CN111680822B - 一种基于非固定路线的往返式公交疏散路径规划方法 - Google Patents
一种基于非固定路线的往返式公交疏散路径规划方法 Download PDFInfo
- Publication number
- CN111680822B CN111680822B CN202010395375.8A CN202010395375A CN111680822B CN 111680822 B CN111680822 B CN 111680822B CN 202010395375 A CN202010395375 A CN 202010395375A CN 111680822 B CN111680822 B CN 111680822B
- Authority
- CN
- China
- Prior art keywords
- evacuation
- bus
- time
- evacuated
- aggregation point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003780 insertion Methods 0.000 claims abstract description 9
- 230000037431 insertion Effects 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000004220 aggregation Methods 0.000 claims description 93
- 230000002776 aggregation Effects 0.000 claims description 93
- NDUPDOJHUQKPAG-UHFFFAOYSA-N Dalapon Chemical compound CC(Cl)(Cl)C(O)=O NDUPDOJHUQKPAG-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001105 regulatory effect Effects 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G06Q50/40—
-
- 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
Abstract
本发明公开了一种基于非固定路线的往返式公交疏散路径规划方法,属于应急交通疏散和公共交通管理优化领域,所述方法包括如下步骤:获取疏散区域内的道路网络,疏散需求,以及可用公交车辆等信息;基于非固定路线、往返式运行两种主要特征,构建公交疏散路径规划模型,目标函数设置为最小化疏散区域内的待疏散人员总疏散时间成本;设置模型约束条件,分别包括节点约束,车辆及容量约束,时间窗约束3个方面;通过插入算法与边节交换算法,设计了一种双层求解算法,最终获得公共交通应急疏散路径规划方案。本发明的方法切合疏散规划的特点,可以有效改善待疏散人员在疏散过程中的出行体验,提高公共交通疏散方案的稳定性与可靠性。
Description
技术领域
本发明属于应急交通疏散和公共交通管理优化领域,具体涉及一种基于非固定路线的往返式公交疏散路径规划方法。
背景技术
随着人类社会发展速度的不断加快,资源需求压力不断增重,自然环境破坏逐渐加深,社会矛盾日益突出,进而引发了许多灾难性的突发事件。面对突发事件,疏散是一种减少社会经济损失、保护民众生命安全的重要措施,主要指利用各类交通工具将受灾人员运送至避难所或其他安全区域。
我国是世界上最大的发展中国家,人口总数大且分布不均匀,部分城市人口密度高而机动车保有率较低,因此公共交通依赖人员(例如无车人员、老幼、游客)数量较多。公共交通具有运载能力高、易于管理的特点,可以帮助缓解疏散背景下短时间内爆发性的交通压力,在用于疏散调度时,表现出良好的适用性。
目前的公共交通疏散规划研究,多为往返式固定路线或单程路线规划,并且忽略了待疏散人员出行体验以及疏散管理难度,导致难以发挥公共交通在疏散中的应有作用。因此,如何契合疏散方案的实际应用,改善待疏散人员出行体验,提高疏散方案稳定性与可靠性,已经成为亟需重视的问题。
发明内容
本发明的目的在于提供一种基于非固定路线的往返式公交疏散路径规划方法,契合疏散规划特点,帮助获取公共交通应急疏散方案,实现突发事件应急疏散下公共交通资源的合理配置与利用,改善待疏散人员出行体验,提高疏散方案的稳定性与可靠性,为应急管理部门制定科学的公共交通应急疏散方案提供参考与支撑。
为实现上述目的,本发明通过以下技术方案来实现:一种基于非固定路线的往返式公交疏散路径规划方法,包括如下步骤:
步骤1:获取疏散区域内的需求、道路、节点、车辆信息,建立疏散网络;
步骤2:基于非固定路线、往返式运行两种特征,构建公交疏散路径规划模型,设置模型变量,并构建模型的目标函数;
步骤3:设置模型约束条件,包括节点约束,车辆及容量约束,时间窗约束;
步骤4:通过插入算法不断搜索距离最近的集结点并将其插入到公交车辆的旅行路径中,构筑初始可行解;
步骤5:通过边节交换算法分别采用交叉交换和2-opt的方式对初始可行解执行线路间与线路内搜索,获取模型最优解,即最终获得公共交通应急疏散路径规划方案。
进一步的,所述步骤1,建立疏散网络,具体包括:
步骤1.1:获取突发事件信息,判断突发事件影响区域,确定强制性疏散区域范围;
步骤1.2:获取人口普查信息和车辆管理登记信息,确定区域疏散需求及分布情况;
步骤1.3:获取疏散网络信息,包括疏散区域内的道路交通信息,以及确定疏散集结点与避难所的位置;
步骤1.4:获取可用公交车辆数量、容量,并确定其实时位置。
进一步的,所述步骤2,设置模型变量与目标函数,具体包括:
参数设置如下:N为节点集合,D为公交车辆初始位置集合,S为避难所集合,E为疏散集结点集合,DEMi为集结点i的疏散需求,V为可用公交车辆集合,NV为可用公交车辆数量,CAPv为公交车v的最大载客能力,A为路段集合,Tij为公交车通过路段(i,j)的行驶时间,Q为待疏散人员总量,Ti为集结点i的步行疏散时间,Li为集结点i到距其最近的避难所的距离,m为满载率参数,M为关于待疏散人员平均步行速度的固定参数,Tmax完成疏散任务的最大时间窗要求;
变量设置如下:表示公交车v在其第k次旅行中是否经过集结点i,若公交车v在其第k次旅行中经过集结点i,则反之,表示公交车v在其第k次旅行中是否经过路段(i,j),若公交车v在其第k次旅行中经过路段(i,j),则反之,K为单辆公交车的最大旅行次数,为从疏散开始到公交车v在第k次旅行中抵达集结点i的时间,表示公交车v从疏散开始到在第k次旅行中抵达避难所的时间,为公交车v在第k次旅行中在集结点i所接收的待疏散人员数量,capv为公交车v的剩余载客能力;
所述目标函数设置为最小化疏散区域内的待疏散人员总疏散时间成本;所述总疏散时间成本为总乘车旅行时间与总等待时间之和;目标函数表示如下:
其中,TT.WT为待疏散人员总疏散时间成本,Ttravel为待疏散人员的总乘车旅行时间,Twait为待疏散人员在集结点的总等待时间。
进一步的,所述步骤3中设置模型约束条件,具体包括:
(1)节点约束:
确保集结点的流量平衡,对任意一个集结点或避难所,其车辆流入与车辆流出相等;
确保避难所的流量平衡,其中公交车在完成最后一次旅行后停留在避难所;
(2)车辆及考虑满载率的容量约束:
公交车在任意集结点的接收人数应始终为车辆剩余容量或集结点剩余待疏散人数;
公交车每次旅行开始后,将不断前往下一个集结点接收待疏散人员,设置满载率参数,当乘客人数达到一定的容量阈值时,则判定该辆公交车继续前往下一个集结点的行程是低效的,此时该辆公交车直接前往避难所;
确保充分利用车辆资源:要求疏散区域内的所有可用公交车辆均得到调用;
确保满足网络中的全部疏散需求;
(3)时间窗约束:
确保任意一个集结点待疏散人员的等待时间不得超过该集结点的步行疏散时间;
确保网络中全部待疏散人员均在最大时间窗约束内抵达避难所。
进一步的,所述节点约束表达式为:
进一步的,所述车辆及考虑满载率的容量约束表达式为:
进一步的,所述时间窗约束表达式为:
进一步的,所述步骤4,通过插入算法不断搜索距离最近的集结点并将其插入到公交车辆的旅行路径中,构筑初始可行解;具体包括:
步骤4.1:插入算法初始化,输入疏散网络,集结点与避难所位置,疏散需求,可用公交车位置及容量,各条路段上的公交车辆通行时间,满载率参数;
步骤4.2:基于Dijkstra算法,获取疏散区域内所有车辆初始位置到全部集结点的最短路径集合,任意集结点到其他集结点的最短路径集合,任意集结点到任意避难所的最短路径集合,以及任意避难所到任意集结点的最短路径集合;令k=1,v=1,开始构建公交车辆行驶路径,k表示第k次旅行,v表示第v辆公交车;
步骤4.3:在第k次旅行中,公交车v从当前位置出发,前往距离最近的集结点接收待疏散人员;记录公交车v的抵达时间,同时更新网络中的剩余疏散需求;
步骤4.4:检验公交车剩余载客能力,若公交车v的载客率低于满载率参数,则继续前往下一个集结点接收待疏散人员;反之,则直接前往当前距离最近的避难所;
步骤4.5:令v=v+1,重复步骤4.3至步骤4.4,逐次调度网络中的全部可用车辆;当全部可用车辆调度完成后,记录全部公交车辆在第k次旅行中的运行路线并进入步骤4.6;
步骤4.6:按照车辆抵达避难所的先后顺序对全部车辆重新进行编号,随后进行下一轮车辆调度,令k=k+1,v=1,并重新进入步骤4.3,直到满足网络中的全部疏散需求,进入步骤4.7;
步骤4.7:当网络中的最后一名待疏散人员抵达避难所后,输出初始可行解及其目标函数值TT.WT;所述初始可行解包括全部公交车的行程路线,以及在每次旅行中公交车在各个集结点的到发车时间,在各个集结点接取的待疏散人员数量。
进一步的,所述步骤5中获取模型最优解,具体包括:
步骤5.1:输入初始可行解,对应的待疏散人员总疏散时间TT.WT,以及最大迭代次数nmax;令TT.WT0=TT.WT,n=1,TT.WT0为当前总疏散时间,n为迭代次数;
步骤5.2:执行线路间搜索:将全部公交车辆的每次旅行线路纳入集合,并从中随机选择两条不同路线的公交车旅行线路x和y,从线路x中随机选择一个集结点l1,从线路y中随机选择另一个集结点l2,交换集结点l1与l2,并同时交换上车乘客,形成交换后的疏散方案;
步骤5.3:检验是否存在不合理的运输情况:公交车在任意集结点的接收人数应始终为车辆剩余容量或集结点剩余待疏散人数,若满足该条件,进入步骤5.4;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.4:检验公交车容量约束:若公交车辆载客人数始终小于最大载客能力,进入步骤5.5;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.5:检验各个集结点的等待时间约束:若任意集结点的公交车辆抵达时间均不超过该集结点的步行疏散时间,进入步骤5.6;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.6:计算当前疏散方案的目标函数值TT.WT;若TT.WT<TT.WT0,接受交换并进入步骤5.7;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.7:推广交换结果:对所有与x,y相同路径的旅行线路执行线路间搜索,交换对应集结点的疏散顺序;计算当前的TT.WT,令TT.WT0=TT.WT;
步骤5.8:执行线路内搜索:对所有经过两个以上集结点的旅行线路进行2-opt搜索,并更新最优方案,计算相应的TT.WT,令TT.WT0=TT.WT;
步骤5.9:判断是否满足终止条件,若不满足,令n=n+1,返回步骤5.2,并继续计算;若满足,对应于当前TT.WT0的疏散方案即为模型最优解,将对应当前TT.WT0的解,输出为公共交通应急疏散路径规划方案;所述终止条件为:迭代次数n≥nmax,或目标函数值相对于初始可行解的优化率达到p%。
与现有技术相比,本发明的有益效果在于:
(1)本发明从实用性的角度出发,考虑了公共交通疏散方案中车辆往返式运行与非固定路线的两种主要特征,构建模型,并提出了有效的双层算法对模型进行求解。
(2)本发明着重考虑了网络中待疏散人员的出行体验,一方面,将模型目标函数设置为待疏散人员的总疏散时间成本;另一方面,在约束条件中要求待疏散人员在集结点的等待时间不能超过其步行疏散时间,从而提升了疏散方案的稳定性与可靠性。
附图说明
图1是本发明流程图;
图2是疏散网络示意图;
图3是双层算法流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合附图和实施案例,进一步阐述本发明。
如图1所示是本发明的流程图,公开了一种基于非固定路线的往返式公交疏散路径规划方法,包括以下步骤:
步骤1:获取疏散区域内的需求、道路、节点、车辆信息,建立疏散网络;
步骤1.1:通过政府部门以及权威的专业性科研机构所发布的突发事件信息,判断突发事件影响区域,确定强制性疏散区域范围;
步骤1.2:通过国家统计局发布的人口普查信息、社会管理机构和车辆管理部门的登记信息,确定区域疏散需求及分布情况;
步骤1.3:通过城市公共交通规划、用地及道路规划,获取疏散网络信息:①疏散区域内的道路交通信息,筛选可用的疏散道路,并设置交通组织措施;②以满足总疏散需求、确保待疏散人员人身安全为要求,确定疏散集结点与避难所的位置;
步骤1.4:联合公共交通运营公司,获取可用公交车辆数量、容量,并利用GPS系统确定其实时位置。
本实施例的疏散网络构建如图2所示:节点1~24为疏散集结点,节点25、26为避难所;各路段均设有公交专用道,根据道路长度与公交车辆自由流通行速度,网络中的公交车辆路段通行时间如表1所示;可用公交车辆数量为3辆(A,B,C),最大载客容量均为50人,其初始位置分别位于节点12,21,22。
表1
步骤2:基于非固定路线、往返式运行两种特征,构建公交疏散路径规划模型,设置模型变量,并构建模型的目标函数。
参数设置如下:N为节点集合,D为公交车辆初始位置集合,S为避难所集合,E为疏散集结点集合,DEMi为集结点i的疏散需求,V为可用公交车辆集合,NV为可用公交车辆数量,CAPv为公交车v的最大载客能力,A为路段集合,Tij为公交车通过路段(i,j)的行驶时间,Q为待疏散人员总量,Ti为集结点i的步行疏散时间,Li为集结点i到距其最近的避难所的距离,m为满载率参数,M为关于待疏散人员平均步行速度的固定参数,Tmax完成疏散任务的最大时间窗要求。
变量设置如下:
表示公交车v在其第k次旅行中是否经过集合点i,若公交车v在其第k次旅行中经过集合点i,则反之,表示公交车v在其第k次旅行中是否经过路段(i,j),若公交车v在其第k次旅行中经过路段(i,j),则反之,
K为单辆公交车的最大旅行次数,为从疏散开始到公交车v在第k次旅行中抵达集结点i的时间,表示公交车v从疏散开始到在第k次旅行中抵达避难所的时间,为公交车v在第k次旅行中在集结点i所接收的待疏散人员数量,capv为公交车v的剩余载客能力。
在此基础上,所构建模型的目标函数设置为最小化疏散区域内的待疏散人员总疏散时间成本;目标函数表示如下:
其中,TT.WT为待疏散人员总疏散时间成本,Ttravel为待疏散人员的总乘车旅行时间,Twait为待疏散人员在集结点的总等待时间。
步骤3:设置模型约束条件,包括节点约束,车辆及容量约束,时间窗约束。
步骤3.1:设置节点约束;
步骤3.1.1:确保集结点的流量平衡,对任意一个集结点或避难所,其车辆流入与车辆流出必然相等;表达式如下:
步骤3.1.2:确保避难所的流量平衡,其中公交车在完成最后一次旅行后将停留在避难所;表达式如下:
步骤3.2:设置车辆及考虑满载率的容量约束;
步骤3.2.1:公交车在任意集结点的接收人数应始终为车辆剩余容量或集结点剩余待疏散人数;表达式如下:
步骤3.2.2:公交车每次旅行开始后,将不断前往下一个集结点接收待疏散人员。当乘客人数达到一定的容量阈值时,则判定该辆公交车继续前往下一个集结点的行程是低效的,此时该辆公交车直接前往避难所;表达式如下:
步骤3.2.3:确保充分利用车辆资源:要求疏散区域内的所有可用公交车辆均得到调用;表达式如下:
步骤3.2.4:确保满足网络中的全部疏散需求;表达式如下:
步骤3.3:设置时间窗约束;
步骤3.3.1:确保任意一个集结点待疏散人员的等待时间不得超过该集结点的步行疏散时间,以避免乘客放弃乘车而选择步行前往避难所;表达式如下:
步骤3.3.2:确保网络中全部待疏散人员均在最大时间窗约束内抵达避难所;表达式如下:
步骤4:通过插入算法不断搜索距离最近的集结点并将其插入到公交车辆的旅行路径中,构筑初始可行解。
步骤4.1:插入算法初始化。输入疏散区域内的疏散集结点E,避难所集合S,可用公交车辆集合V,公交车辆初始位置集合D,网络中的疏散需求Q,各个集结点的疏散需求DEMi,各辆公交车的最大载客能力CAPv,各条路段上的公交车辆通行时间Tij,满载率参数m。
步骤4.2:基于Dijkstra算法,获取疏散区域内所有车辆初始位置到全部集结点的最短路径集合任意集结点到其他集结点的最短路径集合任意集结点到任意避难所的最短路径集合以及任意避难所到任意集结点的最短路径集合在以上最短路径集合的基础上,令k=1,v=1,开始构建公交车辆行驶路径,其中k表示第k次旅行,v表示第v辆公交车。
步骤4.4:检验公交车剩余载客能力。若公交车v的载客率低于满载率参数,即
公交车v继续前往下一个集结点;反之,若
公交车v则从集结点i出发直接前往最近的避难所。
步骤4.5:逐次调度网络中的全部可用车辆。若v<Nv,令v=v+1,并重新进入步骤4.3;若v=Nv,记录全部公交车辆在第k次旅行中的运行路线并进入步骤4.6。
步骤4.6:按照车辆抵达避难所的先后顺序对全部车辆重新进行编号,随后进行下一轮车辆调度,令k=k+1,v=1,并重新进入步骤4.3。
步骤4终止条件:满足网络中的全部疏散需求。当网络中的最后一名待疏散人员抵达避难所后,输出初始可行解,并计算得到待疏散人员总疏散时间TT.WT。所述初始可行解包括全部公交车的行程路线,以及在每次旅行中公交车在各个集结点的到发车时间,在各个集结点接取的待疏散人员数量。
步骤5:通过边节交换算法分别采用交叉交换和2-opt的方式对初始可行解执行线路间与线路内搜索,获取模型最优解,即最终获得公共交通应急疏散路径规划方案。
步骤5.1:输入初始可行解,对应的待疏散人员总疏散时间TT.WT,以及最大迭代次数nmax。令TT.WT0=TT.WT,n=1,TT.WT0为当前总疏散时间,n为迭代次数。
步骤5.2:执行线路间搜索。更新所有公交车辆的全部旅行线路集合R,并随机从R中选择两条不同路线的公交车旅行线路x和y(x,y可以分别属于不同的公交车)。从线路x中随机选择一个集结点l1,从线路y中随机选择另一个集结点l2。交换集结点l1与l2,并同时交换上车乘客,形成交换后的疏散方案。
反之,拒绝该交换,令n=n+1,并重新进入步骤5.2。
步骤5.4:检验公交车容量约束。
反之,拒绝该交换,令n=n+1,并重新进入步骤5.2。
步骤5.5:检验各个集结点的等待时间约束。
若任意集结点的公交车辆抵达时间均不超过该集结点的步行疏散时间,即
反之,拒绝该交换,令n=n+1,并重新进入步骤5.2。
步骤5.6;计算当前疏散方案的目标函数值TT.WT。若TT.WT<TT.WT0,接受交换并进入步骤5.7;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2。
步骤5.7:推广交换结果。
筛选出所有与x,y相同路径的旅行线路,并成对地执行线路间搜索,交换步骤5.6中接受交换的集结点疏散顺序。计算当前的TT.WT,令TT.WT0=TT.WT。
步骤5.8:执行线路内搜索。更新全部旅行线路集合R。选择一条经过超过两个集结点的旅行线路,并进行2-opt搜索。具体而言,在车辆容量、等待时间、合理运输要求约束下,交换该线路中任意两个集结点并翻转这两个集结点之间的通行路径。在每次可行的交换后,计算当前的TT.WT。若TT.WT<TT.WT0,接受该交换并令TT.WT0=TT.WT;反之,拒绝该交换。以此方式,对所有经过2个或2个以上集结点的旅行线路执行2-opt搜索。
步骤5.9:判断是否满足终止条件,若不满足,令n=n+1,返回步骤5.2,并继续计算;若满足,对应于当前TT.WT0的疏散方案即为模型最优解,输出为公共交通应急疏散路径规划方案;所述终止条件为:迭代次数n≥nmax,或目标函数值相对于初始可行解的优化率达到20%。
步骤4与步骤5的综合算法流程如图3所示,将本实施例的路网及相应数据代入计算,可以获得初始可行解与模型最优解如表2所示。其中,初始可行解中的待疏散人员总乘车旅行时间为11489min,在集结点的总等待时间为22146min,TT.WT为33635min,网络清空时间(最后一名待疏散人员抵达避难所的时间)为175min;模型最优解中的待疏散人员总乘车旅行时间为10426min,在集结点的总等待时间为20211min,TT.WT为30637min,网络清空时间为182min。可以发现,相比与初始可行解,模型最优解的待疏散人员总乘车旅行时间降低了9.25%,在集结点的总等待时间降低了8.74%,TT.WT降低了8.91%。这说明尽管疏散方案的最终完成时间略有增长,但是待疏散人员的出行体验得到了较好的改善,有助于疏散方案稳定、有效的执行。
表2
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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种基于非固定路线的往返式公交疏散路径规划方法,其特征在于:该方法包括如下步骤:
步骤1:获取疏散区域内的需求、道路、节点、车辆信息,建立疏散网络;
步骤2:基于非固定路线、往返式运行两种特征,构建公交疏散路径规划模型,设置模型变量,并构建模型的目标函数;
步骤3:设置模型约束条件,包括节点约束,车辆及容量约束,时间窗约束;
步骤4:通过插入算法不断搜索距离最近的集结点并将其插入到公交车辆的旅行路径中,构筑初始可行解;
步骤5:通过边节交换算法分别采用交叉交换和2-opt的方式对初始可行解执行线路间与线路内搜索,获取模型最优解,即最终获得公共交通应急疏散路径规划方案。
2.根据权利要求1所述的一种基于非固定路线的往返式公交疏散路径规划方法,其特征在于:所述步骤1,建立疏散网络,具体包括:
步骤1.1:获取突发事件信息,判断突发事件影响区域,确定强制性疏散区域范围;
步骤1.2:获取人口普查信息和车辆管理登记信息,确定区域疏散需求及分布情况;
步骤1.3:获取疏散网络信息,包括疏散区域内的道路交通信息,以及确定疏散集结点与避难所的位置;
步骤1.4:获取可用公交车辆数量、容量,并确定其实时位置。
3.根据权利要求1或2所述的一种基于非固定路线的往返式公交疏散路径规划方法,其特征在于:所述步骤2,设置模型变量与目标函数,具体包括:
参数设置如下:N为节点集合,D为公交车辆初始位置集合,S为避难所集合,E为疏散集结点集合,DEMi为集结点i的疏散需求,V为可用公交车辆集合,NV为可用公交车辆数量,CAPv为公交车v的最大载客能力,A为路段集合,Tij为公交车通过路段(i,j)的行驶时间,Q为待疏散人员总量,Ti为集结点i的步行疏散时间,Li为集结点i到距其最近的避难所的距离,m为满载率参数,M为关于待疏散人员平均步行速度的固定参数,Tmax完成疏散任务的最大时间窗要求;
变量设置如下:表示公交车v在其第k次旅行中是否经过集结点i,若公交车v在其第k次旅行中经过集结点i,则反之, 表示公交车v在其第k次旅行中是否经过路段(i,j),若公交车v在其第k次旅行中经过路段(i,j),则反之,K为单辆公交车的最大旅行次数,为从疏散开始到公交车v在第k次旅行中抵达集结点i的时间, 表示公交车v从疏散开始到在第k次旅行中抵达避难所的时间, 为公交车v在第k次旅行中在集结点i所接收的待疏散人员数量,capv为公交车v的剩余载客能力;
所述目标函数设置为最小化疏散区域内的待疏散人员总疏散时间成本;所述总疏散时间成本为总乘车旅行时间与总等待时间之和;目标函数表示如下:
其中,TT.WT为待疏散人员总疏散时间成本,Ttravel为待疏散人员的总乘车旅行时间,Twait为待疏散人员在集结点的总等待时间。
4.根据权利要求3所述的一种基于非固定路线的往返式公交疏散路径规划方法,其特征在于:所述步骤3中设置模型约束条件,具体包括:
(1)节点约束:
确保集结点的流量平衡,对任意一个集结点或避难所,其车辆流入与车辆流出相等;
确保避难所的流量平衡,其中公交车在完成最后一次旅行后停留在避难所;
(2)车辆及考虑满载率的容量约束:
公交车在任意集结点的接收人数应始终为车辆剩余容量或集结点剩余待疏散人数;
公交车每次旅行开始后,将不断前往下一个集结点接收待疏散人员,设置满载率参数,当乘客人数达到一定的容量阈值时,则判定该辆公交车继续前往下一个集结点的行程是低效的,此时该辆公交车直接前往避难所;
确保充分利用车辆资源:要求疏散区域内的所有可用公交车辆均得到调用;
确保满足网络中的全部疏散需求;
(3)时间窗约束:
确保任意一个集结点待疏散人员的等待时间不得超过该集结点的步行疏散时间;
确保网络中全部待疏散人员均在最大时间窗约束内抵达避难所。
8.根据权利要求1所述的一种基于非固定路线的往返式公交疏散路径规划方法,其特征在于:所述步骤4,通过插入算法不断搜索距离最近的集结点并将其插入到公交车辆的旅行路径中,构筑初始可行解;具体包括:
步骤4.1:插入算法初始化,输入疏散网络,集结点与避难所位置,疏散需求,可用公交车位置及容量,各条路段上的公交车辆通行时间,满载率参数;
步骤4.2:基于Dijkstra算法,获取疏散区域内所有车辆初始位置到全部集结点的最短路径集合,任意集结点到其他集结点的最短路径集合,任意集结点到任意避难所的最短路径集合,以及任意避难所到任意集结点的最短路径集合;令k=1,v=1,开始构建公交车辆行驶路径,k表示第k次旅行,v表示第v辆公交车;
步骤4.3:在第k次旅行中,公交车v从当前位置出发,前往距离最近的集结点接收待疏散人员;记录公交车v的抵达时间,同时更新网络中的剩余疏散需求;
步骤4.4:检验公交车剩余载客能力,若公交车v的载客率低于满载率参数,则继续前往下一个集结点接收待疏散人员;反之,则直接前往当前距离最近的避难所;
步骤4.5:令v=v+1,重复步骤4.3至步骤4.4,逐次调度网络中的全部可用车辆;当全部可用车辆调度完成后,记录全部公交车辆在第k次旅行中的运行路线并进入步骤4.6;
步骤4.6:按照车辆抵达避难所的先后顺序对全部车辆重新进行编号,随后进行下一轮车辆调度,令k=k+1,v=1,并重新进入步骤4.3,直到满足网络中的全部疏散需求,进入步骤4.7;
步骤4.7:当网络中的最后一名待疏散人员抵达避难所后,输出初始可行解及其目标函数值TT.WT;所述初始可行解包括全部公交车的行程路线,以及在每次旅行中公交车在各个集结点的到发车时间,在各个集结点接取的待疏散人员数量。
9.根据权利要求1或8所述的一种基于非固定路线的往返式公交疏散路径规划方法,其特征在于:所述步骤5中获取模型最优解,具体包括:
步骤5.1:输入初始可行解,对应的待疏散人员总疏散时间TT.WT,以及最大迭代次数nmax;令TT.WT0=TT.WT,n=1,TT.WT0为当前总疏散时间,n为迭代次数;
步骤5.2:执行线路间搜索:将全部公交车辆的每次旅行线路纳入集合,并从中随机选择两条不同路线的公交车旅行线路x和y,从线路x中随机选择一个集结点l1,从线路y中随机选择另一个集结点l2,交换集结点l1与l2,并同时交换上车乘客,形成交换后的疏散方案;
步骤5.3:检验是否存在不合理的运输情况:公交车在任意集结点的接收人数应始终为车辆剩余容量或集结点剩余待疏散人数,若满足该条件,进入步骤5.4;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.4:检验公交车容量约束:若公交车辆载客人数始终小于最大载客能力,进入步骤5.5;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.5:检验各个集结点的等待时间约束:若任意集结点的公交车辆抵达时间均不超过该集结点的步行疏散时间,进入步骤5.6;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.6:计算当前疏散方案的目标函数值TT.WT;若TT.WT<TT.WT0,接受交换并进入步骤5.7;反之,拒绝该交换,令n=n+1,并重新进入步骤5.2;
步骤5.7:推广交换结果:对所有与x,y相同路径的旅行线路执行线路间搜索,交换对应集结点的疏散顺序;计算当前的TT.WT,令TT.WT0=TT.WT;
步骤5.8:执行线路内搜索:对所有经过两个以上集结点的旅行线路进行2-opt搜索,并更新最优方案,计算相应的TT.WT,令TT.WT0=TT.WT;
步骤5.9:判断是否满足终止条件,若不满足,令n=n+1,返回步骤5.2,并继续计算;若满足,对应于当前TT.WT0的疏散方案即为模型最优解,将对应当前TT.WT0的解,输出为公共交通应急疏散路径规划方案;所述终止条件为:迭代次数n≥nmax,或目标函数值相对于初始可行解的优化率达到p%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395375.8A CN111680822B (zh) | 2020-05-12 | 2020-05-12 | 一种基于非固定路线的往返式公交疏散路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010395375.8A CN111680822B (zh) | 2020-05-12 | 2020-05-12 | 一种基于非固定路线的往返式公交疏散路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680822A CN111680822A (zh) | 2020-09-18 |
CN111680822B true CN111680822B (zh) | 2022-08-19 |
Family
ID=72433730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010395375.8A Active CN111680822B (zh) | 2020-05-12 | 2020-05-12 | 一种基于非固定路线的往返式公交疏散路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680822B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762598B (zh) * | 2021-08-05 | 2023-08-04 | 同济大学 | 一种综合交通枢纽应急疏散车辆路径规划方法 |
CN113689696B (zh) * | 2021-08-12 | 2022-07-29 | 北京交通大学 | 基于车道管理的多模式交通协同疏散方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107341580A (zh) * | 2017-08-08 | 2017-11-10 | 上海交通大学 | 一种用于城市交通网络应急疏散规划的新型启发式算法 |
CN107368919A (zh) * | 2017-06-30 | 2017-11-21 | 东南大学 | 基于可逆车道与交叉口冲突消除的公交疏散路径规划方法 |
CN108280575A (zh) * | 2018-01-22 | 2018-07-13 | 哈尔滨工业大学 | 一种应急疏散车辆多批次调度决策方法 |
-
2020
- 2020-05-12 CN CN202010395375.8A patent/CN111680822B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368919A (zh) * | 2017-06-30 | 2017-11-21 | 东南大学 | 基于可逆车道与交叉口冲突消除的公交疏散路径规划方法 |
CN107341580A (zh) * | 2017-08-08 | 2017-11-10 | 上海交通大学 | 一种用于城市交通网络应急疏散规划的新型启发式算法 |
CN108280575A (zh) * | 2018-01-22 | 2018-07-13 | 哈尔滨工业大学 | 一种应急疏散车辆多批次调度决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111680822A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN107101643B (zh) | 一种拼车匹配方法 | |
CN108765948B (zh) | 一种弹性的公车调度方法和系统 | |
CN105279955B (zh) | 一种拼车方法及设备 | |
CN109543934B (zh) | 城市公交线网的综合指标的评价方法 | |
CN111680822B (zh) | 一种基于非固定路线的往返式公交疏散路径规划方法 | |
CN112309119B (zh) | 一种城市交通系统容量分析优化方法 | |
CN115527369B (zh) | 一种空港枢纽大面积延误条件下的大客流预警与疏散方法 | |
CN110309962A (zh) | 基于时间扩展模型的铁路行程路线规划方法及装置 | |
CN110599760A (zh) | 一种多模式交通网络下的出行行为模拟方法 | |
CN111667086A (zh) | 一种车辆共乘路径寻优方法及系统 | |
CN108549952A (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
Wei et al. | Optimal integrated model for feeder transit route design and frequency-setting problem with stop selection | |
CN116720997A (zh) | 一种基于大数据分析的公交线路评价体系及优化方法 | |
CN113160600B (zh) | 一种用于城市微循环公交系统的车辆调度方法 | |
CN115169669A (zh) | 一种基于轨迹大数据支持的出租车合乘方法 | |
CN115879658A (zh) | 定制公交路径优化方法、系统、存储介质及设备 | |
CN116468219A (zh) | 一种枢纽站接驳出租车合乘调度匹配方法 | |
Poulhès et al. | User assignment in a smart vehicles’ network: Dynamic modelling as an agent-based model | |
CN113298390A (zh) | 一种突发异构客流的多式协同疏散方案集构建方法及装置 | |
CN113642796A (zh) | 基于历史数据的动态共享电动自动驾驶车辆路径规划方法 | |
Van Son et al. | Prediction-based optimization for online People and Parcels share a ride taxis | |
CN117236473B (zh) | 枢纽疏散场景下乘客同乘车辆的路径分配方法及系统 | |
Zhu et al. | Route Optimization of Rail Transit Travel Chain under Bounded Rationality | |
CN114566037B (zh) | 一种基于多源数据的柔性公交多车型车队配置方法 |
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 |