考虑资源限制的客车运营准备综合方法

《Applied Sciences》：An Integrated Approach for Preparing Passenger Cars for Operation Considering Resource Limitations

　　

本研究提出了一种考虑资源约束和客流季节性波动的客车运营准备综合方法。研究基于对2017年至2024年期间客车清洗量和用水量运行数据的分析。研究人员采用了统计分析、回归建模和数值优化方法。研究确定了客车数量与用水量之间的密切相关性，这使得能够形成相应的回归依赖关系并将其集成到优化模型结构中。研究人员开发了一个数学模型，该模型考虑了客车准备过程的时间、资源和劳动力参数，并确保了资源的合理分配。目标函数通过权重因子结合了时间成本和流程成本，约束条件系统则考虑了技术、资源和组织方面。该模型适应了多变的运营条件，并提供了情景分析的可能性。研究结果表明，使用自动化客车清洗综合体可使用水量减少10%至12%，并将清洗时间缩短高达20%。优化模型的应用确保了列车准备总时间减少18%至22%，运营成本降低12%至16%，这表明资源利用效率得到了提高。此外，研究发现，自动化技术的引入通过减少用水量和降低废水污染水平，有助于减轻对环境的负面影响。所获得的结果证实了所提出方法的有效性及其在客车维护系统中应用的可行性。

**论文解读：考虑资源限制的客车运营准备综合方法研究**

**一、 研究背景与意义**

铁路运输因其相对较低的能耗和环境影响，被视为客运与货运的高效、环保方式之一。特别是在电气化牵引条件下，其环境友好性更为突出。随着乘客对舒适度与安全性要求的提高，以及相关标准法规的日趋严格，客车在设计、维护与保养领域持续发展。在中东欧地区，也存在鼓励乘客从公路转向铁路的努力。然而，客车运营的效率很大程度上取决于车辆投入运营前的准备工作组织。有限的客车保有量与确保足够服务水平的需求，要求改进列车出乘准备技术。自动化洗车综合体能够有效清洁车体，缩短清洗工艺周期，减少用水量及运营成本，并降低对环境的影响。因此，需要建立一个综合模型，将运营数据的统计分析技术与客车准备工艺流程的优化程序相结合。

当前的研究虽在铁路车辆维护中广泛应用了数学模型和统计分析，但多数方法将客车准备过程视为一系列独立操作，缺乏对时间限制、资源可用性与工作量变化之间关联性的综合考虑，这限制了它们在可变运营负荷条件下的应用潜力。本研究旨在弥补这一不足，开发一个自适应的客车准备过程优化模型，综合考虑时间约束、资源可用性以及工艺参数的可变性，将资源成本的统计预测与最优资源分配程序相集成，以提升资源利用效率。

**二、 主要研究方法**

本研究基于乌克兰利沃夫客车段2017年至2024年的实际运营数据，该段日均处理客车80-120辆，受季节性客流波动影响。研究方法主要包括：
1. **数据预处理与统计分析**：对客车清洗数量、用水量、工艺操作时长等数据进行清洗和整合，分析其变化规律，为建模奠定基础。
2. **回归建模**：建立了客车数量与资源消耗（特别是用水量）之间的回归依赖关系（采用三阶多项式模型），该模型具有较高的决定系数（R² = 0.97），能准确预测资源需求，并作为优化模型的输入组件。
3. **优化模型构建**：开发了一个综合优化模型。其目标函数（F = ω₁·T_prep + ω₂·C_total）旨在最小化由列车准备总时间（T_prep）和总成本（C_total）加权求和所得的综合指标，其中权重因子（如基础设定ω₁=0.55，ω₂=0.45）反映了对时间或成本优先级的考量。约束条件系统涵盖了工艺时间标准、清洗质量系数、人员工时、最大水/洗涤剂/电力消耗等资源与组织限制。
4. **情景分析与模型扩展**：通过改变关键参数（如客车数量、操作时长）进行情景分析，评估模型对不同运营条件的适应性。模型还集成了对人为因素、突发运输事件概率的考量，并引入了旨在最小化能耗、水耗和废水污染的环境效率准则，以支持更全面的决策。

**三、 研究结果**

通过数值模拟与统计分析，研究得出以下主要结论：

* **5. Results and Discussion（结果与讨论）**：基于优化模型的模拟结果显示，应用该方法可使客车列车准备总时间减少18%-22%，其中清洗和装备这两个资源密集型工序的优化效果最为显著。同时，总运营成本降低了12%-16%。具体案例验证表明，对于一列90辆客车的列车，准备时间从285分钟降至225分钟（减少21.1%），用水量从54.0 m³降至48.5 m³（减少10.2%）。使用自动化洗车综合体本身即可实现用水量减少10%-12%，清洗时间缩短达20%。敏感性分析表明，模型对资源密集型工序的参数变化最为敏感，但权重因子在±10%范围内变动不会导致结果显著变化，证明了模型的稳健性。统计相关性分析证实，客车数量与用水量之间存在强正相关关系（皮尔逊相关系数r ≈ 0.85–0.92）。

* **6. Conclusions（结论）**：研究证实了自动化洗车系统相比传统方法在稳定清洗质量、缩短时间（达20%）和减少水耗（10%-12%）方面的显著优势。所开发的数学优化模型有效整合了时间、资源、人力因素及客流季节性波动，能实现准备时间降低18%-22%、运营成本减少12%-16%的优化效果。案例验证数据（90辆列车准备时间减少21.1%，水耗减少10.2%）支持了模型的适用性。对新洗车技术环境影响的评估表明，自动化系统通过水循环利用、节能方案和生物降解洗涤剂，有助于降低水和能源消耗，减少废水中有害物质，从而减轻环境负荷。研究也指出了模型的局限性，例如对初始数据质量和完整性的依赖，以及对设备技术状态、人员技能等个别外部因素考量的不足。未来研究方向包括扩展运营数据库、改进模型自适应机制以及集成智能预测方法。

**四、 总结与展望**

本论文发表于《Applied Sciences》，研究通过集成统计分析、回归建模与数值优化，成功开发并验证了一个用于客车运营准备过程的综合优化模型。该模型创新性地将资源消耗的统计预测与多约束条件下的优化决策相结合，提高了在可变运营条件下的适应性和资源规划准确性。研究结果表明，该模型与自动化洗车技术相结合，能显著提升运营效率、降低成本和环境足迹。尽管模型存在对数据质量和某些外部因素考虑不足的局限，但其为客车维护管理系统提供了有效的决策支持工具。未来的工作可着眼于融入机器学习方法进行更精准的参数预测，并考虑更详细的随机特性（如操作时间分布、设备故障），以进一步增强模型的智能化水平和实际应用价值。