CN109615112B - 一种响应型社区公交行车调度优化方法 - Google Patents

一种响应型社区公交行车调度优化方法 Download PDF

Info

Publication number
CN109615112B
CN109615112B CN201811365757.5A CN201811365757A CN109615112B CN 109615112 B CN109615112 B CN 109615112B CN 201811365757 A CN201811365757 A CN 201811365757A CN 109615112 B CN109615112 B CN 109615112B
Authority
CN
China
Prior art keywords
demand point
demand
vehicle
stage
bus
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
Application number
CN201811365757.5A
Other languages
English (en)
Other versions
CN109615112A (zh
Inventor
赵靖
葛庆红
韩印
舒仕杰
张永航
陈凯佳
张传
高航
严佳超
高幸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201811365757.5A priority Critical patent/CN109615112B/zh
Publication of CN109615112A publication Critical patent/CN109615112A/zh
Application granted granted Critical
Publication of CN109615112B publication Critical patent/CN109615112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种响应型社区公交行车调度优化方法，包括第一阶段静态调度优化和第二阶段动态调度优化两个阶段。第一阶段针对发车前已收到的出行需求，通过求解优化模型，确定本班次车辆需要响应的需求和行车路线；第二阶段在第一阶段的基础上针对本班次发车后收到的需求，通过求解优化模型，确定本班次需要响应的动态需求并调整行车路线。本发明优化模型目标同时考虑了空载率、乘客不满意度和车辆运营里程，并且在约束条件中考虑了需求响应约束、公交车辆载客容量约束、车辆到达时刻，优化的同时满足了乘客起讫站点个性化需求，并对不同等级的需求进行选择性响应，能更好地适应社区公交乘客出行需求空间和时间分布波动性的特征，从而提高了运营水平。

Description

一种响应型社区公交行车调度优化方法
技术领域
本发明涉及一种社区公交行车调度优化方法，特别涉及一种考虑需求起讫点及需求等级的响应型社区公交行车调度优化方法。
背景技术
为了提升城市居民出行“最后一公里”的便捷性，社区公交应运而生，对公交线网形成了有效补充。为了适应社区公交出行的波动性需求，需求响应型公交被提出，提供了更为个性化的服务，更加方便了市民出行。然而，对于响应型社区公交行车调度中重要的需求起讫点要素，目前的设计方法仅考虑了乘客上车需求，乘客只能在固定站点下车，且未针对不同需求划分等级。对于同时考虑需求起讫点及需求等级的响应型社区公交行车调度未见有针对性的优化设置方法，并且也未检索到这类方法的发明专利。经对现有技术的文献检索发现，有关公交行车调度方法，主要有以下几种：
1、常规公交的行车调度方法
关于常规公交的行车调度，现有的研究主要集中于固定线路公交的车辆和人员调度问题，基于公交时刻表优化车辆发车间隔为乘客提供高水平的服务，代表著作有《公共交通规划与运营》。在此基础上，有学者基于公交实时到站预测系统，根据公交的到站时间对后续车辆发车时间进行动态优化，提高了乘客满意度，较有代表性的文献有《公共交通实时调度控制方法研究》、《智能交通系统中的公交车辆动态调度研究》。
2、响应型公交的行车调度方法
关于响应型公交的行车调度，主要根据乘客上车需求点的分布，考虑区域范围、车辆容量、乘客上车时间窗等因素对上车需求进行选择响应，在此基础上确定行车线路。根据处理乘客下车方式的不同，可分为两类，一是途中不设固定站点，乘客只能在终点站下车，代表性的文献有《面向轨道交通站点的需求响应型接驳公交系统调度方法》；二是设置少量中途固定站点，乘客可以在任一固定站点下车，代表性的文献有《固定站点需求响应式接驳公交调度模型研究》。
3、社区公交的行车调度方法
关于社区公交行车调度研究，大多数沿用了常规公交固定线路行车调度方法，由于需求空间和时间分布的波动性，一方面乘客的需求难以很好满足，另一方面造成运营成本增加，较有代表性的文献有《城市居住区公交微循环系统研究》。
综上所述，常规公交仍是固定线路型，只能通过优化发车时间来间接优化行车方案，对区域范围内需求分布波动性的响应能力较差。响应型公交在行车调度上对需求的波动具有良好的自适应能力，能在提高乘客满意度的同时减少低载、空载情况的发生，但目前的调度方法仅考虑了乘客上车需求，乘客只能在固定站点下车，且未针对不同需求划分等级，无法很好满足公交出行中的上下车需求分布。
发明内容
本发明是针对响应型公交的行车调度更为个性化的服务，更加方便了市民出行的问题，提出了一种响应型社区公交行车调度优化方法，考虑需求的起讫点与需求等级，在社区内部设置高密度的上车和下车备选站点，乘客在预约需求信息中选择自己的起讫站点，结合需求产生时刻与班车发车时间两方面对各个需求划分等级。车辆以空载率、乘客不满意度、运营里程最小为目标，根据需求信息和需求等级进行优化调度。
本发明的技术方案为：一种响应型社区公交行车调度优化方法，具体包括如下步骤：
第一阶段：静态调度优化确定，针对发车前已收到的出行需求，通过求解静态调度优化模型，确定本班次车辆需要响应的需求和行车路径；
1)确定第一阶段静态调度模型输入参数：上一班车没有响应的需求集合M1；本班车次发车前收到的需求集合M2，由所有需求点组成；要求到达需求点i的时间范围为[Pdi,Qdi]，以及需求点i可接受的车辆最早和最迟到达时刻为Pi和Qi；需求点i上车至需求点j下车人数为qij；；需求点i到需求点j的行驶距离为Dij；车辆额定载客量为C；车辆最短和最长运营距离限制为Dmin和Dmax；车辆的出发时刻为t0；车辆平均速度为v；乘客上车和下车的服务时长为tu和td；第一阶段静态调度优化模型的输出参数包括：xi为需求点i是否被响应判定，0-1变量，1表示响应，0表示不响应；zij为行车路径中需求点i与需求点j是否相邻判定，0-1变量，1表示当车辆由需求点i驶向需求点j，否则取0；yij为行车路径中需求点i与需求点j的相对关系判定，0-1变量，1表示需求点i在需求点j上游，否则取0；
第一阶段静态调度优化模型目标函数为最小化空载率f1、乘客不满意度f2和归一化的车辆运营里程f3，如式(1)所示；其中空载率f1、乘客不满意度f2和归一化的车辆运营里程f3分别由式(2)、(3)和(4)计算；
Figure BDA0001868500530000031
Figure BDA0001868500530000032
Figure BDA0001868500530000033
ti为指车辆到达需求点i的时刻；
Figure BDA0001868500530000034
所述需求响应约束，要求上一班次没响应的需求点在本班次中必须被响应，即满足式(5)要求；对于任一出行需求点，其对应的上下车需求点均应响应，即满足式(6)要求；
Figure BDA0001868500530000041
Figure BDA0001868500530000042
所述公交车辆载客容量约束，要求本班次车辆到达需求点i时的车内人数不超过车辆的额定载客数，即满足式(7)要求；
Figure BDA0001868500530000043
所述车辆到达时刻约束，车辆到达需求j的时刻由式(8)计算；
Figure BDA0001868500530000044
j∈M1∪M2
2)将上述输入参数代入本发明建立的第一阶段静态调度优化模型，采用最优化问题求解软件进行求解，得到本班次车辆需要响应的需求xi和优化行车路径；第二阶段：动态调度优化，动态调度优化模型在第一阶段的基础上针对本班次发车后收到的需求，对第一阶段确定本班次车辆需要响应的需求和行车路径进行优化调整；
3)确定第二阶段动态调度优化模型的参数输入：第一阶段静态调度模型中已决定响应的需求集合为M3；收到的动态需求集合为M4，即本班车正在运营中收到的动态需求集合；要求到达需求点I的时间范围为[PdI,QdI]，以及需求点I可接受的车辆最早和最迟到达时刻，PI和QI；需求点I上车至需求点I下车人数，qIJ；需求点I到需求点J的行驶距离；
第二阶段动态调度优化模型的输出参数包括：xI为需求点I是否被响应判定，0-1变量，1表示响应，0表示不响应；zIJ为行车路径中需求点I与需求点J是否相邻判定，0-1变量，1表示当车辆由需求点I驶向需求点J，否则取0；yIJ为行车路径中需求点I与需求点J的相对关系判定，0-1变量，1表示需求点I在需求点J上游，否则取0；
这时需求点的集合为M3∪M4，并且需求响应约束要求第一阶段静态调度中已决定响应的需求在第二阶段动态调度中必须被响应，如步骤1)相同目标函数、约束建立第二阶段动态调度优化模型，其中M1和M2分别替换为M3和M4，然后将第二阶段动态调度优化模型的参数输入，采用最优化问题求解软件进行求解，最终得到调整后本班次车辆需要响应的需求和行车路径。
本发明的有益效果在于：本发明响应型社区公交行车调度优化方法，对不同类型的需求给出了不同的优先级考虑，使调度更为合理；将根据需求信息中的上、下车站点信息，将传统的静态站点优化成动态上、下车站点，减少了乘客下车后的步行距离，为乘客提供了更为便捷的服务；本发明优化模型目标同时考虑了空载率、乘客不满意度和车辆运营里程，并且在约束条件中考虑了需求响应约束、公交车辆载客容量约束、车辆到达时刻，从而在保障居民满意度与公交公司收益的基础上使这种需求响应型社区公交最优运营。
附图说明
图1为本发明实施例中社区路网和常规社区公交的运营线路图；
图2为本发明实施例中第一阶段静态需求分布图；
图3为本发明实施例中第一阶段静态调度行车路径图；
图4为本发明实施例中第二阶段动态需求分布图；
图5为本发明实施例中第二阶段动态调度行车路径图；
图6为本发明方法优化线路与传统线路对比图。
具体实施方式
本发明实施例的研究区域和当前固定线路的社区公交线路，如附图1所示社区路网和常规社区公交的运营线路(粗黑线)。采用本发明中的方法进行最优的需求点响应和行车路径优化，并与当前社区公交调度方案进行对比。
本发明响应型社区公交行车调度优化方法，具体过程简述如下：
第一阶段：静态调度优化确定，针对发车前已收到的出行需求，通过求解静态调度优化模型，确定本班次车辆需要响应的需求和行车路径；
步骤1：确定第一阶段静态调度模型输入参数。上一班车没有响应的需求集合M1，即k-1次班车发车前已申请但未响应的需求，实施例中取空集；本班车次发车前收到的需求集合M2，即k-1次班车发车后至k次班车发车前申请需求，要求到达需求点i的时间范围为[Pdi,Qdi]，以及需求点i可接受的车辆最早和最迟到达时刻为Pi和Qi，如表1所示需求集合表，需求分布如附图2所示圆点所示；需求点i上车至需求点j下车人数为qij，如表2所示；需求点i到需求点j的行驶距离，Dij，如表3所示(单位为km)；车辆额定载客量，C，为18人；车辆最短和最长运营距离限制，Dmin和Dmax，分别为3.4km和6.8km；车辆的出发时刻，t0，为6:30；车辆平均速度，v，取35km/h；乘客上车和下车的服务时长，tu和td，分别取0.0042h和0.0028h。
第一阶段静态调度优化模型的输出参数包括：xi，需求点i是否被响应，0-1变量，1表示响应，0表示不响应；zij，行车路径中需求点i与需求点j是否相邻，0-1变量，1表示当车辆由需求点i驶向需求点j，否则取0；yij，行车路径中需求点i与需求点j的相对关系，0-1变量，1表示需求点i在需求点j上游，否则取0；
第一阶段静态调度优化模型目标函数为最小化空载率f1、乘客不满意度f2和归一化的车辆运营里程f3，如式(1)所示；其中空载率f1、乘客不满意度f2和归一化的车辆运营里程f3分别由式(2)、(3)和(4)计算；
Figure BDA0001868500530000061
Figure BDA0001868500530000062
Figure BDA0001868500530000063
ti为指车辆到达需求点i的时刻；
Figure BDA0001868500530000071
所述需求响应约束，要求k-1班次没响应的需求点在本班次中必须被响应，即满足式(5)要求；对于任一出行需求点，其对应的上下车需求点均应响应，即满足式(6)要求；
Figure BDA0001868500530000072
Figure BDA0001868500530000073
所述公交车辆载客容量约束，要求第k班次车辆到达需求点i时的车内人数不超过车辆的额定载客数，即满足式(7)要求；
Figure BDA0001868500530000074
所述车辆到达时刻约束，车辆到达需求j的时刻由式(8)计算；
Figure BDA0001868500530000075
j∈M1∪M2
表1
Figure BDA0001868500530000076
表2
Figure BDA0001868500530000077
Figure BDA0001868500530000081
表3
Figure BDA0001868500530000082
步骤2：将上述输入参数代入本发明建立的第一阶段静态调度优化模型，可采用最优化问题求解软件(如LINGO)进行求解。优化结果为：需求的响应情况是xi＝{1，1，1，1，1，1，1，1，1，1，0，1}，行车路径为1-5-9-6-8-10-2-12-4-7-3，如图3所示，优化目标值为1.0706。
第二阶段：动态调度优化，动态调度优化模型在第一阶段的基础上针对本班次发车后收到的需求，对第一阶段确定本班次车辆需要响应的需求和行车路径进行优化调整；
步骤3：确定第二阶段动态调度优化模型的参数输入。第一阶段静态调度模型中已决定响应的需求集合，M3，即k次班车在第一阶段静态调度模型中已决定响应的需求集合，为需求点1、2、3、4、5、6、7、8、9、10、12；收到的动态需求集合，M4，即k班车正在运营中收到的动态需求集合；要求到达需求点I的时间范围，[PdI,QdI]，以及需求点I可接受的车辆最早和最迟到达时刻，PI和QI，如表4所示，具体分布如图4所示；需求点I上车至需求点I下车人数，qIJ，如表5所示；需求点I到需求点J的行驶距离，DIJ，如表6所示；
动态调度优化模型的输出参数包括：xI，需求点I是否被响应，0-1变量，1表示响应，0表示不响应；zIJ，行车路径中需求点I与需求点J是否相邻，0-1变量，1表示当车辆由需求点I驶向需求点J，否则取0；yIJ，行车路径中需求点I与需求点J的相对关系，0-1变量，1表示需求点I在需求点J上游，否则取0；
第二阶段：动态调度优化调整，动态调度优化模型目标函数为最小化空载率F1、乘客不满意度F2和归一化的车辆运营里程F3，如式(9)所示；其中空载率F1、乘客不满意度F2和归一化的车辆运营里程F3分别由式(10)、(11)和(12)计算；
Figure BDA0001868500530000091
Figure BDA0001868500530000092
Figure BDA0001868500530000093
tI为指车辆到达需求点I的时刻；
Figure BDA0001868500530000094
所述需求响应约束，要求第一阶段静态调度中已决定响应的需求在第二阶段动态调度中必须被响应，即满足式(13)要求；对于任一出行需求点，其对应的上下车需求点均应响应，即满足式(14)要求；
Figure BDA0001868500530000095
Figure BDA0001868500530000101
所述公交车辆载客容量约束，要求第k班次车辆到达需求点I时的车内人数不超过车辆的额定载客数，即满足式(15)要求；
Figure BDA0001868500530000102
所述车辆到达时刻约束，车辆到达需求点J的时刻由式(16)计算；
Figure BDA0001868500530000103
表4
Figure BDA0001868500530000104
表5
Figure BDA0001868500530000105
表6
Figure BDA0001868500530000106
Figure BDA0001868500530000111
步骤4：将上述输入参数代入本发明建立的第二阶段动态调度优化模型，采用最优化问题求解软件(如LINGO)进行求解。优化结果为：需求的响应情况是xI＝{1,1,1,1,1,1,1,1,1,1,0,1,0,1,1,1,0,1},行车路径1-14-5-9-6-15-8-10-16-2-12-4-18-7-3，如图5所示，优化目标值为0.9818。
步骤5：设计方案评价。将空载率、乘客不满意度、归一化的车辆运营里程三者之和(即模型优化目标值)作为评价指标，对现在的固定线路式社区公交行车方案和本发明的考虑需求起讫点及需求等级的响应型社区公交运营方案进行对比。固定线路式社区公交发车间隔为15min，平均行驶速度为35km/h，途径10个站点，线路总长4.3km，上下客需求保持上述14个公交出行需求不变，得到评价指标值为1.5754。本发明形成的方案较固定线路方案优化了37.68％，并且减少了乘客步行至固定站点的距离，人均减少步行距离0.4km，合计减少步行距离4.81km。
如图6所示本发明方法优化线路与传统线路对比图，本发明优化过程中考虑了：(1)从需求的类型角度看，第一类需求即上一班次拒绝响应的需求，这类需求在本班次中必须被响应，优先级最高；第二类需求即本班次发车前收到的需求，这类需求在第一类需求的基础上根据第一阶段静态调度模型的目标函数值变化进行选择性响应，优先级次之；第三类需求即本班次在运营中收到的动态需求，这类需求在前两类中已确定响应需求的基础上考虑第二阶段动态调度模型目标函数值的变化进行选择性响应，优先级最低；(2)从需求响应的角度看，同时考虑了乘客上车和下车地点，且对于任一需求，其对应的上下车需求均应响应；建立了两阶段的调度优化方法，提高了响应型社区公交的运营水平。
上述的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地对这一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，不脱离本发明范畴所做出的改进和修改都应该在本发明的保护范围之内。

Claims (1)

1.一种响应型社区公交行车调度优化方法，其特征在于，具体包括如下步骤：第一阶段：静态调度优化确定，针对发车前已收到的出行需求，通过求解静态调度优化模型，确定本班次车辆需要响应的需求和行车路径；
1)确定第一阶段静态调度模型输入参数：上一班车没有响应的需求集合M1；本班车次发车前收到的需求集合M2，由所有需求点组成；要求到达需求点i的时间范围为[Pdi,Qdi]，以及需求点i可接受的车辆最早和最迟到达时刻为Pi和Qi；需求点i上车至需求点j下车人数为qij；；需求点i到需求点j的行驶距离为Dij；车辆额定载客量为C；车辆最短和最长运营距离限制为Dmin和Dmax；车辆的出发时刻为t0；车辆平均速度为v；乘客上车和下车的服务时长为tu和td；第一阶段静态调度优化模型的输出参数包括：xi为需求点i是否被响应判定，0-1变量，1表示响应，0表示不响应；zij为行车路径中需求点i与需求点j是否相邻判定，0-1变量，1表示当车辆由需求点i驶向需求点j，否则取0；yij为行车路径中需求点i与需求点j的相对关系判定，0-1变量，1表示需求点i在需求点j上游，否则取0；
第一阶段静态调度优化模型目标函数为最小化空载率f1、乘客不满意度f2和归一化的车辆运营里程f3，如式(1)所示；其中空载率f1、乘客不满意度f2和归一化的车辆运营里程f3分别由式(2)、(3)和(4)计算；
Figure FDA0004161009890000011
Figure FDA0004161009890000012
Figure FDA0004161009890000013
ti为指车辆到达需求点i的时刻；
Figure FDA0004161009890000021
所述需求响应约束，要求上一班次没响应的需求点在本班次中必须被响应，即满足式(5)要求；对于任一出行需求点，其对应的上下车需求点均应响应，即满足式(6)要求；
Figure FDA0004161009890000022
Figure FDA0004161009890000023
所述公交车辆载客容量约束，要求本班次车辆到达需求点i时的车内人数不超过车辆的额定载客数，即满足式(7)要求；
Figure FDA0004161009890000024
所述车辆到达时刻约束，车辆到达需求j的时刻由式(8)计算；
Figure FDA0004161009890000025
2)将上述输入参数代入建立的第一阶段静态调度优化模型，采用最优化问题求解软件进行求解，得到本班次车辆需要响应的需求xi和优化行车路径；
第二阶段：动态调度优化，动态调度优化模型在第一阶段的基础上针对本班次发车后收到的需求，对第一阶段确定本班次车辆需要响应的需求和行车路径进行优化调整；
3)确定第二阶段动态调度优化模型的参数输入：第一阶段静态调度模型中已决定响应的需求集合为M3；收到的动态需求集合为M4，即本班车正在运营中收到的动态需求集合；要求到达需求点I的时间范围为[PdI,QdI]，以及需求点I可接受的车辆最早和最迟到达时刻，PI和QI；需求点I上车至需求点I下车人数，qIJ；需求点I到需求点J的行驶距离，DIJ；
第二阶段动态调度优化模型的输出参数包括：xI为需求点I是否被响应判定，0-1变量，1表示响应，0表示不响应；zIJ为行车路径中需求点I与需求点J是否相邻判定，0-1变量，1表示当车辆由需求点I驶向需求点J，否则取0；yIJ为行车路径中需求点I与需求点J的相对关系判定，0-1变量，1表示需求点I在需求点J上游，否则取0；
第二阶段动态调度优化模型目标函数为最小化空载率F1、乘客不满意度F2和归一化的车辆运营里程F3，如式(9)所示；其中空载率F1、乘客不满意度F2和归一化的车辆运营里程F3分别由式(10)、(11)和(12)计算；
Figure FDA0004161009890000031
Figure FDA0004161009890000032
Figure FDA0004161009890000033
tI为指车辆到达需求点I的时刻；
Figure FDA0004161009890000034
所述需求响应约束，要求第一阶段静态调度中已决定响应的需求在第二阶段动态调度中必须被响应，即满足式(13)要求；对于任一出行需求点，其对应的上下车需求点均应响应，即满足式(14)要求；
Figure FDA0004161009890000035
Figure FDA0004161009890000036
所述公交车辆载客容量约束，要求第k班次车辆到达需求点I时的车内人数不超过车辆的额定载客数，即满足式(15)要求；
Figure FDA0004161009890000041
所述车辆到达时刻约束，车辆到达需求点J的时刻由式(16)计算；
Figure FDA0004161009890000042
将第二阶段动态调度优化模型的参数输入，采用最优化问题求解软件进行求解，最终得到调整后本班次车辆需要响应的需求和行车路径。
CN201811365757.5A 2018-11-16 2018-11-16 一种响应型社区公交行车调度优化方法 Active CN109615112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811365757.5A CN109615112B (zh) 2018-11-16 2018-11-16 一种响应型社区公交行车调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811365757.5A CN109615112B (zh) 2018-11-16 2018-11-16 一种响应型社区公交行车调度优化方法

Publications (2)

Publication Number Publication Date
CN109615112A CN109615112A (zh) 2019-04-12
CN109615112B true CN109615112B (zh) 2023-07-07

Family

ID=66004003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811365757.5A Active CN109615112B (zh) 2018-11-16 2018-11-16 一种响应型社区公交行车调度优化方法

Country Status (1)

Country Link
CN (1) CN109615112B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110232831A (zh) * 2019-06-21 2019-09-13 上海理工大学 一种基于需求响应型公交的发车时刻优化方法
CN111898909B (zh) * 2020-07-31 2023-09-01 同济大学 一种基于实时需求的无人驾驶公交派车方法
CN112561249B (zh) * 2020-09-04 2022-07-05 同济大学 面向实时需求的城市定制公交调度方法
CN113538886A (zh) * 2021-06-10 2021-10-22 广东工业大学 一种实时响应式定制公交递阶调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103956041A (zh) * 2014-03-28 2014-07-30 东南大学 一种公交调度系统及其控制方法
CN105551233A (zh) * 2015-12-17 2016-05-04 重庆交通大学 智慧变线公交系统及其动态调度优化方法
CN105719475A (zh) * 2016-03-21 2016-06-29 广州地理研究所 一种弹性公交线路设置及运营调度方法
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及系统
CN107978153A (zh) * 2017-11-29 2018-05-01 北京航空航天大学 一种基于空间向量自回归模型的多模式交通需求影响分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103956041A (zh) * 2014-03-28 2014-07-30 东南大学 一种公交调度系统及其控制方法
CN105551233A (zh) * 2015-12-17 2016-05-04 重庆交通大学 智慧变线公交系统及其动态调度优化方法
CN105719475A (zh) * 2016-03-21 2016-06-29 广州地理研究所 一种弹性公交线路设置及运营调度方法
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及系统
CN107978153A (zh) * 2017-11-29 2018-05-01 北京航空航天大学 一种基于空间向量自回归模型的多模式交通需求影响分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal Design of Demand-Responsive Feeder Transit Services with Passengers’ Multiple Time Windows and Satisfaction;Bo Sun et al.;《Future Internet》;第1-15页 *
基于多需求响应的定制公交绿色线网优化;柳伍生;《公路交通工具》;第35卷(第3期);第133-142页 *

Also Published As

Publication number Publication date
CN109615112A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109615112B (zh) 一种响应型社区公交行车调度优化方法
CN110288821B (zh) 一种人工驾驶公交和自动驾驶公交联合调度优化方法
CN110675629B (zh) 一种基于大数据的高速公路拥堵预测与主动防控方法
CN108773279B (zh) 一种电动汽车充电路径规划方法及装置
CN107330547B (zh) 一种城市公交动态调度优化方法及系统
CN107564269B (zh) 一种基于支付意愿的半灵活公交调度方法
CN109300326B (zh) 一种基于实时gps的公交短时动态调度方法
CN111063209B (zh) 配合区间车的自动驾驶公交组合调度优化方法
CN111932034B (zh) 一种区域多制式轨道交通列车开行方案编制方法及其系统
CN112561379A (zh) 一种面向区域性网约车的调度方法
CN113628473B (zh) 一种智能公交车辆响应式停站计划与动态调度系统
CN103366224B (zh) 一种基于公交网络的乘客需求预测系统和方法
CN114743401B (zh) 一种基于公交数字化转型的数据可视化公交调度管理平台
CN111859718B (zh) 一种区域多制式轨道交通车站拥挤系数计算方法及系统
CN115547052A (zh) 改进自适应大领域算法的动态需求响应电动公交调度方法
CN112270480B (zh) 自动驾驶出租车调度方法及调度系统
Cats et al. Effect of real-time transit information on dynamic passenger path choice
CN110766196A (zh) 一种基于企业员工需求的班车运行系统
CN113077162A (zh) 面向实时需求的多车型定制公交区域调度方法
CN114707709A (zh) 铁路综合客运枢纽安全预警方法及系统
CN112465177A (zh) 一种基于大数据分析的公交线路优化系统及方法
CN113888387A (zh) 一种基于客流需求的多目标运行优化方法
CN113344445A (zh) 一种依据全程供需自动调整连环派单限制的方法
CN110246356B (zh) 一种确定可变线路公交配置车辆数和类型的方法
CN113379159A (zh) 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法

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