纯电动公交时刻表和车辆排班计划整体优化

研究单线路的纯电动公交车辆运营时刻表和车辆排班计划的整体优化方法,以发车间隔平滑、使用车辆数少和充电费用低为目标建立多目标优化模型,考虑包括不同时段发车间隔范围、可用车辆数量的限制和纯电动公交续航里程约束在内的多个约束.采用多目标粒子群算法进行求解,基于多目标优先级寻找模型的最优解集合.案例表明:和现有的运营计划相比,模型能够平滑发车间隔,减少使用车辆数,充分利用非高峰时段充电以降低充电费用.     

接运公交车辆配置和发车频率的优化模型

为满足绿色公交节能减排的需求,在分析乘客出行行为、整合企业运营成本和量化污染气体排放量的基础上,构建了多车型接运公交车辆配置和发车频率的优化模型.采用确定式算法和计算机多重迭代模拟相结合的方法,求解非线性整数规划模型.计算结果表明：优化后的混合多车型方案,乘客出行成本、企业运营成本和CO₂当量排放量较单一的柴油车方案分别减少4.1%,1.1%和21.5%,证明了模型和算法的合理性和有效性.     

多目标演化算法在公交车辆发车间隔优化中的应用

为了使公交车辆的发车间隔得到优化,根据客流量的变化,建立了以乘客和公交企业运营费用最小为目标的公交车辆发车间隔优化模型,并采用一种多目标演化算法(MOPEA)来求解模型.该算法通过粒子系统从非平衡状态达到平衡状态的理论来定义Rank函数,从而使得所有个体在每次迭代过程中均能参与杂交、变异等演化操作,最终求得发车间隔的全局最优解,从而避免传统演化算法中出现的陷入问题的局部解的现象.同时,保留了目标函数的多样性,使相向的多目标优化问题得到了一个折中的最优解,即Pareto最优解.最后通过实例验证了该算法比传统演化算法更具优越性.     

快速公交车辆发车间隔与信号优先协调研究

研究快速公交车辆发车间隔与路口信号优先的协调优化问题. 针对快速公交全线路口信号选用定周期的优先感应控制方案,提出协调优化问题的衡量指标. 选用遗传算法提出发车间隔与信号控制参数综合优化的求解算法. 以北京的BRT1线为例,应用VISSIM仿真软件与VC++程序进行了算法实现. 实例结果表明:在不同的车速、发车间隔、信号控制方案的组合下,经过优化可以有效提高车辆的速度和准点率,实现真正意义上的公交优先.     

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。     

考虑路网拥堵状态的电动公交调度双阶段优化模型

为使公交到站时间符合计划时刻表,该文统筹考虑实时路网状态及客流需求,建立电动公交调度双阶段协同优化模型。路网轻微拥堵时,构建以提高公交服务水平与降低运营成本为目标,以电动公交续航里程与充电时间为约束的优化模型,运用非支配排序遗传算法(NSGA-Ⅱ)求解,得出优化后发车间隔;路网严重拥堵时,构建全程车与区间车组合调度模型,运用模拟退火算法求解,得出组合调度发车时刻表。基于北京市361路运营数据对模型进行验证。结果表明,在满足客流需求且不增加运营成本的前提下,该文模型能够显著提升乘客满意度,公交准点率提高82.38%,乘客平均候车时间减少182.2 s。     

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.      

基于粒子群算法的公交调度优化研究——以广州为例

为解决城市交通拥堵,发展公交优先策略、建设公交都市等方法和手段不断得到重视,其中,公交调度优化问题是核心技术问题,而公交发车时间间隔对于人们的出行影响非常大.该研究依据广州市公交线路的实测数据,以使社会成本最低为目标,以乘客的满座率和公交企业的盈利为约束条件,在科学可行的假设条件下建立公交调度模型,并基于粒子群算法确定最优的发车时间间隔,运用仿真程序检验模型的准确性和算法的可行性.仿真结果表明该模型可以有效优化公交调度发车时间间隔,减少不必要的公交延误.     

城市公交线路发车间隔优化模型

公交运营调度是整个公交企业管理业务的核心,优化公交线路的发车频率,提高我国城市公交的运营调度水平,是改善城市公交服务质量、提高公交吸引力的重要途径。本文分别从公交乘客利益和公交企业利益角度分析了公交线路调度问题,建立了以企业满意率最高、乘客满意率最高为目标的公交车辆发车间隔优化模型,兼顾了乘客和企业的双方利益。     

基于成本分析的快速公交发车频率优化方法

以公共交通走廊上单条快速公交线路为研究对象,建立了基于快速公交线路站点OD数据的用户成本模型及企业运营成本模型,并以总成本最小为目标函数建立了快速公交线路的发车频率优化模型,建模过程中充分考虑了时间价值对模型优化结果的影响.以常州市快速公交1号线为例对模型进行了应用研究,结果表明:随着发车频率的增加,总成本先降后升,在15 veh/h处达到最小值.因此建议高峰时间发车间隔为3～5 min;平峰时段发车间隔为6～8 min.对用户成本和企业运营成本随发车频率变化的敏感性进行了分析,得出了优化发车频率对降低乘客等车时间成本有显著的效果,而对减少乘客车内时间成本作用较小的结论,为企业在满足一定公交服务的基础上降低运营成本提供了决策依据.     

基于感知的公交调度发车频率和车型优化模型

基于乘客感知的公交客流需求特征,研究了公交发车频率和公交车型的调度决策问题.针对单线独立运营模式的特征分别建立了基于最大感知和平均感知的公交调度优化模型,并设计算法.最后结合2014年江苏省江阴市K1路公交客流给出了优化算例.案例结果表明,模型具有较强的实用性,能有效地降低公交运营总成本并提高公交运营效率.     

考虑乘客时间成本的城市公交发车间隔优化模型

针对城市公交发车间隔优化时对公交运行过程描述不够全面、未充分考虑乘客时间成本的问题,提出了考虑乘客时间成本的城市公交发车间隔优化模型.首先,在详细分析能够体现公交车辆运行特征的不同时段与站间的运行速度、站点停站时间、上车人数、下车人数、滞留人数以及新增候车人数等变量或参数基础上,建立车辆运行约束和乘客人数约束,将包含等候时间和在车时间的乘客平均出行时间作为出行成本、车辆平均满载率作为公交企业载客成本,以乘客出行成本与公交企业载客成本之和最小为目标建立发车间隔优化模型.然后,使用软件Pycharm中scikit-opt代码库调用遗传算法求解模型.最后,以北京市848路公交上行线路早高峰8:00—9:00时段为例,求解其理论最优发车间隔,结合运营实际确定实际最优发车间隔及总成本.研究结果表明：考虑乘客时间成本后的发车间隔较实际发车间隔,乘客平均出行成本降低9.09%,公交企业载客成本上涨0.57%,乘客与企业总成本下降约3.01%,提出的模型可行有效.     

基于公交可达性的公交站距优化方法

提出了在公交运营成本、乘客舒适度等众多约束下提高公交可达性的公交站距优化方法.对公交可达性给出了新的度量方法,该方法分别以公交运营速度和公交客流量衡量空间可达性和时间可达性.利用公交站点覆盖面影响系数和潜在公交客流量,研究公交站距对公交客流量的影响;通过分析公交运营速度与公交站点停留时间、公交车加减速次数等因素的内在关系,研究公交站距对公交运营速度的影响.以秦皇岛公交线路为实例,结果显示提高公交可达性的有效途径是使用不大于5 min的低发车间隔,无论公交客流量大小,最优公交站距都可以保持在600 m以下;而对高发车间隔,公交站距在900～1 400 m才能获得较高的可达性,而相比低发车间隔,公交可达性显著下降.     

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。     

公交发车频率优化研究

公交运营调度是公交行业运营管理的重要步骤,规划合理的行车时间对提高公交的承载率至关重要。本文以企业与乘客两个方面建立公交车发车频率的多目标优化模型,采用遗传算法,用matlab编程求解,并将人工制定方案与本文制定方案在高峰期、平峰期两个时间段的平均发车间隔进行比较。结果表明本文的计算方法性能更优,在满足乘客需求的同时也为公交运营公司提供决策支持,具有较好的应用价值。     

多时段公交发车间隔优化的随机期望值模型

研究随机事件条件下单条公交线路不同运营时段内的发车间隔确定方法.对该公交系统中的相关随机事件做了基本假设,依此建立了以社会福利最大为目标函数的多时段发车间隔优化随机期望值模型.由于该模型的目标函数为不连续函数,其不连续点发生在运营时段改变之时,因此设计了混合智能求解算法,其中嵌入了随机模拟、神经网络和遗传算法.并采用一个算例讨论了该发车间隔确定模型的有效性及求解算法的效率.该混合智能算法在求解随机期望值模型时效率较高,但容易陷入局部最优解.     

考虑不均匀发车间隔的高铁接运公交时刻表与车辆调度优化

提出一种不均匀发车间隔的公交时刻表,主要用于优化高铁站的接运公交时刻表.首先,考虑高铁到达客流的分布情况,采用正偏态分布的威布尔分布拟合乘客的换乘走行时间和后续等待时间构成的乘客换乘总时间.其次,分别以乘客换乘总时间最少、使用公交车辆总数最少为目标,考虑最大可用公交车辆数、公交最大发车间隔、公交最小发车间隔等刚性约束条件,建立了时刻表与公交车辆调度系统优化模型,并利用带精英策略的非支配排序遗传算法(Elitist Nondominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解公交系统优化模型.最后,通过案例分析验证了模型的有效性,将不均匀发车间隔与均匀发车间隔时刻表进行对比.结果表明:在使用接运公交数量相同的情况下,与均匀发车间隔时刻表相比,不均匀发车间隔时刻表最多可使乘客换乘总时间降低9.7％,并且可以根据模型求解结果提出多种合理的时刻表与车辆调度方案供决策者进行选择.     

基于层次分析法和多元非线性函数的公交线网运行效能评价

文章从乘客满意度出发,针对公交线网布设和公交调度,对传统众多且复杂的公交评价指标进行筛选、综合和优化。为了克服主观因素影响,选取换乘时间效率、平均换乘次数及线网平均满载率3个指标,分别应用层次分析法和多元非线性函数法构建综合评价模型。对以上海55路公交为中心线路的公交线网进行评价,得到上述2种方法的综合指标值分别为0.843、0.705,该结果说明从乘客角度,公交线网整体运行状况良好;另一方面,当55路发车间隔增加5min,相应综合指标值下降为0.823和0.675,该结果表明,增大发车间隔延长了候车时间,会提高线路满载率,但也降低了公交服务乘客满意度。研究结果验证了所选取的评价指标、建立的评价模型对公交线网的设计和修正以及公交运营调度完善具有一定的参考价值。     

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.     

考虑运营与服务平衡的公交时刻表优化研究

发车时刻表的编制是公交运营调度中的重要工作,为简化公交公司设计发车时刻表的过程与难度,平衡发车运营过程中公交公司与乘客的利益,提出了考虑运营与服务平衡的单线公交时刻表优化方法,将时刻表的制定流程简化为每班车发车时刻的确定.分别建立模型计算发车运营成本与期望服务价值,模型中对各站点乘客累计等待时间的计算考虑了车辆到达各站...