以安全为导向的地铁过饱和线路跳站停车策略优化模型

为缓解高峰时段地铁过饱和线路的客流极端拥挤情况，从安全角度出发，以降低线路客流聚集风险和乘客总等待时间为目的，研究了地铁跳站停车策略优化问题。考虑随时间变化的动态客流需求，通过构建列车跳停、追踪运行、乘客动态加载等约束，推算出跳站停车策略下各车站乘客的动态聚集人数，并设计了独特的客流聚集风险评估函数。在传统只考虑乘客等待时间的列车跳停策略优化模型的基础上，将客流聚集风险纳入到模型的目标函数中，构建了以安全为导向的地铁跳站停车策略优化模型。考虑到模型的非线性特性，设计了适用于问题的可变邻域搜索算法(VNS)，提出了3类邻域新解的产生方式，并设置违反约束的惩罚函数，以提高求解效率。以北京地铁八通线为例，对其早高峰和部分平峰时段(07:00—10:40)下行方向42趟开行列车的停站策略进行了优化实验。结果表明:所提出的模型可在5 min内求解出高质量的列车跳停方案，能有效缓解极端拥堵，提升客运服务质量。对比发现，相对于传统站站停策略，列车跳停策略下，车站最大等待人数由5 299人减少到2 495人，客流聚集风险降低了98.7%。在客运服务水平方面，乘客的平均等待时间由9.49 min降低到9.15 min，降低了3.6%。      

多换乘点响应型接驳公交运行线路的协调优化

为尽量降低响应型接驳公交系统的运行费用，提出多换乘点间运行线路协调设计的构想。针对同时包含预约需求和实时需求的混合需求，构建多换乘点响应型接驳公交系统运行线路的2阶段协调优化方法，并设计优化流程。第1阶段仅考虑预约需求，首先将预约乘客按有/无特定换乘点要求进行分类，在此基础上构建预约需求下多换乘点多车辆运行线路的协调优化模型。在协调优化模型中，优化目标是由乘客时间费用、车辆运行费用、以及惩罚费用所构成的系统总成本最小；乘客时间费用包括乘客候车时间的惩罚费用、车内乘客在需求点的等待时间费用以及乘客车上时间的惩罚费用3个部分；车辆运行费用包括车辆启动费用、路段行驶费用、需求点的停靠费用、车辆早到引起的等待费用4个部分；考虑的约束条件包括乘客候车和车上的软时间窗、乘客换乘点要求、车辆容量、车辆出行时长等。第2阶段根据规则判断是否响应实时需求，并根据响应情况重新优化后续各班次的运行线路。针对第1阶段模型，基于模拟退火算法设计求解算法。研究表明：在预约需求或混合需求条件下，与各换乘点运行线路独自优化相比，协调优化方法均能显著降低运送全部响应乘客所需的平均运行距离和平均总成本；仅有预约需求时分别降低5.4%、19.8%，新增实时需求后分别减少1.4%、21.7%；与固定发车间隔相比，分时段调整发车间隔，也能有效降低运送全部响应乘客所需的平均运行距离和平均总成本，仅有预约需求时分别降低18.2%、17.2%，新增实时需求后分别减少19.97%、25.06%，说明多换乘点间车辆路径的协调运行是提升响应型接驳公交运行效率的有效途径。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.      

考虑乘客出行习惯的公交线网优化方法

为了解决既有研究缺乏定量分析乘客出行习惯,导致优化线网实施后实际运营效果不理想的现实问题,提出乘客出行习惯成本的概念,并从换乘习惯成本和出行时间习惯成本2个方面进行计算:引入换乘惩罚因子,将换乘导致的不便转化为出行时耗计算换乘习惯成本;定义出行惯性阈值,表征乘客对车内时间的敏感程度计算出行时间习惯成本.建立以考虑出行习惯的乘客出行成本和运营成本最小为目标,以首末站布局、发车频率为约束的线网优化模型,设计改进的多种群遗传算法的模型求解方法.以莱州市公交线网为例进行验证,结果表明,优化方案较优化前总成本下降了1 .8% ,乘客出行成本下降了15 .4% ,直达乘客比例提高了19 .6% ;与未考虑乘客出行习惯的传统模型相比,使用改进模型优化后乘客出行习惯成本下降了43 .4% .      

多网融合条件下市域列车开行方案编制方法

为解决铁路系统中市域铁路与其他制式轨道交通之间列车的到发时序及运能的匹配性问题,研究了多网融合条件下的市域列车开行方案编制方法。考虑枢纽站的跨制式换乘客流需求,根据客流的时间分布特征及不同乘客的时间价值对客流精细划分,以最小化列车总运营成本、旅客广义总出行成本、跨制式换乘客流对研究线路的短时冲击性为目标;考虑列车满载率、各时段区间通过能力、各类时间间隔、列车到发时刻、不同时段各类旅客的换乘协调性等约束,构建了分时段精细化编制列车开行方案的多目标非线性整数规划模型。采用线性加权法将多目标转化为单目标,引入模糊精英保留策略并对逃逸能量更新策略进行非线性化处理,以改进基本哈里斯鹰算法,降低算法陷入局部最优解的可能,提高模型的求解质量。以台州市域铁路S1线及其衔接高速铁路的相关数据为例进行实验,结果表明：与算法初始解相比,模型的总目标函数值降低36.7%;与基本哈里斯鹰算法相比,列车运营成本、旅客总广义出行成本、模型总目标函数值分别降低8.09%,7.04%,7.56%。验证了所设计的算法适合模型的特点,且具有较高的求解质量;所建模型可在不同时段兼顾列车运能与乘客换乘效率,有助于提升多网融合条...     

可变线路公交车辆调度算法优化研究

为提高可变线路公交的调度效率,在建立以服务人数最多和乘客出行时间最小为目标的可变线路公交调度双层规划模型之后,以拒绝=重新插入为思路,分别从减少乘客平均出行时间(算法2)和降低系统拒绝率(算法3)2个方向出发,对简单插入算法(算法1)进行优化,提出2种调度优化算法以提高简单插入算法的精度.通过仿真试验对3种算法进行比较,研究结果表明,乘客出行需求为10人/h时,3种算法不会或偶尔出现拒绝乘客的现象,最大拒绝率分别为11%,3%和0%,平均乘客平均出行时间均在51 min左右;乘客出行需求为15人/h时,3种算法的平均拒绝率分别为6.70%,3.67%和3.28%,方差分别为14.90,12.64和11.91,平均乘客平均出行时间分别为73.49 min,77.50 min和78.73min.与算法1相比,算法2和算法3更能够提高调度效率和保证系统服务质量的稳定;与算法2相比,算法3能够在不明显提高乘客平均出行时间的基础上,进一步降低系统的拒绝率.      

考虑需求起讫点及需求等级的响应型社区公交行车调度优化

为提高社区公交对乘客出行需求空间和时间分布波动性的适应能力,减少乘客等待时间和步行到站时间,提出了一种新型响应型社区公交服务,对响应型社区公交的行车调度优化方法进行了研究。通过在社区内部设置高密度的上车、下车备选站点,并根据需求申请的时间将需求等级划分为3个等级。考虑需求起讫点及需求等级对响应型社区公交行车调度进行优化,满足了乘客对于起讫站点的个性化需求,避免了乘客产生二次等待。以空载率、乘客平均不满意度、以及运营里程最小化为评价目标,考虑各类需求、车辆载客容量、乘客被服务时间窗等约束条件,针对响应型社区公交建立了两阶段行车调度优化模型。第1阶段静态调度优化针对发车前已收到的出行预约需求求解优化模型,确定本班次车辆需要响应的预约需求和行车路线;第2阶段动态调度优化针对本班次发车后收到的动态预约需求,考虑动态预约需求申请时刻,在第1阶段静态调度优化结果的基础上求解第2阶段动态调度优化模型,确定本班次需要响应的动态预约需求并调整行车路线。以上海市温泰线社区公交为案例,验证了调度优化方法的效益,匹配了出行需求的起讫站点,根据需求等级对静态、动态需求进行了区别响应,案例优化效果达到了37.68%。     

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误，解决车辆串车问题，研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征，以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束，采用实时混合控制策略，实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法，考虑到乘客到达率的不确定性，并通过调控公交车辆站点驻站时间以及路段平均行驶速度，可满足站点时段性群体聚集公交客流出行需求，防范潜在的公交串车。在模型求解上，考虑到双目标优化视角的差异性，运用超车规则对串车场景下的出站车辆重新排序，设计基于NSGA-II的求解算法，以拥挤距离标定序度关系，以精英策略获取新种群，改进交叉算子，并基于TOPSIS法对获取的Pareto解集择优。最后，以实际公交线路为例进行案例分析，结果表明：基于站点群体聚集性客流的公交串车优化调度模型，系统考虑了乘客乘车属性与车辆载客限制，能够输出最优的车辆滞站与车速调整方案，并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...     

基于鲁棒优化的公交实时到站信息优化

公交实时到站信息是公交实时信息中的一项重要指标,不可靠的到站信息容易误导乘客。考虑突发客流等需求不确定条件,基于鲁棒优化的方法,提出了一种新的公交实时到站信息优化方法。不同于已往研究通过建立模型寻找更精确的到站时间预测方法,在已有的公交实时到站信息中,考虑客流情况的不确定性,以及乘客对公交实时信息的不同态度,同时考虑驾驶员在行驶过程中的恢复行为,建立数学模型,增加对公交实时到站时间预测的运行延误估计,给乘客提供一定的辅助信息来调整其出行计划及行为。通过案例验证了模型的有效性。结果表明:(1)对同一条公交线路而言,不同的等待时间成本系数导致结果发生明显的变化;(2)公交实时信息的普及可以节省乘客的出行时间成本;(3)对于服务水平较差的公交线路而言,模型应用产生的风险成本更大,模型在服务水平较好的公交线路上应用效果会更好。通过该公交实时到站信息优化方法,可以使现有的公交实时信息内容更为完善、精确,降低不准确的实时信息带给乘客的负面影响,从而帮助乘客更好的利用公交实时信息规划出行方案。     

基于多目标优化与遗传算法的公交调度模型

结合地区公交现状制定合理的公交调度机制,对于公共交通发展有着重要的现实意义和指导价值。本文以公交公司运营成本和乘客出行成本最小化为目标函数,考虑车辆核载、出行时间等约束条件建立多目标优化函数,构建城市公交调度模型。然后采用遗传算法进行求解,并以黄骅市6路公交进行模型检验。研究表明,优化后的公交调度机制能够有效降低公交公司的运营成本和乘客出行的时间成本。     

考虑时间窗的定制公交线路时空分层优化模型

研究定制公交线网布局及调度优化对增强公交系统吸引力, 提高乘客出行效率具有重要意义。针对定制公交乘客需求点在时间和空间上分布离散的特点, 构建了考虑时间窗的定制公交时空分层优化模型, 并设计遗传算法对模型进行求解。通过渔网与核密度分析对需求点在时间和空间上进行了热点识别, 并实现热点区域聚类分析以及合乘站点分类。基于合乘站点集合, 综合考虑公交容量、线路长度、乘客出行距离构建了线路空间优化模型, 以乘客的时间花费最小作为优化目标构建了线路时间优化模型。以济南市城区定制公交为例对模型的性能进行评估, 案例结果表明: 模型优化后的线路方案, 乘客平均服务覆盖率可达96%, 服务区域内每个时段的单个乘客的平均节省时间为15 min, 公交的平均满载率为90%。      

考虑异质性出行需求的主支线公交树网络优化设计

公交线网优化设计是指在一定的运行约束条件下,选择1组公交线路和相关频率以达到优化目标的设计过程,可以表示为一个优化问题。针对具有高异质性出行需求的主支线公交树网络,在考虑客流需求和运营约束的前提下,以用户和运营者的成本最小为目标,提出了1种多目标非线性混合整数优化模型。优化变量为候选线路服务频率。为求解这一模型,设计了1种基于改进的布谷鸟算法的高效元启发式方法。该方法包括初始候选路线集生成过程;基于MNL模型的公交分配过程;确定路线服务频率的改进布谷鸟算法过程。通过算例验证了该方法的有效性和适用性。数值分析结果表明,该算法通过对所有可能的候选路径的服务频率选择得到接近最优的公交线路网络。另一方面,通过保持高峰时的公交线路为有效备择线路,为具有异质性出行需求的网络的重新设计提供了更好的解决方案。此外,该系统在1次运行中产生了1组帕累托解,其允许公交线网设计师评估运营商成本和乘客成本并做出折中方案。通过比较3种算法的计算结果和CPU时间,证明了改进的布谷鸟算法的可靠性和有效性。另外还研究了最优公交网络设计与公交运行速度、总需求规模等关键设计输入参数之间的关系,分析结果表明,关键设计输入参数与最优公交网络具有一定的协同效应。模型与算法为实际的大规模主支线公交树网络的优化设计提供了1种有效的工具。     

基于步行到站者出行时间的独立BRT走廊站距优化模型

BRT站距影响乘客到达BRT 站点所花费的平均时间,这种影响对步行到站者的出行显得尤为明显。首先,对BRT走廊辐射区域进行了细致的解析,以到站时间受站距影响较大的步行到站者为研究对象,分析步行到站者的平均到站时间,得到了步行到站平均时间同站距的函数关系。在此基础上,以增加站点数量造成的平均步行到站时间减少同BRT车辆运行时间的增加两者之间的平衡为目标,建立了BRT走廊站距优化模型,给出了模型参数的标定方法。该模型对BRT 影响区进行细化,更加符合实际情况,能为BRT实际设站提供一定的参考。      

考虑出行时间窗的定制公交线路车辆调度方法

为提高定制公交系统的运行效率,研究了带乘客出行时间窗约束的多条定制公交线路车辆调度方法。给出了乘客出行站点合并方法,将公交车早到、晚到站点所造成的乘客损失转变为当量运营里程,以多辆公交车总运营里程最小为目标,考虑乘客的站点约束、公交车容量约束以及乘客的出行时间窗,建立了定制公交车辆调度优化模型。其次分析了乘客出行起点、终点对模型求解的影响,通过提出虚拟源站点,将多辆定制公交车的调度问题转换为多旅行商问题;基于后向推导原则设计贪心算法求得模型的可行解;之后基于遗传算法,采用自然数编码机制,将每个站点作为基因位,按照访问次序排列成染色体对应问题的解;最后给出了贪心算法和遗传算法的流程。在理论研究的基础上以定制公交线路为例对建模过程和模型的求解过程进行了阐述。研究结果表明：所建立的优化模型能够输出合理的多条定制公交线路车辆调度方案,不仅可以给出每辆定制公交的途经站点、运营里程,还可以给出每个站点的准点程度以及由于公交早到、晚到折算得到的当量运营里程;在求解算法质量方面,与可行解相比,相对最优解输出的方案能够使综合运营里程降低10.4%;模型求解时间为30.3 s,可以满足定制公交企业的实时性需求。     

Bus travel time modelling using GPS probe and smart card data: A probabilistic approach considering link travel time and station dwell time

Abstract

Path travel time estimation for buses is critical to public transit operation and passenger information system. State-of-the-art methods for estimating path travel time are usually focused on single vehicle with a limited number of road segments, thereby neglecting the interaction among multiple buses, boarding behavior, and traffic flow. This study models path travel time for buses considering link travel time and station dwell time. First, we fit link travel time to shifted lognormal distributions as in previous studies. Then, we propose a probabilistic model to capture interactions among buses in the bus bay as a first-in-first-out queue, with every bus sharing the same set of behaviors: queuing to enter the bus bay, loading/unloading passengers, and merging into traffic flow on the main road. Finally, path travel time distribution is estimated by statistically summarizing link travel time distributions and station dwell time distributions. The path travel time of a bus line in Hangzhou is analyzed to validate the effectiveness of the proposed model. Results show that the model-based estimated path travel time distribution resembles the observed distribution well. Based on the calculation of path travel time, link travel time reliability is identified as the main factor affecting path travel time reliability.