CN111539133A - 一种结合专家经验和运筹优化的单线公共车辆调度方法 - Google Patents

一种结合专家经验和运筹优化的单线公共车辆调度方法 Download PDF

Info

Publication number
CN111539133A
CN111539133A CN202010658582.8A CN202010658582A CN111539133A CN 111539133 A CN111539133 A CN 111539133A CN 202010658582 A CN202010658582 A CN 202010658582A CN 111539133 A CN111539133 A CN 111539133A
Authority
CN
China
Prior art keywords
vehicle
simulation
station
shift
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.)
Granted
Application number
CN202010658582.8A
Other languages
English (en)
Other versions
CN111539133B (zh
Inventor
张彤
薛博
李宇飞
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.)
Shenzhen Urban Traffic Planning And Design Institute Co ltd
Original Assignee
Shenzhen Urban Traffic Planning And Design Institute Co ltd
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 Shenzhen Urban Traffic Planning And Design Institute Co ltd filed Critical Shenzhen Urban Traffic Planning And Design Institute Co ltd
Priority to CN202010658582.8A priority Critical patent/CN111539133B/zh
Publication of CN111539133A publication Critical patent/CN111539133A/zh
Application granted granted Critical
Publication of CN111539133B publication Critical patent/CN111539133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063116—Schedule adjustment for a person or group
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

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

Abstract

本发明公开了一种结合专家经验和运筹优化的单线公交车辆调度方法，其方法是根据输入的发车时刻表，对公交车主站、副站分别计算逆差函数得到理论最小配车数，再结合车辆调度问题的约束条件，总结专家经验，利用全双班仿真模拟调度确定实际最小配车数，然后通过单班仿真模拟调度和高峰班仿真模拟调度依次获得最多单班数和最大高峰班数，由此给出车辆调度问题的次优解；最后建立混合整数规划模型，以次优解作为运筹优化方法的初值，给出车辆调度问题的提高解，从而达到车辆调度问题的优化目标。本发明提高了车辆调度求解问题的计算性能，原来需要几个小时计算量的问题，通过此发明方法缩短了车辆调度的平均计算时间。

Description

一种结合专家经验和运筹优化的单线公共车辆调度方法
技术领域
本发明涉及城市智能公共交通系统的信息技术领域，尤其涉及一种结合专家经验和运筹优化的单线公共车辆调度方法。
背景技术
公交车调度问题是指在给定发车时刻表的情况下，如何安排车辆，满足劳动作息规划的情况下给出最优的车辆调度计划，使得公交企业的运营成本最低。该问题自上个世纪60年代以来吸引了很多学者，是个著名的运筹优化问题，但目前采用的解决方法都是运筹优化技术或者运筹优化与启发式算法相结合的方法，对于班次规模较大的公交公司，这种方法的计算量很大，在公交企业难以应用，且现有方法本质上都是线性规划，而线性规划本质上在凸集可行解中逐步寻找更优的凸集顶点，由于实际问题的凸集顶点太多，计算性能无法接受。
发明内容
本发明实施例所要解决的技术问题在于，提供一种结合专家经验和运筹优化的单线公共车辆调度方法，引入专家经验，经过快速预先计算，通过仿真车辆实际调度过程给出车辆调度问题的一个接近最优解的可行解，然后以这个可行解作为初值，通过运筹优化方法计算出最优解或次优解，以提高车辆调度求解问题的性能，从而能在公交企业中实际运用。
为了解决上述技术问题，本发明实施例提出了一种结合专家经验和运筹优化的单线公共车辆调度方法，包括:
步骤S1: 根据输入的发车时刻表，对公交车主站和公交车副站分别计算逆差函数得到理论最小配车数，在理论最小配车数的基础上，结合车辆调度问题的约束条件，同时总结专家经验，利用全双班仿真模拟调度确定实际最小配车数，然后通过单班仿真模拟调度和高峰班仿真模拟调度依次获得最多单班数和最大高峰班数，并由上述单班仿真模拟调度、全双班仿真模拟调度和高峰班仿真模拟调度得到车辆调度问题的次优解；
步骤S2: 建立混合整数规划模型，将上述步骤S1得出的次优解作为初值，在统筹优化方法的基础上，通过车辆调度的仿真模拟过程得到车辆调度问题的提高解，实现车辆调度问题的优化目标。
进一步地，所述步骤S1中的车辆调度问题的约束条件是指劳动作息规则约束和场站约束，包括以下6种：a. 司机用餐；b. 充电补能；c. 连续班次间休息；d. 午间休息时间；e.总工作时间；f. 车辆的最后一个运营班次要回到早上头班的出发站点。
进一步地，所述步骤S2的车辆调度问题的优化目标分为以下2种：a. 需要的车辆数最少；b. 需要的司机数量最少，且优先实现优化目标a，再实现优化目标b。
进一步地，步骤S1包括以下子步骤：
步骤S11：根据输入的发车时刻表对公交车主站和公交车副站分别计算逆差函数得到理论最小配车数，并结合所述车辆调度问题的约束条件，然后利用全双班仿真模拟调度确定实际最小配车数，如果全双班仿真模拟调度仿真成功则结束，否则添加车辆直至仿真成功为止；
步骤S12：在步骤S11确定了实际最小配车数的基础上从后往前试探单班车，通过单班仿真模拟调度得到最多单班数，如果单班仿真模拟调度仿真失败则结束，否则添加单班车辆直至仿真失败为止；
步骤S13：在步骤S11得到最小双班数的基础上从后往前试探高峰班车，通过高峰班仿真模拟调度得到最大高峰班数，如果高峰班仿真模拟调度仿真失败则结束，否则添加高峰班车辆直至仿真失败为止。
进一步地，所述步骤S11中计算逆差函数的过程为:
根据发车时刻表对公交车主站和公交车副站分别计算主站逆差函数deficit-main(i)和副站逆差函数deficit-second(j):
deficit-main(i)=
Figure 239532DEST_PATH_IMAGE001
；
deficit-second(j)=
Figure 773282DEST_PATH_IMAGE002
；
最终主站/副站理论最小配车数为：
主站最小配车数=max(deficit-main(i))， i∈I为主站的车辆发出或到达时刻；
副站最小配车数= max(deficit-second(j))，j∈J为副站的车辆发出或到达时刻。
进一步地，所述步骤S2中车辆调度的仿真模拟过程为：
准备工作：建立车辆状态变化的集合Z=I∪J,z∈Z并按时间排序，其中I为主站的车辆发出或到达时刻，J为副站的车辆发出或到达时刻；建立集合：主站待发车辆p∈P、主站到副站在途车辆q∈Q、副站待发车辆s∈S、副站到主站在途车辆t∈T，然后按照以下步骤进行车辆调度的仿真模拟：
步骤L1:按时间先后顺序从车辆状态变化的集合中取出一个元素z∈Z；
步骤L2:针对z扫描上行发车时刻表：如果上行发车时刻表upTimetable的发车时间departureTime包含z，即z属于上行发车时刻表的发车时间集合upTimetableDepartureTimeSet，则挑选主站待发车辆p∈P发车并把该车放入主站到副站在途车辆集合q∈Q中，如果此时主站待发车辆P为空，则仿真失败；如果上行发车时刻表upTimetable的到达时间arrivalTime 包含z，即z属于上行发车时刻表的到达时间集合upTimetableArrivalTimeSet，则从主站到副站在途车辆q∈Q中找到到达副站的车辆并把该辆车放入副站待发车辆集合s∈S中；
步骤L3:针对集合z对下行发车时刻表扫描：如果下行发车时刻表downTimetable的发车时间departureTime包含z，即z属于下行发车时刻表的发车时间集合downTimetableDepartureTimeSet，则挑选副站待发车辆s∈S发车并把该车放入集合，如果此时副站待发车辆S为空则仿真失败；如果下行发车时刻表downTimetable的到达时间arrivelTime 包含z，即z属于下行发车时刻表的到达时间集合downTimetableArrivalTimeSet，把该辆车放入副站到主站在途车辆集合t∈T中；
步骤L4:回到步骤L1继续扫描集合Z直至集合z∈Z遍历完成。
进一步地，在所述的模拟车辆调度的仿真模拟过程中，当出现主站需要发车而可发车辆不止一种的时候，则按照以下方法挑选车辆发车：
步骤T1: 高峰车
Figure 703192DEST_PATH_IMAGE003
已经发过车，则满足站休和总工作时间的情况下优先高峰 车，高峰车之间先进先出，若无高峰车
Figure 398615DEST_PATH_IMAGE003
满足条件则进入下述步骤T2。
步骤T2: 查看单班车
Figure 561612DEST_PATH_IMAGE004
和双班车
Figure 633473DEST_PATH_IMAGE005
的站休、用餐、补能和午休时间，如果有 满足的则优先发车，先到先发，如没有满足条件的则进入下述步骤T3。
步骤T3：从单班车和双班车的集合
Figure 745786DEST_PATH_IMAGE006
中选择站休时间满足要求且站休时 间最短的车辆发车，若还是没有满足条件的则进入下述步骤T4。
步骤T4: 从高峰车
Figure 753056DEST_PATH_IMAGE007
中选择车辆发车，先到先发，若还是没有满足条件的则仿 真失败。
进一步地，所述的车辆调度的仿真模拟过程中对每一次先到先发车辆发车前进行 一次调车位动作，调车位的方式为排列组合，这种排列组合是对不同类型的车辆进行分类 的排列组合，类型的区分维度为：a. 车辆最后是要到主站还是副站；b. 车辆是单班还是双 班；于是待发车辆可能有4类：主站单班车
Figure 13136DEST_PATH_IMAGE008
、主站双班车
Figure 13322DEST_PATH_IMAGE009
、副站单班车
Figure 980141DEST_PATH_IMAGE010
和副站双 班车
Figure 548526DEST_PATH_IMAGE011
；在进行排列组合的时候每类车的前后相对位置保持不变，即令
Figure 905689DEST_PATH_IMAGE012
，先做组合
Figure 522615DEST_PATH_IMAGE013
，再做组合
Figure 671837DEST_PATH_IMAGE014
，然后做组合
Figure 270177DEST_PATH_IMAGE015
，最后做组合
Figure 442532DEST_PATH_IMAGE016
，最后一个组合的数量是1，计算出调车位的
Figure 925466DEST_PATH_IMAGE017
四种组合后，开始进行调车位的仿真 过程。
进一步地，所述调车位的仿真过程为：计算出调车位的各种组合，然后对每一种组合做后续班次仿真，如果后续班次仿真成功则结束本次调车位仿真过程，否则从各种组合中挑选执行班次最多的若干组合，对挑选出的执行班次最多的若干组合重新计算调车位的各种组合，继续循环执行后续班次仿真，直至后续班次仿真成功则结束调车位仿真过程。
本发明的有益效果：通过利用本发明，可以使车辆调度问题的计算性能可以大大提高，原来需要几小时计算量的问题，现在能够在几分钟内解决，平均计算时间大约为原来的1/15。
附图说明
图1是本发明实施例中的车辆调度方法流程图。
图2是本发明实施例的初始解流程图。
图3是本发明实施例的调车位仿真过程的流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明申请中的实施例及实施例中的特征可以相互结合，下面结合附图和具体实施例对本发明作进一步详细说明。
本发明实施例中若有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明实施例中若涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
一种结合专家经验和运筹优化技术的单线公交调度方法为根据输入的发车时刻表，对公交车主站和公交车副站分别计算逆差函数得到理论最小配车数，在理论最小配车数的基础上，结合车辆调度问题的约束条件，同时总结专家经验，利用全双班仿真模拟调度确定实际最小配车数，然后通过单班仿真模拟调度和高峰班仿真模拟调度依次获得最多单班数和最大高峰班数，并由上述单班仿真模拟调度、全双班仿真模拟调度和高峰班仿真模拟调度得到车辆调度问题的次优解，再通过建立混合整数规划模型，将所得到的次优解作为初值，在统筹优化方法的基础上，通过车辆调度的仿真模拟过程得到车辆调度问题的提高解，实现车辆调度问题的优化目标。
根据公交车日常运营生产数据，很容易得到公交车运营的车辆发车时刻表，利用得到的车辆发车时刻表对公交车主站和公交车副站分别计算逆差函数，得到公交车主站和副站所需要安排的理论最小配车数，而计算公交车主站逆差函数deficit-main(i)和公交车副站逆差函数deficit-second(j)的过程为：
deficit-main(i)=
Figure 538981DEST_PATH_IMAGE018
；
deficit-second(j)=
Figure 386852DEST_PATH_IMAGE019
；
根据公交车的车辆发车时刻表模拟逆差函数过程，计算公交车主站逆差函数deficit-main(i)和公交车副站逆差函数deficit-second(j)，然后分别取公交车主站逆差函数deficit-main(i)和公交车副站逆差函数deficit-second(j)计算过程中的最大值，最终得到主站/副站的理论最小配车数为：
主站最小配车数= max(deficit-main(i))， i∈I为主站的车辆发出或到达时刻；
副站最小配车数= max(deficit-second(j))，j∈J为副站的车辆发出或到达时刻。
利用逆差函数计算出公交车主站和公交车副站的理论最小配车数后，进行全双班车辆仿真过程、单班车辆仿真过程和高峰班车辆仿真过程确定最小双班数、最多单班数以及最大高峰班数；公家车司机上班制度分为三种：公交车双班、公交车单班和公交车高峰班，公交车双班是指一辆车一天由两个司机驾驶，通过在中午这两个司机进行换班，公交车单班是指一辆车一天由一个司机驾驶，该司机在中午通常有一个小时的强制午休时间，公交车高峰班是指该车辆仅在高峰时段运营，通常上午运营1-2个班次，下午运营1-2个班次，根据上述公交车双班、公交车单班以及公交车高峰段制度的概念，计算出的最小双班数、最多单班数和最大高峰班数来确定需要安排的双班司机、单班司机以及高峰班司机的配备人数。
确定最小双班数、最多单班数和最大高峰班的车辆仿真过程具体如下：根据输入的发车时刻表对公交车主站和公交车副站分别计算逆差函数得到理论最小配车数后，结合所述车辆调度问题的约束条件，然后利用全双班仿真模拟调度确定实际最小配车数，如果全双班仿真模拟调度仿真成功则结束，否则添加车辆直至仿真成功为止，并在实际最小配车数的基础上得到最小双班数；在确定了实际最小配车数的基础上从后往前试探单班车，通过单班仿真模拟调度得到最多单班数，如果单班仿真模拟调度仿真失败则结束，否则添加单班车辆直至仿真失败为止，由此确定最多单班数；在确定了最小双班数的基础上从后往前试探高峰班车，通过高峰班仿真模拟调度得到最大高峰班数，如果高峰班仿真模拟调度仿真失败则结束，否则添加高峰班车辆直至仿真失败为止，由此确定最大高峰班数，通过运筹优化技术计算出最优解或次优解，达到车辆调度问题的优化目标。
在车辆调度问题中，会存在约束条件来限制车辆调度问题的计算过程，车辆调度问题的约束条件是指劳动作息规则约束和场站约束，这两种约束条件包括以下几种：a、司机用餐；b、充电补能；c、连续班次间休息；d、午间休息时间；e、总工作时间；f、车辆的最后一个运营班次要回到早上头班的出发站点。
车辆调度问题的优化目标按照优先级分为：a、需要的车辆数最少；b、需要的司机数量最少；车辆调度方法紧紧围绕约束条件来实现车辆调度的优化目标，且优化目标优先实现需要的车辆数最少，再在此基础上实现需要的司机数量最少这一优化目标。
在确定了最小双班数、最多单班数和最大高峰班数的基础上，计算出单班车司机配备人数、双班车司机配备人数以及高峰班司机配备人数后，开始模拟车辆安排方法，通过建立车辆状态变化时刻的集合Z并扫描集合Z中的每一个时刻z，然后进行车辆安排的仿真模拟，仿真模拟过程具体如下：准备工作：建立车辆状态变化的集合Z=I∪J,z∈Z并按时间排序，其中I为主站的车辆发出或到达时刻，J为副站的车辆发出或到达时刻；建立集合：主站待发车辆p∈P、主站到副站在途车辆q∈Q、副站待发车辆s∈S、副站到主站在途车辆t∈T。然后按照以下步骤进行车辆调度的仿真模拟：
步骤L1:按时间先后顺序从车辆状态变化的集合中取出一个元素z∈Z；
步骤L2:针对z扫描上行发车时刻表：如果上行发车时刻表upTimetable的发车
时间departureTime包含z，即z属于上行发车时刻表的发车时间集合upTimetableDepartureTimeSet，则挑选主站待发车辆p∈P发车并把该车放入主站到副站在途车辆集合q∈Q中，如果此时主站待发车辆P为空，则仿真失败；如果上行发车时刻表upTimetable的到达时间arrivalTime 包含z，即z属于上行发车时刻表的到达时间集合upTimetableArrivalTimeSet，则从主站到副站在途车辆q∈Q中找到到达副站的车辆并把该辆车放入副站待发车辆集合s∈S中；
步骤L3:针对z扫描下行发车时刻表：如果下行发车时刻表downTimetable的发车时间departureTime包含z，即z属于下行发车时刻表的发车时间集合downTimetableDepartureTimeSet，则挑选副站待发车辆s∈S发车并把该车放入集合，如果此时副站待发车辆S为空则仿真失败；如果下行发车时刻表downTimetable的到达时间arrivelTime 包含z，即z属于下行发车时刻表的到达时间集合downTimetableArrivalTimeSet，把该辆车放入副站到主站在途车辆集合t∈T中；
步骤L4:回到步骤L1继续扫描集合Z直至集合z∈Z遍历完成。
而在模拟车辆调度的仿真模拟过程中会存在比较常见的一种情况，即当
主站需要发车而可发车辆不止一种的时候，则需要考虑车辆调度的约束条件，挑选合适的车辆进行发车，挑选车辆发车的方法为:
步骤T1:高峰车
Figure 843241DEST_PATH_IMAGE020
已经发过车，则满足站休和总工作时间的情况下优先发高峰 车，高峰车之间先进先出。若无高峰车
Figure 988920DEST_PATH_IMAGE020
满足条件则进入下述步骤T2；
步骤T2:查看单班车
Figure 50417DEST_PATH_IMAGE021
和双班车
Figure 600347DEST_PATH_IMAGE022
的站休、用餐、补能和午休时间，如果 有满足的则优先发车，先到先发。如没有满足条件的则进入下述步骤T3；
步骤T3: 从单班车和双班车的集合
Figure 684978DEST_PATH_IMAGE023
中选择站休时间满足要求且站休 时间最短的车辆发车。若还是没有满足条件的则进入下述步骤T4；
步骤T4:从高峰车
Figure 447397DEST_PATH_IMAGE024
中选择车辆发车，先到先发。若还是没有满足条件的则仿真 失败。
车辆调度的仿真模拟过程中对每一次先到先发车辆发车前进行一次调车位动作， 调车位的方式为排列组合，这种排列组合是对不同类型的车辆进行分类的排列组合，类型 的区分维度为：a、车辆最后是要到主站还是副站；b、车辆是单班还是双班；于是待发车辆可 能有4类：主站单班车
Figure 160139DEST_PATH_IMAGE025
、主站双班车
Figure 536762DEST_PATH_IMAGE026
、副站单班车
Figure 702164DEST_PATH_IMAGE027
和副站双班车
Figure 2696DEST_PATH_IMAGE028
；在进行排列 组合的时候每类车的前后相对位置保持不变，即令
Figure 976468DEST_PATH_IMAGE029
，先 做组合
Figure 133780DEST_PATH_IMAGE030
，再做组合
Figure 989740DEST_PATH_IMAGE031
，然后做组合
Figure 15334DEST_PATH_IMAGE032
，最后做组合
Figure 968246DEST_PATH_IMAGE033
，最 后一个组合的数量是1，计算出调车位的
Figure 171826DEST_PATH_IMAGE034
四种组合后，开始进行调车位的仿真过程。
可以进行调车位的时刻会有很多,如果把初始车队的状态当作根节点，后续仿真状态当作一级级的子节点，就实际上形成了一个多叉树；遍历这棵树会导致组合爆炸，这里用启发式做法提高性能，方法是对执行班次最多的组合选择仿真深度最深的节点去进行下一步调度仿真，这某种程度上相当于做深度优先的搜索。
调车位的仿真过程为：计算出调车位的各种组合，然后对
Figure 515082DEST_PATH_IMAGE035
、
Figure 219733DEST_PATH_IMAGE036
、
Figure 886207DEST_PATH_IMAGE037
和
Figure 588584DEST_PATH_IMAGE038
四种组合的每一种组合做后续班次仿真，如果后续班次仿真 成功则结束本次调车位仿真过程，否则从各种组合中挑选执行班次最多的若干组合，对挑 选出的执行班次最多的若干组合重新计算调车位的
Figure 215874DEST_PATH_IMAGE035
、
Figure 599582DEST_PATH_IMAGE036
、
Figure 995928DEST_PATH_IMAGE037
和
Figure 869206DEST_PATH_IMAGE038
四种组合，继续循环执行后续班次仿真，直至后续班次仿真成功则结束调 车位仿真过程。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (9)

1.一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，包括如下步骤：
步骤S1：根据输入的发车时刻表，对公交车主站和公交车副站分别计算逆差函数得到理论最小配车数，在理论最小配车数的基础上，结合车辆调度问题的约束条件，同时结合专家经验，利用全双班仿真模拟调度确定实际最小配车数，然后通过单班仿真模拟调度和高峰班仿真模拟调度依次获得最多单班数和最大高峰班数，并由单班仿真模拟调度、全双班仿真模拟调度和高峰班仿真模拟调度得到车辆调度问题的次优解；
步骤S2：建立混合整数规划模型，将上述步骤S1得出的次优解作为初值，在统筹优化方法的基础上，通过车辆调度的仿真模拟过程得到车辆调度问题的提高解，实现车辆调度问题的优化目标。
2.如权利要求1所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，所述步骤S1中的车辆调度问题的约束条件是指劳动作息规则约束和场站约束，包括以下6种：a. 司机用餐；b. 充电补能；c. 连续班次间休息；d. 午间休息时间；e. 总工作时间；f. 车辆的最后一个运营班次要回到早上头班的出发站点。
3.如权利要求1所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，所述步骤S2中的车辆调度问题的优化目标分为以下2种：a. 需要的车辆数最少；b.需要的司机数量最少；
且优先实现优化目标a，再实现优化目标b。
4.如权利要求1所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，所述步骤S1包括以下子步骤：
步骤S11：根据输入的发车时刻表对公交车主站和公交车副站分别计算逆差函数得到理论最小配车数，并结合所述车辆调度问题的约束条件，然后利用全双班仿真模拟调度确定实际最小配车数，如果全双班仿真模拟调度仿真成功则结束，否则添加车辆直至仿真成功为止;
步骤S12：在步骤S11确定了实际最小配车数的基础上从后往前试探单班车，通过单班仿真模拟调度得到最多单班数，如果单班仿真模拟调度仿真失败则结束，否则添加单班车辆直至仿真失败为止;
步骤S13：在步骤S11得到最小双班数的基础上从后往前试探高峰班车，通过高峰班仿真模拟调度得到最大高峰班数，如果高峰班仿真模拟调度仿真失败则结束，否则添加高峰班车辆直至仿真失败为止。
5.如权利要求4所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，所述步骤S11中计算逆差函数的过程为:
根据发车时刻表对公交车主站和公交车副站分别计算主站逆差函数deficit-main(i)和副站逆差函数deficit-second(j):
deficit-main(i)=
Figure 617570DEST_PATH_IMAGE001
；
deficit-second(j)=
Figure 672113DEST_PATH_IMAGE002
；
最终主站/副站理论最小配车数为：
主站最小配车数=max(deficit-main(i))， i∈I为主站的车辆发出或到达时刻；
副站最小配车数= max(deficit-second(j))，j∈J为副站的车辆发出或到达时刻。
6.如权利要求1所述的结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，所述步骤S2中车辆调度的仿真模拟过程为：
准备工作：建立车辆状态变化的集合Z=I∪J,z∈Z并按时间排序，其中I为主站的车辆发出或到达时刻，J为副站的车辆发出或到达时刻；建立集合：主站待发车辆p∈P、主站到副站在途车辆q∈Q、副站待发车辆s∈S、副站到主站在途车辆t∈T，然后按照以下步骤进行车辆调度的仿真模拟：
步骤L1：按时间先后顺序从车辆状态变化的集合中取出一个元素z∈Z；
步骤L2:针对集合z对上行发车时刻表进行扫描：如果上行发车时刻表upTimetable的发车时间departureTime包含z，即z属于上行发车时刻表的发车时间集合upTimetableDepartureTimeSet，则挑选主站待发车辆p∈P发车并把该车放入主站到副站在途车辆集合q∈Q中，如果此时主站待发车辆P为空，则仿真失败；如果上行发车时刻表upTimetable的到达时间arrivalTime 包含z，即z属于上行发车时刻表的到达时间集合upTimetableArrivalTimeSet，则从主站到副站在途车辆q∈Q中找到到达副站的车辆并把该辆车放入副站待发车辆集合s∈S中；
步骤L3:针对z扫描下行发车时刻表：如果下行发车时刻表downTimetable的发车时间departureTime包含z，即z属于下行发车时刻表的发车时间集合downTimetableDepartureTimeSet，则挑选副站待发车辆s∈S发车并把该车放入集合，如果此时副站待发车辆S为空则仿真失败；如果下行发车时刻表downTimetable的到达时间arrivelTime 包含z，即z属于下行发车时刻表的到达时间集合downTimetableArrivalTimeSet，把该辆车放入副站到主站在途车辆集合t∈T中；
步骤L4:回到步骤L1继续扫描集合Z直至集合z∈Z遍历完成。
7.如权利要求6所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，在所述的模拟车辆调度的仿真模拟过程中，当出现主站需要发车而可发车辆不止一种的时候，则按照以下步骤挑选车辆发车：
步骤T1: 高峰车
Figure 633116DEST_PATH_IMAGE003
已经发过车，则满足站休和总工作时间的情况下优先发高峰 车，高峰车之间先进先出，若无高峰车
Figure 609162DEST_PATH_IMAGE004
满足条件则进入下述步骤T2；
步骤T2:查看单班车
Figure 681024DEST_PATH_IMAGE005
和双班车
Figure 855653DEST_PATH_IMAGE006
的站休、用餐、补能和午休时间，如果有 满足的则优先发车，先到先发，如没有满足条件的则进入下述步骤T3；
步骤T3:从单班车和双班车的集合
Figure 721978DEST_PATH_IMAGE007
中选择站休时间满足要求且站休时 间最短的车辆发车，若还是没有满足条件的则进入下述步骤T4；
步骤T4:从高峰车
Figure 185320DEST_PATH_IMAGE008
中选择车辆发车，先到先发，若还是没有满足条件的则仿真 失败。
8.如权利要求7所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征 在于，所述的车辆调度的仿真模拟过程中对每一次先到先发车辆发车前进行一次调车位动 作，调车位的方式为排列组合，这种排列组合是对不同类型的车辆进行分类的排列组合，类型 的区分维度为：a、车辆最后是要到主站还是副站；b、车辆是单班还是双班，于是待发车辆存在 4种类型：主站单班车
Figure 795293DEST_PATH_IMAGE009
、主站双班车
Figure 90008DEST_PATH_IMAGE010
、副站单班车
Figure 392814DEST_PATH_IMAGE011
和副站双班车
Figure 77873DEST_PATH_IMAGE012
，在进行排列 组合的时候每类车的前后相对位置保持不变，即令
Figure 491537DEST_PATH_IMAGE013
， 先做组合
Figure 640758DEST_PATH_IMAGE014
，再做组合
Figure 114465DEST_PATH_IMAGE015
，然后做组合
Figure 286820DEST_PATH_IMAGE016
，最后做组合
Figure 504175DEST_PATH_IMAGE017
， 最后一个组合的数量是1，计算出调车位的
Figure 507903DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE019
、
Figure 886932DEST_PATH_IMAGE020
和
Figure DEST_PATH_IMAGE021
四种组合后，开始进行调车位的仿真过程。
9.如权利要求8所述的一种结合专家经验和运筹优化技术的单线公交调度方法，其特征在于，所述调车位的仿真过程为：计算出调车位的各种组合，然后对每一种组合做后续班次仿真，如果后续班次仿真成功则结束本次调车位仿真过程，否则从各种组合中挑选执行班次最多的若干组合，对挑选出的执行班次最多的若干组合重新计算调车位的各种组合，继续循环执行后续班次仿真，直至后续班次仿真成功则结束调车位仿真过程。
CN202010658582.8A 2020-07-09 2020-07-09 一种结合专家经验和运筹优化技术的单线公交调度方法 Active CN111539133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010658582.8A CN111539133B (zh) 2020-07-09 2020-07-09 一种结合专家经验和运筹优化技术的单线公交调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010658582.8A CN111539133B (zh) 2020-07-09 2020-07-09 一种结合专家经验和运筹优化技术的单线公交调度方法

Publications (2)

Publication Number Publication Date
CN111539133A true CN111539133A (zh) 2020-08-14
CN111539133B CN111539133B (zh) 2020-10-30

Family

ID=71976495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010658582.8A Active CN111539133B (zh) 2020-07-09 2020-07-09 一种结合专家经验和运筹优化技术的单线公交调度方法

Country Status (1)

Country Link
CN (1) CN111539133B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884216A (zh) * 2021-02-04 2021-06-01 国网湖南省电力有限公司 单条公交线路最小车辆数计算方法
CN112967519A (zh) * 2021-02-01 2021-06-15 青岛海信网络科技股份有限公司 一种公共交通工具调度方法和装置及设备
CN117575292A (zh) * 2024-01-15 2024-02-20 西南交通大学 基于人机协同决策的需求响应公交车辆柔性调度优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030105656A1 (en) * 2001-11-13 2003-06-05 Thengvall Benjamin Glover Integrated decision support system for optimizing the training and transition of airline pilots
CN105205557A (zh) * 2015-09-17 2015-12-30 华南理工大学 一种城市常规公交线网设计方法
CN110211379A (zh) * 2019-05-27 2019-09-06 南京航空航天大学 一种基于机器学习的公共交通调度优化方法
CN110657816A (zh) * 2019-09-20 2020-01-07 上海海事大学 一种基于烟花算法的带硬时间窗的车辆路径问题规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030105656A1 (en) * 2001-11-13 2003-06-05 Thengvall Benjamin Glover Integrated decision support system for optimizing the training and transition of airline pilots
CN105205557A (zh) * 2015-09-17 2015-12-30 华南理工大学 一种城市常规公交线网设计方法
CN110211379A (zh) * 2019-05-27 2019-09-06 南京航空航天大学 一种基于机器学习的公共交通调度优化方法
CN110657816A (zh) * 2019-09-20 2020-01-07 上海海事大学 一种基于烟花算法的带硬时间窗的车辆路径问题规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANG WUCHENG ET AL: "A Mathmatical Model and a Simulated Annealing Algorithm for Balancing Multi-manned Assembly Line Problem with Sequence-Dependent Setup Time", 《MATHEMATICAL PROBLEMS ENGINEERING》 *
林叶倩 等: "可变线路式公交车辆调度优化模型", 《交通信息与安全》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112967519A (zh) * 2021-02-01 2021-06-15 青岛海信网络科技股份有限公司 一种公共交通工具调度方法和装置及设备
CN112967519B (zh) * 2021-02-01 2022-05-13 青岛海信网络科技股份有限公司 一种公共交通工具调度方法和装置及设备
CN112884216A (zh) * 2021-02-04 2021-06-01 国网湖南省电力有限公司 单条公交线路最小车辆数计算方法
CN117575292A (zh) * 2024-01-15 2024-02-20 西南交通大学 基于人机协同决策的需求响应公交车辆柔性调度优化方法
CN117575292B (zh) * 2024-01-15 2024-03-26 西南交通大学 基于人机协同决策的需求响应公交车辆柔性调度优化方法

Also Published As

Publication number Publication date
CN111539133B (zh) 2020-10-30

Similar Documents

Publication Publication Date Title
CN111539133B (zh) 一种结合专家经验和运筹优化技术的单线公交调度方法
CN104021667B (zh) 整合预约服务与实时打车的出租车合乘调度系统及调度方法
CN108921483A (zh) 一种物流路径规划方法、装置及司机排班调度方法、装置
CN109460936B (zh) 一种公交车辆智能排班方法、智能终端及存储介质
CN110135755A (zh) 一种综合优化片区城乡公交时刻表编制与车辆调度的方法
CN108734353A (zh) 一种公交线路行车计划生成方法及装置
CN105809263A (zh) 基于多目标优化的出租车预约方法及系统
CN109635510B (zh) 铁路货车并行检修线设置方法
CN109697524A (zh) 优化收派件任务与资源匹配的方法、系统及设备
CN101159048A (zh) 油品配送槽车调度系统及其方法
CN110309962A (zh) 基于时间扩展模型的铁路行程路线规划方法及装置
WO2014048217A1 (zh) 公交信息查询方法、收集方法和公交信息系统
CN113962467A (zh) 一种冷链运输车辆智能调度方法
CN111161560B (zh) 一种公交廊道营运秩序管理方法及装置
CN114897307A (zh) 一种基于合作的物流集配网络联盟优化方法
CN105373426A (zh) 一种基于Hadoop的车联网内存感知实时作业调度方法
CN108764510B (zh) 面向大规模路网的城市轨道交通并行仿真任务分解方法
CN109816279A (zh) 一种货运车辆智能动态调度方法
CN110942193A (zh) 车辆调度方法及存储介质
CN116663763A (zh) 一种网约车派单方法及派单系统
CN110852650B (zh) 基于动态图混杂自动机的综合客运枢纽群网络建模方法
Maciejewski12 et al. A microscopic simulation approach for optimization of taxi services
CN115062868A (zh) 一种预聚类的车辆配送路径规划方法和装置
CN113963787A (zh) 一种救护车智能调度方法
CN116187719B (zh) 民航机场地面保障资源调度方法及系统

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