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.     

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。     

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.     

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。     

高速铁路列车运行图鲁棒性协同优化模型研究

为提升高速铁路列车运行图的鲁棒性提出协同优化模型. 基于多线路协同优化和多目标协同优化的思想,研究多条线路列车运行图的协同优化,并将列车运行图的鲁棒性分为晚点传播鲁棒性与换乘接续鲁棒性,对两种鲁棒性进行多目标协同优化建模. 在建模过程中,将经济学中的边际效用递减规律引入对列车间缓冲时间的研究,提出并定义缓冲时间鲁棒性效用. 结合我国具体国情、路情建立高速铁路列车运行图鲁棒性协同优化模型并进行案例分析,结果表明,该模型可有效提升高速铁路列车运行图的鲁棒性.     

高速铁路列车运行图鲁棒性协同优化模型研究

为提升高速铁路列车运行图的鲁棒性提出协同优化模型. 基于多线路协同优化和多目标协同优化的思想,研究多条线路列车运行图的协同优化,并将列车运行图的鲁棒性分为晚点传播鲁棒性与换乘接续鲁棒性,对两种鲁棒性进行多目标协同优化建模. 在建模过程中,将经济学中的边际效用递减规律引入对列车间缓冲时间的研究,提出并定义缓冲时间鲁棒性效用. 结合我国具体国情、路情建立高速铁路列车运行图鲁棒性协同优化模型并进行案例分析,结果表明,该模型可有效提升高速铁路列车运行图的鲁棒性.     

基于拉格朗日松弛的高速铁路列车运行图新增运行线局部调整模型

给定新增列车理想始发时刻及初始利润,考虑始发时刻调整及全程停时延长造成的罚数,基于时空网络构建以全图运行线总利润最大为目标的整数规划模型,进行拉格朗日松弛,根据松弛解对偶信息设计启发式算法求解各运行线可行解,并通过更新拉格朗日乘子进行迭代优化.以京沪高铁为例进行了验证,结果表明：在算例条件下,相较以理想始发时刻推线求解,该方法能够多增铺6条运行线;随着始发时刻可调整度由10min增加至60min,CPLEX的求解时间快速增长,而拉格朗日松弛启发式算法能快速求得高质量的解,除始发时刻可调整度10min情景,求解效率均高于CPLEX;延长始发时刻可调整度至4h,最多增铺18条运行线,说明现有框架下京沪高铁能力已接近饱和.     

北京地铁双超列车运行图编制方法

为研究疫情期间北京地铁"超常"条件下的"超强"运行图编制方法,根据"双超"运行图编制流程提出一种面向车厢低满载率的双层规划优化模型.上层模型基于客流的时空分布规律优化列车的开行方案;下层模型优化列车运行图中全周转运行时分,停站时分,运行时分,折返时分等要素.双层规划模型转化为线性模型并用CPLEX软件通过迭代算法求解"...     

考虑运行图约束的有轨电车干线信号协调优化模型

为了保证有轨电车在交叉口享有信号优先的同时,使其按照运行图行车,在有轨电车干线信号协调模型BAM-TRAMBAND的基础上,增加运行图对行车的约束,包括发车间隔、停站时分、站间运行时分和干线旅行时间,提出2类不同约束的有轨电车干线信号协调优化模型,严格运行图约束的优化模型(HT-TRAM)和宽松运行图约束的优化模型(ST-TRAM). 经算例验证和仿真结果表明,改进的模型能够得到在运行图约束下的有轨电车上下行绿波带,且在算例条件下,两者的路段平均绿波带宽与没有运行图约束的带宽结果相比,相差在1s以内.     

考虑列车总晚点和到发均衡性的地铁列车运行调整 方法研究

当城市轨道交通列车在运行过程中因设施设备失效、司机操纵不当、上下车客 流过多等外部因素发生晚点时,需对晚点列车的计划运行时分进行调整.为保证城市轨道 交通系统服务水平和降低车站站台客流集聚过多或列车过于拥挤造成的安全隐患,本文 构建以减少列车总晚点和提高列车到发均衡性为优化目标的列车运行调整模型,并采用 遗传算法进行求解.案例分析表明,本文提出的模型和算法可以较快地求出满意的列车运 行调整方案.通过调整遗传算法适应度函数的权重系数可以平衡调整方案中的列车总晚 点时分和列车到发均衡性.在人工驾驶的线路上,与各列车赶点运行调整策略相比,本文 提出的列车运行调整方法可以在降低列车总晚点时分的同时显著提高列车到发均衡性.     

考虑拥挤的轨道交通网络时刻表协调优化建模

以非连通型城市轨道交通网络为研究对象,根据城市轨道交通网络周期性运行特点,在深入考虑拥挤及换乘客流脉冲性到达特征的前提下,给出1个循环周期内城市轨道交通网络运营费用及乘客出行费用计算方法.并在此基础上,以各运营线路发车间隔及发车时刻相位差为决策变量,以乘客及运营企业的综合费用最小为目标,以列车发车间隔、列车容量、站台容量、运营补贴等为约束,建立城市轨道交通网络列车时刻表优化模型.根据模型特点,提出了一种基于仿真的遗传算法对模型进行求解.算例结果显示,与既有优化方法相比,本文模型能够更加细致地刻画乘客换乘过程,有效降低系统综合费用,并确保各项服务指标在安全范围之内.     

基于有限理性满意决策原则的出发时间选择模型

通过对交通行为建模的经济学假设进行分析,认为经济学研究方法可以应用于交通科学,但完全理性假设不符合交通行为的决策规则。为此,引入有限理性满意决策原则构建出发时间选择模型。建模的基本思路是设定驾驶员决策目标为满意到达时间,将决策范围限制在满意的最早和最晚到达时间所构成的效用区间,寻求区间效用最大化。     

考虑定制化列车的运行图与能力协同优化方法

基于调查数据建立旅客在不同时间段的乘车概率函数,分析旅客对定制化列车的开行时间及坐席类型等具体需求。考虑需求、停站、运行时间等约束条件建立定制化列车开行备选集,整合可行的定制化列车开行方案。建立加开定制化列车情况下,同时满足企业收益最大化和剩余可用能力最大化的双层协同优化模型。构建优化算法进行模型求解,得到基于定制化列车,且同时考虑既有列车调整成本和能力使用情况的运行图。最后,以内蒙古自治区呼和浩特-乌海线路为例进行分析,结果表明,既有列车的单位调整成本会影响定制化列车的开行,定制化列车的开行对运行图的整体结构和剩余可用能力也均有影响。     

考虑换乘异质性的城市轨道交通时刻表协同优化模型

在城市轨道交通网络化运营条件下,极易导致换乘站的换乘需求差异过大。为提高列车时刻表与换乘需求的匹配度,本文基于网络中换乘站的空间拓扑结构和换乘需求在时间和方向上的特点,通过构建量化换乘差异的协同度指标,建立以列车同步次数最大化为目标的列车时刻表优化模型,优化轨道交通网络线路间成功衔接次数,提升乘客换乘出行效率。针对提出的混合整数非线性规划模型,本文设计了一种基于天牛须搜索的粒子群优化算法进行求解,并将模型及算法应用于北京市轨道交通网络进行算例分析。结果表明,所构建的模型能依据换乘需求在空间、时间及方向上的差异,利用协同度分级优化轨道交通路网中列车协同状态;优化后全网列车同步到达次数增加33.86%,乘客平均换乘等待时间减少22.75%;相较于PSO和BAS算法,本文所提的算法具有更好的全局搜索能力和求解效率。本文可有效提高轨道交通换乘效率,为提升城市轨道交通服务质量提供理论参考。