CN113256069A - 一种基于动力能源差异的混合公交车队调度方法 - Google Patents
一种基于动力能源差异的混合公交车队调度方法 Download PDFInfo
- Publication number
- CN113256069A CN113256069A CN202110447206.9A CN202110447206A CN113256069A CN 113256069 A CN113256069 A CN 113256069A CN 202110447206 A CN202110447206 A CN 202110447206A CN 113256069 A CN113256069 A CN 113256069A
- Authority
- CN
- China
- Prior art keywords
- bus
- electric
- fuel
- cost
- fleet
- 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 50
- 239000000446 fuel Substances 0.000 claims abstract description 68
- 238000005265 energy consumption Methods 0.000 claims abstract description 24
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 23
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 20
- 230000002068 genetic effect Effects 0.000 claims abstract description 17
- 230000008901 benefit Effects 0.000 claims abstract description 7
- 210000000349 chromosome Anatomy 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000017105 transposition Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于动力能源差异的混合公交车队调度方法,包括以下步骤:首先建立电动公交和燃油公交运行能耗及成本计算的数学模型;然后基于公交车辆动力特性给定约束条件,优化函数;最后利用嵌套禁忌搜索方法的遗传算法求解规划问题,从而提高最优解收敛的精确性。本项发明区别于现有的公交调度方法,兼顾了新能源公交和传统燃油公交的能源供应特点,并在测算电动公交的能耗成本时引入减排效益,引导电动公交错峰充电;同时,将燃油公交的碳排放作为目标函数的负面因子,降低燃油公交的排班频率,极大程度的实现了公交绿色环保的运营目标。
Description
技术领域
本发明涉及公共交通领域的公交调度技术领域,特别是一种基于动力能源差异的混合公交车队调度方法。
背景技术
随着建设绿色低碳公交的要求提出,电动公交所占比例在逐渐升高,但由于旧车报废、财政投入等问题,很难实现电动公交与燃油公交的迅速更替,传统燃油公交与纯电动公交的混合运行在较长一段时间中仍将普遍存在。因为车辆的动力特性不同,能源的限制和补给导致混合公交车队在实际运行过程中的调度问题更加复杂,例如,由于纯电动公交电池续航里程的限制,电动公交在一天运营过程的中间需要补充电量才能继续使用。此时,传统的公交调度方法存在较大的局限性。所以提出一种针对混合车队运行的公交调度方法,科学合理地调度不同车型的公交车辆,协调供应车辆所需能源,对于提高电动车辆利用率,平稳实现燃油公交到电动公交具有十分重要的意义。
而现存的关于公交调度规划方法中主要集中讨论纯燃油公交车队或纯电动公交车队的调度,无法满足实际生活中混合车队的能源调度规划的需求和要求。通过检索发现,关于传统燃油公交的调度规划的研究有很多,但由于动力来源的较大差异,混合公交的调度不可能直接照搬硬套。而对于电动公交的调度,更多地聚焦在充电调度,如中国发明专利【CN 107341563 A】公布了一种纯电动公交车辆的充电调度优化方法,中国发明专利【CN106991492 A】提出一种北方气候快充纯电动公交车运营调度优化方法,但并没有涉及到电动车辆的排班调度。对于电动公交车辆的排班调度,中国发明专利【CN 109934391 A】发明了一种基于混合启发式算法的智能调度方法,但研究主体为纯电动公交车队,调度规划时主要考虑的是电动公交的充电需要。
综上所述,现有的技术方法对混合公交车队的调度规划的研究相对较少,且对于新能源公交的调度更多的是考虑电动公交车里程限制、充电需求,缺乏考虑不同车型的公交能源差异供应、用车成本等其他因素对混合公交车队调度问题的影响。因此,建立包含电动公交和燃油公交的混合车队调度规划模型并求解,对优化实际中存在的电动公交与燃油公交混合运行规划有重要的意义。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于动力能源差异的混合公交车队调度方法,结合不同类型公交车辆动力特性,在分析混合公交车队运行的能耗、成本的基础上,合理安排公交线路的配车及排班方案,减少电动公交能源的使用,降低燃油公交的发车数,最终达到综合成本最小,同时燃油公交的碳排放量最少。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种基于动力能源差异的混合公交车队调度方法,包括以下步骤:
步骤S1、建立电动公交和燃油公交运行能耗和成本模型;
步骤S2、根据步骤S1建立好的电动公交和燃油公交运行能耗和成本模型,建立目标函数,以公交车队综合运行成本最小为目标函数;
步骤S3、采用遗传算法,通过编码解码、选择、交叉重组以及变异求解目标函数的最优解,最后对最优解进行解码,获得混合公交车队最佳调度计划。
作为本发明所述一种基于动力能源差异的混合公交车队调度方法进一步优化方案,步骤S1中,电动公交和燃油公交的能耗和成本模型具体如下:
电动公交和燃油公交的能耗为行驶里程与单位行驶里程的能耗的线性模型,表达式如下:电动公交的能耗模型为Ee=liqe;燃油公交能耗模型为Eo=liqo;其中,li为行驶里程,Ee为电动公交行驶过程中所消耗的电量,qe为单位行驶里程的耗电量,Eo为燃油公交行驶过程中所消耗的燃油量,qo为单位行驶里程的耗油量;
基于碳排放建立燃油公交的成本模型:燃油公交的成本Mo包括燃油公交车辆能源消耗成本和在行驶过程中产生的碳排放成本由此构建燃油公交的成本模型: Po为燃油成本,Eo为燃油公交车辆所消耗的燃油量,EFo为燃油碳排放因子,γ为碳排放成本转化系数;
基于减排效益建立电动公交的成本模型:电动公交的成本Me包含电动公交车辆能源消耗成本和减排效益由此构建电动公交的成本模型: Pe(t)为分时充电成本,Ee为电动公交车辆所消耗的电量,将电动公交替代燃油公交运营减少的碳排放作为电动公交的减排效益同时考虑到电动公交由于电池容量的限制需要在一天的运营过程中额外返回车场进行补充电量,将公交车辆返回车场的这段行程称作空驶行程,空驶行程中行成的成本为空驶成本,因此在计算电动公交替代燃油公交运营减少的碳排放时要扣除运营中的空驶碳排放,即其中θ为电动公交运营过程中的空驶次数,lS为车场与始发站的距离,则
作为本发明所述一种基于动力能源差异的混合公交车队调度方法进一步优化方案,步骤S2中建立的目标函数为:Z为混合公交车队全天运营成本,为电动公交的政策偏向系数,Mek为第k辆电动公交的运行成本,其中k为电动公交车辆标号,是从电动公交车辆集合E所选择的公交车辆,E={k|k=1,2,…,K},K为公交车队中电动公交车辆的总数,Moh为第h辆燃油公交的运行成本,其中h为燃油公交车辆标号,是从燃油公交车辆集合O所选择的公交车辆,O={h|h=1,2,…,H},H为公交车队中燃油公交车辆的总数;并给定约束条件,约束条件如下:
(3)发车间隔满足规定:ti-ti-1=tint;其中,ti为第i个运行车次的出发时刻,ti-1为第i-1个运行车次的出发时刻,tint为规定发车间隔;
(4)电动公交的调度要额外考虑电池剩余容量的约束以及相应产生的充电时间约束,具体约束条件如下:
Ur>2lLqe
其中,lL为公交线路长度,qe为单位行驶里程的耗电量,Ur为电动公交的电池剩余量,具体表达方式如下:电动公交行驶n个往返车次后返回至车场充电,Ur=Ue-2(nlL+lS)qe,Ue为从车场出发的初始电池容量,lS为车场与始发站的距离,tch为电动公交车辆所需的充电时长,Δt为该辆电动公交相邻运行车次的时间间隔,Ue为从车场出发的初始电池容量,ε为电动公交车辆单位时间的充电量,v为公交车辆在线路的运营速度;
(5)根据不同类型公交车辆能源供应方式差异,确定车辆规模约束:
作为本发明所述一种基于动力能源差异的混合公交车队调度方法进一步优化方案,步骤S3中求解目标函数的具体过程如下:
S3-1、为了实现公交车队全天综合运营成本最小的目标,制定车辆调度方案,车辆调度方案包括公交车队的各类公交车辆数量总数以及执行运行车次的车辆标号;按照车次的执行时间顺序对照公交车队的车辆调度方案中N个车次时刻点的车辆发车进行染色体编码,表示为X=[X1,X2,X3,……,XN-1,XN]T,其中X为公交车队的车辆调度方案的染色体编码代号,T为矩阵转置符号, Xi为第i个车次中车队所有车辆的执行状态,为第i个运行车次中第j辆公交的运行状态;
S3-2、设置遗传算法参数,包括最大代数MAXGEN,群体规模Spop,交叉概率pc,变异概率pm;
S3-3、令进化代数计数器gen=0,随机产生一个初始种群;
S3-4、对种群进行解码,计算适应度,并在分配适应度后,按轮盘赌方式选择Spop个染色体;
S3-5、生成0,1之间的随机数rα,若rα<pc,利用第α个染色体产生pc*Spop个染色体,使用双子双亲法进行交叉产生子代;其中,Spop为群体规模,即一代群体中包含的染色体个数,pc为交叉概率;
S3-7、通过S3-5的交叉操作和S3-6的变异操作得到一个新种群;
S3-8、在新种群中进行局部搜索,根据新种群中的各个染色体的目标函数计算结果,找到目标函数的局部最优解,该最优解即为目标函数计算值最小对应的染色体。
作为本发明所述一种基于动力能源差异的混合公交车队调度方法进一步优化方案,采用嵌套禁忌搜索优化遗传算法搜索路径,求解出目标函数的最优解。
作为本发明所述一种基于动力能源差异的混合公交车队调度方法进一步优化方案,对步骤S3-8中的局部搜索进行优化,具体优化过程如下:
S4-1、建立禁忌表,并清空禁忌表,令禁忌表为Φ,Φ为空集;
S4-2、根据经过遗传算法部分交叉变异操作产生的公交车队调度方案的染色体编码代号X的集合构建搜索域S(X);
S4-3、计算目标函数,从搜索域S(X)中找出最优解X*;
S4-4、判断最优解X*是否包含于禁忌表:
若包含于禁忌表,则进一步判断是否满足藐视准则,若满足,将最优解作为新个体;若不满足,从搜索域中剔除最优解,返回S4-3;
若不包含于禁忌表,将最优解作为新个体;
S4-5、将最优解添加到禁忌表中,更新禁忌表;
S4-6、gen=gen+1,若gen<MAXGEN,转至S3-4;否则输出最优解。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
结合不同类型公交车辆动力特性,在分析混合公交车队运行的能耗、成本的基础上,合理安排公交线路的配车及排班方案,减少电动公交能源的使用,降低燃油公交的发车数,最终达到综合成本最小,同时燃油公交的碳排放量最少。
附图说明
图1为本发明提供的整体逻辑流程图。
图2为本发明求解优化模型采用的遗传禁忌搜索算法流程图。
图3为本发明实施例混合公交车队调度方案的编码示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明进行详细描述。
图1示出了本发明实施例所提供的一种基于动力能源差异的混合公交车队调度方法的流程图。如图1所示本发明实施例提供的电动公交和燃油公交混合公交车队调度方法包括以下步骤:
首先从公交公司获得公交车场以及公交线路的信息,包括发车时刻表以及车辆信息,线路长度,车场(配备充电设施及燃油补充设施)与始发站的距离,公交车辆在线路的运营速度等参数。
qe——单位行驶里程的耗电量;
Pe(t)——t时段电能成本,t由运行车次i决定。
lS——车场与始发站的距离;
qo——单位行驶里程的耗油量;
EFo——燃油碳排放因子;
γ——碳排放成本转化系数。
qo——单位行驶里程的耗油量;
Po——燃油成本。
EFo——燃油碳排放因子;
γ——碳排放成本转化系数。
执行步骤S2,以不同类型公交车辆的运行成本模型为基础,以混合公交车队全天运营综合成本最小为优化目标,以保障公交车辆合理可靠的运营为约束条件,构建优化数学模型:
优化约束方程:
执行步骤S3,基于所构建的优化数学模型,采用遗传算法进行求解。如图2所示,遗传算法优化求解的要素包括通过种群初始化、适应度函数、选择算子、交叉算子以及变异算子。
执行步骤S3-1,如图3所示,按照时间顺序对照车辆调度方案中N个车次时刻点的车辆发车进行染色体编码,表示为X=[X1,X2,X3,……,XN-1,XN]T,其中 为第i个车次车队所有车辆的执行状态,为第i个运行车次中第j辆公交的运行状态。
执行步骤S3-2,设置遗传算法参数,包括最大代数MAXGEN,群体规模Spop,交叉概率pc,变异概率pm。
执行步骤S3-3,令gen=0,随机产生一个初始种群。
执行步骤S3-4,对种群进行解码,计算目标函数值,即计算混合公交车队全天运营综合成本。分配适应度后,按轮盘赌方式选择Spop个染色体。
执行步骤S3-5,生成0,1之间的随机数rα,若rα<pc,利用第α个染色体产生pc*Spop个染色体,使用双子双亲法进行交叉产生子代;其中,Spop为群体规模,即一代群体中包含的染色体个数,pc为交叉概率;
S3-7、通过S3-5的交叉操作和S3-6的变异操作得到一个新种群;
S3-8、在新种群中进行局部搜索,根据新种群中的各个染色体的目标函数计算结果,找到目标函数的局部最优解,该最优解即为目标函数计算值最小对应的染色体。
在S3-8中将嵌套禁忌搜索算法在遗传算法中优化局部最优解的搜寻,如图2中加粗黑框部分所示,对遗传算法部分产生的新种群进行禁忌搜索,寻找最优解作为新一代个体。
执行步骤S4-1,建立禁忌表Ta,并清空禁忌表,令Ta=Φ。
执行步骤S4-2,根据经过遗传算法部分交叉变异操作产生的公交车队调度方案的染色体编码代号X的集合构建搜索域S(X)。
执行步骤S4-3,计算目标函数。从S(X)中找出最优解X*。
执行步骤S4-4,判断最优解X*是否包含于禁忌表Ta。若X*∈Ta,则进一步判断X*是否满足藐视准则,若X*满足藐视准则,将最优解X*作为新个体;若X*不满足藐视准则,S(X)=S(X)-X*,返回S4-3。若将最优解X*作为新个体。
执行步骤S4-5,Ta=Ta∪{X*}。
执行步骤S4-6,gen=gen+1,若gen<MAXGEN,转至S3-4;否则输出最优解X*。
通过嵌入禁忌搜索算法,允许选择劣解,在很大程度上帮助遗传算法避免“早熟”问题的出现。最后对最优解进行解码,获得混合公交车队最佳调度计划。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于动力能源差异的混合公交车队调度方法,其特征在于,包括以下步骤:
步骤S1、建立电动公交和燃油公交运行能耗和成本模型;
步骤S2、根据步骤S1建立好的电动公交和燃油公交运行能耗和成本模型,建立目标函数,以公交车队综合运行成本最小为目标函数;
步骤S3、采用遗传算法,通过编码解码、选择、交叉重组以及变异求解目标函数的最优解,最后对最优解进行解码,获得混合公交车队最佳调度计划。
2.根据权利要求1所述一种基于动力能源差异的混合公交车队调度方法,其特征在于,步骤S1中,电动公交和燃油公交的能耗和成本模型具体如下:
电动公交和燃油公交的能耗为行驶里程与单位行驶里程的能耗的线性模型,表达式如下:电动公交的能耗模型为Ee=liqe;燃油公交能耗模型为Eo=liqo;其中,li为行驶里程,Ee为电动公交行驶过程中所消耗的电量,qe为单位行驶里程的耗电量,Eo为燃油公交行驶过程中所消耗的燃油量,qo为单位行驶里程的耗油量;
基于碳排放建立燃油公交的成本模型:燃油公交的成本Mo包括燃油公交车辆能源消耗成本和在行驶过程中产生的碳排放成本由此构建燃油公交的成本模型:Po为燃油成本,Eo为燃油公交车辆所消耗的燃油量,EFo为燃油碳排放因子,γ为碳排放成本转化系数;
3.根据权利要求1所述一种基于动力能源差异的混合公交车队调度方法,其特征在于,步骤S2中建立的目标函数为:Z为混合公交车队全天运营成本,为电动公交的政策偏向系数,Mek为第k辆电动公交的运行成本,其中k为电动公交车辆标号,是从电动公交车辆集合E所选择的公交车辆,E={k|k=1,2,…,K},K为公交车队中电动公交车辆的总数,Moh为第h辆燃油公交的运行成本,其中h为燃油公交车辆标号,是从燃油公交车辆集合O所选择的公交车辆,O={h|h=1,2,…,H},H为公交车队中燃油公交车辆的总数;并给定约束条件,约束条件如下:
(3)发车间隔满足规定:ti-ti-1=tint;其中,ti为第i个运行车次的出发时刻,ti-1为第i-1个运行车次的出发时刻,tint为规定发车间隔;
(4)电动公交的调度要额外考虑电池剩余容量的约束以及相应产生的充电时间约束,具体约束条件如下:
Ur>2lLqe
其中,lL为公交线路长度,qe为单位行驶里程的耗电量,Ur为电动公交的电池剩余量,具体表达方式如下:电动公交行驶n个往返车次后返回至车场充电,Ur=Ue-2(nlL+lS)qe,Ue为从车场出发的初始电池容量,lS为车场与始发站的距离,tch为电动公交车辆所需的充电时长,Δt为该辆电动公交相邻运行车次的时间间隔,Ue为从车场出发的初始电池容量,ε为电动公交车辆单位时间的充电量,v为公交车辆在线路的运营速度;
(5)根据不同类型公交车辆能源供应方式差异,确定车辆规模约束:
4.根据权利要求1所述一种基于动力能源差异的混合公交车队调度方法,其特征在于,步骤S3中求解目标函数的具体过程如下:
S3-1、为了实现公交车队全天综合运营成本最小的目标,制定车辆调度方案,车辆调度方案包括公交车队的各类公交车辆数量总数以及执行运行车次的车辆标号;按照车次的执行时间顺序对照公交车队的车辆调度方案中N个车次时刻点的车辆发车进行染色体编码,表示为X=[X1,X2,X3,……,XN-1,XN]T,其中X为公交车队的车辆调度方案的染色体编码代号,T为矩阵转置符号, Xi为第i个车次中车队所有车辆的执行状态,为第i个运行车次中第j辆公交的运行状态;
S3-2、设置遗传算法参数,包括最大代数MAXGEN,群体规模Spop,交叉概率pc,变异概率pm;
S3-3、令进化代数计数器gen=0,随机产生一个初始种群;
S3-4、对种群进行解码,计算适应度,并在分配适应度后,按轮盘赌方式选择Spop个染色体;
S3-5、生成0,1之间的随机数rα,若rα<pc,利用第α个染色体产生pc*Spop个染色体,使用双子双亲法进行交叉产生子代;其中,Spop为群体规模,即一代群体中包含的染色体个数,pc为交叉概率;
S3-7、通过S3-5的交叉操作和S3-6的变异操作得到一个新种群;
S3-8、在新种群中进行局部搜索,根据新种群中的各个染色体的目标函数计算结果,找到目标函数的局部最优解,该最优解即为目标函数计算值最小对应的染色体。
5.根据权利要求1所述一种基于动力能源差异的混合公交车队调度方法,其特征在于,采用嵌套禁忌搜索优化遗传算法搜索路径,求解出目标函数的最优解。
6.根据权利要求4所述一种基于动力能源差异的混合公交车队调度方法,其特征在于,对步骤S3-8中的局部搜索进行优化,具体优化过程如下:
S4-1、建立禁忌表,并清空禁忌表,令禁忌表为Φ,Φ为空集;
S4-2、根据经过遗传算法部分交叉变异操作产生的公交车队调度方案的染色体编码代号X的集合构建搜索域S(X);
S4-3、计算目标函数,从搜索域S(X)中找出最优解X*;
S4-4、判断最优解X*是否包含于禁忌表:
若包含于禁忌表,则进一步判断是否满足藐视准则,若满足,将最优解作为新个体;若不满足,从搜索域中剔除最优解,返回S4-3;
若不包含于禁忌表,将最优解作为新个体;
S4-5、将最优解添加到禁忌表中,更新禁忌表;
S4-6、gen=gen+1,若gen<MAXGEN,转至S3-4;否则输出最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447206.9A CN113256069A (zh) | 2021-04-25 | 2021-04-25 | 一种基于动力能源差异的混合公交车队调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110447206.9A CN113256069A (zh) | 2021-04-25 | 2021-04-25 | 一种基于动力能源差异的混合公交车队调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256069A true CN113256069A (zh) | 2021-08-13 |
Family
ID=77221555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110447206.9A Pending CN113256069A (zh) | 2021-04-25 | 2021-04-25 | 一种基于动力能源差异的混合公交车队调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256069A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091722A (zh) * | 2021-10-09 | 2022-02-25 | 山东师范大学 | 一种基于混合禁忌搜索的车辆路径优化方法及系统 |
CN115689310A (zh) * | 2022-11-09 | 2023-02-03 | 东南大学 | 城市纯电动公交系统资源配置经济性的鲁棒评估方法 |
CN115953104A (zh) * | 2023-03-10 | 2023-04-11 | 南京邮电大学 | 一种基于蜣螂优化算法的混合车队调度方法 |
CN116702400A (zh) * | 2023-08-07 | 2023-09-05 | 四川国蓝中天环境科技集团有限公司 | 一种基于公交车和移动传感器的移动式城市感知优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106610640A (zh) * | 2015-11-23 | 2017-05-03 | 四川用联信息技术有限公司 | 针对多目标柔性作业车间调度的含禁忌表的遗传与局部搜索算法 |
CN106991492A (zh) * | 2017-03-13 | 2017-07-28 | 北京交通大学 | 一种北方气候快充纯电动公交车运营调度优化方法 |
-
2021
- 2021-04-25 CN CN202110447206.9A patent/CN113256069A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106610640A (zh) * | 2015-11-23 | 2017-05-03 | 四川用联信息技术有限公司 | 针对多目标柔性作业车间调度的含禁忌表的遗传与局部搜索算法 |
CN106991492A (zh) * | 2017-03-13 | 2017-07-28 | 北京交通大学 | 一种北方气候快充纯电动公交车运营调度优化方法 |
Non-Patent Citations (2)
Title |
---|
任传祥: "基于遗传禁忌搜索算法的公交调度研究", 《山东科技大学学报(自然科学版)》 * |
范毓琳: "考虑可靠性的混编公交行车计划编制研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091722A (zh) * | 2021-10-09 | 2022-02-25 | 山东师范大学 | 一种基于混合禁忌搜索的车辆路径优化方法及系统 |
CN115689310A (zh) * | 2022-11-09 | 2023-02-03 | 东南大学 | 城市纯电动公交系统资源配置经济性的鲁棒评估方法 |
CN115689310B (zh) * | 2022-11-09 | 2024-06-04 | 东南大学 | 城市纯电动公交系统资源配置经济性的鲁棒评估方法 |
CN115953104A (zh) * | 2023-03-10 | 2023-04-11 | 南京邮电大学 | 一种基于蜣螂优化算法的混合车队调度方法 |
CN115953104B (zh) * | 2023-03-10 | 2023-08-15 | 南京邮电大学 | 一种基于蜣螂优化算法的混合车队调度方法 |
CN116702400A (zh) * | 2023-08-07 | 2023-09-05 | 四川国蓝中天环境科技集团有限公司 | 一种基于公交车和移动传感器的移动式城市感知优化方法 |
CN116702400B (zh) * | 2023-08-07 | 2023-10-13 | 四川国蓝中天环境科技集团有限公司 | 一种基于公交车和移动传感器的移动式城市感知优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113256069A (zh) | 一种基于动力能源差异的混合公交车队调度方法 | |
CN112200367B (zh) | 一种支持充放电策略的电动汽车配送路径优化方法 | |
Wang et al. | Solving multi-depot electric vehicle scheduling problem by column generation and genetic algorithm | |
CN109934391B (zh) | 一种纯电动公交车辆的智能调度方法 | |
CN110189025B (zh) | 考虑不同负荷增长的电动汽车充电站规划方案获取方法 | |
Zhenfeng et al. | The electric vehicle routing problem with time windows using genetic algorithm | |
Dönmez et al. | The mixed fleet vehicle routing problem with partial recharging by multiple chargers: Mathematical model and adaptive large neighborhood search | |
Li et al. | Joint Optimization of Regular Charging Electric Bus Transit Network Schedule and Stationary Charger Deployment considering Partial Charging Policy and Time‐of‐Use Electricity Prices | |
CN112613659B (zh) | 基于三维时空网络的新能源货运充电站选址-路径优化方法 | |
CN114444965B (zh) | 一种单车场多线路电动公交车协同调度方法 | |
CN112417604A (zh) | 一种基于多目标优化的电动汽车配送任务自适应分配方法 | |
Long et al. | Joint optimization for coordinated charging control of commercial electric vehicles under distributed hydrogen energy supply | |
Bie et al. | Coordinated scheduling of electric buses for multiple routes considering stochastic travel times | |
Grebe et al. | Challenges for future automotive mobility | |
Krisdiyanto et al. | Challenges and Solutions in Developing Eco-Friendly Electric Vehicles with Extended Range | |
Liu et al. | Regional electric bus driving plan optimization algorithm considering charging time window | |
Fan et al. | Optimization of Scheduling and Timetabling for Multiple Electric Bus Lines Considering Nonlinear Energy Consumption Model | |
Tahir et al. | Life Cycle assessment of hydrogen fuelcell-based commercial and heavy-duty vehicles | |
CN114285063B (zh) | 一种基于短期碳排放因子的电动汽车减碳智能充电方法 | |
CN115689084A (zh) | 一种港口无人集卡多车辆动态调度方法 | |
Moyo et al. | Advancements in E-mobility: A bibliometric literature review on battery technology, charging infrastructure, and energy management | |
Shu et al. | Locational Price Driven Electric Bus Fleet Operation and Charging Demand Management | |
CN114611864A (zh) | 一种垃圾车辆低碳调度方法及系统 | |
Saray et al. | Optimization of renewable energy usage in public transportation: Mathematical model for energy management of plug-in PV-based electric metrobuses | |
Ren et al. | Recharge strategies for the electric vehicle routing problem with soft time windows and fast chargers |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |
|
RJ01 | Rejection of invention patent application after publication |