快速公交发车间隔优化研究

合理的发车间隔对于快速公交车辆发挥其高效、经济和环保的优势具有重要的意义.首先以乘客出行成本和快速公交运营成本最小化为目标,考虑发车时间约束、车辆台数约束,建立了快速公交发车间隔优化模型.然后采用二进制编码,运用单点交叉和基本位变异的遗传算法求解该优化模型.最后以兰州市首条快速公交线路为例进行了实证研究,得到了不同时段下快速公交的发车间隔.实例研究结果表明,该发车间隔优化模型及遗传算法可行,对实现快速公交科学调度具有一定的参考意义.     

冰雪条件下公交发车间隔优化研究

分析了冰雪对公交车辆运行影响的3个方面,建立了基于乘客等待费用最小化、公交线路效益最大化的发车间隔优化模型,研究冰雪条件下发车间隔的确定方法,为冰雪条件下公交线路的运营调度提供建议.结合实例分析了冰雪条件下公交线路调度方案的制定办法.     

公交调度发车间隔综合优化模型

发车间隔综合优化模型包含发车间隔优化模型与发车间隔平滑过渡模型。基于平均客流量的发车间隔优化目标为公交客运能力满足最大客流需求,基于最大断面客流量的发车间隔优化目标为保证乘客利益的同时使公交公司的成本达到最小,分别构建基于平均客流量和基于最大断面客流量的发车间隔优化模型;构建发车间隔平滑模型,求解平滑发车间隔,编制公共交通发车时刻表。模型利用整数规划进行求解,并通过实例对模型进行验证。结果表明,该模型能够有效提高公交运营效率,具有较好的实用性。     

基于时间客流不均衡性公交发车间隔优化方法

客流需求量在不同公交班车发生时间上会出现不同的载客率,波峰时段载客量较大,车内拥挤;而波谷时段载客量较小,车内空座率较高。以高峰时段上的客流规律为依据,采取缩短或延长发车间隔,来证明客流在时间、方向和断面上的不均衡性。对长春市265路公交车进行发车间隔优化应用得出优化原理,该原理对均衡公交车的载客率、优化公交资源的配置具有一定的实用性。     

基于公交客流分布特性的弹性发车间隔优化研究

基于客流分布的快速公交车弹性发车间隔优化,在以往文献和IC卡刷卡数据分析的基础上推算各个公交站点到站客流分布.同时考虑不同车型最大载客量对发车间隔的影响,以乘客在站等待时间最小和公交公司运营成本最小建立公交车发车间隔优化模型.并以大连市快速公交为研究对象,利用NSGA-Ⅱ算法对研究时段内的上下行两个方向的发车计划进行优化,并取解集中值与实际发车计划进行对比.最终得出优化后上行方向的发车计划可在运营成本几乎不变的情况下,减少乘客的在站等待时间;下行方向则在保持乘客等待时间有9.4%小幅上升的情况下,节约33%的运营成本.可见优化模型可以有效地安排线路上下行两种车型的联合发车计划,提高公交的运行效率.     

考虑服务水平的纯电动快速公交发车间隔优化研究

随着电动汽车被引入城市快速公交领域,由于其充换电等特殊的运营调度需求,在发车间隔计划等制定过程中传统方法不再适用.本文在综合考虑服务水平和车辆充电时间约束条件下,对纯电动快速公交(E-BRT)发车间隔优化进行了研究.根据分析服务水平指标项与车辆能耗的相关性,建立了面向能耗评估的服务水平评价体系;综合考虑服务水平和充电时间约束条件,以车辆运营能耗为目标函数,建立了发车间隔优化模型;基于金华市E-BRT1号线运营数据进行实例验证,结果表明,在满足相同服务水平情况下,本文提出的优化模型可以节约能耗6.21%.本文构建的纯电动快速公交发车间隔优化模型具有较强实用性,为企业在满足一定服务水平的基础上降低运营能耗提供了依据.     

基于遗传算法的公交发车间隔模型

根据公交调度优化问题的特点,考虑车辆满载率及最大、最小发车间隔的约束,以企业收益和乘客利益最大为目标建立的公交发车间隔模型,采用遗传算法进行求解。实际应用表明,利用该模型及其算法能够快速得到公交发车间隔的满意解。     

基于遗传算法的公交发车间隔模型

根据公交调度优化问题的特点.考虑车辆满载率及最大、最小发车间隔的约束,以企业收益和乘客利益最大为目标建立的公交发车间隔模型.采用遗传算法进行求解.实际应用表明,利用该模型及其算法能够快速得到公交发车间隔的满意解.     

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

基于缓解公交列车化现象的最小发车间隔研究

在分析公交列车化现象及其产生原因的基础上,从考虑约束发车间隔下限出发,以缓解公交列车化现象为约束条件,以公交企业运营成本最小和乘客利益最大为目标函数,探讨了公交车最小发车间隔的确定方法。用成都市81路公交车调查数据验证了该模型的可行性和有效性。     

基于遗传算法的公交线路发车间隔优化

为优化公交企业运营管理,提出基于遗传算法的公交线路发车间隔优化方法。通过对公交线路发车间隔进行优化,平衡公交企业运营成本和乘客出行成本。以公交企业运营成本及乘客等车时间成本最低为目标,通过加权求和设定目标函数;考虑乘客舒适度、公交线路车辆满载率以及政府部门规定的最大最小发车间隔等因素,针对客流的高峰和平峰时段,建立相关约束条件;以郑州市60号公交线路为例,利用遗传算法对发车间隔优化模型进行了求解,得到了各时段的公交发车间隔,并将优化前成本与优化后成本进行比较,有效降低18%～26%的线路总成本。     

基于博弈的公交线路发车间隔优化模型研究

公交线路的发车间隔是评价其运营服务水平和质量的关键因素之一,对公交企业的效益亦有显著影响,对发车间隔的优化是公交运营调度的关键技术之一.综合乘客满意度和运营企业效益两方面博弈的考虑,在分析影响发车间隔因素的基础上,引入控制权重系数,调节双方利益在整个线路运营中的不同权值,建立了一个总成本费用最小的发车间隔优化模型.通过上海某条公交线路的案例分析显示,采用该模型优化后的发车间隔,乘客和公交企业总费用可以较现状减少14.5％,优化效果明显,具有一定的可行性.     

基于期望满足概率的公交发车间隔计算模型

针对目前已有发车间隔计算模型存在的问题,如计算过于复杂,无法反映公交服务水平等,本文在充分分析时段内的公交线路客流规律的基础上,得出了基于期望满足概率的公交车发车间隔计算模型,最后对模型进行了实例应用。     

基于公交动态网络的发车频率优化研究

以公交站点作为动态网络的节点,融合车辆分布与站点乘客需求对公交网络服务均衡性的影响,构建以站点乘客总等车时间为边权的公交动态网络模型,确立公交网络服务与公交动态网络结构的对应关系。在此基础上,以动态网络的时空均衡性为目标,构建网络的状态识别机制,并分析了客流高峰、平峰条件下,公交动态网络在时空上的变化规律。最后,以优化动态网络的时空均衡性为目标,建立普通线路发车频率优化模型。通过实例计算发现,该模型可以获取稳态网络目标下普通线路的最优发车频率,为公交车辆调度的相关问题研究提供一种新的思路。     

时间依赖需求下多车型快速公交发车频率优化

以公共交通网络中的单条快速公交线路为研究对象, 分析了快速公交车辆的发车间隔特征和沿线乘客出行需求的时间依赖特征; 考虑多类型公交车辆协同作业, 以所有乘客的累计等待时间最小和车辆的平均满载率最大为目标, 以最小、最大发车时间间隔和车辆运能的供需比为约束, 建立多类型快速公交车辆协同作业模式下的发车频率优化模型; 利用改进的非支配排序遗传算法对模型求解, 并应用兰州市快速公交数据进行实例分析。分析结果表明: 乘客累计等待时间分别取最大值、中间值和最小值时, 优化后的发车次数比实际发车次数分别降低22.9%、16.7%和8.4%, 对应的车辆平均满载率分别提高27.4%、15.1%和3.9%;与单一类型的快速公交车辆独立作业相比, 2种类型的快速公交车辆协同作业的平均发车次数增加7.9%, 平均乘客累计等待时间降低23.8%。可见, 根据乘客出行需求的时间依赖特征, 合理安排不同类型的快速公交车辆协同作业, 对发车频率进行优化, 能有效减少乘客等待时间, 提高公交车辆利用效率。     

旅客空铁联运换乘巴士发车间隔优化

为提高旅客空铁联运换乘组织效率,针对现阶段国内旅客空铁联运广泛采用的机场巴士换乘模式,兼顾旅客利益和企业利益,以旅客由于候车产生的总损失最小和企业总运营成本最小为目标,建立基于不同时段客流量的换乘巴士发车间隔优化模型.针对多目标优化模型,设计带精英策略的非支配排序遗传算法(NSGA-II)进行求解.以A城市旅客空铁联运...     

基于遗传禁忌算法的公交线路发车间隔优化

针对城市公共交通营运调度因发车间隔未得到优化而出现的乘客等车时间过长、公交车辆满载率不均形成的资源浪费现象,从乘客和企业的双向角度考虑,建立了以乘客等车时间和公交企业营运成本最小为优化目标的公交线路发车间隔优化模型。基于遗传算法的全局搜索能力和禁忌算法的局部搜索能力,设计了遗传禁忌算法求解方法。以南宁市67路公交线路为例,进行了实例验证。分析结果表明了该模型和算法均可行。