[论文解读] A short-term planning model for high-speed train assignment and maintenance scheduling
本文提出了一种用于短期高速列车调配与二级维修调度的二元非线性规划模型,在遵守运营约束和车辆段容量的前提下,最小化里程损失。该模型引入了累积里程更新函数和状态函数以模拟维修状态,从而在实际运营需求下实现高效规划。
This paper considers the simultaneous high-speed train assignment and maintenance scheduling problem. For the maintenance scheduling module, our focus is the second-level maintenance, which is carried out once a month on average. We propose a binary non-linear programming model to mathematically describe the problem. The objective aims to minimize the mileage losses for all high-speed trains and the constraints cover various operational requirements and capacity restrictions. To model the difficult operational requirements, a novel cumulative mileage update function is developed; meanwhile, to describe the depot maintenance capacity restriction, we employ a state function that is able to identify whether a train is in the maintenance state or in the operation state.
研究动机与目标
- 解决在短期规划中高速列车的联合调配与维修调度问题。
- 最小化规划期内所有列车的总里程损失。
- 纳入现实运营约束,包括维修频率和车辆段容量限制。
- 利用状态函数对列车的动态状态(运行中或维修中)进行建模。
- 开发一种新颖的累积里程更新函数,以准确追踪列车使用情况。
提出的方法
- 构建二元非线性规划模型,以表示列车调配与维修调度决策。
- 引入累积里程更新函数,以追踪列车使用情况并确保里程损失计算的准确性。
- 采用状态函数,判断任意时刻列车是否处于运行或维修状态。
- 对维修频率(平均每月一次)和维修车辆段容量施加约束。
- 使用二元变量表示列车调配与维修调度决策。
- 优化目标函数,以最小化所有列车的总里程损失。
实验结果
研究问题
- RQ1如何在短期规划期内联合优化高速列车调配与二级维修调度?
- RQ2在尊重维修间隔的前提下,最有效的列车累积里程建模方式是什么?
- RQ3如何在调度模型中数学化表示车辆段维修容量约束?
- RQ4将维修调度整合进调度过程对最小化列车运营里程损失有何影响?
- RQ5如何在混合整数规划框架中准确捕捉列车的动态状态(运行与维修)?
主要发现
- 所提出的模型成功最小化了规划期内所有高速列车的总里程损失。
- 累积里程更新函数实现了对列车使用情况的精确追踪,提升了调度精度。
- 状态函数有效模拟了任意时刻列车是否处于运行或维修状态。
- 该模型遵守车辆段维修容量限制,防止维修工位过度分配。
- 将维修调度整合进调配过程,可生成更高效且具备实际可操作性的调度方案。
- 二元非线性规划公式提供了一个稳健的框架,用于求解联合调配与维修问题。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。