CN107564269B - 一种基于支付意愿的半灵活公交调度方法 - Google Patents
一种基于支付意愿的半灵活公交调度方法 Download PDFInfo
- Publication number
- CN107564269B CN107564269B CN201710747465.7A CN201710747465A CN107564269B CN 107564269 B CN107564269 B CN 107564269B CN 201710747465 A CN201710747465 A CN 201710747465A CN 107564269 B CN107564269 B CN 107564269B
- Authority
- CN
- China
- Prior art keywords
- point
- passenger
- website
- indicates
- pay
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于支付意愿的半灵活公交调度方法,包括步骤:1)选定拟提供半灵活公交服务模式的范围,获取传统公交数据及乘客的需求信息;2)根据数据对需求点进行处理,完成站点的初筛、分区及编号等过程;3)根据起讫点的站点类型建立相应的费用函数;4)重点考虑运输效益及乘客支付意愿,并兼顾时间、舒适度、满载率等因素,建立系统效益最优的半灵活公交调度模型;5)对调度模型进行求解,得到半灵活公交的调度方案。本发明能够使乘客根据自己的意愿预约并乘坐公交出行,在有效保证运输效益的基础上,更能充分体现半灵活公交在车辆设施、停靠站点、服务时间、舒适安全、自由私密等方面的高品质特性,具有实际推广价值。
Description
技术领域
本发明涉及人工智能领域,尤其是智慧城市交通系统中半灵活公交调度技术领域,具体涉及一种基于支付意愿的半灵活公交调度方法。
背景技术
传统的城市公交基本是定线、定点、定班、定车型的巴士服务,在市场经济条件下,现有的传统公交主要靠政府补贴或者企业高成本运营,在城市的稀疏地区不可能有很密集的网络和很高的发车频率,使得这些地区的出行者乘坐常规公交要走较远的距离以及等待较长的时间,这样的公交服务在如此发达的信息时代是远远不能满足需求的。而随着网约车的推广应用,个人出行一对一的服务已经解决了,但显然不是所有乘客都有条件用网约车服务,有些稀疏地区的网约车也因费用昂贵而不能实现。
需求响应式公交可在车辆设施、停靠站点、服务时间、舒适安全、自由私密等方面充分体现运输过程的高品质特性。在移动互联网普及的智慧城市中,出行距离较长而不具备自驾车和自行车出行能力的人,如老、弱、病、残、孕及大部分低收入人群,他们更希望能按自己的意愿乘坐公交出行,预约公交并且表达自己的支付意愿,节省抵离时间和距离(选择就近的上下客地点)、节省车站等待时间(准时乘车)、愿意支付比常规公交车适当高而比一对一服务的网约车低得多的费用。这些出行需求是情理之中、具有普遍性的大众需求,尤其是未来的年轻人越来越依赖网上预约的生活方式,更能体现需求的大众性。
目前各地已开始推广定制公交等需求响应式公交模式,但并未得到良好的预期效果,各地定制公交上座率较低,造成这一现象主要是因为现行定制公交的形式并非为真正意义上的基于乘客需求的精准定线,未能体现出行费用、舒适度等方面的优势,多为以公司定线、乘客选乘为主的“拟定制”模式。
发明内容
本发明的目的是针对现有技术的不足,提供了一种基于支付意愿的半灵活公交调度方法,所述方法结合传统公交和需求响应式公交两种服务模式,在有效保证运输效益的前提下,根据乘客的交通需求及支付意愿对灵活公交进行合理调度,适应性强,具有较高的应用价值。
本发明的目的可以通过如下技术方案实现:
一种基于支付意愿的半灵活公交调度方法,所述方法包括以下步骤:
1)选定拟提供半灵活公交服务模式的范围,获取传统公交数据及乘客的需求信息,传统公交数据包括服务范围内的原有公交线路及公交站点的相关信息;
2)根据步骤1)的数据对需求点进行处理,完成站点的初筛、分区及编号过程;
3)根据起讫点的站点类型建立相应的费用函数:首先计算支付基价,再讨论站点间不同情况下的附加调度费,进而构建费用函数;
4)重点考虑运输效益及乘客支付意愿,并兼顾时间、舒适度、满载率因素,建立系统效益最优的半灵活公交调度模型;
5)对上述半灵活公交调度模型进行求解,确定调度路线,得到半灵活公交的调度方案。
进一步地,步骤1)中,所述传统公交数据包括原有公交线路各线路的站点名称,站点位置,站点用地性质,站间距,线路配备车辆信息:车型、座位数、最大载客数、速度,线路发班频率,单程平均运行时间,线路及站点客流数据,服务水平,票款收益,运营成本,建设成本以及固定成本;所述乘客的需求信息包括出行起点、出行终点、支付意愿、出行时间和选择偏好。
进一步地,步骤2)中,处理需求点的步骤包括:
2.1)综合考虑需求点的各类信息:需求点的位置、车行方便程度、往期客流是否充足,将乘客需求点分为两类,分别是热门站点,即A类点,和非热门站点,即B类点;若开行一趟半灵活公交,A类点是必经点,B类点则根据系统经济效益进行取舍;
2.2)对需求点进行初步筛选,即将B类点到最近的两个A类点的实际距离站点取舍处理,初步筛出经济效益很差的点;筛选办法如下:
式中,表示从热门站点Am偏离去Bi接乘客的实际距离;表示从Bi接到乘客返回热门站点An的实际距离;表示直接在热门站点Am到热门站点An行驶的实际距离;θ表示倍率;通过上述筛选办法,能够保证车上乘客的乘坐感受,使绕路时间不宜过长;
2.3)对需求点进行分区处理,即将Bi划分在位于An与An+1两相邻热门站点之间的区域,使得对于有:
式中,表示An与Bi间的实际距离;表示Bi与An+1间的实际距离;表示Am与Bi间的实际距离;表示Bi与Am+1间的实际距离;N表示热门站点的数目;
2.4)对需求点进行编号,即根据最短路径对站点进行重新标号,记为A1,A2,A3,…,B1,B2,B3,…。
进一步地,步骤3)中,建立费用函数的步骤包括:
3.1)根据乘客起讫点的站点类型,分不同情况建立相应的费用函数;
3.2)对于起讫点都在热门站点,即A类点的乘客,不存在额外绕路行为,其服务模式与传统公交相同,沿用传统公交车计费模式,不设置附加调度费,支付费用固定,即为公交支付基价,从Ai到Aj的支付费用用下式表示:
式中,表示Ai到Aj的基本票价;表示Ai与Aj间的实际距离;ε表示公交费率跳跃的跨度,单位为km;pε表示每ε千米的费率;
3.3)对于起点在非热门站点,即B类点,讫点在热门站点,即A类点的乘客,由于B类点不是必经点,需根据系统经济效益进行取舍,只有有预约需求,且该需求的支付意愿足够强烈,半灵活公交才会绕行到该需求响应点;因此乘客愿意支付的总价应不小于该点的支付基价和最小附加调度费之和,即:
其中,
式中,表示Bi到Aj的基本票价;表示从An绕行到Bi再回到An+1的最小附加调度费;表示Bi与Aj间的实际距离;ε表示公交费率跳跃的跨度,单位为km;pε表示每ε千米的费率;表示在Bi点的断面客流;表示在Ak点上车的人数;表示在Af点上车的人数;表示在Bs点上车的人数;表示在Ak点下车的人数;表示在Bi点上车的人数;表示接送Bi点乘客的绕行距离;C1表示单位距离的行车成本;C2表示车内乘客单位距离的时间成本;C3表示已预约乘客的候车时间成本;δ表示车内时间成本的权重系数;γ表示候车时间成本的权重系数;表示车辆是否到达Bs点,表示到达Bs点,表示不到达Bs点;
对于接送Bi点乘客的绕行距离的计算方式,分以下情况进行计算:
①当两个热门站点An和An+1之间只有一个次热门站点Bi时,有:
②当两个热门站点An和An+1之间有两个次热门站点Bi和Bi+1时,有:
③当两个热门站点Am和An之间有多个次热门站点Bs,Bi,…,Bt时(s≤i≤t),有:
进一步地,步骤4)中,建立半灵活公交调度模型的步骤包括:
4.1)根据半灵活公交发车规则,对模型的建立提出如下假设:
①完全信息条件下,乘客均采用手机发单,并能够收到消息回馈;
②乘客出行OD和预约出发时间已知;
③车辆的平均行程速度已知;
④乘客提供个人单次出行的支付意愿;
⑤乘客预约时认可出行规则,提前存入足量费用,并接受自动扣费;
4.2)重点考虑运输效益,根据乘客票价收益及时间成本、运输车辆的行车成本,建立目标函数:
式中,为Ai到Aj的乘客数,为Bi到Aj的乘客数,表达式第一部分为起点在热门站点的乘客的票价总收益,第二部分为起点在非热门站点的乘客的票价总收益,第三部分为运输车辆的行车成本与乘客的各类成本之和,当Z达到最大时,系统效益最优;
4.3)根据既定目标函数以及实际调度情况,确定模型的约束条件:
①非热门站点乘客的附加支付意愿应不小于该点最小附加调度费,即:
其中
这里规定Bi点乘客的附加支付意愿用平均值表示;
②运输车辆的载客率要在一定的范围内,即:
式中,QL为车辆最大载客数,从环保和成本的角度出发,载客人数太少,
运输成本难以有效控制,也不符合绿色出行;从乘客的舒适度出发,载客人
数太多,会影响乘客的乘车体验;
③限制运输车辆在非热门站点的停站数,即:
式中,Nmax为非热门站点的最大停站数;
④控制运输车辆的绕路比,即:
式中,θmax为运输车辆的最大绕路比;
③和④从停站数和绕路比两方面保证了主线上乘客的乘坐体验,并间接控制了全程时间。
进一步地,步骤5)中求解半灵活公交调度模型的方法为启发式算法,包括遗传算法、蚁群算法、模拟退火法、神经网络法等,求解思路如下:
①、令其中表示车辆是否到达Bi点,表示达到Bi点,表示不到达Bi点;
②、根据相应算法的规则确定初始解;
③、在算法的关键参数的控制下通过邻域函数产生若干邻域解;
④、按接受准则:确定性、概率性或混沌方式,更新当前状态;
⑤、按关键参数修改准则调整关键参数;
⑥、根据算法的收敛准则判断是否满足迭代停止条件,若满足,则得到问题的最
终优化结果,否则回到步骤③。
本发明与现有技术相比,具有如下优点和有益效果:
本发明通过从乘客支付意愿及交通需求的角度出发,结合传统公交和需求响应式公交两种服务模式,并考虑企业的运输效益,得到一种基于支付意愿的半灵活公交调度方法,首次结合乘客的支付意愿与半灵活公交调度进行研究,能够根据各地的情况灵活运用模型,适应性强,具有较强的推广价值。
附图说明
图1为本发明实施例一种基于支付意愿的半灵活公交调度方法的流程图。
图2为本发明实施例中半灵活公交的服务流程图。
图3为本发明实施例中半灵活公交的备选站点示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例:
本实施例提供了一种基于支付意愿的半灵活公交调度方法,所述方法的流程图如图1所示,包括以下步骤:
1)选定拟提供半灵活公交服务模式的范围,半灵活公交的服务流程图如图2所示,获取传统公交数据及乘客的需求信息,传统公交数据包括服务范围内的原有公交线路及公交站点的相关信息;其中,所述传统公交数据包括原有公交线路各线路的站点名称,站点位置,站点用地性质,站间距,线路配备车辆信息:车型、座位数、最大载客数、速度,线路发班频率,单程平均运行时间,线路及站点客流数据,服务水平,票款收益,运营成本,建设成本以及固定成本等;所述乘客的需求信息包括出行起点、出行终点、支付意愿、出行时间和选择偏好等。范围的选定及数据的获取如下:
某一固定区域,原有一条公交线路,从发车站场到收车站场线路全长30km,任意相邻站点间距离为5km,车辆从发车站场向收车站场单向行驶,按原有公交线路则从AO-A1-A2-A3-AD依次行驶,如图3所示,A1、A2、A3为热门站点,是半灵活公交的必经点,B1、B2、B3、B4、B5、B6、B7、B8为非热门站点,则可根据系统经济效益进行取舍,各站点间的距离信息如表1所示,乘客的OD需求矩阵如表2所示,相应的支付意愿信息如表3所示,相关参数如表4所示。
表1 各站点间的实际距离(Km)
表2 乘客的OD需求矩阵
站点名称 | 平均附加支付意愿 | 站点人数 |
B1 | 2 | 6 |
B2 | 4 | 7 |
B3 | 4 | 5 |
B4 | 2 | 4 |
B5 | 2 | 6 |
B6 | 2 | 4 |
B7 | 2 | 1 |
B8 | 0 | 0 |
表3 乘客的支付意愿信息
表4 相关的输入参数
2)根据步骤1)的数据对需求点进行处理,完成站点的初筛、分区及编号过程;
2.1)综合考虑需求点的各类信息:需求点的位置、车行方便程度、往期客流是否充足,将乘客需求点分为两类,分别是热门站点,即A类点,和非热门站点,即B类点;若开行一趟半灵活公交,A类点是必经点,B类点则根据系统经济效益进行取舍;
2.2)对需求点进行初步筛选,即将B类点到最近的两个A类点的实际距离站点取舍处理,初步筛出经济效益很差的点;筛选办法如下:
式中,表示从热门站点Am偏离去Bi接乘客的实际距离;表示从Bi接到乘客返回热门站点An的实际距离;表示直接在热门站点Am到热门站点An行驶的实际距离;θ表示倍率;本实施例取θ≤3作为初筛条件。通过上述筛选办法,能够保证车上乘客的乘坐感受,使绕路时间不宜过长;
2.3)对需求点进行分区处理,即将Bi划分在位于An与An+1两相邻热门站点之间的区域,使得对于有:
式中,表示An与Bi间的实际距离;表示Bi与An+1间的实际距离;表示Am与Bi间的实际距离;表示Bi与Am+1间的实际距离;N表示热门站点的数目;
2.4)对需求点进行编号,即根据最短路径对站点进行重新标号,记为A1,A2,A3,…,B1,B2,B3,…。
3)根据起讫点的站点类型建立相应的费用函数:首先计算支付基价,再讨论站点间不同情况下的附加调度费,进而构建费用函数;
3.1)根据乘客起讫点的站点类型,分不同情况建立相应的费用函数;
3.2)对于起讫点都在热门站点,即A类点的乘客,不存在额外绕路行为,其服务模式与传统公交相同,沿用传统公交车计费模式,不设置附加调度费,支付费用固定,即为公交支付基价,从Ai到Aj的支付费用用下式表示:
式中,表示Ai到Aj的基本票价;表示Ai与Aj间的实际距离;ε表示公交费率跳跃的跨度,单位为km;pε表示每ε千米的费率;
3.3)对于起点在非热门站点,即B类点,讫点在热门站点,即A类点的乘客,由于B类点不是必经点,需根据系统经济效益进行取舍,只有有预约需求,且该需求的支付意愿足够强烈,半灵活公交才会绕行到该需求响应点;因此乘客愿意支付的总价应不小于该点的支付基价和最小附加调度费之和,即:
其中,
式中,表示Bi到Aj的基本票价;表示从An绕行到Bi再回到An+1的最小附加调度费;表示Bi与Aj间的实际距离;ε表示公交费率跳跃的跨度,单位为km;pε表示每ε千米的费率;表示在Bi点的断面客流;表示在Ak点上车的人数;表示在Af点上车的人数;表示在Bs点上车的人数;表示在Ak点下车的人数;表示在Bi点上车的人数;表示接送Bi点乘客的绕行距离;C1表示单位距离的行车成本;C2表示车内乘客单位距离的时间成本;C3表示已预约乘客的候车时间成本;δ表示车内时间成本的权重系数;γ表示候车时间成本的权重系数;表示车辆是否到达Bs点,表示到达Bs点,表示不到达Bs点;
对于接送Bi点乘客的绕行距离的计算方式,分以下情况进行计算:
①当两个热门站点An和An+1之间只有一个次热门站点Bi时,有:
②当两个热门站点An和An+1之间有两个次热门站点Bi和Bi+1时,有:
③当两个热门站点Am和An之间有多个次热门站点Bs,Bi,…,Bt时(s≤i≤t),有:
4)重点考虑运输效益及乘客支付意愿,并兼顾时间、舒适度、满载率因素,建立系统效益最优的半灵活公交调度模型;
4.1)根据半灵活公交发车规则,对模型的建立提出如下假设:
①完全信息条件下,乘客均采用手机发单,并能够收到消息回馈;
②乘客出行OD和预约出发时间已知;
③车辆的平均行程速度已知;
④乘客提供个人单次出行的支付意愿;
⑤乘客预约时认可出行规则,提前存入足量费用,并接受自动扣费;
4.2)重点考虑运输效益,根据乘客票价收益及时间成本、运输车辆的行车成本,建立目标函数:
式中,为Ai到Aj的乘客数,为Bi到Aj的乘客数,表达式第一部分为起点在热门站点的乘客的票价总收益,第二部分为起点在非热门站点的乘客的票价总收益,第三部分为运输车辆的行车成本与乘客的各类成本之和,当Z达到最大时,系统效益最优;
4.3)根据既定目标函数以及实际调度情况,确定模型的约束条件:
①非热门站点乘客的附加支付意愿应不小于该点最小附加调度费,即:
其中
这里规定Bi点乘客的附加支付意愿用平均值表示;
②运输车辆的载客率要在一定的范围内,即:
式中,QL为车辆最大载客数,从环保和成本的角度出发,载客人数太少,运输成本难以有效控制,也不符合绿色出行;从乘客的舒适度出发,载客人数太多,会影响乘客的乘车体验;
③限制运输车辆在非热门站点的停站数,即:
式中,Nmax为非热门站点的最大停站数;
④控制运输车辆的绕路比,即:
式中,θmax为运输车辆的最大绕路比;
③和④从停站数和绕路比两方面保证了主线上乘客的乘坐体验,并间接控制了全程时间。
5)对上述半灵活公交调度模型进行求解,确定调度路线,得到半灵活公交的调度方案。
5.1)求解调度模型,由于实际应用中需求点较多,调度模型主要使用启发式算法。本实施例中由于规模不大,直接采用遍历法进行求解,将上述基础数据进行输入,运行结果见表5。
表5 运行结果
5.2)根据模型求解结果,确定调度线路为AO-A1-B1-A2-A3-AD,得到半灵活公交的调度方案。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (5)
1.一种基于支付意愿的半灵活公交调度方法,其特征在于,所述方法包括以下步骤:
1)选定拟提供半灵活公交服务模式的范围,获取传统公交数据及乘客的需求信息,传统公交数据包括服务范围内的原有公交线路及公交站点的相关信息;
2)根据步骤1)的数据对需求点进行处理,完成站点的初筛、分区及编号过程;
3)根据起讫点的站点类型建立相应的费用函数:首先计算支付基价,再讨论站点间不同情况下的附加调度费,进而构建费用函数;其中,建立费用函数的步骤包括:
3.1)根据乘客起讫点的站点类型,分不同情况建立相应的费用函数;
3.2)对于起讫点都在热门站点,即A类点的乘客,不存在额外绕路行为,其服务模式与传统公交相同,沿用传统公交车计费模式,不设置附加调度费,支付费用固定,即为公交支付基价,从Ai到Aj的支付费用用下式表示:
式中,表示Ai到Aj的基本票价;表示Ai与Aj间的实际距离;ε表示公交费率跳跃的跨度,单位为km;pε表示每ε千米的费率;
3.3)对于起点在非热门站点,即B类点,讫点在热门站点,即A类点的乘客,由于B类点不是必经点,需根据系统经济效益进行取舍,只有有预约需求,且该需求的支付意愿足够强烈,半灵活公交才会绕行到该需求响应点;因此乘客愿意支付的总价应不小于该点的支付基价和最小附加调度费之和,即:
其中,
式中,表示Bi到Aj的基本票价;表示从An绕行到Bi再回到An+1的最小附加调度费;表示Bi与Aj间的实际距离;ε表示公交费率跳跃的跨度,单位为km;pε表示每ε千米的费率;表示在Bi点的断面客流;表示在Ak点上车的人数;表示在Af点上车的人数;表示在Bs点上车的人数;表示在Ak点下车的人数;表示在Bi点上车的人数;表示接送Bi点乘客的绕行距离;C1表示单位距离的行车成本;C2表示车内乘客单位距离的时间成本;C3表示已预约乘客的候车时间成本;δ表示车内时间成本的权重系数;γ表示候车时间成本的权重系数;表示车辆是否到达Bs点,表示到达Bs点,表示不到达Bs点;
对于接送Bi点乘客的绕行距离的计算方式,分以下情况进行计算:
①当两个热门站点An和An+1之间只有一个次热门站点Bi时,有:
②当两个热门站点An和An+1之间有两个次热门站点Bi和Bi+1时,有:
③当两个热门站点Am和An之间有多个次热门站点Bs,Bi,…,Bt时,s≤i≤t,有:
4)重点考虑运输效益及乘客支付意愿,并兼顾时间、舒适度、满载率因素,建立系统效益最优的半灵活公交调度模型;
5)对上述半灵活公交调度模型进行求解,确定调度路线,得到半灵活公交的调度方案。
2.根据权利要求1所述的一种基于支付意愿的半灵活公交调度方法,其特征在于:步骤1)中,所述传统公交数据包括原有公交线路各线路的站点名称,站点位置,站点用地性质,站间距,线路配备车辆信息:车型、座位数、最大载客数、速度,线路发班频率,单程平均运行时间,线路及站点客流数据,服务水平,票款收益,运营成本,建设成本以及固定成本;所述乘客的需求信息包括出行起点、出行终点、支付意愿、出行时间和选择偏好。
3.根据权利要求1所述的一种基于支付意愿的半灵活公交调度方法,其特征在于,步骤2)中,处理需求点的步骤包括:
2.1)综合考虑需求点的各类信息:需求点的位置、车行方便程度、往期客流是否充足,将乘客需求点分为两类,分别是热门站点,即A类点,和非热门站点,即B类点;若开行一趟半灵活公交,A类点是必经点,B类点则根据系统经济效益进行取舍;
2.2)对需求点进行初步筛选,即将B类点到最近的两个A类点的实际距离站点取舍处理,初步筛出经济效益很差的点;筛选办法如下:
式中,表示从热门站点Am偏离去Bi接乘客的实际距离;表示从Bi接到乘客返回热门站点An的实际距离;表示直接在热门站点Am到热门站点An行驶的实际距离;θ表示倍率;通过上述筛选办法,能够保证车上乘客的乘坐感受,使绕路时间不宜过长;
2.3)对需求点进行分区处理,即将Bi划分在位于An与An+1两相邻热门站点之间的区域,使得对于有:
式中,表示An与Bi间的实际距离;表示Bi与An+1间的实际距离;表示Am与Bi间的实际距离;表示Bi与Am+1间的实际距离;N表示热门站点的数目;
2.4)对需求点进行编号,即根据最短路径对站点进行重新标号,记为A1,A2,A3,…,B1,B2,B3,…。
4.根据权利要求1所述的一种基于支付意愿的半灵活公交调度方法,其特征在于,步骤4)中,建立半灵活公交调度模型的步骤包括:
4.1)根据半灵活公交发车规则,对模型的建立提出如下假设:
①完全信息条件下,乘客均采用手机发单,并能够收到消息回馈;
②乘客出行OD和预约出发时间已知;
③车辆的平均行程速度已知;
④乘客提供个人单次出行的支付意愿;
⑤乘客预约时认可出行规则,提前存入足量费用,并接受自动扣费;
4.2)重点考虑运输效益,根据乘客票价收益及时间成本、运输车辆的行车成本,建立目标函数:
式中,为Ai到Aj的乘客数,为Bi到Aj的乘客数,表达式第一部分为起点在热门站点的乘客的票价总收益,第二部分为起点在非热门站点的乘客的票价总收益,第三部分为运输车辆的行车成本与乘客的各类成本之和,当Z达到最大时,系统效益最优;
4.3)根据既定目标函数以及实际调度情况,确定模型的约束条件:
①非热门站点乘客的附加支付意愿应不小于该点最小附加调度费,即:
其中
这里规定Bi点乘客的附加支付意愿用平均值表示;
②运输车辆的载客率要在一定的范围内,即:
式中,QL为车辆最大载客数,从环保和成本的角度出发,载客人数太少,运输成本难以有效控制,也不符合绿色出行;从乘客的舒适度出发,载客人数太多,会影响乘客的乘车体验;
③限制运输车辆在非热门站点的停站数,即:
式中,Nmax为非热门站点的最大停站数;
④控制运输车辆的绕路比,即:
式中,θmax为运输车辆的最大绕路比;
③和④从停站数和绕路比两方面保证了主线上乘客的乘坐体验,并间接控制了全程时间。
5.根据权利要求1所述的一种基于支付意愿的半灵活公交调度方法,其特征在于:步骤5)中求解半灵活公交调度模型的方法为启发式算法,包括遗传算法、蚁群算法、模拟退火法、神经网络法,求解思路如下:
①、令其中表示车辆是否到达Bi点,表示达到Bi点,表示不到达Bi点;
②、根据相应算法的规则确定初始解;
③、在算法的关键参数的控制下通过邻域函数产生若干邻域解;
④、按接受准则:确定性、概率性或混沌方式,更新当前状态;
⑤、按关键参数修改准则调整关键参数;
⑥、根据算法的收敛准则判断是否满足迭代停止条件,若满足,则得到问题的最终优化结果,否则回到步骤③。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710747465.7A CN107564269B (zh) | 2017-08-28 | 2017-08-28 | 一种基于支付意愿的半灵活公交调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710747465.7A CN107564269B (zh) | 2017-08-28 | 2017-08-28 | 一种基于支付意愿的半灵活公交调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107564269A CN107564269A (zh) | 2018-01-09 |
CN107564269B true CN107564269B (zh) | 2019-10-18 |
Family
ID=60977100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710747465.7A Active CN107564269B (zh) | 2017-08-28 | 2017-08-28 | 一种基于支付意愿的半灵活公交调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107564269B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109064205B (zh) * | 2018-06-22 | 2021-10-26 | 华南理工大学 | 一种考虑站点热度互联网定制公交动态定价方法 |
CN109034456B (zh) * | 2018-06-28 | 2024-07-05 | 清华大学 | 用车调度方法、系统、服务器及计算机可读存储介质 |
CN108986460B (zh) * | 2018-07-11 | 2020-07-28 | 华南理工大学 | 一种灵活公交站点动态分级方法 |
CN109308574B (zh) * | 2018-09-07 | 2022-03-29 | 华南理工大学 | 一种实时响应的互联网半灵活公交调度方法 |
CN110246356B (zh) * | 2019-06-12 | 2021-05-04 | 东南大学 | 一种确定可变线路公交配置车辆数和类型的方法 |
CN110598971B (zh) * | 2019-07-25 | 2023-06-13 | 中山大学 | 一种基于蚁群算法的响应式公交服务规划方法 |
CN112562380A (zh) * | 2020-12-24 | 2021-03-26 | 厦门金龙联合汽车工业有限公司 | 一种灵活票价柔性公交调度方法 |
CN112907071A (zh) * | 2021-02-20 | 2021-06-04 | 华南理工大学 | 基于支付意愿的公交调度方法、系统、装置及存储介质 |
CN113096429B (zh) * | 2021-03-09 | 2022-03-08 | 东南大学 | 基于公交调度站点集散的弹性公交区域灵活性线路生成方法 |
CN113096430B (zh) * | 2021-03-09 | 2022-04-01 | 东南大学 | 基于欧氏距离收费的弹性公交即时需求动态响应方法 |
CN114240107A (zh) * | 2021-12-06 | 2022-03-25 | 昆山轨道交通投资置业有限公司 | 一种公共交通复合网络中站点站间可达性评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325257A (zh) * | 2013-07-16 | 2013-09-25 | 许若言 | 一种高效的公交调度方法和装置 |
CN104239484A (zh) * | 2014-09-05 | 2014-12-24 | 浙江工业大学 | 一种基于多模式公交组合调度的时刻表编制方法 |
CN106127357A (zh) * | 2016-07-29 | 2016-11-16 | 华南理工大学 | 一种基于预约数据的定制公交自动布线系统及方法 |
CN106485912A (zh) * | 2016-10-24 | 2017-03-08 | 东南大学 | 一种基于公交站点信息化的普通公交动态调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080098538A (ko) * | 2006-02-21 | 2008-11-10 | 다이나믹 인텔리전스 인코포레이티드 | 운송 스케줄 작성 시스템 |
-
2017
- 2017-08-28 CN CN201710747465.7A patent/CN107564269B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325257A (zh) * | 2013-07-16 | 2013-09-25 | 许若言 | 一种高效的公交调度方法和装置 |
CN104239484A (zh) * | 2014-09-05 | 2014-12-24 | 浙江工业大学 | 一种基于多模式公交组合调度的时刻表编制方法 |
CN106127357A (zh) * | 2016-07-29 | 2016-11-16 | 华南理工大学 | 一种基于预约数据的定制公交自动布线系统及方法 |
CN106485912A (zh) * | 2016-10-24 | 2017-03-08 | 东南大学 | 一种基于公交站点信息化的普通公交动态调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107564269A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564269B (zh) | 一种基于支付意愿的半灵活公交调度方法 | |
CN109308574A (zh) | 一种实时响应的互联网半灵活公交调度方法 | |
CN110580404B (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
Zhu et al. | Public vehicles for future urban transportation | |
CN105489002B (zh) | 一种基于智能匹配和路径优化的拼车方法及系统 | |
CN111401614B (zh) | 一种城市轨道交通动态客流分配方法及系统 | |
CN106127357A (zh) | 一种基于预约数据的定制公交自动布线系统及方法 | |
CN108805344A (zh) | 一种考虑时变需求的高速铁路网络列车开行方案优化方法 | |
CN110084397A (zh) | 一种地铁直达线路规划方法 | |
CN112465211B (zh) | 一种轨道交通列车满载率控制方法及应用 | |
Wu et al. | Joint optimization of timetabling, vehicle scheduling, and ride-matching in a flexible multi-type shuttle bus system | |
CN115423168A (zh) | 一种考虑服务稳定性的定制公交路网优化方法及系统 | |
CN110598971A (zh) | 一种基于蚁群算法的响应式公交服务规划方法 | |
CN111882915A (zh) | 采用复合算法及交互模型的应需定制公交线路规划方法 | |
Lu et al. | Compatibility-based approach for routing and scheduling the demand responsive connector | |
CN111105078A (zh) | 一种定制公交网络优化方法 | |
CN115936330A (zh) | 一种基于拉格朗日原理的需求响应式brt车辆调度算法 | |
Guasch et al. | Simulation analysis of a dynamic ridesharing model | |
CN115879658A (zh) | 定制公交路径优化方法、系统、存储介质及设备 | |
Li et al. | Flexible Bus Route Setting and Scheduling Optimization Adapted to Spatial-temporal Variation of Passenger Flow. | |
CN113096430B (zh) | 基于欧氏距离收费的弹性公交即时需求动态响应方法 | |
Hu et al. | An ant colony optimization based approach to adjust public transportation network | |
Dui et al. | Simulations for urban taxi sharing system on routes and passengers with numerical experiments | |
CN114331060B (zh) | 一种MaaS背景下面向高铁站接驳的DRT车辆路径生成方法 | |
CN111832882B (zh) | 一种交通运输的控制方法、装置、存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |