基于聚类分析的公交线路资源配置时段划分方法——以烟台市为例

为节约公交运营成本、提升其服务质量和效率,需合理配置公交线路资源.鉴于此,基于烟台市公交刷卡数据和移动支付数据,通过数据匹配、合并及扩样等方法进行数据处理,获取完整的公交线路客流信息,分析一天内及周内各天公交客运量的变化特征.在此基础上,以半小时线路客运量为基础,基于有序聚类法进行公交线路资源配置时段划分,并提出对应时段的公交运营调度方法;最后利用贝塔系数法确定配置时段最优分段数.研究发现,烟台市工作日、周末和节假日常规公交线路资源配置可分别划分为5个、4个和3个时间段,聚类结果F检验显著性水平大于0.05且满足客流变化特征,说明有序聚类法能对公交线路资源配置时段进行有效划分.     

广州地铁车站自动排班系统

为了提高地铁车站排班效率和排班质量,广州地铁公司研发了车务信息管理平台(TNS),实现地铁车站通过计算机自动排班。文章介绍广州地铁车站自动排班系统架构、自动排班原则和系统实现形式。     

铁路客运乘务派班系统的设计与实现

在对西安铁路局客运段乘务派班业务调研的基础上,针对突出问题和现实需求,设计并开发了铁路客运乘务派班系统。该系统实现了多种乘务交路的排班规则,并根据规则自动生成日和月度乘务交路计划,此外,系统还具有派班、考勤、报表统计等功能。     

基于约束编程的飞机排班问题研究

飞机排班是航空运输生产计划的重要环节,对航空公司的正常运营和整体效益有着决定性影响.飞机排班通常构建为大规模整数规划问题,是航空运筹学研究的重要课题,构建的模型属于严重退化的NP Hard问题.本文把飞机排班问题构建为多商品网络流模型,并应用列生成算法求解;在列生成子问题中,引入约束编程系统实现快速求解航班连线（航班串）并计算各航班串简约成本,动态选择列集并与限制主问题进行迭代.最后,利用国内某航空公司干线航班网络实际数据验证模型和算法的有效性,并与航空公司实际排班进行比较研究.     

考虑时间均衡度的城市轨道交通乘务排班计划优化方法

乘务排班计划是城市轨道交通乘务组织的核心内容和运营管理工作的重要组成部分,其生成质量对城市轨道交通的运营效率有显著影响.本文将时间均衡度作为给定周期条件下评价乘务员值乘时间与休息时间合理程度的指标,构建了基于该均衡度的乘务排班计划优化模型.为同时考虑乘务区段的最优组合与早晚班的匹配问题,本文的求解过程由改进遗传算法和双相匹配算法两个部分构成.最后将所建模型应用于北京市某轨道交通线路的案例研究中,对优化结果与既有乘务计划进行比较分析,验证模型的有效性.对比发现,该模型的结果在较大程度上提高了乘务排班计划的时间均衡度.     

融合客流大数据和成本最优化的公交动态排班方法

为提高公交排班效率和准确性,提出一种基于客流OD数据的动态排班模型。首先,模型将影响公交车辆排班的因素划分为静态因素、可变因素和动态因素,给出每日客流变化情况下动态影响因素计算方法;其次,以满足乘客需求减少公交企业运营成本为目标,探索多目标最优排班方案求解方法,实现公交运营效益最大化;最后,以广州560路公交线路为例进行模型仿真验证。仿真结果表明:模型求解结果可以在不降低乘客服务质量的同时有效减少车辆使用量,提升车辆满载率,工作日减少车辆13.3%,非工作日减少车辆26.6%。在满足社会效益的情况下节约企业运营成本。     

基于地铁乘务资源共享的排班计划优化方法

针对不同线路间列车不跨线情况下的乘务基地和乘务员共享问题开展研究,分析乘务资源共享，在传统排班模型基础上考虑乘务员跨线值乘，班次出退勤地点比例及其鲁棒性优化，建立乘务排班计划集合覆盖模型。针对乘务资源共享后多线协同优化引起的问题规模显著增大，以连续值乘区段为最小值乘任务单元构建网络图，引入分层结构，多级的汇点和源点，以及跨线就餐和间休弧等以满足班次的可行性约束。构建对应不同出退勤地点属性的网络图集合，将定价子问题转化为网络图集合的最短路问题以进行列生成法求解。案例结果表明：相比于分线单独优化，乘务资源共享可为乘务员提供更多的出退勤地点选择，显著降低其通勤时间；此外乘务资源共享可少量节省乘务班次数，提高排班计划效率。     

基于列生成的城市轨道交通乘务排班计划优化

乘务排班计划是城市轨道交通运输计划的重要组成部分，高效的排班计划可以有效降低城市轨道交通运营成本。本文基于列生成算法，构建以班次数最小为目标的乘务排班模型。列生成算法的限制主问题采用集合覆盖模型，通过建立网络图模型，将定价子问题转化为带资源约束的最短路问题。提出了考虑复杂约束的改进的邻接矩阵构建方法，采用Floyed算法求得最短路径集合。在求解具有最小检验数的新班次时，提出了基于工作效率和工作时长综合惩罚的优化规则，以提高新班次集合的质量。最后求解0-1整数规划问题，即从可行班次集合中找到满足乘务片段全覆盖约束的最优子集，构成最终的排班方案。案例结果表明本文模型能够显著地减少乘务班次数，同时各项指标均有所改善。