一种考虑社会车辆的土石坝工程的土石方调配优化方法

摘要

本发明公开了一种考虑社会车辆的土石坝工程的土石方调配优化方法。通过收集路网信息和各种工程施工信息计算道路路阻函数，建立结合路径优化的土石方平衡规划模型，为求解模型，先遍历路径组合，对每种路径组合利用序列二次规划方法求解最优土石方平衡规划方案，比较得到最优解。上述求得的解作为机械配置的输入，从而考虑交通因素和社会车辆建立土石方机械配置模型。为求解该模型，在交通仿真软件设置仿真环境，并二次开发设计仿真控制器建立土石方调配运输的仿真系统，然后利用仿真控制器和粒子群优化算法相结合求得最优机械配置方案。该发明考虑了交通因素和社会车辆，精确高效的求解了土石方调配优化方案。

主权项

一种考虑社会车辆的土石坝工程的土石方调配优化方法，该方法在土石方调配优化系统上实现，所述土石方调配优化系统包括两部分：第一部分包括以下模块：路阻计算模块、路径组合模块、模型求解模块和数据库模块；路阻计算模块将路网交通信息和社会车辆信息转化为路段旅行时间，并列出时间转化为费用的函数，与调运相应调配量的其他费用相加组成路阻函数，对于含有需评估的建设道路，路段路阻还需加上道路建设费用；路径组合模型根据路网列出所有OD之间的路径集合，作为路径备选，取得各路径路阻计算函数；模型求解模块首先根据土石方调配施工计划表和路阻函数建立土石方平衡规划和路径优化联合的优化模型，采用遍历路径组合和序列二次规划方法求解；数据库模块存储土石方调配施工计划表，路网信息，路阻计算模型结果和优化模型计算结果；第一部分的结果作为第二部分的输入；第二部分是考虑社会车辆的机械配置优化，包括以下模块：粒子群优化算法模块，仿真控制器、交通仿真软件模块和数据库模块；粒子群优化算法模块用于粒子（机械配置优化方案）的初始化，根据交通仿真软件模块求得的生产率计算目标函数，粒子（机械配置优化方案）的更新；仿真控制器用于连接粒子群优化算法、交通仿真软件模块等其他模块，并控制整个优化进程；交通仿真软件模块对粒子群优化算法模块提供的各种机械配置进行仿真，求得各种机械配置的生产率；数据库模块存储机械配置优化的输入数据，优化过程中产生的数据和机械配置的优化结果；该方法包括以下步骤：（1）获取土石方调配施工计划，收集各种施工场地信息，各种单位调配费用数据和道路建设信息，对实际施工区域进行交通调查，全面了解交通路网信息，收集道路建设信息，具体包括以下子步骤：（1.1）获取土石方调配施工计划：所述土石方调配施工计划包含每个时间段开挖项目需要完成的开挖工作量和填筑项目需要完成的填筑工作量；土石方调配施工计划是施工组织者在施工前期根据多方面考虑安排好的宏观施工进度；（1.2）收集各种施工场地信息和各种单位调配费用数据：所述施工场地包括开挖点、填筑点、中转站、料场、弃渣场；单位调配费用数据包括料场物料的单位开采费用，施工车辆运输单价，车辆装载费用和存储费用；（1.3）全面了解施工区域路网信息：所述路网信息包括静态路网信息和动态路网信息，静态路网信息包括道路类型，道路几何信息，道路设施，道路限速，路径集合，动态路网信息包括道路的流速曲线，红绿灯配时，社会车辆OD流量表；（1.4）收集道路建设信息，确定需评估的建设道路，获取道路建设费用影响因素；（2）计算路阻函数：某路段的路阻函数即为选择该路段运输物料时所花费的费用，包括静态费用、动态费用和道路建设费用；所述静态费用与开采费用、装载费用和存储费用相关，所述动态费用与分配的物料流向和物料量相关；所述静态费用和动态费用的计算公式如下：C_ijt=C_ijt¹+C_ijt²其中，C_ijt是时间t内从料点i运输物料到料点j所花费的费用，为静态费用，为动态费用；所述的静态费用包括开采费用、存储费用和装载费用，具体计算视物料调运流向而定，具体计算公式如下表：物料流向计算公式开挖项目到填筑项目C_ijt²=C^z*x_ijt开挖项目到中转站C_ijt²=(C^z+C^s)*x_ijt开挖项目到弃渣场C_ijt²=C^z*x_ijt中转站到填筑项目C_ijt²=C^z*x_ijt料场到填筑项目C_ijt²=(C_i^k+C^z+C^s)*x_ijt其中，C^Z为单位m³的物料的装载费用；x_ijt是决策变量，为t时间段内从料点i运往料点j的物料量；C^S为物料存储在中转站的单位存储费用；为从料场i开采物料的单位开采费用；所述的动态费用指的是运输费用，影响运输费用的因素包含动态因素和静态因素；静态因素包括道路的类型、长度，道路的设计速度，道路的弯曲程度，道路的陡度和陡坡长度；动态因素为分配在该流向的物料，所选路径和所选路径上的社会车辆流量；所以因素影响都可以转化为统一的行程时间，从而转化为费用；动态费用计算函数和行程时间计算函数如下：C_ijt¹=C^t*Tim_ijt  （2.1）${\mathrm{Tim}}_{ijt}=\underset{1}{\overset{L_{ijt}}{\Sigma }}{b}_{ijtl}\underset{r}{\overset{R}{\Sigma }}{a}_{rl}\frac{E_r}{v_{rt}}---\left(2.2\right)$v_rt=v((x_ijt+q_rt),vs_r)  （2.3）其中C^t是单位行程时间所需运费，Tim_ijt为在t时间段内从料点i到料点j的行程时间函数；r为路段编号，l表示路径编号；L_ijt表示在t时间段内从料点i到料点j的路径集合，R为路段集合；b_ijtl是决策变量，表示在t时间段内从料点i到料点j是否通过路径l运输物料，是为1，否则为0；a_rl表示路段r是否在路径l上，是为1，否则为0；E_r为路段r的长度，v_rt为道路r在t时间段的平均行驶速度；v((x_ijt+q_rt),vs_r)为道路r的流速曲线，q_rt为道路r上在t时间段内社会车辆平均流量，vs_r为道路设计速度，流速曲线为真实数据拟合得到；所述道路建设费用包括道路位置成本、道路长度成本和路基土石方成本；道路位置成本为道路占用土地的费用与道路占用面积相关；道路长度成本与道路长度成正比，包括道路修建费用、道路养护费用和道路使用费用，记为路基土石方成本为道路建设时挖填土石方所产生的费用与土石方挖填面积相关；道路建设费用计算公式如下：$C_{con}^u=C_{wz}^u+C_{cd}^u+C_{em}^u---\left(2.4\right)$（3）建立结合路径优化的土石方平衡规划模型，模型以调配费用和道路建设费用最少为目标，道路最大运输强度和物料平衡为限制，土石方平衡规划模型如下所示：$min\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}\underset{j=1}{\overset{M}{\Sigma }}{C}_{ijt}+\underset{u=1}{\overset{U}{\Sigma }}{f_{con}}^u{C_{con}}^u$其中T表示整个工期内的时间段个数；N表示供料点的个数，开挖项目点有n₁个，中转站n₂个，料场n₃个；M表示受料点的个数，填筑项目点有m₁个，中转站有m₂个，弃渣场有m₃个；U为需要考虑是否要建设的道路的条数；f_con^u为道路是否建设的标志，计算公式如约束条件最后一项所述，只有总施工工期内选择的路径中包含路段u时f_con^u为1，否则为0；C_con^u为建设道路u的费用；L_s^u为道路u经过的路径集合；约束条件中，第一项为高峰道路运输强度不超过道路运输强度最大值，Q_r表示道路r的最大道路运输强度；第二项表示在t时间段内从料点i到料点j运输物料的工程车辆按固定路线运输物料；第三、四项分别表示开挖项目开挖物料和填筑项目填筑物料的平衡，D_it表示t时间段内开挖项目i需要完成的物料量，S_jt表示t时间段内填筑项目j需要完成的物料量；第五、六项分别表示料场开采量限制和弃渣场容量限制，V_i表示料场i的最大允许开采量，U_j表示料场i的最大允许弃渣量；第七项表示中转站的容量限制，E_u表示第u个中转站的最大存储量；（4）求解步骤（3）中的结合路径优化的土石方平衡规划模型；该模型是0‑1混合整数的组合优化问题，该求解问题可以分解为路径优化和土石方平衡规划两层；第一层遍历所有路径优化组合，设置一个多维变量存储最优解；第二层用序列二次规划方法求解在路径拟确定下的土石方平衡规划模型，求解结果返回第一层对比最优解，更新最优解；最终得到土石方调配的路径选择标志b_ijtl和土石方平衡规划结果x_ijt；（5）将步骤（4）得到的路径选择标志b_ijtl和土石方平衡规划结果x_ijt作为机械配置优化的输入，以t为一个单位时间，总计T个单位时间；获取所有调配任务在计划的总工期内的时间窗，即指定任务可以进行工作的时间段；（6）机械配置优化模型的建立：机械配置优化模型以土石方调配费用为目标，以工期等因素为约束条件；所述的机械配置是安排合理的工程车辆数X={x₁,x₂,…,x_n,…,x_N}和装载机械数量Y={y₁,y₂,…,y_n,…,y_N}保障全部的调配任务在限定的工期内完成，并且费用最少；x_n为给第n个任务在该时间段内分配的工程车辆数，y_n为给第n个任务在该时间段内分配的装载机械数；所述的土石方调配费用分为两个部分：直接费用和间接费用，直接费用和机械的使用相关，间接费用包括日常管理费用和劳务费用；故目标函数为min F，F具体计算方式为F=DCOST+ICOST，其中DCOST为直接费用，ICOST为间接费用，计算公式如下：$DCOST=\underset{n=1}{\overset{N}{\Sigma }}{\mathrm{te}}_n*(UCX*x_n+UCY*y_n)---\left(7.1\right)$其中，te_n表示任务n的工作时间，单位为h；UCX为所选自卸车辆的单位时间内的费用，单位为元/h，UCY为所选装载机械的单位时间为的费用，单位为元/h；te_max为N个任务中最长的工作时间，即te_n中的最大值，单位为h；EH为每天的有效工作时间，单位为h；IC为工程单位时间内的间接费用，单位为元每小时；N为当前时间段内正在进行的任务数；所述的约束条件包括任务工作量约束、工期约束、机械数量约束和数据类型约束；具体数学表达如下：$\left\{\begin{array}{c}\begin{array}{cc}FIN1+FIN2=U_n& n=1,2,\mathrm{...},N\end{array}\\ {\mathrm{te}}_{\max }\le MAXT*EH\\ \underset{n=1}{\overset{N}{\Sigma }}{x}_n\le MAXX\\ \underset{n=1}{\overset{N}{\Sigma }}{y}_n\le MAXY\\ \begin{array}{cc}{x}_n\in Z& n=1,2,\mathrm{...},N\end{array}\\ \begin{array}{cc}{y}_n\in Z& n=1,2,\mathrm{...},N\end{array}\end{array}\right.---\left(7.3\right)$$FIN1=\underset{t=1}{\overset{S}{\Sigma }}{b}_{tn}{P}_n(t,x_n,y_n)*T_t---\left(7.4\right)$$FIN2=\underset{t=1}{\overset{S}{\Sigma }}{d}_{tn}{P}_n(t,x_n,y_n)*({\mathrm{te}}_n-\underset{t=1}{\overset{S}{\Sigma }}{b}_{tn}*T_t)---\left(7.5\right)$约束条件(7.3)中，第一个约束表示的是每个任务的任务量约束U_n，由公式(7.4)、(7.5)两部分组成，公式中t（t=1,2,…,S）表示在路网中工作的S个阶段，任务结束的时间不同，所以每个阶段内在进行的任务不变，不同阶段在进行的任务不同，T_t表示各t阶段的工作天数，b_tn、d_tn表示任务n在各个时间段t内的工作情况，计算公式如(7.6)，(7.7)所示；P_n(t,x_n,y_n)为任务n在t时刻决策变量为x_n、y_n时的机械生产率，需仿真得到；第二个约束是工期约束，MAXT为计划完成工期，单位为天；第三个约束、第四个约束分别表示的是自卸车辆和装载机械的数量约束，MAXX为所选用的自卸车辆的最大数量，MAXY为所选用的装载机械的最大数量；第五个约束、第六个约束是决策变量X，Y的数据类型约束，机械的数量应该是正整数；（7）搭建路网：在交通仿真软件中搭建模拟真实路网的仿真路网，搭建路网包括设置基础道路信息、道路设施信息、施工车辆信息和社会车辆需求；所述的基础道路信息包括设置道路类型、道路宽度、车道数、渠化、道路流速曲线、道路限速和道路通行能力，来源于步骤（1）中采集到的实际路网信息；所述的道路设施信息包括红绿灯、检测线圈：红绿灯按照实际路口情况设置配时，检测线圈按安放地点类型不同分为两种，一种安放在起始点，另外一种安放在交叉口；所述的施工车辆信息包括车辆类型，车辆功率，车辆长度，车辆在不同弯道、坡度时的速度损失函数；所述速度损失函数为在不同的道路弯度或坡度等级时车辆运行速度的损失比例；所述的社会车辆需求是在施工车辆和社会车辆公用的道路中，在一天的有效时间内，各个时间段的社会车辆数，时间段为一个小时；（8）机械配置仿真优化系统的建立：利用交通仿真软件二次开发得到适应于仿真土石方调配运输的仿真系统，设置仿真控制器和粒子群优化算法相结合；同时机械配置优化需要仿真系统和优化算法相结合，进行边仿真边优化的过程；为了使得仿真系统满足上述土石方调配交通运输系统的特点和优化需求，需要对交通仿真软件进行二次开发设计仿真控制器；所述的仿真控制器包括连接模块，计时模块，车辆排队模块，发车控制模块，车辆到达感应模块，数据统计模块和路径选择模块；所述连接模块负责接收来自粒子群优化算法模块传输的粒子信息，并发送信息给仿真控制器的各个模块，控制仿真的开始与停止；计时模块接收来自连接模块的仿真信息和开始计时、接收计时的命令并进行仿真的各种计时工作；发车控制模型包含子计时器，模拟装载和卸车过程，装载和卸车时间分布根据实际案例输入，根据子计时器和车辆排队模块的排队情况控制发车；车辆到达感应模块感应装载点和卸车点的车辆到达；车辆排队模块接收连接模块传送的机械配置方案并初始化各个装载点车辆排队情况，接收来自车辆到达感应模块的车辆到达信息与当前车辆排队情况，更新车辆排队信息；数据统计模块在单次仿真结束后，计算任务生产率和各任务工期，统计任务完成情况，并采集路网交通信息；路径选择模块接收来自连接模拟的各任务路径的信息，控制各个OD之间车辆按固定路线行驶；主要模块的具体实现如下：所述发车控制模块模拟车辆装车和卸车过程，车辆装车和卸车过程是随机事件，用随机时间分布模型产生每次装车和卸车的时间；每次只有发车控制模块的子计时器的时间和每次随机时间分布模型产生的时间相等时才能发车；装载时间分布可采用正态分布或三角分布，卸车时间可采用三角分布或负指数分布；每次发车后记录更新装载机械工作时间LoadWorkT；所述车辆排队模块模拟自卸车辆到达装载点或卸载点的排队，记录排队情况，统计一次各卸车点和装载点的排队情况，设置一个四维数组Queue，记录排队分别为0、1、2、>2的次数；排队原则如下：a、到达的车辆加载到排队最少的装载点或者卸车点；b、当排队最少的装载点或者卸车点有多个时，随机分配到这些点；所述数据统计模块可以统计各调配任务的生产率，计算装载机械利用率LoadUseRate和装载点、卸车点排队概率数组QueueRate，计算公式如下所示：$LoadUseRate=\frac{LoadWorkT}{SumT}---\left(8.1\right)$$QueueRate\left[i\right]=\frac{Queue\left[i\right]}{\underset{i=0}{\overset{3}{\Sigma }}Queue\left[i\right]}---\left(8.2\right)$其中，SumT为总仿真时间，i为数组索引(i=0,1,2,3)；所述路径选择模块输入为起始点和路径上路段编号的集合，用于控制固定OD的车辆按给定的路径行驶；（9）从t=1开始，对每时间段内的t进行迭代求解，每迭代一次进行一次时间段的更新，即该时间段内任务具体完成情况与计划不同，因为有工期限制，一定是比计划提前完成，所以把下一段开始时间定为上一段时间的结束，再对比总工期任务可施工信息，推进工期。所述迭代求解通过粒子群优化算法和步骤（8）中建立的仿真系统相结合，对步骤（6）所述机械配置优化模型进行求解，收敛较好的总体最优解作为最优机械配置方案，具体如下：（9.1）初始化：包括粒子种群数目m、最大迭代次数Dcount、粒子变异概率P_m、最大更新速度v_max、粒子初始位置X_q(q=1,2,…m)，Y_q(q=1,2,…m)（初始机械配置数量，小于最大机械数量）和初始速度V_q(q=1,2,…m)（小于最大更新速度）、初始全局最优Gbest、个体最优Pbest_q(q=1,2,…m)、当前迭代次数k=1和当前进行仿真的粒子q=1；第q个粒子位置表示为n维向量X_q=(x_q1,x_q2,…,x_qn)，速度表示为n维向量V_q=(v_q1,v_q2,…,v_qn)，个体最优表示为P_q=(p_q1,p_q2,…,p_qn)；全局最优表示为P_g=(p_g1,p_g2,…,p_gn)（9.2）判断k是否大于最大迭代次数，是转步骤（9.12），否转步骤（9.3）；（9.3）判断q是否大于粒子种群数量m，是转步骤（9.8），否转步骤（9.4）；（9.4）初始化时段表示变量Temt=0，中间状态变量TemX=X_q，TemY=Y_q，对当前粒子需仿真的次数，即时间段个数为S=n，n为土石方调配任务数量；（9.4）判断时段表示变量Temt是否满足Temt=S，是则q=q+1，且转步骤（9.3），否转步骤（9.5）；（9.5）初始化土石方调配运输仿真系统各供料点的自卸车辆数量TemX和装载机械数量TemY，一个时间段内仿真时间为Tmax；（9.6）开始仿真，仿真控制器控制系统运行，仿真未完成任务进行运料，在仿真Tmax时间时结束仿真，取得各个任务生产率；所述的生产率的求解取平均值，即对于每次仿真运行一天中有效工作时间多一个小时的时长，得到的生产量减去第一个小时的生产量除以有效时长（第一个小时的仿真为预热）即为生产率；（9.7）计算各任务工期，判断最早结束的任务，令Temt=Temt+1，并标记该任务已完成；判断是否有和该最早结束的任务同一天完成的任务，有则把该性质的任务数加到Temt上，这些任务标记为已完成，转步骤（9.4）；（9.8）计算适应度函数，该优化模型存在最大工期约束，将其作为惩罚项放在适应度函数中，故适应度函数FIT如下：其中，F为土石方调配机械配置优化模型的目标函数，求解公式在上文已经给出；FCOST是惩罚项系数；a表示是否需要加惩罚项。（9.9）更新个体最优和全局最优：判断当前代的各粒子是否优于各自粒子的个体最优Pbest，是则更新个体最优Pbest；判断当前代的粒子种群中适应度最小的粒子是否优于全局最优Gbest，是则更新全局最优Gbest；（9.10）粒子速度和位置更新：粒子速度计算公式如下$v_{qh}^{k+1}={{\mathrm{\omega v}}_{qh}}^k+c_1{r}_1(p_q^k-x_{qh}^k)+c_2{r}_2({p_{gh}}^k-{x_{qh}}^k)---\left(9.3\right)$其中，p=1,2,…,m，h=1,2,…,n，m为种群数量，n为单个粒子维度，ω为惯性因子，c₁和c₂为学习因子，是常数，r₁和r₂是介于[0,1]之间的随机数。该优化模型是整数规划模型，所以对更新后的速度v_qh^k+1向下取整。同时更为了保证算法的全局搜索性，给速度设置一个区间，v_qh^k+1属于[‑v_max,v_max]，当超出该区间时取边界值。为防止粒子陷入局部最优，加入变异算子。设置变异概率P_m，对于每个粒子，每次迭代变量r₃取[0,1]的随机数，当r₃小于P_m时，粒子变异，粒子速度v_qh^k+1再加上[‑v_max,v_max]之间的随机整数。在速度更新后，对位置进行更新，计算公式如下：${x_{qh}}^{k+1}={x_{qh}}^k+v_{qh}^{k+1}---\left(9.4\right)$在对粒子位置更新过程中对粒子进行检查，看粒子是否满足机械数量约束。当不满足时，需将决策变量值缩减到约束空间边界，速度为正的决策变量元素按速度大小排列后，按比例缩减，并且更新一个反向速度v_qh^k+1=‑u*v_qh^k+1，u为(0,1]之间的随机数。（9.11）最优粒子存入数据库，迭代次数更新k=k+1，转（9.2）；（9.12）最优解分析：分析总体最优目标函数随次数的变化，判断是否收敛。优化收敛较好的总体最优可作为最优解析配置方案。输出优化机械配置方案与该时段各任务工期，结束优化。