可变线路式公交的两阶段车辆调度模型

针对可变线路式公交设计了一种可同时处理预约需求和实时需求的两阶段车辆调度模型.第1阶段模型以预约需求为服务对象,建立了以乘客出行成本和车辆运营成本最小为目标的路径优化模型,采用模拟退火算法对模型进行求解,获得车辆初始行驶路径方案.第2阶段模型以实时需求为服务目标,在原定行驶路径方案上利用启发式插入算法将4类乘客排入车辆行车计划中.基于实例的仿真试验验证了两阶段车辆调度模型的可行性,结果表明:通过提高乘客预约出行比例的方式可提升系统性能,本例中当乘客需求量达到25人/h、预约出行比例达到70%时,系统整体性能相较于纯动态需求条件下提升近10%.     

物流配送中心选址的多目标优化模型

针对传统选址模型片面追求物流成本最小化而忽视物流服务水平的情况,将可靠性作为物流服务水平的一种测度,提出了配送中心系统可靠度的计算方法,建立了以物流成本最小化和物流服务可靠度最大化为目标的配送中心选址多目标优化模型.采用主要目标法将建立的多目标优化模型转化为单目标优化模型,并运用贪婪取走启发式算法对转化后的模型进行求解.算例结果表明,模型的非劣解充分反映了物流成本与物流服务可靠度之间的悖反关系,同时包含了传统的以物流成本最小化为目标的选址模型的最优解,从而为配送中心选址提供更加全面的决策依据.     

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。     

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。     

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.     

基于异质性出行需求的公交线路组合调度研究

为进一步研究异质性需求公交线路的组合调度,设计全程车、区间车和大站快车组合调度研究模型:以公交线路总成本(包括用户成本和运营成本)为目标函数,以各种调度模式发车频率、大站快车跳过站点为优化参数,以满足乘客出行需求为约束条件。模型首先基于Logit模型计算换乘比例,将乘客的出行需求进行分类,然后对组合调度方案进行建模。设计一种混合遗传算法的布谷鸟算法求解算例,获得最优解,并对模型参数进行敏感性分析。计算分析结果表明:此组合调度方法相较于全程车、全程车+区间车调度模式,总成本分别减少24.3%和14.4%;并优化乘客出行方式;乘客时间价值和单位运营成本对结果影响较大。通过这种组合调度优化方法,为公交运营企业调度方案提供一种新思路。     

双渠道供应链多期多目标动态选址模型

考虑双渠道供应链环境下的物流配送选址问题的特殊性,建立顾客需求随机环境下,考虑网络直销和中央仓库传统零售渠道相结合的中央仓库多期多目标动态选址模型,模型不仅考虑了最小化相关的运作成本,并且考虑了客户的最大满意度,给出了中央仓库在整个规划期内的打开、运营、关闭和再次打开的成本表达式,使用主要目标法将多目标转化为单目标模型.设计了基于顾客满意度的贪婪启发式求解算法.求解结果表明,该结果包含了以最小化物流成本为目标的选址模型的最优解,为双渠道供应链环境下的中央仓库选址提供了更加灵活并且全面的依据.     

多车辆直运越库调度的建模与启发式算法

以最小化客户的最晚交货时间为目标,建立了多车辆直运越库物流调度问题的混合整数线性规划模型,并使用优化工具ILOG CPLEX求解得到了适当规模问题和小规模问题的精确最优解;基于最大加工时间(LPT)规则,提出求解多车辆直运越库物流调度问题的启发式算法,通过对中等以及大规模实例的数值计算,比较了混合整数线性规划模型和启发式算法之间的计算性能.结果表明,启发式算法具有良好的近似性能,所测24组实例中的相对误差不超过9.5%,接近于精确解.     

不确定需求下多类型自提点多目标选址

考虑顾客快递数量的不确定性，引入顾客满意度函数，以自提点运营成本最小化和顾客满意度最大化为目标，构建多类型自提点选址问题的整数二次规划模型，通过高德平台获取需求点与自提点之间的实际取货距离，运用三角模糊数刻画顾客快递数量的不确定性，进而将模型转化为模糊机会约束规划模型。采用Epsilon约束算法结合Cplex求解器对实例求解，并对比NSGA-Ⅱ算法，再应用模糊集理论得出折中解，折中解方案较目标最优方案顾客满意度降低了11.4%,运营成本增加了26.3%。结果表明：随着顾客快递数量的增加，自提点的运营成本和顾客满意度均呈现先增后减的趋势；构建多类型自提点可以有效兼顾成本和顾客满意度，实现系统最优。     

多车型组合调度的建模与弹性边界人工蜂群求解方法

在保证运力的情况下,综合考虑滞留乘客和运营服务等现实因素,将公交公司运营成本和乘客候车成本降为最小,提出一种多车型组合调度模型。尝试一种具有弹性边界的人工蜂群算法(artificial bee colony algorithm with bounce boundary,BBABC)对此公交模型进行求解。该算法采用具有弹性的边界策略,解决了种群个体越界问题,搜索效率提高,收敛速度加快。侦查蜂搜索方式为遗传突变,在加大变异的同时保留一定的社会信息;同时引进吸引子,提高算法的局部搜索能力。通过对某线路进行实验仿真,与单一车型调度方式进行对比分析,发车时间间隔延长18%,公交公司和乘客的总成本减少9%,车站滞留乘客减少90%,满载率提高15%。     

满足客流需求的地铁列车延误协同调整方法

以尽快疏散客流为出发点,提出协同调整城市轨道交通初始延误列车前方列车的方法.基于列车能力与客流需求的交互关系、运行约束和调整时间约束,协调考虑车内乘客和站台乘客,以全部乘客总旅行时间最小为目标建立了整数规划模型,并构建多列车、多车站时刻调整的组合动态规划求解算法.实例验证结果表明了模型与算法的有效性,与其他方法相比,该协同调整方法得到了更少的乘客旅行时间.     

考虑路径尺度的城市轨道交通客流分配

城市轨道交通客流分配是进行轨道交通线网规划、评估和运营管理的关键技术之一。考虑有效路径之间重叠对路径选择概率的影响,在效用函数中加入路径尺度调整效用值,提出基于路径尺度的Logit客流分配方法。以北京地铁线网为例,构建乘客出行广义费用函数,搜索有效路径,清洗自动售检票系统(automatic fare collection, AFC)刷卡数据,通过MATLAB软件进行客流分配计算。结果表明:与既有模型相比,路径尺度Logit模型路径选择概率误差降低了24.32%,提高了客流分配精度。提出的路径尺度Logit模型具有较好的适用性、有效性,对于提升城市轨道交通线网科学规划水平、降低运营安全风险具有重要意义。     

基于上下车人数的公交客流起迄点估计方法

自动计数器(APC)系统可自动采集大量乘客上下车数据.APC数据以聚集的方式表示公交乘客起迄点(OD)交通流,因此,可用于估计公交OD交通流.据此,提出基于APC数据统计分布的公交乘客起迄点交通流估计模型,并开发高计算效率的HEM(heuristic expectation maximization)算法.在模型评价比较中,考虑了APC样本量、APC测量误差和OD调查样本量对OD估计精度的影响.结果表明,HEM法比传统方法更有效地利用APC数据,OD估计精度更高.另外,HEM法在计算效率和估计精度两方面都优于近年来新提出的基于仿真的OD估计方法.     

整车物流双层轿运车车辆装载与路径整合优化研究

根据启发式算法思想,建立了双层轿运车的车辆配载和路径优化的双层规划模型。在路径优化的求解中融入一定的启发式搜索规则,设计了一种求解该双层规划模型的混合遗传算法,并给出了算法的编码方法、路径搜索方法和适应度函数的定义。案例分析表明,当乘用车种数不超过3种时,采用LINGO商业优化软件能在1 min内求出最优解;超过3种时求解时间呈指数增长。采用本文设计的混合遗传算法,能在较快时间内求出最优解,此模型和算法对编制大规模下的乘用车装载和配送计划具有较强的适用性和可行性。     

A Decision Support Method for Truck Scheduling and Storage Allocation Problem at Container

Truck scheduling and storage allocation, as two separate subproblems in port operations, have been deeply studied in past decades. However, from the operational point of view, they are highly interdependent. Storage allocation for import containers has to balance the travel time and queuing time of each container in yard. This paper proposed an integer programming model handling these two problems as a whole. The objective of this model is to reduce congestion and waiting time of container trucks in the terminal so as to decrease the makespan of discharging containers. Due to the inherent complexity of the prob-lem, a genetic algorithm and a greedy heuristic algorithm are designed to attain near optimal solutions. It shows that the heuristic algorithm can achieve the optimal solution for small-scale problems. The solutions of small-and large-scale problems obtained from the heuristic algorithm are better than those from the genetic algorithm.     

基于旅行时间分析的城轨乘客路径集验证方法

城市轨道交通乘客出行路径集是否正确,是乘客路径选择估计以及网络客流分布计算的前提和基础.从现有客流分布模型中有效路径选择集问题及OD实际旅行时间聚类特征出发,引入Rodriguez-Laio快速聚类算法,提出基于旅行时间聚类分析的城市轨道交通乘客路径集验证方法.以北京地铁网络为例进行算例分析,结果表明,该方法可以在全网络范围内对路径选择集问题OD作出快速识别及滚动验证,并为以原因分析为导向的现场客流调查与模型修正工作提供重要参考.     

城市公共交通走廊动态客流分析模型

为了科学分析和评价城市公共交通走廊的客流流动规律,研究了走廊内乘客对于出发时刻及交通方式选择的问题,提出了城市公共交通走廊动态客流分析模型.模型主要由乘客出发时刻和交通方式选择组合动态均衡分配模型,以及乘客出行负效用模型两部分构成.在此基础上,设计了一套启发式算法求解该模型;并以上海市的跨江公共交通走廊为案例,验证所提出的模型和求解算法.研究结果表明,该模型能够真实反映城市公共交通走廊内客流的时空分布情况,以及行程时间、拥挤度及出行费用等因素对乘客出行选择的影响.所提出的模型可为城市公交走廊内各公共交通方式的合理搭配、运输组织模式优化提供决策支持.     

基于客流需求的列车时刻表和车底调度协同优化

随着城市规模的扩大,对城市轨道交通的需求日渐增长,对城市轨道交通的运营服务质量提出了较高要求。根据乘客需求,以最小乘客总等待时间和城市轨道交通系统运营成本为综合目标,建立混合整数规划模型。通过模拟退火算法,设计给出了某一线路的列车时刻表和车底调度方案,并通过算例分析验证其可行性。结果表明,该模型可以根据乘客需求设计出一个合适的列车时刻表和车底调度协同优化方案。     

基于客流需求的列车时刻表和车底调度协同优化

随着城市规模的扩大,对城市轨道交通的需求日渐增长,对城市轨道交通的运营服务质量提出了较高要求。根据乘客需求,以最小乘客总等待时间和城市轨道交通系统运营成本为综合目标,建立混合整数规划模型。通过模拟退火算法,设计给出了某一线路的列车时刻表和车底调度方案,并通过算例分析验证其可行性。结果表明,该模型可以根据乘客需求设计出一个合适的列车时刻表和车底调度协同优化方案。