面，本发明实施例还提供一种计算设备，包括：包括处理器、存储器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如第一方面任一所述的一种铁路编组站智能配流方法。本实施例的处理器可执行上述第一方面的所有方法，这里为省略，故未一一列出，其上述方法均为处理器所执行的程序。

84、(三)有益效果

85、本发明的方法对解编顺序、编组顺序以及车流来源进行优化，从编组站实际作业情况出发，引入解编时间不确定性；同时使用混合智能算法，确保配流计划的编制速度和编制质量，使阶段计划内列车满轴、正点发车。

86、根据阶段计划内编组站到达列车和出发列车数据，考虑列车解编时间的不确定性，同时优化到达列车的解编顺序与出发列车的编组顺序，求得合理的编组站列车配流计划，并给出出发列车具体的车流来源。使用混合智能算法(即混合正余弦鲸鱼优化算法)，一方面提高了求解速度，另一方面，该混合智能算法综合考虑编组站内各种运力资源，实现资源的合理利用，保证阶段计划内尽可能多的出发列车满轴、正点、不违编，并且使出发列车车流尽量来自于同一列到达列车，提高了铁路编组站的解编调车作业效率和配流方案兑现率。