即时响应式定制公交调度优化

发布时间：2025-05-07 21:13

　　 调度是支撑即时响应式定制公交运营的关键技术。针对即时响应式定制公交高度分散和随机的乘客出行需求的特点,建立了即时响应式定制公交两阶段调度决策模型。第1阶段进行定制公交初始线路整体决策,以车辆数(线路数)最少为目标,根据区域内分时段的高概率出行OD点的地理分布,优化定制公交系统的初始线路;第2阶段进行车辆实时调度决策,以乘客延误成本最小、运输企业利润最大以及未服务乘客造成的损失最小为目标,在初始线路的基础上,结合实时乘车请求的时空分布、上/下车站点关系、上/下车时间、车辆容量等限制条件,对各线路车辆的实际行驶路线以及到站时刻进行决策。两阶段调度方法从整体和局部两个层面平衡了运输企业和乘客双方的利益,在车辆实时调度决策中兼顾了实时需求和后续最可能需求对调度决策方案的影响。根据两阶段调度模型的特点,分别设计了改进的遗传算法和带精英策略的快速非支配排序遗传算法(NSGA-II)。最后,以广州市内的高概率出行点为例对即时响应式定制公交两阶段调度模型和算法进行了验证。仿真结果表明:初始线路优化模型能够生成数量最少且覆盖区域内所有高概率出行点的线路,车辆实时调度决策模型能够根据实际乘车请求合理调整车...

【文章页数】：9 页

【部分图文】：

图1 即时响应式定制公交调度决策过程

即时响应式定制公交调度决策是行驶线路预规划与车辆实时调度的综合体。由于即时响应式定制公交需要整合高度分散和随机的乘客出行需求,基于提高定制公交系统效益和服务水平的考虑,本研究提出在调度中首先根据区域内分时段的高概率出行OD点对(如商业中心、大型社区等)预先优化定制公交车辆的初始路....

图2 车辆初始线路优化模型的编码

定制公交车辆的初始线路是由多个站点按照一定顺序排列形成的序列,本文采用自然数1,2,…,m表示服务区域内的高概率上车站点,其对应的下车站点则采用m+1,m+2,…,2m进行编号。在遗传算法中,染色体采用实数编码并用二维矩阵存储,矩阵的每一行代表一辆车的初始线路,如图2所示。(2)....

图3 车辆5到达站点的时间(单位:分钟)

表4车辆5的线路调整方案Tab.4Routeadjustmentschemeofvehicle5序号行驶路线初始行驶路径1—2—3—4—5—6—7—8—9—10—11—12第1次调整1(13)—2(19)—3(15)—4(16)—5(14)—6—7(20....

本文编号：4043802