实货制条件下铁路枢纽内快运班列的组织模式

对现有铁路枢纽内快运班列组织模式(OMM)进行研究.提出将铁路物流中心站考虑进编发快运班列的站点集合,与编组站协同处理编发快运班列的组织新模式(OMLM);在借鉴双层时空网络原理基础上,结合货主对货物运到期限的要求,以货主满意度最大和编发班列的收益最大为优化目标,以同一方向的货物不可被拆分,货物送达编发站的发车条件为约束,建立了铁路枢纽内快运班列编发时刻混合整数优化模型(RCETS),并用ILOG CPLEX软件求解;最后设计算例将提出的OMLM模式与OMM模式进行对比,结果表明,与OMM模式相比,在本文提出的OMLM模式下,当双目标的权重取值相等时,货主满意度增加19.84%,编发快运班列收益提高88.33%,能更好适应实货制改革的要求.     

基于大数据的货物运输责任时间划分方法研究

通过对铁路货物运输过程及其影响因素的分析,指出了现有货物运输过程各环节时间的分配方法存在的不足。提出基于大数据的货物运输责任时间划分方法,借助云计算平台在大数据处理方面的优势,设计了货物运输大数据分析方法和步骤;提出货物运输责任时间和责任保障率的概念及计算方法,以实现对货物运输全程各环节作业的效率进行动态考核和评价。以京广线上衡阳北—大朗运输区段的实际数据为算例,与传统计算方法进行对比,验证了本文所提出的方法具有更好的可适性和应用前景。     

技术站列车晚点时间预测方法

准确地对技术站整体列车到达晚点时间进行预测不仅可以为技术站调度预警,也可以为车站合理安排列车进路预留时间,从而尽可能保证货物运到期限,对技术站能力的提高和铁路货运市场的保证具有重要意义.本文分析技术站列车到达晚点情况和技术站列车晚点的主要影响因素.建立GM(1,2)模型对列车晚点时间进行预测,再利用马尔可夫矩阵进行误差修正,确定目标所处区间范围,往复预测并修正,使未来一段时间内的模糊预测结果准确地落在预测区间内;同时利用径向基神经网络(RBF)对数据进行插值扩充,从而对晚点时间进行精确预测,平均相对误差保持在3%以下.最后分析比较了两种预测方法的优劣并分别指出了预测方法的适用范围.     

Harmony Search-Dij kstra混合算法在铁路物流中心分层选址中的应用

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化为目标,提出了铁路物流中心分层选址分配模型.针对铁路物流中心选址分配模型的特点,提出采用求解效率较高的和声搜索算法(Harmony Search,HS)和Dijkstra算法相结合的混合算法进行求解,并通过算例验证了模型的可行性和算法的有效性.为了验证算法的性能,对不同规模下的算法进行多次测试,结果表明当规模较大时,HS-Dijkstra混合算法仍可以在可接受的时间范围内收敛.为了体现算法的计算效率,对大规模下的Harmony Search-Dijkstra混合算法与遗传算法(Genetic Algorithm,GA)进行比较,结果显示Harmony Search-Dijkstra混合算法收敛速度明显优于遗传算法.因此,Harmony Search-Dijkstra混合算法可以有效解决铁路物流中心选址分配问题.     

考虑维修天窗和到发线数量的复线铁路 列车运行图优化

研究了维修天窗与复线铁路列车运行图一体化编制问题,考虑到发线数量、维修限速等约束条件,建立了混合整数规划模型.针对约束的特点对约束进行分类,并运用行生成方法对到发线数量等约束进行分解,运用两阶段法处理较为复杂的维修限速约束,结合商业软件GUROBI求解模型.设计算例进行验证,比较分析了模型约束的不同分解方法.结果显示分解到发线数量约束可以提高求解效率25%~45%,而列车追踪间隔间距约束是否宜采取分解与求解规模有关.