基于transmodeler仿真的土石方调配装运机械配置优化-周瑞园.pdf

《基于transmodeler仿真的土石方调配装运机械配置优化-周瑞园.pdf》由会员分享，可在线阅读，更多相关《基于transmodeler仿真的土石方调配装运机械配置优化-周瑞园.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2018 年 1 月 控 制 工 程 Jan. 2018 第 25 卷第 1 期 Control Engineering of China Vol.25, No.1 文章编号 ： 1671-7848(2018)01-0082-06 DOI: 10.14107/ki.kzgc.D4.0519 基于 TransModeler 仿真的土石方调配装运机械配置优化 周瑞园1，王慧1，宋春跃1，杨兴国2(1.浙江大学 控制科学与工程学系，杭州 310027； 2.四川大学 水利水电学院，成都 610000) 摘 要： 机械配置问题是土石方调配工程中的重点研究内容，而交通特性对装运机械的配置有很大影响。论文

2、考虑土石方运输路网的交通特性，建立了以成本最低为目标函数，工期为约束的土石方调配装运机械配置的优化模型， 然后利用仿真软件 TransModeler 的二次开发设计仿真控制器，建立土石方调配仿真系统。在此基础上，采用粒子群优化算法求解该非线性带约束的组合优化问题。仿真实例验证了考虑社会车辆的必要性和所提方法的有效性。 关键词： 机械配置优化模型；路网交通特性；土石方调配运输仿真系统；粒子群优化算法 中图分类号： TP273+.1 文献标识码： A Equipment Selection Optimization of Earthmoving Operations Using TransMode

3、ler Simulation ZHOU Rui-yuan1, WANG Hui1, SONG Chun-yue1, YANG Xing-guo2(1. Department of Control Science and Engineering, Zhejiang University, Hangzhou 310027, China; 2. Department of Water Conservancy and Hydropower, Sichuan University, Chengdu 610000, China) Abstract: Equipment selection plays an

4、 important role in earthmoving operation. And traffic characteristics have great influence on the selection of the loader and truck. In this paper, an equipment selection of the earthmoving operation optimization model is proposed, which is to minimize the cost with limited duration constraints. The

5、n, in order to solve the proposed optimization model, an earthmoving transportation simulation system which is based on TransModeler is designed with the traffic characteristics of the earthmoving transportation road network being considered. On this basis, particle swarm optimization algorithm (PSO

6、) combined with the designed simulation system is adopted to solve the nonlinear combinatorial optimization problem with constraints. Results of simulation on instance verify the necessity of considering social vehicles and the effectiveness of the proposed method. Key words: Equipment selection opt

7、imization model; traffic characteristics of the road network; earthmoving transportation simulation system; PSO 1 引 言 在许多大型的基础建设工程中， 如水利水电工程、道路工程中，土石方调配工程是主要工程，合理的土石方调配安排对工程高效益、 低成本的完成具有至关重要的作用。 而土石方调配依赖于合理的机械配置，机械配置为土石方调配服务。故机械配置也是研究土石方调配的重点。 已有许多不同的方法用来研究机械配置，如排队论1、专家系统2、非线性组合优化模型3、计算机仿真4等。近年的研究主要

8、集中在仿真优化上。 计算机仿真和优化相结合是解决很多实际优化问题的方法。要对许多复杂、不确定性强的随机系统进行优化， 存在无法用数学公式准确描述的问题。因为在复杂系统转化为数学公式时，忽略了很多因素，不能准确表示实际系统。土石方调配运输过程是 1 个复杂的系统，涉及路网、车辆，以及其他各种施工机械等元素。 计算机仿真通过模拟系统收稿日期 ： 2015-11-27； 修回日期 ： 2017-12-18 基金项目 ：国家自然科学基金 (61273085)项目 . 作者简介 ：周瑞园 (1991-)，女，浙江义乌人，研究生，主要研究方向为智能交通系统等；王慧 (1959-)，女，江苏无锡人，研究生，

9、教授，主要从事复杂过程及交通系统的建模与控制等方面的教学与科研工作。 万方数据第 1 期 周瑞园等：基于 TransModeler 仿真的土石方调配装运机械配置优化 83 各动态过程，可以较好的仿真土石方调配系统5。鉴于此，有研究者将仿真系统与优化模型相结合，利用遗传算法、粒子群算法等优化方法求解 ，可以有效地得到优化结果6。在土石方调配工程仿真研究中，产生了很多应用广泛的仿真系统，如最早的 CYCLONE7。这些仿真中，较多采用循环网络作业模型，这一类的仿真和排队论相结合，利用随机事件分布表示各个节点时间分布， 在土石方调配机械配置研究中起了重大作用。 但土石方调配运输是在路网上进行的活动，

10、 路网的交通特性对土石方调配中自卸车辆的行驶产生了很大的影响。 以往的仿真不能精确地模拟土石方运输过程中基于交通网络产生的随机过程， 装运机械配置优化也就失去了一些准确性。文献 8就考虑了交通特性建立了仿真模型，但并没有考虑社会车辆。同时很多基于仿真的机械优化都是考虑单任务的9。即使是考虑多任务优化的，仿真也不是基于多任务的，且不考虑路网交通特性10。 本文描述了装运机械配置优化问题， 并以最低成本为目标， 最大工期为约束建立多任务的土石方调配装运机械配置优化模型。 为模拟从而精确求解优化模型中的生产率，考虑主要路网交通特性，通过 C# 编写仿真控制器对交通仿真软件TransModeler 进

11、行控制，开发出基于 TransModeler的土石方调配运输仿真系统。在具体案例中，可以根据实际道路系统搭建路网。然后，编写适用的粒子群算法， 并通过仿真控制器与土石方调配运输系统实现交互，迭代求解优化模型的近似最优解，即近似最优的装运机械配置方案。 文末给出了所提方法的实例仿真验证， 说明考虑社会车辆的重要性和方法的有效性。 2 土石方装运机械优化模型 优化系统框图，如图 1 所示。 图 1 系统框图 Fig. 1 The system framework 2.1 问题描述 在土石方调配工程中，为了追求效益和成本，会根据各方面的要求和限制进行土石方调配安排，设计施工进度。在 1 个有 O 个

12、供料源和 D 个受料源，固定路网的土石方调配工程中，在某个时间段MAXT 内需要完成 N 个任务，分别从相应的供料源 o（ o=1, 2, , O） 到相应的受料源 d（ d=1, 2, , D）通过各自固定的往返路线调运一定量的土石料 Un（ n=1, 2, , N） 。安排合理的自卸车辆数量 X=x1, x2, , xN和装载机械数量 Y=y1, y2, , yN在要求的工期 MAXT 内低成本的完成计划进度。 本文在某些问题上做了合理的假设和简化。 首先，在该优化问题中，考虑的是一段分工期内的项目，在该分工期内，路网和道路结构保持不变。而在较大的土石方工程中，为满足不同时段运输需求，道路

13、路网和道路结构会有变化；然后，假设在分工期内每个任务的机械配置在整个时间段内是不变的；机械配置主要考虑装运机械，即自卸车辆和装载机械的配置， 只对这两种机械的数量进行优化。 2.2 目标函数 在土石方调配机械配置优化研究中， 一般的研究者主要针对小型土石方调配工程， 故设置 2 个优化目标，完成工程的费用和工期。实际上，有许多大型的土石方调配工程在时间上跨度大， 在机械配置之前都有大体的施工计划。 在施工进度有计划安排的情况下，需要做的是费用的优化，故本文建立以费用为优化目标的单目标优化模型。 土石方调配工程的费用包括 2 个部分，直接费用和间接费用。直接费用主要考虑与机械相关的费用。 间接费

14、用包括日常管理费用，税金等6。目标函数为 min F， F具体计算方式如式 (1)，其中， DCOST 为直接费用，ICOST 为间接费用，计算公式如 (2)和式 (3)所示： F DCOST ICOST + (1) UCX UCY1()Nnn nnDCOSTte x y *+ * (2) max*ICEHteICOST (3) 式中， ten为任务 n 的工作时间，单位为 h（小时） ，UCX 为所选自卸车辆单位时间内的费用，单位为元 /h， UCY 为所选装载机械单位时间内的费用，单位为元 /h， temax为 N 个任务中最长的工作时间，即ten中的最大值，单位为 h， EH 为每天的有

15、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 /天。 万方数据84 控 制 工 程 第 25 卷 2.3 约束条件 优化模型约束条件如式 (4)： 1112 12MAXT*EHMAXXMAXY1212max, , , ,nNnnNnnnnFIN FIN U n NtexyxZn NyZn N + (4) 11 (, , )Stn n n n ttFIN b P t x y T*(5) 112 (, , ) ( )SStn n n n n tn tttFIN d P t x y te b T*-*(6) 10,任务 在时段内正常工作且不结束,其他tnntb (7) 10

16、,任务 在时间段内结束工作,其他tnntd (8) 约束条件 (4)中，第 1 个约束表示的是每个任务的任务量约束，可以由公式 (5)、 (6)两部分组成。式中， t（ t=1,2,S）为在路网中工作的 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， Tt为各 t 阶段的工作时长。 btn， dtn为任务 n 在各个时间段 t内的工作情况， 计算公式如 (7)， (8)所示。 Pn(t, xn, yn)为任务 n 在 t 时刻决策变量为 xn， yn时的机械生产率，需仿真得到；第 2 个约束是工期约束， MAXT为计划完成工期，单位为天；第 3 个

17、约束、第 4 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 5 个约束、第 6 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。 3 基于 TransModeler 的土石方调配运输仿真系统 3.1 土石方调配运输过程及模型 土石方调配工程一般在道路条件较差的地方。特别像水利水电工程， 一般在山区， 道路形式多样，地势变化大，并且短时运输工程量大，易产生局部拥堵，具有复杂的交通特性。为准确模拟，分析实际过程，建立模型表示土石方调配运输过程，如图2 所示。 图 2 土石方调配运输过程 Fi

18、g. 2 The earthmoving transportation process 该模型能实现以下功能： 模拟车辆的加减速运动，跟车运动，车辆等待红绿灯和驾驶员行为等随机过程。 模拟道路的各种类型（公路、隧道和临时道路等类型） 、几何特征（见图 2 中道路 #2、 #5 所示的陡度和曲度） 、 道路特征 （限速、 通行能力等） 。 运料自卸车辆重行和空返重量不同，需模拟不同重量不同类型的自卸车的车辆行驶。 土石方调配运输具体车辆运动具有单 OD，固定路线的特点。 故需模拟自卸车辆按固定路线行驶的行为。 施工场内存在某一路线的运料自卸车辆与社会车辆或其他路线的运料自卸车辆公用道路， 会影响

19、自卸车辆的运行速度，产生延误、拥堵，从而影响调配进度。 需要模拟社会车辆和自卸车辆公用道路的情况（见图 2 中道路 #1 和道路 #2） 。 检测车辆到达并辨识车辆类型。该功能可以帮助获取各任务的生产率。见图 2 中道路 #1 和道路 #2 出口处检测线圈功能。 排队模型模拟自卸车辆到达装载点或卸载点的排队。排队原则如下： 到达的车辆加载到排队最少的装载点或者卸车点； 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。 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 1 个 4 维数组 Queue，记录排队分别为 0、 1、 2、 2 的次数。 图 2 中装载模型模拟装载机械

20、和自卸车辆配合装载的过程，卸车模型模拟自卸车辆卸车过程。装载过程和卸车过程是 1 个随机过程，故装载时间和卸车时间服从相应的随机分布模型。 如三角分布、负指数分布等。 模拟发车并记录装载机械每小时的累计工万方数据第 1 期 周瑞园等：基于 TransModeler 仿真的土石方调配装运机械配置优化 85 作时时间 LoadWorkT。 3.2 仿真系统的概述及实现 在 3.1 中建立了土石方调配运输的模型，模型建立后需要建立仿真系统。 TransModeler 仿真软件是由美国麻省理工学院（ MIT）与 Caliper 公司在MITSIM 交通流模型的基础上共同研发的商品化微观交通仿真软件。

21、该仿真软件可以高精度模拟交通运输过程， 并可以利用二次开发工具开发仿真控制器， 帮助实现对土石方调配运输的车辆的控制和优化算法的互动。 利用 TransModeler 仿真软件建立土石方调配运输仿真系统，仿真系统框架，如图 3所示。 图 3 仿真系统框架 Fig. 3 The simulation system 连接模块是核心部分， 传递仿真控制器内外信息，控制仿真流程。 数据统计模块可以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 (9)、 (10)所示， SumT 为总仿真时间， i 为数组索引 (i=0,1,2,3)。 LoadUs

22、eRate LoadWorkT SumT (9) 30iQueueRate i Queue i Queue i (10) 该开发得到的 TransMoeler 土石方调配运输仿真系统已经过实验和实际对比， 能模拟实际的运输过程。 4 优化算法及优化流程 4.1 优化算法 第二节列出的土石方调配装运机械优化模型，是 1 个非线性组合优化问题，是 NP难问题。解决这类问题有效方法是启发式搜索算法。 为了保证在仿真和优化相结合的优化求解中有效的得到较优可行解，采用了收敛速度较快的粒子群优化算法。 粒子群优化算法 (Particle Swarm Optimization，PSO)是一种群体智能优化算法

23、，最早是由心理学研究者 Kennday 博士和从事计算智能研究的Elberhart 博士在 1995 年提出的11。粒子群优化算法首先初始化 1 个随机种群，并带有速度，通过迭代更新寻找最优解。每次迭代，粒子通过跟踪 2 个最优来更新自身的速度和位置， 即全局最优和个体最优。假设 1 个 M 维的搜索空间内，种群个数为m，其中，第 i 个粒子位置表示为 M 维向量Xi=(xi1,xi2,xiM)。 它的速度表示为 M 维向量 Vi=(vi1, vi2,viM)，个体最优表示为 Pi=(pi1,pi2,piM)，全局最优表示为 Pgi=(pg1,pg2,pgM)， 故位置更新公式如(11)和 (

24、12)： 111kk ikkkij ij k ij gi ijvvcrpxpx+ -+-()() (11) 11kkkij ij ijx xv+ + (12) 式中， i=1,2,m， j=1,2,M， 为惯性因子， c1和 c2为学习因子，是常数， r1和 r2为介于 0,1之间的随机数。 为了求解第二节提出的优化模型， 需要对传统的粒子群算法进行一些改变，在计算式 (11)后进行如下操作： 本文的模型是整数规划模型，所以对 vijk+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 1 个区间， vijk+1属于 vmax, vmax，当超出该区间时取边界值。 为防止粒子陷入局部最优

25、， 加入变异算子。设置变异概率 Pm，对于每个粒子，变量 r3被赋予0,1的随机数，当 r3小于 Pm时，粒子变异，粒子速度 vijk+1再加上 vmax, vmax之间的随机整数。 在约束中， 存在决策变量有最大机械数量的约束，为了保证更新的解满足此约束，在按式 (12)更新粒子后，对粒子进行检查，看是否超出范围。当决策变量超出最大机械数量约束范围时， 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 1个反向速度 vijk+1=u*vijk+1， u 为 (0, 1之间随机数。 本文的装运机械配置优化模型的约束中存在最大工期约束， 将其利用罚

26、函数转化为适应度函数中的一项。则适应度函数 FIT 如式 (13)所示。 maxFCOST * * ( MAXT)EHateFIT F+ -(13) max1MAXT00EHate - 其他(14) 式中， F 求解公式如式 (1)所示， FCOST 为惩罚项系数， a 为是否需要加惩罚项，计算公式如式 (14)所示。 4.2 优化流程 土石方调配装运机械配置优化流程， 如图 4 所示。 万方数据86 控 制 工 程 第 25 卷 图 4 优化流程图 Fig. 4 The optimization flow chart 注意整个流程是在路网搭建后进行的。其中，土石方调配运输一次仿真 SIMHO

27、UR 个小时的调配运输过程， SIMHOUR 是 1 个事先仿真验证过的具有代表值。 用 SIMHOUR 个小时仿真求得的生产率代表 1 个时间段 t 内任务的生产率，注意要将第1 个小时的仿真数据除去， 第 1 个小时为预热过程。 在优化流程中， 每次迭代中每个粒子在 1 个任务结束后路网变化需要重新仿真。 故在仿真任务结束后，计算各进行中的任务的工期。并判断最早完成的任务和与其同一天完成的任务， 将在当前时刻结束的任务 dtn标记为 1，未完成的任务 btn标记为1。在这之后，判断需不需要再仿真。 5 实例应用 以某土石方工程某一时期的土石方调配为例，进行试验。该工程在选定的时期内含有 4

28、 个任务，工程场内路网，如图 5 所示。 图 5 路网简图 Fig. 5 The road network 标有数字的圆圈为料源， 带虚线的道路为社会车辆和工程车辆公用道路。其任务部分信息表，见表 1。 表 1 任务信息表 Tab. 1 Mission information 任务 1 任务 2 任务 3 任务 4 任务量 (万 m3) 3.17 4.58 7.92 1.83 起点 25 11 6 3 终点 4 1 13 22 路线长度 (km) 4.75 4.02 2.43 3.22 优化算法参数表，见表 2。 表 2 优化算法参数表 Tab. 2 Parameters of the opt

29、imization algorithm c1 c2 pm FCOST vxmax vymax 1.4 2 2 0.1 1*107 5 2 装载过程和卸车过程的时间分布分别取三角分布和均匀分布。采用容量为 7 m3，吨位为 20 t的自卸车辆，最大数量为 150，费用为 150 元 /h。采用容量为 3 m3的装载机械，最大数量为 15，费用为 180 元 /h。间接费用单价 IC 取 5 万， EH 取20 h， MAXT 为 15 天。粒子的种群数量为 20，最大迭代次数设置为 300。 SIMHOUR 取 6，事先已进行多次仿真证明 6 h 土石方运输过程的仿真结果可以求得的任务实际生产率

30、。 为了说明考虑路网和交通特性的必要性， 对该工程进行考虑社会车辆和不考虑社会车辆两种情况下的优化。 优化结果，如图 6 所示。 图 6 迭代曲线 Fig. 6 The iteration curve 考虑社会车辆的优化在迭代次数大概为 135次的时候收敛， 不考虑社会车辆的优化在迭代次数为 171 次的时候收敛。由图可知，算法具有较好的收敛性。 将考虑社会车辆和不考虑社会车辆得到的近似最优解重新放入模拟真实场景的 TransModeler仿真系统中（考虑社会车辆） ，在这里我们已经尽万方数据第 1 期 周瑞园等：基于 TransModeler 仿真的土石方调配装运机械配置优化 87 量做到模

31、拟真实的土石方运输过程。 结果， 见表 3。 表 3 仿真结果对比 Tab. 3 Comparison of simulation results 方案 仿真系统环境 总费用（元）1：不考虑社会车辆近似最优X=(15, 19, 11, 22);Y=(2, 3, 3,4) 不考虑社会车辆 1 881 243 拟真仿真系统 2 553 061 2：考虑社会车辆近似最优 X=(24, 14, 12, 6);Y=( 2, 2, 3, 1) 考虑社会车辆 2 258 700 拟真仿真系统 2 267 578 两种情景下优化出的机械数量都是合理值， 因为优化出来的机械数， 和两种机械的比值都与实际路网相关

32、性大，这里不做具体分析。主要由表对比两种情景， 可知不考虑社会车辆优化出来的近似最优并不是在真实环境中实施时的最优方案。 故考虑社会车辆是非常有必要的。 表 3 考虑社会车辆和不考虑社会车辆的近似最优解的值的平均机械利用率与装载点的车辆平均排队概率，见表 4。 表 4 指标结果表 Tab. 4 Results of evaluation criterions 方案 平均装载机械利用率 平均排队为 0的概率 平均排队为 1的概率 平均排队为 2的概率 平均排队为 2的概率1 0.89 0.69 0.26 0.04 0.01 2 0.83 0.78 0.21 0.01 0 两种优化解都具有较好的机

33、械利用率和自卸车排队概率指标， 在一定程度上反映了优化方法的有效性。 6 结 论 在实际的土石方调配机械配置中， 交通因素的影响是不能忽视的，如车辆的加减速，道路拥堵，社会车辆影响等，本文以此为出发点进行了研究。通过对交通仿真软件 TransModeler 进行二次开发，建立适用于模拟土石方调配运输过程的交通仿真系统。 并与粒子群优化算法联合求解土石方调配机械配置优化模型。 以 1 个工程实例验证了该方法能有效求解装运机械配置问题， 并说明了考虑社会车辆的必要性。本文优化只考虑了机械数量，没有考虑机械类型， 未来的研究会同时优化机械类型和机械数量，考虑多目标优化。 参考文献 (Referenc

34、es) 1 Saeed K. Truck capacity selection for earthmovingJ. Journal of Construction Engineering and Management, 1989, 115(2): 212-227. 2 Sabah A, Frank H. Expert system for earthmoving equipment selection in road constructionJ. Journal of Construction Engineering and Management, 1988, 114(3): 426-440.

35、 3 王廷梁 , 王理 , 夏国平 . 基于混合粒子群算法的装运机械组合优化方法 J. 系统工程理论与实践 , 2012, 32(10): 2262-2269. Wang T L, Wang L, Xia G P. Combinatorial optimization method for shipping machinery based on hybird PSOJ. Systems Engineering- Theory & Practice, 2012, 32(10): 2262- 2269. 4 Zhang H. Multi-objective simulation-optimizat

36、ion for earthmoving operationsJ. Automation in Construction, 2008, 18(1): 79-86. 5 钟登华 , 胡程顺 , 张静 . 高土石坝施工计算机一体化仿真 J. 天津大学学报 , 2004, 37(10): 872-877. Zhong D H, Hu C S, Zhang J. Computer integration simulation for high rockfill dam constructionJ. Journal of Tianjin University, 2004, 37(10): 872-877.

37、 6 Marzouk M, Moselhi O. Multiobjective optimization of earth- moving operationsJ. Journal of Construction Engineering and Management, 2004, 130(1): 105-113. 7 Halpin D W. CYCLONE-method for modeling job site processesJ. Journal of the construction division, 1977, 103(3): 489-499. 8 朱颖 . 水利水电工程施工运输系

38、统车辆运行仿真建模研究 D. 天津 : 天津大学 , 2007. Zhu Y. Simulation modeling of truck running in hydraulic engineering construction transportation systemD. Tianjin: Tianjin University, 2007. 9 周华 . 基于粒子群算法的土石方装运机械配备方案优化 J. 基建优化 , 2006, 27(6): 41-43. Zhou H. A modified particle swarm optimization for construction equ

39、ipment optimizationJ. Optimization of Capital Construction, 2006, 27(6): 41-43. 10 Hwang S, Son J, Lee S. Development of scheduling model for earth work using genetic algorithmJ. KSCE Journal of Civil Engineering, 2014, 18(6): 1618-1624. 11 Kennedy J, Eberhart R. Particle swarm optimizationA. Proceeding of IEEE International Conference on Neural NetworksC. Perth, WA: IEEE, 1995: 1942-1948. 万方数据