CN115713207A - 一种混合公交服务组合优化方法 - Google Patents

一种混合公交服务组合优化方法 Download PDF

Info

Publication number
CN115713207A
CN115713207A CN202211424105.0A CN202211424105A CN115713207A CN 115713207 A CN115713207 A CN 115713207A CN 202211424105 A CN202211424105 A CN 202211424105A CN 115713207 A CN115713207 A CN 115713207A
Authority
CN
China
Prior art keywords
formula
bus
demand
fleet
expressed
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
Application number
CN202211424105.0A
Other languages
English (en)
Inventor
赵靖
任祎程
姚佼
汪超君
刘心雨
孙思诚
潘振兴
沈峰
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202211424105.0A priority Critical patent/CN115713207A/zh
Publication of CN115713207A publication Critical patent/CN115713207A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种混合公交服务组合优化方法，旨在结合常规和需求响应型公交服务，以发挥各自优势，本发明方法以最小化乘客的总出行时间和车队总规模为目标，将常规公交的首末站、需求响应型公交的服务区域和两种服务模式的车队规模构建在统一的优化模型中进行同步优化；优化中乘客可以使用常规公交或需求响应公交服务中的任意一种或两种组合，考虑了客流分配、载客量和车队规模的约束条件，并在决策变量取值范围中提出基于规则的可行解生成算法，减少了模型计算的复杂度，使本发明提出的优化方法更符合实际运行情况。

Description

一种混合公交服务组合优化方法
技术领域
本发明涉及交通管理技术领域，尤其涉及一种混合公交服务组合优化方法。
背景技术
随着共享经济的蓬勃发展，需求响应型公交在公共交通领域应运而生，动态匹配乘客出行需求，为乘客提供个性化公共交通服务。不同的公交服务模式有各自适合的应用场景，常规线路公交的运力大，适用于公交需求较为稳定的情况，需求响应型公交调度灵活，适用于需求密度较低波动较大的情况。如何整合两种服务模式，充分发挥各自的优势，是进一步提升公交服务水平的关键。然而，目前的设计方法主要将需求响应型公交与常规公交作为两种独立的服务模式，对于两者交融后形成的混合公交服务，未见有针对性地优化方法，并且也未检索到这类方法的发明专利。
经对现有技术的文献检索发现，关于公共交通网络设计的研究，主要有以下几种：
1、常规公交服务优化。对于常规公交服务，通常分为战略、战术和操作层面。在战略层面，根据路网拓扑条件和乘客出行需求对公交线路和站点进行设计。代表性研究包括《Transit Network Design and Scheduling:A Global Review》《Planning,Operation,and Control of Bus Transport Systems:A Literature Review》等。在战术层面，根据给定的公交线网和乘客出行需求，确定公交线路车队规模、发车频率和时刻表。代表性研究包括《Public Transit》《Transit Network Design and Scheduling:A Global Review》等。
2、需求响应型公交服务优化。对于需求响应型公交服务，对于其定价策略、服务区域、车队规模、发车频率、调度策略和服务路线的研究受到较为广泛的关注，为了提升服务吸引力，拓展为非共享出租车、拨号预约车和拼车等形式，代表性研究包括《A GeneralModel of Demand-Responsive Transportation Services:From Taxi to Ridesharingto Dial-a-Ride》。
3、混合公交服务优化。对于两种公交服务模式的组合，主要是以事前事后的对比分析为主，将一种服务模式替换为另一种模式，以对比其服务效果，代表性研究包括《Impacts of Replacing a Fixed Public Transport Line by a Demand ResponsiveTransport System:Case Study of a Rural Area in Amsterdam》。之后发展为两种公交服务模式的组合，但优化中一般假设一个出行需求只采用一种服务模型。代表性论文有《Exploring the Use of Automated Vehicles as Last Mile Connection of TrainTrips Through an Agent-Based Simulation Model》等。
上述3种公交网络优化设计研究方法虽然对常规交通和需求响应公交的设计研究了很多，并且在方法3中考虑了结合两种交通服务的有效方法，但它们通常被视为两个独立的系统，预先假设一个地区只有一种模式服务，缺乏对同一区域内两种模式联合服务的考虑。这些研究要么用需求响应公交替代特定的公交线路，要么将需求响应公交添加到现有的常规公交网络中。未见有研究考虑出行可同时采用常规交通和需求响应公交的组合优化。
发明内容
本发明的目的是为了解决上述问题，提供一种混合公交服务组合优化方法，包括如下步骤：
S1：构建由优化目标、约束条件和决策变量取值范围组成的非线性规划模型，其中，优化目标为最小化旅客的总旅行时间和车队的总规模，通过目标函数计算；决策变量的取值范围为提出基于规则的可行解生成算法；
S2：通过两个基于规则的可行解生成算法分别生成潜在的常规公交首末站的可行解集和潜在的需求响应公交服务区域的可行解集；
S3：基于两个解集，对包括有目标函数和约束条件的非线性规划模型进行求解，得到决策变量，完成需求响应型公交与常规公交服务组合优化方法。
进一步地，S1中，决策变量包括常规公交线路首末站、常规公交线车队规模、需求响应公交服务区域和需求响应公交车队规模。
进一步地，优化目标为：最小化乘客总旅行时间和车队的总规模，优化目标的目标函数通过公式一表示，公式一表示为：
minT+aC
公式一中，T为乘客总旅行时间，通过公式二计算；C为公交的总车队规模，通过公式三计算；α为将车队规模转换为时间单位的权重系数；公式二表示为：
Figure BDA0003941247050000031
公式二中，i，i'为需求区的编号；I为需求区编号的集合；dii'为从需求区i到需求区i'的旅客需求，单位人/小时，是一个输入参数；Tii'为旅客从需求区i到需求区i'的行程时间，单位小时，可以从客流分配中得到；l为常规公交线路编号；公式三表示为：
Figure BDA0003941247050000032
公式三中，γc为需求响应公交车队规模系数；
Figure BDA0003941247050000033
为优化后常规公交线l的车队规模，通过公式四计算；mR为需求响应型公交的车队规模，通过公式五计算；公式四表示为：
Figure BDA0003941247050000034
公式五表示为：
Figure BDA0003941247050000035
公式四和公式五中，
Figure BDA0003941247050000036
为常规公交线路l的车头时距；
Figure BDA0003941247050000037
为常规公交线路l的行程时间，通过优化后首末站之间的行程时间计算，计算公式通过公式六表示；hR为需求响应公交的车头时距；tR为需求响应公交的平均行程时间，通过所有可能路线的行程时长加权估计，由公式七表示；公式六表示为：
Figure BDA0003941247050000041
公式七表示为
Figure BDA0003941247050000042
公式六和公式七中，
Figure BDA0003941247050000043
Figure BDA0003941247050000044
为优化后常规公交l号线的起始站和结束站；
Figure BDA0003941247050000045
为从公共汽车
Figure BDA0003941247050000046
站到公共汽车
Figure BDA0003941247050000047
站的常规交通时间；z为可能的需求响应公交通道编号；Z为需求响应公交通道编号的合集；
Figure BDA0003941247050000048
为需求响应公交通道z的行程时间；
Figure BDA0003941247050000049
为路线出现的可能性，通过公式八计算，公式八表示为：
Figure BDA00039412470500000410
公式八中，Pi(A(T)≥1)表示在T时间段内所需交通需求不小于1的概率；T时间段可由最大出行时长除以需求响应车队规模确定，通过公式九计算，公式九表示为：
Figure BDA00039412470500000411
进一步地，S2中，约束条件包括客流分配约束、载客量约束和车队规模约束。
进一步地，客流分配约束为采用最短路径分配方法，通过客流分配得到各项常规公交线路和需求响应型公交的客流量，包括顶点和边，顶点包括需求区域和常规公交站点，边包括连接公交站点的常规公交线路，表示为ejj'、连接需求区域和常规公交站点的边，表示为eii'以及连接需求区域的需求响应服务，表示为wii'，三种类型的边的权重分别表示为：wjj'、wij和wii'；
当边连接同一常规线路的公交站点时，边权重等于wjj'公交站点之间的出行时间和等待时间之和，通过公式十计算；当边连接不同常规线路的公交站点时，边权重wjj'为换乘的惩罚时间，表示换乘造成的不便捷度，通过公式十一计算；当边连接需求区域和常规公交站点时，边权重wij等于需求区域和公交站点之间的旅行时间，通过公式十二计算；当边连接两个需求区域时，边权重wii'等于需求区域之间需求响应公交的行程时间和等待时间，通过公式十四计算；公式十表示为：
Figure BDA0003941247050000051
公式十一表示为：
Figure BDA0003941247050000052
公式十二表示为：
Figure BDA0003941247050000053
公式十三表示为：
Figure BDA0003941247050000054
公式十至公式十三中，tr为换乘惩罚时间；
Figure BDA0003941247050000055
为从需求区i到公交车站j的行程时间；
Figure BDA0003941247050000056
为需求响应公交需求区i到需求区i'的行程时间；
Figure BDA0003941247050000057
为从j站到j'站的常规公交在j站的候车时间，通过公式十四计算；
Figure BDA0003941247050000058
为需求响应公交通道z的等待时间，通过公式十五计算，公式十四表示为：
Figure BDA0003941247050000059
公式十五表示为：
Figure BDA00039412470500000510
公式十四和公式十五中，γt为等待时间与车内时间的等效时间；γw为需求响应公交等待系数。
进一步地，载客量约束包括常规公交的载客量约束和需求响应公交的载客量约束，常规公交的载客量约束通过公式十六计算；需求响应公交的载客量约束通过公式十七计算，公式十六表示为：
Figure BDA00039412470500000511
公式十七表示为：
Figure BDA0003941247050000061
公式十六和公式十七中，dljj'为从j站到j'站乘坐l号线的客流量；KB为常规公交载客量；dzii'为从需求区i到需求区i'使用需求响应通道z的客流量；KR为需求响应公交载客量。
进一步地，车队规模约束要求分配给常规交通和需求响应公交的车队总规模受交通公司设定的上限限制，通过公式十八表示，且优化后的常规公交线路车队规模小于等于原车队规模，通过公式十九表示，公式十八表示为：
Figure BDA0003941247050000062
公式十九表示为：
Figure BDA0003941247050000063
公式十八和公式十九中，N为车队规模限制；
Figure BDA0003941247050000064
为常规公交线路l的初始车队规模。
进一步地，S2中，生成潜在的常规公交首末站的可行解集的可行解生成算法规则具体为：当两个连续公交站点之间的路段在两个方向上的客流量都小于阈值δ，则删除该公交区段，将前一公交站点设置为潜在的终端站点，通过公式二十和公式二十一表示，公式二十表示为：
Figure BDA0003941247050000065
公式二十一表示为：
Figure BDA0003941247050000066
公式二十和公式二十一中，δ为删除的公共站点的客流量阈值。
进一步地，S2中，生成潜在的需求响应公交服务区域的可行解集的可行解生成算法规则具体为：当乘客需求点与公交站点之间的通行时间大于阈值τ时，则此区域需要额外的公交服务，将此区域设置为潜在的需求响应公交服务区，通过公式二十二表示，公式二十二表示为：
Figure BDA0003941247050000071
公式二十二中，τ为需求区与公交车站之间的通行时间阈值。
进一步地，S3中，具体为通过公式二十至公式二十二确定生成可行解集和，再对以公式一为目标函数和公式二至公式十九为约束条件的非线性规划模型进行求解，得到常规公交首末站、常规公交车队规模、需求响应公交需求区域和需求响应公交车队规模的具体参数，从而完成需求响应型公交与常规公交服务组合优化。
与现有技术相比，本发明的有益效果是：
1、本发明提供了一种考虑了需求响应型公交和常规公交的混合公交服务组合优化方法，在优化中乘客可以使用常规公交或需求响应公交服务中的任意一种或两种组合；
2、本发明将常规公交线路首末站、常规公交线车队规模、需求响应公交服务区域和需求响应公交车队规模构建在统一的优化模型中进行同步优化；
3、本发明优化方法中提出了基于规则的可行解生成算法，缩小了决策变量取值范围，减少了模型计算的复杂度。
附图说明
图1为本发明生成潜在的常规公交首末站的流程图；
图2为本发明生成潜在的需求响应公交服务区域的流程图；
图3为本发明公交网络节点编号示意图；
图4本发明实施例1公交网络节点编号示意图；
图5本发明实施例1中常规公交线路原有的服务网络和客流分布；
图6本发明实施例1优化结果。
具体实施方式
下面将结合示意图对本发明一种混合公交服务组合优化方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果，因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
一种混合公交服务组合优化方法，以最小化乘客的总出行时间和车队总规模为目标，同时优化常规公交的首末站、需求响应型公交的服务区域和两种服务模式的车队规模。
一种混合公交服务组合优化方法，用非线性规划模型表述，模型的决策变量包括常规公交线路首末.站、常规公交线车队规模、需求响应公交服务区域、需求响应公交车队规模。优化模型的组成包括：1、优化目标，最小化乘客的总旅行时间和车队的总规模；2、约束条件，考虑客流分配、载客量和车队规模；3、决策变量取值范围，提出基于规则的可行解生成算法。
1、优化目标，最小化乘客的总旅行时间和车队的总规模，即目标函数为：
min T+αC (1)
式中：T为乘客总旅行时间，单位小时，可按式2计算；C为公交的总车队规模，单位辆，可按式3计算；α为将车队规模转换为时间单位的权重系数；
Figure BDA0003941247050000081
Figure BDA0003941247050000082
式中：i，i'为需求区的编号；I为需求区编号的集合；dii'为从需求区i到需求区i'的旅客需求，单位人/小时，是一个输入参数；Tii'为旅客从需求区i到需求区i'的行程时间，单位小时，可以从客流分配中得到；l为常规公交线路编号；γc为需求响应公交车队规模系数；
Figure BDA0003941247050000091
为优化后常规公交线l的车队规模，单位辆，可按式4计算；mR为需求响应型公交的车队规模，单位辆，可按式5计算；
Figure BDA0003941247050000092
Figure BDA0003941247050000093
式中：
Figure BDA0003941247050000094
为常规公交线路l的车头时距，单位小时；hR为需求响应公交的车头时距，单位小时；
Figure BDA0003941247050000095
为常规公交线路l的行程时间，可由优化后首末站之间的行程时间计算，如式6所示；tR为需求响应公交的平均行程时间，由所有可能路线的行程时长加权估计，如式7所示；
Figure BDA0003941247050000096
Figure BDA0003941247050000097
式中：
Figure BDA0003941247050000098
Figure BDA0003941247050000099
为优化后常规公交l号线的起始站和结束站；
Figure BDA00039412470500000910
为从公共汽车
Figure BDA00039412470500000911
站到公共汽车
Figure BDA00039412470500000912
站的常规交通时间，单位小时；z为可能的需求响应公交通道编号；Z为需求响应公交通道编号的合集；
Figure BDA00039412470500000913
为需求响应公交通道z的行程时间，单位小时；
Figure BDA00039412470500000914
为路线出现的可能性，如式8所示；
Figure BDA00039412470500000915
式中：Pi(A(T)≥1)表示在T时间段内所需交通需求不小于1的概率。T时间段可由最大出行时长除以需求响应车队规模确定，如式9所示；
Figure BDA00039412470500000916
2、约束条件，考虑客流分配、载客量和车队规模；
客流分配约束，通过客流分配得到各常规公交线路和需求响应型公交的客流量；采用最短路径分配方法，顶点(V)包含需求区域和常规公交站点：V＝I∪J；边(E)包含连接公交站点的常规公交线路(ejj')、连接需求区域和常规公交站点的边(eij)和连接需求区域的需求响应服务(eii')；三种类型的边的权重，分别为wjj'、wij和wii'：当边连接同一常规线路的公交站点，边权重等于wjj'公交站点之间的出行时间和等待时间之和，如式10所示；当边连接不同常规线路的公交站点，边权重wjj'为换乘的惩罚时间，表示换乘造成的不便捷度，如式11所示；当边连接需求区域和常规公交站点，边权重wij等于需求区域和公交站点之间的旅行时间，如式12所示；当边连接两个需求区域，边权重wii'等于需求区域之间需求响应公交的行程时间和等待时间，如式13所示；
Figure BDA0003941247050000101
Figure BDA0003941247050000102
Figure BDA0003941247050000103
Figure BDA0003941247050000104
式中：tr为换乘惩罚时间，单位小时；
Figure BDA0003941247050000105
从需求区i到公交车站j的行程时间，单位小时；
Figure BDA0003941247050000106
为需求响应公交需求区i到需求区i'的行程时间，单位小时；
Figure BDA0003941247050000107
为从j站到j'站的常规公交在j站的候车时间，单位小时，如式14所示；
Figure BDA0003941247050000108
为需求响应公交通道z的等待时间，如式15所示；
常规公交的平均等待时间：由服务于站点对的公交线路频率之和决定；在随机到达的情况下，公交线路的平均等待时间等于其频率的一半，乘客不需要协调自己到达时间与公交到达时间；如果有多条公交线路为一对停靠站服务，乘客可以乘坐最先到达的公交线的公交车；因此，常规公交的平均等待时间等于为站点对服务的公交线路的车头时距总和的一半，即由频率总和决定，如式14所示。需求响应型公交的平均等待时间：由区域内需求响应公交的可用性决定，如式15所示；
Figure BDA0003941247050000109
Figure BDA0003941247050000111
式中：γt为等待时间与车内时间的等效时间；γw为需求响应公交等待系数。
载客量约束，为确保服务质量，防止公交车内过度拥挤，要求每条公交线路的乘客需求应不超过车辆容量，常规公交和需求响应公交的约束分别如式16和式17所示；
Figure BDA0003941247050000112
Figure BDA0003941247050000113
式中：dljj'为从j站到j'站乘坐l号线的客流量，单位人/小时；KB为常规公交载客量，单位人；dzii'为从需求区i到需求区i'使用需求响应通道z的客流量，单位人/小时；KR为需求响应公交载客量，单位人；
车队规模约束，要求分配给常规交通和需求响应公交的车队总规模受交通公司设定的上限限制，如式18所示；而且，优化后的常规公交线路车队规模不应大于原车队规模，如式19所示；
Figure BDA0003941247050000114
Figure BDA0003941247050000115
式中：N为车队规模限制，单位辆；
Figure BDA0003941247050000116
为常规公交线路l的初始车队规模，单位辆。
3、决策变量取值范围，提出两个基于规则的可行解生成算法，分别生成潜在的常规公交首末站和需求响应公交服务区的可行解集；
第一个规则是生成潜在的常规公交首末站，过程如图1所示；若两个连续公交站点之间的路段在两个方向上的客流量都小于阈值δ，则该公交区段可能被删除，将前一公交站点设置为潜在的终端站点，如式20、21所示；
Figure BDA0003941247050000117
Figure BDA0003941247050000121
式中：δ为可考虑删除的公共站点的客流量阈值，单位人/小时；
第二个规则是生成潜在的需求响应公交服务区域，过程如图2所示；当乘客需求点与公交站点之间的通行时间大于阈值τ时，则该区域可能需要额外的公交服务，将该区域设置为潜在的需求响应公交服务区，如式22所示；
Figure BDA0003941247050000122
式中：τ为需求区与公交车站之间的通行时间阈值，单位小时。
对于如图3所示的公交网络图，以图1和图2所示流程按式20-22确定生成可行解集合；再通过求解以式1为目标函数，式2-19为约束条件的非线性规划模型，可同时得到常规公交首末站、车队规模、需求响应公交需求区域和车队规模。
实施例1：
本发明实施例1公交网络节点编号示意如图4所示，其中客运需求区有36个、常规公交线路5条和常规公交站点25个，常规公交线路原有的服务网络设计和客流分布，如图5所示。实施案例中输入数据的取值如表1所示。
Figure BDA0003941247050000123
Figure BDA0003941247050000131
表1
具体过程简述如下：
步骤1：以图1和图2所示流程，按式(20)-(22)确定生成可行解集合，结果如表2所示。
Figure BDA0003941247050000132
表2
步骤2：将输入参数代入本发明建立的以式(1)为目标函数以式(2)-(19)为约束条件的非线性规划模型。
步骤3：采用启发式算法求解，对常规公交和需求响应公交网络进行优化，优化结果如图6所示。
步骤4：设计方案评价。为了评估联合优化的有效性，将本发明结果与两种常规的优化方法，即只提供常规公交服务和只提供需求响应公交服务，优化结果进行对比，结果如表3所示。本发明方法相较于两种常规的优化方法，将获得更优的目标函数值。按本发明方法，联合优化方案在这个案例中总优化目标可减少7％，其中旅行时间减少6％，车队规模减少19％，使案例区域内的公交网络服务水平和公交车资源利用效率得到了显著提高。
优化方法 目标函数值(小时) 旅行时间(小时) 车队规模(辆)
本发明 4216 3806 20.5
仅常规公交 4496 4146 17.5
仅需求响应公交 4557 4047 25.5
表3
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (10)

1.一种混合公交服务组合优化方法，其特征在于，包括如下步骤：
S1：构建由优化目标、约束条件和决策变量取值范围组成的非线性规划模型，其中，所述优化目标为最小化旅客的总旅行时间和车队的总规模，通过目标函数计算；所述决策变量的取值范围为提出基于规则的可行解生成算法；
S2：通过两个基于规则的可行解生成算法分别生成潜在的常规公交首末站的可行解集和潜在的需求响应公交服务区域的可行解集；
S3：基于两个解集，对包括有目标函数和约束条件的非线性规划模型进行求解，得到决策变量的数值，完成需求响应型公交与常规公交混合服务的组合优化方法。
2.根据权利要求1所述的混合公交服务组合优化方法，其特征在于，所述S1中，所述决策变量包括常规公交线路首末站、常规公交线车队规模、需求响应公交服务区域和需求响应公交车队规模。
3.根据权利要求2所述的混合公交服务组合优化方法，其特征在于，所述S1中，所述优化目标为：最小化乘客总旅行时间和车队的总规模，所述优化目标的目标函数通过公式一表示，所述公式一表示为：
minT+aC
所述公式一中，T为乘客总旅行时间，通过公式二计算；C为公交的总车队规模，通过公式三计算；α为将车队规模转换为时间单位的权重系数；所述公式二表示为：
Figure FDA0003941247040000011
所述公式二中，i，i'为需求区的编号；I为需求区编号的集合；dii'为从需求区i到需求区i'的旅客需求，单位人/小时，是一个输入参数；Tii'为旅客从需求区i到需求区i'的行程时间，单位小时，可以从客流分配中得到；l为常规公交线路编号；所述公式三表示为：
Figure FDA0003941247040000021
所述公式三中，γc为需求响应公交车队规模系数；
Figure FDA0003941247040000022
为优化后常规公交线l的车队规模，通过公式四计算；mR为需求响应型公交的车队规模，通过公式五计算；所述公式四表示为：
Figure FDA0003941247040000023
所述公式五表示为：
Figure FDA0003941247040000024
所述公式四和公式五中，
Figure FDA0003941247040000025
为常规公交线路l的车头时距；
Figure FDA0003941247040000026
为常规公交线路l的行程时间，通过优化后首末站之间的行程时间计算，计算公式通过公式六表示；hR为需求响应公交的车头时距；tR为需求响应公交的平均行程时间，通过所有可能路线的行程时长加权估计，由公式七表示；所述公式六表示为：
Figure FDA0003941247040000027
所述公式七表示为
Figure FDA0003941247040000028
所述公式六和所述公式七中，
Figure FDA0003941247040000029
为优化后常规公交l号线的起始站和结束站；
Figure FDA00039412470400000210
为从公共汽车
Figure FDA00039412470400000211
站到公共汽车
Figure FDA00039412470400000212
站的常规交通时间；z为可能的需求响应公交通道编号；Z为需求响应公交通道编号的合集；
Figure FDA00039412470400000213
为需求响应公交通道z的行程时间；
Figure FDA00039412470400000214
为路线出现的可能性，通过公式八计算，所述公式八表示为：
Figure FDA00039412470400000215
所述公式八中，Pi(A(T)≥1)表示在T时间段内所需交通需求不小于1的概率；T时间段可由最大出行时长除以需求响应车队规模确定，通过公式九计算，所述公式九表示为：
Figure FDA0003941247040000031
4.根据权利要求3所述的混合公交服务组合优化方法，其特征在于，所述S2中，所述约束条件包括客流分配约束、载客量约束和车队规模约束。
5.根据权利要求4所述的混合公交服务组合优化方法，其特征在于，所述客流分配约束为采用最短路径分配方法，通过客流分配得到各项常规公交线路和需求响应型公交的客流量，包括顶点和边，所述顶点包括需求区域和常规公交站点，所述边包括连接公交站点的常规公交线路，表示为ejj'、连接需求区域和常规公交站点的边，表示为eii'以及连接需求区域的需求响应服务，表示为wii'，三种类型的边的权重分别表示为：wjj'、wij和wii'；
当边连接同一常规线路的公交站点时，边权重等于wjj'公交站点之间的出行时间和等待时间之和，通过公式十计算；当边连接不同常规线路的公交站点时，边权重wjj'为换乘的惩罚时间，表示换乘造成的不便捷度，通过公式十一计算；当边连接需求区域和常规公交站点时，边权重wij等于需求区域和公交站点之间的旅行时间，通过公式十二计算；当边连接两个需求区域时，边权重wii'等于需求区域之间需求响应公交的行程时间和等待时间，通过公式十四计算；所述公式十表示为：
Figure FDA0003941247040000032
所述公式十一表示为：
Figure FDA0003941247040000033
所述公式十二表示为：
Figure FDA0003941247040000034
所述公式十三表示为：
Figure FDA0003941247040000035
所述公式十至公式十三中，tr为换乘惩罚时间；
Figure FDA0003941247040000041
为从需求区i到公交车站j的行程时间；
Figure FDA0003941247040000042
为需求响应公交需求区i到需求区i'的行程时间；
Figure FDA0003941247040000043
为从j站到j'站的常规公交在j站的候车时间，通过公式十四计算；
Figure FDA0003941247040000044
为需求响应公交通道z的等待时间，通过公式十五计算，所述公式十四表示为：
Figure FDA0003941247040000045
所述公式十五表示为：
Figure FDA0003941247040000046
所述公式十四和公式十五中，γt为等待时间与车内时间的等效时间；γw为需求响应公交等待系数。
6.根据权利要求5所述的混合公交服务组合优化方法，其特征在于，所述载客量约束包括常规公交的载客量约束和需求响应公交的载客量约束，所述常规公交的载客量约束通过公式十六计算；所述需求响应公交的载客量约束通过公式十七计算，所述公式十六表示为：
Figure FDA0003941247040000047
所述公式十七表示为：
Figure FDA0003941247040000048
所述公式十六和公式十七中，dljj'为从j站到j'站乘坐l号线的客流量；KB为常规公交载客量；dzii'为从需求区i到需求区i'使用需求响应通道z的客流量；KR为需求响应公交载客量。
7.根据权利要求6所述的混合公交服务组合优化方法，其特征在于，所述车队规模约束要求分配给常规交通和需求响应公交的车队总规模受交通公司设定的上限限制，通过公式十八表示，且优化后的常规公交线路车队规模小于等于原车队规模，通过公式十九表示，所述公式十八表示为：
Figure FDA0003941247040000051
所述公式十九表示为：
Figure FDA0003941247040000052
所述公式十八和公式十九中，N为车队规模限制；
Figure FDA0003941247040000053
为常规公交线路l的初始车队规模。
8.根据权利要求7所述的混合公交服务组合优化方法，其特征在于，所述S2中，生成潜在的常规公交首末站的可行解集的可行解生成算法规则具体为：当两个连续公交站点之间的路段在两个方向上的客流量都小于阈值δ，则删除该公交区段，将前一公交站点设置为潜在的终端站点，通过公式二十和公式二十一表示，所述公式二十表示为：
Figure FDA0003941247040000054
所述公式二十一表示为：
Figure FDA0003941247040000055
所述公式二十和公式二十一中，δ为删除的公共站点的客流量阈值。
9.根据权利要求8所述的混合公交服务组合优化方法，其特征在于，所述S2中，生成潜在的需求响应公交服务区域的可行解集的可行解生成算法规则具体为：当乘客需求点与公交站点之间的通行时间大于阈值τ时，则此区域需要额外的公交服务，将此区域设置为潜在的需求响应公交服务区，通过公式二十二表示，所述公式二十二表示为：
Figure FDA0003941247040000056
所述公式二十二中，τ为需求区与公交车站之间的通行时间阈值。
10.根据权利要求9所述的混合公交服务组合优化方法，其特征在于，所述S3中，具体为通过公式二十至公式二十二确定生成可行解集和，再对以公式一为目标函数和公式二至公式十九为约束条件的非线性规划模型进行求解，得到常规公交首末站、车队规模、需求响应公交需求区域和车队规模的具体参数，从而完成需求响应型公交与常规公交混合服务的组合优化。
CN202211424105.0A 2022-11-14 2022-11-14 一种混合公交服务组合优化方法 Pending CN115713207A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211424105.0A CN115713207A (zh) 2022-11-14 2022-11-14 一种混合公交服务组合优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211424105.0A CN115713207A (zh) 2022-11-14 2022-11-14 一种混合公交服务组合优化方法

Publications (1)

Publication Number Publication Date
CN115713207A true CN115713207A (zh) 2023-02-24

Family

ID=85233187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211424105.0A Pending CN115713207A (zh) 2022-11-14 2022-11-14 一种混合公交服务组合优化方法

Country Status (1)

Country Link
CN (1) CN115713207A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451961A (zh) * 2023-04-21 2023-07-18 四川国蓝中天环境科技集团有限公司 一种城际需求响应式公交服务的建模优化方法
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116451961A (zh) * 2023-04-21 2023-07-18 四川国蓝中天环境科技集团有限公司 一种城际需求响应式公交服务的建模优化方法
CN116451961B (zh) * 2023-04-21 2024-02-02 四川国蓝中天环境科技集团有限公司 一种城际需求响应式公交服务的建模优化方法
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
Zhu et al. Public vehicles for future urban transportation
CN109034465B (zh) 考虑充电站选址与出行路径耦合的充电站两层规划方法
CN115713207A (zh) 一种混合公交服务组合优化方法
Fan et al. Optimal design of intersecting bimodal transit networks in a grid city
CN107194128B (zh) 基于中心辐射型网络框架的多模式公共交通网络设计方法
Yang et al. Online dispatching and routing model for emergency vehicles with area coverage constraints
CN110648022A (zh) 一种考虑站点全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法
CN110874704A (zh) 一种基于Floyd算法的应急救援交通路径优化方法
CN106203725A (zh) 基于启发式搜索的门到门出行路径方案个性化推荐方法
CN111126799B (zh) 基于二分图的共享网络司乘匹配方法
CN113780808A (zh) 基于柔性公交接驳系统线的车辆服务属性决策优化方法
CN111256724A (zh) 一种根据地铁拥挤度的公交地铁换乘路径规划方法
CN110490381A (zh) 基于混合整数规划的公交主干线规划方法
CN113538886A (zh) 一种实时响应式定制公交递阶调度方法
CN109064076A (zh) 一种基于前景理论的多模式公共运输方式选择方法
CN113723667B (zh) 轨道交通线网运营方案的优化方法、设备及可读存储介质
Yousaf et al. Ride-sharing: A multi source-destination path planning approach
CN112949987A (zh) 基于预测的出租车调度和匹配方法、系统、设备及介质
CN108197724A (zh) 公交复杂网络中效率权重计算与公交方案性能评估方法
Zhou et al. Crew scheduling considering both crew duty time difference and cost on urban rail system
Zhao et al. Robust Optimization of Mixed-Load School Bus Route Based on Multi-Objective Genetic Algorithm.
Dragan et al. USING GIS FOR THE OPTIMIZATION OF PUPILS TRANSPORTATION: THE CASE OF LASKO MUNICIPALITY
CN116090589A (zh) 一种位置噪声扰动下平台效益驱动的网约车在线调度方法
CN113705902A (zh) 一种基于人群管理的交通枢纽客运组织评价方法
Hu et al. An ant colony optimization based approach to adjust public transportation network

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