【《某高铁停站方案优化方案设计》3900字】

某高铁停站方案优化方案设计目录TOC\o"1-3"\h\u25065某高铁停站方案优化方案设计 125093第1章武广段高铁停站方案优化模型 1302501.1武广高铁节点划分 1216891.2武广高铁列车停站方案多目标优化模型 278741.2.1停站方案优化模型 2111251.2.2模型的目标 2125811.2.1.选择约束条件 36189第2章武广段高铁停站方案优化 5185582.1开行方案相关参数 5241272.2多目标问题分析 5256122.3模型的算法设计 630442.4遗传算法参数及求解 8第1章武广段高铁停站方案优化模型1.1武广高铁节点划分根据相关理论知识，对武广高铁中15个站点实施节点划分。每个节点都是根据城市性质、人均支配收入、人口数量、城市GDP、空间可达性、客运专线交点数量、动车段所数量、客运设施规模、铁路客运量、始发列车数量这10个影响因素评价指标，构建出灰色关联度评价分析序列。对于其中的定量指标能够直接展示出初始值，而定性指标则需要依据经验丰富的专家进行评判，根据“好、较好、一般、较差、差”五个等级进行打分。对序列的分析处理之后，利用信息熵法明确不同指标的得分，最终获取各个车站的综合分数，将对应的节点车站根据等级划分表示为图4-1，使数值更直观化。给定的参数值为，武广高速铁路客运节点层次为：一级节点包括广州、武汉、长沙，二级节点包括韶关、郴州、衡阳、株洲、岳阳、广州北，三级节点包括清远、耒阳、衡山、汨罗、赤壁、咸宁。其中一二级节点属于大站，三级节点是小站。表4-1节点等级划分示意图1.2武广高铁列车停站方案多目标优化模型1.2.1停站方案优化模型武广高铁的列车停站方案既要节约时间和加快列车总速度，同时也要满足乘客的需求，也要让企业的经济收益提升并且降低成本。故该模型主要作用是减少旅行损失时间和降低停站数量并且最大程度减少累成空行距离。1.2.2模型的目标1.使输送旅客过程所需时间减少高速铁路最大的特点就是开行速度快安全并且服务质量较普速高，在一定程度上极大的减少旅行所需时间。另一方面，这对于运营部门也有好处，由于速度快所以可以加快列车周转，比起传统火车能使铁路部门降低不少成本。故本文的优化目标是减少旅行时间损失。但乘客受多方面条件影响，包括列车和车站运营组织情况影响，不易得到精准数据。正常状况下，因为同等级累成停站次数大致相同，所以乘客出行时刻大致相同。所以优化的目的是降低乘客等待列车的时间。目标模型如下： （4-1）其中，为列车的对数，为车站的个数为列车在站与站所拉走的客流数为列车有没有在站逗留为在级别为的在站停留的时间函数其中，为单辆车所停留时间单位，为车站的等级2.旅客列车空车行走距离最少对于铁路收入方面来说，设计列车停站方案过程中要尽可能的降低列车虚糜度，尽可能的降低空座率，而列车空走距可以代表列车虚糜度。列车空走距算法为区段空位数量乘以区段长。 （4-2）其中，为列车额定载客量，为第趟车次总区段里程，为站到站的站间距。1.总停站次数列车和运行线路都一样，对停站次数都有一些要求，这方面可以提高通过能力和乘客的服务质量。所以车站店经济效益和运营管理等各方面的影响都能在列车总停车次数上得到体现，所以需要选用停车总次数最小成为其中一个优化目的： （4-3）1.2.1.选择约束条件1.约束节点的服务频率指定一个车站，该车站全天停站次数不能比（节点等级对服务频率的要求）低。例：一级、二级、三级节点的服务频率不低于4/h、2/h、1/h等。但因为运行线路的时间属性生成在运行图编制阶段，何况开行方案可能不会要求每个小时内都保持均衡的服务次数，所以该文使用日总服务频率用来代替每小时的服务频率。 （4-4）其中，表示车站日总服务频率2.约束站间服务可达性从为了服务乘客方面来说，乘客之所以选择乘坐高铁，是因为高铁运行速度快，节约不少时间，所以高铁最显著的特点之一是较高的服务频率和直达率。若要满足乘客需求的高直达率，就需要一二三级节点之间相互有直达车，以客流量情况和间上座率为依据，对于车内服务频率提出部分要求，故设以下服务频率约束： （4-5） （4-6）其中，为站间列车服务次数为站和站间平均上座率为站到站总客流量1.列车额定乘客约束列车最大载客量不能大于列车的额定载客量，无论在哪个区段。这是为了保证列车的安全性和对乘客的服务质量，故设约束条件： （4-7）其中，，则表示为站和站之间中有没有区间2.约束客流量停站方案的设计要遵循按流开车，这样可以尽可能的满足OD服务频率，同时也能通达线路的OD，使乘客不许呀在各站之间多次换乘。若是要最大程度运输全部客流并且不考虑乘客的换乘情况，则客流量需要满足条件，从站到站所运客流不大于站到站就总客流量： （4-8）5.约束单列车停站数量不同的高铁该设最小和最大停站数量的要求，用来满足客运的营销。 （4-9）其中，和为线上列车停站次数的上下限6.约束变量 （4-10）其中，表示列车在不在站停车，如果停取值为1，不停为0第2章武广段高铁停站方案优化2.1开行方案相关参数笔者此次研究的主要内容是武广高铁运营区段中的停站布局优化，其中涉及到诸多相关因素，客流量分配是其中最为重要的因素之一，所以实现武广区段内的列车都能做到各个车站的客流运输是停站最优设计的前提。为了能保证旅客的全部输送，相匹配的运输设备必不可少。武广高速铁路中有三个一级节点即武汉、长沙与广州，这三个地区经济水平较高、人口流动量大，而且连接的铁路数量众多。而且这三个一级节点的车站都能够办理始发站、终点站业务，将这三个地区作为整个区间的分界点，能够吸纳更多的旅客。武广高速铁路一共设置了15个站点，，通过对影响列车停车方案的各种因素进行分析可知，单个列车节点能够吸纳的旅客总量为。旅客因列车到站停车所浪费的时间,笔者在本文中将列车在15个站点中的停车时间进行相同考虑。2.2多目标问题分析多目标优化问题的解法包括:间接解法、直接接法。间接解法包括:转化为一个单目标问题的解法、转化成多个单目标问题的解法、非统一模型的解法。其中，转化成一个单目标问题的解法步骤大体为:1.将原多目标规划问题转化为单目标规划问题，2.通过非线性规划的相关算法求解，1.得到的解当成多目标规划问题的最优解。而把多目标转换为单目标的方法包括:线性加权和法、理想点法、主要目标法、极大极小法、安全法和评价函数法。本文选用线性加权和法对多目标进行转化。线性加权和法是根据个目标的重要度，在分别对应乘上一组权系数入,，接着相加当作目标函数，最后在其约束集合上求解最优集。即构造如下的单目标问题。 （5-1）把求得的上述单目标问题最优解当作在线性加权和意义下多目标问题的最优解。此处或，其中 （5-2） （5-3）入称为EP中的一个权向量，或称为一组权系数。本文所建模型的三个目标函数均为求最小值，且约束条件相同，此数学模型的目标函数可转化为： （5-4）其中，、、为对2.2.小节模型的目标函数分别进行归一化处理后的数值,其作用是是三个目标具有相同的量纲。2.3模型的算法设计1.2小节所建模型有三个目标函数，本文线性加权法将多目标问题转化成单目标问题，然后用遗传算法进行求解，算法具体的实现步骤如下:（1）初始种群的生成通过以下方式随机产生初始种群:以全部旅客列车的所有停靠站点作为--个染色体，其长度为所有旅客列车对应的可停靠站点的数量之和，每一趟旅客列车的停站集为一段由0、1随机组成的基因片段，片段上的基因位点取值为0或1，为1时列车在该基因位点对应的车站停车，为0时不停，编码方式如下图所示。第一趟车第二趟车第n趟车（2）个体选择，分为三个步骤:(Ⅰ）按照5.2小节转换后的单目标函数计算当前种群中每个染色体的适应度;(II）执行精英个体选择策略，即选择当前种群中具有最优适应度的个体直接进入下一代;(Ⅲ）对于其余染色体，按照“轮盘赌”选择方式，又放回抽样选择个体进入子代种群，直至子代种群数量与当前种群相同;（3）交叉由于编码方式导致的染色体长度较长，为使搜索空间尽量遍历整个可行区域，采用多点随机交叉的方式，交叉位点在染色体基因位点随机产生，交叉位点随机产生后，种群中相邻两个染色体pop(i)与pop(i+1)进行交叉，交叉方式如图5-1所示:父代A10...101...011...010...110...011...0子代A父代B01...110...010...101...101...010...1子代B图4-1多点交叉方式示意图（4）变异与经典遗传算法相同，种群进行交叉变异时，在染色体上随机选取一个基因位点，若该位点对应的基因值为1，则修改为0，若为0，则修改为1，变异方式如图5-2：父代A10...101...011...010...111...011...0子代A图4-2单点变异方式示意图（5）终止判定在执行完选择、交叉、变异算子各一次后，当前迭代步骤加1，并进行算法终止判定:如果当前迭代步骤小于或等于设定的最大迭代步骤数，转第二步，否则,算法终止，输入当前种群最优个体及其适应度。上述步骤如图5-3所示。获得随机停站方案种群获得随机停站方案种群计算每个可行个体适应度计算每个可行个体适应度是否达到最大迭代次数是否达到最大迭代次数Y选取最优个体N选取最优个体Random（0,1）<pc？Random（0,1）<pc？NY执行交叉算子执行交叉算子Random（0,1）<pv？Random（0,1）<pv？NY执行变异算子执行变异算子输出种群中最优结果输出种群中最优结果4-3算法流程示意图2.4遗传算法参数及求解因为在此次研究中存在很多的未知影响因素，所以需要更大的种群以使遗传算法能更好的进行下去，在持续的多次测试下，对求解的时间与结果精确度进行综合考量，得出最终的运行参数：变量个数有744个，种群大小为34，迭代次数为300，交叉概率为0.9，变异概率为0.09。在此次研究中，借助Matlab编程进行，在轮盘选择、双切点交叉与高斯变异三个遗传操作完成之后，使种群内部衍生出更多全新的个体，即一直产生全新的武广高铁列车停站方案矩阵，在117次的这一计算之后最终得出武广高铁列车停站结果图。图4-4武广高铁停站方案示意图这一停站方案中包括了全部的列车，对停站次数进行总结可知共有542站，去除起点和终点站，中间站点一共会停382次