CN113205239B - 一种任务量配置优先的公交车辆调度方法及系统 - Google Patents

一种任务量配置优先的公交车辆调度方法及系统 Download PDF

Info

Publication number
CN113205239B
CN113205239B CN202110287279.6A CN202110287279A CN113205239B CN 113205239 B CN113205239 B CN 113205239B CN 202110287279 A CN202110287279 A CN 202110287279A CN 113205239 B CN113205239 B CN 113205239B
Authority
CN
China
Prior art keywords
shift
vehicle
task
chain
randomly select
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
CN202110287279.6A
Other languages
English (en)
Other versions
CN113205239A (zh
Inventor
郭建国
孙浩
赵新潮
渠华
雷炳友
沈洋
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.)
Zhengzhou Tiamaes Technology Co ltd
Original Assignee
Zhengzhou Tiamaes Technology 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 Zhengzhou Tiamaes Technology Co ltd filed Critical Zhengzhou Tiamaes Technology Co ltd
Priority to CN202110287279.6A priority Critical patent/CN113205239B/zh
Publication of CN113205239A publication Critical patent/CN113205239A/zh
Application granted granted Critical
Publication of CN113205239B publication Critical patent/CN113205239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • 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)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于公交车调度技术领域，具体涉及一种任务量配置优先的公交车辆调度方法及系统；主要针对人车绑定模式下进行公交车辆调度，采用模拟退火的算法进行进一步的给出可行的公交车调度方案，与现有技术方法对比本发明主要提出了一种基于任务量配置优先的公交车调度方法，为公交企业给定全天运营车辆数以及每辆车的运营任务量，从而建立在保障司机足够的休息时间的前提下，以提升司机的劳动效率为目标的模型，进行相对应的司机排班，可适用于不同地区，根据不同需求快速的生产合理、科学的排班方案。

Description

一种任务量配置优先的公交车辆调度方法及系统
技术领域
本发明属于公交车调度技术领域，具体涉及一种任务量配置优先的公交车辆调度方法及系统。
背景技术
随着中国城市化进程的加速，公共交通扮演着越来越重的角色，同时公共交通也承担着运输居民的重任也是解决城市拥堵的重要手段。公交车辆的排班与调度问题在一定程度上也是公交企业在管理方面的重要一环，所以如何针对公交线路的全天运营计划进行更加高效的排班可以有效地节省公交企业的运行成本同时也可以在保障司机休息时间的同时提升其劳动效率，从而为安全且高效的公交城市运营提供强有力的保障。
针对公共交通调度问题，国内外学者早就开始这方面的研究并取得初步的成果，陈少华等人在《一种基于模拟退火算法的公交车辆排班方法》中提出了一种采用模拟退火解决公交车辆排班的方法，在该方法中作者设计了一种行之有效的编码方法，腾靖等人在《纯电动公交时刻表和车辆排班计划整体优化》一文中提出了以平滑发车间隔、使用车辆较少和充电费用低为目标建立多目标优化模型，采用多目标粒子群算法进行求解，周斌等人在《基于改进遗传算法的电动公交车行车调度研究》一文中建立了以车辆数最少和空驶距离最小为目标的纯电动公交车调度模型。
通过分析上述作者的研究可以发现现有的技术人员在进行建立公交车调度模型时往往都侧重于使用车辆较少这一目标进而建立求解模型进行规划公交车调度方法。但是在实际生活中公交企业相较于车辆的解决往往更在意司机的安全驾驶以及舒适驾驶，如果在对车辆排班过程中过度追求资源的节省，而忽略司机的劳动强度以及劳动习惯往往会增加公交企业运营过程中的安全隐患。针对这种问题本发明将提出一种符合公交企业的运营的排班方法，即一种基于任务量配置优先的公交车辆调度方法。
发明内容
针对现有设备存在的缺陷和问题，本发明提供一种任务量配置优先的公交车辆调度方法，有效的解决了现有设备中存在的在制定调度方案时往往都侧重于使用车辆较少这一目标，进而建立求解模型进行规划公交车调度方法，忽略司机的劳动强度以及劳动习惯，公交企业运营过程中的安全隐患大的问题。
本发明解决其技术问题所采用的方法是：一种任务量配置优先的公交车辆调度方法：包括如下步骤：
步骤1，获取基本信息
获取运营路线的基本信息，基本信息包括全天运营时刻表、计划运营车辆和计划全天任务量，并根据基本信息建立基本信息集合；
步骤2，利用贪婪算法对基本信息集合进行预处理
首先随机初始化基本信息集合形成原始班次链，从原始班次链中获取班次间套点数量，以套点数量最少为损失函数，进行预定次数的迭代后输出初始班次链；
步骤3，扩充班次链的数量
通过扰动算子调整算法搜索过程，对初始班次链进行扩充，扰动算子包括替换策略、替换策略和后向插入策略；其中，替换策略为随机选择两个班次链，并随机选择两个班次链的班次进行交叉替换；前向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入另一个班次链的一个班次的前方；后向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入到另一个班次链的一个班次的后方，从而通过上述操作可以得到丰富的车辆排班可行候选集合；
步骤4，模拟退火算法
以车辆排班可行候选集合初始解，以班次间的停留等待成本、班次间的套点数量和车辆运营任务的完成度为目标函数建立车辆调度模型,采用车辆调度模型进行求解对车辆排班可行候选集合进行模拟退火算法，具体如下式；
其中式中m为全天计划任务量，wij为班次停留等待时间成本，sj为班次j的开始运营时间，ej为班次j的结束运营时间，α为判断班次是否出现套点行为，n为全天计划用车量；由此，车辆调度模型中目标函数主要是用来最小化班次间的停留等待时间以及最少套点行为；约束条件一是判断班次间是否出现套点行为，约束条件二是保证车辆任务量之和与全体计划任务量相匹配，约束条件三则主要保证单车任务量与计划单车任务量相匹配；
步骤5，经过预设次数为M的迭代后，得到最终的班次链候选集。
一种任务量配置优先的公交车辆调度系统，包括初始解形成模块、算法中心处理模块和条件约束模块；所述初始解形成模块通过客流调查器制作全天运营计划，根据全天运营计划获取全天运营时刻表、计划运营车辆和计划全天任务量，并建立基本信息集合，随机初始化基本信息集合形成原始班次链，从原始班次链中获取班次间套点数量，以套点数量最少为损失函数，进行预定次数的迭代后输出初始班次链，所述算法中心处理模块包括扰动扩充和模拟退火，其中扰动扩充通过扰动算子调整算法搜索过程，对初始班次链进行扩充得到丰富的车辆排班可行候选集合；所述条件约束模块以班次间的停留等待成本、班次间的套点数量和车辆运营任务的完成度为目标函数建立车辆调度模型；模拟退火采用车辆调度模型进行求解，对车辆排班可行候选集合进行模拟退火算法，经过可输入次数为M的迭代后，得到最终的班次链候选集。
进一步的，在执行步骤3中扩充班次链的数量之前，增加地区约束条件，如车辆数、每车的全天任务量，然后再通过扰动算子调整算法搜索过程，对初始班次链进行扩充。
进一步的，所述扰动算子包括替换策略、替换策略和后向插入策略；其中，替换策略为随机选择两个班次链，并随机选择两个班次链的班次进行交叉替换；前向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入另一个班次链的一个班次的前方；后向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入到另一个班次链的一个班次的后方，从而通过上述操作可以得到丰富的车辆排班可行候选集合。
进一步的，还包括参数输入模块，参数输入模块包括车辆信息和司机信息，车辆信息包括车辆检修信息、车辆所属线路和人车关系，司机信息包括驾驶员班制、驾驶员工作时间和驾驶员基本信息，地区限制单元可设置地区限制因素，如设置参加运营车辆数和设置参加每辆运营车辆任务量。
本发明的有益效果：
本发明在任务量配置优先的公交车辆调度时，以人车绑定为前提生产车辆调度方案，具有如下优点：
1，本发明采用贪婪算法获取初始解，一个高质量的初始班次链可以极大的缩减后续操作的计算时间，设置目标函数为最少化班次间的套点数量，然后通过一定时间的迭代次数便可以得到初始班次链
2，输入全天计划用车量以及单车任务量，由于不同地区的公交企业有着不同的车辆排班习惯，所以针对这种情况进行参数设置便于后续步骤的执行，
3，模拟退火算法，此处充分考虑到计划用车量以及单车任务量并在保证司机足够的休息时间的基础上最大化司机的劳动效率建立损失函数；
4，调优策略，通过第三步进行迭代产生候选集之后选择插入策略、交叉策略进行候选集的质量提升并尝试构建新的候选集；
由此，本发明提出了一种任务量配置优先的公交车辆调度方法，主要针对人车绑定模式下进行公交车辆调度，采用模拟退火的算法进行进一步的给出可行的公交车调度方案，与现有技术方法对比本发明主要提出了一种基于任务量配置优先的公交车调度方法，为公交企业给定全天运营车辆数以及每辆车的运营任务量，从而建立在保障司机足够的休息时间的前提下，以提升司机的劳动效率为目标的模型，进行相对应的司机排班，可适用于不同地区，根据不同需求快速的生产合理、科学的排班方案。
附图说明
图1为本发明的具体流程图。
图2为本发明的系统框式图。
图3为本发明的使用过程框式图。
图4为替换策略示意图。
图5为前向插入策略示意图。
图6为后向插入策略示意图。
图7为任务量配置优先的公交车辆调度排版结果示意图。
图8为手工排版结果示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
实施例1：本实施例旨在提供一种任务量配置优先的公交车辆调度方法，本实施例中的公交车里调度问题可以简单理解为公交企业给定全天运营车辆数，以及每辆车的运营任务量，从而建立在保障司机足够的休息时间的前提下，以提升司机的劳动效率为目标的模型进行相对应的司机排班。
城市公共交通行业可能根据不同地区的政策不同其相对应的车辆排班方案也不尽相同，譬如有些地区由于资金的限制在进行公交车排班时需要尽量的节省资源但是前提也是能够保障司机的安全驾驶，有些地区由于资金充足则在进行公交车排班时需要尽量考虑到司机的安全驾驶以及最大化车辆的使用率。所以从上可知公交车量调度与排班计划编制需要考虑众多因素，但是最核心的因素都需要保障司机的安全驾驶。在保证司机安全驾驶的前提下计划编制的依据则主要有线路的特性、司机的数量、车辆的数量以及行车作业时刻表。
长期以来，我国大部分地区的公交车辆排班仍然采用人车绑定的模式，所谓“人车绑定”是指一个司机在一个工作日中只操作一辆车而不进行其他车的操作。“人车绑定”模式的好处主要有以下几点
1.安全驾驶，由于司机习惯了固定车辆的操作，如果更换新的车辆那么司机必然需要一定的时间成本熟悉车辆，同时也提高了车辆危险驾驶的不稳定性。
2.责任划分，公交事故问题不可避免，一定程度上我们只能降低公交车的事故发生率而不能完全避免事故的发生。所以针对这种情况，一旦车辆出现事故那么可以快速定位到车辆所属司机进行相对于的责任划分。
所以本实施例将主要针对“人车绑定”下的进行设计一种任务量配置优先的公交车辆调度方法，具体包括如下步骤：
步骤1，获取基本信息
获取运营路线的基本信息，基本信息包括全天运营时刻表、计划运营车辆和计划全天任务量，并根据基本信息建立基本信息集合；
步骤2，利用贪婪算法对基本信息集合进行预处理
首先随机初始化基本信息集合形成原始班次链，从原始班次链中获取班次间套点数量，以套点数量最少为损失函数，进行预定次数的迭代后输出初始班次链；
通过上述步骤我们可以快速得到对应的班次链候选集，但是仅仅只有这些候选集则不够一定的数量进行模型调优，同时其可塑性也较差。另外由于遗传算法本身的特点，使得算法在进行计算时，容易陷入局部最优的情况，这种情况将会导致搜索算法在全局搜索中无法找到质量更好的班次链。所以针对这种情况需要进行区域调整策略进行扩充候选集的数量并提升其质量。
另外，在执行步骤3中扩充班次链的数量之前，增加地区约束条件，如车辆数、每车的全天任务量，然后再通过扰动算子调整算法搜索过程，对初始班次链进行扩充。
步骤3，扩充班次链的数量
通过扰动算子调整算法搜索过程，对初始班次链进行扩充，扰动算子包括替换策略、替换策略和后向插入策略；其中，替换策略为随机选择两个班次链，并随机选择两个班次链的班次进行交叉替换；前向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入另一个班次链的一个班次的前方；后向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入到另一个班次链的一个班次的后方，从而通过上述操作可以得到丰富的车辆排班可行候选集合。
此时继续套用模拟退火算法进行迭代过滤掉损失代价较高的候选集，从而保留相对理想的候选集进行新一轮的迭代优化。
步骤4，模拟退火算法
以车辆排班可行候选集合初始解，以班次间的停留等待成本、班次间的套点数量和车辆运营任务的完成度为目标函数建立车辆调度模型,采用车辆调度模型进行求解对车辆排班可行候选集合进行模拟退火算法，具体如下式；
其中式中m为全天计划任务量，wij为班次停留等待时间成本，sj为班次j的开始运营时间，ej为班次j的结束运营时间，α为判断班次是否出现套点行为，n为全天计划用车量；由此，车辆调度模型中目标函数主要是用来最小化班次间的停留等待时间以及最少套点行为；约束条件一是判断班次间是否出现套点行为，约束条件二是保证车辆任务量之和与全体计划任务量相匹配，约束条件三则主要保证单车任务量与计划单车任务量相匹配；
步骤5，经过预设次数为M的迭代后，得到最终的班次链候选集。
本实施例依据任务量配置优先进行公交车辆调度，算法基本原理概述如下：1)获取运营线路的基本信息如全天运营时刻表、计划运营车辆、计划全天任务量。2)通过贪婪算法获取班次链初始解，此处主要考虑班次之间不套点即可，3)增加地区约束条件如指定车辆数、每车的全天任务量然后通过模拟退火算法进行生成班次链候选集，4)在此基础上在保障司机足够的休息时间的基础上建立以劳动效率最高为损失函数进行模型迭代过滤出质量较高的候选集。5)通过一定的迭代次数进行确定最终班次链即全天车辆调度方案。
本实施例中主要采用公交车班次链集合来表示每辆车的全天班次链，基于人车绑定状态下的车辆排班问题，其中每个班次链都包含有车辆、执行班次任务、上下行以及场站等信息。
此处给定调度方法并且设置算法迭代次数为M，车辆排班算法可以描述如下：
1.贪婪算法获取初始解，一个高质量的初始班次链可以极大的缩减后续操作的计算时间，所以此处设置目标函数为最少化班次间的套点数量然后通过一定时间的迭代次数便可以得到初始班次链；
2.输入全天计划用车量以及单车任务量，由于不同地区的公交企业有着不同的车辆排班习惯，所以针对这种情况进行参数设置便于后续步骤的执行；
3.模拟退火算法，此处充分考虑到计划用车量以及单车任务量并在保证司机足够的休息时间的基础上最大化司机的劳动效率建立损失函数；
4.调优策略，通过第三步进行迭代产生候选集之后选择插入策略、交叉策略进行候选集的质量提升并尝试构建新的候选集；
5.迭代，如果算法迭代次数少于M则进行返回第三步并持续进行算法调用否则返回第六步；
6.此处选择最优的候选集作为最终车辆排班方案输出。
同时本实施例结合附图7-8中所示，如7中排列规整，且没有出现套点(套点为班次重叠)，各排班较为集中，空白区域即为休息时间；反观图8中所示，在第10行出现套点，且整体排班较为混乱，班次多为零星分布，导致空白区域分布零散，休息时间不集中，从而基于任务量配置优先的车辆调度方法与手工排班对比得出以下结论：
1、基于任务量配置优先的车辆调度方法能够实现更便捷、更快速、更自动化的编制线路车辆行车作业计划，实现企业精细化管理进一步节省车辆资源。手工编制线路车辆的难度较大需要花费非常有经验的调度员很长的时间才可以编制出符合客流的方案，但是基于任务量配置优先的方案可以再有限的时间内快速计算出结果；
2、基于任务量配置优先的车辆调度方法节省车辆资源。从上面排班的计划比较可以看出，基于任务量配置优先的车辆调度方法比手工排班节约车辆资源。为公司节约了成本，而节约出来的资源可以投入到别的地方，比如跑区间车、网约公交或者支援别的线路，更好的服务了乘客，也为公司创造了更高的价值；
3、基于任务量配置优先的车辆调度方法有效提升驾驶员的劳动效率。从上述排班结果可以看出，基于任务量配置优先的车辆调度方法相对于手工排班，在保证司机的正常休息的时间内进一步的提升司机的劳动效率，消除班次间的时间碎片并合理的安排驾驶员班次的衔接。
由此，本发明提出了一种任务量配置优先的公交车辆调度方法，主要针对人车绑定模式下进行公交车辆调度，采用模拟退火的算法进行进一步的给出可行的公交车调度方案，与现有技术方法对比本发明主要提出了一种基于任务量配置优先的公交车调度方法，为公交企业给定全天运营车辆数以及每辆车的运营任务量，从而建立在保障司机足够的休息时间的前提下，以提升司机的劳动效率为目标的模型，进行相对应的司机排班。
实施例2：本实施例提供了一种任务量配置优先的公交车辆调度系统。
如图2中所示，一种任务量配置优先的公交车辆调度系统，其特征在于：包括初始解形成模块、算法中心处理模块和条件约束模块；所述初始解形成模块通过客流调查器制作全天运营计划，根据全天运营计划获取全天运营时刻表、计划运营车辆和计划全天任务量，并建立基本信息集合，随机初始化基本信息集合形成原始班次链，从原始班次链中获取班次间套点数量，以套点数量最少为损失函数，进行预定次数的迭代后输出初始班次链，所述算法中心处理模块包括扰动扩充和模拟退火，其中扰动扩充通过扰动算子调整算法搜索过程，对初始班次链进行扩充得到丰富的车辆排班可行候选集合；所述条件约束模块以班次间的停留等待成本、班次间的套点数量和车辆运营任务的完成度为目标函数建立车辆调度模型,模拟退火采用车辆调度模型进行求解，对车辆排班可行候选集合进行模拟退火算法，经过可输入次数为M的迭代后，得到最终的班次链候选集。
本实施例中，所述扰动算子包括替换策略、替换策略和后向插入策略；其中，替换策略为随机选择两个班次链，并随机选择两个班次链的班次进行交叉替换；前向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入另一个班次链的一个班次的前方；后向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入到另一个班次链的一个班次的后方，从而通过上述操作可以得到丰富的车辆排班可行候选集合。
如图2中所示，还包括参数输入模块，参数输入模块包括车辆信息和司机信息，车辆信息包括车辆检修信息、车辆所属线路和人车关系，司机信息包括驾驶员班制、驾驶员工作时间和驾驶员基本信息，地区限制单元可设置地区限制因素，如设置参加运营车辆数和设置参加每辆运营车辆任务量。

Claims (4)

1.一种任务量配置优先的公交车辆调度方法，其特征在于：包括如下步骤：
步骤1，获取基本信息
获取运营路线的基本信息，基本信息包括全天运营时刻表、计划运营车辆和计划全天任务量，并根据基本信息建立基本信息集合；
步骤2，利用贪婪算法对基本信息集合进行预处理
首先随机初始化基本信息集合形成原始班次链，从原始班次链中获取班次间套点数量，以套点数量最少为损失函数，进行预定次数的迭代后输出初始班次链；
步骤3，扩充班次链的数量
通过扰动算子调整算法搜索过程，对初始班次链进行扩充，扩充班次链的数量之前，增加地区约束条件，约束条件包括车辆数和每车的全天任务量，扰动算子包括替换策略、替换策略和后向插入策略；其中，替换策略为随机选择两个班次链，并随机选择两个班次链的班次进行交叉替换；前向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入另一个班次链的一个班次的前方；后向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入到另一个班次链的一个班次的后方，从而得到车辆排班可行候选集合；
步骤4，模拟退火算法
以车辆排班可行候选集合初始解，以班次间的停留等待成本、班次间的套点数量和车辆运营任务的完成度为目标函数建立车辆调度模型,采用车辆调度模型进行求解对车辆排班可行候选集合进行模拟退火算法，
；
其中式中m为全天计划任务量，wij为班次停留等待时间成本，sj为班次j的开始运营时间，ej为班次j的结束运营时间，α为判断班次是否出现套点行为，n为全天计划用车量；由此，车辆调度模型中目标函数主要是用来最小化班次间的停留等待时间以及最少套点行为；约束条件一是判断班次间是否出现套点行为，约束条件二是保证车辆任务量之和与全体计划任务量相匹配，约束条件三则主要保证单车任务量与计划单车任务量相匹配；
步骤5，经过预设次数为M的迭代后，得到最终的班次链候选集。
2.一种任务量配置优先的公交车辆调度系统，其特征在于：包括初始解形成模块、算法中心处理模块和条件约束模块；所述初始解形成模块通过客流调查器制作全天运营计划，根据全天运营计划获取全天运营时刻表、计划运营车辆和计划全天任务量，并建立基本信息集合，随机初始化基本信息集合形成原始班次链，从原始班次链中获取班次间套点数量，以套点数量最少为损失函数，进行预定次数的迭代后输出初始班次链，所述算法中心处理模块包括扰动扩充和模拟退火，其中扰动扩充通过扰动算子调整算法搜索过程，增加地区约束条件，约束条件包括车辆数和每车的全天任务量，对初始班次链进行扩充得到丰富的车辆排班可行候选集合；所述条件约束模块以班次间的停留等待成本、班次间的套点数量和车辆运营任务的完成度为目标函数建立车辆调度模型,模拟退火采用车辆调度模型进行求解，对车辆排班可行候选集合进行模拟退火算法，经过可输入次数为M 的迭代后，得到最终的班次链候选集。
3.根据权利要求2 所述的任务量配置优先的公交车辆调度系统，其特征在于：所述扰动算子包括替换策略、替换策略和后向插入策略；其中，替换策略为随机选择两个班次链，并随机选择两个班次链的班次进行交叉替换；前向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入另一个班次链的一个班次的前方；后向插入策略为随机选择两个班次链并随机选择一个班次链的班次插入到另一个班次链的一个班次的后方，从而得到车辆排班可行候选集合。
4.根据权利要求2 所述的任务量配置优先的公交车辆调度系统，其特征在于：还包括参数输入模块，参数输入模块包括车辆信息、司机信息和地区限制单元，车辆信息包括车辆检修信息、车辆所属线路和人车关系，司机信息包括驾驶员班制、驾驶员工作时间和驾驶员基本信息，通过地区限制单元设置地区限制因素，地区限制因素包括参加运营车辆数和参加每辆运营车辆任务量。
CN202110287279.6A 2021-03-17 2021-03-17 一种任务量配置优先的公交车辆调度方法及系统 Active CN113205239B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110287279.6A CN113205239B (zh) 2021-03-17 2021-03-17 一种任务量配置优先的公交车辆调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110287279.6A CN113205239B (zh) 2021-03-17 2021-03-17 一种任务量配置优先的公交车辆调度方法及系统

Publications (2)

Publication Number Publication Date
CN113205239A CN113205239A (zh) 2021-08-03
CN113205239B true CN113205239B (zh) 2024-03-15

Family

ID=77025432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110287279.6A Active CN113205239B (zh) 2021-03-17 2021-03-17 一种任务量配置优先的公交车辆调度方法及系统

Country Status (1)

Country Link
CN (1) CN113205239B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115438898B (zh) * 2022-05-25 2023-05-26 珠海优特电力科技股份有限公司 第一对象的分配方法、装置、存储介质及电子装置
GB2622294A (en) * 2022-05-25 2024-03-13 Zhuhai Unitech Power Tech Co First object allocation method and apparatus, storage medium and electronic apparatus
CN115545582B (zh) * 2022-12-02 2023-04-07 天津大学 一种电动牵引车循环送货调度问题的解决方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960634A (zh) * 2018-07-06 2018-12-07 郑州天迈科技股份有限公司 一种基于人车绑定模式的车辆排班算法
CN111382947A (zh) * 2020-03-17 2020-07-07 郑州天迈科技股份有限公司 一种基于贪婪禁忌搜索的车辆排班算法
CN111476490A (zh) * 2020-04-08 2020-07-31 郑州天迈科技股份有限公司 一种资源池共享的区域多线路车辆排班算法
CN111667097A (zh) * 2020-05-13 2020-09-15 郑州天迈科技股份有限公司 基于多链式搜索的同调度室车辆司机排班方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960634A (zh) * 2018-07-06 2018-12-07 郑州天迈科技股份有限公司 一种基于人车绑定模式的车辆排班算法
CN111382947A (zh) * 2020-03-17 2020-07-07 郑州天迈科技股份有限公司 一种基于贪婪禁忌搜索的车辆排班算法
CN111476490A (zh) * 2020-04-08 2020-07-31 郑州天迈科技股份有限公司 一种资源池共享的区域多线路车辆排班算法
CN111667097A (zh) * 2020-05-13 2020-09-15 郑州天迈科技股份有限公司 基于多链式搜索的同调度室车辆司机排班方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
"A hybrid algorithm for Urban transit schedule optimization";Jinjun Tang，Yifan Yang， Yong Qi;《Physica A: Statistical Mechanics and its Applications》;第512卷;Pages 745-755 *
Jinjun Tang，Yifan Yang，Yong Qi."A hybrid algorithm for Urban transit schedule optimization".《Physica A: Statistical Mechanics and its Applications》.2018,第512卷Pages 745-755. *
公交司机排班问题的混合元启发算法研究;侯彦娥等;《交通运输系统工程与信息》;20180215(第01期);全文 *
公交车辆班次计划自动编制探索;李峰等;《山东交通科技》;20200225(第01期);第19-22+29页 *
基于集合覆盖理论的公交线路驾驶员排班优化方法;魏金丽;郭亚娟;张萌萌;;公路交通科技(第01期);全文 *
机场地勤保障车辆调度问题研究;李琳;孟娇;袁多嘉;刘树秋;柴慧;宋薇薇;;沈阳航空航天大学学报(第05期);全文 *
李娟 ; 余国印 ; .综合成本最小的车辆调度问题及混沌萤火虫优化算法.《物流技术》.2015,(第07期),全文. *
李琳 ; 孟娇 ; 袁多嘉 ; 刘树秋 ; 柴慧 ; 宋薇薇 ; .机场地勤保障车辆调度问题研究.《沈阳航空航天大学学报》.2018,(第05期),全文. *
综合成本最小的车辆调度问题及混沌萤火虫优化算法;李娟;余国印;;物流技术(第07期);全文 *
魏金丽 ; 郭亚娟 ; 张萌萌 ; .基于集合覆盖理论的公交线路驾驶员排班优化方法.《公路交通科技》.2016,(第01期),全文. *

Also Published As

Publication number Publication date
CN113205239A (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
CN113205239B (zh) 一种任务量配置优先的公交车辆调度方法及系统
CN111382947A (zh) 一种基于贪婪禁忌搜索的车辆排班算法
CN109859459B (zh) 一种自动驾驶公交调度优化方法
CN106828547B (zh) 一种面向再生制动能量利用的列车调度方法及系统
CN111667097B (zh) 基于多链式搜索的同调度室车辆司机排班方法
CN104240012A (zh) 基于物联网的电动汽车充电调度方法及系统
CN111325483B (zh) 一种基于电池容量预测的电动公交车辆排班方法
CN111476490A (zh) 一种资源池共享的区域多线路车辆排班算法
CN111340289A (zh) 一种基于遗传算法的公交发车与车速调整优化方法及系统
CN108960634A (zh) 一种基于人车绑定模式的车辆排班算法
CN113415322A (zh) 一种基于q学习的高速列车运行调整方法与系统
CN112309122A (zh) 一种基于多系统协同的智慧公交分级决策系统
CN102951144A (zh) 基于最小功率损失算法的自调整神经网络能量管理方法
US10311170B2 (en) System for providing infrastructure impacts on an urban area
CN113919650A (zh) 一种列车运行方案优化编制方法及系统
CN114202101A (zh) 一种网络化列车运行图智能编制及评估优化系统
CN113077162A (zh) 面向实时需求的多车型定制公交区域调度方法
CN112233451B (zh) 一种考虑纯电动公交车辆续航里程的行车计划智能编制系统
CN109493638B (zh) 一种园区停车位的管理优化方法和装置
Bowen et al. A traffic efficiency promotion algorithm for urban arterial roads based on speed guidance
CN106372741A (zh) 一种铁路机车乘务交路循环优化编制方法及装置
Zhao et al. Two-way vehicle scheduling approach in public transit based on Tabu search and dynamic programming algorithm
CN104648411A (zh) 机车能量管理系统及方法
Mahjri et al. Impact and Deployment of Dynamic Traffic Light Control Strategies using a City-wide Simulation Scenari
CN111222660B (zh) 基于全线路二维切割的轨道交通乘务交路生成方法和系统

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