摘要
考虑高速铁路站、车一定的服务频次要求,提出列车运行图生成与压缩的协同优化的混合整数规划模型。模型以铺画一定数量列车运行线占用列车运行图横轴的时间长度和所有列车全程旅行时间最小为优化目标,提出二阶段求解算法:先固定标杆列车运行线,求解列车停站方案、越行方案、股道运用方案,即生成列车运行图;在不改变上述3个方案下,减少列车运行图中的非必要的冗余时间,并向前移动列车运行线,即压缩列车运行图。以京沪高速铁路为案例,结果表明,二阶段法可降低两列车之间运行关系判定的复杂度,实现对模型大规模数据的快速有效求解。
关键词
我国高速铁路繁忙干线客流量逐年增长,线路通过能力紧张和供需不平衡的矛盾并存,导致运输能力不能得到有效发挥,造成这种问题的原因是列车运行图的不均衡,不规律。将车站经停需求和列车停站需求纳入列车运行图优化,有利于强化服务导向的线路通过能力,使得优化得到的列车运行图能够适应实际需求。
既有对繁忙高铁干线列车运行图的研究主要聚焦于停站方案、列车运行图生成与压缩的研究。高速铁路列车停站方案编
本文拟从线路能力利用的角度出发,提出考虑站、车服务质量的列车运行图生成与压缩一体化的快速和较精确求解方法,可以较好地解决能力利用与服务水平协调的问题。本文提出的方法适应于非线性模型的大规模求解需要,可在较短时间内生成具体的列车时刻表,为列车运行图编制提供辅助决策,减轻既有人工编图的负担。
选取一条高速铁路为研究对象,如

图1 研究对象示意图
Fig. 1 Diagram of research object
代表车站集合,。
代表车站索引序列,,也代表区间索引序列,如区间,代表了车站与车站之间的区间。
代表区段集合,。
代表区段索引序列,。
Su代表区段u内的车站集合,Su⊆ S。
代表车站的旅客乘降功能,,1代表旅客可以乘降,0代表旅客不可以乘降。
代表列车类型,,1代表标杆列车,0代表普通列车。
代表开始/结束时刻。
代表列车类型为的列车在区间的纯运行时间。
代表列车在区间的最大运行冗余时间。
代表列车类型为的列车在车站的起车/停车附加时间。
代表列车类型为的列车在车站的最小/最大停站时间。
代表车站的列车出发/到达追踪最小间隔时间。
代表车站的到通/通发最小间隔时间。
代表车站的同一股道发到最小间隔时间。
代表车站停靠列车最低/最高数量。
代表列车集合,。对于列车集合,令集合中的为标杆列车,集合中的为普通列车,分别按在始发站的发车顺序排序。
代表列车索引序列和性质,,为普通列车,为标杆列车。
代表列车类型的列车全程停靠车站的最低/最高数量。
代表列车类型的列车在区段停靠车站的最低/最高数量。
代表车站的某一方向股道集合,。其中,为正线,供通过列车使用,为到发线,供停靠列车使用。
为数值很大的一个正整数。
整数变量代表列车在车站的出发时刻或通过时刻。
整数变量代表列车在车站的到达时刻或通过时刻。
0‒1变量代表列车在车站的停靠性质,={0,1},1代表停靠,0代表通过。
0‒1变量代表列车和列车在车站的先后出发(通过)顺序,若先发(通过),后发(通过),则,否则。
0‒1变量代表列车和列车在车站的先后到达(通过)顺序,若先到(通过),后到(通过),则,否则。
0‒1变量代表列车在车站s是否被分配到股道上,若是则1,若否则0。
目标函数:首要优化目标,以铺画一定数量列车运行线占用列车运行图横轴的时间长度最小为优化目标,表现为列车运行图所有列车中最后到达终到站的列车的到达时刻最早。本优化目标确定了列车运行图的停站方案和越行方案,生成了列车运行图。
(1) |
目标函数:次要优化目标,以列车运行图所有列车全程旅行时间之和最小为优化目标。本优化目标在停站方案和越行方案不变的基础上,结合目标函数,即,可减少列车非必要的区间运行冗余时间和在中间站的冗余停站时间,实现对列车运行图的压缩。
(2) |
本文提出的二阶段求解算法流程图如

图2 算法总体流程图
Fig. 2 Flowchart of algorithm
Step 1:模型参数输入,包括车站基础性质参数、列车停站数量与车站停靠车次数量、区间纯运行时间、起停附加时间、车站最小最大停站时间、区间最大运行冗余时间等。
Step 2:第一阶段列车运行图生成求解,得到列车停站方案、越行方案、股道运用方案,即初始方案列车运行图。
Step 3:若第一阶段无解,返回Step 2,调整仿真参数的值;若第一阶段有解,则进入Step 4。
Step 4:第二阶段列车运行图压缩求解,在列车停站方案、越行方案、股道运用方案不变的情况下,求解列车时刻表,即优化方案的列车运行图。
Step 5:求解结束,或返回Step 1,重新输入参数,进行新一轮求解。
由于标杆列车会越行普通列车,需要考虑两种列车在相邻两站的运行顺序关系,二者之间列车到发顺序关系如

图3 标杆列车和普通列车到发顺序方式图
Fig. 3 Arrival and departure sequence of express and ordinary trains
综合上述5种越行方式及式(
(24) |
(25) |
(26) |
(27) |
由于0‒1变量、为三维变量,空间复杂度为o(
(28) |
由于第一阶段标杆列车运行线固定,故运行线中可能存在能力未能被利用的情况。对于初始方案的结果,把、、的值作为参数,同时,标杆列车的到达时刻、出发时刻不再固定。对于
(29) |
本案例分析运行在Windows 10系统环境下,运用C#语言并调用Gurobi求解器编写程序代码,在Visual Studio 2017环境下编译。以京沪高速铁路北京南—上海虹桥下行方向为求解线路,该线路共有29个节点。根据既有京沪高速铁路列车运行图规律,车站等级分类如
停靠率/% | 车站(下行方向列车可使用到发线股道数) | 车站描述 |
---|---|---|
100 | 北京南(12)、济南西(7)、南京南(5)、上海虹桥(19) | 直辖市或省会级别车站,拥有最高的级别 |
8090 | 徐州东(6) | 铁路枢纽重要客运大站,处于线网中的关键位置,站场规模大、客流量大 |
4565 | 德州东(2)、蚌埠南(4)、常州北(2)、无锡东(2)、苏州北(2) | 车站有多条线路交汇、站场规模较大或者经济发达、客流量较大的地级车站 |
2545 |
天津南(2)、沧州西(2)、泰安(2)、曲阜东(2)、枣庄(2)、 宿州东(2)、滁州(2)、镇江南(2) | 站场规模为2台6线或地级车站 |
1025 | 廊坊(1)、滕州东(1)、定远(1)、丹阳北(1)、昆山南(2) | 站场规模为2台4线或县级车站 |
列车类型 | 总停站数/个 | 区段内中间站停站数/个 | |||
---|---|---|---|---|---|
北京南—济南西 | 济南西—徐州东 | 徐州东—南京南 | 南京南—上海虹桥 | ||
标杆列车 | 4 | 0 | 0 | 0 | 0 |
普通列车 | 912 | 12 | 12 | 12 | 13 |
为了测试算法的有效性,求解1∶9发车比例模式下,始发站发车时间段时长为25 h的北京南—济南西区段的小规模算例,分别用直接计算法和本文提出的二阶段求解方法进行对比,求解结果如

图4 1∶9模式, 24 h发车时段北京南—济南西列车运行图对比图
Fig. 4 Comparison of train diagram between Beijing South Railway Station and Jinan West Railway Station in the 1∶9 scheme at 2 to 4 h departure period
始发站 连续发车 时长/h | 标杆列车 数量/列 | 普通列车 数量/列 | 列车运行线占用时间 | 普通列车平均旅行时间 | 普通列车平均 停靠次数 | 求解时长/s | ||||
---|---|---|---|---|---|---|---|---|---|---|
直接计算法 | 二阶段法 | 直接计算法 | 二阶段法 | 直接计 算法 | 二阶 段法 | 直接计算法 | 二阶 段法 | |||
2 | 2 | 18 | 3 h 7 min 16 s | 3 h 8 min 32 s | 1 h 40 min 40 s | 1 h 43 min 26 s | 3.2 | 3.5 | 14 | 2 |
3 | 3 | 27 | 3 h 59 min 50 s | 4 h 3 min 30 s | 1 h 40 min 56 s | 1 h 41 min 54 s | 3.2 | 3.3 | 59 | 2 |
4 | 4 | 36 | 4 h 50 min10 s | 4 h 54 min 35 s | 1 h 40 min 35 s | 1 h 40 min 45 s | 3.2 | 3.2 | 1 164 | 3 |
5 | 5 | 45 | 5 h 56 min 57 s | 1 h 41 min 36 s | 3.2 | >7 200 | 4 |
为了测试模型的性能,分别求解1∶9、1∶10发车比例模式下,始发站发车时间段时长为312 h的结果。由于篇幅限制,图像只给出12 h的求解结果,各种结果如图

图5 1∶9模式, 12 h发车时段北京南—上海虹桥列车运行图
Fig. 5 Train diagram from Beijing South Railway Station to Shanghai Hongqiao Railway Station in the 1∶9 scheme at 12 h departure period

图6 1∶10模式, 12 h发车时段北京南—上海虹桥列车运行图
Fig. 6 Train diagram from Beijing South Railway Station to Shanghai Hongqiao Railway Station in the 1∶10 scheme at 12 h departure period
始发站连续发车时长/h | 标杆列车 数量/列 | 普通列车 数量/列 | 列车运行线 占用时间 | 标杆列车平均 旅行时间 | 普通列车平均 旅行时间 | 普通列车平均停靠次数 | 求解时长/ s |
---|---|---|---|---|---|---|---|
3 | 4 | 27 | 8 h 18 min 59 s | 4 h 23 min 23 s | 5 h 53 min 40 s | 10.7 | 61 |
4 | 5 | 36 | 9 h 18 min 51 s | 4 h 23 min 23 s | 5 h 57 min 24 s | 10.8 | 72 |
5 | 6 | 45 | 10 h 16 min 29 s | 4 h 23 min 23 s | 5 h 57 min 57 s | 10.6 | 106 |
6 | 7 | 54 | 11 h 14 min 3 s | 4 h 23 min 23 s | 5 h 57 min 56 s | 10.6 | 109 |
7 | 8 | 63 | 12 h 9 min 50 s | 4 h 23 min 33 s | 5 h 59 min 56 s | 10.6 | 107 |
8 | 9 | 72 | 13 h 8 min 23 s | 4 h 23 min 25 s | 6 h 0 min 30 s | 10.7 | 231 |
9 | 10 | 81 | 14 h 2 min 27 s | 4 h 23 min 26 s | 5 h 59 min 0 s | 10.7 | 141 |
10 | 11 | 90 | 15 h 4 min 26 s | 4 h 23 min 23 s | 5 h 58 min 52 s | 10.7 | 346 |
11 | 12 | 99 | 16 h 2 min 28 s | 4 h 23 min 42 s | 6 h 1 min 27 s | 10.6 | 306 |
12 | 13 | 102 | 16 h 30 min 45 s | 4 h 23 min 38 s | 5 h 57 min 42 s | 10.7 | 274 |
始发站连续发车时长/h | 标杆列车 数量/列 | 普通列车 数量/列 | 列车运行线 占用时间 | 标杆列车平均 旅行时间 | 普通列车平均 旅行时间 | 普通列车平均停靠次数 | 求解时长/ s |
---|---|---|---|---|---|---|---|
3 | 4 | 30 | 8 h 24 min 21 s | 4 h 23 min 23 s | 5 h 53 min 17 s | 10.4 | 177 |
4 | 5 | 40 | 9 h 22 min 44 s | 4 h 23 min 27 s | 5 h 54 min 23 s | 10.5 | 354 |
5 | 6 | 50 | 10 h 24 min 9 s | 4 h 23 min 25 s | 5 h 56 min 2 s | 10.6 | 424 |
6 | 7 | 60 | 11 h 22 min 24 s | 4 h 23 min 23 s | 5 h 56 min 51 s | 10.6 | 346 |
7 | 8 | 70 | 12 h 22 min 2 s | 4 h 23 min 23 s | 6 h 2 min 11 s | 10.7 | 357 |
8 | 9 | 80 | 13 h 24 min 40 s | 4 h 23 min 23 s | 6 h 1 min 7 s | 10.6 | 594 |
9 | 10 | 90 | 14 h 23 min 56 s | 4 h 23 min 23 s | 5 h 59 min 14 s | 10.5 | 866 |
10 | 11 | 100 | 15 h 23 min 7 s | 4 h 23 min 23 s | 6 h 0 min 33 s | 10.5 | 1 176 |
11 | 12 | 110 | 16 h 21 min 19 s | 4 h 23 min 23 s | 6 h 0 min 54 s | 10.5 | 1 437 |
12 | 13 | 113 | 16 h 46 min 23 s | 4 h2 3 min 23 s | 6 h 2 min 36 s | 10.8 | 1 043 |
列车运行图类型 | 列车数量/列 | 最短旅行 时间 | 最长旅行 时间 | 全程平均旅行 时间 | 全程平均旅行 速度/(km | 最少停靠次数 | 最多停靠次数 | 平均停靠次数 |
---|---|---|---|---|---|---|---|---|
2023年10月列车运行图基本图 | 27 | 5 h 35 min 0 s | 6 h 23 min 0 s | 5 h 59 min 44 s | 219.8 | 8.0 | 14.0 | 11.0 |
本文求解案例 | 1 412 | 5 h 32 min 40 s | 6 h 14 min 44 s | 5 h 55 min 56 s | 222.2 | 9.0 | 12.0 | 10.6 |
(1)随着列车数量的增加,模型的求解时间未出现指数型增长,模型能够适应大规模求解的需求。模型求解的gap值均为0,在较短时间内实现了精确求解,模型的求解性能稳定。
(2)随着列车数量的增加,标杆列车全程平均用时,普通列车全程平均停靠次数指标基本稳定。标杆列车数量增加时,普通列车全程平均用时呈缓慢上升趋势。总体上看,列车运行线符合停站由远及近特征,符合高速铁路列车运行图能力利用最大化的规律。模型能够适应不同的条件场景,模型的求解功能稳定。
(3)由于各站停站比例要求不同、各区间行车时间不同,即使对于N=10的列车运行图,在普通列车运行线内,北京南—京津所,津沪所—济南西,济南西—徐州东,徐州东—南京南区段仍然存在个别空隙可加开列车,说明通过能力并不能在全线所有区段所有时段内均被完全利用。
(4)2023年10月全国铁路列车运行图调图中,京沪高速铁路下行27列全程本线普通列车的平均用时为5 h 59 min 44 s,平均运行速度为219.8 km
将车站经停需求和列车停站需求纳入列车运行图优化约束条件,以到发时刻、停站方案、两列车之间运行顺序关系、股道选择为决策变量,构建列车运行图优化模型。提出了二阶段求解的策略,实现了列车运行图生成与压缩一体化处理,能够适应大规模求解的需求。以京沪高速铁路为案例,研究结果表明,随着列车数量不断增加,本模型并没有因为求解复杂度增加而导致功能降低,依然能够保持较高的稳定性能。提出的方法有利于制定适应市场需求的高速铁路客运服务产品,可为铁路部门提供运输组织参考决策。未来,可以从以下几个方面对模型进行进一步的深化。
(1)由于约束条件的设置,有时可造成列车运行图中一部分能力未能被利用,但这部分未能被利用的能力不能开行全程列车,可研究短程列车的开行,充分利用运行图的空余时段。
(2)面向工程化应用,可结合起点和终点的客流量,进一步细化列车停站方案和车站停车数量的设置,使得列车运行图的铺画在考虑站、车因素的同时,进一步考虑客流因素的影响。
作者贡献声明
高金科:论文撰写与修改,模型的计算机编码与实现。
滕 靖:论文选题,方法设计与指导,统筹研究工作。
曲思源:论文数据支持与专业性理论指导。
参考文献
曲思源, 荣剑, 徐瑞华. 京沪通道型高速铁路列车运行图结构分析[J].高速铁路技术, 2020, 11(2):55. [百度学术]
QU Siyuan, RONG Jian, XU Ruihua. Analysis of train operation diagram structure of Beijing-Shanghai corridor-type high-speed railway[J]. High Speed Railway Technology, 2020, 11(2): 55. [百度学术]
CHEN Dingjun, NI Shaoquan, XU Chang’an, et al. High-speed train stop schedule optimization based on passenger travel convenience[J]. Mathematical Problems in Engineering, 2016, 2016(3):1. [百度学术]
李得伟, 韩宝明, 李晓娟, 等. 基于节点服务的高速铁路列车停站方案优化模型[J]. 铁道学报, 2013, 35(6): 1. [百度学术]
LI Dewei, HAN Baoming, LI Xiaojuan, et al. High-speed railway stopping schedule optimization model based on node service[J]. Journal of the China Railway Society, 2013, 35(6): 1. [百度学术]
邵长虹, 吕苗苗, 邹葱聪, 等. 基于规格化列车运行图的京沪高速铁路列车停站方案设计[J].铁道运输与经济, 2018, 40(7): 1. [百度学术]
SHAO Changhong, LÜ Miaomiao, ZOU Congcong, et al. A design on Beijing-Shanghai high-speed railway train stop schedule based on cyclic train timetable[J]. Railway Transport and Economy, 2018, 40(7): 1. [百度学术]
廖正文, 苗建瑞, 孟令云, 等. 基于拉格朗日松弛的双线铁路列车运行图优化算法[J]. 铁道学报, 2016, 38(9): 1. [百度学术]
LIAO Zhengwen, MIAO Jianrui, Meng Lingyun, et al. An optimization algorithm for double-track railway train timetabling based on lagarangian relaxation[J]. Journal of the China Railway Society, 2016, 38(9): 1. [百度学术]
MENG Lingyun, ZHOU Xuesong. An integrated train service plan optimization model with variable demand:a team-based scheduling approach with dual cost information in a layered network[J]. Transportation Research Part B, 2019(125): 1. [百度学术]
TIAN Xiaopeng, NIU Huimin. A bi-objective model with sequential search algorithm for optimizing network-wide train timetables[J]. Computers & Industrial Engineering, 2018, 127(1): 1259. [百度学术]
田小鹏, 牛惠民, 柴和天, 等. 考虑高低速列车灵活混行和停站的运行图优化[J]. 铁道科学与工程学报, 2023, 20(11): 4074. [百度学术]
TIAN Xiaopeng, NIU Huimin, CHAI Hetian, et al. Optimizing train timetable with flexible mixed traffic and skip-stop patterns for different speed trains[J].Journal of Railway Science and Engineering, 2023, 20(11): 4074. [百度学术]
赵子洪. 面向服务间隔时间的列车运行图优化方法研究[J].铁道运输与经济,2019,41(7):33. [百度学术]
ZHAO Zihong. A research on train diagram optimization method oriented to service interval time[J]. Railway Transport and Economy, 2019, 41(7): 33. [百度学术]
张春田, 戚建国, 杨凯, 等. 基于两阶段分布鲁棒优化的列车停站方案与时刻表协同研究[J].控制与决策, 2023, 38(4): 1065. [百度学术]
ZHANG Chuntian, QI Jiangguo, YANG Kai, et al. Two-stage distributionally robust optimization for integrated train stop planning and timetabling[J]. Control and Decision, 2023, 38(4): 1065. [百度学术]
ZHANG Xin, NIE Lei. Integrating capacity analysis with high speed railway timetabling: a minimum cycle time calculation model with flexible overtaking constraints and intelligent enumeration[J]. Transportation Research Part C, 2016(68): 509. [百度学术]
WANG Jin, ZHOU Leishan, YUE Yixiang, et al. Optimizing high speed railroad timetable with passenger and station service demands: a case study in the Wuhan-Guangzhou corridor[J]. Journal of Advanced Transportation, 2018(5):1. [百度学术]
JIANG F, CACCHIANI V, TOTH P. Train timetabling by skip-stop planning in highly congested lines[J]. Transportation Research Part B, 2017(104): 149. [百度学术]
NIU Huimin, ZHOU Xuesong, GAO Ruhu. Train scheduling for minimizing passenger waiting time with time-dependent demand and skip stop patterns: nonlinear integer programming models with linear constraints[J]. Transportation Research Part B, 2015(76): 117. [百度学术]
单杏花. 基于运行图压缩的高速铁路区段通过能力研究[J]. 铁道运输与经济, 2020, 42(13): 15. [百度学术]
SHAN Xinghua. Study of district carrying capacity for high-speed railway based on train working diagram compression[J]. Railway Transport and Economy, 2020, 42(13): 15. [百度学术]
马寓. 基于压缩运行图方法的高速铁路通过能力及其影响因素分析[D]. 成都: 西南交通大学, 2017. [百度学术]
MA Yu. Analysisi on high-speed railway carrying capacity and its influenceing factors based on compressed diagram[D]. Chengdu: Southwest Jiaotong University, 2017. [百度学术]
王高磊, 田长海, 张守帅. 基于 UIC406 的铁路区段通过能力计算方法研究[J]. 铁道运输与经济, 2019, 41(4): 20. [百度学术]
WANG Gaolei, TIAN Changhai, ZHANG Shoushuai. A study on a calculation method of railway section passing capacity based on UIC406[J]. Railway Transport and Economy, 2019, 41(4): 20. [百度学术]
王高磊. 基于列车运行图压缩加密的铁路通过能力计算方法研究[D]. 北京: 中国铁道科学研究院, 2019. [百度学术]
WANG Gaolei. Research on calculation method of railway passing capacity based on train working diagram compression and encryption[D]. Beijing: China Academy of Railway Sciences, 2019. [百度学术]
ZHOU Housheng, QI Jianguo, YANG Lixing, et al. Joint optimization of train scheduling and rolling stock circulation planning with passenger flow control on tidal overcrowded metro lines[J].Transportation Research Part C, 2022(140): 1. [百度学术]