CN106096868A - 一种多约束网络集约小客车调度方法 - Google Patents

Abstract

本发明公开了一种多约束网络集约小客车调度方法，其包括以下步骤：步骤1、建立成本目标函数；步骤2、建立以乘客优先级(以预约发起时间为顺序)、车型需求、计费方式、路况影响、时间窗和容量等多个约束条件；步骤3、求取最小的调度成本。本发明全面地考虑乘客优先级(以预约发起时间为顺序)、车型需求、计费方式、路况影响、时间窗和容量等多约束情况，实现同等条件下的低成本、高效率。

Description

一种多约束网络集约小客车调度方法

技术领域

本发明涉及车辆调度技术领域，具体涉及一种多约束网络集约小客车调度方法。

背景技术

网络约租车是一种新型的租车模式，统一停候在固定站点，不巡街，只提供APP软件召车服务。网络约租车能提供方便、快捷、优质的预约服务，有效降低交通拥堵和无效行驶。网络集约用车中的小客车主要是指专用于客运的小客车，并通过网络预约交互方式实现运营。按照目前的小客车经营方式分类，主要包括出租车、专车、约租车、私租车、租赁小客车等，未来包括无人驾驶的预约小客车等。出租车、专车、约租车、私租车、租赁小客车以及无人驾驶的预约小客车的营运模式比较类似，从移动互联网终端上发出用车需求，在位置共享算法的作用下，接送乘客上车、营运以及下车。然而，预约地点、下车地点、路径的非确定往往造成运营调度的有效性往往不足，同时运力调配的效率不高，造成部分地区供不应求，部分地区车辆处于空置状态，难以实现运力的有效运用。

发明内容

针对上述不足，本发明的目的在于提供一种多约束网络集约小客车调度方法，其全面地考虑乘客优先级(以预约发起时间为顺序)、车型需求、计费方式、路况影响、时间窗和容量等多约束情况，实现同等条件下的低成本、高效率。

为了实现上述目的，本发明采取的技术方案是：

一种多约束网络集约小客车调度方法，其包括以下步骤：

步骤1、建立成本目标函数：

$f\left(L\right)=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}(C_0^k{}_v+C_1^k{}_v+C_i^k{}_s+C_i^k{}_p)---\left(1\right)$

其中，^vC₀ ^k为使用第k辆车的固定成本，^vC₁ ^k为使用第k辆车的运营成本，1≤k≤m，m为车辆总数；^sC_i ^k为第k辆车到达乘客出发点i等待乘客时间所耗费 费用，^pC_i ^k为第k辆车到达乘客出发点i超过规定时间的惩罚费用，且有：

$C_0^k{}_v=C_0^k{\mathrm{\ΣX}}_{ij}^k---\left(2\right)$

$C_1^k{}_v=C_1^k{\mathrm{\ΣX}}_{ij}^k{\mathrm{\λ}}_{ij}{d}_{ij}---\left(3\right)$

如果第k辆车到达乘客出发点i的时刻s_i ^k小于乘客到达乘客出发点i的时刻a_i，则：

^sC_i ^k＝μ₁(a_i-s_i ^k) (4)

反之，则^sC_i ^k＝0；

如果第k辆车到达乘客出发点i的时刻s_i ^k大于规定时间的时刻b_i，则：

^pC_i ^k＝μ₂(s_i ^k-b_i) (5)

反之，则^pC_i ^k＝0；

其中，C₀ ^k为使用第k辆车的固定费用；C₁ ^k为第k辆车运行单位距离的费用；λ_ij为路况系数；d_ij为所述第h条路径的实际路径长度；s_i ^k为第k辆车到达乘客出发点i的时刻，μ₁为单位时间的等待费用；μ₂为单位时间的惩罚费用；X_ij ^k为第k辆车从乘客出发点i到乘客下落点j的决策变量，当且仅当第k辆车从乘客出发点i到乘客下落点j时，则X_ij ^k＝1，反之，X_ij ^k＝0；1≤i≤n，1≤j≤n，n为总节点数；

步骤2、构建成本目标函数的以下约束条件：

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_{ij}^k{q}_j\≤Q_k,k=1,2...m---\left(6\right)$

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{X}_{ij}^k=1,j=1,2,\mathrm{...},n---\left(7\right)$

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_{0i}^k=1,k=1,2,\mathrm{...},m---\left(8\right)$

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{X}_{j0}^k-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_{0i}^k=0,k=1,2,\mathrm{...},m---\left(9\right)$

$\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{X}_{j0}^k=1,k=1,2,\mathrm{...},m---\left(10\right)$

$s_i^k+s_i+t_{ij}^k=s_j^k---\left(11\right)$

${\mathrm{\λ}}_{ij}{d}_{ij}=V_k^{SP}{t}_{ij}^k---\left(12\right)$

其中，q_j为乘客下落点j的乘客预约人数，Q_k为第k辆车的最大载人数；X_0i ^k为第k辆车从调度点到乘客出发点i的决策变量；X_j0 ^k为第k辆车从乘客下落点j到调度点的决策变量；s_j ^k为第k辆车在乘客出发点i为乘客服务的时间；t_ij ^k为第k辆车从乘客出发点i到乘客下落点j的行驶时间；s_j ^k为第k辆车到达乘客下落点j的时刻；为在标准路况下第k辆车的运行速度；

步骤3、求取所述成本目标函数中的最小值，则该最小值即为调度的最小成本。

本发明的有益效果是：通过全面地考虑乘客优先级(以预约发起时间为顺序)、车型需求、计费方式、路况影响、时间窗和容量等多约束情况，实现同等条件下的低成本、高效率。

具体实施方式

下面结合具体实施方式对本发明的内容做进一步详细说明。

实施例

全面地考虑乘客优先级(以预约发起时间为顺序)、车型需求、计费方式、路况影响、时间窗和容量等多约束情况，基于以下方法和流程进行调度：

(1)乘客出发地点按照“就近”的原则派车；

(2)最近调度点(约租车停泊车点)共有K辆可调用的车辆，到达每个乘客出发点都有时间窗限制，如果车辆提前到达了乘客出发点，就必须等待，乘客到达后能提供服务；

(3)根据乘客发起预约时间顺序赋予不同的优先级，最高为1级，最低为R级，高优先级的含义是乘客的权重大，各方面须优先满足之；

(4)车辆有载人数容量的限制，只考虑乘客人数需求小于或等于单车可允许的载人数；

(5)每个乘客预约只能选择一种车型和计费方法，并由一辆车一次服务完成；

(6)到达目的点，引导车辆停泊最近的调度点；

(7)求对一项运输服务，调用何种车辆、何时派车、选择哪条路径可达到 成本最小和效率最高。

约租车由m辆车从调度点(停泊点)向n个乘客出发点调出；调出任务可用一个加权图G(V，E)来表示，其中V＝(0,1,2,…,n)为节点集，0代表调度点，后n个节点代表乘客出发点或下落点；E＝{d_ij，i,j∈1,2,…,n}代表从i到j行驶路径集合，考虑到路况和各种因素，以一个路况系数λ_ij来表示路况对调出车辆的影响，标准路径下λ_ij＝1，好于标准路径则λ_ij<1，反之则λ_ij>1，用路况系数乘以配送点之间的实际路径长度d_ij，就是考虑了路径影响后的等价路径长度；L表示一个可行路径，f(L)表示该路径对应的成本，即目标函数；乘客预约的人数需求量为q；Q_k表示车辆K的最大载人数；车辆k在乘客出发点i服务所用时间为s_i；s_i ^k是一个决策变量，表示车辆k到达乘客出发点i的时刻；X_ij ^k也是一个决策变量，可表示为：

问题的目标是要找一个路径集，要求每条路径行驶时间最少，每辆车都不能用超过容量限制Q_k,在乘客预约的优先级、车型需求、计费方式和路况不同等条件下，找到一个可行解使车辆调度效率最高，成本尽可能最小。

首先考虑车辆调出成本，记C₀ ^k为使用第k辆车(简称车辆k)的固定费用，C₁ ^k为第k辆车运行单位距离的费用；V_k ^SP为标准路况下车辆k的运行速度；调出成本主要包括车辆k的固定成本^vC₀ ^k及运营成本^vC₁ ^k,且有

其次还考虑到为等待乘客所耗费费用^sC_i ^k，如果第k辆车到达乘客出发点i的时刻s_i ^k小于乘客到达乘客出发点i的时刻a_i，则：^sC_i ^k＝μ₁(a_i-s_i ^k)，反之，则 ^sC_i ^k＝0。

最后由于有时间窗口限制，若车辆k超出乘客时间窗到达，则产生额外惩罚费用^pC_i ^k；如果第k辆车到达乘客出发点i的时刻s_i ^k大于规定时间的时刻b_i，则：^pC_i ^k＝μ₂(s_i ^k-b_i)，反之，则^pC_i ^k＝0。

因此，最小成本目标函数可表示为：

$F_{min}=\min f\left(L\right)=min\&lsqb;\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}(C_0^k{}_v+C_1^k{}_v+C_i^k{}_s+C_i^k{}_p)\&rsqb;---\left(13\right)$

约束条件：

$\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{X}_{ij}^k{q}_j\&le;Q_k,k=1,2...m---\left(14\right)$

$\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{m}{\mathrm{\&Sigma;}}}{X}_{ij}^k=1,j=1,2,\mathrm{...},n---\left(15\right)$

$\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{X}_{0i}^k=1,k=1,2,\mathrm{...},m---\left(16\right)$

$\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{X}_{j0}^k-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{X}_{0i}^k=0,k=1,2,\mathrm{...},m---\left(17\right)$

$\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{X}_{j0}^k=1,k=1,2,\mathrm{...},m---\left(18\right)$

$s_i^k+s_i+t_{ij}^k=s_j^k---\left(19\right)$

${\mathrm{\&lambda;}}_{ij}{d}_{ij}=V_k^{SP}{t}_{ij}^k---\left(20\right)$

式(13)为目标函数，表示调度成本最小；式(14)表示某可行路径上的载人量之和不超过调出车的最大载人量；式(15)表示每个需求点有一辆车(车型和计费方式符合需求)配送一次；式(16)-(18)表示每台车辆的子路径上，车辆从调度点出发，到达乘客出发点再提供运输服务，将乘客送达目标点，最终又返回调度点；式(19)表示若一台车从节点i直接行使到节点j，那么到达节点j的时间等于到达节点i的时间、为节点服务的时间和i到j的旅行时间之和；式(20)表示在路况影响下的路径距离等于标准车速与旅行时间的乘积；式(21)表明了决策变量X_ij ^k的值为{0，1}。

最后应当说明的是：所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

Claims (1)

1.一种多约束网络集约小客车调度方法，其特征在于，其包括以下步骤：

步骤1、建立成本目标函数：

$f\left(L\right)=\underset{k=1}{\overset{m}{\&Sigma;}}(C_0^k{}_v+C_1^k{}_v+C_i^k{}_s+C_i^k{}_p)---\left(1\right)$

其中，^vC₀ ^k为使用第k辆车的固定成本，^vC₁ ^k为使用第k辆车的运营成本，1≤k≤m，m为车辆总数；^sC_i ^k为第k辆车到达乘客出发点i等待乘客时间所耗费费用，^pC_i ^k为第k辆车到达乘客出发点i超过规定时间的惩罚费用，且有：

$C_0^k{}_v=C_0^k\&Sigma;X_{ij}^k---\left(2\right)$

$C_1^k{}_v=C_1^k\&Sigma;X_{ij}^k{\mathrm{\&lambda;}}_{ij}{d}_{ij}---\left(3\right)$

如果第k辆车到达乘客出发点i的时刻s_i ^k小于乘客到达乘客出发点i的时刻a_i，则：

^sC_i ^k＝μ₁(a_i-s_i ^k)(4)

反之，则^sC_i ^k＝0；

如果第k辆车到达乘客出发点i的时刻s_i ^k大于规定时间的时刻b_i，则：

^pC_i ^k＝μ₂(s_i ^k-b_i)(5)

反之，则^pC_i ^k＝0；

其中，C₀ ^k为使用第k辆车的固定费用；C₁ ^k为第k辆车运行单位距离的费用；λ_ij为路况系数；d_ij为所述第h条路径的实际路径长度；s_i ^k为第k辆车到达乘客出发点i的时刻，μ₁为单位时间的等待费用；μ₂为单位时间的惩罚费用；X_ij ^k为第k辆车从乘客出发点i到乘客下落点j的决策变量，当且仅当第k辆车从乘客出发点i到乘客下落点j时，则X_ij ^k＝1，反之，X_ij ^k＝0；1≤i≤n，1≤j≤n，n为总节点数；

步骤2、构建成本目标函数的以下约束条件：

$\begin{array}{cc}\underset{j=1}{\overset{n}{\&Sigma;}}\underset{i=1}{\overset{n}{\&Sigma;}}{X}_{ij}^k{q}_j\&le;Q_k& k=1,\mathrm{2...}m\end{array}---\left(6\right)$

$\begin{array}{cc}\underset{i=1}{\overset{n}{\&Sigma;}}\underset{k=1}{\overset{m}{\&Sigma;}}{X}_{ij}^k=1& j=1,2,\mathrm{...},n\end{array}---\left(7\right)$

$\begin{array}{cc}\underset{i=1}{\overset{n}{\&Sigma;}}{X}_{0i}^k=1& k=1,2,\mathrm{...},m\end{array}---\left(8\right)$

$\begin{array}{cc}\underset{j=1}{\overset{n}{\&Sigma;}}{X}_{j0}^k-\underset{i=1}{\overset{n}{\&Sigma;}}{X}_{0i}^k=0& k=1,2,\mathrm{...},m\end{array}---\left(9\right)$

$\begin{array}{cc}\underset{j=1}{\overset{n}{\&Sigma;}}{X}_{j0}^k=1& k=1,2,\mathrm{...},m\end{array}---\left(10\right)$

$s_i^k+s_i+t_{ij}^k=s_j^k---\left(11\right)$

${\mathrm{\&lambda;}}_{ij}{d}_{ij}=V_k^{SP}{t}_{ij}^k---\left(12\right)$

其中，q_j为乘客下落点j的乘客预约人数，Q_k为第k辆车的最大载人数；X_0i ^k为第k辆车从调度点到乘客出发点i的决策变量；X_j0 ^k为第k辆车从乘客下落点j到调度点的决策变量；s_j ^k为第k辆车在乘客出发点i为乘客服务的时间；t_ij ^k为第k辆车从乘客出发点i到乘客下落点j的行驶时间；s_j ^k为第k辆车到达乘客下落点j的时刻；为在标准路况下第k辆车的运行速度；

步骤3、求取所述成本目标函数中的最小值，则该最小值即为调度的最小成本。