多区域通勤定制公交线路规划模型及求解算法

“定制公交”作为一种基于需求响应的公交服务模式，被认为能够有效吸引城市居民转向公共交通出行.通勤类型作为定制公交服务中的一种重要形式，其线路设计问题具有现实意义.首先，本文在已有理论的基础上，构建了多区域运营模式的通勤定制公交线路规划模型，该模型以最小化乘客出行成本、车辆运营成本为优化目标.其次，为求解模型，设计了一个两阶段启发式算法以获得多目标优化模型的Pareto解.最后，通过几组算例对模型进行了验证.结果表明，本文所提出的方法可根据优化目标提供多种线路方案集，丰富了定制公交的运营模式，为定制公交的线路规划提供了依据.     

弱客流地区客货共享定制公交路线的动态规划方法

针对弱客流地区公交运营难的问题,在分析典型弱客流地区的交通特性的基础上,通过客货共享运输模式和动态定制公交调度方法的应用,实现以货补客,客货同赢的运营目标.首先将动静态客货定制需求进行分类,分阶段处理定制需求;然后,以最小化总运输时间为目标,考虑容量与定制需求时间窗等约束,构建定制公交车辆初始线路优化模型,并在此基础上,考虑初始乘客和动态需求的时间窗约束,构建在途公交车辆的动态路径优化模型,建立动态定制需求的响应机制,从而实现客货共享定制公交路线的动态规划;最后,通过算例证明该模型的可行性,并与非混运模型进行比较.结果表明:在相同的运输需求条件下,模型所需车辆数比非混运模型少2辆,对动态需求的满足率提高16.7％,总空载率降低12.4％.     

互联网定制公交的网络调度模型及其求解算法

针对互联网定制公交服务模式中存在的路线规划不合理、缺乏成熟的通用模型等问题,本文首先采用K-mean算法对居民的实时出行需求进行聚类,在此基础上构建了面向互联网定制公交,以最大需求服务率和最小费用为双层目标,以最大载客量和乘客时间阈值等因素为约束条件的动态网络调度模型,进而针对模型的快速求解设计了基于Hadoop平台的并行蚁群算法.以广州市为例,对模型与算法的有效性、实时性进行检验,结果表明,所提出模型和算法可应用于实际互联网定制公交业务中,对推进"互联网+交通运输"具有积极的意义.     

考虑乘客出行体验的需求响应式公交规划

作为传统公交车的有力补充,需求响应式公交的出现为人们提供了解决问题的新思路,它能够即时采集乘客出行需求信息,确定走行路线,提供个性化定制服务。但自需求响应式公交运营以来,步行距离长、候车时间久等问题也日益凸显,极大地影响了乘客的出行体验。文章充分考虑乘客的步行距离及等待时间成本,基于DBSCAN算法、K-means算法,就需求响应式公交合乘站点布设问题进行研究,采用启发式插入算法对建立的软时间窗、多车队模型进行求解。可以实现对具有时间窗空间分散点的聚类及路径规划,对优化需求响应式公交的乘客出行体验,提高车辆上座率具有重要意义。     

定制公交站点和线路规划研究

近几年来,定制公交作为一种新兴的公交服务模式,在各大城市快速兴起,成为社会各界关注的热点。本文基于乘客出行需求,研究"多起点—多目的地"模式的定制公交站点和线路规划问题,提出了定制公交站点规划方法,构建了定制公交线路规划模型。通过实例,验证了模型的正确性和可行性。     

面向首都大学生的定制公交线路规划模型及算法研究

为满足首都大学生出行需求,提出专门针对该群体的定制公交线路规划模型及算法.首先通过调查数据,分析大学生出行行为与定制公交的联系,然后研究多起点单目的地模式的定制公交站点和线路规划问题,构建高校线路规划模型,结合改进的蚁群算法求解,最后以小程序功能界面作为成果应用展示.现有的定制公交研究往往针对所有人群,需求分布不集中,无法做到高效率的定制化.该模型则专门针对首都大学生,且结合该群体特征改进算法,具有需求集中,算法简洁,上座率高,运转效率高的优势,同时在应用层面提供社交功能,为定制公交用户专一化提供示例,具有一定借鉴意义.     

定制公交线路开行方案研究

近几年来,定制公交成为国内各大城市优先发展公共交通的一个重大举措,迅速在城市交通领域崛起,作为一种新兴公共交通模式成为社会各界关注的热点.充分考虑乘客出行需求,合理规划线路布局,最大限度发挥定制公交效益成为各大城市交通系统的重点研究课题.本文基于公交需求数据,建立基于需求的线路规划模型,提出编制定制公交线网规划的方法,并以公交需求为实例,进行了算法验证.     

多模式公交网络中考虑定制公交的 活动与出行建模

近年来,由于一些新型交通服务的出现与迅速发展,多模式公交网络包含了更多的交通模式.定制公交作为一种创新的公共交通服务,在中国许多城市引起了人们的广泛关注. 针对包含定制公交的多模式公交网络,本文提出了基于活动的模型以模拟出行者的活动与出行行为.本模型探究了由于定制公交的出现,人们在多模式公交网络中的行为决策变化,并采用了超级网络以同时模拟用户的活动与出行行为.为研究定制公交的容量约束与预约机制,在模型中有效模拟了用户的逐日学习与调整过程.本文通过实例验证了所提出模型的有效性,结果显示,定制公交的运营显著影响了出行者的活动与出行行为.     

多模式公交网络中考虑定制公交的活动与出行建模

近年来,由于一些新型交通服务的出现与迅速发展,多模式公交网络包含了更多的交通模式.定制公交作为一种创新的公共交通服务,在中国许多城市引起了人们的广泛关注. 针对包含定制公交的多模式公交网络,本文提出了基于活动的模型以模拟出行者的活动与出行行为.本模型探究了由于定制公交的出现,人们在多模式公交网络中的行为决策变化,并采用了超级网络以同时模拟用户的活动与出行行为.为研究定制公交的容量约束与预约机制,在模型中有效模拟了用户的逐日学习与调整过程.本文通过实例验证了所提出模型的有效性,结果显示,定制公交的运营显著影响了出行者的活动与出行行为.     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

感知乘客心理的出租车动态合乘优化方法

为研究考虑乘客感知的动态合乘问题，本文提出一种改进的算法框架。基于可行出行对概念，构建乘客满意度最大、出行时间最少的多目标线性规划问题，将合乘问题转化为车辆和乘客间的线性分配问题，并采用基于精英策略的人工蜂群算法(Elitism based Multi-Objective Artificial Bee Colony，EMOABC)求解。根据海口市出租车订单数据建立算例，实验结果表明，该算法框架能够实时提供优质动态合乘方案。相比单纯优化出行效率，考虑乘客心理的合乘策略，相对提高12%的乘客满意度，服务率等方面也有较好表现。     

拉格朗日松弛启发式算法求解时空网络下的弧路径问题

为减少车辆调度成本,优化车辆运输路径,在时空网络中研究路段作业车辆的弧路径问题;考虑道路出行的时变性,利用车辆运行的时间、空间特征,构建时间-空间网络,建立弧路径问题的时空网络流模型;设计了拉格朗日松弛启发式算法,引入拉格朗日乘子松弛耦合约束,构建拉格朗日松弛问题;进一步通过拉格朗日分解,把松弛问题分解为单车最短路问题;用次梯度算法更新乘子,求解拉格朗日对偶问题,并更新原问题最优解的下界;使用启发式算法获得可行解,并更新原问题最优解的上界;用六结点运输网络和Sioux-Falls网络下的算例对算法进行实证分析。计算结果表明:六结点运输网络中6个算例的上下界间隙值等于0或接近0,Sioux-Falls网络中算例2的间隙值为0.02%,其余5个算例的间隙值等于0,均可以得到质量较高的近似最优解;在最复杂的算例(15辆车,70个任务)中,算法在可接受的时间内也得到了间隙值为0的解,找出了最优的车辆路径;随着迭代次数的增加,拉格朗日乘子会逐步收敛到固定值;当车辆容量从50增加到100时,最优解从52下降到42,说明在任务数和车辆数一定时,适当增加车容量可以降低运营成本。可见,与商业求解器相比,拉格朗日松弛启发式算法的间隙值更小,求解质量更高,可以更有效地求解弧路径问题。      

基于多目标优化的物流服务组合研究

为了发展铁路货运组织改革提出的门到门的全程物流服务,达到更及时有效地响应货运客户日益多样化、个性化的物流需求的目的. 针对物流服务的特点,构建物流Web服务组合模型,采用Web服务组合技术将物流服务提供商提供的物流服务进行实时、动态的组合,并将组合问题转化为求解多目标优化问题,提出了改进的NSGA-Ⅱ （non-dominated sorting in genetic algorithm-Ⅱ）算法. 首先考虑了物流业务流程中物流服务的逻辑关系以及由于物流服务提供商联盟而产生的物流服务联合关系,设计了隐含逻辑关系和联合关系的染色体编码方式和遗传因子;其次,将实际铁路物流服务中客户的QoS （quality of service）属性需求作为组合服务的目标函数的惩罚函数,有效避免组合服务重计划问题,促使染色体向满足约束的方向进化;最后对算法进行实验仿真,结果表明算法解决物流服务组合问题的有效性与可行性,某次实际铁路物流服务选择的具体服务与组合服务的QoS属性都符合客户要求,组合服务从三个目标角度来看都是非劣的,而在物流任务与候选服务增加的情况下,算法运行时间满足实际需要. 并且较于NSGA-Ⅱ算法,考虑了物流服务提供商的联盟需求,得到满足客户物流服务需求的Pareto解在Pareto解集中所占比例达到100%,即得到了质量更优的物流服务组合方案.      

考虑行驶时间不确定性的合乘路径鲁棒优化方法

为应对实际合乘过程中时间不确定性带来的负面影响,本文研究不确定行驶时间下的合乘问题。采用预算不确定集合描述时间变量,引入不确定性水平可调节的预算系数,构建以车辆总里程最短和车辆数最少为目标的合乘路径鲁棒优化模型。并设计两阶段算法求解,第1阶段以两乘客间的可行合乘路径为基础,从车辆总里程节省率和乘客时间窗匹配灵活性两方面设计公式量化合乘匹配机会,以匹配机会为权重构建乘客图网络并聚类乘客需求;第2阶段设计以顺序插入启发式方法构造初始解的禁忌搜索算法求解。案例数据实验结果表明：本文聚类方法能保证优化质量并提高85%以上的计算效率,同时能缩减乘客等车时间和绕行距离;增大预算系数时解的鲁棒性逐渐提高,但会增加10%~40%的车辆数并降低1%~10%的里程节省率;大规模乘客案例和窄时间窗案例的合乘路径对不确定时间的敏感性更高,宽时间窗案例无需增加过多额外车辆和总里程就能达到较高水平的路径鲁棒性。     

多约束条件下城市道路环卫车优化配置与路径规划

为有效解决当前城市环卫车调度决策过度依赖人工主观经验造成的车辆配置不合理和作业效率低下问题,本文提出一种多约束条件下的城市道路环卫车优化配置与路径规划方法。通过综合考虑环卫车在现实作业中的作业时限、服务次数、行驶速度和车辆退出节点等多种约束条件,将物理道路网络拓展为时空网络,刻画车辆在路网上的时空运行轨迹,进而将环卫车优化配置与路径规划问题从数学上描述为带多类约束条件的弧路径问题(Arc Routing Problem, ARP)。 在此基础上,构建以车辆配置与出行总成本最小化为目标函数的环卫车优化配置与路径规划模型,并通过设计分支定价算法精确求解模型。将所提方法应用于苏州工业园区19个区域路网的环卫车辆配置与调度管理,从经济成本、作业效率和环保效益这3方面评估所提方法的可行性和有效性。结果表明：本文所提方法能够显著节约环卫运营成本,提升环卫车辆作业效率;同时,可有效降低环卫车辆碳排放量,形成良好的经济和社会效益,为智慧环卫提供了行之有效的新方案。     

带时间窗的地铁配送网络路径优化问题

为应对人们日益增加的货物需求与货车进城难题,提出整合地铁网和道路交通网,形成以地铁列车和城市配送车辆为载体的地铁配送网络.考虑列车开行时间表、客户服务时间窗、城市配送车辆容量等限制条件,构建带时间窗的地铁配送网络路径优化模型,综合优化地铁列车班次的客户分配、出站点的客户分配及末端配送路径.设计随机变邻域的迭代搜索算法(ILS-RVND)进行求解,以成都市地铁3号线运输货物为例,验证了模型和算法的实用性和有效性.结果表明,地铁配送网络配送成本低,准时性高,配送车辆行驶距离短,能满足比货车单独配送更精准的服务需求.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

半开放式的多配送中心纯电动车辆路径优化问题

电子商务促使越来越多的物流企业采用多配送中心模式优化车辆的配送路径,纯电动汽车逐渐替代了传统的燃油配送车辆,以改善生态环境. 结合多配送中心联合服务模式的特点和纯电动物流车辆的行驶特征,构建带时间窗的半开放式多配送中心纯电动车辆路径优化模型,设计蚁群算法对其求解. 算例对比分析结果表明：半开放式的多配送中心联合服务,能合理利用相关物流资源,改善车辆路径,降低物流费用,但需要寻找合适数量和位置的配送中心进行联合,才能达到节约成本的最佳效果;相比单配送中心,多配送中心联合服务提供了更多潜在的较低价格的充电点,在配送中心补充电量可在一定程度上节约物流成本.     

基于遗传算法的加油车和摆渡车协同调度研究

航班地面服务是机场运行的重要环节.航班在机场过站期间所接受的一系列 地面服务通过不同类型的保障车辆来执行.通过分析机场过站航班保障的业务流程,确定 了加油服务和上客服务的时间约束关系,并在此基础上,以至少需要的保障车辆数目和 服务总开始时间最早为目标,研究构建了远机位航班加油服务和上客服务的协同调度模 型,并给出了基于多目标遗传算法的模型求解.基于首都国际机场实际运行数据的实验结 果表明,所提出的模型能较好地解决加油车和摆渡车协同调度问题.实验得到一组Pareto 最优解为业务部门提供决策支持.     

基于地铁-货车联运的物流配送路径优化

为应对配送车辆引起道路拥堵和环境污染问题，提出地铁与货车联合运输. 在不改变地铁运行方案的前提下，利用地铁非高峰时段开展货物配送；考虑地铁剩余运能、货车容量、最大行驶距离、客户服务时间窗等限制条件，以配送距离最短为优化目标，构建基于地铁-货车联运的物流配送路径优化模型. 通过地铁配送路径设计不规则二维矩阵编码结构，使用改进自适应遗传算法求解. 以某市地铁货物运输为例，验证模型和算法的实用性、有效性. 结果表明，地铁-货车联合配送距离短，在客户时间窗范围内送达比例高，有效提高客户满意度.