基于航线网络运力优化分配的机队规划方法

根据预测的航线运输生产指标,以利润最大化为优化目标,综合考虑机型的技术经济性能和市场需求、航班频率资源、机组的有效飞行实力等因素,确定各航线上航班频率与使用机型的最优组合,再根据机型的平均利用率确定相应的机队配置方案.对5种机型、60条航线的机队规划问题进行仿真,结果表明该方法对航线客流量的波动具有一定的鲁棒性.     

航线网络区间鲁棒优化设计

为解决航空公司航线网络中枢纽机场具体位置及OD流路径设计问题, 根据航线网络设计参数OD 流量和单位流成本的不确定性, 定义了区间型情景集, 建立了区间型绝对鲁棒优化模型, 设计了将修正最短路算法与人工智能算法相结合进行求解的有效算法,并利用航线网络设计经典数据及中国航空网络OD数据对模型进行了验证. 研究结果表明:该模型的最优鲁棒解具有全局最优性,确定型优化模型为本文模型在悲观准则下,当OD 流量和单位流成本确定时的特例;在不同情景的悲观准则和乐观准则下的模型目标值之间的相关系数达到0.99以上;在悲观准则下,用本文模型计算出标准算例的归一化后的最优目标值为784.47,比确定型模型最优目标值减少了16.65%,比相对鲁棒优化模型最优目标值减少了29.07%.      

基于行程多路径的航空公司航班频率优化

将航空运输网络抽象为多层级网络结构, 构建了确定航空公司某一城市对某条路径航班频率的两阶段规划模型: 第一阶段从旅客选择行为的角度, 考虑旅客对旅行时间、过站时间、计划延误时间、票价等因素的价值感知, 构建旅客旅行负效用函数, 进而基于多项式Logit模型构建计算旅客选择某个航空公司某个城市对某条路径概率的旅客路径选择模型; 第二阶段从航空公司的角度, 以总收益最大化为目标函数, 基于行程多路径, 并考虑航空公司总运力限制, 尽可能地让每条路径的运力供给等于需求, 构建了确定路径航班频率的线性规划模型; 提出了求解两阶段模型的迭代算法。研究结果表明: 提出的算法能够在8次迭代之后达到收敛, 可以在较短的时间内得到最优解; 随着算法的收敛, 构建的两阶段规划模型在航线存在市场竞争且整体运力不足的情况下优先将运力安排到收益最高的航线上, 提升航空公司整体收益; 对于包含多个航节的航线, 构建的两阶段模型更能体现旅客选择行为在航班频率配置中发挥的作用; 对于包含一个航节的航线, 需求随航班频率的变动幅度较小, 随着迭代次数的增加, 需求航班频率弹性系数逐渐变小, 对于包含多个航节的航线, 在航线总需求一定的情况下, 需求随航班频率的变动幅度较大, 由于市场竞争存在航班频率不变需求骤减的情形。可见, 所提出的模型和算法能够有效提升航空公司收益。      

航空收益管理中多航段舱位控制模型

为了优化多航段舱位控制,提高航空客运收益,将旅客始一终点流按票价由高到低排序,定义旅客始一终点流为决策变量,以各始一终点流需求为约束条件,以航线期望总收益为目标函数,建立了多航段舱位控制问题的随机规划模型,设计了模型求解遗传算法。算例分析结果表明,收益计算结果最大误差为0．34％,结果稳定,模型可行。     

基于双层博弈模型的机场间航线网络协同演化研究

为有效优化机场间航线网络，实现机场群中各机场功能定位，通过研究机场补贴策略与航空公司航线调整关系，旨在实现机场补贴策略与所需航线网络间的最佳匹配。从机场功能协同发展视角分析旅客、航空公司及机场间的博弈关系并构建双层博弈模型。在上层博弈模型中，引入经验加权吸引力模型(EWA)分析航空公司定价策略与旅客“渗流”关系，以便确定航空公司最佳定价策略。在下层博弈模型中，使用上层模型结果并引入非对称的随机反应(QRE)均衡模型，分析机场补贴与航空公司航线调整的关系，确定机场最佳补贴策略。结果表明：影响机场群内旅客出行行为选择关键因素是出行成本，该成本使航空公司票价折扣效果存在高敏感区、惰性区和无效区，通过完善机场群内地面交通，控制旅客出行成本，可有效引导机场群间旅客流动；航空公司定价与旅客出行选择博弈的收益存在多个峰值点，需根据旅客出行成本和初始票价确定票价折扣，最佳折扣区间集中在0.4～0.9；采用补贴优化航线网络，机场间不同补贴策略效能存在垄断区间、低效区间和最佳协同区间；融合旅客出行选择和机场间协同补贴的双重因素可有效提升航空公司盈利能力，推动航空公司提升机场群中航线的互补性，有效实现机场间...     

双层规划模型下的机场航线网络优化设计

为解决传统航线网络设计将航空公司视为唯一决策者而忽略其它网络设计参与者对于航线网络设计方案的影响，基于机场视角建立上层模型以最大化机场旅客吞吐量为目标和下层模型以各航空公司航线网络设计总成本最小化为目标的双层规划模型。在上层模型中，要求在机场市场运营补贴限额下提供给下层航空公司若干市场补贴方案，并基于下层航空公司提供的市场运输方案，开展基于TOPSIS综合评价的运输方案选择；在下层模型中，要求若干个非严格多分配枢纽网络型航空公司提供给上层机场各市场运营补贴方案的运输方案。实例计算结果表明，与传统航线网络设计模型相比，双层规划模型得出的方案使机场旅客吞吐量明显提高，且设计出的补贴O-D对运输路线更加符合实际要求。     

考虑货主偏好的内支线集装箱班轮航线网络规划模型

为了增加内支线集装箱班轮航线网络的货运需求量,以最大船型限制、航线运营补贴与干支线配合为约束条件,以航线网络结构、适配船型与班期密度为决策变量,构建了考虑货主偏好的集装箱内支线班轮航线网络规划模型;为了评估规划航线对不同偏好货主的吸引力,在获得航线的集装箱运输时间与价格后,基于Logit模型计算了规划航线与市场现有航线的货主选择比例;设计了求解模型的智能启发式算法,在规划方案评价过程中计算了航次时间、航线成本、单箱运价与货运需求,在方案改善过程中调整了航线的挂靠港口与挂靠顺序;设定大连港为干线港口,渤海湾内12个港口为支线港口,规划了内支线集装箱班轮航线网络。计算结果表明:12个支线港共开设了7条航线,市场货运总需求为5 208TEU,规划航线的货运需求量为4 420TEU;规划航线的货主选择比例达到85%;无论货主偏好运输时间或成本,规划航线在各支线港的货主选择比例皆超过60%。可见,考虑货主偏好的内支线班轮航线网络规划模型是有效的;开设直达航线有助于吸引时间偏好货主;开设串挂航线与提高运营补贴有助于吸引成本偏好货主;采用货主选择过程代替到港时间窗约束会提升模型优化效果。     

���ڶ�Ŀ���Ŵ��㷨����Ŧ���������³���Ż�����

枢纽航线网络在设计的过程中,容易受到需求和成本数据发生变化带来的影响。往往造成构建出来的最优网络,在需求发生变化的条件下,与实际对应的最优解存在较大的最低成本优化偏差。为了降低这种网络优化中的不确定性带来的风险,得到在多种可能的需求和成本条件下均可获得较好效果的鲁棒最优解,文中采用了一个多目标优化的遗传算法进行研究。首先将各种不同的需求和成本条件作为需要同时优化的多个目标函数,然后采用一个遗传算法来表示所有可能的枢纽航线网路结构,并搜索多目标优化的鲁棒最优网络解。最后本文对该搜索算法的收敛性进行了证明,数值实验结果表明了算法的有效性。     

��װ����ֺ�����Ӫ����ģ�ͼ������������

为寻求一定运输需求和运营条件下,航线上最优的集装箱班轮运输发船间隔及相关决策量,使资金极为密集的航运业运行更优,以一定营运期内航线上班轮运营利润为目标,以船舶载重能力、各类箱型箱位数和港口装卸效率为约束建立班轮运营经济模型.根据班轮航线各港间各类箱型箱量的关系,详细研究运营系统中船舶资本成本、营运成本,以及包括燃料费、装卸费、靠泊费、港口使用费、船员津贴的航次变动成本的解析式,提出调和平均方法的港口综合装卸效率,以及各航段保留一定燃油量、交货时实现利润的条件下盈利航速的解,兼顾实现班轮各航段船天利润和运营总利润两方面最优.结合隐函数求导和函数极值方法求出模型决策变量的最优解,并以实例说明模型的有效性.     

基于鲁棒性的竞争环境下枢纽航线网络优化设计

针对当前航空运输网络的逐步复杂化,通过对枢纽机场选址模式的分析,研究 竞争环境下枢纽航线网络设计方案.首先,在一定的航线网络基础上,定义了旅客效用函 数及捕获能力函数.然后在原有枢纽的基础上,以从竞争者那里获得的最大捕获流为目 标,选址新的枢纽,建立竞争环境下枢纽逐步选择模型,并且设计了求解模型的高效算法. 最后,通过随机产生的案例应用模型,分析模型中各参数变动的情形下,所得枢纽解的情 况;同时,通过枢纽解对计划延误时间的敏感性分析,验证最优枢纽解的稳定性,进而验 证模型的有效性.该模型可为航空公司的航线规划人员提供依据.     

����ISM�ĺ��չ�˾����ѡ���벼���Ż��о�

航空公司基地的合理布局是航空公司开展航线网络构建、机队规划等工作的重要前提.为提高航空公司基地选择与布局优化决策的科学性,本文首先系统归纳了航空公司基地选择的影响因素,并通过引入系统工程的静态结构化技术——解释结构模型,深入分析航空公司基地选择影响因素的作用机制.在此基础上,构建了航空公司基地选择影响因素解释结构模型,并据此绘制了航空公司基地选择的影响因素归类分析图.通过上述分析,提出了航空公司基地选择与布局优化决策判别路径.最后,通过实例验证上述方法科学、有效,能够为航空公司基地选择与布局优化提供决策依据.     

随机需求下公交网络设计的期望值模型与求解算法研究

科学规划公交系统是解决城市交通拥挤问题的有效手段,公交网络设计问题更是公交体系规划的重点与难点。公交需求作为公交网络设计的输入条件,在现实中具有不确定性。鉴于此,假设不确定乘客需求具有随机特性,来研究随机需求下公交网络设计问题的优化方法。以乘客成本与运营成本最小化为优化目标,构建了多目标规划的期望值模型。将遗传算法与模拟退火算法相结合,设计了求解模型的遗传模拟退火算法。最后,通过算例验证了提出的模型与算法的有效性。     

基于滚动时域优化的共享自动驾驶汽车动态调度方法

共享自动驾驶汽车被视为未来城市交通系统的重要组成部分。本文考虑随机订单需求研究共享自动驾驶汽车的动态调度优化方法。通过建立车辆调度时空网络，分别针对订单分配与空车移位生成车辆运行时间弧，提出车辆调度问题的刻画方法。基于马尔科夫决策框架，以时空节点流量为状态，以时空弧流量为决策变量，建立最大化系统净收益的车辆动态调度优化模型。 采取滚动时域优化思想，建立含前视时间窗的随机规划模型，并利用CPLEX优化引擎，滚动求解车辆动态调度决策结果。Sioux Falls网络算例结果表明，滚动时域优化方法可保证车辆动态调度决策效果，提升系统运营效率。在计算时间限制下，滚动时域方法应优先采用长时间窗中等规模 样本。在最大化系统净收益的同时进一步最小化乘客等待时间，可有效提升车辆动态调度决策效果。     

随机条件下固定公交线路服务频率优化模型

在考虑客流需求波动及车辆运行时间随机变动的情况下,建立了以乘客候车期望和公交车辆利用率总体最优为目标的公交线路服务频率优化模型.利用蒙特卡罗方法随机模拟一条高频线路的公交服务,计算得到了给定线路参数下的最优服务频率.算例表明该模型可用来确定高频服务公交线路的发车时间间隔.     

不确定需求下轨道交通网络的鲁棒性优化

轨道交通网络设计是轨道交通规划的重点,本文研究不确定需求下轨道交通网络设计的鲁棒性优化问题.提出了不确定需求下轨道交通网络鲁棒性的概念.针对不确定需求可以被预测和不可以被预测的两种情况,分别建立了scenario 模型、minmax模型,这两个模型在优化目标中均综合考虑了最小化轨道交通线路总长度、最小化乘客总出行距离、最小化乘客总换乘次数,并基于遗传算法给出了这两个模型的求解算法.scenario 模型权衡网络的服务水平与网络对于不确定需求的抗干扰能力;minmax 模型侧重于网络在最坏情况下仍然能够保持较好的服务性能.最后,给出算例,验证了提出模型与算法的有效性.     

Weekly Fleet Assignment Model and Algorithm

A 0-1 integer programming model for weekly fleet assignment was put forward based on linear network and weekly flight scheduling in China. In this model, the objective function is to maximize the total profit of fleet assignment, subject to the constraints of coverage, aircraft flow balance, fleet size, aircraft availability, aircraft usage, flight restriction, aircraft seat capacity, and stopover. Then the branch-and-bound algorithm based on special ordered set was applied to solve the model. At last, a real-world case study on an airline with 5 fleets, 48 aircrafts and 1786 flight legs indicated that the profit increase was $1591276 one week and the running time was no more than 4 min, which shows that the model and algorithm are fairly good for domestic airline.     

快速公交(BRT)线路布局优化研究

快速公交（BRT）是国际上公交发展的新模式。保证系统得以推广,同时应以低成本、显著见效为原则建设快速公交系统,因此对快速公交线路布局进行优化也是不可忽视的。为了探讨现有公共交通线网结构下如何优化BRT线路的布设问题．本文时快速公交线路布设的内部条件和外部条件进行了分析,并在此基础上依据快速公交的发展特点．以乘客的总出行时耗最小和车公里成本投入最小为目标,建立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。     

混合不确定条件下绿色多式联运路径优化

主要研究了当运输时间、中转时间、客户需求和中转集拼货运量四重混合不确定因素服从随机分布时的绿色多式联运路径优化问题，运用随机优化理论，以运输成本、碳排放成本和时间惩罚成本为目标，建立混合不确定条件下绿色多式联运路径优化模型.通过对各子目标函数权重进行赋值，得出考虑不同成本因素的多式联运路径优化方案.探讨时间、需求和网络服务能力对多式联运路径优化结果的灵敏度分析，发现各成本随时间变动而变化的规律和边际运输成本最小时的服务时间；当货运量形成规模效应后可降低边际运输成本；不同网络服务规模的运输路径优化结果，以及满足客户不确定需求的最小网络配置.