考虑时间窗的通勤定制公交线路优化

针对常规定制公交线路规划方法不能满足乘客高峰通勤需求等问题,在考虑乘客期望时间窗和最大容忍时间窗的基础上,引入柔性时间窗的概念,基于通勤者居住地与工作地时空分布差异性特点分别设置上下车站点罚函数,以车辆固定成本、车辆运行成本、车辆延误惩罚成本和未提供乘车服务惩罚成本之和最小为优化目标,以时间窗、运行距离和最大站点数量等为约束,建立考虑柔性时间窗的通勤定制公交线路优化模型。在兰州市通勤乘客数据基础上,选取两组大小不同规模的算例集,使用Gurobi和传统TS算法求解小规模算例与基于目标控制原则的动态禁忌长度TS算法求解大规模算例验证模型有效性。结果表明,在小规模算例中Gurobi求解可得到较优的目标值,但随着数据规模的增加其求解效率逐渐劣于TS算法,设置柔性时间窗车辆提供乘车服务的人数比硬时间窗背景下增加了276人,且有效规避了软时间窗背景下车辆到达末站点的时刻波动。本文所提方法在均衡乘客和运营方利益的同时,可通过调节柔性系数产生多元化的运行方案,能够为通勤定制公交运营及管理提供决策支持。     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

换乘行为影响下的城市公交配流算法

针对中国大城市的工作生活模式与公交网络的特性,以成都市居民公交出行为研究对象,提出了符合乘客路径选择行为的广义公交路径.考虑了公交出行的路段阻抗和站点阻抗,建立了公交路径阻抗函数,提出了有效路径的确定方法.基于改进的Logit模型,建立了一种换乘行为影响下的路径选择模型.以成都市部分公交网络为例,应用提出的配流算法进行实例验证.分析结果表明:当选定的4条公交线路高峰时段的最小发车间隔分别为4、4、3、3 min,非高峰时段的最大发车间隔均为10 min时,对应的最小换乘步行时间和最大换乘步行时间分别为0、6 min;当最大路径阻抗和最小路径阻抗分别为71.5、51.5 min时,对应的乘车时间分别为60、48 min,路径选择比例分别为5.53％、41.98％;当最大路径阻抗和最小路径阻抗分别为52.5、48.5 min时,对应的乘车时间分别为42、39 min,路径选择比例分别为13.40％、62.07％;考虑换乘行为时,配流结果与实际值的最大相对误差、最小相对误差和平均相对误差分别为16.46％、11.09％、14.42％,不考虑换乘行为时,最大相对误差、最小相对误差和平均相对误差分别为34.37％、11.38％、23.15％.考虑换乘行为的配流结果更贴近实际情况.     

艾里逊变速箱为澳大利亚学生提供更安全的乘坐体验

自2012年6月以来,新组建的大宇(Daewoo)校车车队一直为南澳洲政府教育及儿童发展部(DECD)提供服务,其提供的车辆均装配自动变速箱.现在DECD指定新添购的校车都装配自动变速箱,以保证更安全地接送学生. 大宇客车澳大利亚分公司常务董事lan Campbell称,驾驶自动挡校车,司机能够将注意力集中于路况和学生,驾驶车辆更安全.同时,自动变速箱可以延长车辆的使用寿命,提高车辆整体效率、减少运营成本. "南澳洲为校车标准配置自动变速箱,大大改变了装配手动变速箱车辆的情况,不仅提高了安全性,也改善了乘客乘车舒适性."lan Campbell说.     

动态信息下的机场定制巴士路径优化

为解决因航班延误而造成旅客候机时间较长问题,考虑现实路网中阻抗不确定性和机场接驳定制化及差异化出行需求,以运营收益最大、车辆出行成本最小和车辆提前到达的时间窗惩罚成本最小为目标函数,建立了动态信息下机场定制巴士路径优化模型,并采用差分进化算法对其进行求解.为避免算法早熟,提出了改进的自适应操作方法,增强算法的全局寻优能力.通过算例计算表明:考虑航班延误和路网实时订单的动态路径优化模型,可以减少旅客26.61％～46.68％的候机时间,该模型具有较强的可靠性和应用价值.     

应急救援中多目标车辆路径问题研究

针对突发事件下应急物流的特点,综合考虑救援时间最短、救援成本最低的应急物资车辆路径调度方法。相对于传统的车辆路径模型,模型中引入道路通畅率这一重要因素作为约束条件,建立适合于解决实际问题的模型与算法。实例结果表明:相对于传统的应急车辆路径求解方法,该模型与算法可有效地缩短救援时间,减少救援成本。     

带模糊预约时间的动态VRP的插入启发式算法

为有效解决动态环境下考虑顾客偏好的车辆路径优化问题,在对反映顾客偏好的模糊预约时间以及具有模糊预约时间的动态车辆路径问题进行简单描述的基础上,给出了该问题的求解思路,即当新顾客出现时,在保证车辆运载能力和服务时间的可行性的前提下,由最佳车辆在最合适的时间为该新顾客服务.基于此思路,设计了由前后双向可推的推-碰过程确定最佳服务时间的插入启发式算法.在该算法中,通过对顾客的服务时间的前推或后推,确定能使所有顾客的综合满意度达到最大的服务时间调整方案.同时,通过综合考虑顾客满意度、车辆行驶距离和车辆等待时间等因素,使由于新顾客的加入而引起的综合成本增加值得以优化.最后,给出了一个算例,以说明该插入启发式算法求解考虑顾客偏好的动态车辆路径问题的有效性.     

快慢车模式下早高峰时空乘车路径选择研究

研究早高峰通勤乘客的时空出行规律有助于更好地组织快慢车运营模式。本文从一种常见的快慢车运营模式出发,首先,根据乘客的起点车次和直达/换乘方案联合选择构建乘车路径;其次,以出行时间、早到/迟到延误和车内拥挤度作为早高峰通勤乘客出行选择的影响因素,对不同乘车路径下的出行成本进行构建;再次,以用户均衡理论建立乘车路径分配模型,并证明了该模型用户均衡路段解的存在性及唯一性;最后通过案例,对均衡模型进行验证。研究结果发现：短途乘客更愿意接受高拥挤但终点到达时刻接近工作开始时刻的车次,而长途乘客的车次选择分布较为均匀;除出行时间因素以外,延误惩罚和乘车拥挤同样影响早高峰通勤乘客的换乘行为,虽然换乘快车有可能降低出行时间,但高延误惩罚和拥挤成本会导致部分站点的乘客不选择换乘路径。     

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。     

共线运营条件下双源无轨电车多车型协调优化

为应对双源无轨电车系统节点拥堵问题,提出了一种多车型时刻表优化方法。首先,将站点同时出现的最大车辆数定义为该站点所需泊位数,以保证站点泊位数量充足,从而减小因车辆排队占据车道发生拥堵的概率。在此基础上,综合考虑双源无轨电车运行特性和客流时空分布不均衡性,建立双目标混合整数优化模型,以最小化企业运营成本和共同站点所需泊位数为目标,通过车型配置和发车间隔调整,确定双向最优多车型时刻表,并设计定制化多目标粒子群算法求解。最后,以北京市4条双源无轨电车线路为例进行了实验验证。结果表明,相比单一车型模式下的均匀发车时刻表,优化后的多车型时刻表有效均衡了3种常用双源无轨电车车型的最大载客率,避免了车辆在操作装置相遇,使企业运营成本最高降低了约26.9%,共同站点所需泊位数最多减少了约25.5%,表明所提方法能有效降低企业成本和所需泊位数,减少站点车辆最大排队长度,缓解双源无轨电车系统节点拥堵。     

�ɱ���ʻʱ��Ķ�̬����·�������

针对城市建设发展中道路交通阻塞问题，研究了两种类型的车辆路径与调度问题，给出了相应的求解框架，并构建了一个具有可变行驶时间的动态车辆路径与调度模型，涉及了车辆的固定费用、运营成本和早到或者延期的惩罚费用等多种费用。该问题是一个NP-hard问题，采用遗传算法确定最优解，并给出了车辆路径与调度方案的表示方式。最后设计了一个交通网络，通过动态交通仿真更新行驶时间，研究了多个不同时间段道路阻塞情况下算法的性能。结果显示比不考虑实时行驶时间信息的模型，该模型能够得到更低的总成本。     

轨道交通车站行人路径选择研究

为了解轨道交通车站内的客流分布特征,对车站内行人路径选择的影响机理进行分析,可知路径选择是步行网络特性、线路特性等外部因素以及出行者内部因素相互作用直至均衡的过程。依据效用最大化理论,以步行距离、步行时间、垂直步行设施类型和路径重复系数为路径选择的主要影响因素,建立了行人路径选择的多项Logit模型。选取上海市轨道交通3号线赤峰路站为调查对象,收集车站静态信息以及行人步行路径、步行时间等动态信息,利用SPSS软件对模型进行标定,量化分析了各影响因素对行人路径选择作用的大小。经过模型检验,模型预测的总体正确率为78%。     

共享单车影响下接驳公交线路设计与车辆配置方法

针对轨道交通的“第一/最后一公里”问题,接驳公交和共享单车是通勤用户最常选择的两种公共交通方式。为理解共享单车对接驳公交出行需求和线路设计等规划运营方面的影响,提出供需交互状态下的接驳公交线路设计与车辆配置模型。需求端考虑出行时间和出行费用,基于用户在共享单车和接驳公交之间的模式选择行为,动态计算接驳公交实际出行需求;供应端考虑车辆容量、数量和流平衡约束,以最小化公交运营成本和用户出行成本之和为目标,建立混合整数非线性规划模型,优化接驳公交线路设计及车辆配置。模型采用拉格朗日松弛算法进行求解。该方法应用于北京市回龙观地铁站周边出行小区接驳公交线路设计,公交及单车出行需求采用真实的IC卡数据,以及摩拜单车骑行数据,站点间行驶时长采用高德驾车路径规划API(Application Programming Interface)数据。实验结果表明,车辆总数为10,线路数量为2时,考虑共享单车影响的接驳公交规划模型相较于只考虑单一模式可以有效避免规划需求误差。此时,各站点到地铁站的平均运行时间是15.58 min,乘客平均等待时间是3.35 min;在线路数量为4时,各站点到地铁站的平均运行时间...     

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。     

时间依赖型绿色车辆路径问题研究

城市配送系统中考虑交通拥堵和环境污染车辆路径问题的时间依赖性体现在：不同道路 拥堵程度下车辆运行速度不同,则不同出发时间对应的运输总时间也不同,导致运输成本和造成 的环境污染也有较大差异。因此,本文提出一个时间依赖型绿色车辆路径模型,通过优化运输路 径和出发时间降低运输成本、减少环境污染。模型的目标函数最小化包括油耗成本在内的运输 总成本,其中,车辆油耗的度量基于综合模式排放模型,其创新之处在于,定义了允许车辆在节点 处等待的情形,使车辆选择合适的时间出发以规避拥堵,即通过优化车辆路径以及路径上各节点 处的出发时间寻求成本最优的运输方案。本文提出嵌套遗传算法求解模型,外层遗传算法优化 路径,内层遗传算法优化路径上各节点处的车辆出发时间。并通过响应面分析法(RSM)调试算法 关键参数,得到适用于模型的最佳参数搭配,算法性能测试结果表明了本文算法的高效性。本文 基于污染-路径问题实验数据库进行数值实验,结果证明,允许车辆在客户处等待并选择合适时 间出发,可以在一定程度上降低燃油消耗和总成本。此外,目标函数中引入油耗要素,可以有效 降低决策方案的燃油消耗,减少环境污染。     

带时间窗的多车型车辆路径问题研究

在以往的车辆路径问题研究中,配送中心的货车为同一车型(车辆的最大载重量和最大行驶距离相近),考虑到不同车型的货车配送费用不同,配送中心可根据需求点的需求量和距离来选择较小费用的车辆,以减小配送成本,因此求解一个时间窗的多车型车辆路径问题更具实际意义。基于此问题进行研究,建立相应的数学模型,运用改进的蚁群算法对建立的模型进行求解。最后,通过对不同车型求解结果的对比,证明建模及求解算法的有效性和选用多车型车辆配送的科学性。     

基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

危险废物回收物流的选址-路径多目标模型

本文构建了一个危险废物回收物流系统选址-路径问题的多目标改进模型.该模型特别考虑了废物类型与运输车辆的多样性,废物与运输车辆的相容性,并采用暴露人口吨数表示风险,以最小化最大风险区域代表风险公平性优化目标.同时,该模型主要确定了回收中心的位置,回收中心配备的运输车辆类型,以及各类危险废物的车辆运输路径.针对所建立的多目...     

考虑均衡满载率的多车型定制公交调度模型

为提高定制公交运营方的经济效益,减少乘客出行成本,研究多车型定制公交调度问题。通过设计考虑均衡满载率的发车机制与相应的发车时刻递推公式,可有效保障运营方的单车收益,并减少乘客的等待时间。在此基础上,结合乘客需求时间分布和多车型组合配置,建立以运营方收益最大和乘客等待时间最小为目标的多目标规划模型,设计求解车辆组合配置和发车时刻的遗传算法。结果表明,考虑均衡满载率的多车型定制公交调度能够有效地利用车辆资源、减少乘客等待时间、提高乘车舒适度以及保障运营方的单车收益。