CN115238487A - 氢燃料电池公交客车调度算法的仿真分析评价方法 - Google Patents
氢燃料电池公交客车调度算法的仿真分析评价方法 Download PDFInfo
- Publication number
- CN115238487A CN115238487A CN202210831232.6A CN202210831232A CN115238487A CN 115238487 A CN115238487 A CN 115238487A CN 202210831232 A CN202210831232 A CN 202210831232A CN 115238487 A CN115238487 A CN 115238487A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- scheduling
- simulation
- actual
- 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
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 74
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 74
- 239000001257 hydrogen Substances 0.000 title claims abstract description 74
- 238000004088 simulation Methods 0.000 title claims abstract description 68
- 239000000446 fuel Substances 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000005984 hydrogenation reaction Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000003068 static effect Effects 0.000 claims description 17
- 230000003203 everyday effect Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000009849 deactivation Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000002354 daily effect Effects 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 8
- 238000012795 verification Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种氢燃料电池公交客车调度算法的仿真分析评价方法,基于车辆运行大数据实现了面向氢燃料电池公交客车的智能算法的仿真运营分析,其全面考虑了氢燃料电池公交客车的实际运行环境与运营特征,并对车辆驾驶、运营时效、加氢行为等类别分类处理,计算出标准运营参考指标值。结合运营过程中的调度事件搭建仿真环境与多种扰动模拟事件,从而能够有效验证智能算法面对不同实际情况的调度调整能力。本申请的方法克服了现有公交车辆调度策略验证的耗时长、效率低的弊端,对不同智能调度算法均具有极高的适用性,有利于辅助相关运营单位及时进行氢燃料公交及氢能体系全局的调度决策。
Description
技术领域
本发明属于氢燃料电池公交客车运营管理技术领域,具体涉及一种利用氢燃料电池公交客车大数据对相关运营算法效果进行仿真分析的方法。
背景技术
氢燃料电池公交客车,其实际运营过程会涉及场站、车辆、司机、线路、交通等多种相关因素,现有技术对于这种新型的新能源车型调度的研究鲜有涉及,尤其对于氢燃料电池公交客车智能调度,目前还存在较大的技术空白。在成熟的氢燃料电池公交客车智能调度方法或算法投入实际应用之前,需要全面长期的验证工作来检验其有效性,然而验证工作存在成本高昂的问题,对基于氢能体系的公交智能调度推广势必会造成一定阻碍。同时,引用传统人工运营模式来考核算法的调度效率时,对于算法在协同管理多项资源时的优劣情况也难以实现全面衡量。因此,本领域中迫切需要一种针对氢燃料电池公交客车运营算法的科学分析方法,一方面尽可能降低运营公司应用算法智能调度的试用门槛,另一方面能全面地模拟算法应用氢能公交调度策略,并进一步验证算法有效性。
发明内容
有鉴于此,针对上述本领域中存在的技术问题,本发明提供了一种氢燃料电池公交客车调度算法的仿真分析评价方法,具体包括以下步骤:
步骤1、全面收集当前实际投入运营的氢燃料电池公交客车的自身静态信息、实际公交线路的静态数据与排班数据、车辆工作数据,将收集的这些数据作为基础数据;
步骤2、基于步骤1中收集的数据形成氢燃料电池公交客车的标准运营参考指标值,包括对当前实际投入运营的氢燃料电池公交客车执行:统计其每天在对应线路所包含的不同区间上的行驶时刻与行驶时长参考指标值;根据车辆行驶轨迹匹配对应公交线路,并得到线路的各班次及其发车与到达时刻;根据车辆行驶中的氢燃料压力变化计算每天的最低氢燃料压力与平均氢耗参考指标值;根据一定周期内车辆发生的报警项得到每天发生报警的概率参考指标值;
步骤3、搭建运营调度的仿真环境及运营扰动模拟,包括对当前实际投入运营的氢燃料电池公交客车执行:统计一定周期内的客流情况得当单日各线路上不同站点的客流分布,用于客流分布出行模拟;根据各线路上不同班次的计划到达时间与实际到达时间,设定不同的晚点级别以及对应的排班执行规则,用于晚点事件发生模拟;设定车辆行驶过程中的停用加氢规则,用于加氢行为规划模拟;根据所述概率参考指标值设定故障发生及车辆停用指令规则,用于车辆故障发生模拟;
步骤4、将用于仿真的公交客车的自身静态信息、公交线路静态数据输入待验证的智能算法,由智能算法计算得到实时排班计划;在仿真环境下根据所述排班计划进行运营智能调度,同时基于步骤3中得到的客流分布出行模拟、晚点事件发生模拟、加氢行为规划模拟以及车辆故障发生模拟情况,调整实时排班计划中的车辆使用状态与到达各站点的时间,并由智能算法重新计算和输出调整后的实时排班计划所对应的排班数据;
步骤5、针对步骤四得到的排班计划和排班数据基于步骤2中的各参考指标值进行对比,对智能算法的调度效果进行评价;并比较公交运营公司实际运营调度策略所对应的排班计划和排班数据与智能算法所得到的排班计划和排班数据,以反映两者的优劣性。
进一步地,步骤1中所收集的氢燃料电池公交客车的自身静态信息具体包括:车牌号、内部车号、车架号、配置司机名称以及配置司机数量;
实际公交线路的静态数据具体包括:线路名称、线路去程路径、线路回程路径、往返/单程线路、线路站点序列、线路站点编号、线路站点定位、线路停靠场站名称、线路停靠场站定位,排班数据具体包括:发车班次、计划发车时间、各站点实际发车时间、各站点计划到达时间、各站点实际到达时间、计划车辆车牌号、实际车辆车牌号、计划司机、实际司机、运行线路名称、出发场站、到达场站、各站上车人数、各站下车人数;
车辆工作数据具体包括:基于国标32960新能源汽车通信协议所采集的车辆的定位、氢燃料压力值、故障报警发生时间、报警内容、故障结束时间,报警级别。
进一步地,步骤2中统计其每天在对应线路所包含的不同区间上的行驶时刻与行驶时长参考指标值具体包括:定义各线路上每两个站点之间的路程为一个区间,通过各车辆的驾驶记录统计车辆在各区间的行驶时刻,并以前7天数据为基础,计算出各区间在每30分钟范围内的行驶时长均值作为行驶时长参考指标值;
得到线路的各班次及其发车与到达时刻具体是根据线路上车辆每日行驶轨迹与线路路径对比,以100米内为匹配范围,找出车辆每次符合轨迹的次数,即为当日车辆运行该线路的班次数;根据进入不同区间的起点轨迹时间和进入终点轨迹时间,判断为班次的发车时间和到站时间;
最低氢燃料压力具体根据前7天内氢燃料电池公交客车进入加氢站的氢气压力值计算中位数来得到;平均氢耗参考指标值根据前7天两次进入加氢站的同一辆车辆行驶里程和氢气压力变化,计算车辆平均氢耗来得到;
概率参考指标值具体根据所选线路所有车辆前7天发生各项报警值,除以7天得到均值来计算。
进一步地,步骤3中客流分布具体根据所选线路前7天运行班次的客运数据收集,得到7天内线路各站点的上下客数量;设定模拟客流规则为客流量与发车间隔呈反比,且乘客到站的时间服从负指数分布(泊松分布),并设定约束条件为车辆载客人数不能超过限制人数,由此得到相应分布客流分布出行模拟;
晚点事件定义各班次计划到达时间与实际到达时间大于10分钟为发生,具体根据各线路上不同班次的计划到达时间与实际到达时间,定义单一班次车辆晚点为轻度晚点,多于一班次车辆晚点则为大间隔晚点;根据实际班次出现的晚点情况,调整仿真环境时算法排班执行情况,即同时间段的班次实际到达时间进行延长,用于模拟晚点事件发生;
停用加氢规则的确定具体基于里程计算氢燃料压力的下降趋势,当压力下降至或低于所述最低氢燃料压力参考指标值时,则安排车辆停用进行加氢;
车辆停用指令规则具体根据概率参考指标值随机生成运营调度中的故障事件,并根据故障基本生成相应的车辆停用指令。
进一步地,步骤4中智能算法计算得到实时排班计划,并输出相应的发车班次、各站点计划发车时间、各站点计划到达时间、计划车辆车牌号、计划司机、运行线路、出发场站以及到达场站;在基于步骤3中得到的客流分布出行模拟、晚点事件发生模拟、加氢行为规划模拟以及车辆故障发生模拟情况,调整实时排班计划后输出以下各项数据用于对比分析:计划班次、实际班次、各班次计划出发时间、各班次实际出发时间、各班次计划到达时间、各班次实际到达时间、计划车辆车牌号、实际车辆车牌号、计划司机、实际司机、实际各站点上下客人数。
进一步地,步骤5中具体基于某线路的排班班次数、线路车辆数、平均满载率、乘客平均等候时间、司机平均工作时长指标对智能算法的调度效果进行评价,并设定乘客满意度指标及线路车辆运载率指标对智能算法的执行过程进行调整。
上述本发明所提供的氢燃料电池公交客车调度算法的仿真分析评价方法,基于车辆运行大数据实现了面向氢燃料电池公交客车的智能算法的运营仿真分析,其全面考虑了氢燃料电池公交客车的实际运行环境与运营特征,并对车辆驾驶、运营时效、加氢行为等类别分类处理,计算出标准运营参考指标值。结合运营过程中的调度事件搭建仿真环境与多种扰动模拟事件,从而能够有效验证智能算法面对不同实际情况的调度调整能力。本申请的方法克服了现有公交车辆调度策略验证的耗时长、效率低的弊端,对不同智能调度算法均具有极高的适用性,有利于辅助相关运营单位及时进行氢燃料公交及氢能体系全局的调度决策。
附图说明
图1为本发明所提供方法的流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的氢燃料电池公交客车调度算法的仿真分析评价方法,如图1所示,具体包括以下步骤:
步骤1、全面收集当前实际投入运营的氢燃料电池公交客车的自身静态信息、实际公交线路的静态数据与排班数据、车辆工作数据,将收集的这些数据作为基础数据;
步骤2、基于步骤1中收集的数据形成氢燃料电池公交客车的标准运营参考指标值,包括对当前实际投入运营的氢燃料电池公交客车执行:统计其每天在对应线路所包含的不同区间上的行驶时刻与行驶时长参考指标值;根据车辆行驶轨迹匹配对应公交线路,并得到线路的各班次及其发车与到达时刻;根据车辆行驶中的氢燃料压力变化计算每天的最低氢燃料压力与平均氢耗参考指标值;根据一定周期内车辆发生的报警项得到每天发生报警的概率参考指标值;
步骤3、搭建运营调度的仿真环境及运营扰动模拟,包括对当前实际投入运营的氢燃料电池公交客车执行:统计一定周期内的客流情况得当单日各线路上不同站点的客流分布,用于客流分布出行模拟;根据各线路上不同班次的计划到达时间与实际到达时间,设定不同的晚点级别以及对应的排班执行规则,用于晚点事件发生模拟;设定车辆行驶过程中的停用加氢规则,用于加氢行为规划模拟;根据所述概率参考指标值设定故障发生及车辆停用指令规则,用于车辆故障发生模拟;
步骤4、将用于仿真的公交客车的自身静态信息、公交线路静态数据输入待验证的智能算法,由智能算法计算得到实时排班计划;在仿真环境下根据所述排班计划进行运营智能调度,同时基于步骤3中得到的客流分布出行模拟、晚点事件发生模拟、加氢行为规划模拟以及车辆故障发生模拟情况,调整实时排班计划中的车辆使用状态与到达各站点的时间,并由智能算法重新计算和输出调整后的实时排班计划所对应的排班数据;
步骤5、针对步骤四得到的排班计划和排班数据基于步骤2中的各参考指标值进行对比,对智能算法的调度效果进行评价;并比较公交运营公司实际运营调度策略所对应的排班计划和排班数据与智能算法所得到的排班计划和排班数据,以反映两者的优劣性。
在本发明的一个优选实施方式中,步骤1中所收集的氢燃料电池公交客车的自身静态信息具体包括:车牌号、内部车号、车架号、配置司机名称以及配置司机数量;
实际公交线路的静态数据具体包括:线路名称、线路去程路径、线路回程路径、往返/单程线路、线路站点序列、线路站点编号、线路站点定位、线路停靠场站名称、线路停靠场站定位,排班数据具体包括:发车班次、计划发车时间、各站点实际发车时间、各站点计划到达时间、各站点实际到达时间、计划车辆车牌号、实际车辆车牌号、计划司机、实际司机、运行线路名称、出发场站、到达场站、各站上车人数、各站下车人数;
车辆工作数据具体包括:基于国标32960新能源汽车通信协议所采集的车辆的定位、氢燃料压力值、故障报警发生时间、报警内容、故障结束时间,报警级别。
在本发明的一个优选实施方式中,步骤2中统计其每天在对应线路所包含的不同区间上的行驶时刻与行驶时长参考指标值具体包括:定义各线路上每两个站点之间的路程为一个区间,通过各车辆的驾驶记录统计车辆在各区间的行驶时刻,并以前7天数据为基础,计算出各区间在每30分钟范围内的行驶时长均值作为行驶时长参考指标值;
得到线路的各班次及其发车与到达时刻具体是根据线路上车辆每日行驶轨迹与线路路径对比,以100米内为匹配范围,找出车辆每次符合轨迹的次数,即为当日车辆运行该线路的班次数;根据进入不同区间的起点轨迹时间和进入终点轨迹时间,判断为班次的发车时间和到站时间;
最低氢燃料压力具体根据前7天内氢燃料电池公交客车进入加氢站的氢气压力值计算中位数来得到;平均氢耗参考指标值根据前7天两次进入加氢站的同一辆车辆行驶里程和氢气压力变化,计算车辆平均氢耗来得到;
概率参考指标值具体根据所选线路所有车辆前7天发生各项报警值,除以7天得到均值来计算。
在本发明的一个优选实施方式中,步骤3中客流分布具体根据所选线路前7天运行班次的客运数据收集,得到7天内线路各站点的上下客数量;设定模拟客流规则为客流量与发车间隔呈反比,且乘客到站的时间服从负指数分布(泊松分布),并设定约束条件为车辆载客人数不能超过限制人数,由此得到相应分布客流分布出行模拟;
晚点事件定义各班次计划到达时间与实际到达时间大于10分钟为发生,具体根据各线路上不同班次的计划到达时间与实际到达时间,定义单一班次车辆晚点为轻度晚点,多于一班次车辆晚点则为大间隔晚点;根据实际班次出现的晚点情况,调整仿真环境时算法排班执行情况,即同时间段的班次实际到达时间进行延长,用于模拟晚点事件发生;
停用加氢规则的确定具体基于里程计算氢燃料压力的下降趋势,当压力下降至或低于所述最低氢燃料压力参考指标值时,则安排车辆停用进行加氢;
车辆停用指令规则具体根据概率参考指标值随机生成运营调度中的故障事件,并根据故障基本生成相应的车辆停用指令。
在本发明的一个优选实施方式中,步骤4中智能算法计算得到实时排班计划,并输出相应的发车班次、各站点计划发车时间、各站点计划到达时间、计划车辆车牌号、计划司机、运行线路、出发场站以及到达场站;在基于步骤3中得到的客流分布出行模拟、晚点事件发生模拟、加氢行为规划模拟以及车辆故障发生模拟情况,调整实时排班计划后输出以下各项数据用于对比分析:计划班次、实际班次、各班次计划出发时间、各班次实际出发时间、各班次计划到达时间、各班次实际到达时间、计划车辆车牌号、实际车辆车牌号、计划司机、实际司机、实际各站点上下客人数。
在本发明的一个优选实施方式中,步骤5中具体基于某线路的排班班次数、线路车辆数、平均满载率、乘客平均等候时间、司机平均工作时长指标对智能算法的调度效果进行评价,并设定乘客满意度指标及线路车辆运载率指标对智能算法的执行过程进行调整。
应理解,本发明实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
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物限定。
Claims (6)
1.氢燃料电池公交客车调度算法的仿真分析评价方法,其特征在于:具体包括以下步骤:
步骤1、全面收集当前实际投入运营的氢燃料电池公交客车的自身静态信息、实际公交线路的静态数据与排班数据、车辆工作数据,将收集的这些数据作为基础数据;
步骤2、基于步骤1中收集的数据形成氢燃料电池公交客车的标准运营参考指标值,包括对当前实际投入运营的氢燃料电池公交客车执行:统计其每天在对应线路所包含的不同区间上的行驶时刻与行驶时长参考指标值;根据车辆行驶轨迹匹配对应公交线路,并得到线路的各班次及其发车与到达时刻;根据车辆行驶中的氢燃料压力变化计算每天的最低氢燃料压力与平均氢耗参考指标值;根据一定周期内车辆发生的报警项得到每天发生报警的概率参考指标值;
步骤3、搭建运营调度的仿真环境及运营扰动模拟,包括对当前实际投入运营的氢燃料电池公交客车执行:统计一定周期内的客流情况得当单日各线路上不同站点的客流分布,用于客流分布出行模拟;根据各线路上不同班次的计划到达时间与实际到达时间,设定不同的晚点级别以及对应的排班执行规则,用于晚点事件发生模拟;设定车辆行驶过程中的停用加氢规则,用于加氢行为规划模拟;根据所述概率参考指标值设定故障发生及车辆停用指令规则,用于车辆故障发生模拟;
步骤4、将用于仿真的公交客车的自身静态信息、公交线路静态数据输入待验证的智能算法,由智能算法计算得到实时排班计划;在仿真环境下根据所述排班计划进行运营智能调度,同时基于步骤3中得到的客流分布出行模拟、晚点事件发生模拟、加氢行为规划模拟以及车辆故障发生模拟情况,调整实时排班计划中的车辆使用状态与到达各站点的时间,并由智能算法重新计算和输出调整后的实时排班计划所对应的排班数据;
步骤5、针对步骤四得到的排班计划和排班数据基于步骤2中的各参考指标值进行对比,对智能算法的调度效果进行评价;并比较公交运营公司实际运营调度策略所对应的排班计划和排班数据与智能算法所得到的排班计划和排班数据,以反映两者的优劣性。
2.如权利要求1所述的方法,其特征在于:步骤1中所收集的氢燃料电池公交客车的自身静态信息具体包括:车牌号、内部车号、车架号、配置司机名称以及配置司机数量;
实际公交线路的静态数据具体包括:线路名称、线路去程路径、线路回程路径、往返/单程线路、线路站点序列、线路站点编号、线路站点定位、线路停靠场站名称、线路停靠场站定位,排班数据具体包括:发车班次、计划发车时间、各站点实际发车时间、各站点计划到达时间、各站点实际到达时间、计划车辆车牌号、实际车辆车牌号、计划司机、实际司机、运行线路名称、出发场站、到达场站、各站上车人数、各站下车人数;
车辆工作数据具体包括:基于国标32960新能源汽车通信协议所采集的车辆的定位、氢燃料压力值、故障报警发生时间、报警内容、故障结束时间,报警级别。
3.如权利要求1所述的方法,其特征在于:步骤2中统计其每天在对应线路所包含的不同区间上的行驶时刻与行驶时长参考指标值具体包括:定义各线路上每两个站点之间的路程为一个区间,通过各车辆的驾驶记录统计车辆在各区间的行驶时刻,并以前7天数据为基础,计算出各区间在每30分钟范围内的行驶时长均值作为行驶时长参考指标值;
得到线路的各班次及其发车与到达时刻具体是根据线路上车辆每日行驶轨迹与线路路径对比,以100米内为匹配范围,找出车辆每次符合轨迹的次数,即为当日车辆运行该线路的班次数;根据进入不同区间的起点轨迹时间和进入终点轨迹时间,判断为班次的发车时间和到站时间;
最低氢燃料压力具体根据前7天内氢燃料电池公交客车进入加氢站的氢气压力值计算中位数来得到;平均氢耗参考指标值根据前7天两次进入加氢站的同一辆车辆行驶里程和氢气压力变化,计算车辆平均氢耗来得到;
概率参考指标值具体根据所选线路所有车辆前7天发生各项报警值,除以7天得到均值来计算。
4.如权利要求1所述的方法,其特征在于:步骤3中客流分布具体根据所选线路前7天运行班次的客运数据收集,得到7天内线路各站点的上下客数量;设定模拟客流规则为客流量与发车间隔呈反比,且乘客到站的时间服从负指数分布泊松分布,并设定约束条件为车辆载客人数不能超过限制人数,由此得到相应分布客流分布出行模拟;
晚点事件定义各班次计划到达时间与实际到达时间大于10分钟为发生,具体根据各线路上不同班次的计划到达时间与实际到达时间,定义单一班次车辆晚点为轻度晚点,多于一班次车辆晚点则为大间隔晚点;根据实际班次出现的晚点情况,调整仿真环境时算法排班执行情况,即同时间段的班次实际到达时间进行延长,用于模拟晚点事件发生;
停用加氢规则的确定具体基于里程计算氢燃料压力的下降趋势,当压力下降至或低于所述最低氢燃料压力参考指标值时,则安排车辆停用进行加氢;
车辆停用指令规则具体根据概率参考指标值随机生成运营调度中的故障事件,并根据故障基本生成相应的车辆停用指令。
5.如权利要求1所述的方法,其特征在于:步骤4中智能算法计算得到实时排班计划,并输出相应的发车班次、各站点计划发车时间、各站点计划到达时间、计划车辆车牌号、计划司机、运行线路、出发场站以及到达场站;在基于步骤3中得到的客流分布出行模拟、晚点事件发生模拟、加氢行为规划模拟以及车辆故障发生模拟情况,调整实时排班计划后输出以下各项数据用于对比分析:计划班次、实际班次、各班次计划出发时间、各班次实际出发时间、各班次计划到达时间、各班次实际到达时间、计划车辆车牌号、实际车辆车牌号、计划司机、实际司机、实际各站点上下客人数。
6.如权利要求1所述的方法,其特征在于:步骤5中具体基于某线路的排班班次数、线路车辆数、平均满载率、乘客平均等候时间、司机平均工作时长指标对智能算法的调度效果进行评价,并设定乘客满意度指标及线路车辆运载率指标对智能算法的执行过程进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210831232.6A CN115238487A (zh) | 2022-07-15 | 2022-07-15 | 氢燃料电池公交客车调度算法的仿真分析评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210831232.6A CN115238487A (zh) | 2022-07-15 | 2022-07-15 | 氢燃料电池公交客车调度算法的仿真分析评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115238487A true CN115238487A (zh) | 2022-10-25 |
Family
ID=83673528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210831232.6A Pending CN115238487A (zh) | 2022-07-15 | 2022-07-15 | 氢燃料电池公交客车调度算法的仿真分析评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238487A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258433A (zh) * | 2023-05-15 | 2023-06-13 | 成都运荔枝科技有限公司 | 一种基于大数据核验的冷链食品运输监管系统 |
-
2022
- 2022-07-15 CN CN202210831232.6A patent/CN115238487A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116258433A (zh) * | 2023-05-15 | 2023-06-13 | 成都运荔枝科技有限公司 | 一种基于大数据核验的冷链食品运输监管系统 |
CN116258433B (zh) * | 2023-05-15 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于大数据核验的冷链食品运输监管系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4030365A1 (en) | Multi-mode multi-service rail transit analog simulation method and system | |
CN102136190B (zh) | 城市公交客运事件应急响应调度管理系统及方法 | |
CN102081859B (zh) | 一种公交车到站时间预测模型控制方法 | |
CN103440768B (zh) | 一种基于动态修正的公交车到达时间实时预测方法 | |
Li et al. | Public bus arrival time prediction based on traffic information management system | |
CN104123833A (zh) | 一种道路状况的规划方法和装置 | |
CN109637134B (zh) | 一种公交设备匹配方法 | |
Wang et al. | System dynamics model of taxi management in metropolises: Economic and environmental implications for Beijing | |
CN111199247A (zh) | 一种公交运行仿真方法 | |
CN115238487A (zh) | 氢燃料电池公交客车调度算法的仿真分析评价方法 | |
CN113538067A (zh) | 一种基于机器学习的城际网约车需求预测方法及系统 | |
CN115860594A (zh) | 一种应用于智能公交排班调度的仿真系统及方法 | |
CN106650209A (zh) | 一种车辆应用实时信息确定可靠性增长趋势及参数的方法 | |
Liang et al. | Optimal holding time calculation algorithm to improve the reliability of high frequency bus route considering the bus capacity constraint | |
Araldo et al. | Implementation & policy applications of AMOD in multi-modal activity-driven agent-based urban simulator simmobility | |
CN115795861A (zh) | 一种应用于智能公交路阻调度的仿真系统及方法 | |
CN112015748A (zh) | 一种区域实时订单与运力的供需关系可视化方法和系统 | |
CN111695767A (zh) | 高速公路路网通行效率评估方法、电子设备、存储介质 | |
Kutlimuratov et al. | Impact of stops for bus delays on routes | |
CN109190935B (zh) | 一种考虑服务区和车辆事故的高速公路充电站规划方法 | |
CN115762131A (zh) | 一种应用于公共交通的智能行车计划编制方法及系统 | |
Kimpel et al. | Time point-level analysis of passenger demand and transit service reliability | |
Büchel et al. | The disruption at Rastatt and its effects on the Swiss railway system | |
CN117634788B (zh) | 一种数字城市的电气资源和交通监测管理方法、系统和介质 | |
CN112990658B (zh) | 一种面向线路精简优化的公交网络时刻表可靠性计算方法 |
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 |