CN116629567B - 考虑动态需求的需求响应公交与共享电单车耦合优化方法 - Google Patents
考虑动态需求的需求响应公交与共享电单车耦合优化方法 Download PDFInfo
- Publication number
- CN116629567B CN116629567B CN202310642879.9A CN202310642879A CN116629567B CN 116629567 B CN116629567 B CN 116629567B CN 202310642879 A CN202310642879 A CN 202310642879A CN 116629567 B CN116629567 B CN 116629567B
- Authority
- CN
- China
- Prior art keywords
- passenger
- travel
- demand
- passengers
- electric bicycle
- 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
- 230000004044 response Effects 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 230000008878 coupling Effects 0.000 title claims abstract description 15
- 238000010168 coupling process Methods 0.000 title claims abstract description 15
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 15
- 238000010845 search algorithm Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000011160 research Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000003032 molecular docking Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06314—Calendaring for a resource
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种考虑动态需求的需求响应接驳公交与共享电单车的耦合优化方法,通过采集乘客出行需求、共享电单车投放位置与需求响应公交的相关信息,构建包括乘客出行成本与车辆运营成本在内的共享电单车接驳需求响应公交网络系统总成本最小为目标函数的耦合优化模型,基于优化结果进一步考虑实时随机需求带来的网络动态变化,采用混合自适应大邻域搜索算法对各场景进行求解,协同优化各场景最优解,生成考虑动态需求的乘客出行与车辆运营的鲁棒网络;该方法实现了在满足乘客出行偏好的基础上,使用共享电单车解决乘客出行“第一公里”的问题,进而实现助力公交出行“门到门”服务,提供公共交通的整体服务水平。
Description
技术领域
本发明涉及考虑动态需求的需求响应公交与共享电单车的网络优化技术领域,尤其涉及一种考虑动态需求的需求响应公交与共享电单车耦合优化方法。
背景技术
目前,随着人们生活质量的提高,便捷的交通出行方式逐渐出现在日常生活中,需求响应型接驳公交作为一种个性化灵活的公交运营形式,将公交服务与基于个体偏好性的出行需求结合,设计灵活、动态的公交服务机制,但当前需求响应公交尚无法提供真正的“门到门”服务,利用共享单车便捷灵活的特点可有效应对该短板,而共享电单车具备更高的速度,可更好的提升公共交通服务质量。使用“互联网+”手段搭建乘客出行需求集散网络,乘客发起乘车申请,提供偏好出行时间点及其所在位置,调度中心结合历史据以设计最佳出行方案,并将其提供给乘客,调度接驳公交将按照出行计划前往搭载乘客前往干线交通换乘站点,完成更为高效便捷、灵活接驳服务。
但是,现有优化方法尚存在以下不足:
1、现有共享单车的接驳研究局限于与常规公交的接驳,基于固定的线路布局与站点分布,无法根据乘客出行偏好定制化运营计划,并根据运营计划的灵活性定制化共享单车的接驳服务,难以最大化实现共享单车对公交网络的效益;
2、现有对于共享单车对公交网络的效益性分析多为连续解析模型方法,研究环境过于理想化,无法从实际运营角度出发实现对接驳网络的耦合优化;
3、现有对于接驳网络的研究缺少关于运营过程中随机扰动因素的分析,而实际运营中存在部分在线路运营过程中产生的随机需求,现有方法不涉及随机需求的分析,无法实现网络针对随机插入实时需求的动态调度,可优化空间有限。
发明内容
本发明提供一种考虑动态需求的需求响应公交与共享电单车耦合优化方法,以克服现有优化方法无法提供满足乘客出行偏好的定制化服务,难以应对运营过程中随机扰动的问题。
为了实现上述目的,本发明的技术方案是:
一种考虑动态需求的需求响应公交与共享电单车耦合优化方法,包括以下步骤:
步骤S1:获取乘客出行需求数据和研究区域内共享电单车投放位置分布数据;所述乘客出行需求数据包括需求点乘客人数与乘客出行偏好时间;所述投放位置分布数据包括共享电单车的投放点、共享电单车与各需求点之间的距离;构建同时使车辆运营成本、共享电单车骑行成本以及乘客出行成本最小化的总目标函数,并初始化所述总目标函数内的参数,
步骤S2:根据乘客出行需求数据和研究区域内共享电单车投放位置分布数据初始化乘客出行模式,并根据乘客出行模式初始化乘客的登车点;所述乘客出行模式包括直接登车出行或共享电单车接驳出行;且以需求响应接驳公交始发站为起点,以换乘枢纽为终点,在满足车载容量约束的条件下,将所述乘客登车点串联获得多条候选路径;针对接驳出行的乘客所在需求点与登车点位置信息生成共享电单车骑行线路的起点,并按照需求点-骑行线路起点-登车点的模式串联生成接驳乘客路线;根据所述候选路径与接驳乘客路线的集合,采用混合自适应大邻域搜索算法获取使总目标函数最优的需求响应接驳公交行驶路线与乘客出行计划;
步骤S3:基于获取的需求响应接驳公交行驶路线与乘客出行计划,考虑不同场景下实时随机需求的产生时间,确保随机需求产生时已出发乘客的需求响应接驳公交路线调整不会产生影响,并初始化随机需求的出行模式、登车点、出行路线以及需求响应接驳公交路线,通过混合自适应大邻域搜索算法获取各场景下服务实时随机需求的最佳方案;
步骤S4:根据各场景的最优出行方案,协同优化多个场景下的车辆行驶计划与乘客出行计划,计算近似矩阵、隶属度矩阵及位置矩阵,并根据场景概率获得具有鲁棒性的车辆运营计划与乘客出行计划。
进一步的,步骤S1中所述总目标函数为
式中:J为总目标函数;δ表示时间价值;disij为两个节点i与j之间的距离;v1、v2、v3分别表示车辆行驶速度、乘客骑行速度与步行速度;为乘客的偏好出行时间;c0为一辆公交车的发车成本;f为共享电单车的单位使用成本;/>分别为直接登车与接驳出行乘客的登车时间;/>表示接驳出行的乘客到达节点的时间;追索权函数表示不同场景下插入实时需求带来的成本;Pk表示不同场景的发生概率;N为所有节点集合;U为所有车辆集合;B为所有共享电单车投放点集合;P为所有乘客集合;Z为所有需求点集合;No为所有需求响应接驳公交始发站点集合;K为实时随机需求产生场景的集合;wz为取值为0或1的变量,表示需求点z是否被选为登车点;/>为取值为0或1的变量,表示需求响应接驳公交u是否服务节点i与j之间的路段;/>为取值为0或1的变量,表示乘客p是否使用共享电单车骑行共享电单车投放点a与b之间的路段;/>为取值为0或1的变量,表示乘客p是否步行自需求点z至共享电单车投放点a;
所述追索权函数为
式中:V表示包含实时随机需求点在内的所有点的集合;P'表示包含实时随机需求在内的所有乘客集合;Z'表示包含实时随机需求点在内的所有需求点集合;分别为场景k下直接登车与接驳出行乘客p离开节点z的时间;/>表示场景k下接驳出行的乘客p到达节点i的时间;/>与/>为取值为0或1的变量,表示场景k下需求响应接驳公交u是否增加或删除节点i与j之间的路段;/>与/>为取值为0或1的变量,表示场景k下需求响应接驳公交u是否增加或删除共享电单车投放点a与b之间的路段;/>与/>为取值为0或1的变量,表示场景k下乘客p是否增加或删除需求点z与共享电单车投放点a之间的步行路段。
进一步的,步骤S2中所述采用混合自适应大邻域搜索算法获取使总目标函数最优的需求响应接驳公交行驶路线与乘客出行计划,包括以下步骤:
步骤S2.1:初始化乘客出行模式,并根据登车点约束初始化相对应的乘客登车点;
步骤S2.2:根据乘客登车点,考虑车载容量约束,以确定初始化需求响应接驳公交的路线与乘客出行路线;
步骤S2.3:根据乘客偏好出行时间与车辆行驶时间约束,确定需求响应接驳公交的访问时间与乘客出行时刻表;
步骤S2.4:基于确定需求响应接驳公交的访问时间与乘客出行时刻表,根据初始化需求响应接驳公交运营计划与乘客出行计划,采用混合自适应大邻域搜索算法搜索更优的运营计划与出行计划。
进一步的,步骤S2.4中所述采用混合自适应大邻域搜索算法搜索更优的运营计划与出行计划,包括以下步骤:
步骤S2.4.1:将初始化的车辆运营计划与乘客出行计划作为初始解,根据贪婪与随机选择规则,构建出行模式、登车点以及车辆路线的多个算子,按照出行模式-登车点-车辆路线的模式随机选择算子进行组合,更新乘客出行计划与需求响应接驳公交运营计划;
步骤S2.4.2:设置每个算子组合分配权重,并根据每个算子组合分配权重获取车辆运营计划与乘客出行计划的优化解,进行动态调整算子组合的迭代,以便获得更优的解;
步骤S2.4.3:若迭代后的解优于当前最优解,则保留迭代解,否则保留当前最优解;当迭代次数达到最大次数,或运行时间达到最大运行时间时停止迭代,搜索过程结束。
进一步的,步骤S3中所述通过混合自适应大邻域搜索算法获取各场景下服务实时随机需求的最佳方案,包括以下步骤:
步骤S3.1:根据场景中实时随机需求的产生时间,若随机需求产生时乘客已出发,那么该乘客的出行方案不可调整,以确保后续需求响应接驳公交路线调整不会对其产生影响;
步骤S3.2:对可调整出行方案的预定出行乘客与实时随机需求,初始化其出行模式、登车点、出行路线,并对应初始化需求响应接驳公交路线;
步骤S3.3:根据初始化的乘客出行路线与公交车辆路线,计算乘客出行时刻表与车辆时刻表;
对于已出发的公交车辆的初始发车时间不可改变,以确保已出发乘客的出行方案;
步骤3.4:根据当前场景下初始化的乘客出行方案与需求响应接驳公交运营方案,采用混合自适应大邻域搜索算法获取该场景下服务实时随机需求的最佳方案。
进一步的,步骤S4中所述根据场景概率获得具有鲁棒性的车辆运营计划与乘客出行计划,包括以下步骤:
步骤S4.1:整合各场景的车辆运营计划与乘客出行计划最优解与预定出行需求的最优解;
步骤S4.2:根据步骤S2获取的车辆运营计划与乘客出行计划的最优解与各场景的车辆运营计划与乘客出行计划最优解的车辆路线,并计算相似矩阵,将各场景中的车辆路线分配至步骤S2获取的最优解的路线中;
步骤S4.3:根据步骤S2获取的需求登车点与各场景中优化得到的预定出行乘客的登车点,计算乘客与登车点的隶属度矩阵,确定乘客登车点;
步骤S4.4:根据计算得出的登车点,结合各场景中乘客出行路线,计算登车点与各场景中乘客出行路线的隶属度矩阵,将登车点分配至乘客出行路线上;
步骤S4.5:根据登车点与乘客出行路线的分配情况,结合登车点在各场景路线中的位置信息,计算登车点的位置矩阵,确定登车点在各路线中的位置,获取需求响应接驳公交的运行路线。
有益效果:本发明提供了一种考虑动态需求的需求响应公交与共享电单车耦合优化方法,基于“互联网+”平台,通过集散乘客出行需求,在满足其出行时间偏好的条件下,提出了共享电单车接驳需求响应公交的耦合优化方法,并针对运营过程中可能产生的实时需求进行了动态优化,实现了一种更为高效便捷的出行模式优化;本发明梳理了共享电单车与需求响应公交的接驳机理,在满足乘客出行时间偏好的基础上实现了共享电单车与需求响应公交的耦合优化,结合需求响应公交灵活可变与共享单车便捷通达的特征,使得乘客出行模式更为高效环保;同时,针对车辆运营过程中产生的实时随机需求,提出了一种在不影响已出发乘客乘车方案前提下的动态调整方案,实现了同时满足预定出行需求与随机需求的实时动态调度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明考虑动态需求的需求响应公交与共享电单车的耦合优化方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中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作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。
本实施例提供了一种考虑动态需求的需求响应公交与共享电单车耦合优化方法,如图1所示,包括以下步骤:
步骤S1:获取乘客出行需求数据和研究区域内共享电单车投放位置分布数据;所述乘客出行需求数据包括需求点乘客人数与乘客出行偏好时间;所述投放位置分布数据包括共享电单车的投放点、共享电单车与各需求点之间的距离;所述需求点为乘客出行预定的出发点;且所述需求点通常为乘客的居住地;构建同时使车辆运营成本、共享电单车骑行成本以及乘客出行成本最小化的总目标函数,并初始化所述总目标函数内的参数;
且初始化总目标函数内的参数包括:需求响应公交的车辆速度v1,共享电单车的骑行速度v2,步行速度v3,时间价值系数δ,需求响应公交的固定发车成本c0,共享电单车骑行成本f;
步骤S2:根据乘客出行需求数据和研究区域内共享电单车投放位置分布数据初始化乘客出行模式,并根据乘客出行模式初始化乘客的登车点;所述乘客出行模式包括直接登车出行或共享电单车接驳出行;
若出行模式为直接登车出行,则直接登车出行的乘客登车点应为其所在需求点;
若出行模式为共享电单车接驳出行,则乘客的登车点应为某一共享电单车投放点;
且以需求响应接驳公交始发站为起点,以换乘枢纽为终点,在满足车载容量约束的条件下,将所述乘客登车点串联获得多条候选路径;针对接驳出行的乘客所在需求点与登车点位置信息,在步行允许范围内生成共享电单车骑行线路的起点,并按照需求点-骑行线路起点-登车点的模式串联生成接驳乘客路线;根据所述候选路径与接驳乘客路线,采用混合自适应大邻域搜索算法获取使总目标函数最优的需求响应接驳公交行驶路线与乘客出行计划;
步骤S3:基于获取的需求响应接驳公交行驶路线与乘客出行计划,考虑不同场景下实时随机需求的产生时间,判断随机需求产生时已出发的乘客,确保后续需求响应接驳公交路线调整不会对已出发的乘客产生影响;并初始化随机需求的出行模式、登车点、出行路线、以及相对应的需求响应接驳公交路线,通过混合自适应大邻域搜索算法获取各场景下服务实时随机需求的最佳方案;
步骤S4:根据各场景的最优出行方案,协同优化多个场景下的车辆行驶计划与乘客出行计划,计算近似矩阵、隶属度矩阵及位置矩阵,并根据场景概率获得具有鲁棒性的车辆运营计划与乘客出行计划。
在具体实施例中,步骤S1中所述总目标函数为
式中:J为总目标函数;δ表示时间价值;disij为两个节点i与j之间的距离;v1、v2、v3分别表示车辆行驶速度、乘客骑行速度与步行速度;为乘客的偏好出行时间;c0为一辆公交车的发车成本;f为共享电单车的单位使用成本;/>分别为直接登车与接驳出行乘客的登车时间;/>表示接驳出行的乘客到达节点的时间;追索权函数表示不同场景下插入实时需求带来的成本;Pk表示不同场景的发生概率;N为所有节点集合;U为所有车辆集合;B为所有共享电单车投放点集合;P为所有乘客集合;Z为所有需求点集合;No为所有需求响应接驳公交始发站点集合;K为实时随机需求产生场景的集合;wz为取值为0或1的变量,表示需求点z是否被选为登车点;/>为取值为0或1的变量,表示需求响应接驳公交u是否服务节点i与j之间的路段;/>为取值为0或1的变量,表示乘客p是否使用共享电单车骑行共享电单车投放点a与b之间的路段;/>为取值为0或1的变量,表示乘客p是否步行自需求点z至共享电单车投放点a之间的步行路段;
所述总目标函数包含七部分内容:车辆运营成本、车辆发车成本、驻站时间成本、乘客出行时间成本、乘客候车成本、乘客骑行费用以及为服务实时随机需求产生的乘客与车辆绕行成本;
所述追索权函数为
式中:V表示包含实时随机需求点在内的所有点的集合;P'表示包含实时随机需求在内的所有乘客集合;Z'表示包含实时随机需求点在内的所有需求点集合;分别为场景k下直接登车与接驳出行乘客p离开节点z的时间;/>表示场景k下接驳出行的乘客p到达节点i的时间;/>与/>为取值为0或1的变量,表示场景k下需求响应接驳公交u是否增加或删除节点i与j之间的路段;/>与/>为取值为0或1的变量,表示场景k下需求响应接驳公交u是否增加或删除共享电单车投放点a与b之间的路段;/>与/>为取值为0或1的变量,表示场景k下乘客p是否增加或删除需求点z与共享电单车投放点a之间的步行路段。
在具体实施例中,步骤S2中所述采用混合自适应大邻域搜索算法获取使总目标函数最优的需求响应接驳公交行驶路线与乘客出行计划,包括以下步骤:
步骤S2.1:初始化乘客出行模式,并根据登车点约束初始化相对应的乘客登车点;
具体来说,通过公式(3)要求每个乘客仅能选择直接登车或接驳出行中的一种;
式中:N为网络所有节点集合,包括公交场站、需求点、共享电单车点、接驳点(终点);B为共享电单车点集合;P为乘客集合;wi位取值为0或1的变量,表示节点i是否被选为直接登车乘客的登车站点;yi为取值为0或1的变量,表示节点i是否被选为接驳出行乘客的登车站点;
通过公式(4)要求乘客骑行的起点不能作为登车点,即确保接驳出行的乘客必须经由骑行到达登车点;
式中:θb为取值为0或1的变量,表示共享电单车点b是否被选为乘客骑行的起点;yb为取值为0或1的变量,表示共享电单车点b是否被选为接驳出行乘客的登车站点;
步骤S2.2:根据乘客登车点,考虑车载容量约束,以确定初始化需求响应接驳公交的路线与乘客出行路线;
具体来说,公式(5)要求车辆路线仅能存在于登车站点间;
公式(6)至公式(8)要求所有车辆都需要来自场站,并回到场站;
式中:Qu表示车辆u的车载容量;为取值为0或1的变量,表示需求响应接驳公交u是否服务节点i与j之间的路段;/>与/>为取值为0或1的变量,表示乘客p是否在站点i搭乘车辆u;
公式(9)确保车辆在站点的进出平衡;
式中:为取值为0或1的变量,表示需求响应接驳公交u是否服务节点i与n之间的路段;N′表示除去车辆发车起点与终点的节点集合;U表示响应接驳公交的集合;
公式(10)确保车辆载客人数不会超出车载容量大小;
公式(11)至公(13)确保每位乘客都会被服务到,且每位乘客只能在登车点搭乘一辆车离开;
公式(14)至公(17)要求车辆路线只能存在于有乘客登车的站点之间;
式中:为取值为0或1的参数,表示节点i是否有乘客提出需求;
公式(18)要求乘客步行路线仅存在与需求点与骑行起点之间;
式中:为取值为0或1的变量,表示乘客p是否步行自需求点z至共享电单车投放点a;θa为取值为0或1的变量,表示共享电单车点a是否被选为乘客骑行的起点;
公式(19)确保骑行路线仅存在与被选择的共享电单车节点之间;
式中:为取值为0或1的变量,表示乘客p是否使用共享电单车骑行共享电单车投放点a与b之间的路段;
公式(20)确保乘客步行至共享电单车投放点后骑行离开;
公式(21)至公式(24)要求当且仅当节点被选为登车点或接驳点时骑行或步行路线才存在;
式中:为取值为0或1的变量,表示乘客p是否骑行至节点b搭乘公交车辆u离开;
公式(25)确保不论乘客选择共享电单车接驳出行或直接登车出行,所有乘客均会被服务到;
式中:为取值为0或1的参数,表示乘客p是否位于需求点z。
步骤S2.3:根据乘客偏好出行时间与车辆行驶时间约束,确定需求响应接驳公交的访问时间与乘客出行时刻表;
具体来说,公式(26)至公式(30)确保只有当站点有乘客到达时,乘客时间才存在;只有当站点有乘客登车或车辆路线时,才计算车辆访问时间;
式中:M为一个较大的常数;与/>表示车辆u访问站点z或b的时间;/>与/>表示乘客离开节点z或a的时间;/>为取值为0或1的变量,表示乘客p是否使用共享电单车骑行共享电单车投放点a与b之间的路段;/>为取值为0或1的变量,表示乘客p是否步行自需求点z至共享电单车投放点a;
公式(31)确保乘客p到达节点b的时间早于其离开时间;
式中:表示乘客p到达节点b的时间;
公式(32)至公式(33)保证了需求响应接驳公交时刻表的合理性;
式中:disij表示节点i与j之间的距离;v1表示公交车辆的速度;M为一个取值较大的常数;
公式(34)至公式(37)确保乘客登车后的时间与车辆时间的同步性;
公式(38)至公式(41)明确了乘客时刻表的合理性;
/>
式中:v2表示乘客的骑行速度;v3表示乘客的步行速度。
步骤S2.4:基于确定需求响应接驳公交的访问时间与乘客出行时刻表,根据初始化需求响应接驳公交运营计划与乘客出行计划,采用混合自适应大邻域搜索算法搜索更优的运营计划与出行计划。
在具体实施例中,步骤S2.4中所述采用混合自适应大邻域搜索算法搜索更优的运营计划与出行计划,包括以下步骤:
步骤S2.4.1:将初始化的车辆运营计划与乘客出行计划作为初始解,根据贪婪与随机选择规则,构建出行模式、登车点以及车辆路线的多个算子,按照出行模式-登车点-车辆路线的模式随机选择算子进行组合,更新乘客出行计划与需求响应接驳公交运营计划;
步骤S2.4.2:设置每个算子组合分配权重,并根据每个算子组合分配权重获取车辆运营计划与乘客出行计划的优化解,进行动态调整算子组合的迭代,以便获得更优的解;
具体的,根据每个算子组合分配权重获取车辆运营计划与乘客出行计划解的优劣为算子组合打分,根据得分动态调整算子组合的权重,计算公式为;
式中:ωi表示当前算子组合的权重;r表示算子组合的得分,该得分由算子使用后解的优劣决定;πi表示算子组合的累计得分;θi表示算子组合的使用频次;
并根据权重选择下次迭代的算子组合,以获得更优的解;
步骤S2.4.3:若迭代后的解优于当前最优解,则保留迭代解,否则保留当前最优解;当迭代次数达到最大次数,或运行时间达到最大运行时间时停止迭代,搜索过程结束。
在具体实施例中,步骤S3中所述通过混合自适应大邻域搜索算法获取各场景下服务实时随机需求的最佳方案,包括以下步骤:
步骤S3.1:根据场景中实时随机需求的产生时间,若随机需求产生时乘客已出发,那么该乘客的出行方案不可调整,以确保后续需求响应接驳公交路线调整不会对其产生影响;
具体来说,公式(43)至公式(45)明确了对路径的撤销只能在该路径存在的情况下进行;
/>
式中:P'为加入实时随机需求后的乘客集合;V为加入实时随机需求点后的节点集合;Z'为加入实时随机需求点后的需求点集合;U为公交车辆集合;K为场景集合;与/>为取值为0或1的变量,表示场景k下是否删除节点i与j或节点z与a或节点a与b之间的路径;
公式(46)至公式(50)确保服务实时随机需求时,已出发的乘客出行计划不能受到影响;
式中:表示场景k中随机需求的产生时间;/>分别为无随机需求时优化得出的直接登车与接驳出行乘客的登车时间;/>为取值为0或1的变量,表示场景中k乘客p是否在节点i搭乘车辆u出行;/>分别为场景k下直接登车与接驳出行乘客的登车时间;
步骤S3.2:对可调整出行方案的预定出行乘客与实时随机需求,初始化其出行模式、登车点、出行路线,并对应初始化需求响应接驳公交路线;
具体来说,各场景中乘客出行模式、登车点、出行路线与公交路线的初始化方法与步骤S2.1至步骤S2.2内容相同;
步骤S3.3:根据初始化的乘客出行路线与公交车辆路线,计算乘客出行时刻表与车辆时刻表;对于已出发的公交车辆的初始发车时间不可改变,以确保已出发乘客的出行方案;
具体来说,各场景中乘客出行时刻表与车辆时刻表的计算方法与步骤S2.3内容相同;
公式(51)明确已出发公交车辆的发车时间不可改变;
/>
式中:No表示公交发车场站集合;表示无随机需求时优化得出的公交车辆u到达站点i的时间;/>为场景k下公交车辆u到达站点i的时间;
步骤S3.4:根据当前场景下初始化的乘客出行方案与需求响应接驳公交运营方案,采用混合自适应大邻域搜索算法获取该场景下服务实时随机需求的最佳方案;
具体来说,各场景下的自适应大邻域迭代搜索方法与步骤S2.4内容相同。
在具体实施例中,步骤S4中所述根据场景概率获得具有鲁棒性的车辆运营计划与乘客出行计划,包括以下步骤:
步骤S4.1:整合各场景的车辆运营计划与乘客出行计划最优解与预定出行需求的最优解;
步骤S4.2:根据步骤S2获取的车辆运营计划与乘客出行计划的最优解与各场景的车辆运营计划与乘客出行计划最优解的车辆路线,并计算相似矩阵,将各场景中的车辆路线分配至步骤S2获取的最优解的路线中;
步骤S4.3:根据步骤S2获取的需求登车点与各场景中优化得到的预定出行乘客的登车点,计算乘客与登车点的隶属度矩阵,确定乘客登车点;
步骤S4.4:根据计算得出的登车点,结合各场景中乘客出行路线,计算登车点与各场景中乘客出行路线的隶属度矩阵,将登车点分配至乘客出行路线上;
步骤S4.5:根据登车点与乘客出行路线的分配情况,结合登车点在各场景路线中的位置信息,计算登车点的位置矩阵,确定登车点在各路线中的位置,从而确定需求响应接驳公交的运行路线。
本发明实施例提供的考虑动态需求的需求响应接驳公交与共享电单车的耦合优化方法,以两阶段混合自适应大邻域搜索算法进行求解,具体包括:
第一阶段,基于预定出行乘客的出行偏好与位置信息,共享电单车的投放点位置信息,初始化乘客出行模式、出行路线、出行时刻表,与公交车辆行驶路线、运营时刻表,进一步使用混合自适应大邻域搜索算法进行迭代,获取预定出行乘客的最优出行方案与公交车辆运营方案;
第二阶段,以第一阶段生成的方案为基础,根据各场景中实时随机需求的产生时间,研判随机需求产生后可调整的车辆路线与乘客出行方案,将其与实时随机需求一同再次优化,方法与第一阶段相同,获得各场景下的最佳乘客出行方案与车辆运营方案;最后协同优化各场景结果,获得鲁棒性的车辆运营计划与乘客出行计划。
本实施例中,乘客出行需求点与共享电单车投放点均为离散分布,车辆来自同一公交场站,并到达同一换乘枢纽点。其中,换乘枢纽点为城市干线公共交通站点,包括但不限于地铁站点,BRT站点和快、干线普通公交站点。
本实施例中提供的方法以需求响应接驳公交总系统成本最小为设计目标,考虑乘客出行偏好与实施随机需求增加可能导致的公交运营的动态变化,灵活决策乘客出行与车辆运营方案,实现两种交通模式的有效融合,以最小化成本来最大化发挥公共交通的服务效率,提升城市公共交通的竞争力。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (1)
1.一种考虑动态需求的需求响应公交与共享电单车耦合优化方法,其特征在于,包括以下步骤:
步骤S1:获取乘客出行需求数据和研究区域内共享电单车投放位置分布数据;所述乘客出行需求数据包括需求点乘客人数与乘客出行偏好时间;所述投放位置分布数据包括共享电单车的投放点、共享电单车与各需求点之间的距离;构建同时使车辆运营成本、共享电单车骑行成本以及乘客出行成本最小化的总目标函数,并初始化所述总目标函数内的参数;
所述总目标函数为
式中:J为总目标函数;δ表示时间价值;disij为两个节点i与j之间的距离;v1、v2、v3分别表示车辆行驶速度、乘客骑行速度与步行速度;为乘客的偏好出行时间;c0为一辆公交车的发车成本;f为共享电单车的单位使用成本;/>分别为直接登车与接驳出行乘客的登车时间;/>表示接驳出行的乘客到达节点的时间;追索权函数/>表示不同场景下插入实时需求带来的成本;Pk表示不同场景的发生概率;N为所有节点集合;U为所有车辆集合;B为所有共享电单车投放点集合;P为所有乘客集合;Z为所有需求点集合;No为所有需求响应接驳公交始发站点集合;K为实时随机需求产生场景的集合;wz为取值为0或1的变量,表示需求点z是否被选为登车点;/>为取值为0或1的变量,表示需求响应接驳公交u是否服务节点i与j之间的路段;/>为取值为0或1的变量,表示乘客p是否使用共享电单车骑行共享电单车投放点a与b之间的路段;/>为取值为0或1的变量,表示乘客p是否步行自需求点z至共享电单车投放点a;
所述追索权函数为
式中:V表示包含实时随机需求点在内的所有点的集合;P′表示包含实时随机需求在内的所有乘客集合;Z′表示包含实时随机需求点在内的所有需求点集合;分别为场景k下直接登车与接驳出行乘客p离开节点z的时间;/>表示场景k下接驳出行的乘客p到达节点i的时间;/>与/>为取值为0或1的变量,表示场景k下需求响应接驳公交u是否增加或删除节点f与j之间的路段;/>与/>为取值为0或1的变量,表示场景k下需求响应接驳公交u是否增加或删除共享电单车投放点a与b之间的路段;/>与/>为取值为0或1的变量,表示场景k下乘客p是否增加或删除需求点z与共享电单车投放点a之间的步行路段;
步骤S2:根据乘客出行需求数据和研究区域内共享电单车投放位置分布数据初始化乘客出行模式,并根据乘客出行模式初始化乘客的登车点;所述乘客出行模式包括直接登车出行或共享电单车接驳出行;且以需求响应接驳公交始发站为起点,以换乘枢纽为终点,在满足车载容量约束的条件下,将所述乘客登车点串联获得多条候选路径;针对接驳出行的乘客所在需求点与登车点位置信息生成共享电单车骑行线路的起点,并按照需求点-骑行线路起点-登车点的模式串联生成接驳乘客路线;根据所述候选路径与接驳乘客路线的集合,采用混合自适应大邻域搜索算法获取使总目标函数最优的需求响应接驳公交行驶路线与乘客出行计划;
所述采用混合自适应大邻域搜索算法获取使总目标函数最优的需求响应接驳公交行驶路线与乘客出行计划,包括以下步骤:
步骤S2.1:初始化乘客出行模式,并根据登车点约束初始化相对应的乘客登车点;
步骤S2.2:根据乘客登车点,考虑车载容量约束,以确定初始化需求响应接驳公交的路线与乘客出行路线;
步骤S2.3:根据乘客偏好出行时间与车辆行驶时间约束,确定需求响应接驳公交的访问时间与乘客出行时刻表;
步骤S2.4:基于确定需求响应接驳公交的访问时间与乘客出行时刻表,根据初始化需求响应接驳公交运营计划与乘客出行计划,采用混合自适应大邻域搜索算法搜索更优的运营计划与出行计划;
步骤S2.4.1:将初始化的车辆运营计划与乘客出行计划作为初始解,根据贪婪与随机选择规则,构建出行模式、登车点以及车辆路线的多个算子,按照出行模式-登车点-车辆路线的模式随机选择算子进行组合,更新乘客出行计划与需求响应接驳公交运营计划;
步骤S2.4.2:为每个算子组合分配权重,并根据每个算子组合分配权重获取车辆运营计划与乘客出行计划的优化解,进行动态调整算子组合的迭代,以便获得更优的解;
步骤S2.4.3:若迭代后的解优于当前最优解,则保留迭代解,否则保留当前最优解;当迭代次数达到最大次数,或运行时间达到最大运行时间时停止迭代,搜索过程结束;
步骤S3:基于获取的需求响应接驳公交行驶路线与乘客出行计划,考虑不同场景下实时随机需求的产生时间,确保随机需求产生时已出发乘客的需求响应接驳公交路线调整不会产生影响,并初始化随机需求的出行模式、登车点、出行路线以及需求响应接驳公交路线,通过混合自适应大邻域搜索算法获取各场景下服务实时随机需求的最佳方案;
所述通过混合自适应大邻域搜索算法获取各场景下服务实时随机需求的最佳方案,包括以下步骤:
步骤S3.1:根据场景中实时随机需求的产生时间,若随机需求产生时乘客已出发,则已出发乘客的出行方案不可调整,以确保后续需求响应接驳公交路线调整不会对其产生影响;
步骤S3.2:对可调整出行方案的预定出行乘客与实时随机需求,初始化其出行模式、登车点、出行路线,并对应初始化需求响应接驳公交路线;
步骤S3.3:根据初始化的乘客出行路线与公交车辆路线,计算乘客出行时刻表与车辆时刻表;
对于已出发的公交车辆的初始发车时间不可改变,以确保已出发乘客的出行方案;
步骤S3.4:根据当前场景下初始化的乘客出行方案与需求响应接驳公交运营方案,采用混合自适应大邻域搜索算法获取该场景下服务实时随机需求的最佳方案;
步骤S4:根据各场景的最优出行方案,协同优化多个场景下的车辆行驶计划与乘客出行计划,计算近似矩阵、隶属度矩阵及位置矩阵,并根据场景概率获得具有鲁棒性的车辆运营计划与乘客出行计划;
步骤S4.1:整合各场景的车辆运营计划与乘客出行计划最优解与预定出行需求的最优解;
步骤S4.2:根据步骤S2获取的车辆运营计划与乘客出行计划的最优解与各场景的车辆运营计划与乘客出行计划最优解的车辆路线,并计算相似矩阵,将各场景中的车辆路线分配至步骤S2获取的最优解的路线中;
步骤S4.3:根据步骤S2获取的需求登车点与各场景中优化得到的预定出行乘客的登车点,计算乘客与登车点的隶属度矩阵,确定乘客登车点;
步骤S4.4:根据计算得出的登车点,结合各场景中乘客出行路线,计算登车点与各场景中乘客出行路线的隶属度矩阵,将登车点分配至乘客出行路线上;
步骤S4.5:根据登车点与乘客出行路线的分配情况,结合登车点在各场景路线中的位置信息,计算登车点的位置矩阵,确定登车点在各路线中的位置,获取需求响应接驳公交的运行路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310642879.9A CN116629567B (zh) | 2023-06-01 | 2023-06-01 | 考虑动态需求的需求响应公交与共享电单车耦合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310642879.9A CN116629567B (zh) | 2023-06-01 | 2023-06-01 | 考虑动态需求的需求响应公交与共享电单车耦合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116629567A CN116629567A (zh) | 2023-08-22 |
CN116629567B true CN116629567B (zh) | 2024-01-16 |
Family
ID=87591780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310642879.9A Active CN116629567B (zh) | 2023-06-01 | 2023-06-01 | 考虑动态需求的需求响应公交与共享电单车耦合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629567B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117409563B (zh) * | 2023-10-12 | 2024-03-26 | 华中科技大学 | 一种基于共享单车的多模式动态公共交通流分配方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704993A (zh) * | 2019-09-11 | 2020-01-17 | 东南大学 | 一种疏解地铁客流压力的定制公交线路设计方法 |
CN112085349A (zh) * | 2020-08-19 | 2020-12-15 | 大连海事大学 | 一种基于乘客出行时间窗约束的需求响应公交调度方法 |
CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
CN113393073A (zh) * | 2021-04-09 | 2021-09-14 | 吉林大学 | 一种共享汽车与轨道交通换乘接驳的调度系统及方法 |
CN113627669A (zh) * | 2021-08-10 | 2021-11-09 | 中国联合网络通信集团有限公司 | 交通路线优化处理方法、装置及设备 |
EP4030376A1 (en) * | 2021-01-16 | 2022-07-20 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining an impact of ride pooling on a traffic situation |
CN115547052A (zh) * | 2022-10-14 | 2022-12-30 | 大连海事大学 | 改进自适应大领域算法的动态需求响应电动公交调度方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11193775B2 (en) * | 2018-11-14 | 2021-12-07 | Here Global B.V. | Method and apparatus for providing a dynamic virtual connection through a shared vehicle |
US11669786B2 (en) * | 2020-02-14 | 2023-06-06 | Uber Technologies, Inc. | On-demand transport services |
CN112907188B (zh) * | 2021-03-12 | 2022-05-24 | 北京化工大学 | 一种基于自适应邻域搜索算法的共享单车搬运优化方法 |
-
2023
- 2023-06-01 CN CN202310642879.9A patent/CN116629567B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704993A (zh) * | 2019-09-11 | 2020-01-17 | 东南大学 | 一种疏解地铁客流压力的定制公交线路设计方法 |
CN112085349A (zh) * | 2020-08-19 | 2020-12-15 | 大连海事大学 | 一种基于乘客出行时间窗约束的需求响应公交调度方法 |
CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
EP4030376A1 (en) * | 2021-01-16 | 2022-07-20 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining an impact of ride pooling on a traffic situation |
CN113393073A (zh) * | 2021-04-09 | 2021-09-14 | 吉林大学 | 一种共享汽车与轨道交通换乘接驳的调度系统及方法 |
CN113627669A (zh) * | 2021-08-10 | 2021-11-09 | 中国联合网络通信集团有限公司 | 交通路线优化处理方法、装置及设备 |
CN115547052A (zh) * | 2022-10-14 | 2022-12-30 | 大连海事大学 | 改进自适应大领域算法的动态需求响应电动公交调度方法 |
Non-Patent Citations (5)
Title |
---|
Nonlinear effects of factors on dockless bike-sharing usage considering grid-based spatiotemporal heterogeneity;Yacan Wang 等;Transportation Research Part D;第104卷;1-24 * |
Railcar reallocation optimization on water-rail network under uncertain busyness;Yun Yuan等;Advanced Engineering Informatics;第55卷(第101828期);1-13 * |
共享单车影响下接驳公交线路设计与车辆配置方法;刘路美等;交通运输系统工程与信息;第23卷(第1期);165-175 * |
响应型接驳公交运行路径与车辆调度的协调优化;王正武;易童翔;高志波;;交通科学与工程(第01期);全文 * |
考虑共享单车的城市轨道交通社区接驳规划与公交调度综合优化;靳爽;庞明宝;;公路交通科技(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116629567A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111291920B (zh) | 一种考虑多因素多场景的电动汽车充电站推荐方法 | |
CN107101643B (zh) | 一种拼车匹配方法 | |
CN109344529B (zh) | 一种基于两阶段启发式算法的定制公交线路设计方法 | |
Zhu et al. | Public vehicles for future urban transportation | |
JP6897495B2 (ja) | 配車システム及び配車方法 | |
US20190108468A1 (en) | Method and apparatus to operate smart mass transit systems with on-demand rides, dynamic routes and coordinated transfers | |
CN106042963B (zh) | 电气化交通网络和电力系统的协同优化方法与系统 | |
CN109308574B (zh) | 一种实时响应的互联网半灵活公交调度方法 | |
JP6930380B2 (ja) | 配車システムおよびそれに用いられる配車装置ならびに配車方法 | |
CN107564269B (zh) | 一种基于支付意愿的半灵活公交调度方法 | |
CN116629567B (zh) | 考虑动态需求的需求响应公交与共享电单车耦合优化方法 | |
CN112085249B (zh) | 一种基于强化学习的定制公交线路规划方法 | |
CN115547052B (zh) | 改进自适应大邻域算法的动态需求响应电动公交调度方法 | |
CN112381472B (zh) | 一种地铁接驳公交线路优化方法、装置及存储介质 | |
CN111144618A (zh) | 一种基于两阶段优化模型的需求响应型定制公交网络规划方法 | |
CN107092986B (zh) | 基于站点及共线运行的公交乘客出行路径选择方法 | |
CN112561249A (zh) | 面向实时需求的城市定制公交调度方法 | |
CN113657673A (zh) | 一种考虑异质车辆的需求响应式公交路径优化方法 | |
CN115423168A (zh) | 一种考虑服务稳定性的定制公交路网优化方法及系统 | |
CN113592335A (zh) | 一种无人驾驶接驳车辆乘客需求匹配与车辆调度方法 | |
CN114742340A (zh) | 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法 | |
Tang et al. | Dynamic operations of an integrated mobility service system of fixed-route transits and flexible electric buses | |
CN113379159A (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
CN112270480A (zh) | 自动驾驶出租车调度方法及调度系统 | |
CN111738490A (zh) | 柔性公交线路资源复用分配调度方法 |
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 |