浅谈公交优化调度问题PPT资料.ppt

浅谈公交优化调度问题PPT资料.ppt

《浅谈公交优化调度问题PPT资料.ppt》由会员分享，可在线阅读，更多相关《浅谈公交优化调度问题PPT资料.ppt（29页珍藏版）》请在冰豆网上搜索。

其中，行车时刻表的制定是整个计划的重中之重，是制定其它计划的前提。

行车时刻表是按照线路的当前客流量情况，确定发车频率，提供线路车辆的首、末车时间。

行车时刻表是公交企业对社会的承诺，它决定着为乘客服务的水平，发车间隔越小，服务水平越高，但是公交企业投入的成本越高。

行车时刻表的编制应是在满足客流需求的前提下，尽量减少不必要的投入。

这是个多目标优化问题，对于公交公司来说，在一定的顾客满意度的前提下，公司派出的车辆次数越少，其积极效益越高；

而对于顾客来说，等待的时间越少，满意度越高。

二、国内外研究情况综述查阅国内外有关公交优化调度方面的文献，可以看出，已有众多学者对公交运营设计中的运行线路、时刻表、以及车辆路径等问题分别进行过有益的探索，给出了解决复杂运营设计、时刻表优化等问题的模型、算法等，而且基于不同目标函数、不同约束条件给出了问题的解决方案，这对于该领域的进一步研究工作提供了极为可贵的借鉴意义。

总结一下，已有研究大致从以下方面探讨了公交优化调度问题：

1）基于不同目标、不同约束条件下的优化模型的建立公交运营设计是个多目标的优化问题和较复杂的决策过程，因为涉及公交公司、乘客等多方利益。

因此，公交运营优化设计模型的构建必须平衡公交乘客和公交企业之间的利益。

如：

覃运梅在文章公交调度优化模型中，研究了公交车调度的优化问题。

以总收益最大为目标,以满载率和最大发车间隔为约束建立了优化模型。

宋瑞,何世伟等在文章公交时刻表设计与车辆运用综合优化模型中，构造基于随机期望值规划的公交时刻表设计与车辆运用综合优化模型，该模型综合考虑了公交企业的经济效益和公交乘客所得到的公交服务水平的优化，并给出公交服务频次和车辆分配协调的启发式算法。

ChakrobortyP.,DebK.,andSubrahmanyamP.S.在文章OptimalSchedulingforUrbanTransitSystemsusingGeneticAlgorithms中，基于使换乘乘客和候车乘客的等待时间最小化建立时刻表优化模型。

22）针对调度问题数据量巨大的特点，对模型计算方法的研究公交车辆调度所要处理的数据量是巨大的，因此，如何有效地重组、利用已知数据建立模型，并提出运算效率较高的计算方法很值得研究。

这方面，已提出好多算法，如：

覃运梅在文章公交调度优化模型中，提出用计算机枚举的方法求解她所建立的模型，从而给出线路的发车间隔、评价指标及发车时刻表。

任传祥，张海,范跃祖在文章混合遗传-模拟退火算法在公交智能调度中的应用中，兼顾企业与乘客的利益建立了公交车辆行车计划模型，将遗传算法与模拟退火算法相结合，组成混合遗传模拟退火（GA-SA）算法，对公交行车调度进行优化。

CederAvishaiandOferTal.在文章TimetableSynchronizationforBuses中，提出了一种启发式算法，基于同时到达换乘站点的车辆数最多求得最优解，研究了车辆同步性问题。

另外，还有学者用图表分析方法、数值分析方法、模糊控制方法、运筹学理论等对所建立的模型进行求解。

33）公交系统内换乘最优化问题的研究这方面也有大量学者进行过研究。

周雪梅,杨晓光在文章基于ITS的公共交通换乘等待时间最短调度问题研究中，研究了ITS实时提供公共交通信息的条件下,公共交通换乘等待时间最短调度问题。

基于使公共交通的换乘时间最短，从而实现最佳衔接的目标下，应用运筹学理论，分别针对一个换乘点和多个换乘点的情况建立了线性规划模型，并给出了公共汽车发车时刻表的确定方法。

BookbinderJamesH.andAlainDesilets在文章TransferOptimizationinaTransitNetwork中，研究了公交网络的换乘最优化问题，指出我们应该重视公交车的实际运营问题。

他们在研究过程中综合考虑了政策因素、车辆行程时间的随机性、仿真和最优化的组合问题，给出了基于车辆到达具有随机性，以及不同目标函数和换乘规则条件下的换乘最优化等问题。

44）不同运输方式间换乘最优化问题的研究国外学者对此进行过大量研究，如：

Kikuchi,S.andParameswaran,J在文章Solvingaschedulecoordinationproblemusingfuzzycontroltechnique中，使用一种模糊控制方法，研究了机场枢纽站和公交车站的协调性问题。

他们使用了诸如高、低、小、更多等模糊规则实现时刻表调整，得到了比枚举方法更优的结果。

ShrivastavaP.,andS.L.在文章Dhingra.DevelopmentofCoordinatedSchedulesusingGeneticAlgorithms中，研究了火车和常规公交车辆间的协调性问题。

通过建立火车与公交车辆间的换乘时间最短和公交系统运营成本最低的多目标函数，使用ScheduleOptimizationModel（时刻表优化模型），实现了公交车的协调调度。

55）公交运营设计中的运行线路、车辆路径等问题的研究这方面的研究，如：

Shih,M.C.,Mahmassani,H.S.,andBaaj,M.H在文章APlanningandDesignModelforTransitRouteNetworkswithCoordinatedOperations中，指出：

在研究公交车时刻表协调性问题时，应考虑三个主要因素：

1）合理选择各个公交中心；

2）公交网络的设计；

3）协调和不协调状况下，发车时间间隔的确定。

6）运营成本及社会效益方面的研究HanandAnthonyF在文章AssessmentofTransferPenaltytoBusRidersinTaipei:

DisaggregateDemandModelingApproach中，评估了台北、台湾公交乘客换乘时间对应的经济损失，指出目前算法可能低估了换乘损失。

作者用分离的二项选择模式描述公交乘客的行为。

研究表明，以相应时间内可创造的经济价值估算，步行时间可创造价值约为对应的乘车时间可创造价值的6倍，而等待时间内可创造价值则为乘车时间内对应价值的3倍。

何宝泉,吴斯浩等在论文公交车调度优化模型中，提出了制定一条公交线路车辆调度方案的优化数学模型。

模型中计算了乘客在车站等候的时间内所可能创造的财富社会效益，并将乘客因候车而丧失创造该财富的机会看成一种社会成本。

综合考虑公交公司运营成本和相应的社会成本，对车辆调度方案进行评估。

三、选读论文中的模型分析三、选读论文中的模型分析Title:

MinimizingTransferTimesinaPublicTransitNetworkwithaGeneticAlgorithmAuthor:

byFabianCevallos&

FangZhao这篇论文基于遗传算法，提出了解决公交系统内换乘时间最优化问题的系统性方法。

主要是通过调整现有时刻表，找到最优解决方案。

文中所提出的方法用到了现有时刻表和所有换乘站点的乘客资料，并考虑了车辆到达的随机性。

基于BrowardCountyTransit公交公司所提供的调度资料，计算了系统目前状况下的总换乘时间，以及用本文所介绍的方法对系统现有时刻表进行调整，所得推荐系统的总换乘时间，结果表明该算法可以在很大程度上节约公交系统的总换乘时间。

1、建模过程假设公交系统中有N条公交线路，我们来考察一位乘客从线路i上的车p换乘到线路j上的车q所需的时间。

设公交车p所在车站为k，而车q所在车站为l。

记公交车p到达k站的到达时间为aikp，ikp为因车辆到达随机性所致的车p到达k站的实际时间与时刻表规定时间的偏离值，Si为线路i的时刻表调整时间，Wijkl为换乘旅客从车站k步行到车站l所需时间。

因此，（aikp+ikp+Si+Wijkl）便是要从车p换乘车q的旅客到达车站l的时刻。

现在考察车q的离开时间。

记djlq表示时刻表规定的车q应从车站l发出的时间，jlq和Sj与ikp和Si具有相同的意思。

因此，（djlq+jlq+Sj）表示考虑了时刻表误差和对线路j的时刻表作适当调整后的公交车q的新的发车时间。

因此，等候车q的乘客花去的换乘时间为（djlq+jlq+Sj）-（aikp+ikp+Si+Wijkl）。

对所有线路上全部车辆间可能换乘的所有乘客进行加和，便得到了整个系统中的总换乘时间。

用公式表达为：

22、模型求解步骤.2骤步解求型模流据数，式公型模的立建所面上算运法算传遗用图见程1。

示所首先，从公交调度数据库中获取时刻表，便得到各条线路上公交车辆安排好的到达和离开时间其次，从AVL或APC系统中获取车辆到达和离开的实时数据，以及换乘旅客信息接着，数据经过格式化和质量保证处理，同时生成相关矩阵和乘客换乘矩阵然后，利用遗传算法进行优化处理最后，得到最终结果，即时间调整量，保存并用来生成新的时刻表这里的遗传算法是使用代表时间调整量的整数进行编码（即采用整数编码方法）。

因此，代表解的字符串中包含N个整数，这里N是线路条数。

交换操作类似于标准遗传算法中的交换操作。

突变操作是在突变频率的基础上，从所有可能的时间调整值中选取一个基因，替代当前基因值。

在遗传算法中，各条线路的时间调整量是通过遗传迭代进行计算的，从而找到最优解。

当满足预先设定的条件时，算法结束。

这些预先设定的条件可能是对处理事件的限制，或在很多代中找不到更优解时，算法结束。

最后，保存所得时间调整量，并用来生成新的时刻表。

3、应用中应注意的问题有：

本文使用遗传算法解决了换乘时间最优化问题。

基于发车间距保持不变，对线路固定的公交系统，通过检索车辆离开和到达的最优组合，实现了时刻表间的协调，以减少换乘时间。

算法设计过程中，考虑了各种行程组合、车辆到达和离开的随机性、步行时间和换乘旅客数等因素。

基于系统中一个或一组时刻表保持不变，考虑调整剩余时刻表，同时附加了诸如不同行程组合保持不变等约束条件。

本研究旨在：

不对公交公司提供的服务产生重大影响的条件下，将该方法作为生成时刻表处理过程中的一部分，以实现换乘时间的最优化。

在不需要额外增加投资、劳动力和影响政策条件下，将该方法并入调度处理过程中，为操作层面提供一种工具。

图2描绘出换乘最优化是如何并入到调度过程中的。

考虑发车时间间隔变动的遗传算法在世纪中也有应用，但他们可能不太适合那些需要认真考虑设计、运营和地区差异性等因素的问题。

另外，美国的公交公司一般不轻易调整发车间隔，因为这有可能触及劳动契约规则、资源再分配或政策管辖公正等问题。

因此，这类算法可能不会被那些不需要变动发车间隔的公交公司所接受。

4、案例分析1）应用该方法过程中需要以下数据：

时刻表提供线路、换乘站点和到达时间；

线路图提供各条线路和他们的站点信息；

公交系统图显示所有线路和换乘站点信息；