CN105448082B - 一种可变间隔发车的快速公交车组合调度方法 - Google Patents

Abstract

本发明属于公共交通调度优化技术领域，尤其涉及一种可变间隔发车的快速公交车组合调度方法：包括：确定站点总数、发车总次数并获取站点间车辆的行驶时间、客流信息、乘客的上车花费时间、下车花费时间、车辆停靠消耗时间；得到每个站点的上下车乘客数并以此确定站点类型为快速公交车站点或普通公交车站点，并以组合方式和发车间隔为决策变量，建立公交调度模型，计算出各车辆在各站点的停靠时间和上下车的乘客数，求出目标函数表达式，即计算出乘客平均等车时间、乘客平均在车时间和车辆平均载客人数；使用粒子群优化算法求解模型获得乘客平均等车时间、乘客平均在车时间尽可能小而车辆平均载客人数尽可能大的包含发车间隔和发车类型的调度方案。

Description

一种可变间隔发车的快速公交车组合调度方法

技术领域

本发明属于公共交通调度优化技术领域，尤其涉及一种可变间隔发车的快速公交车组合调度方法。

背景技术

随着我国经济和城市化进程的快速发展，城市机动车保有量迅猛增长，交通资源供给已经严重不足。然而，我国特有的“大院式”土地利用方式使得很多区域难以被传统公共交通***有效覆盖，出现居住点、办公地点等活动区域远离公交、地铁等公共交通站点等现象。正是在这种需求的指引下，“微公交***”的理念应运而生。它通过改善“大院”内部的微循环，与周边常规公交无缝接驳，有效解决“大院”内居民的出行问题，大幅缩小步行距离，减少出行时间。而公交调度则是微循环中最重要的环节之一。

现有微公交***中的公交调度往往过于简单，难以应对微公交***中客流量集中的问题。在引入快速公交车后，现有的模型也往往只关注于快速公交与普通公交的组合方式，采用简单的等间隔发车，而这样的调度方式效率是低下的，远远不能满足微***对客流负担能力和车辆准点率的要求，常常出现公交车之间“串车”、“大间隔”等现象。因此，目前微***下的公交利用率远远达不到期望值，很多居民仍旧选择私家车出行。

发明内容

为了进一步优化快速公交车与普通公交车的组合方式和车辆之间的发车间隔，降低乘客平均等车时间和在车时间、提高公交车载客率，克服现有快速公交车调度模型只关注车辆组合方式的问题，本发明提出了一种可变间隔发车的快速公交车组合调度方法，包括：

步骤1：确定需要研究的路段和时间段，包括站点总数、发车总次数；并获取站点间车辆的行驶时间，该路段的客流信息；确定每位乘客的上车花费时间、下车花费时间、车辆停靠消耗时间；

步骤2：根据该路段的客流信息，统计整理得到每个站点的上下车乘客数，根据上下车乘客数确定站点类型为快速公交车站点或普通公交车站点；

步骤3：以快速公交车与普通车的组合方式和车辆之间的发车间隔为决策变量，建立公交调度模型，计算出各车辆在各站点的停靠时间和在各站点上下车的乘客数；

步骤4：根据得到的各车辆在各站点的停靠时间和在各站点上下车的乘客数，求出目标函数表达式，即计算出整个路段在研究的时间段内：乘客平均等车时间、乘客平均在车时间和车辆平均载客人数；

步骤5：使用粒子群优化算法求解模型，使得乘客平均等车时间、乘客平均在车时间尽可能小，车辆平均载客人数尽可能大，从而得到一个包含发车间隔和发车类型的调度方案。

所述客流信息通过实地统计和估算获得，或通过公交刷卡售票***自动获得。

所述步骤3包括：

步骤301：计算车辆到站时的时刻；以及该时刻车上的乘客信息和站台上的客流信息；

步骤302：计算在不超载的情况下，乘客上下车人数以及所花费的时间；

步骤303：计算车辆离站时的时刻；以及该时刻车上的乘客信息和站台上的客流信息。

所述步骤4包括：

步骤401：计算出整个路段在研究的时间段内乘客平均等车时间W₁；

步骤402：计算出整个路段在研究的时间段内乘客平均在车时间W₂；

步骤403：计算出整个路段在研究的时间段内车辆平均载客人数W₃；

步骤404：将W₁、W₂、W₃按一定的权重相加即得到目标函数。

本发明与现有技术相比，具有以下优点：

在微公交***中引入快速公交车，将它与普通公交车组合发车，比传统的采用单一车型运营，可以更好的解决个别站点客流量集中的问题。

突破传统发车间隔固定的束缚，采用变间隔发车，缓解了高峰路段的负荷量，更有效的避免了公交车之间“串车”、“大间隔”现象的出现。

首次提出车辆组合方式与发车间隔同时优化，比现有的公交调度优化算法有更好的优化效果，更利于乘客时间成本的节约和公交公司运营利润的扩大。

具体实施方式

本发明提出了一种可变间隔发车的快速公交车组合调度方法，包括：

在步骤1中，根据实际情况和需要，先确定站点总数n和发车总次数m；然后根据相邻两站点间的距离和路况，确定从第i-1站到第i站的行驶时间L_i。之后，根据车型确定最大载客量M，根据实际情况估算出车辆因停靠而减速所消耗的时间a、每一位乘客上车所花费的时间b和每一位乘客下车所花费的时间c。最后，通过实地统计和估算，得出客流的OD矩阵{O_ij}，O_ij表示单位时间内到达第i站且将要去第j站的乘客数。

在步骤2中，通过对客流OD数据的统计整理，得到每个站点的上下车乘客数。根据该数据确定客流高峰站点，并将这些站点设为快速公交车站点。这些站点用布尔变量S_i表示：S_i＝1表示站点i是快车车站，S_i＝0站点i不是快车车站。

步骤3：以快速公交车与普通车的组合方式E_k(E_k＝0表示第k辆车为普通车，E_k＝1表示第k辆车为快速公交车)和车辆之间的发车间隔G_k(第k辆车的发车时刻与第k-1辆车的发车时刻之差)为决策变量，建立公交调度模型：在车辆k到达站点i时，利用前k-1辆车和前i-1站的信息，结合当前客流情况，计算出车辆k在站点i的停靠时间和在该站上下车的乘客数。利用递推关系，便可得到全时间域下全路段的车辆信息和乘客信息。

在步骤301中，当车辆k到达第i站时，一方面此时时刻H_ki等于车辆到达上一站的时刻H_k(i-1)加上其在上一站的停靠时间T_k(i-1)和之后的行驶时间L_i。特别的，车辆k到达第1站的时刻H_k1是车辆k的发车时刻与到第一站之前的行驶时间L₁之和。再利用H_ki可求出车辆k与车辆k-1到达第i站的时间差F_ki。

另一方面，此时站台上要去第j站的乘客数D_kij等于上一辆车离开时就已经在车站的乘客数Q_(k-1)ij加上这期间新到的乘客O_ij×(F_ki-T_(k-1)i)，即

其中，Q_kij代表车辆k离开第i站时，站台上要去第j站的乘客数。

在步骤302中，首先计算下车乘客数V_ki。

其中，U_kji表示在第j站上了第k辆车且想要去第i站的乘客数。

受车辆载客容量M的限制，乘客下车后车上空余位置R_ki为

而此时想要上车的乘客数是有可能大于剩余座位的。当车辆k是普通车(1-E_k＝1)时，想上车的目的地为第j站的乘客数为D_kij；当车辆k是快车(E_k＝1)时，想上车的目的地为第j站的乘客数为D_kij×S_i×S_j。故车辆k到达第i站时打算上车且目的地为第j站的乘客数U′_kij为二者之和。车辆k到达第i站时打算上车的乘客数U′_ki为U′_kij之和。

U′_kij＝D_kij(S_iS_jE_k+(1-E_k)) (6)

我们用t_ki表示乘客的上车比例。利用t_ki进而可求出上了此车且目的地是第j站的乘客数U_kij，以及在这一站上了此车的总乘客数U_ki。

U_kij＝_kiU′_kij (9)

车辆到站后，在车辆停靠、乘客上下车的过程中所花费的时间为T_ki。如果车辆是普通车(1-E_k＝1)或者车辆是快车且这一站是快车的站点(E_k×S_i＝1)，则有停车时间，其时间等于减速时间a加上乘客上车花费时间U_ki×b再加上乘客下车花费时间V_ki×c，即

T_ki＝(1-E_k+S_iE_k)(a+bU_ki+cV_ki) (11)

在步骤303中，车辆离开时站台上要去第j站的乘客数Q_kij等于车辆k到达时的乘客数减去上了车的乘客数再加上这期间到达的乘客数。

Q_kij＝D_kij-U_kij+O_ijT_ki (12)

而此时车上的乘客数X_ki等于车辆从第i-1站出发时的乘客数X_k(i-1)加上这一站上车的乘客数U_ki并减去这一站下车的乘客数V_ki，即

在步骤401中，计算乘客平均等车时间，首先计算乘客总的等车时间t。它等于每一个站台上每一辆车到达车站距上一辆车到达车站这段时间内乘客总的等待时间之和。在第i个站台上，车辆k-1到达之后到车辆k到达之前这段时间内：有位乘客在上一辆车到达就已经到达车站，除去在上一站中上车的乘客U_(k-1)i，其余人一直在车站上等待直到这辆车到达，他们的总等待时间为有位乘客在这期间到达，他们的等待时间为有U_(k-1)i位乘客在上一辆车到达时上了车，他们的平均等待时间为车停稳的时间加上排队上车的时间，即总等待时间为

再计算总乘客数O。它是乘客在第i站的到达率乘以第m辆车到达车站i的时刻H_mi之和。

故关于乘客平均等车时间等效的成本W₁：

在步骤402中，首先计算总载客人数U。

我们所关注的是车辆因在车站停靠而耽误的时间对车上乘客的影响，而车辆在路上必须花费的行驶时间不是我们关心的。因此我们定义了乘客平均在车时间因子W₂，用它来衡量乘客在车时间。其定义如式(21)。表示第k辆车从第i站开到第j站实际花费的时间与理想最短时间之比；进而，表示所有乘客在车上“多等待”的时间与理想时间之比。该比值再除以总载客数U即为乘客平均在车时间因子。它反映了乘客在车上因车停靠、其他乘客上下车而耽误的时间长短。

在步骤403中，公交公司运营车辆平均载客人数W₃为总载客数除以路段总数和车辆总数。

在步骤404中，目标函数W是由三部分组成：

maxW＝A₃×W₃-A₁×W₁-E₂×W₂ (23)

其中，A₁是乘客平均等车时间的成本系数；A₂是平均在车时间的成本系数；A₃是车辆平均载客人数的收益系数。

在步骤5中，粒子群算法是一个迭代寻优的算法，它利用粒子群在空间内的随机游走来寻找优化问题的最优解。由于本模型中控制变量有两个，分别为布尔变量E_k和正整型数变量G_k，所以我们采取“整数、二进制”混合的粒子群优化算法，具体步骤为：

(1)决定粒子个数，随机初始化粒子的位置。由于E_k和G_k各有m个，故粒子长度为2m。

(2)使用迭代公式计算每个粒子的速度和新的位置。用X_i＝(x_i,1,x_i,2,...,x_i,2m)表示粒子位置，V_i＝(v_i,1,v_i,2,...,v_i,2m)表示粒子速度，则迭代公式为：

（26）

（27）

（28）

（29）

是粒子i在第k次迭代中第d维的速度；c₁、c₂是加速系数；rand₁、rand₂是[0,1]间的随机数；是粒子i在第k次迭代中第d维的当前位置；pbest_id是粒子i在第d维的个体极值点的位置；gbest_d是整个群在第d维的全局极值点的位置；round()为取整函数；是[0,1]间的随机数；χ为压缩因子，它有助于确保PSO算法收敛；ω为惯性权重，用惯性权重来控制前面的速度对当前速度的影响。

(3)比较所有粒子的新位置和该粒子曾经到过的最好位置pbest_id的适应度，若的适应度更大，则比较所有粒子的最好位置，更新群体最好位置gbest_d。

(4)回到步骤(2)，直到算法收敛，或达到迭代次数。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种可变间隔发车的快速公交车组合调度方法，其特征在于，包括：

步骤1：确定需要研究的路段和时间段，包括站点总数、发车总次数；并获取站点间车辆的行驶时间，该路段的客流信息；确定每位乘客的上车花费时间、下车花费时间、车辆停靠消耗时间；

步骤2：根据该路段的客流信息，统计整理得到每个站点的上下车乘客数，根据上下车乘客数确定站点类型为快速公交车站点或普通公交车站点；

步骤3：以快速公交车与普通车的组合方式和车辆之间的发车间隔为决策变量，建立公交调度模型，计算出各车辆在各站点的停靠时间和在各站点上下车的乘客数；

步骤4：根据得到的各车辆在各站点的停靠时间和在各站点上下车的乘客数，求出目标函数表达式，即计算出整个路段在研究的时间段内：乘客平均等车时间、乘客平均在车时间和车辆平均载客人数；

步骤5：使用粒子群优化算法求解模型，使得乘客平均等车时间、乘客平均在车时间尽可能小，车辆平均载客人数尽可能大，从而得到一个包含发车间隔和发车类型的调度方案。

2.根据权利要求1所述的方法，其特征在于，所述客流信息通过实地统计和估算获得，或通过公交刷卡售票***自动获得。

3.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

步骤301：计算车辆到站时的时刻；以及该时刻车上的乘客信息和站台上的客流信息；

步骤302：计算在不超载的情况下，乘客上下车人数以及所花费的时间；

步骤303：计算车辆离站时的时刻；以及该时刻车上的乘客信息和站台上的客流信息。

4.根据权利要求1所述的方法，其特征在于，所述步骤4包括：

步骤401：计算出整个路段在研究的时间段内乘客平均等车时间W₁；

步骤402：计算出整个路段在研究的时间段内乘客平均在车时间W₂；

步骤403：计算出整个路段在研究的时间段内车辆平均载客人数W₃；

步骤404：将W₁、W₂、W₃按权重相加得到目标函数W：

maxW＝A₃×W₃-A₁×W₁-A₂×W₂

其中，A₁是乘客平均等车时间的成本系数；A₂是平均在车时间的成本系数；A₃是车辆平均载客人数的收益系数。