CN101799981A - 多模式公共交通区域调度控制方法 - Google Patents

Abstract

本发明公开一种多模式公共交通区域调度控制方法，包括：公共交通调度控制的数据采集，利用通信线路将采集数据传输到公共交通调度控制系统并存入数据库中；对多模式公共交通进行分层与组合；由公共交通调度控制系统进行多模式多线路公共交通区域调度控制方案的制定：包括行车时刻表，车辆调度方案，驾驶员调度方案三部分；由公共交通调度控制系统将上述方案结果统一发布到车辆车载机、驾驶员手机以及站场调度控制终端微机上。本发明的系统克服现有人工调度的不足，组合了多种模式，实现乘客出行成本和企业成本的减少，更广层面上挖掘运力、人力的共享效益。

Description

多模式公共交通区域调度控制方法

技术领域

本发明属于公共交通控制技术领域，特别是涉及一种多模式多线路组合的公共交通区域调度控制方法。

背景技术

公共交通调度控制是公共交通运输组织的最核心内容，通过合理的运力、人力安排来满足乘客出行需求，同时实现资源优化配置。调度控制工作包括三方面的内容：行车时刻表，车辆调度方案，驾驶员调度方案。好的行车时刻表不仅要满足客流需求，还要尽可能减少投入，车辆调度方案是以最少的车辆完成行车时刻表的任务要求，驾驶员调度方案是以最少的驾驶员完成车辆调度方案的任务要求。

目前，公共交通调度控制方法基本都是在单条线路的条件下进行的，对于单条线路的调度控制方法研究已日趋成熟。与此同时，基于多条线路的调度控制方法已取得一些进展：以不同线路车辆同时到达相交车站的相遇次数最多为目标，或者以不同线路车辆到达相交车站的时间差总和最小为目标，分别提出了基于多条线路协调发车的行车时刻表制定方法；为了提高资源配置效率，以“逐条配班，优化成网”的思路，提出将车辆面向多条线路统一配置，车辆调度方案统一制定的，针对车辆调度方案的公共交通区域调度控制方法。然而，现有技术方法存在以下不足：未能在调度控制工作三方面中同时实现基于多条线路的区域调度控制工作，还停留在某一方面或者某两方面当中开展研究；未能制定出全面提高调度效率的调度控制方案；未能将多种模式的公共交通纳入统一的模型方法中进行处理，由于乘客出行需要把多种交通模式即多种交通方式联系起来才能实现以最小出行成本来完成出行的目的，如仅仅从单一模式出发，无法减少为乘客出行提供最便利和最低成本的服务，同时也无法挖掘多模式之间的运力、人力共享带来的效益。

与现有调度控制方法相比，通过对多种模式、多条线路双重组合进行综合分析而建立的公共交通区域调度控制模型方法更具有科学合理性。本发明给出了基于多模式多线路双重组合的公共交通区域调度控制方法，考虑了多种交通模式特性的差异，对调度控制方案已知的模式与调度控制方案待定的模式进行分层和有机组合，实现了乘客出行成本和企业经营成本的有效综合，对运营环境和交通工具相似的交通模式实行运力和人力的统一配置，资源有效共享，实现了区域调度控制的量度化、全面化与综合化，为综合公共交通网络运营优化技术研究提供坚实支持。

发明内容

本发明的目的是克服现有技术存在的上述不足，提供一种多模式公共交通区域调度控制方法，实现乘客出行成本最小化，以及企业成本在资源有效共享情况下的最小化。本发明通过以下技术方案实现：

一种多模式公共交通区域调度控制方法，包括如下步骤：

(1)公共交通调度控制的数据采集：获取区域内的公共交通线路、站点及关键换乘站点的名称及数量；利用GPS车载终端获得车辆发车时间和到达每个车站的时间，计算得到车辆从始发站到达关键换乘站点的行驶时间；利用IC卡POS机终端，获得每个乘客上车时间，拟合得到每条线路的乘客到达规律函数和乘客累计到达规律函数；从公共交通运输企业获取线路在每一个优化周期中的发车次数、最大发车间隔、最小发车间隔及线路之间的乘客换乘率；获取每个车场的最大停车数，车场之间的最小空驶时间，各线路要求的车辆类型，驾驶员工作时间限制；利用通信线路将采集数据传输到公共交通调度控制系统并存入数据库中；

(2)多模式公共交通的分层与组合：多模式公共交通是指多种公共交通方式，包括航空、铁路、长途汽车运输、市内常规公交和地铁；将多模式公共交通分为两层，第一层是调度控制方案待定的公共交通模式，第二层是调度控制方案当作已知量的公共交通模式，第二层公共交通模式的已知调度控制方案是第一层公共交通模式的调度控制方案的输入量，所述调度控制方案均包括三部分，即行车时刻表、车辆调度方案及驾驶员调度方案，即公共交通车辆的发车时间、车辆指派结果及驾驶员指派结果；

(3)公共交通调度控制系统利用步骤(1)采集的数据，根据行车时刻表模型及粒子群算法求解得到公共交通行车时刻表；

(4)公共交通调度控制系统以公共交通行车时刻表为任务要求，即行车时刻表为本步骤的输入量，根据车辆调度模型及蚁群算法求解得到公共交通车辆调度方案；

(5)公共交通调度控制系统以公共交通车辆调度方案为任务要求，即车辆调度方案为本步骤的输入量，根据驾驶员调度模型及蚁群算法求解得到公共交通驾驶员调度方案；

(6)将行车时刻表、车辆调度方案及驾驶员调度方案存储在公共交通调度控制系统的数据库中，生成表格形式，由公共交通调度控制系统统一对外发布，对外发布包括：利用通信线路将结果发给车辆车载机上；将结果发送给驾驶员的手机上；将方案传输到各个车场的调度终端微机上，由驻站人员对现场车辆、驾驶员进行调度控制、监督和运营记录。

上述的多模式公共交通区域调度控制方法，步骤(1)中，采集的数据的类型及定义如下：在综合公共交通网络有向图G＝{L，I}中，线路数为L，包括上下行；站点数为I，关键换乘站点数为I，有I≤I；线路j的车辆从始发站到换乘站点i的行驶时间为t_j ⁱ，1≤j≤L，1≤i≤I；线路j的乘客到达规律函数为P_j(·)，线路j的乘客累计到达规律函数为F_j(·)；第r个优化周期为[A_r-1，A_r]，区间[A_r-1，A_r]内线路j的发车次数为R_j，，1≤j≤L；线路j最大发车间隔为H_j，最小发车间隔为h_j，换乘站点i中从线路j换到线路k的换乘率为β_ij ^k；车场d的最大停车数为r_d，车场集合为D，d∈D，车辆类型为f，驾驶员工作时间限制t_lim。

上述的多模式公共交通区域调度控制方法，步骤(3)中所述步骤(1)采集的数据包括：线路数L，关键换乘站点数I，每条线路的乘客到达规律函数P_j(·)，乘客累计到达规律函数F_j(·)，本优化周期内的发车次数R_j，最小发车间隔h_j，最大发车间隔H_j，换乘率β_jk ⁱ，行车时刻表模型的变量定义有：线路j的第m个班次的发车时间x_j ^m，(1≤m≤R_j，1≤j≤L)，λ_jk ^mni是0，1变量，当不等式

成立时，即线路j的第m个班次车辆到达换乘站点i的时间介于线路k的第(n-1)和第n个班次到达站点i的时间，取值为1，否则为0；

上述的多模式公共交通区域调度控制方法，步骤(3)中，行车时刻表模型是以乘客出行等车时间最小为目标函数，出行等车时间包括因进行线路之间换乘而引起的等车时间和不换乘的等车时间这两部分，将调度控制方案中行车时刻表待定的公共交通模式放在模型的两部分当中计算，将调度控制方案中行车时刻表已知的公共交通模式的车辆发车时间只放在线路之间换乘引起的等车时间这部分当中计算；以优化周期内的发车次数、最小发车间隔及最大发车间隔为约束，利用粒子群算法求解目标函数，得到各种模式中每条线路的行车时刻表；多模式公共交通区域调度控制的行车时刻表模型由以下各部分组成：

I.非换乘等车时间模型N-TTM为：

$\min {\∫}_{x_j^m}^{x_j^{m+1}}{P}_j\left(t\right)\mathrm{dt},$

式中，约束条件为：

1≤m≤R_j-1；

由于函数P_j(·)为连续函数，可将连续性问题进行离散化处理，如果乘客在区间(0，Δt]到达，当Δt足够小时，如Δt＝1min，可认为这些乘客集中在Δt时间点到达；那么，N-TTM又表示为：

$\min \underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}$

约束条件同上；

II.换乘等车时间模型TTM

当不等式

成立时，线路j第m个班次的乘客换到线路k第n个班次的数量为β_jk ⁱ×[F_j(x_j ^m+1)-F_j(x_j ^m)]；那么，TTM表示为：

$\min \underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}\{{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)\left]\right\}$

其中，要满足以下约束条件：

其他约束条件同上；

III.单模式多线组合发车时间模型SMCTM

单模式多线路组合的发车时间优化模型是非换乘等车时间模型与换乘等车时间模型之和求最优，SMCTM表示为：

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L}{\mathrm{\Σ}}}\underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}\end{array}\right\}$

约束条件同上；

IV.多模式多线组合发车时间模型MMCTM

对于调度控制方案中行车时刻表已知的公共交通模式的多线路来说，非换乘等车时间模型N-TTM无须求解；因此，模型N-TTM中的L可改为L′，L′仅仅表示调度控制方案中行车时刻表待定的那些公共交通模式的多条线路数量，L表示所有公共交通模式的所有线路数量；将行车时刻表已知的公共交通模式的线路k第n个班次发车时间x_k ⁿ作为已知输入量，在目标最优化情况下，将需要求解行车时刻表的那些模式的线路j第m个班次发车时间x_j ^m作为输出结果，形成行车时刻表，1≤m≤R_j，1≤n≤R_k，1≤j≤L，1≤k≤L，L′＜L；因此，多模式多线路组合的发车时间模型MMCTM如下：

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L^{\′}}{\mathrm{\Σ}}}\underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}\end{array}\right\}.$

上述的多模式公共交通区域调度控制方法，步骤(3)中，求解行车时刻表模型的粒子群算法步骤如下：

1)数据准备：线路数L，关键换乘站点数I，各线路客流到达累计函数F_j(·)，一个设定周期内的发车次数R_j，最小发车间隔h_j，最大发车间隔H_j，换乘率β_jk ⁱ；设定粒子群算法参数，包括粒子数，迭代次数和粒子位置更新式中的惯性权重、认知权重、社会权重；

2)变量初始化：由求解发车时间的线路j第m个班次发车时间x_j ^m组成多维的粒子，粒子的维数等于这些线路的总发车班次数；而调度控制方案中的行车时刻表已知的线路的各个班次发车时间作为已知输入量；

3)产生可行解：输入步骤1)和步骤2)的已知数据和参数，粒子的各维变量在约束范围内随机产生粒子位置，即可行解，按照行车时刻表模型计算目标函数值，即粒子群算法的适应值；

4)选择最优解：选取每次迭代中最优的粒子适应值，其中每一个粒子对应一个适应值，在保留上一次迭代中最优适应值对应的粒子位置的情况下，即保留目标函数值对应的可行解，循环迭代，当达到预设的迭代次数时，迭代结束；

5)输出结果：最后一次迭代产生的粒子位置，即可行解，就是问题的最优解，这个最优解就是调度控制方案中行车时刻表待定的模式的线路的行车时刻表，将结果输出。

上述的多模式公共交通区域调度控制方法，步骤(4)中用到的步骤(1)所采集的数据包括，每个车场的最大停车数r_d，各个车场之间的最小空驶时间；行车时刻表是车辆调度的任务要求，假设行车时刻表有N个班次任务，编号依次为1，...，N；班次n的发车时间为s_n，到达终点站的结束时间为e_n，有e_n≥s_n；相邻班次n和m中，如果班次n的终点车场不是m的始发车场时，w_nm为车辆在这两个车场之间的最小空驶时间，否则w_nm取值为0；同一辆车执行完班次n之后，能够执行相邻班次m的必要条件是e_n+w_nm≤s_m；第d个车场最大停车数为r_d，d∈D；当车辆l能够执行相邻班次n和m时，a_nm ^l取值为1，否则为0；当车辆l能够在执行相邻班次n和m之间进行加油时，b_ij ^l取值为1，否则为0；以车辆数、车辆等待时间及车辆空驶时间最小的多模式多车场车辆调度方案模型MMVSM为

$\min \left\{c_0\underset{d\∈D}{\mathrm{\Σ}}\underset{f}{\mathrm{\Σ}}\right|B_d^f|+c_1\underset{d\∈D}{\mathrm{\Σ}}\underset{f}{\mathrm{\Σ}}\underset{l\∈B_d^k}{\mathrm{\Σ}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\Σ}}}{a}_{\mathrm{nm}}^l(s_m-e_n-w_{\mathrm{nm}})+c_2\underset{d\∈D}{\mathrm{\Σ}}\underset{f}{\mathrm{\Σ}}\underset{l\∈B_d^f}{\mathrm{\Σ}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\Σ}}}{a}_{\mathrm{nm}}^l{w}_{\mathrm{nm}}\};$

约束条件有：(1)一个班次只能被一辆车执行，且一辆车同时也只能执行一个班次，即

(2)属于不同公交路线的班次对车辆类型f要求不同，停留在车场d的不同车辆类型f的集合B_d ^f不超过车场最大停车数r_d，即

模型中的c₀，c₁和c₂分别为配备车辆总数、车辆空闲时间和车辆空驶时间对目标值的贡献大小，即权重。

上述的多模式公共交通区域调度控制方法，步骤(5)中，车辆调度方案是驾驶员调度的任务要求，假设车辆调度方案获得有N′个行车班次任务，编号为1，...，N′；班次发车时间为s_n’，结束时间为e_n’，有e_n’≥s_n’；同一辆车执行完班次n’之后，能够执行相邻班次m’的必要条件是e_n’+w_n’m’≤s_m’；当人员l’能够执行相邻班次n’和m’时，a_n′m′ ^l′取值为1，否则为0；驾驶员工作时间限制为t_lim；车场d的驾驶员数量为M_d；以驾驶员总数、人员空闲时间最小的多模式多车场驾驶员调度方案模型MMLSM为

$\min \left\{c_0^{\′}\underset{d\∈D}{\mathrm{\Σ}}\right|M_d|++c_1^{\′}\underset{d\∈D}{\mathrm{\Σ}}\underset{l\∈M_d}{\mathrm{\Σ}}\underset{n^{\′},m^{\′}=1}{\overset{\left|D\right|+N^{\′}}{\mathrm{\Σ}}}{a}_{n^{\′}{m}^{\′}}^l(s_{m^{\′}}-e_{n^{\′}})\};$

约束条件有：(1)一个班次只能被一名人员执行，且一名人员同时也只能执行一个班次，即

和

(2)一名人员l’的总工作时间要满足工作时间限制，即

模型中的c′₀和c′₁分别为人员总数和人员空闲时间对目标值的贡献大小，即权重。

上述的多模式公共交通区域调度控制方法，步骤(6)中，所述车辆车载机具有接受、查询、显示功能。

本发明与现有技术相比，具有如下优点和效果：

现有公共交通调度控制方法的研究目前主要还停留在单一模式的单条线路调度控制，即使出现的考虑多线路多车场的区域调度控制方法，也还局限在运营计划中的某一部分或两部分，更未在调度控制中考虑多种模式的组合，这些都在一定程度上限制了综合公共交通运营优化技术的进展和运行效果。本发明全面考虑区域调度控制的特点，结合现有的控制系统和车载设备，实现乘客出行成本和企业成本的有效减少，以及运力、人力的资源共享，对公共交通调度控制的三部分工作进行全面研究，针对各部分的影响关系，制定不同目标，追求各部分在指定任务情况下的调度方案效益最优化。同时，本发明综合考虑多种模式组合的公共交通协调调度特点，在公共交通调度控制的三部分工作中都充分引入多模式组合的思想，在多模式多线路形成的出行路径中实现乘客出行成本的最小化，最大限度地实现各模式之间运力和人力的共享，进一步挖掘多模式公共交通区域调度控制效益的提高空间。

附图说明

图1a表示实施方式中连续的非换乘等车时间的关系函数P_j(·)

图1b表示实施方式中离散的非换乘等车时间的关系函数F_j(·)。

图2为实施方式中粒子群算法求解多模式公共交通行车时刻表模型流程图。

图3多模式公共交通区域调度控制方法流程图。

图4实施例的多模式多线路示意图。

图5a和图5b分别为实施例中381线路上行方向的乘客到达规律和乘客累计到达规律示意图。

具体实施方式

下面结合附图对本发明的具体实施作进一步说明。

本发明的多模式公共交通区域调度控制方法，通过对调度控制的数据采集，根据多种模式的公共交通特性进行分类和组合，然后由公共交通调度控制系统生成多模式多线路组合的公共交通行车时刻表，车辆调度方案和驾驶员调度方案，最后由公共交通调度控制系统将调度控制方案统一对外发布。具体包括以下步骤：

步骤1：公共交通调度控制的数据采集

调查得到研究范围内的公共交通线路、站点及关键换乘站点的名称及数量；利用GPS车载终端获得车辆发车时间和到达每个车站的时间，计算得到车辆从始发站到达关键换乘站点的行驶时间；利用IC卡POS机终端，统计售票数据以及人工补充调查获得乘客上车时间，拟合得到每条线路的乘客到达规律函数和乘客累计到达规律函数；从公共交通运输企业获取线路在每一个优化周期中的发车次数、最大、最小发车间隔及线路之间的乘客换乘率；调查得到每个车场的最大停车数，车场之间的最小空驶时间，各线路要求的车辆类型，驾驶员工作时间限制；利用通信线路将采集数据传输到公共交通调度控制系统并存入数据库中。

数据的类型及定义如下：在综合公共交通网络有向图G＝{L，I}，线路数为L，包括上下行；站点数为I，关键换乘站点数为I，有I≤I；线路j的车辆从始发站到换乘站点i的行驶时间为t_j ⁱ(1≤j≤L，1≤i≤I)；线路j的乘客到达规律函数为P_j(·)，线路j的乘客累计到达规律函数为F_j(·)；第r个优化周期为[A_r-1，A_r]，区间[A_r-1，A_r]内线路j的发车次数为R_j，(1≤j≤L)；线路j最大发车间隔为H_j，最小发车间隔为h_j，换乘站点i中从线路j换到线路k的换乘率为β_jk ⁱ；车场d的最大停车数为r_d，车场集合为D，d∈D，车辆类型为f，驾驶员工作时间限制t_lim。

步骤2：多模式公共交通的分层与组合

多模式公共交通的分层与组合：多模式公共交通是指多种公共交通方式，其包括航空、铁路、长途汽车运输、市内常规公交、地铁等；将多模式公共交通分为两层，一层是调度控制方案待定的公共交通模式，另一层是调度控制方案当作已知量的公共交通模式，它影响和间接决定第一层公共交通模式的调度控制方案，调度控制方案包括三部分，即行车时刻表、车辆调度方案及驾驶员调度方案，即公共交通车辆的发车时间、车辆指派结果及驾驶员指派结果

步骤3：多模式多线路组合的公共交通行车时刻表

行车时刻表模型是以乘客出行等车时间最小为目标函数，出行等车时间包括因进行线路之间换乘而引起的等车时间和不换乘的等车时间这两部分，将调度控制方案中行车时刻表待定的公共交通模式放在模型的两部分当中计算，将调度控制方案中行车时刻表已知的公共交通模式的车辆发车时间只放在线路之间换乘引起的等车时间这部分当中计算；以优化周期内的发车次数、最小发车间隔及最大发车间隔为约束，利用粒子群算法求解目标函数，得到各种模式中每条线路的行车时刻表；多模式公共交通区域调度控制的行车时刻表模型由以下各部分组成：

I.非换乘等车时间模型(N-TTM)

图1a描述了对任意线路j的非换乘乘客的等车时间，最小非换乘等车时间函数为：

$(N-\mathrm{TTM})\min {\∫}_{x_j^m}^{x_j^{m+1}}{P}_j\left(t\right)\mathrm{dt}$

式中，约束条件为：1≤m≤R_j-1；

由于函数P_j(·)为连续函数，可将连续性问题进行离散化处理，如果乘客在区间(0，Δt]到达，当Δt足够小时，如Δt＝1min，可认为这些乘客集中在Δt时间点到达；基于这个假设，非换乘等车时间可变为附图1b所示；那么，最小非换乘等车时间函数又可表示为：

$(N-{\mathrm{TTM}}^{\′})\min \underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}$

约束条件同上。

II.换乘等车时间模型(TTM)

当不等式

成立时，线路j第m个班次的乘客换到线路k第n个班次的数量为β_jk ⁱ×[F_j(x_j ^m+1)-F_j(x_j ^m)]；那么，最小换乘等车时间模型可表示为：

(TTM)

$\min \underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}\{{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)\left]\right\}$

其中，要满足以下约束条件：

其他约束条件同上。

III.单模式多线组合发车时间模型(SMCTM)

单模式多线路组合的发车时间优化模型是非换乘等车时间与换乘等车时间之和求最优，即(SMCTM)等于(N-TTM’)与(TTM)之和，具体模型可表示为：

(SMCTM)

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L}{\mathrm{\Σ}}}\underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}\end{array}\right\}$

约束条件同上。该函数是多条线路的所有班次发车时间变量(x_j ¹，...，x_j ^Rj，x_k ¹，...，x_k ^Rk)的函数，第一项是所有两两相交线路之间乘客因换乘而产生的等车时间之和，第二项是所有线路的乘客非换乘的等车时间之和。

IV.多模式多线组合发车时间模型(MMCTM)

对于调度控制方案中行车时刻表已知的公共交通模式的多线路来说，非换乘等车时间模型(N-TTM’)无须求解；因此，模型(N-TTM’)中的L可改为L′，L′仅仅表示调度控制方案中行车时刻表待定的那些公共交通模式的多条线路数量，L表示所有公共交通模式的所有线路数量；将行车时刻表已知的公共交通模式的线路k第n个班次发车时间x_k ⁿ作为已知输入量，在目标最优化情况下，将需要求解行车时刻表的那些模式的线路j第m个班次发车时间x_j ^m作为输出结果，形成行车时刻表，(1≤m≤R_j，1≤n≤R_k，1≤j≤L，1≤k≤L，L′＜L)；因此，多模式多线路组合的发车时间模型如下：

(MMCTM)

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L^{\′}}{\mathrm{\Σ}}}\underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}\end{array}\right\}$

约束条件同上。该函数是多条线路的所有班次发车时间变量(x_j ¹，...，x_j ^Rj)的函数，第一项是所有模式中两两相交线路之间乘客因换乘而产生的等车时间之和，第二项是调度控制方案中行车时刻表待定的模式的所有线路的乘客非换乘等车时间之和。

求解行车时刻表模型的粒子群算法步骤如下(流程如附图2所示)：

1)数据准备：线路数L，关键换乘站点数I，各线路客流到达累计函数F_j(·)，本优化周期内的发车次数R_j，最小发车间隔h_j，最大发车间隔H_j，换乘率β_jk ⁱ；设定粒子群算法参数，包括粒子数，迭代次数和粒子位置更新式中的惯性权重、认知权重、社会权重；

2)变量初始化：由求解发车时间的线路j第m个班次发车时间x_j ^m组成多维的粒子，粒子的维数等于这些线路的总发车班次数；而调度控制方案中的行车时刻表已知的线路的各个班次发车时间作为已知输入量；

3)产生可行解：输入步骤1)和步骤2)的已知数据和参数，粒子的各维变量在约束范围内随机产生粒子位置，即可行解，按照行车时刻表模型计算目标函数值，即粒子群算法的适应值；

4)选择最优解：选取每次迭代中最优的粒子适应值，其中每一个粒子对应一个适应值，在保留上一次迭代中最优适应值对应的粒子位置的情况下，即保留目标函数值对应的可行解，循环迭代，当达到预设的迭代次数时，迭代结束；

5)输出结果：最后一次迭代产生的粒子位置，即可行解，就是问题的最优解，这个最优解就是调度控制方案中行车时刻表待定的模式的线路的行车时刻表，将结果输出。步骤4：多模式多线路组合的公共交通车辆调度方案的制定

根据不同模式公共交通的运营环境和交通工具的特点进行分类，由公共交通调度控制系统对运营特点相近的模式的车辆进行统一指派，分别在各个类型中追求车辆利用率最大化，即配备车辆总数，车辆空闲时间和车辆空驶时间的加权总和最小。在满足车场容量，车辆类型，燃料等约束条件下，利用改进的蚁群算法求解目标函数，得到多模式下的公共交通车辆调度方案。

行车时刻表是车辆调度的任务要求，假设行车时刻表有N个班次任务，编号依次为1，...，N；班次n的发车时间为s_n，到达终点站的结束时间为e_n，有e_n≥s_n；相邻班次n和m中，如果班次n的终点车场不是m的始发车场时，w_nm为车辆在这两个车场之间的最小空驶时间，否则w_nm取值为0；同一辆车执行完班次n之后，能够执行相邻班次m的必要条件是e_n+w_nm≤s_m；第d个车场最大停车数为r_d，d∈D；当车辆l能够执行相邻班次n和m时，a_nm ^l取值为1，否则为0；当车辆l能够在执行相邻班次n和m之间进行加油时，b_ij ^l取值为1，否则为0；以车辆数、车辆等待时间及车辆空驶时间最小的多模式多车场车辆调度方案模型(MMVSM)为

(MMVSM)

$\min \left\{c_0\underset{d\∈D}{\mathrm{\Σ}}\underset{f}{\mathrm{\Σ}}\right|B_d^f|+c_1\underset{d\∈D}{\mathrm{\Σ}}\underset{f}{\mathrm{\Σ}}\underset{l\∈B_d^k}{\mathrm{\Σ}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\Σ}}}{a}_{\mathrm{nm}}^l(s_m-e_n-w_{\mathrm{nm}})+c_2\underset{d\∈D}{\mathrm{\Σ}}\underset{f}{\mathrm{\Σ}}\underset{l\∈B_d^f}{\mathrm{\Σ}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\Σ}}}{a}_{\mathrm{nm}}^l{w}_{\mathrm{nm}}\};$

约束条件有：(1)一个班次只能被一辆车执行，且一辆车同时也只能执行一个班次，即

和

(2)属于不同公交路线的班次对车辆类型f要求不同，停留在车场d的不同车辆类型f的集合B_d ^f不超过车场最大停车数r_d，即模型中的c₀，c₁和c₂分别为配备车辆总数、车辆空闲时间和车辆空驶时间对目标值的贡献大小，即权重。

步骤5：多模式多线路组合的公共交通驾驶员调度方案的制定

由公共交通调度控制系统对运营特点相近的模式的驾驶员进行统一指派，分别在各个类型中追求人员利用率最大化，即驾驶员总数，人员空闲时间的加权总和最小。在满足工作时间等约束条件下，利用改进的蚁群算法求解目标函数，得到多模式下的公共交通驾驶员调度方案。

驾驶员调度方案是以车辆调度方案为任务要求，假设车辆调度方案获得有N′个行车班次任务，编号为1，...，N′；班次发车时间为s_n’，结束时间为e_n’，有e_n’≥s_n’；同一辆车执行完班次n’之后，能够执行相邻班次m’的必要条件是e_n’+w_n’m’≤s_m’；当人员l’能够执行相邻班次n’和m’时，a_n′m′ ^l′取值为1，否则为0；驾驶员工作时间限制为t_lim；车场d的驾驶员数量为M_d；以驾驶员总数、人员空闲时间最小的多模式多车场驾驶员调度方案模型(MMLSM)为

$\left(\mathrm{MMLSM}\right)\min \left\{c_0^{\′}\underset{d\∈D}{\mathrm{\Σ}}\right|M_d|++c_1^{\′}\underset{d\∈D}{\mathrm{\Σ}}\underset{l\∈M_d}{\mathrm{\Σ}}\underset{n^{\′},m^{\′}=1}{\overset{\left|D\right|+N^{\′}}{\mathrm{\Σ}}}{a}_{n^{\′}{m}^{\′}}^l(s_{m^{\′}}-e_{n^{\′}})\};$

约束条件有：(1)一个班次只能被一名人员执行，且一名人员同时也只能执行一个班次，即和

(2)一名人员l’的总工作时间要满足工作时间限制，即

模型中的c′₀和c′₁分别为人员总数和人员空闲时间对目标值的贡献大小，即权重。

步骤6：多模式多线路组合的公共交通区域调度控制方案的发布和执行

将行车时刻表、车辆调度方案及驾驶员调度方案存储在公共交通调度控制系统的数据库中，生成表格形式，由公共交通调度控制系统统一对外发布，发布工作包括三部分：一是利用通信线路将结果发给车辆车载机上，二是将结果发送给驾驶员的手机上，三是将方案传输到各个车场的调度终端微机上，由驻站人员对现场车辆、驾驶员进行调度控制、监督和运营记录。其中，车辆车载机具有接受、查询、显示功能。

下面结合附图3和实施例对本发明作进一步说明，但本发明要求保护的范围并不局限于实施方式表述的范围。

以广州大学城区域为例，如附图4所示，研究区域选取8条公交线路，均考虑上下行方向，即16条有向线路；1条地铁线路，其在区域内有2个车站；1个长途客运站；7个关键换乘站点，其中5个公交换乘站点，1个公交与地铁换乘站点，1个公交、地铁以及长途客运换乘站点；站场14个，包括岛外站场。公共交通调度控制系统中由一台计算机构成。

第一步：调度控制的相关数据采集

调查得到研究区域内的线路数、站点数、关键换乘站点数、车场数量，如上所述。依据GPS车载终端获得的车辆发车时间和到达每个车站的时间，计算得到车辆从始发站到达关键换乘站点的行驶时间，各线路从始发站到达关键换乘站点时间如表1所示；利用IC卡POS机终端，统计售票数据以及人工补充调查获得乘客上车时间，拟合得到每条线路的乘客到达规律函数和乘客累计到达规律函数，线路包括岛内、岛外公交，长途客运以及地铁线路，其中将多条长途客运线路合并为一条线路进行处理，图5a和图5b给出了其中381路上行线路的客流拟合曲线；每一个优化周期中的发车次数、最大、最小发车间隔，行车时刻表参数取值如表2所示，线路之间的乘客换乘率，线路间的换乘率如表3所示；调查得到每个车场的最大停车数均为15辆，车场之间的最小空驶时间，如表4所示，驾驶员工作时间限制为8小时；利用通信线路将采集数据传输到公共交通调度控制系统并存储在系统数据库中。

表1

表2

表3

表4

第二步：多模式公共交通的分层与组合分析

实施例中，长途客运、地铁作为调度控制方案已知的模式，依据长途客运站的票务系统和地铁IC卡刷卡数据库，统计得到乘客到达车站的规律和离开车站的规律，而岛内公交和岛外公交是调度控制方案待定的模式，它们的调度控制方案受已知模式的影响。其中，将岛内、岛外公交以及长途客运的车辆和驾驶员进行统一配置，实现资源更广层面的共享。

第三步：多模式多线路组合的公共交通行车时刻表的制定

行车时刻表所追求的目标是乘客出行等车时间最小，其包括因乘客因在两条线之间换乘而引起的等车时间和乘客非换乘的等车时间。将调度控制方案中行车时刻表待定的模式放在模型的两部分当中计算，而调度控制方案中行车时刻表已知的模式，只放在换乘等车时间这部分当中计算，即时刻表作为已知输入量。以优化周期内的发车次数、最小发车间隔及最大发车间隔为约束，利用粒子群算法求解目标函数，得到各种模式中每条线路的行车时刻表。

多模式多线路组合的发车时间模型如下：

(MMCTM)

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\Σ}}}\underset{k=j+1}{\overset{L}{\mathrm{\Σ}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\Σ}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\Σ}}}\underset{i=1}{\overset{\stackrel{\‾}{I}}{\mathrm{\Σ}}}{\mathrm{\λ}}_{\mathrm{jk}}^{\mathrm{mni}}\×{\mathrm{\β}}_{\mathrm{jk}}^i\×[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\×[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L^{\′}}{\mathrm{\Σ}}}\underset{t=x_j^m+\mathrm{\Δt}}{\overset{x_j^{m+1}-\mathrm{\Δt}}{\mathrm{\Σ}}}[F_j\left(t\right)-F_j(t-\mathrm{\Δt})]\×\mathrm{\Δt}\end{array}\right\}$

约束条件为： $h_j\≤(x_j^{m+1}-x_j^m)\≤H_j,$ 1≤m≤R_j-1； $x_j^1\≤H_j,$ $x_k^1\≤H_k,$ $x_j^{R_j}\≤A_r,$ $x_k^{R_k}\≤A_r.$

模型中的参数取值：实施例中，L′表示岛内和岛外的公交线路总数量，L表示岛内岛外公交线路、长途客运线路以及地铁线路的数量总和，将长途客运和地铁的线路k第n个班次发车时间x_k ⁿ作为已知输入量，已知的长途客运和地铁线路发车时间表如表5所示；λ_jk ^mni是0，1变量，当不等式

成立时，取值为1，否则为0；Δt＝1min。

根据表2的约束范围，利用粒子群算法求解每条线路的每一个班次的发车时间。粒子群算法的参数设置为：粒子10个，迭代次数50次，认知权重和社会权重均取1.494，惯性权重取0.729。经过程序运算，最终得到行车时刻表如表6所示，班次总数1015次。

表5

表6

第四步：多模式多线路组合的公共交通车辆调度方案

由公共交通调度控制系统将将岛内、岛外公交以及长途客运的车辆进行统一配置，追求车辆利用率最大化，即配备车辆总数，车辆空闲时间和车辆空驶时间的加权总和最小。在满足车场容量，车辆类型及燃料约束条件下，利用改进的蚁群算法求解目标函数，得到多模式下的公共交通车辆调度方案。

由实施例第三步步骤结果得到1015个班次任务；根据已有数据：车场数，各个车场最大停车数以及车场之间的最小空驶时间。利用下面的多模式多车场车辆调度方案模型(MMVSM)求解车辆调度方案：

(MMVSM)

$\min \left\{c_0\underset{d\∈D}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\right|B_d^k|+c_1\underset{d\∈D}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{l\∈B_d^k}{\mathrm{\Σ}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\Σ}}}{a}_{\mathrm{nm}}^l(s_m-e_n-w_{\mathrm{nm}})+c_2\underset{d\∈D}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{l\∈B_d^k}{\mathrm{\Σ}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\Σ}}}{a}_{\mathrm{nm}}^l{w}_{\mathrm{nm}}\}$

约束条件为有：

$\underset{n=1}{\overset{\left|D\right|+n}{\mathrm{\&Sigma;}}}{a}_{\mathrm{nm}}^l=1,$ $\underset{n=1}{\overset{\left|D\right|+N}{\mathrm{\&Sigma;}}}{a}_{\mathrm{nm}}^l-\underset{m=1}{\overset{\left|D\right|+N}{\mathrm{\&Sigma;}}}{a}_{\mathrm{nm}}^l=0,$ $\underset{k\&Element;K}{\mathrm{\&Sigma;}}\left|B_d^k\right|\&le;r_d,$ $\underset{i=p}{\overset{q}{\mathrm{\&Sigma;}}}{b}_{\mathrm{pq}}^l(e_n-s_n+w_{n(n+1)})<{\mathrm{wt}}_k,$

e_q-1+w_(q-1)q+ot_k≤s_q。

模型中的c₀，c₁和c₂分别为配备车辆总数、车辆空闲时间和车辆空驶时间对目标值的贡献大小，取值分别为100，1.5和2。

根据班次任务要求，利用蚁群算法求解车辆调度方案。经过公共交通调度控制系统运算，最终得到车辆调度方案，如表7所示，完成1015个班次，需要81辆车，平均一辆车一天当中执行约13个班次，比单模式单线的车辆调度方案减少了21％的车辆。

表7

第五步：多模式多线路组合的公共交通驾驶员调度方案的制定

由公共交通调度控制系统将将岛内、岛外公交以及长途客运的车辆进行统一配置，追求人员利用率最大化，即驾驶员总数，人员空闲时间的加权总和最小。在满足工作时间等约束条件下，利用改进的蚁群算法求解目标函数，得到多模式下的公共交通驾驶员调度方案。驾驶员调度方案是以车辆调度方案为任务要求。

由实施例第四步步骤的结果获得有1015个行车班次任务；驾驶员工作时间限制t_lim为8小时。利用下面的多模式多车场驾驶员调度方案模型(MMLSM)制定驾驶员调度方案：

$\left(\mathrm{MMLSM}\right)\min \left\{c_0^{\&prime;}\underset{d\&Element;D}{\mathrm{\&Sigma;}}\right|M_d|++c_1^{\&prime;}\underset{d\&Element;D}{\mathrm{\&Sigma;}}\underset{l\&Element;M_d}{\mathrm{\&Sigma;}}\underset{n^{\&prime;},m^{\&prime;}=1}{\overset{\left|D\right|+N^{\&prime;}}{\mathrm{\&Sigma;}}}{a}_{n^{\&prime;}{m}^{\&prime;}}^l(s_{m^{\&prime;}}-e_{n^{\&prime;}})\}$

约束条件有：

模型中的权重c′₀和c′₁分别为人员总数和人员空闲时间对目标值的贡献大小，取值分别为100，1.5。根据任务要求，同样利用蚁群算法求解驾驶员调度方案。经过公共交通调度控制系统运算，最终得到驾驶员调度方案，如表8所示，完成1015个班次，需要165名驾驶员，平均一名驾驶员一天执行约6个班次，比单模式单线的驾驶员调度方案减少了19％的人力资源。

表8

第六步：多模式多线路组合的公共交通区域调度控制方案的发布和执行

将实施例中的第三、第四和第五步分别获得的行车时刻表、车辆调度方案及驾驶员调度方案存储在调度控制系统数据库中，生成表格形式，如表9所示，由公共交通调度控制系统根据不同的接受对象进行有区别的对外发布，有区别的对方发布工作包括三部分：一是利用通信线路将结果发给上述81辆车的车载机上，二是将驾驶员驾驶任务以短信形式单独发送到上述165名驾驶员的手机上，三是将方案利用通信线路传输到上述14个车场的调度终端微机上，由驻站人员对现场车辆、驾驶员进行调度控制、监督和运营状况的记录。

表9

将本发明方法的实施例结果与常规方法的结果进行对比分析，对比结果如表10所示。这里所提到的常规方法是指单模式单线路调度控制方法。

表10

显然，一种多模式公共交通区域调度控制方法，能够充分考虑乘客在出行等车时间成本最小的前提下，更广层面上挖掘运力、人力的共享效益。

上述对实施例的描述是为便于该技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易对这些实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于这里的实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (8)

1.一种多模式公共交通区域调度控制方法，其特征在于包括如下步骤：

(1)公共交通调度控制的数据采集：获取区域内的公共交通线路、站点及关键换乘站点的名称及数量；利用GPS车载终端获得车辆发车时间和到达每个车站的时间，计算得到车辆从始发站到达关键换乘站点的行驶时间；利用IC卡POS机终端，获得每个乘客上车时间，拟合得到每条线路的乘客到达规律函数和乘客累计到达规律函数；从公共交通运输企业获取线路在每一个优化周期中的发车次数、最大发车间隔、最小发车间隔及线路之间的乘客换乘率；获取每个车场的最大停车数，车场之间的最小空驶时间，各线路要求的车辆类型，驾驶员工作时间限制；利用通信线路将采集数据传输到公共交通调度控制系统并存入数据库中；

(2)多模式公共交通的分层与组合：多模式公共交通是指多种公共交通方式，包括航空、铁路、长途汽车运输、市内常规公交和地铁；将多模式公共交通分为两层，第一层是调度控制方案待定的公共交通模式，第二层是调度控制方案当作已知量的公共交通模式，第二层公共交通模式的已知调度控制方案是第一层公共交通模式的调度控制方案的输入量，所述调度控制方案均包括三部分，即行车时刻表、车辆调度方案及驾驶员调度方案，即公共交通车辆的发车时间、车辆指派结果及驾驶员指派结果；

(3)公共交通调度控制系统利用步骤(1)采集的数据，根据行车时刻表模型及粒子群算法求解得到公共交通行车时刻表；

(4)公共交通调度控制系统以公共交通行车时刻表为任务要求，即行车时刻表为本步骤的输入量，根据车辆调度模型及蚁群算法求解得到公共交通车辆调度方案；

(5)公共交通调度控制系统以公共交通车辆调度方案为任务要求，即车辆调度方案为本步骤的输入量，根据驾驶员调度模型及蚁群算法求解得到公共交通驾驶员调度方案；

(6)将行车时刻表、车辆调度方案及驾驶员调度方案存储在公共交通调度控制系统的数据库中，生成表格形式，由公共交通调度控制系统统一对外发布，对外发布包括：利用通信线路将结果发给车辆车载机上；将结果发送给驾驶员的手机上；将方案传输到各个车场的调度终端微机上，由驻站人员对现场车辆、驾驶员进行调度控制、监督和运营记录。

2.根据权利要求1所述的多模式公共交通区域调度控制方法，其特征在于步骤(1)中，采集的数据的类型及定义如下：在综合公共交通网络有向图G＝{L，I}中，线路数为L，包括上下行；站点数为I，关键换乘站点数为I，有I≤I；线路j的车辆从始发站到换乘站点i的行驶时间为t_j ⁱ，1≤j≤L，1≤i≤I；线路j的乘客到达规律函数为P_j(·)，线路j的乘客累计到达规律函数为F_j(·)；第r个优化周期为[A_r-1，A_r]，区间[A_r-1，A_r]内线路j的发车次数为R_j，，1≤j≤L；线路j最大发车间隔为H_j，最小发车间隔为h_j，换乘站点i中从线路j换到线路k的换乘率为β_jk ⁱ；车场d的最大停车数为r_d，车场集合为D，d∈D，车辆类型为f，驾驶员工作时间限制t_lim。

3.根据权利要求2所述的多模式公共交通区域调度控制方法，其特征在于步骤(3)中所述步骤(1)采集的数据包括：线路数L，关键换乘站点数I，每条线路的乘客到达规律函数P_j(·)，乘客累计到达规律函数F_j(·)，本优化周期内的发车次数R_j，最小发车间隔h_j，最大发车间隔H_j，换乘率β_jk ⁱ，行车时刻表模型的变量定义有：线路j的第m个班次的发车时间x_j ^m，(1≤m≤R_j，1≤j≤L)，λ_jk ^mni是0，1变量，当不等式

成立时，即线路j的第m个班次车辆到达换乘站点i的时间介于线路k的第(n-1)和第n个班次到达站点i的时间，取值为1，否则为0；

4.根据权利要求3所述的多模式公共交通区域调度控制方法，其特征在于步骤(3)中，行车时刻表模型是以乘客出行等车时间最小为目标函数，出行等车时间包括因进行线路之间换乘而引起的等车时间和不换乘的等车时间这两部分，将调度控制方案中行车时刻表待定的公共交通模式放在模型的两部分当中计算，将调度控制方案中行车时刻表已知的公共交通模式的车辆发车时间只放在线路之间换乘引起的等车时间这部分当中计算；以优化周期内的发车次数、最小发车间隔及最大发车间隔为约束，利用粒子群算法求解目标函数，得到各种模式中每条线路的行车时刻表；多模式公共交通区域调度控制的行车时刻表模型由以下各部分组成：

I.非换乘等车时间模型N-TTM为：

$\min {\&Integral;}_{x_j^m}^{x_j^{m+1}}{P}_j\left(t\right)\mathrm{dt},$

式中，约束条件为：

由于函数P_j(·)为连续函数，可将连续性问题进行离散化处理，如果乘客在区间(0，Δt]到达，当Δt足够小时，如Δt＝1min，可认为这些乘客集中在Δt时间点到达；那么，N-TTM又表示为：

$\min \underset{t=x_j^m+\mathrm{\&Delta;t}}{\overset{x_j^{m+1}-\mathrm{\&Delta;t}}{\mathrm{\&Sigma;}}}[F_j\left(t\right)-F_j(t-\mathrm{\&Delta;t})]\&times;\mathrm{\&Delta;t}$

约束条件同上；

II.换乘等车时间模型TTM

当不等式

成立时，线路j第m个班次的乘客换到线路k第n个班次的数量为β_jk ⁱ×[F_j(x_j ^m+1)-F_j(x_j ^m)]；那么，TTM表示为：

$\min \underset{j=1}{\overset{L-1}{\mathrm{\&Sigma;}}}\underset{k=j+1}{\overset{L}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{R_j-1}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{\stackrel{\&OverBar;}{I}}{\mathrm{\&Sigma;}}}\{{\mathrm{\&lambda;}}_{\mathrm{jk}}^{\mathrm{mni}}\&times;{\mathrm{\&beta;}}_{\mathrm{jk}}^i\&times;[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\&times;[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)\left]\right\}$

其中，要满足以下约束条件：

其他约束条件同上；

III.单模式多线组合发车时间模型SMCTM

单模式多线路组合的发车时间优化模型是非换乘等车时间模型与换乘等车时间模型之和求最优，SMCTM表示为：

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\&Sigma;}}}\underset{k=j+1}{\overset{L}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{R_f-1}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{\stackrel{\&OverBar;}{I}}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{\mathrm{jk}}^{\mathrm{mni}}\&times;{\mathrm{\&beta;}}_{\mathrm{jk}}^i\&times;[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\&times;[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L}{\mathrm{\&Sigma;}}}\underset{t=x_j^m+\mathrm{\&Delta;t}}{\overset{x_j^{m+1}-\mathrm{\&Delta;t}}{\mathrm{\&Sigma;}}}[F_j\left(t\right)-F_j(t-\mathrm{\&Delta;t})]\&times;\mathrm{\&Delta;t}\end{array}\right\}$

约束条件同上；

IV.多模式多线组合发车时间模型MMCTM

对于调度控制方案中行车时刻表已知的公共交通模式的多线路来说，非换乘等车时间模型N-TTM无须求解；因此，模型N-TTM中的L可改为L′，L′仅仅表示调度控制方案中行车时刻表待定的那些公共交通模式的多条线路数量，L表示所有公共交通模式的所有线路数量；将行车时刻表已知的公共交通模式的线路k第n个班次发车时间x_k ⁿ作为已知输入量，在目标最优化情况下，将需要求解行车时刻表的那些模式的线路j第m个班次发车时间x_j ^m作为输出结果，形成行车时刻表，1≤m≤R_j，1≤n≤R_k，1≤j≤L，1≤k≤L，L′＜L；因此，多模式多线路组合的发车时间模型MMCTM如下：

$\min \left\{\begin{array}{c}\underset{j=1}{\overset{L-1}{\mathrm{\&Sigma;}}}\underset{k=j+1}{\overset{L}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{R_k-1}{\mathrm{\&Sigma;}}}\underset{m=1}{\overset{R_f-1}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{\stackrel{\&OverBar;}{I}}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_{\mathrm{jk}}^{\mathrm{mni}}\&times;{\mathrm{\&beta;}}_{\mathrm{jk}}^i\&times;[F_j\left(x_j^{m+1}\right)-F_j\left(x_j^m\right)]\&times;[(x_k^{n+1}+t_k^i)-(x_j^m+t_j^i)]\\ +\underset{j=1}{\overset{L^{\&prime;}}{\mathrm{\&Sigma;}}}\underset{t=x_j^m+\mathrm{\&Delta;t}}{\overset{x_j^{m+1}-\mathrm{\&Delta;t}}{\mathrm{\&Sigma;}}}[F_j\left(t\right)-F_j(t-\mathrm{\&Delta;t})]\&times;\mathrm{\&Delta;t}\end{array}\right\}.$

5.根据权利要求3所述的多模式公共交通区域调度控制方法，其特征在于步骤(3)中，求解行车时刻表模型的粒子群算法步骤如下：

1)数据准备：线路数L，关键换乘站点数I，各线路客流到达累计函数F_j(·)，一个设定周期内的发车次数R_j，最小发车间隔h_j，最大发车间隔H_j，换乘率β_jk ⁱ；设定粒子群算法参数，包括粒子数，迭代次数和粒子位置更新式中的惯性权重、认知权重、社会权重；

2)变量初始化：由求解发车时间的线路j第m个班次发车时间x_j ^m组成多维的粒子，粒子的维数等于这些线路的总发车班次数；而调度控制方案中的行车时刻表已知的线路的各个班次发车时间作为已知输入量；

3)产生可行解：输入步骤1)和步骤2)的已知数据和参数，粒子的各维变量在约束范围内随机产生粒子位置，即可行解，按照行车时刻表模型计算目标函数值，即粒子群算法的适应值；

4)选择最优解：选取每次迭代中最优的粒子适应值，其中每一个粒子对应一个适应值，在保留上一次迭代中最优适应值对应的粒子位置的情况下，即保留目标函数值对应的可行解，循环迭代，当达到预设的迭代次数时，迭代结束；

5)输出结果：最后一次迭代产生的粒子位置，即可行解，就是问题的最优解，这个最优解就是调度控制方案中行车时刻表待定的模式的线路的行车时刻表，将结果输出。

6.根据权利要求3所述的多模式公共交通区域调度控制方法，其特征在于步骤(4)中用到的步骤(1)所采集的数据包括，每个车场的最大停车数r_d，各个车场之间的最小空驶时间；行车时刻表是车辆调度的任务要求，假设行车时刻表有N个班次任务，编号依次为1，...，N；班次n的发车时间为s_n，到达终点站的结束时间为e_n，有e_n≥s_n；相邻班次n和m中，如果班次n的终点车场不是m的始发车场时，w_nm为车辆在这两个车场之间的最小空驶时间，否则w_nm取值为0；同一辆车执行完班次n之后，能够执行相邻班次m的必要条件是e_n+w_nm≤s_m；第d个车场最大停车数为r_d，d∈D；当车辆l能够执行相邻班次n和m时，a_nm ^l取值为1，否则为0；当车辆l能够在执行相邻班次n和m之间进行加油时，b_ij ^l取值为1，否则为0；以车辆数、车辆等待时间及车辆空驶时间最小的多模式多车场车辆调度方案模型MMVSM为

$\min \left\{c_0\underset{d\&Element;D}{\mathrm{\&Sigma;}}\underset{f}{\mathrm{\&Sigma;}}\right|B_d^f|+c_1\underset{d\&Element;D}{\mathrm{\&Sigma;}}\underset{f}{\mathrm{\&Sigma;}}\underset{l\&Element;B_d^k}{\mathrm{\&Sigma;}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\&Sigma;}}}{a}_{\mathrm{nm}}^l(s_m-e_n-w_{\mathrm{nm}})+c_2\underset{d\&Element;D}{\mathrm{\&Sigma;}}\underset{f}{\mathrm{\&Sigma;}}\underset{l\&Element;B_d^f}{\mathrm{\&Sigma;}}\underset{n,m=1}{\overset{\left|D\right|+N}{\mathrm{\&Sigma;}}}{a}_{\mathrm{nm}}^l{w}_{\mathrm{nm}}\};$

约束条件有：(1)一个班次只能被一辆车执行，且一辆车同时也只能执行一个班次，即

和

(2)属于不同公交路线的班次对车辆类型f要求不同，停留在车场d的不同车辆类型f的集合B_d ^f不超过车场最大停车数r_d，即模型中的c₀，c₁和c₂分别为配备车辆总数、车辆空闲时间和车辆空驶时间对目标值的贡献大小，即权重。

7.根据权利要求3所述的多模式公共交通区域调度控制方法，其特征在于步骤(5)中，车辆调度方案是驾驶员调度的任务要求，假设车辆调度方案获得有N′个行车班次任务，编号为1，...，N′；班次发车时间为s_n’，结束时间为e_n’，有e_n’≥s_n’；同一辆车执行完班次n’之后，能够执行相邻班次m’的必要条件是e_n’+w_n’m’≤s_m’；当人员l’能够执行相邻班次n’和m’时，a_n′m′ ^l′取值为1，否则为0；驾驶员工作时间限制为t_lim；车场d的驾驶员数量为M_d；以驾驶员总数、人员空闲时间最小的多模式多车场驾驶员调度方案模型MMLSM为

$\min \left\{c_0^{\&prime;}\underset{d\&Element;D}{\mathrm{\&Sigma;}}\right|M_d|++c_1^{\&prime;}\underset{d\&Element;D}{\mathrm{\&Sigma;}}\underset{l\&Element;M_d}{\mathrm{\&Sigma;}}\underset{n^{\&prime;},m^{\&prime;}=1}{\overset{\left|D\right|+N^{\&prime;}}{\mathrm{\&Sigma;}}}{a}_{n^{\&prime;}{m}^{\&prime;}}^l(s_{m^{\&prime;}}-e_{n^{\&prime;}})\};$

约束条件有：(1)一个班次只能被一名人员执行，且一名人员同时也只能执行一个班次，即

和

(2)一名人员l’的总工作时间要满足工作时间限制，即

模型中的c′₀和c′₁分别为人员总数和人员空闲时间对目标值的贡献大小，即权重。

8.根据权利要求1～7任一项所述的多模式公共交通区域调度控制方法，其特征在于步骤(6)中，所述车辆车载机具有接受、查询、显示功能。

Images