CN111667087A - 一种考虑污染排放的公交跳站运行方法 - Google Patents
一种考虑污染排放的公交跳站运行方法 Download PDFInfo
- Publication number
- CN111667087A CN111667087A CN201910178262.XA CN201910178262A CN111667087A CN 111667087 A CN111667087 A CN 111667087A CN 201910178262 A CN201910178262 A CN 201910178262A CN 111667087 A CN111667087 A CN 111667087A
- Authority
- CN
- China
- Prior art keywords
- time
- station
- bus
- cost
- emission
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 31
- 231100000719 pollutant Toxicity 0.000 claims abstract description 31
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 18
- 230000035772 mutation Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 206010064571 Gene mutation Diseases 0.000 claims description 3
- 230000001902 propagating effect Effects 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 7
- 238000003912 environmental pollution Methods 0.000 abstract description 2
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的名称为一种考虑污染排放的公交跳站运行方法,公开了一种考虑污染排放的公交跳站方法,属于公交运行与控制领域。由于公交系统内部运行出现了公交列车化现象,公交站点拥堵,能耗增大,和污染排放量增加等问题,导致公交出行时间增长、可靠性下降,环境污染严重,服务质量降低。本发明通过公交车计划时刻表和历史运行数据采集站点间行程时间以及上下车数据,建立相关模型,最终应用遗传禁忌混合算法,得到最优公交跳站方案。本发明方法有利于最小化乘客等车时间成本、乘客乘车时间成本、总运营时间成本、污染物排放成本,提升公交运力,减少并限制能耗和污染排放,对改善城市公交有重大意义。
Description
技术领域
本发明涉及公交运行与控制领域,尤其涉及一种考虑污染排放的公交跳站运行方法。
背景技术
近年来,城市交通拥堵,能源短缺愈演愈烈,各大城市纷纷将拥堵治理作为改善民生的头等大事。政府和交通管理部门通过优先发展公交并辅以需求管理政策优化交通出行结构,从而达到缓解交通拥堵的目的。但公交系统内部运行出现了公交列车化现象和公交站点拥堵,能耗增加,形成了新的交通瓶颈点,也导致公交出行时间增长、可靠性下降,环境污染严重,公交的服务质量没有得到提高。
因此,如何在公交运力提升的同时,减少公交车的能源消耗和污染排放,是目前常规公交发展中面临的难题。公交车辆的站点停靠组织管理,通过缩短公交车的无用停靠时间,减少乘客时间成本、乘客乘车时间成本、总运营时间成本、污染物排放成本,对于公交系统效益提升的意义重大。
跳站运行是指公交车采用跳跃式停靠站点的运行方式,主要目的是减少公交车辆在站点的相互影响,提高公交系统的运行效率,从而充分利用公交站点资源、解决乘客出行不方便的问题,使得交通系统资源充分利用。因此,有必要针对我国目前的交通发展状况,对公交跳站式运行下的交通运行特征进行研究。
发明内容
本发明提供一种提高公交出行的效率,减少并限制能耗及污染排放,缓解站点处的供需矛盾,同时能为公交站点线路分配和公交车辆跳站运行方案设计提供优化方法,实现公交设施使用效率的有效提高,缓解公交站点拥堵的公交跳站运行方法。
为实现上述目的,本发明提供了一种考虑污染排放的公交车跳站运行方法,其特征在于,该方法包含以下步骤:
步骤一,基于计划时刻表和历史运行数据采集站点间行程时间以及上下车数据。
步骤二,整理步骤一所获得的数据,筛选公交车站点间运行时间及站点停留时间与需要设置跳站运行方向相一致的乘客上下车数据。
步骤三,建立基于最小化乘客等车时间成本、乘客乘车时间成本、总运营时间成本、污染物排放成本的模型。
步骤四,用遗传禁忌混合算法求解优化模型,获得最优的公交跳站方案。
在本发明的优选实施方式中,所述步骤二中,整理获得数据的主要目的为得出对乘客等车时间、乘车时间,公交总运营时间,污染物排放成本相关数据的计算方法,以下为所需的各项数据:
①乘客等车时间成本:
Z1=Pw·T1 \*MERGEFORMAT (2)
因为两辆连续相邻的车辆不能同时实施跳站策略,当1车实施跳站时,0车与2车必然服务于整个线路,所以只需考虑1车和2车两辆车运营时乘客的等车时间。(1)式中j表示车站;下标1,2代表车辆;rj表示乘客到达j站的到达率(人/min);Hi,j表示i车与i-1在j车站的时间间隔(min),可以表示为i-1车离开j站的时间Di-1,j与i车到达j站的时间Ai,j的时间间隔,即Hi,j=Ai,j-Di-1,j,i=1,2;j=2,3,...,N;Qi,jk表示i车经过j站时想从j站就往k站的人数;yi,j为决定车辆在站点停留的0-1变量,若i车在j车站跳过,yi,j=0,反之yi,j=1;(2)式中Pw表示单位时间乘客等车时间成本(元/min)。
②乘客乘车时间成本:
Z2=Pr·T2 \*MERGEFORMAT (4)
所有乘客的乘车时间为各个站点到其他站点的乘客乘车时间之和,(3)式中tj表示从j-1站到j站的行程时间(min);δi,j表示i车在j车站的停留时间(min);(4)式中Pr表示单位时间乘客乘车时间成本(元/min)。
③总运营时间成本:
Z3=Ps·T3 \*MERGEFORMAT (6)
总运营时间为各个站点之间的行程时间与停留时间的总和,(6)式中Ps表示单位时间运营成本(元/min)。
④污染物排放成本:
车辆以正常速度行驶时的污染物排放与加减速或者怠速时的排放量不同,这里假设正常速度行驶时的污染物排放与行驶时间成正比,排放系数为f1(ml/min),车辆怠速或者加减速行驶时的污染物排放与停车次数成正比,排放系数为f2(ml/次);(7)式中PO代表单位污染物排放成本。
在本发明的优选实施方式中,所述步骤三中,利用步骤二所得到的相关数据,建立如下求解跳站运行的优化模型:
min Z=c1Z1+c2Z2+c3Z3+c4Z4 \*MERGEFORMAT (8)
yi,1=yi,N=1,i=1 \*MERGEFORMAT (9)
y2,j=1,j=1,2,...,N \*MERGEFORMAT (10)
Hi,j≥H0,i=1,2;j=2,3,...,N-1 \*MERGEFORMAT (11)
其中(8)式中c1、c2、c3、c4表示各组成部分的权重值,公交线上的第一站和最后一站不允许被跳过所以引入约束(9);车辆0和车辆2需服务整条线路,所以引入约束(10);公交车运营时前后两辆公交应保证有最小的车头时距H0(min),所以引入约束(11);为满足污染物排放要求,需对污染物排放进行限制,使其不超过最高排放量C0(ml),所以引入约束(12)。
在本发明的优选实施方式中,所述步骤四中,用采用遗传禁忌混合算法求解模型得出优化结果:
步骤1:给定初始参数(包括最大迭代次数T、群体规模N、交叉概率π和变异概率ω);
步骤2:确定编码方式,令t=0;
步骤4:选择,根据适者生存原则选择适应性强的个体为下一代的父本。为个体的适应度,其被选择的概率选择过程中使用保优原则(即上一代最优个体以概率1保存至下一代),这就产生了对环境适应能力较强的子代,即选择出和最优解较为接近的中间解。)
步骤5:交叉,对于选中用于繁殖下一代的个体,随机选择两个个体的相同位置,按交叉概率π在选中位置实行交换;
步骤6:变异,根据生物遗传中的基因变异原理,以概率ω对个体进行变异运算,即对执行变异的串的对应位求反(0变为1,1变为0),产生子代群体变异避免了无法进化的单一群体的产生,因为在所有个体一样时,交叉无法产生新个体,即变异增加了全局优化的特质;
步骤7:准则判断。若t<T,则令t=t+1,转步骤4;否则转步骤8;
步骤8:调用TS搜索过程,对子代群体中的每个个体进行局部搜素,改进群体点的质量,若改进后的群体点为y1,y2,…,yN,其中目标函数最优的即为最终计算结果;
步骤9:停止运算,输出最终计算结果。
本发明方法充分考虑公交车运行的实际情况与公交乘客的实际情况,结合考虑污染排放的公交车跳站方案。通过建立模型,设计出合理的公交跳站运行方案,提高公交出行的效率也能够减少和限制能耗和污染排放,缓解站点处的供需矛盾,同时能为公交站点线路分配和公交车辆跳站运行方案设计提供优化方法,实现公交设施使用效率的有效提高,缓解公交站点拥堵问题。
本发明与现有技术相比,具有以下优点:
第一,本发明方法在于基于我国现城市公交易拥堵现状,以减少能耗和降低污染排放,研究公交站点跳停方案,此问题可以减少公交的相互影响,提高公交系统的运行效率,进而缩短市民的等待时间和总路程时间,而且促进经济的发展和对环境的保护。
第二,本发明方法用采用遗传禁忌混合算法对模型进行求解,使整个方案设计具有科学性及可实现性。
附图说明
图1为本发明方法的技术路线;
图2为公交车的运行示意图;
图3为遗传禁忌算法的流程图;
具体实施方式
下面结合附图对本发明作更进一步的说明
如图1所示为一种基于考虑污染排放的公交跳站运行方法的公交车跳站运行方法的总体流程图。下面结合图1对该发明方法作更进一步的说明。
步骤一,基于计划时刻表和历史运行数据采集站点间行程时间以及上下车数据。
步骤二,整理步骤一所获得的数据,筛选公交车站点间运行时间及站点停留时间与需要设置跳站运行方向相一致的乘客上下车数据。
在该步骤中,如图2所示,根据公交车的运行示意图,可知需整理获得的数据主要有每个站点间的行程时间、站点的停留时间、每个站点乘客的去向以及上下车的乘客数量,主要目的为得出对乘客等车时间、乘车时间,公交总运营时间,污染物排放成本相关数据的计算方法,以下为对各项成本的组成:
①乘客等车时间成本:
Z1=Pw·T1 (2)
因为两辆连续相邻的车辆不能同时实施跳站策略,当1车实施跳站时,0车与2车必然服务于整个线路,所以只需考虑1车和2车两辆车运营时乘客的等车时间;(1)式中j表示车站;下标1,2表示车辆;rj表示乘客到达j站的到达率(人/min);Hi,j表示i车与i-1在j车站的时间间隔(min),可以表示为i-车离开j站的时间Di-1,j与i车到达j站的时间Ai,j的时间间隔,即Hi,j=Ai,j-Di-1,j,i=1,2;j=2,3,...,N;Qi,jk表示i车经过j站时想从j站就往k站的人数;yi,j为决定车辆在站点停留的0-1变量,若i车在j车站跳过,yi,j=0,反之yi,j=1;(2)式中Pw代表单位时间乘客等车时间成本(元/min)。
②乘客乘车时间成本:
Z2=Pr·T2 (4)
所有乘客的乘车时间为各个站点到其他站点的乘客乘车时间之和,(3)式中tj表示从j-1站到j站的行程时间(min);δi,j表示i车在j车站的停留时间(min);(4)式中Pr表示单位时间乘客乘车时间成本(元/min)。
③总运营时间成本:
Z3=Ps·T3 (6)
总运营时间为各个站点之间的行程时间与停留时间的总和,(6)式中Ps表示单位时间运营成本(元/min)。
④污染物排放成本:
车辆以正常速度行驶时的污染物排放与加减速或者怠速时的排放量不同,这里假设正常速度行驶时的污染物排放与行驶时间成正比,排放系数为f1(ml/min),车辆怠速或者加减速行驶时的污染物排放与停车次数成正比,排放系数为f2(ml/次)。(7)式中PO代表单位污染物排放成本。
步骤三,建立基于最小化乘客等车时间成本、乘客乘车时间成本、总运营时间成本、污染物排放成本的模型。
在该步骤中,根据最小化乘客等车时间成本、乘客乘车时间成本、总运营时间成本、污染物排放成本的四个目标及步骤二中各成本表达式,可以建立模型的目标函数:
(8)式中c1、c2、c3、c4代表各组成部分的权重值。
公交线上的第一站和最后一站不允许被跳过所以引入如下约束:
yi,1=yi,N=1,i=1 (9)
车辆0和车辆2需服务整条线路,所以引入如下约束:
y2,j=1,j=1,2,...,N (10)
公交车运营时前后两辆公交应保证有最小的车头时距H0(min),所以引入如下约束:
Hi,j≥H0,i=1,2;j=2,3,...,N-1 (11)
为满足污染物排放要求,需对污染物排放进行限制,使其不超过最高排放量C0(ml),所以引入如下约束:
步骤四,用遗传禁忌混合算法求解优化模型,获得最优的公交跳站方案。
在该步骤中,公交线路上由多个站点组成,在跳站策略中符合既定约束条件的方案有很多。例如,假设L线上的站点N=15,则跳站方案就有215=32768个。在进行跳站策略优化时,可对公交线路上每一个站点给出停靠与跳过两种选择,在数学上可归结为0-1规划问题。对于规模较大的公交车跳站策略的优化则构成了大规模复杂函数的优化问题。因此,提出了遗传禁忌混合算法(GATS),先用GA进行全局搜索,使各可行跳站策略集中的每一个跳站策略分布于各个最优解附近,再从GA搜索的跳站策略集合中每个跳站策略开始,用TS算法进行局部搜索,改善策略的质量,最终得到公交跳站运行的优化结果。采用GATS算法计算跳站运行策略优化的流程如图3所示,下面结合图3对具体过程进行说明,如下,其中表示第t次迭代的第i点,是一个N为向量,代表一个跳站方案。
步骤1:确定初始参数;
公交跳站运行优化模型目标函数值Z(y)可用来衡量不同跳站方案的优劣,利用GATS算法对公交跳站运行方案进行优化,给定最大迭代次数T,群体规模N,交叉概率π,变异概率ω;
步骤2:确定编码方式;
根据公交线路性质及约束条件,选取可行的方案,在每条线路的各个站点有停靠和跳过两个选项,分别用1和0表示,即将公交跳站优化问题转化为0-1规划问题;
步骤3:初始化;令t=0,对可行方案的每一个站点用0或1随机选取可构成一个初始公交跳站运行方案集,对每个方案进行检查,不合理的方案选其适应度值为0或某一固定值,进而产生N个相对合理的初始公交跳站方案集计算公交跳站运行方案目标函数值令
步骤5:若t>T,则转步骤7;否则转步骤6;
步骤6:运行优化模型
上述的选择、交叉、变异计算包含以下步骤:
步骤(12):交叉,对于选中用于繁殖下一代的个体,随机选择两个个体的相同位置,按交叉概率π在选中位置实行交换;
步骤7:调用TS算法,对GA最后一代跳站方案集中的每个方案进行局部搜索,改进方案质量,改进后的跳站方案集为y1,y2,...,yN,其中最优方案为y*;
步骤8:停止运算,输出结果y*即为近似最优的公交跳站运行优化方案。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种考虑污染排放的公交跳站运行方法,其特征在于,该方法包含以下步骤:
步骤一,基于计划时刻表和历史运行数据采集站点间行程时间以及上下车数据;
步骤二,整理步骤一所获得的数据,筛选公交车站点间运行时间及站点停留时间与需要设置跳站运行方向相一致的乘客上下车数据;
步骤三,建立基于最小化乘客等车时间成本、乘客乘车时间成本、总运营时间成本、污染物排放成本的模型;
步骤四,用遗传禁忌混合算法求解优化模型,获得最优的公交跳站方案。
2.根据权利要求1所述的一种考虑污染排放的公交跳站运行方法,其特征在于所述步骤二中,所述的为得出对乘客等车时间、乘车时间,公交总运营时间,污染物排放成本相关数据的计算方法,以下为所需的各项数据:
①乘客等车时间成本:
Z1=Pw·T1 \*MERGEFORMAT(2)
因为两辆连续相邻的车辆不能同时实施跳站策略,当1车实施跳站时,0车与2车必然服务于整个线路,所以只需考虑1车和2车两辆车运营时乘客的等车时间;(1)式中表车站;下标1,2代表车辆;rj代表乘客到达j站的到达率(人/min);Hi,j代表i车与i-1在j车站的时间间隔(min),可以表示为i-1车离开j站的时间Di-1,j与i车到达j站的时间Ai,j的时间间隔,即Hi,j=Ai,j-Di-1,j,i=1,2;j=2,3,...,N;Qi,jk代表i车经过j站时想从j站就往k站的人数;yi,j表示决定车辆在站点停留的0-1变量,若i车在j车站跳过,yi,j=0,反之yi,j=1;(2)式中Pw代表单位时间乘客等车时间成本(元/min);
②乘客乘车时间成本:
Z2=Pr·T2 \*MERGEFORMAT(4)
所有乘客的乘车时间为各个站点到其他站点的乘客乘车时间之和;tj代表从j-1站到j站的行程时间(min);δi,j代表i车在j车站的停留时间(min);(4)式中Pr代表单位时间乘客乘车时间成本(元/min);
③总运营时间成本:
Z3=Ps·T3 \*MERGEFORMAT(6)
总运营时间为各个站点之间的行程时间与停留时间的总和;(6)式中Ps代表单位时间运营成本(元/min);
④污染物排放成本:
车辆以正常速度行驶时的污染物排放与加减速或者怠速时的排放量不同,这里假设正常速度行驶时的污染物排放与行驶时间成正比,排放系数为f1(ml/min),车辆怠速或者加减速行驶时的污染物排放与停车次数成正比,排放系数为f2(ml/次);(7)式中PO代表单位污染物排放成本。
3.根据权利要求1所述的一种考虑污染排放的公交跳站运行方法,其特征在于所述步骤三中,利用步骤二所得到的相关数据,建立模型:
min Z=c1Z1+c2Z2+c3Z3+c4Z4 \*MERGEFORMAT(8)
yi,1=yi,N=1,i=1 \*MERGEFORMAT(9)
y2,j=1,j=1,2,...,N \*MERGEFORMAT(10)
Hi,j≥H0,i=1,2;j=2,3,...,N-1 \*MERGEFORMAT(11)
其中(8)式中c1、c2、c3、c4代表各组成部分的权重值,公交线上的第一站和最后一站不允许被跳过所以引入约束(9);车辆0和车辆2需服务整条线路,所以引入约束(10);公交车运营时前后两辆公交应保证有最小的车头时距H0(min),所以引入约束(11);为满足污染物排放要求,需对污染物排放进行限制,使其不超过最高排放量C0(ml),所以引入约束(12)。
4.根据权利要求1所述的一种考虑污染排放的公交跳站运行方法,其特征在于所述步骤四中,用遗传禁忌混合算法求解优化模型,获得最优的公交跳站方案:
步骤1:给定初始参数(包括最大迭代次数T、群体规模N、交叉概率π和变异概率ω);
步骤2:确定编码方式,令t=0;
步骤4:选择,根据适者生存原则选择适应性强的个体为下一代的父本,为个体(i=1,...,N)的适应度,其被选择的概率选择过程中使用保优原则(即上一代最优个体以概率1保存至下一代),这就产生了对环境适应能力较强的子代,即选择出和最优解较为接近的中间解;
步骤5:交叉,对于选中用于繁殖下一代的个体,随机选择两个个体的相同位置,按交叉概率π在选中位置实行交换;
步骤6:变异,根据生物遗传中的基因变异原理,以概率ω对个体进行变异运算,即对执行变异的串的对应位求反(0变为1,1变为0),产生子代群体变异避免了无法进化的单一群体的产生,因为在所有个体一样时,交叉无法产生新个体,即变异增加了全局优化的特质;
步骤7:准则判断。若t<T,则令t=t+1,转步骤4;否则,转步骤8;
步骤8:调用TS搜索过程,对子代群体中的每个个体进行局部搜素,改进群体点的质量,若改进后的群体点为y1,y2,…,yN,其中目标函数最优的即为最终计算结果;
步骤9:停止运算,输出最终计算结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910178262.XA CN111667087A (zh) | 2019-03-08 | 2019-03-08 | 一种考虑污染排放的公交跳站运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910178262.XA CN111667087A (zh) | 2019-03-08 | 2019-03-08 | 一种考虑污染排放的公交跳站运行方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111667087A true CN111667087A (zh) | 2020-09-15 |
Family
ID=72382101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910178262.XA Pending CN111667087A (zh) | 2019-03-08 | 2019-03-08 | 一种考虑污染排放的公交跳站运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667087A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112542057A (zh) * | 2020-11-30 | 2021-03-23 | 东南大学 | 一种公交车智能跳站方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101944288A (zh) * | 2010-08-25 | 2011-01-12 | 东南大学 | 城市公交线路停靠站设置方法 |
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN104835315A (zh) * | 2015-05-26 | 2015-08-12 | 上海交通大学 | 基于混合车型的公交运营时刻控制系统及方法 |
CN106652530A (zh) * | 2016-11-02 | 2017-05-10 | 北京瑞华赢科技发展有限公司 | 一种调度时刻表生成方法及装置 |
CN106777703A (zh) * | 2016-12-19 | 2017-05-31 | 杭州讯阳科技有限公司 | 一种公交乘客实时分析系统及其构建方法 |
CN107330559A (zh) * | 2017-07-03 | 2017-11-07 | 华南理工大学 | 一种多起终点多车型混载的定制公交线路规划方法 |
US20180032964A1 (en) * | 2016-08-01 | 2018-02-01 | Nec Europe Ltd. | Transportation system and method for allocating frequencies of transit services therein |
CN109086946A (zh) * | 2018-09-11 | 2018-12-25 | 东南大学 | 一种常规能源和新能源公交车辆的污染气体排放预测方法 |
-
2019
- 2019-03-08 CN CN201910178262.XA patent/CN111667087A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101944288A (zh) * | 2010-08-25 | 2011-01-12 | 东南大学 | 城市公交线路停靠站设置方法 |
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN104835315A (zh) * | 2015-05-26 | 2015-08-12 | 上海交通大学 | 基于混合车型的公交运营时刻控制系统及方法 |
US20180032964A1 (en) * | 2016-08-01 | 2018-02-01 | Nec Europe Ltd. | Transportation system and method for allocating frequencies of transit services therein |
CN106652530A (zh) * | 2016-11-02 | 2017-05-10 | 北京瑞华赢科技发展有限公司 | 一种调度时刻表生成方法及装置 |
CN106777703A (zh) * | 2016-12-19 | 2017-05-31 | 杭州讯阳科技有限公司 | 一种公交乘客实时分析系统及其构建方法 |
CN107330559A (zh) * | 2017-07-03 | 2017-11-07 | 华南理工大学 | 一种多起终点多车型混载的定制公交线路规划方法 |
CN109086946A (zh) * | 2018-09-11 | 2018-12-25 | 东南大学 | 一种常规能源和新能源公交车辆的污染气体排放预测方法 |
Non-Patent Citations (1)
Title |
---|
崔宝侠 等: "基于改进遗传算法的公交智能调度" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112542057A (zh) * | 2020-11-30 | 2021-03-23 | 东南大学 | 一种公交车智能跳站方法及装置 |
CN112542057B (zh) * | 2020-11-30 | 2021-11-02 | 东南大学 | 一种公交车智能跳站方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Luo et al. | Charging scheduling strategy for different electric vehicles with optimization for convenience of drivers, performance of transport system and distribution network | |
CN104239484B (zh) | 一种基于多模式公交组合调度的时刻表编制方法 | |
CN109934391B (zh) | 一种纯电动公交车辆的智能调度方法 | |
WO2023174187A1 (zh) | 一种电动公交协调优化调度方法 | |
CN107564269B (zh) | 一种基于支付意愿的半灵活公交调度方法 | |
CN111915464B (zh) | 一种基于考虑常规公交线网的地铁中断区间乘客接驳模型系统及方法 | |
CN111626469B (zh) | 一种面向运能提升的快慢车开行优化方法 | |
Sun et al. | Joint optimization of a rail transit route and bus routes in a transit corridor | |
CN112419716B (zh) | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 | |
Wang et al. | Multi-objective optimization of customized bus routes based on full operation process | |
CN115239021A (zh) | 一种城市轨道交通大小交路列车开行方案优化方法 | |
CN113096429B (zh) | 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 | |
CN114742340A (zh) | 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法 | |
CN111667087A (zh) | 一种考虑污染排放的公交跳站运行方法 | |
CN117172080A (zh) | 考虑用户出行差异与充电决策偏好的ev充电站规划方法 | |
Zhao et al. | Robust Optimization of Mixed-Load School Bus Route Based on Multi-Objective Genetic Algorithm. | |
CN111244990A (zh) | 一种配电网v2g辅助服务日前调度方法 | |
CN111091286A (zh) | 一种公共自行车调度模型与求解方法 | |
Yao et al. | Circle line optimization of shuttle bus in central business district without transit hub | |
CN116468219A (zh) | 一种枢纽站接驳出租车合乘调度匹配方法 | |
CN115186905A (zh) | 一种用于城际网约车路径规划的多任务优化方法及系统 | |
CN112561104A (zh) | 基于强化学习的车辆共享服务订单派遣方法及系统 | |
CN117391270B (zh) | 一种基于brt专用道的公交线网规划方法 | |
Shu et al. | Capacity optimization of highway charging station considering charging guidance mechanism | |
Du et al. | Network optimization of conventional public transit based on urban rail transit |
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 | ||
DD01 | Delivery of document by public notice |
Addressee: Li Zhenping Document name: Deemed withdrawal notice |
|
DD01 | Delivery of document by public notice | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200915 |
|
WD01 | Invention patent application deemed withdrawn after publication |