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.     

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.     

济南定制公交"爱巴士" 全力为市民提供精准服务

正自8月份济南公交联合滴滴出行推出济南定制公交"爱巴士"以来,截至2018年12月20日,"爱巴士"定制公交线路达到166条,共计运送乘客23.6万余人次,优质的出行体验让越来越多的乘客放下私家车选择公共交通绿色出行。定制公交"爱巴士"秉承"让市民自己设计线路,自己打造喜欢乘坐的公交车"理念,由市民在滴滴出行平台自行提出出行需求,自行设计线路,自行规划出行时间,济南公交及时收集信息,运用大数据分析,快速反应,待乘客群体达到20人后,便迅速开通线路,为乘     

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.     

考虑多路径选择的定制电动公交线路优化

为提高定制电动公交系统运营效率,本文探讨了考虑多路径选择的定制电动公交线路优化问题。首先,构建描述该问题的混合整数规划模型,以实现线路与路径的双重决策优化。模型以运营总收益最大化为目标,在约束中考虑定制电动公交特性,如车容量,乘客出行时间窗,续航里程,访问站点数等。其次,为求解模型,设计新的自适应大邻域搜索算法,提出相应的初始解生成规则和邻域搜索算子,并通过算例验证算法的有效性。最后,基于实际路网及乘客出行时空需求进行实证分析,验证多路径选择可进一步优化定制电动公交线路。结果表明,本文方法可根据优化目标为运营者提供多种线路运行方案,为定制电动公交线路规划提供依据。     

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。     

定制公交线路优化综述

为全面回顾定制公交线路优化问题的研究进展,从优化目标、问题场景和求解算法3个方面对相关文献进行了归类分析。研究结果表明:定制公交线路的单目标优化研究主要集中在行驶时间、运营里程、运营成本、运营收益以及多种成本线性加权形成的系统总成本等方面,而多目标优化研究主要通过同时考虑运营成本、出行成本和服务质量中的2种或3种来实现;根据出发和到达站点的数量,定制公交线路优化的问题场景可分为“一对一”、“多对一”和“多对多”3种,针对停靠站点之间时间阻抗场景的研究主要集中在“静态时间阻抗”,对“动态时间阻抗”的研究较少;出行需求场景的研究也主要集中在“静态出行需求”,对于“动态出行需求场景”,一般通过两阶段优化策略进行求解;由于定制公交的线路优化问题属于一种特殊的车辆路径优化问题,精确求解算法适用于少量出行需求的分析案例,针对大规模出行需求的实际问题,一般采用启发式智能算法进行求解。未来的研究中,定制公交的线路优化需要考虑停车场设置和停靠点选择的影响,针对不同类型出行者设置特定的时间窗属性;此外,大数据背景下如何兼顾实时出行需求和运营成本约束,提供差异化的定制公交线路也将是具有挑战的研究方向。      

考虑个性化出行需求的多模式公交路径规划

在多模式公交出行中,传统的路径规划方案已无法满足出行者日益增长的出行需求. 为提供基于出行者多种出行需求的个性化路径规划方案,通过IC卡刷卡数据模拟公交时刻表,建立基于模拟时刻表的多模式公交路网模型;采用动态阈值化法建立个性化出行需求评价值模型;设计深度优先搜索-遗传算法（depth first search-genetic algorithm,GA-DFS）,并基于此组合算法提出初始种群产生策略和两点变异方法;最后,假设了3种不同出行需求的出行场景,将某市区的多模式公交路网数据应用于模型和求解算法中,并与使用较广的模拟退火-遗传算法（simulated annealing-genetic algorithm,GA-SA）进行对比分析. 仿真结果表明:所提出的算法与模拟退火-遗传算法相比,平均迭代次数减少了42%,寻优能力提高了50%,并且可以提供基于乘客多种出行需求的路径规划方案.      

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...     

基于Q-learning 的定制公交跨区域路径规划研究

考虑城市大客流通勤者跨区域出行需求,结合城市公交线网中乘客出行密集、客流走向规律等特点,提出一种跨区域定制公交的搭乘方案. 通过改进的Q-learning 模型对公交线路进行优化,为城市通勤者提供更加便捷和高效的出行服务. 通过综合路段拥堵状态、乘客需求及居民小区位置,设定了Q-learning 强化学习的奖惩函数,提升定制公交区域路径的直线系数、满载率、通行时间. 结果表明,所提出的改进方法能够降低通勤者跨区域通行的旅行时间,有效提高髙峰时段定制公交线网的通行效率.