在社会经济和现代物流业快速发展,智能铁路运输系统逐步推进的背景下,研究铁路枢纽车流组织优化问题,具有重要的现实意义。本项目首先深入分析铁路枢纽车流组织可控性问题,提出车流可控度的定量描述和计算方法,研究车流可控度在站间的传递规律;分析主动车流组织条件、范围,并研究主动车流组织的实效性、可控性问题,为基于车流可控性下的枢纽车流组织优化奠定理论基础。进而根据铁路枢纽车流调度决策问题的解决思路,建立基于车流可控性的枢纽车流调度决策优化模型,包括中转车流调度决策优化模型、地方车流调度决策优化模型、主动车流调度决策优化模型和枢纽小运转调度决策优化模型。最后针对模型特点,以算法参数为重点,研究改进遗传算法与神经网络结合起来的混合智能算法,提出基于车流可控性的枢纽车流调度决策优化模型的有效求解算法。本项目研究成果将及时应用于实际运输生产,以期能为新时期下的铁路枢纽车流组织优化提供理论支撑。
railway transport;active wagon-flow;degree of controllability;reparability;particle swarm optimization algorithm
枢纽车流运输组织工作,不仅直接影响铁路系统内部车流的通畅,而且关系着铁路能否适应运输市场对铁路运输要求。针对市场经济下我国铁路运输组织研究工作中亟待解决的关键理论问题,研究考虑主动车流和可控车流的枢纽车流调度决策优化问题。通过近四年艰苦努力和富有成效的研究工作,基本实现了项目研究目标,获得了具有创新性的研究成果(1)完善主动车流和可控车流的概念,引入可控度描述车流的可控性,从车流量和时间两个方面给出可控度的计量方法,并重点分析了可控度的可修复性及在站间的传递规律;(2)以车流可控度表示约束条件成立的置信水平,建立基于可控度的枢纽车流调度决策随机机会约束规划模型,包括解决中转车流、地方车流及主动车流调度决策的三个优化模型;(3)通过对比,选取粒子群算法为求解算法,对粒子群及量子粒子群算法进行多方面改进,结合神经网络算法,构造适合求解枢纽车流调度决策优化模型的混合智能算法。这些成果丰富了我国铁路运输组织理论体系,为提高我国铁路运输组织水平做出了积极的贡献。出版著作及教材2本,在国内外学术刊物和国际学术会议上发表论文31篇,其中SCI收录2篇,EI收录17篇。培养博士生5人,硕士生5人。