区域公交车辆调度及购车计划的双层规划模型

借助双层规划模型,从系统的角度探讨了区域公交车辆调度和购车计划之间的有机联系.根据该问题的特征将其等价转化为:考虑车场容量、燃料及污染气体排放量等约束因素,如何在不同车辆数下构建每辆车完成班次的序列以完成所有班次,同时确定每辆车车型,追求车辆利用率最大和购车费用最少.利用遗传算法求解相应车辆数的上下层模型最佳解,比较所...     

智能公交动态调度优化模型

利用先进的技术和设备实现公交的优化调度,充分满足人们的出行需要,是智能公交系统发展的目标.然而近年来中国智能公交发展在一定程度上出现过于追求先进性、忽略实用性、运营效果不理想、动态调度尚待充分开发等问题.结合中国智能公交系统现状,通过对智能公交调度系统和调度特点深入分析,在GPS定位、通信、计算机等技术的支持下,将动态交通状态信息与车辆定位信息有效融合,将智能化算法引入到公交运营调度中,建立了基于实时动态数据,兼顾乘客满意度和企业效益的动态调度优化模型.并且阐述了模型数据的自动采集方法、模型Matlab程式化的解法.结果表明,该模型可以显著提高公交车辆满载率、缩短乘客等车时间和减少车辆总班次,优化调度效果明显.     

基于遗传禁忌搜索的单车场多目标区域调度优化

区域调度是公交营运调度的发展方向,但区域调度相对于传统的线路调度,其影响因素多,模型构建难度大,求解也较为复杂。以单车场区域调度为对象,选择公交车辆空驶时间、等待时间、跨线次数以及运力规模最小等主要目标,构建了多目标区域调度优化模型。考虑到多目标函数优化问题的复杂性,将禁忌搜索融入遗传算子,设计遗传禁忌搜索求解算法,最后将已建模型和设计算法运用到算例中。计算结果表明,遗传禁忌算法较一般遗传算法更能高效地解决公交车辆的单车场多目标区域调度问题。     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

车联网环境下考虑续航时间约束的公交车辆行车计划编制

公交车辆的行车计划智能化编制是"互联网+交通"和公交优先战略的重要体现,也是提高公交吸引力和缓解城市交通拥堵的有效途径.在对现有行车计划编制模型进行研究的基础上,提出了燃料续航时间约束条件下的多场站行车计划编制模型,并依托车联网环境的信息交互,探讨了续航时间约束下的车辆调度问题与背包问题的对应关系,提出了一种应用贪婪算法求解该问题的方法.最后,通过算例验证了模型的有效性,并对比了参与调度车辆数目与续航时间约束对结果的影响.分析结果表明:在续航时间约束不变的情况下,增加调度车辆的数目,可以降低空驶时间和执行里程,但车辆执行时间的波动性增大,车辆间运行公平性降低;增加续航里程可以增加车辆的使用频率,提高车辆的使用效率.公交车辆的行车计划编制不仅要考虑费用,还需考虑车辆接受班次任务的均衡性,宜根据不同的续航时间约束条件来管理调度车辆.     

公交区域车辆调度优化研究现状与发展

区域范围内车辆调度是以给定时刻表和一定数量的分布在各个车场的车辆为前提,在满足所有约束条件和相关规定的条件下,得出所需车辆最少或费用最小的车辆调度方案.区域范围内的公交车辆调度过程非常复杂,一直是公交领域研究的热点问题之一.本文在阐述车辆调度问题的基础上,对车辆调度问题的可行模型与算法的研究现状进行了综述,同时对公交车辆调度研究的扩展问题进行了分析.     

考虑客流量差异的区域公交车辆调度

考虑到公交客流时间分布非均衡以及公交区域调度的多条线路客流高峰时间、空间分布集中会导致总体客流的高低峰客流量差异进一步加大,提出在低平峰期允许部分公交车辆停运的抽停策略,从"部分车次被某辆车完成"的集合划分角度研究区域公交车辆调度问题,建立改进的区域公交车辆调度优化模型,并设计了最大最小蚁群算法进行求解.算例结果显示:与常规调度方案相比,车辆等待时间减少4034 min,等待时间在总工作时间中占比减少10%,驾驶员减少14个,证明了文中模型的有效性和实用性.     

考虑拥堵道路停车惩罚的定制公交调度研究

为了满足城市产业聚集区乘客出行的个性化需求，同时缓解路网过饱和问题，提出了考虑拥堵道路停车惩罚的定制公交调度模型。分析定制公交运营条件和调度规则，标定拥堵道路停车载客成本惩罚函数和违反乘客时间窗惩罚函数，以乘客在车时间成本、车辆运行时间成本、违反乘客时间窗惩罚成本和拥堵道路停车惩罚成本构成的系统总成本最优为目标，建立了响应实时需求的定制公交调度决策模型。设计了改进遗传算法和插入算法进行问题的求解，以中关村软件园为实例来验证模型和算法的有效性。结果表明，定制公交在班次时长、满载率以及成本控制等目标上均能达到预期效果，模型和算法具有一定的可行性。     

考虑换乘时间需求的响应型接驳公交系统的协调优化

乘客换乘时间需求是响应型接驳公交提供换乘服务时应考虑的一个重要因素.为此,提出一种考虑换乘时间需求的响应型接驳公交运行路径与调度协调优化方法.首先,将乘客按是否有特定换乘班次需求进行分类;然后,以同时接送模式下响应型接驳公交为研究对象,以乘客与运营商的效用加权之和最大为目标,以乘客换乘时间需求、乘客预约时间窗、车辆容量、车辆单程最大行程时间等为约束,构建发车间隔和运行路径一体化的协调优化模型,并基于遗传算法设计求解算法;最后,以长沙市地铁一号线尚双塘站周边区域为例进行实例分析.结果 表明:与单接单送模式相比,同时接送模式系统的总效用提升了17.1％,同时接送模式的优越性显著;乘客换乘时间需求导致系统的总效用降低了9.42％,但考虑换乘时间需求提升了乘客的换乘效率,降低的系统总效用是可接受的;中小型车比较适合响应型接驳公交系统.     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

随机环境下公交调度问题双层规划模型与算法

提出一种以随机环境为基础并能适用于实际公交调度的优化方法.考虑公交线路运营环境下的随机因素,建立一个尽可能使乘客和企业综合满意度达到最大的双层规划模型,并通过智能算法进行求解.算例研究表明,模型和算法具有可行性和有效性.在车型、发车时间间隔、运营费用等因素组合情况下,以实际站点统计数据为基础,能够快速给出优化结果.      

一种基于博弈论的交通系统最优调度策略学习方法

交通网中,最大化车流量和最小化平均等待时间是每一个路口调度的目标.交通调度中,各路口与其它路口发生博弈关系.博弈过程中,相邻路口之间为使其自身利益最大化而存在一种策略间相互协调的约束.针对复杂的交通调度控制问题,基于多智能体多阶段博弈论对交通系统进行建模.考虑动态博弈交通环境的实际特征,进一步基于博弈的增强学习算法,提出一种以惩机制为约束条件的交通系统博弈策略的学习方法,最终使参与交通博弈的多个路口达到Nash均衡,从而得到交通系统的最优配时调度策略组合.实验验证了所提出方法的可行性和有效性.     

基于四维消耗的公交线网优化模型及蚁群算法

针对城市公交线网的优化问题,应用四维消耗概念进行了综合研究,给出了公交线网优化的多目标线性规划模型及蚁群算法.在定义时间、空间、环境、能源等四维消耗概念的基础上,从点、线、面3个方面对公交线网优化问题进行研究.在考虑效益最大化、成本最小化、发展可持续化的情况下,利用效用函数建立了公交线网优化的多目标线性规划模型.并用蚁群算法对多目标线性规划模型求解,得到最佳的公交线路网络布局结构和公交线网运营效率.实例表明,利用蚁群算法优化后公交线网利用率增大、可达性良好、乘客出行时间减少,优化结果符合城市交通的实际情况,该方法合理可行.     

一种基于混合Petri网的批过程动态调度算法

针对批处理过程动态调度问题的特点，以赋色时间限制混合Petri网为工具，建立了批过程动态调度的混合Petri网模型，将批过程的调度问题映射技术为求Petri网中变迁的最优激发序列问题。在此模型基础上，根据动态规划基本原理，以资源的终极利用即最短生产周期作为调度目标，提出了一种基于赋色时间限制混合网模型求取变迁的最优激发序列的方法，并针对实际情况中出现的复杂的中间产品存贮策略，讨论了在各存贮策略约束下该模型中时间限制区间的确定方法，最后以炼钢－连铸生产系统的过程调度为例，对该算法进行仿真。多次仿真结果表明，当任务和设备的初始时刻或者过程的动态过程发生改变时，调度结果各不相同，从而验证了该算法的有效性。     

带队列约束的RHFS列生成调度算法

为有效提升多重入车间的生产效率,考虑实际生产中队列约束,提出了基于列生成算法的可重入混合流水车间的调度方法.首先对两阶段生产调度问题进行描述,以最小化工件总完成时间为优化目标,建立数学规划模型.针对该调度模型提出列生成算法,设计带多重决策的动态规划方法来求解工件级子问题,为更快收敛,主问题求解中采用自适应加速策略.在使用分支定界将得到的解整数化的过程中,构造列池并设计局部变异.最后,对各种不同问题规模进行了数值实验,结果表明所提出的调度算法是有效可行的.     

智能城市车载网络分层分区协作通信模型研究

城市车载网络能为解决城市交通问题提供有效的方法.大多数已存在的传输模型由于不能解决车辆的高速移动、复杂城市交通环境和多变的交通密度问题,导致传输效率低、可靠性能差.该文紧紧围绕城市环境信号传输衰减、红灯等停、固定和周期的公交运行模式,提出分层分区的通信模型.该模型充分利用公交的固定路线运行和普通车辆与公交之间的簇首节点转发策略进行优化,将车辆之间复杂的不确定的传输协议转换成协作的、稳定的3层模型.设计了有限时延内的单跳转发机制,以保证公交协助转发的可靠性和有效性; 设计了簇首触发转发机制以适应不同的车辆密度.仿真实验表明,整体模型具有较高的传输效率和较低的时延,且对于具有高移动性和复杂道路环境的城市车载网络具有较好的适应性.     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

基于生存决策法的公交系统调度

城市公交系统运营调度优化是公交优化的一项重要内容,随着道路交通网络运行可靠性的降低和公交客流波动性的增大,公交车辆在运行中会出现一些突发状况,公交调度优化能够确保公交系统在突发状况发生后仍然能够较好的运行,保障公交系统的可靠性和公交系统服务水平。本文将联动调度引入到驾驶员与公交车辆的调度中,综合考虑了客流突变、车辆条件、交通拥堵、交通事故和驾驶员状况等多种因素,在生存决策法的基础上依据上述因素建立了驾驶员和公交车辆的系统调度模型,通过生存动态模型与惯性约束模型的分析来判断系统的生存状态,并结合义乌市现有公交线路系统对模型进行验证分析。结果表明此方法对公交系统调度具有较为重要的意义。     

基于动态规划的云计算任务调度研究

任务调度作为云计算中的核心问题,其目的是合理分配任务,实现最佳调度策略并且有效地完成任务.首先对当前云计算中任务调度算法进行分析并指出传统算法的不足与缺点,然后提出一种基于动态规划模型的任务调度算法,以任务运行时间最少为优化目标,把任务与数据集群中虚拟机匹配看成为多阶段决策的组合优化.最后在CloudSim进行仿真实验,结果表明,所提算法在满足多用户需求下与max-min和min-min算法相比,在一定数量规模下,任务完成时间减少而资源负载相对均衡.