本发明属于车流组织，尤其涉及一种考虑碳排放的车流径路与列车编组计划优化方法及系统。
背景技术：
1、作为车流组织工作的重要内容，车流径路和列车编组计划直接影响着铁路运输系统中货物运输效率、安全性和经济性，其存在一系列研究不足之处，主要体现在以下若干方面：
2、(1)综合优化方法研究不足：目前，针对车流组织优化问题，主要采用分阶段优化方法。首先，研究者进行车流径路优化，然后将其结果用于列车编组计划的优化。然而，这种分阶段优化方法忽视了车流径路与列车编组计划之间的紧密关联，且各阶段的最优结果未必能够实现系统整体最优。综合优化方法的研究不足，导致了铁路运输系统潜在的效率提升空间未能得到充分挖掘。
3、(2)可持续性和碳排放问题：尽管铁路被视为低碳运输方式，但其货物运输途中依然会产生碳排放。在追求铁路货运经济性的同时，绿色可持续性应当成为一个重要的考虑因素。因此，如何在减少铁路货物运输碳排放的前提下优化车流径路和列车编组计划是一个急需研究的问题。
4、(3)求解算法单一：当前，通常采用遗传算法、模拟退火算法等单一启发式算法来解决车流组织优化问题。然而，这可能导致求解效率不高，以及优化结果较差等问题。因此，迫切需要高效的组合优化算法来应对复杂的车流组织优化问题。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的一种考虑碳排放的车流径路与列车编组计划优化方法及系统，解决了现有技术中关于车流径路与列车编组综合优化方法研究不足、可持续性和碳排放问题以及求解算法单一的问题。
2、为了达到以上目的，本发明采用的技术方案为：一种考虑碳排放的车流径路与列车编组计划优化方法，包括以下步骤：
3、s1、构建考虑碳排放的车流径路与列车编组计划综合优化模型；
4、s2、根据构建的车流径路与列车编组计划综合优化模型，利用模拟退火-遗传算法生成最优车流径路-列车编组方案，完成对车流径路与列车编组计划的综合优化。
5、本发明的有益效果是：本发明将车流径路选择与列车编组计划相互结合，旨在最大程度地发掘车流径路和列车编组计划之间的关联性，以实现铁路货物运输的整体优化，降低潜在的运营成本，以得到了全局最优的铁路服务网络；本发明将铁路货运产生的碳排放成本纳入考虑，构建了一种考虑碳排放的车流径路与列车编组计划综合优化模型，旨在兼顾铁路货运的效益和绿色可持续性，不仅着眼于运输效益，还聚焦于环境可持续性；同时，本发明利用设计的模拟退火-遗传算法解决了采用单一算法求解np-hard问题时效率不高、优化结果较差等问题。综上，本发明在铁路货物运输领域具有广泛的应用前景，为实现高效、环保和可持续的铁路运输系统提供有益的探索途径。
6、进一步地，所述步骤s1中车流径路与列车编组计划综合优化模型的目标函数的表达式如下：
7、
8、tij＝cimij
9、其中，min表示最小化运算，z1表示总成本，w1、w2、w3和w4分别表示车流集结成本、改编成本、运输成本及碳排放成本，μ表示单位车小时集结的成本折算系数，spotential表示径路尚待优化的直达列车去向集合，k、i和j表示均表示路网中的任意站点，xij表示列车开行情况，如果提供列车服务站点i→j，则取1，否则取0，tij表示从技术站i产生并发往技术站j的列车在i站的车流集结时间，sfixed表示备选径路唯一的直达列车去向集合，fij表示从站点i→j的实际车流量，表示车流改编站点决策变量，从站点i→j的车流选择编组站k进行改编，则取1，否则取0，τk表示技术站k的单位货车改编成本，表示站点i→j的备选列车径路集合，g表示路网中任一弧段，e表示路网中弧段集合，v表示路网中站点集合，lg表示弧段g的里程，表示若车流nij选择第l条径路运行，则取1，否则取0，nij表示从站点i→j的原始车流量，表示弧路关系矩阵，从站点i→j的第l条径路包含弧段g时，为1，否则为0，ρ表示铁路单位运输成本，λ表示碳税税率，θrail表示铁路运输碳排放系数，表示铁路货运平均电气化水平，ci表示技术站i集结参数，mij表示从站点i→j去向的列车平均编成量数。
10、再进一步地，所述步骤s1中车流径路与列车编组计划综合优化模型的约束条件包括：
11、车流不可分割原则约束：
12、
13、其中，xij表示列车开行情况，如果提供列车服务站点i→j，则取1，否则取0，k、i和j表示均表示路网中的任意站点，表示车流改编站点决策变量，从站点i→j的车流选择编组站k进行改编，则取1，否则取0，表示从站点i→j的车流途中可能的改编站点集合，v表示路网中站点集合；
14、列车变量与车流编组变量之间的逻辑约束：
15、
16、其中，xik表示列车开行情况，若提供站点i→k的列车服务，则取1，否则取0；
17、车流径路选择唯一性原则：
18、
19、其中，表示站点i→j的备选列车径路集合，表示若车流nij选择第l条径路运行，则取1，否则取0，nij表示从站点i→j的原始车流量；
20、车流的改编站点必须在列车的走行径路上原则：
21、
22、流量平衡约束：
23、
24、其中，fij表示从站点i→j的实际车流量，s表示路网中的任意站点，fsj表示从站点i→j的实际车流量，表示改编站点决策变量，从站点s→j的车流选择编组站i进行改编，则取1，否则取0；
25、车流编组站能力约束：
26、
27、其中，表示车流改编站点决策变量，从站点i→j的车流选择编组站k进行改编，则取1，否则取0，表示站点k的有效改编能力；
28、线路通过能力约束：
29、
30、
31、其中，表示站点i→j的备选列车径路集合，γijl表示若车流nij选择第l条径路运行，则取1，否则取0，nij表示从站点i→j的原始车流量，表示弧路关系矩阵，从站点i→j的第l条径路包含弧段g时，为1，否则为0，表示直达列车去向站点i→j的一昼夜列流量，表示弧段g的有效通过能力，g表示路网中任一弧段，e表示路网中弧段集合；
32、调车线数量约束：
33、
34、
35、其中，表示去向站点i→j的一昼夜实际吸引的车流强度，ψi,wgn表示技术站i平均每条调车线一昼夜可集结的最大货车数量，ψi,trk表示技术站i的调车线数量，v表示路网中站点集合，d表示路网中的任意站点，fid表示从站点i→d的实际车流量，表示改编站点决策变量，从站点i→d的车流选择编组站j进行改编，则取1，否则取0；
36、特定径路约束：
37、
38、其中，spath-special表示站点i→j的特定列车径路集合；
39、存在od量的相邻支点站之间和满足货运需求的点对之间均需提供列车去向：
40、
41、其中，sfixed表示备选径路唯一的直达列车去向集合；
42、决策变量为0或1：
43、
44、上述进一步方案的有益效果是：本发明引入碳排放成本，并综合考虑铁路车流特有的树形结构特征、编组站能力约束、线路通过能力约束和调车线数量限制等约束，构建以总成本最小为目标的车流径路与列车编组计划联合优化模型，旨在兼顾铁路货运的效益和绿色可持续性。即，通过考虑碳税政策下铁路货运走行产生的碳排放成本，实现了对铁路运输的经济性和绿色可持续性的兼顾。
45、再进一步地，所述步骤s2包括以下步骤：
46、s201、基于k短路算法结合随机生成原则，生成初始车流径路编码序列；
47、s202、生成初始车流改编站序列；
48、s203、合并初始车流径路编码序列与初始车流改编站序列，生成初始车流径路-列车编组方案；
49、s204、将步骤s201-步骤s203重复m次，得到包括m个初始车流径路-单组列车编组方案的方案集，并从方案集中筛选出满足车流径路与列车编组计划综合优化模型的约束条件的若干个编组方案，并根据各编组方案的目标函数值大小进行升序排列；
50、s205、根据步骤s204的处理结果，利用模拟退火-遗传算法生成最优车流径路-列车编组方案进行迭代优化，得到最优车流径路-列车编组方案，完成对车流径路与列车编组计划的综合优化。
51、上述进一步方案的有益效果是：本发明通过设计的组合优化算法提高了求解车流组织综合优化这一类np-hard问题的效率和质量。
52、再进一步地，所述步骤s202包括以下步骤：
53、s2021、选择车流路径，针对非终到站的最远技术站为车流始发站，则车流直达通行；
54、s2022、根据各站点间的车流交换量，判断od点间是否开行直达列车服务，若是，则无需生成改编站点序列，否则，则需进行改编中转，并根据车流接续归并原则生成初始车流改编站序列。
55、上述进一步方案的有益效果是：本发明基于路网特征、站点间车流交换量及车流走行特点等因素，讨论了od点间车流组织成列车流后对于直达或改编中转开行模式的选择策略，使得算法生成的方案能够匹配实际的路网结构和需求，提高了算法的适应性和实用性。
56、再进一步地，所述步骤s205包括以下步骤：
57、s2051、从步骤s204筛选得到的编组方案中，取预设范围内的编组方案为精英方案，除预设范围内的编组方案外的为劣势方案；
58、s2052、对劣势方案随机选取第一学习位置和第二学习位置，并以随机精英方案的同位置编码进行替换，以完成精英学习；
59、s2053、根据精英学习后的结果，随机选取第一交叉位置和第二交叉位置，并以预设的第一概率阈值对两编组方案的各交叉位置对应编码序列进行交换，以完成双点交叉更新；
60、s2054、根据双点交叉更新后的编组方案，随机选取第一变异位置和第二变异位置，并以预设的第二概率阈值进行变异，以完成双点变异，其中，第一变异位置涉及除已变异的车流路径外的路径替换，第二变异位置涉及改编站点的选择；
61、s2055、根据双点变异后的编组方案，筛选出满足车流径路与列车编组计划综合优化模型的约束条件且目标函数值最优的车流径路-列车编组方案；
62、s2056、判断是否达到最大迭代优化次数，若是，则输出最优的车流径路-列车编组方案，完成对车流径路与列车编组计划的综合优化，否则，返回步骤s2051，直至满足最大迭代优化次数，同时更新退火温度。
63、上述进一步方案的有益效果是：本发明综合运用精英学习、双点交叉和双点变异等策略，可以提升算法的综合优化效果。精英方案的筛选和学习引导了搜索空间向优质解的方向演进，而双点交叉和双点变异则在解空间的广泛探索中带来了多样性，有效避免了陷入局部最优解的问题。同时，迭代优化次数的控制和温度更新等策略保障了算法的收敛性和执行效率，使其在求解车流组织问题时具备了高效、质优的特性。
64、再进一步地，所述步骤s2055包括以下步骤：
65、s20551、根据双点变异后的编组方案，筛选出满足车流径路与列车编组计划综合优化模型的约束条件和目标函数值最优的编组方案；
66、s20552、比较每次迭代优化前后目标函数值的大小；
67、s20553、根据比较结果，若迭代后的最优编组方案的目标函数值优于迭代前，则接受新方案，否则，以退火概率公式来选择是否接受新方案；
68、s20554、根据新方案，得到最优的车流径路-列车编组方案。
69、上述进一步方案的有益效果是：本发明通过步骤s20551，从双点变异后的编组方案中筛选出满足综合优化模型约束条件和目标函数值最优的编组方案，确保了所得解的可行性和优越性。步骤s20552通过比较每次迭代优化前后的目标函数值，动态监测解的变化趋势，使得算法能够更加灵敏地捕捉到搜索空间中的优秀解，提高了算法的全局搜索效率。步骤s20553巧妙地结合了目标函数值判断和退火概率公式，为全局搜索和局部搜索之间找到了一个平衡点，防止陷入局部最优解，提高了算法的鲁棒性和全局搜索性能。
70、本发明提供了一种考虑碳排放的车流径路与列车编组计划优化方法的车流径路与列车编组计划优化系统，包括：
71、第一处理模块，用于构建考虑碳排放的车流径路与列车编组计划综合优化模型；
72、第二处理模块，用于根据构建的车流径路与列车编组计划综合优化模型，利用模拟退火-遗传算法生成最优车流径路-列车编组方案，完成对车流径路与列车编组计划的综合优化。
73、本发明的有益效果是：本发明将车流径路选择与列车编组计划相互结合，旨在最大程度地发掘车流径路和列车编组计划之间的关联性，以实现铁路货物运输的整体优化，降低潜在的运营成本，以得到了全局最优的铁路服务网络；本发明将铁路货运产生的碳排放成本纳入考虑，构建了一种考虑碳排放的车流径路与列车编组计划综合优化模型，旨在兼顾铁路货运的效益和绿色可持续性，不仅着眼于运输效益，还聚焦于环境可持续性；同时，本发明利用设计的模拟退火-遗传算法解决了采用单一算法求解np-hard问题时效率不高、优化结果较差等问题。综上，本发明在铁路货物运输领域具有广泛的应用前景，为实现高效、环保和可持续的铁路运输系统提供有益的探索途径。
1.一种考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，所述步骤s1中车流径路与列车编组计划综合优化模型的目标函数的表达式如下：
3.根据权利要求1所述的考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，所述步骤s1中车流径路与列车编组计划综合优化模型的约束条件包括：
4.根据权利要求1所述的考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，所述步骤s2包括以下步骤：
5.根据权利要求4所述的考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，所述步骤s202包括以下步骤：
6.根据权利要求4所述的考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，所述步骤s205包括以下步骤：
7.根据权利要求6所述的考虑碳排放的车流径路与列车编组计划优化方法，其特征在于，所述步骤s2055包括以下步骤：
8.一种执行权利要求1-7任一所述的考虑碳排放的车流径路与列车编组计划优化方法的车流径路与列车编组计划优化系统，其特征在于，包括：
