基于Anylogic 的车流径路联合优化模型研究

穆阿立

（新疆铁道职业技术学院土木工程学院，新疆哈密 839001）

为铁道运输车辆选取良好的运输径路可提高铁道运输领域的运输效率，并且在一定程度上缩短运输的径路长度，以达到节约运输成本的目的，这对于商家、铁道运输方以及运输货物接收方都具有重要意义[1-2]。

随着我国经济的发展，铁道运输的受众不再只是群众，还有大批的货物需要通过铁路进行运输。随着受众群体地不断增加，铁道运输交通变得越来越复杂，既要保证铁道运输车流的安全和运输效率，也要控制铁道车辆运行的运输开销。在设计铁道运输车流径路方案时，可能临时改调一个运行线路都会对铁道运输车流径路整体造成较大影响，可能导致与多个铁道运输车流的出行径路重合，进而发生车辆碰撞等问题。

为解决目前铁道运输车流存在的问题，该文将对铁道运输车流径路进行联合优化，传统的铁道运输车流径路联合优化模型所得方案不是最终的优化结果。该文构建模型的优势在于利用约束函数和目标函数对铁道运输车流径路进行双重约束，以实现其设计的目的。

1 铁道运输车流运行的特点与要求

无论铁道运输车流径路如何优化，都必须严格遵守铁路运输车辆的运行规定，因为一旦铁道运输车流径路联合优化模型打破了铁道运输安全准则，会给铁道车辆运输带来安全隐患，进而造成不可挽回的损失。为使铁道运输车流径路联合优化模型的优化方向正确，该文先简述铁道运输车流的基本运行规则以及特点，提取运输车的部分运行特点作为约束因子，提高模型的优化精度。铁道运输分为货物运输和出行运输两种，因为面向群体的不同，所运输的流程也不相同，因此铁道交通规定以上两类铁道运输车流的径路不可重叠，且具有唯一性。铁道运输车流运行的基本要求是要保证运输效率、时效及运输质量达到运输规范。

铁道车流运输效率是保证铁路车辆运输能力的重要方式，如果铁路运输车流的运输能力不达标，即使匹配最优的运行径路，也无法降低铁道运输的时间或经济成本，因此保证铁道运输车流的运输能力是非常重要的。铁道运输车流的运输时效性也很重要，如果由于径路避让，导致铁道运输车流间停站、出站时间差较长，会严重降低铁道运输车流运输的效率，则此方案不是车流最优的出行径路。运输质量指的是各个铁道运输车辆的结构和运输类型不同，在径路优化匹配时，要时刻考虑运输车辆的状态，以保证运输质量。

铁道运输车流运行的特点是运输速度快、运输质量高，且铁道运输具有时效性，要确保运输车不晚点，只有在径路优化过程中保证铁道运输车流运行速度，才可维持运输车的工作量，从而在缩短运输车运行径路的基础上，提高铁道运输方的经济利益。

2 铁道运输车流径路联合优化模型

2.1 Anylogic集成软件工具分析

该文采用Anylogic 软件集成工具对存在某种运行规律的系统、动力行为进行建模和仿真实现，该工具目前被主要应用于物流、供应链、交通仿真等领域。对于该文构建的铁道运输车流径路联合优化模型来说，此工具的意义在于可对运输车流径路优化模型进行复检仿真，以保证模型优化的准确度，提升其运行效果。

Anylogic 软件集成工具利用的仿真语言是UML语言，内部具有数据库资源，对于优化模型输出的优化铁道运输车流径路方案，只需将径路录入到Anylogic 软件集成工具内，点击开始按钮即可触发软件的工作。如果径路为最优的方案，软件会输出“ok”，如果不是最佳铁道运输车流径路规划方案，则软件输出“no”，并调整模型的约束函数，重新利用模型进行优化处理。

2.2 构建铁道运输车流径路联合优化模型

该文构建的基于Anylogic 的铁道运输车流径路联合优化模型的构建流程如下。

在进行车流量智能控制之前，需要先对车流量进行预测。对于足够小的时间段Δt，时间区间[t,t+Δt]内车辆经过的概率与t不产生关联，则有p(t,t+Δt)=μΔt+o(Δt)，其中，μ表示单位时间经过的车辆数量，p(t,t+Δt)表示在时间区间[t,t+Δt]内有一辆车经过该预测点的概率，以此类推，pn(t1,t2)=p{N(t2)-N(t1)}，N(t)为[0,t]时间段内经过的车辆总数，n为可能经过的车辆数。

由于上述条件满足泊松分布所需要的前提，因此利用泊松分布模型对城市交叉口车流量变化进行预测[8]。

令Δt→0，则车流量预测模型为：

首先根据需要优化的铁道运输车流运行特点和基本运行准则，设计运输车流径路优化的约束函数和目标函数。该文构建的铁道运输车流径路联合优化的约束条件分别是运输费用约束和运输效率约束。运输车流的运输费用约束是铁道运输车在可通行状态下对径路优化的重要约束条件，其约束公式如下所示：

其中，z表示运输车流的运输总费用表示运输车流径路决策变量；u表示运输车流每公里的开销。

铁道车流运输径路的长度最大约束函数如下所示：

其中，K表示运输车流可选择的路数量；表示运输车流选择第k条径路时运行的有效距离。

铁路运输径路过程如图1 所示。

图1 铁路运输径路过程

该文设计的目标函数是保证运输车流径路完成运行的时间最短，其函数如下所示：

其中，φ表示径路区段内运输车流的运输能力利用率；R表示运输车流的总径路；V表示运输车流的运输速度。

其次，采用二阶排队算法对径路进行规划，以保证铁路运输车流运行径路不冲突，进而保证铁路运输车流运行安全。在铁道运输车流运行避让操作过程中，将所有铁道运输车流径路根据目的地和出发地进行分类，利用构建的约束函数对每个分类区域内的运输车流完成运输车流进程排队，铁道运输车排队的结果如式（5）所示：

其中，a表示铁道运输车流出发地点的代号；b表示铁道运输车流目的地的代号；Pc表示各个铁道运输车流规定到达目的地的空闲概率；ε表示目的地占地有效的时间服从系数，其他未知数意义同上。

根据以上公式计算输出的结果，如果铁道运输车流运输径路出现冲突时，则调用发生碰撞的铁道运输车流径路的相关信息，计算铁道运输车流的错开避让等待时间。根据先到先服务的原则，等待时间越短，则先执行运输径路，其他进行等待；等待执行完毕后，再执行相互碰撞的其他运输车径路，以此保证运输车流的避让行为。铁道运输车流的避让等待时间长短计算公式如下：

其中，γ表示铁道运输车流径路的平均到达率；ai表示运输车流排队的平衡状态；Δt1、Δt2分别表示需要计算两个运输车流发生碰撞时与规定运行时间的时间差；v1、v2分别表示发生碰撞运输车的运行速度，其他未知数的意义同上。

根据运输车流径路碰撞的计算结果，更新初次输出的铁道运输车流径路排队运行的进程顺序，第二次输出铁道运输车流出行径路制订方案。以提高运输车流的运输效率和运输效益作为目的，调用径路优化的约束函数和目标函数，对初始策划的铁道运输车流径路方案进行联合优化处理，构建的铁道运输车流径路联合优化模型如下所示：

其中，f1表示铁道运输车流径路i的运输流量；α表示径路优化调用的权重系数；Ri表示需要优化的运输车流的径路；ρ表示铁道运输车流径路的阻尼系数，其他未知数的意义同上。

最后利用Anylogic 软件复检模型输出的铁道运输车流径路优化方案是否是最优的方案。如果是，则结束优化任务；如果不是，则重新制定铁道运输车流径路的约束函数，重新计算，直至Anylogic 软件输出“ok”，结束模型优化处理。

3 实例分析

为保证实验过程具有一致性且实验结果具有真实性，设定实验平台设备传输控制实验过程。硬件环境配置：GDDR7 固态硬盘、1 556 MHz显卡、嵌入式中央处理器、双电源插口、LED 液晶显示屏。软件环境配置：实验采用SQL 2016 软件完成数据存储，编程语言采用C++,测试环境配置为32 位Windows 8.0操作系统。设定测试平台图2 所示。

图2 系统测试平台

采用上述设定完成此次系统测试，设定测试次数为10 次。

将设定的测试场景与数据分别导入传统径路规划模型与设计的径路规划模型进行最优径路规划，并生成径路规划图。对径路图进行对比，得出结论。具体测试径路模型如图3、图4 所示。

图3 传统模型

通过对图3 与图4 中的径路对比可看出，提出径路优化模型，所规划的运输径路在运输点5、运输点6、运输点7、运输点8、运输点9、运输点10 规划中，径路长度明显较短于传统方法。主要原因在于将需要优化的运输车流径路利用该文构建的模型优化完成后，进行复检仿真，保证模型优化的准确度和运行效果达到最佳。

4 结束语

铁道交通运输的状态可以代表一个地区或国家的发展状态，铁道运输车流径路是铁路路网规划的重要工作，该文构建的基于Anylogic 的铁道运输车流径路联合优化模型在对铁道运输车流径路优化前，利用算法对整体径路进行避让遍历，合理缩小铁道运输车流径路可优化的有效样本量，然后采用函数对每个径路进行约束，成功构建铁路运输车流径路联合优化模型。该文构建模型考虑了铁路运输车辆的不可拆分性，可提高铁道运输车流径路联合优化的精度。