基于成本最优的城乡公交站点布设模型研究

城乡公交站点的优化布设作为城乡公交一体化规划的重要内容,它决定了运营企业的运营成本和公交乘客的出行时间成本。在分析城市公交站点布设模型的基础上,提出了城乡公交经营者的费用成本和公交乘客的时间价值成本的概念,并以两者之和最小化为目标,建立起城乡公交站点的布设模型,并进行了优化。     

快速公交（BRT）线路布局优化研究

为探讨现有公共交通线网结构下BRT线路布设优化问题,对快速公交线路布设的内部条件和外部条件进行了分析;在此基础上依据快速公交的发展特点,以乘客总出行时耗最小和车公里成本投入最小为目标,建立了快速公交布局优化的模型,并且给出了优化目标和相应约束条件的函数表达式。通过事例分析对BRT线路布设优化算法进行说明,从而得知优化模型具有较高的应用价值。     

基于分布式出行信息的轨道交通出行特征辨识

为准确识别网络化运营环境下城市轨道交通乘客的出行特征,设计了可采集Wi-Fi信息的分布式交通行为识别系统,并建立出行特征识别算法.布设在各站点的检测设备可采集乘客所携带移动设备独一无二的M AC地址信息,并上传至信息中心.信息中心通过对比同一设备在各站点获取的时间戳和对应站点编号,可识别乘客的出行路径和行程时间,结合轨道交通车辆的走行时间信息可获取换乘站的换乘时间,并应用上述时间信息验证所识别出行路径信息的有效性.在西安市轨道交通系统的测试结果表明,同由客票信息获取的出行行为相比,该系统能采集所有网络形态下的乘客出行路径及行程时间,测试数据的平均采样率可达32.86%,误差为3.8%.该系统的分析结果可用于城市轨道交通系统的客票清分、站点设计等环节.      

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% .      

保时捷918 Spyder DME发动机电控系统结构与组成(四)

正(1)充电时间可实现的充电时间取决于以下几个因素:使用的充电设备各个电源连接的功率电源电压的波动可能设置的充电电流限制(仅限于保时捷交流通用充电器)环境温度高压锂离子蓄电池的温度乘客舱空调预启动功能是否开启高压锂离子蓄电池的剩余电量锂离子蓄电池的物理特性决定了充电过程是非线性的。随着剩余电量增加,蓄电池潜在的电流吸收会减小。这意味着蓄电池充电进度看上去比剩余电量增加的进度要慢。     

城市综合交通枢纽静态标识布设研究

城市综合交通枢纽通过多种出行方式的整合,缩减了乘客的换乘时间;但庞大的枢纽建筑,增加了乘客寻找＂目的地＂的难度。通过对静态标识相关的现行国家标准和地方标准分析,提出静态标识的布设目标,梳理布设流程,制定布设的总体原则和各类静态标识布设原则。研究的结果将为相关的标准研究和设计工作提供帮助和支持。     

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%。      

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...     

城市外围非高峰时段多线路柔性公交协调调度研究

利用柔性公交灵活度高和成本低的优点,考虑公交线路交互对乘客出行选择的影响,提出了城市外围非高峰时段多线路柔性公交的协调调度。首先阐述了柔性公交的运营模式和适用条件以及柔性公交与定制公交的区别。其次分析了城市外围非高峰时段多线路柔性公交的协调调度问题,并给出了柔性公交协调调度的具体流程。接着以乘客的候车时间、乘客减少的步行时间、乘客增加的乘车时间、公交车的运营成本为指标,考虑常规乘客的候车时间约束和公交车响应预约请求时的综合效益约束,建立了多线路柔性公交协调调度的双层规划模型,其中上层模型以乘客的出行时间最少为目标,下层模型以公交的运营成本最低为目标。然后设计了遗传算法,对公交车响应预约站点时的车上乘客数量进行编码来求解该模型。最后以重庆市180路和396路公交为例设置了预约站点,并在4种预约比例下对多线路柔性公交的协调调度和单线调度进行了对比分析。结果表明:有多条柔性公交线路可响应预约站点时,进行协调调度可减少实时预约乘客的候车时间;有共同目的站点的乘客数量越多,进行多线路柔性公交协调调度时乘客整体减少的出行时间越多;预约站点所有乘客有共同目的站点时,进行多线路柔性公交协调调度能降低公交的运营成本。     

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%。     

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。     

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。     

基于乘客主观感知的公交客流拥塞量化表征模型

为了综合量化表征公交走廊客流承载设施及工具的空间拥挤性和客流运送时间效率,并科学评价客观技术指标和主观乘客感知对公交系统运行状态的敏感度,提出客流拥塞的概念,并用客流拥塞指数量化表征公交系统运行状态。通过解析客流拥塞与出行时效的关联,并分析公交出行阶段特征,基于“时效延长”思想构建客流拥塞量化表征模型,用于系统量化乘客对出行时间和空间拥挤的主观感知;选取影响出行时效的核心要素作为特征变量（车厢客流密度、站台乘客密度、区间乘车时间和站点候车时间）,采用直观类比打分SP调查法获取数据用于估计模型参数;基于北京西三环公交走廊实测数据,分析全天区间客流拥塞指数时空分布特征和走廊客流拥塞指数动态演化趋势。研究结果表明：北京西三环公交走廊客流拥塞高峰阈值为0.193 9,客流拥塞状态存在明显的方向特征,下行方向客流拥塞高峰状态更显著且持续时间更长;4个特征变量灵敏度系数均值分别为0.449 2,0.165 2,1.427 1和0.408 3,即区间乘车时间为客流拥塞指数最显著的影响因子,而站台乘客密度的影响程度最小,模型识别公交客流拥塞成因的能力得以体现;该模型能够综合全面地反映公交走廊客流拥塞时空分布和动态演化趋势,并能够应用于公交运行状态改善措施研究。     

基于优化模型的城市公交停靠站址的选择

通过分析影响公交停靠站站址选择的主要因素,综合考虑行人过街延误,和公交站点离交叉口距离限制,将公交站址依据路况进行分类研究,针对各类型建立了基于乘客平均出行时间最小的多条公交线路的停靠站位置的优化选择模型,并提出了该模型的求解算法。     

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。     

多线路公交停靠站停靠组织研究

针对多线路公交停靠站公交车辆进出站排队现象严重,站点延误大,运行效率低等问题,分析了不同停靠组织形式和不同主辅站设置类型对公交运营效率的影响。运用Vissim对3泊位直线式和港湾式公交停靠站点的顺序停靠组织和不同组合的划线停靠组织分别进行仿真研究,从公交延误、车辆总延误、行程时间以及通过车辆数4个方面对不同停靠组织形式在不同条件下的交通运行效果进行评价,得到不同形式公交停靠站的最佳停靠组织形式;在此基础上,对不同组合型式的6泊位主辅站停靠组织进行仿真评价,得到了最优的主辅站设置类型。仿真结果表明:对3泊位公交停靠站采用直线式停靠站,总延误平均降低38.4%,采用港湾式公交停靠站,总延误平均降低40.6%;对6泊位主辅站采用双港串联设置,总延误降低22.8%。      

基于多源公交数据和车时成本优化的公交运营时段划分方法

现有公交运营时段划分方法均基于单一参数（乘客需求或行程时间）的相似性，忽略了乘客需求与行程时间对时段划分方案的协同作用。针对传统方法的缺陷，利用多源公交数据，提出一种新的基于最小化车队运营时间成本的时段划分方法。首先，利用逆差函数模型计算时间窗内完成班次任务所需要的最小车队规模，进而利用滑动时间窗模型，计算全天各时间窗所需的理论最小车队规模。然后，以时段划分方案的时间分割点为决策变量，以最小化全天累计车队运营时间成本为目标建立优化模型，采用遗传算法对运营时段划分方案进行寻优。最后，以广州市87路公交线路实际数据为例进行验证，并对模型参数进行敏感性分析。研究结果表明：与传统方法相比，所提方法能更好地实现运力与运量相匹配，并有效降低车时成本；与以往基于断面客流和基于行程时间的划分方案相比，所提方案的车时成本分别降低25 veh·h和45.33 veh·h。     

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.