广州水上巴士换乘等待时间优化研究

提出了一种水上巴士换乘等待时间优化模型。在保证运营时间段与发船班次不变的情况下,协调各线路到达换乘站的时刻,建立了以总换乘等待时间最小为目标的换乘优化模型,针对该模型设计了遗传算法。以广州水上巴士西堤码头为例,用遗传算法进行求解,得出优化后的班次表。计算结果表明,通过协调线路在换乘站的到站时间,模型能有效减小总乘客换乘等待时间。所提出的遗传算法能更快地求出近似最优解,误差控制在可接受的范围。     

基于差异化换乘感知的轨道交通末班车衔接优化

末班车衔接优化中难于协调的两个关键因素是最大限度减少换乘乘客等待时间和尽可能避免乘客换乘失败.针对末班车时段,重点考虑乘客对换乘满意度的差异化感知,分析换乘站乘客换乘过程及列车接续过程.选取各线路末班车时段内第一趟列车的发车时间为决策变量,以乘客换乘感知费用总和最小为目标,构建全网条件下末班车时段多趟列车的时刻表衔接优化模型,设计多种群遗传算法进行求解.以成都市轨道交通网络为例,对模型及算法进行应用与验证.结果表明:与现有的轨道交通末班车衔接方案相比,通过采用本文提出的模型及多种群遗传算法,成功换乘客流量增加了3.1%,乘客换乘感知费用总和减少了29.7%,有效提高了末班车时段列车接续效果,为网络化运营组织提供重要依据.     

网络化运营的城市轨道交通枢纽站衔接调度研究

针对目前城市轨道交通初步网络化运营换乘时间费用较长的问题,从换乘等待时间费用最小角度出发,对城市轨道交通各线路在客流低、中及高峰时期发车时间进行优化,建立城市轨道交通枢纽站衔接调度优化模型,并设计遗传算法对该模型进行求解,通过多次仿真运算,结果分析表明该模型及算法的有效性和实用性.     

考虑不均匀发车间隔的公交网络时刻表优化模型

公交网络时刻表设计就是通过优化各线路车次的发车时间,使不同线路的车辆协同到达换乘站点,以方便乘客换乘.研究了不均匀发车间隔情况下公交网络时刻表设计问题.使用数学不等式描述了乘客的换乘等待时间,构建了以最小化乘客总换乘等待时间为目标的混合整数规划模型,分析了该模型的计算复杂性和可行解的空间结构特征.基于模型特征分析,设计了能缩减求解空间的预处理方法.采用CPLEX优化软件对预处理后的模型进行求解.通过计算不同算例,验证了求解方法和模型的有效性.     

面向协同调度的公交时刻表鲁棒优化模型

为实现公共交通网络协同调度,以网络内总换乘负效用最小为目标,构建了考虑公交车辆运行随机性的时刻表鲁棒优化模型.线路间换乘衔接关系、公交车辆首站计划发车时刻、站点间运行时间和站点处停靠时间为模型主要输入参数,用于求解各线路首站计划发车时刻最优偏移量.由于所建优化模型为非凸规划模型,设计了包含蒙特卡洛仿真方法的遗传算法以获取模型近似最优解.最后,基于算例验证了公交时刻表鲁棒优化模型与遗传算法的可行性.结果表明,与现有时刻表相比,优化后时刻表可减少约22%的总换乘负效用,能有效改善公交网络内换乘服务.此外,与枚举算法求解结果的对比分析验证了遗传算法可行且高效.     

一种快速收敛粒子群优化算法在云计算中应用

针对现有云计算平台在调度中任务派发速度相对较慢和资源利用率较低的问题,提出一种快速收敛的改进粒子群优化算法,能快速确定合理的子任务分配方案,以较高的寻优率达到所有任务总完成时间最短的优化目标.针对粒子群算法初期收敛速度快后期收敛变慢的情况,按时段动态调整惯量权重值,提高算法的收敛能力和求解精度;通过用粒子群中所有个体最优位置的平均值代替粒子群优化算法的速度更新式中的个体最优位置,大幅加快收敛速度,加快任务派发方案预测的速度.通过建模和算法实现对比,表明该粒子群优化算法能有效地提高任务分配的派发速度和减少任务的总完成时间.     

基于粒子群算法的泊位分配集成优化研究

泊位分配直接影响着港口船舶的进港靠泊时间和作业效率.为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解.通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效.     

多目标粒子群算法在医院床位安排中的优化应用

针对医院病床安排问题,将病床周转率等效为病人总住院时间,将患者满意度等效为病人等待时间,以入住病人总住院时间和病人等待时间为目标函数,创立多目标优化模型,给出算法求解的具体流程,然后利用多目标粒子群算法进行求解,得出关于病床安排问题的非劣解集。最后,结合实例对算法性能进行了仿真分析,结果表明多目标粒子群能给出多种病床安排方案,实现了多目标之间的折中权衡,是医院床位安排问题的一种有效解决途径。     

基于混合遗传算法的机场巴士线路优化

以提高机场巴士旅客运送效率为目的,以乘客总体消耗时间最小为目标,综合考虑其他各种约束条件,构建了机场巴士线路优化模型．根据模型特点,采用爬山算法得到初始解,以减少寻优时间;同时采用直接排列的编码方法即节点法进行编码,构建混合的遗传算法求解．通过一个简单算例验证了所提出模型与求解方法是可行和有效的,可为实际规划与理论研究提供参考．     

天津地铁肿瘤医院站同台换乘客流组织研究

目前城市轨道交通行业发展迅速,随着城市轨道交通线网的日益成熟,换乘客流量随之增长,继而对换乘站造成一定的压力。换乘站是城市轨道交通各线路的交织点,换乘模式的选择对发挥轨道交通线网的整体功能具有重要意义。随着天津轨道交通技术的发展创新,新型换乘方式层出不穷,天津地铁6号线南段与5号线的换乘站采用同台换乘,以肿瘤医院站为例,对同台换乘的客流组织模式进行研究。     

考虑车内拥挤状态的公交弹性发车间隔优化

为提高常规公交的出行服务质量，建立了考虑车内拥挤状态的公交弹性发车间隔优化模型.通过量化车内拥挤状态，给出各拥挤状态下的乘车成本;建立了线路各区间的拥挤状态转移函数.考虑乘客的车内拥挤状态感知，建立站点乘客随时间的上下车数量的度量模型;构建乘客出行成本度量模型，以乘客出行成本与车辆运营亏损之和最小化为目标函数，建立了公交弹性发车间隔优化模型;并设计遗传算法对模型进行求解.结果表明:优化模型能够有效降低出行成本.模型对等待成本有着“补短板”效果，对乘车成本有着“削峰”效果，即通过增加乘客到站量小站点的等待成本，降低乘客到站量大站点的等待成本，削弱乘车成本峰值的手段，达到总成本最低的效果.     

基于NSGA算法的公交车辆调度优化模型

公交车辆调度方案的优化对于提高公交服务水平,促进公交事业的快速发展至关重要.在乘客与公交公司利益博弈的基础上,基于极小极大思想,考虑公交车车辆容量的限制及城市道路信号控制的干扰因素,建立公交发车间隔优化模型,并利用非支配排序遗传算法(NSGA)进行模型的求解.以河南省焦作市的公交线路为例进行验证,优化结果显示乘客的平均等车时间相对减少48.3%,公交车的全日平均满载率下降了3.8%,公交服务水平有所改善.     

基于滚动时域控制的轨道交通车站单站限流策略研究

针对部分高负载节点车站存在站台拥挤的问题,建立数学模型优化乘客的平均等待时间,制定相应限流策略。以乘客在车站各处的等待时间最小为优化目标,进站口单位时间的限流人数作为决策变量,通过乘客在车站中不同位置的行为特征,制定站台容量、列车容量、限流区域3个约束条件,同时设计了基于滚动时域控制的算法进行模拟计算。结果表明,该算法较于一般的限流策略,在超限次数和超限人数上都有较大优势,能够在保证站台安全性的前提下,在繁忙时期有效减少超限次数,站台超限人数降低9%,并将乘客出行的总延误时间降低11%。该研究可为城市轨道交通限流提供有效参考。     

公交车调度优化模型

提出了制定一条公交线路车辆调度方案的优化数学模型，该模型计算了乘客在车站等候的时间内所可能创造的财富——社会效益，并将乘客因候车而丧失创造该财富的机会看成一种社会成本，对车辆调度方案的评估时，不仅考虑了公司运营成本，而且考虑了相应的社会成本，因此，该模型制定的调度方案兼顾了公司利益和社会效益，最后将实际的统计数据带入模型，给出一个车辆调度发车时刻表的优化方案。     

基于均衡和接续的路网列车运行图调整研究

铁路中的换乘车站如果发生突发事件,会造成路网中部分列车到达换乘站晚点,晚点超出一定范围时与之接续的列车将不再保持接续关系,导致旅客无法完成换乘且接续列车晚点。本文建立了基于均衡和接续的路网列车运行调整模型,调整后使列车到达终点站的时刻与原计划时刻偏差最小并且总延误时间最小。使用Gurobi优化软件对模型进行了求解,结果表明,调整后的运行图能够有效缓解突发事件对列车运行造成的影响,且晚点在一定的范围内,通过列车接续能够保证旅客的顺利换乘。     

列车运行调整与到发线运用的协同优化研究

在列车运行的过程中,受到各种不确定性因素的影响,列车可能会偏离图定运行计划,同时也会对车站的到发线运用造成干扰。针对列车运行调整与到发线运用协同的优化问题,本文兼顾列车运行调整约束与到发线运用约束,建立了多目标的整数规划模型,并设计了适用于求解该模型的分层序列鸽群优化算法。算例分析表明,模型对列车运行计划进行调整的同时,还能得到满意的到发线运用方案,并且分层序列鸽群优化算法可以快速求解列车加权总到发晚点最少和到发线占用总消耗最小的目标函数。     

快通系统排队问题的建模与多目标优化

为减少游乐场游客排队时间并提高其满意度,通过改进通道设计和增加团体游客类型等因素建立快通系统模型,并对其进行多目标优化.首先以平均等待时间、平均逗留时间和游客满意度为因子建立评价系统,并进一步提出初始多目标模型;然后通过改进通道设计和增加现实约束条件,建立了多目标优化模型并给出模拟求解算法;最后仿真结果表明所建立的优化模型能够大大减少游客等待时间并提升满意度.     

客流需求不确定下城市轨道交通线路协同限流鲁棒优化研究

研究了客流需求不确定下城市轨道交通线路协同限流问题。构建了城市轨道交通线路协同限流确定性模型，在此基础上，基于情景分析的鲁棒优化方法，采用具有已知概率的情景集描述客流需求的不确定性，将此模型扩展为含不确定因素的鲁棒优化模型，对每个时段每个车站的最佳进站量进行了求解，达到在保障运营安全的同时使站外的滞留人数最少的目的，并以北京地铁八通线为例对模型进行了验证。通过将确定性模型与鲁棒模型进行对比发现，鲁棒模型能降低限流策略对不确定客流需求的敏感程度，使不同需求情景下的滞留人数保持在可接受的范围内。     

老龄化背景下城轨换乘站客流组织仿真分析

针对人口老龄化背景下的城轨换乘站客流组织问题,从影响因素分析出发,量化老年乘客生理特征对乘客行动力影响的外在表现,并运用社会力模型描述换乘站内行人运动。借助AnyLogic仿真软件,以重庆市某换乘站为实验对象构建地铁换乘站仿真模型。通过设计多场景仿真实验,结果发现老年乘客比例对站内客流速度、进站时间、换乘时间都有明显影响,尤其是在站内客流瓶颈处和高差变化处的影响更为明显。最后,对适老背景下城轨车站设计和运营提出针对性建议。