简介道路改造项目中碎石运输的设计课程设计是一份面向运筹学、线性规划及数学建模课程实践的完整案例分析报告围绕道路改造中的碎石运输总造价最小化问题展开。文档采用多目标规划方法对比陆路运输与水路陆路联运两类方案并分析临时道路铺设、临时码头选址、取石量分配等关键决策帮助读者掌握从问题描述、模型建立到求解验证的完整流程。资源为单个doc文档压缩包大小341KB内容包含小组分工、问题描述、问题分析、模型建立、模型求解与程序设计、结果分析等完整章节文档尾部还给出了具体参数计算与交通费用、临时道路和码头成本等公式。全文结构清晰便于课程设计入门或备赛时参照编写报告。目前已有218人学习适合运筹学课程设计、数学建模竞赛及交通规划方向的学生参考。通过本案例可获取较完整的碎石运输优化建模思路、lingo与matlab编程求解要点以及如何结合现实约束检验最优方案具有直接借鉴价值。1. 道路改造项目中的碎石运输设计先别急着“多拉快跑”道路改造项目的碎石运输设计表面看是“找几辆自卸车把石料从料场拉到工地”实际是一道有供应上限、有需求节点、有运距成本和道路限制的最优化问题。很多课程设计交上来的第一版方案思路都是“哪个料场近就先拉满”结果总运费比调整后的方案高出 30% 到 40%甚至因为某个施工段的日需求量被低估现场断料停工。真正值得花时间的是把改造路段拆成若干施工段把料场产量、碎石规格、压实方与虚方换算、运距和施工日进度一起放进一个线性规划模型里求出“每天从哪个料场往哪个施工段运多少吨、派几辆车”。这篇笔记就沿着这条线把从施工段划分到模型求解、再到常见坑的位置完整走一遍适合两类人一是要做课程设计计算书的学生二是做初步施工组织设计的现场工程师。2. 把改造段切到施工段碎石“需求侧”的方量、压实与损耗2.1 施工段划分为什么按桩号和结构物切而不是按里程均分我一般会先拿到改造段的平面图、纵断面图和原路病害调查表再把整条路按桩号切分施工段。最常见的错误是拿总里程除以计划天数均分成等长段落。这样切出来的段中间可能正好压着一座桥、一个平交口或者一段需要特殊处理的软基运输组织会非常别扭。正确做法是以结构物、道路交叉口、原路面结构变化点为自然边界。举个例子某改造段全长约 20 公里中间有一座跨线桥、两处平面交叉和一个铁路道口那我就按这些节点把路线切成 6 到 8 个施工段而不是均分成 10 段。每个施工段对应一个独立的“收货点”也就是后面模型里的一个需求节点。切段还有一个最低长度约束一个施工段至少要能容纳一天的摊铺量。按基层宽度 12 米、压实厚度 0.18 米、摊铺机日进度 300 米来算一天的摊铺方量是 648 立方米实方换算成重量大约是 1300 吨。如果哪个段切得比这个量还小要么摊铺机频繁转场要么模型里出现“需求过碎”导致车辆调度困难。建议每个施工段的日需求不低于 500 吨再小就该合并。2.2 碎石需求量的计算口径压实方、松方与吨位换算施工段的需求量来自三块路面基层与底基层的级配碎石、路基换填用的碎石、桥头或涵背的回填碎石。计算时统一用下面的公式Q L × W × H × ρ × (1 损耗率)其中 L 是段内施工长度W 是摊铺宽度H 是压实厚度ρ 是压实后的密度。这里的体积是压实方不能直接拿去做采购因为料场和运输车辆按松方或吨位计量。级配碎石压实密度一般取 2.02.1 吨/立方米水泥稳定碎石基层取 2.12.2 吨/立方米片石回填取 1.82.0 吨/立方米。松方堆积密度约 1.51.7 吨/立方米。损耗率这部分最容易漏。运输过程中的抛洒、摊铺时粗细集料离析被清理、卸料时车斗残留都会让实际用量比设计方量多。我一般取 3%6%石料来源远、路况差就取上限。如果用的是水泥稳定碎石还要额外考虑拌合站内的损耗通常在 1% 左右。把这些参数列成一张表既是课程设计的计算依据也是后面模型的输入。材料用途压实密度 (t/m³)损耗率备注级配碎石基层2.02.13%5%按实方计算水泥稳定碎石基层2.12.24%6%含拌合与运输损耗路基换填碎石1.82.05%虚方压实后体积收缩明显桥涵台背回填1.82.03%分层压实损耗相对小提示设计图纸给的是压实方料场报价按吨或松方。换算关系不对算出来的需求量可能低 20% 以上这是后面运输设计和车辆配置翻车的最大源头。还有一个容易被忽略的抵扣项旧路改造会产生大量铣刨料和旧基层破碎料如果经过破碎筛分后能回填底基层或用于路基换填这部分必须从施工段需求量里扣掉。我在做课程设计时会把每个施工段的“可利用旧料量”单独列一列因为它直接减少了对外购碎石的需求进而影响料场选择甚至决定要不要新增临时料场。3. 料场供应能力与源汇匹配选料场不能只看直线距离3.1 重心法初选料场用需求量加权而不是几何中心料场选在哪直接决定运距矩阵而运距矩阵是运输费用的核心。课程设计里最常见的做法是在地图上把施工段的中点连起来找一个“看起来在中间”的位置这是拍脑袋。我习惯先用重心法算一个初始解把每个施工段的日需求量当作权重对施工段坐标做加权平均。X Σ(D_j × x_j) / ΣD_j Y Σ(D_j × y_j) / ΣD_j这里 D_j 是施工段 j 的日需求吨数x_j、y_j 是该段中点的平面坐标。算出来的重心是一个理想位置现实中大概率落在农田、河道或者居民区里。接下来要做的是把重心位置向最近的既有料场、拌合站或公路节点靠拢同时考虑两个现实约束一是料场到施工段之间有没有能走重车的道路二是道路是否有限载、限高、限行。有的点直线距离很近但中间隔着一条不能过重车的桥绕行之后运距反而多出 8 到 10 公里。这一步做完料场的候选名单就出来了。注意候选料场可以是自有料场、附近租用的社会料场也可以是临时设立的破碎点。每个候选料场都要记录三样东西日均有效供应量、碎石规格种类、到每个施工段的实际运距。3.2 供应侧约束额定产量不是有效供应量料场的额定产能和实际能供应的数量完全是两回事。一条碎石破碎线标称产能 300 吨/小时扣除设备检修、堵料、换筛网、装车等待实际有效作业率能到 85% 就算管理不错。如果每天有效作业 8 小时日供应量大约是 300 × 8 × 0.85 ≈ 2040 吨。如果再遇上雨天、环保检查停工还要再打折扣。所以我在模型里用的不是“额定产量”而是“日均有效供应量”。这个值要写进供需平衡表里并且要考虑规格的约束级配碎石和片石回填用的是不同规格、不同破碎线的产品不能混在一个总量里。一个料场可能总产量够但某一种规格的库存不足这会导致模型算出“总量满足但规格不匹配”的方案。还有一个时间维度上的坑如果项目所在地有夜间禁运或者早晚高峰货车限行料场的有效供应时间会被压缩车辆每天的周转次数也要相应减少。这些约束看起来是后话但会直接影响模型里运输能力上限的设定最好在供应侧信息收集阶段就一起记下来。3.3 供需总量平衡表先算平衡再谈优化在所有建模工作之前我总会先做一张供需平衡表行是施工段列是可用的料场和旧料回收量交叉格填运距最右列填施工段日总需求最下行填各料场日均有效供应量。这张表一摆出来三类问题立刻现形。第一类是总量缺口即所有料场日均供应量之和小于所有施工段日需求之和。这种情况就要在源头解决要么增加一个临时料场要么把部分施工段的开工时间错开把需求高峰削掉一部分。第二类是局部错位总量够但某个区域附近的料场产能不足远处料场运距太长经济上不划算。第三类是规格不匹配总量和位置都没问题但缺少某种粒径的碎石需要增加一条破碎线或者外购。提示课程设计里模型无解十有八九是因为没做供需平衡就急着跑优化。先把表填平再谈最小运费顺序不能反。如果按以上方法做下来发现某个施工段的需求由两个料场共同供应不要觉得奇怪。第 4 章的例子里就会看到靠近施工段的料场不一定优先供满它因为该料场的产能可能被运距更近的其他段占用需要全局分配。4. 用 PythonPuLP 把碎石运输写成线性规划并求到最小运费方案4.1 建模三要素决策变量、目标函数与两类约束把运输问题转成线性规划核心是三个要素。决策变量 x_ij 表示从料场 i 运到施工段 j 的日运输量单位是吨。目标函数是所有 x_ij 乘以对应单位运费 c_ij 的总和单位运费由运距和吨公里单价相乘得到。约束分两类每个施工段的需求必须被满足也就是对每个 j所有料场运来的量之和等于需求 D_j每个料场的供应量不能超过其日均有效供应量 S_i。这里用等式约束还是不等式约束取决于场景。需求侧我用等式约束因为施工段的摊铺计划是确定的每天必须到够那么多吨少了断料多了堆料占场地。供应侧用不等式约束因为料场产能是上限少供一点没关系但超了供不出来。如果某些料场有“保底供应量”的合同约定比如每天最低采购 100 吨那就再加一个下界约束 x_ij ≥ 100。4.2 完整可运行的求解代码2 个料场 × 5 个施工段下面给一份可以直接跑通的代码用 Python 的 PuLP 库求解。数据是我随意构造的课程设计案例2 个料场5 个施工段总需求 500 吨/天总供应也是 500 吨/天正好平衡。运距矩阵、产量、需求都写清楚读者可以直接替换成自己的数据。import pulp # 施工段每日需求单位吨 demand { S1: 80, S2: 120, S3: 100, S4: 90, S5: 110 } # 料场日均有效供应量单位吨 supply { A: 270, B: 230 } # 运距矩阵单位公里 distance { A: {S1: 6, S2: 10, S3: 14, S4: 18, S5: 24}, B: {S1: 22, S2: 16, S3: 11, S4: 8, S5: 5} } # 吨公里运费单价单位元/(吨·公里) cost_per_tkm 0.4 # 构造问题最小化总运费 prob pulp.LpProblem(Gravel_Transport, pulp.LpMinimize) # 决策变量从料场 i 到施工段 j 的运量 x pulp.LpVariable.dicts(x, (supply.keys(), demand.keys()), lowBound0, catContinuous) # 目标函数单位运费 运距 × 吨公里单价 prob pulp.lpSum( distance[i][j] * cost_per_tkm * x[i][j] for i in supply.keys() for j in demand.keys() ) # 约束1每个施工段的需求必须正好满足 for j in demand.keys(): prob pulp.lpSum(x[i][j] for i in supply.keys()) demand[j] # 约束2每个料场的供应量不超过日均有效供应量 for i in supply.keys(): prob pulp.lpSum(x[i][j] for j in demand.keys()) supply[i] # 求解并输出状态 prob.solve() print(f求解状态: {pulp.LpStatus[prob.status]}) print(f最小日总运费: {pulp.value(prob.objective):.2f} 元) # 输出运量分配结果 for i in supply.keys(): for j in demand.keys(): val pulp.value(x[i][j]) if val 1e-6: print(f料场 {i} - 施工段 {j}: {val:.1f} 吨/天)这段代码的关键点有三个。第一个是LpVariable.dicts它一次性创建了 2×510 个连续型决策变量用lowBound0保证非负。第二个是目标函数写成lpSum而不是 Python 的sum因为 PuLP 需要表达式对象才能做线性规划求解直接sum会出现类型错误。第三个是需求约束用供应约束用这个区别对应前面说的“需求必须满足、供应是上限”的建模思想。运行后能看到S1 和 S2 段几乎全部由 A 料场供应S4、S5 段由 B 料场供应S3 段被两个料场按 70/30 的比例拆分。这个结果并不是“就近拉满”因为 B 料的 5 公里优势要优先让给 S5 的 110 吨需求B 料场产能只剩 30 吨分给 S3。全局最优解里距离较近的料场不一定优先供满某个段谁的产能更紧、谁占用的运距更短才是分配逻辑。4.3 读结果从日运量到单车周转次数与车辆数线性规划输出的是“每天各路径运多少吨”但现场要回答的是“派几辆车”。这一步需要把吨位换算成车辆数先计算每辆车一天能跑几趟再用总吨数除以单趟载重和趟数的乘积向上取整。import math capacity_per_truck 10 # 单车载重单位吨 avg_speed 30 # 重车平均行驶速度单位公里/小时 load_time 0.3 # 装车时间单位小时 unload_wait 0.2 # 卸车及等待时间单位小时 work_hours 8 # 每班有效作业时间单位小时 # 按路径统计每天运输趟数 route_tonnage {} for i in supply.keys(): for j in demand.keys(): val pulp.value(x[i][j]) if val 1e-6: route_tonnage[(i, j)] val # 计算每条路径所需车数 total_trucks 0 for (i, j), tonnage in route_tonnage.items(): round_trip_h 2 * distance[i][j] / avg_speed trips_per_truck work_hours / (load_time round_trip_h unload_wait) needed math.ceil(tonnage / (capacity_per_truck * trips_per_truck)) total_trucks needed print(f路径 {i}-{j}: 每天 {tonnage:.1f} 吨需 {needed} 辆自卸车) print(f合计需要自卸车: {total_trucks} 辆)这里有两层容易出错。第一层是平均速度我取的是 30 公里/小时覆盖排队、让车、弯道减速而不是空车的经济时速。第二层是装车和卸车时间很多课程设计直接忽略这两个时间导致算出每车一天能跑 30 趟实际只有 15 趟。结果不是多派几辆车的问题而是整个进度计划都会延后。4.4 用 Excel 规划求解复核一遍避免对编程环境的依赖有的同学电脑里没装 Python或者不想折腾 PuLP 的安装我一般建议用 Excel 的规划求解做交叉验证。方法是把 10 个决策变量排成两行五列每个变量初始填 0目标单元格写所有变量乘单位运费之和再建两行约束行分别对应各料场供应量 产量和各施工段需求 需求列。打开规划求解后要勾选“采用线性模型”和“假定非负”求解方法选“单纯线性规划”。这里必须注意如果少了“采用线性模型”这个勾Excel 会走非线性求解器结果可能不收敛或者给出病态解。求解成功后把结果和 Python 输出对照两个口径一致再写进计算书。这一步不是多此一举它能在交给评审前挡掉不少低级错误。5. 碎石运输设计的 5 个常见坑从“模型无解”到“运距倒挂”5.1 坑一模型无解问题出在供需总量不平衡现象PuLP 求解后输出Infeasible或者 Excel 规划求解提示“找不到可行解”。此时第一反应不要是检查代码而是检查供需平衡表。原因所有料场日均供应量之和小于所有施工段日需求之和。有些课程设计为了凑模型把某几个料场的产量调大结果生产上根本做不到或者把需求量悄悄改小被评审一问就露馅。解决先算缺口总量再决定方案。如果缺口不大可以加一个虚拟料场用很大的单位运费参与求解跑完后看虚拟料场被分配了多少吨。这个数值就是真实缺口# 假设缺口 60 吨增加虚拟料场 V supply[V] 60 distance[V] {j: 999 for j in demand.keys()} # 高单价尽量不选 # 重新求解后统计 shortage sum(pulp.value(x[V][j]) for j in demand.keys()) print(f真实供应缺口: {shortage:.1f} 吨/天)然后回到第 3 章的平衡表选择加临时料场、调整施工顺序削峰或者让现有料场两班倒。模型本身不解决供应不足它只负责告诉你缺口在哪。5.2 坑二只优化运费漏了运输通道能力约束现象解出来的最优方案里某条路径一天要跑 40 趟但这条路上的重车实际一天只能跑 20 趟方案落地当天就堵死。原因线性规划只认运距和运费不认道路通行能力。碎石运输设计的课程设计里这个问题最隐蔽因为目标函数里没有通道容量这一项。解决在模型里给每条路径加一个容量约束。把道路每天能通过的重车趟数乘以单车载重换算成吨位上限写成 x_ij capacity_ij。如果某条路上的桥梁有轴重限制还要把单车载重往下调比如从 10 吨降到 8 吨。路径容量数据怎么来现场数车流或者按交通量调查表估算取偏保守值。5.3 坑三把碎石当成一种材料忽略规格分档现象模型算出料场 A 给施工段 S4 送 90 吨级配碎石但 A 料场的破碎线上只有 0-5 毫米石屑和 20-30 毫米碎石没有现场要的 0-31.5 毫米连续级配料等于方案白算。原因建模时把“碎石”简化成单一物料。实际项目中基层和底基层用的级配碎石、路基换填用的大粒径碎石、桥背回填用的片石是三种不同规格的产品分别来自不同破碎线和库存堆场。解决把变量从 x_ij 扩展成 x_ijkk 表示规格。每种规格有独立的供应量约束施工段需求也按规格拆开。比如x pulp.LpVariable.dicts(x, (supply.keys(), demand.keys(), specs), lowBound0)这样模型规模变大但结果才真正能用。课程设计如果只用一种料一定在文档里写明“本设计仅考虑级配碎石基层用料”避免评审质疑。5.4 坑四压实方、松方和吨位换算混乱需求被低估 20%现象按图纸算出来某段需要 1000 立方米碎石实际采购 1200 立方米还不够用现场天天催料。原因图纸上的体积是压实方料场发货计量用的是松方或者吨。压实密度取 2.05 吨/立方米松方堆积密度取 1.6 吨/立方米同样 1000 立方米压实方重量是 2050 吨折成松方约 1281 立方米凭空多了 28%。这意味着需求量计算从一开始就偏低。解决所有进入模型的数据统一按“吨”计量。在需求计算表里加三列压实方量、压实密度、换算吨位模型里只出现吨。料场供应量、车辆载重、施工段需求全部用吨这样单位一致后面任何校验都不会出维度错误。松方密度只用于采购询价和车辆方量验证不要混进模型。5.5 坑五Excel 求解器“求完就信”把错误的解当真现象Excel 规划求解显示“找到一解”但把求出的变量代回需求约束发现某个施工段加起来只有 80 吨离需求 100 吨差了 20 吨残差明显。原因规划求解选项里没勾“采用线性模型”走了非线性求解路径或者变量被设成整数导致小规模问题找不到可行整数解。还有一种情况是把目标单元格写错行求解器优化了别的公式。解决用第 4 章的 Python 模型和 Excel 互相验证两边结果一致才算过。Excel 里检查三个地方勾选“采用线性模型”、勾选“假定非负”、求解方法选“单纯线性规划”。如果出现“求解器未找到可行解”先回供需平衡表查总量不要手动调个别变量硬凑。6. 从一天静态模型到连续施工滚动计划验证与调优的最后一公里前面算出来的方案本质上是“某一天的最优计划”。但道路改造项目通常要连续施工几十天每天各施工段的需求量在变料场的库存和产量也在波动把一天的解直接复制到整个工期会出大问题。我最常用的做法是做一个敏感性分析把关键料场的日均供应量上下调整 10%20%重新求解看总运费和车辆数怎么变。如果某个料场产量降一点总运费就大幅上涨说明它是系统里的瓶颈资源要重点保它的产能如果响应平缓说明供应侧有余量可以适当降低订购量。用第 4 章的模型把 supply 的值循环一遍打印目标函数值几分钟就能得到这样一张表料场 A 产量 (t/天)料场 B 产量 (t/天)最小日总运费 (元)需要自卸车 (辆)270230170416240260167416200300165415这张表能直接回答评审最常问的问题“为什么这个料场明明更近却不把产量拉满”因为把产能留给运距更短的段全局成本更低。第二个技巧是把静态模型改成滚动计划。每周日跑一次模型输入下一周各施工段的计划需求量、料场可用库存、天气预报和限行通知输出下一周的每日运输计划。如果遇到雨天料场进料道路泥泞有效供应量下调模型会自动把缺料时间点暴露出来让你提前调整工序。第三个技巧是车辆数的整数修正。模型给出的吨位除以单车载重向上取整只是理论下限实际派车时我习惯多加 15% 到 20% 的余量应对装车排队、途中堵车、车辆故障。这部分余量不写进优化模型只写进施工组织设计里的机械设备配置表。我第一次做这类设计时盯着 Excel 里的目标函数值以为自己找到了最优解后来才发现漏了通道容量约束算出来的方案在 S5 段一天要跑 35 趟那条路根本承受不住。从那以后我养成一个习惯每次跑完模型先把各路径的趟数列出来看一眼再回过去看目标和约束。方案出来的第一件事不是庆祝省钱而是验证它能不能在真实道路上跑得动。希望帮到你。本文还有配套的精品资源点击获取