CN106485912A - 一种基于公交站点信息化的普通公交动态调度方法 - Google Patents
一种基于公交站点信息化的普通公交动态调度方法 Download PDFInfo
- Publication number
- CN106485912A CN106485912A CN201610924627.5A CN201610924627A CN106485912A CN 106485912 A CN106485912 A CN 106485912A CN 201610924627 A CN201610924627 A CN 201610924627A CN 106485912 A CN106485912 A CN 106485912A
- Authority
- CN
- China
- Prior art keywords
- bus
- website
- time
- passenger
- station
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于公交站点信息化的普通公交动态调度方法,包括如下步骤:(1)通过公交站点信息与乘客手机终端的信息连接和交互获得各种数据;(2)建立实时公交调度模型,对模型进行求解,得出每相邻两车间最佳的站点个数和站点间的最佳运行时间;(3)每相邻两车间的最佳运行时间间隔通过时间之差来求和。本发明实现了公交站点信息化技术与乘客手机终端的信息融合,实现了动态的公交形式和公交车最佳车间间隔的调度;提高了公交的运行效率,实现城市的公共交通***有机良性循环发展,使居民或乘客能方便的选用公交的优先方式出行,最终增强公交吸引力。
Description
技术领域
本发明涉及智能公交控制领域,尤其是一种基于公交站点信息化的普通公交动态调度方法。
背景技术
随着经济和社会的发展,机动车保有量迅速增加,城市交通拥堵现象日益严重,发展公共交通作为缓解交通压力的有效手段受到越来越多的重视。但是目前的公共交通***开发多集中于单一调度形式或者一成不变的调度模式,不能针对客流的实时变化,考虑不同的调度形式的组合以及高级的调度形式,车间的时间间隔也是公交调度的核心问题之一。能够达到实时调度公交形式和车间的时间间隔的方案主要依据线路客流信息,即乘客OD分布,但其效果还有待提高。
发明内容
本发明所要解决的技术问题在于,提供一种基于公交站点信息化的普通公交动态调度方法,可以实现动态的公交形式和公交车最佳车间间隔的调度,提高了公交的运行效率的同时实现城市的公共交通***良性循环发展。
为解决上述技术问题,本发明提供一种基于公交站点信息化的普通公交动态调度方法,包括如下步骤:
(1)通过公交站点信息与乘客手机终端的信息连接和交互,得到实时乘客OD分布数据,通过公交车的GPS定位模块获取公交车的运行位置和时间数据;
(2)在每相邻两车间位于靠后位置的公交车离开某站点时刻,根据乘客OD分布统计线路每个站点上下车人数,与考虑位于靠前位置公交车之间达到最佳时间间隔的运行时段内每站点新增上下车人数,建立实时公交调度模型,以单位时间内所有乘客总出行成本和企业运营成本之和最小为目标对模型进行求解,得出每相邻两车间最佳的站点个数和站点间的最佳运行时间;
(3)每相邻两车间的最佳运行时间间隔是在位于靠后位置的公交车离开某站点时刻的原有车间运行时间间隔,与靠前位置公交车需调整的运行时间与靠后位置公交车需调整的运行时间之差的求和。
优选的,步骤(2)中公交调度模型的目标函数为:
其中:
其中:n-线路上站点总数目;k-线路上运营公交车总数目;-第j辆公交车离开i站的时刻;p-调度形式,p=1为全程车(本文只涉及普通公交车);-0-1变量,第j辆公交车在i站停靠,则为1,否则为0;(t)-第j辆公交车在t时刻,乘客从i站至i+s站的人数(人/分钟);一第j辆公交车离i-1站时车上的乘客数;Ri-公交车从i-1站到i站的运行时间,开始输入历史数据的均值;-第j辆公交车在i站的停靠时间,取决于i站点的上车和下车的人数;-第j辆公交车到达i站点时下车的人数;-第j辆公交车到达i站点时上车的人数;β-单位乘客平均上下车时间(分钟/人);C1-乘客等车单位时间成本;C2-乘客在车单位时间成本(元/分钟);C3-单位公交车运营时间成本(元/分钟)。
优选的,步骤(2)中采用遗传算法对实时公交调度模型进行求解,包括如下步骤:
(2.1)初始化参数,参数包括:乘客出行OD分布,包括公交车离开某站点时刻、以及该时刻线路乘客OD分布和每相邻公交车间运行时间间隔内新增乘客的OD分布、总站点数目、站间历史运行时间、各时间成本、初始种群大小、交叉概率、变异概率以及循环次数;
(2.2)对模型进行初始编码,令K′为最大的发车次数,将公交车的站间运行时间这个决策变量对应的二进制串进行组合,得到一条10 K’位二进制的染色体,前六位表示公交车的站间运行时间和后四位表示最佳站点个数的取值;
(2.3)根据初始化确定的发车次数和发车间隔,结合输入的参数计算目标函数值及每个个体的适应值;
(2.4)对种群进行繁殖,每繁殖一代包括选择、交叉、变异和修正;
(2.5)重复繁殖过程直到达到设置的迭代次数,选择适应值最大的个体代表的调度方案为实时动态调度策略,即选取每相邻两车间最佳的站点个数和站点间的最佳运行时间。
优选的,约束条件包括公交车满载率约束和发车时间间隔约束;所述满载率约束为高峰时段满载率不超过120%,平峰时段满载率不低于50%;所述发车时间间隔约束为不超过设定的最小发车间隔和最大发车间隔范围,且在研究时段T内满足公交车发车间隔Xj的总和不大于T。
优选的,步骤(3)中通过实时调度方法求解每相邻公交车间保持最佳的车间间隔运行的具体方法为:
在j与j+1公交车间最佳运行时间间隔进行调整的模型中,需求解出j与j+1公交车停靠站点时间和站点间的运行时间Ri,并求解出j+1与j+2公交车停靠站点时间和站点间的运行时间Ri′,所以分别调整到最佳运行时间间隔的时刻为 所以j与j+1公交车需调整到的最佳运行时间间隔为时刻两车间的时间间隔与Lj+1和Lj作差之和,即
本发明的有益效果为:本发明实现了公交站点信息化技术与乘客手机终端的信息融合,避免其对乘客OD分布的预测,主动获取到实时乘客OD分布,实现了动态的公交形式和公交车最佳车间间隔的调度;通过车路协同保障其保持最佳的车间间隔运行,提高了公交的运行效率,同时也通过公交站点网络技术的广泛应用,即IOT(Internet-oriented-transit),以公交站点网络技术来主动引导公共交通智能化发展,实现城市的公共交通***有机良性循环发展,使居民或乘客能方便的选用公交的优先方式出行,最终增强公交吸引力。
附图说明
图1为本发明的求解路段上车间运行时间间隔的原理图。
图2为本发明的显示遗传算法的流程示意图。
图3为本发明的公交站点信息化传递原理图。
具体实施方式
如图1、2和3所示,一种基于公交站点信息化的普通公交动态调度方法,包括如下步骤:
(1)通过公交站点信息与乘客手机终端的信息连接和交互,得到实时乘客OD分布数据,通过公交车的GPS定位模块获取公交车的运行位置和时间数据;
(2)在每相邻两车间位于靠后位置的公交车离开某站点时刻,统计线路每个站点上下车人数,与位于靠前位置公交车之间达到最佳时间间隔的运行时段内每站点新增上下车人数,建立实时公交调度模型,以单位时间内所有乘客总出行成本和企业运营成本之和最小为目标对模型进行求解,得出每相邻两车间最佳的站点个数和站点间的最佳运行时间;
(3)每相邻两车间的最佳运行时间间隔是在位于靠后位置的公交车离开某站点时刻的原有车间运行时间间隔,与靠前位置公交车需调整的运行时间与靠后位置公交车需调整的运行时间之差的求和。
安装在站点的设备(设备与WiFi兼容)很容易和站点候车乘客的智能终端设备进行连接和交互,使其以最低成本获得大量信息。能够在手机终端弹出在此站点经过的公交线路,能够提供目前公交车是否停靠或是途径的信息让乘客选择出行班次和时间。
此相关软件(app)或是通过手机短信的方式让乘客输入信息统计各站点的候车乘客OD分布,能够通过手机输入自己的OD数据,通过在停靠站附近的路侧设备传输到数据中心。乘客也可以通过智能终端获取公交车实时运行情况,例如下一班次及后续班次的位置及到站时间、车内剩余座位数目等。在已得到乘客的OD分布,从而得出公交线路上由站点i上车至站点j下车的客流量。在公交车离开站点时会再次统计线路上乘客OD分布,通过在数据监测中心中进行储存和处理,即可得到实时公交线路动态OD数据。
为解决出现高峰时段乘客过分拥挤、平峰时段公交车满载率不高的现象,公交车的发车在符合客流分布需求,采用公交调度形式去满足需求,故本发明主要分析全程车调度形式。全程车的具体概念指:公交车从线路起点发车直到终点站为止,必须在沿线按所有的固定停车站点依次停靠,并行驶满全程的一种基本调度形式,也称为慢车。
城市公交线路的断面客流量,是指单位时间内,通过公交线路某一地点的客流量。在单位时间内,客流量最大的断面称为最大客流断面,可以显示出该线路在这个时刻各路段的客流动态,表示这种断面的不均衡性。为定量描述公交客流在空间上分布的不均衡性,选择断面不均衡系数指标来确定是否进行调度。断面不均衡系数Ki,是单位时间内公交线路某断面客流量与平均断面客流量。Ki=Qi/Qn,式中:Ks-为线路分时段不均衡系数;Qsi-为线路单位时间内第i个断面客流量,Qn-为线路单位时间内平均断面客流量。
具体步骤如下:根据公式分别计算线路上行和下行各断面不均衡系数,当断面不均衡系数大于一般规定值,即(一般取1.2-1.5),则选择实时调度方案实施调度策略。
在运营过程中,***的总成本主要体现在乘客和公交公司两方面。通过使乘客出行成本和运营商成本总和最小,来确定最优的初始发车间隔、路段公交车间行驶的时间间隔。乘客的出行成本主要体现在公交完成出行过程所花费的时间上,即乘客从起始站点到目的站点的时间,分为车站等车时间、在车时间(包括在此过程中公交车在公交站点的停靠时间和交叉口延误时间、换乘时间)。选取研究时段内所有公交车的运行时间来表示公交公司的成本,包括公交车在站间的运行时间和站点停靠时间。
乘客等车时间成本,计算公式如式中:-第j辆公交车离开i站的时刻;-第j辆公交车在首站的发车时刻;Ri-公交车从i-1站到i站的运行时间,开始输入历史数据的均值;-第j辆公交车在i站的停靠时间,取决于i站点上、下车的人数;p调度形式,p=1为全程车;-0-1变量,第j辆公交车在i站停靠,则为1,否则为0。
公交车停靠站点时,公交车的前后门打开服务乘客上下车,所以其停留时间与站点上、下车的人数有关,计算方法:
式中:-第j辆公交车到达i站下车的人数;-第j辆公交车到达i站上车的人数;β-单位乘客平均上下车时间(分钟/人);N-线路上站点数。
第j辆公交车在i站上车的人数为一定时间间隔内,从i站点出发前往线路下游运行区间各站的乘客人数总和,公式为同理,在i站下车的人数为
乘客的在车时间通常分为两部分:乘客在乘车区间内公交车运行时间和在乘车区间内不下车的乘客在车站的停靠时间,其表达式ω2=C2(ty+tz),ω2-乘客在车时间成本(元);C2-乘客单位在车时间成本(元/分钟);ty-公交车在运行过程中乘客的在车时间(分钟);tz-不下车的乘客在车站的停靠时间(分钟)。
第j辆公交车在运行过程中乘客的在车时间,由站间运行时间和车上乘客人数共同决定,表达式为:
式中:一第j辆公交车离i-1站时车上的乘客数。
第j辆公交车离开i站时车上的乘客数等于第j辆公交车离开i-1站时车上的乘客数减去第j辆在第i站时下车的人数加上在第i站时上车的人数,计算公式如下:
在乘车区间内不下车的乘客在车站的停靠时间,由不下车的乘客数量和在该站点的停靠时间共同决定,表达式为:
式中:-第j辆公交车在i站时没有下车的乘客数。
综上分析,乘客的在车时间成本表达式如
公交车的运营时间h包括两部分,站点间运行时间和在站点的停靠时间。当发出公交车的类型不同时,沿途经过站点和停靠的站点不同。运营时段内所有公交车的总运行时h可表示如当第j辆公交车是全程车即p=1时,公交车运行经过所有站点并且在每个站点都停靠,所有的站间运行时间和站点的停靠时间都计算在单程运营时间内,设单位公交车运营时间成本C3(元/分钟),则公交车运营时间成本表达式
乘客出行时间成本和公交公司运营成本两个目标都是要达到最小值,因此对两个目标进行线性加和,以总成本最小作为目标函数,在固定需求条件下,单位时间内所有乘客总出行成本和企业运营成本之和最小。乘客出行时间成本由两部分组成,包括乘客等车时间成本(C1)和在车时间成本(C2),对于公交公司成本以公交车在单程调度过程中所花费的时间成本(Cy)衡量。考虑两部分成本是同等重要的,取相同的权重,目标函数min Z=Cck+Cy。
由于公交线路上的公交客流是动态变化的,所以对每辆公交车离开某一个公交站点后需记录该时刻线路全部乘客OD分布,实时更新客流数据,从而研究客流分布与变化规律,所以从每相邻公交车的发车时间间隔做出调整。
具体实时调度过程如下:
(1)把j与j+1公交车作为相邻研究的公交车,当j+1公交车离开第i+s站点时刻j+2公交车行到i+s+k至i+s+k+1站点区间(包括刚好离开i+s+k站点时),记录j+1与j+2公交车在此时刻的位置,并重新记录线路上每站点的乘客OD分布,若j+1与j+2公交车之间相距的站点为k个,线路上每站点新的乘客OD分布为j+1公交车从此时刻位置至j+2公交车在此时刻位置的运行时间段内,第i+s+1至i+s+k站点(包括i+s+k站点)间k个站点的乘客OD分布数目与每站点新增乘客数目之和,当高峰时公交车内会出现乘客站立的情况,所以公交车承载的乘客数目(乘客承载能力)扩大1.2倍。
(2)若该运行时间段内各站点的新增乘客数目为0,最新计算的公交车承载乘客数目如果大于公交车的剩余座位数目(剩余承载力),说明j+1公交车没有剩余承载能力,则取公交车的剩余座位数目作为上限约束条件,计算满足j+1公交车最大的承载率时需运行经过站点k2个公交站点,应到达的站点i+s+k2,所以k2个站点可以看作目标函数求解数值的上限。
(3)若取公交车的最新计算的公交车承载乘客数目作为上限约束条件,计算满足j+1公交车最大的承载率时需运行经过站点k22个公交站点,应到达的站点i+s+k22,所以k22个站点可以看作目标函数求解数值的上限。
(4)若该运行时间段内各站点新增乘客数目取历史数据的最大值,最新计算的公交车承载乘客数目如果大于公交车的剩余座位数目(剩余承载力),说明j+1公交车没有剩余承载能力,则取公交车的剩余座位数目作为下限约束条件,计算满足j+1公交车最大的承载率时需运行经过站点k1个公交站点,应到达的站点i+s+k1,所以k1个站点可以看作目标函数求解数值的下限。
(5)若取公交车的最新计算的公交车承载乘客数目作为下限约束条件,计算满足j+1公交车最大的承载率时需运行经过站点k12个公交站点,应到达的站点i+s+k12,所以k12个站点可以看作目标函数求解数值的下限。
(6)实际情况下,只要新增乘客OD分布的始点或终点落在i+s+1至i+s+k区间(包括i+s+k)的任意站点,则根据目标函数求解公交车相距的站点数目k的最优值,根据该运行时间段内各站点新增乘客数目,判断最新计算的公交车承载乘客数目是否大于公交车的剩余座位数目(剩余承载力),如果最新计算的公交车承载乘客数目大于公交车的剩余座位数目,可以得到j+1与j+2公交车相距的站点数目K的取值范围k1≤h≤k2,如果最新计算的公交车承载乘客数目小于公交车的剩余座位数目,可以得到j+1与j+2公交车相距的站点数目K的取值范围k12≤h≤k22。
(7)在j+1公交车离开第i+s站点时刻j车运行到i-1至i站点区间(包括刚好停靠在i站点时),记录j与j+1公交车在此时刻的位置,并重新记录线路上每站点的乘客OD分布,若j与j+1公交车之间相距的站点为s个,线路上每站点新的乘客OD分布为j公交车从此时刻位置至j+1公交车在此时刻位置的运行时间段内,第i+1至i+s站点(包括i+s站点)间s个站点的乘客OD分布数目与每站点新增乘客数目之和,当高峰时公交车内会出现乘客站立的情况,所以公交车承载的乘客数目(乘客承载能力)扩大1.2倍。
(8)若该运行时间段内各站点的新增乘客数目为0,最新计算的公交车承载乘客数目如果大于公交车的剩余座位数目(剩余承载力),说明j公交车没有剩余承载能力,则取公交车的剩余座位数目作为上限约束条件,计算满足j公交车最大的承载率时需运行经过站点h2个公交站点,应到达的站点i+h2,所以h2个站点可以看作目标函数求解数值的上限。
(9)若取公交车的最新计算的公交车承载乘客数目作为上限约束条件,计算满足j公交车最大的承载率时需运行经过站点h22个公交站点,应到达的站点i+h22,所以h22个站点可以看作目标函数求解数值的上限。
(10)若该运行时间段内各站点新增乘客数目取历史数据的最大值,最新计算的公交车承载乘客数目如果大于公交车的剩余座位数目(剩余承载力),说明j公交车没有剩余承载能力,则取公交车的剩余座位数目作为下限约束条件,计算满足j公交车最大的承载率时需运行经过站点h1个公交站点,应到达的站点i+h1,所以h1个站点可以看作目标函数求解数值的下限。
(11)若取公交车的最新计算的公交车承载乘客数目作为下限约束条件,计算满足j公交车最大的承载率时需运行经过站点h12个公交站点,应到达的站点i+h12,所以h12个站点可以看作目标函数求解数值的下限。
(12)实际情况下,只要新增乘客OD分布的始点或终点落在i+1至i+k区间(包括i+k)的任意站点,则根据目标函数求解公交车相距的站点数目h的最优值,根据该运行时间段内各站点新增乘客数目,判断最新计算的公交车承载乘客数目是否大于公交车的剩余座位数目(剩余承载力),如果最新计算的公交车承载乘客数目大于公交车的剩余座位数目,可以得到j与j+1公交车相距的站点数目s的取值范围h1≤h≤h2,如果最新计算的公交车承载乘客数目小于公交车的剩余座位数目,可以得到j与j+1公交车相距的站点数目h的取值范围h12≤h≤h22。
第j+1辆公交车从此时的位置至i+s+k站点运行时间段内,考虑乘客出行时间成本和公交公司运营成本两个目标都是要达到最小值。因此,对两个目标进行合并,采用线性加和以总成本最小作为目标函数。即在约束条件下,单位时间内所有乘客总出行成本和企业运营成本之和最小。考虑两部分成本是同等重要的,取相同的权重,目标函数min Z=Cck+Cy。
乘客出行时间成本由两部分组成,包括乘客等车时间成本(ω1)和在车时间成本(ω2),对于运营商成本本文以公交车在单程调度过程中所花费的时间成本(Cy)衡量。所以最终的目标函数为:
式中:
同理,第j辆公交车从此时的位置至i+h站点运行时间段内,考虑乘客出行时间成本和公交公司运营成本两个目标都是要达到最小值。所以最终的目标函数为:
在明确第j辆与第j+1辆公交车调度模型的目标函数后,还需要设定模型的约束条件,才能得到合理的调度组合方案。在该模型中约束条件主要考虑公交车乘客的满载率方面、出行时间约束方面等因素。
公交车满载率是指公交车在线路某断面载运乘客的平均满载程度,标志着城市公交管理的状况和运行质量的高低。满载率计算公式如下:满载率=公交车j离开车站i时车上乘客数/公交车额定载客人数*100%。一般情况下从乘客舒适性和安全性角度考虑,高峰时段满载率不应超过120%,同时考虑公交企业的经济效益平峰时满载率一般也不能低于50%。
由于模型中涉及到了很多的参数,并且这些参数间的关系错综复杂,并且参数的确定过程中用到了决策变量,所以选取遗传算法进行求解,求解过程需要将决策变量用编码的形式表示出来,由此可以获得决策变量的可能解,从而推出相关的参数。
初始化参数,其一为模型固有参数,包括:乘客出行OD分布,包括公交车离开某站点时刻、以及该时刻线路乘客OD分布和每相邻公交车间运行时间间隔内新增乘客的OD分布、总站点数目、站间历史运行时间、站间历史运行时间、乘客等车单位时间成本、运行时间成本等,其二为模型运行参数,如:初始种群大小、交叉概率、变异概率以及循环次数等。
对模型进行初始编码,令K′为最大的发车次数,将发车时间间隔和发车类型这两个决策变量对应的二进制串进行组合,得到一条8K′位二进制的染色体,前6K′位二进制染色体为时间间隔,后2K′位二进制代表公交车调度形式;根据最大发车间隔和最小发车间隔的约束条件,确定编码的长度区间。
根据初始化确定的发车次数和发车间隔,结合输入的参数计算目标函数值及每个个体的适应值。
对种群进行繁殖,每繁殖一代包括选择、交叉、变异和基于约束条件进行修正。
重复繁殖过程直到达到设置的迭代次数,趋于稳定,最终输出满意解,选择适应值最大的个体代表的调度方案为实时动态调度策略,即选取每相邻两车间最佳的站点个数和站点间的最佳运行时间。
通过模型制定出j和j+1公交车与j+1和j+2的在调整时间间隔中,通过上述遗传算法求解出j和j+1公交车需要停靠站点区间运行时间Ri,是公交站点间的运行时间的最佳取值,调整所需的时间 所以j与j+1的最佳运行时间间隔是在时刻的车间时间再加上Lj+1与Lj之差的和,即
尽管本发明就优选实施方式进行了示意和描述,但本领域的技术人员应当理解,只要不超出本发明的权利要求所限定的范围,可以对本发明进行各种变化和修改。
Claims (5)
1.一种基于公交站点信息化的普通公交动态调度方法,其特征在于,包括如下步骤:
(1)通过公交站点信息与乘客手机终端的信息连接和交互,得到实时乘客OD分布数据,通过公交车的GPS定位模块获取公交车的运行位置和时间数据;
(2)在每相邻两车间位于靠后位置的公交车离开某站点时刻,根据乘客OD分布统计线路每个站点上下车人数,与考虑位于靠前位置公交车之间达到最佳时间间隔的运行时段内每站点新增上下车人数,建立实时公交调度模型,以单位时间内所有乘客总出行成本和企业运营成本之和最小为目标对模型进行求解,得出每相邻两车间最佳的站点个数和站点间的最佳运行时间;
(3)每相邻两车间的最佳运行时间间隔是在位于靠后位置的公交车离开某站点时刻的原有车间运行时间间隔,与靠前位置公交车需调整的运行时间与靠后位置公交车需调整的运行时间之差的求和。
2.如权利要求1所述的基于公交站点信息化的普通公交动态调度方法,其特征在于,步骤(2)中公交调度模型的目标函数为:
其中:
其中:n—线路上站点总数目;k—线路上运营公交车总数目;—第j辆公交车离开i站的时刻;p—调度形式,p=1为全程车(本文只涉及普通公交车);—0-1变量,第j辆公交车在i站停靠,则为1,否则为0;—第j辆公交车在t时刻,乘客从i站至i+s站的人数(人/分钟);一第j辆公交车离i-1站时车上的乘客数;Ri—公交车从i-1站到i站的运行时间,开始输入历史数据的均值;—第j辆公交车在i站的停靠时间,取决于i站点的上车和下车的人数;—第j辆公交车到达i站点时下车的人数;—第j辆公交车到达i站点时上车的人数;β—单位乘客平均上下车时间(分钟/人);C1—乘客等车单位时间成本;C2—乘客在车单位时间成本(元/分钟);C3—单位公交车运营时间成本(元/分钟)。
3.如权利要求1所述的基于公交站点信息化的普通公交动态调度方法,其特征在于,步骤(2)中采用遗传算法对实时公交调度模型进行求解,包括如下步骤:
(2.1)初始化参数,参数包括:乘客出行OD分布,包括公交车离开某站点时刻、以及该时刻线路乘客OD分布和每相邻公交车间运行时间间隔内新增乘客的OD分布、总站点数目、站间历史运行时间、各时间成本、初始种群大小、交叉概率、变异概率以及循环次数;
(2.2)对模型进行初始编码,令K′为最大的发车次数,将公交车的站间运行时间这个决策变量对应的二进制串进行组合,得到一条10K’位二进制的染色体,前六位表示公交车的站间运行时间和后四位表示最佳站点个数的取值;
(2.3)根据初始化确定的发车次数和发车间隔,结合输入的参数计算目标函数值及每个个体的适应值;
(2.4)对种群进行繁殖,每繁殖一代包括选择、交叉、变异和修正;
(2.5)重复繁殖过程直到达到设置的迭代次数,选择适应值最大的个体代表的调度方案为实时动态调度策略,即选取每相邻两车间最佳的站点个数和站点间的最佳运行时间。
4.如权利要求3所述的基于公交站点信息化的普通公交动态调度方法,其特征在于,约束条件包括公交车满载率约束和发车时间间隔约束;所述满载率约束为高峰时段满载率不超过120%,平峰时段满载率不低于50%;所述发车时间间隔约束为不超过设定的最小发车间隔和最大发车间隔范围,且在研究时段T内满足公交车发车间隔Xj的总和不大于T。
5.如权利要求1所述的基于公交站点信息化的普通公交动态调度方法,其特征在于,步骤(3)中通过实时调度方法求解每相邻公交车间保持最佳的车间间隔运行的具体方法为:
在j与j+1公交车间最佳运行时间间隔进行调整的模型中,需求解出j与j+1公交车停靠站点时间和站点间的运行时间Ri,并求解出j+1与j+2公交车停靠站点时间和站点间的运行时间Ri′,所以分别调整到最佳运行时间间隔的时刻为 和所以j与j+1公交车需调整到的最佳运行时间间隔为时刻两车间的时间间隔与Lj+1和Lj作差之和,即
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610924627.5A CN106485912B (zh) | 2016-10-24 | 2016-10-24 | 一种基于公交站点信息化的普通公交动态调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610924627.5A CN106485912B (zh) | 2016-10-24 | 2016-10-24 | 一种基于公交站点信息化的普通公交动态调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106485912A true CN106485912A (zh) | 2017-03-08 |
CN106485912B CN106485912B (zh) | 2019-06-18 |
Family
ID=58270502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610924627.5A Active CN106485912B (zh) | 2016-10-24 | 2016-10-24 | 一种基于公交站点信息化的普通公交动态调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485912B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194491A (zh) * | 2017-04-06 | 2017-09-22 | 广东工业大学 | 一种基于公交客流和站间行程时间预测的动态调度方法 |
CN107240289A (zh) * | 2017-07-24 | 2017-10-10 | 济南博图信息技术有限公司 | 一种公交车线路优化管理方法及*** |
CN107564269A (zh) * | 2017-08-28 | 2018-01-09 | 华南理工大学 | 一种基于支付意愿的半灵活公交调度方法 |
CN107818411A (zh) * | 2017-10-24 | 2018-03-20 | 东南大学 | 基于WiFi检测和GPS定位的公交车动态调度***及调度方法 |
CN108197724A (zh) * | 2017-12-02 | 2018-06-22 | 山东大学 | 公交复杂网络中效率权重计算与公交方案性能评估方法 |
CN109255972A (zh) * | 2018-09-11 | 2019-01-22 | 北京市交通信息中心 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
CN110246356A (zh) * | 2019-06-12 | 2019-09-17 | 东南大学 | 一种确定可变线路公交配置车辆数和类型的方法 |
CN110288827A (zh) * | 2019-06-19 | 2019-09-27 | 河海大学 | 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 |
CN111160686A (zh) * | 2019-10-12 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种行车计划生成方法及装置 |
CN111882915A (zh) * | 2020-07-31 | 2020-11-03 | 浙江嘉科电子有限公司 | 采用复合算法及交互模型的应需定制公交线路规划方法 |
CN112465177A (zh) * | 2020-12-11 | 2021-03-09 | 谷刘义 | 一种基于大数据分析的公交线路优化***及方法 |
CN113053119A (zh) * | 2021-03-18 | 2021-06-29 | 重庆交通开投科技发展有限公司 | 一种基于公交运行历史数据的圈次时间预测方法 |
AU2020260780B2 (en) * | 2019-04-25 | 2023-06-08 | Hitachi, Ltd. | Timetable creation device, timetable creation method, and automatic train control system |
CN117132084A (zh) * | 2023-10-20 | 2023-11-28 | 湖南天烽科技有限公司 | 一种智慧城市公交车调度*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001006091A (ja) * | 1999-06-17 | 2001-01-12 | Sony Corp | 情報通信方法、情報通信システム、管理装置、端末装置、及び移動体の通信装置 |
JP2001229495A (ja) * | 2000-02-16 | 2001-08-24 | Toshiba Corp | 運送方法およびシステム、受付処理システムならびにコンピュータが読取り可能な記憶媒体 |
CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与*** |
CN101799981A (zh) * | 2010-02-09 | 2010-08-11 | 华南理工大学 | 多模式公共交通区域调度控制方法 |
CN102376168A (zh) * | 2010-08-24 | 2012-03-14 | 北京牡丹视源电子有限责任公司 | 一种公交信息采集和查询的方法和*** |
CN104239484A (zh) * | 2014-09-05 | 2014-12-24 | 浙江工业大学 | 一种基于多模式公交组合调度的时刻表编制方法 |
-
2016
- 2016-10-24 CN CN201610924627.5A patent/CN106485912B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001006091A (ja) * | 1999-06-17 | 2001-01-12 | Sony Corp | 情報通信方法、情報通信システム、管理装置、端末装置、及び移動体の通信装置 |
JP2001229495A (ja) * | 2000-02-16 | 2001-08-24 | Toshiba Corp | 運送方法およびシステム、受付処理システムならびにコンピュータが読取り可能な記憶媒体 |
CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与*** |
CN101799981A (zh) * | 2010-02-09 | 2010-08-11 | 华南理工大学 | 多模式公共交通区域调度控制方法 |
CN102376168A (zh) * | 2010-08-24 | 2012-03-14 | 北京牡丹视源电子有限责任公司 | 一种公交信息采集和查询的方法和*** |
CN104239484A (zh) * | 2014-09-05 | 2014-12-24 | 浙江工业大学 | 一种基于多模式公交组合调度的时刻表编制方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107194491A (zh) * | 2017-04-06 | 2017-09-22 | 广东工业大学 | 一种基于公交客流和站间行程时间预测的动态调度方法 |
CN107240289A (zh) * | 2017-07-24 | 2017-10-10 | 济南博图信息技术有限公司 | 一种公交车线路优化管理方法及*** |
CN107564269B (zh) * | 2017-08-28 | 2019-10-18 | 华南理工大学 | 一种基于支付意愿的半灵活公交调度方法 |
CN107564269A (zh) * | 2017-08-28 | 2018-01-09 | 华南理工大学 | 一种基于支付意愿的半灵活公交调度方法 |
CN107818411A (zh) * | 2017-10-24 | 2018-03-20 | 东南大学 | 基于WiFi检测和GPS定位的公交车动态调度***及调度方法 |
CN107818411B (zh) * | 2017-10-24 | 2021-08-10 | 东南大学 | 基于WiFi检测和GPS定位的公交车动态调度***及调度方法 |
CN108197724A (zh) * | 2017-12-02 | 2018-06-22 | 山东大学 | 公交复杂网络中效率权重计算与公交方案性能评估方法 |
CN109255972B (zh) * | 2018-09-11 | 2019-12-10 | 北京市交通信息中心 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
CN109255972A (zh) * | 2018-09-11 | 2019-01-22 | 北京市交通信息中心 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
AU2020260780B2 (en) * | 2019-04-25 | 2023-06-08 | Hitachi, Ltd. | Timetable creation device, timetable creation method, and automatic train control system |
CN110246356A (zh) * | 2019-06-12 | 2019-09-17 | 东南大学 | 一种确定可变线路公交配置车辆数和类型的方法 |
CN110288827A (zh) * | 2019-06-19 | 2019-09-27 | 河海大学 | 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 |
CN110288827B (zh) * | 2019-06-19 | 2020-05-05 | 河海大学 | 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 |
CN111160686A (zh) * | 2019-10-12 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种行车计划生成方法及装置 |
CN111882915A (zh) * | 2020-07-31 | 2020-11-03 | 浙江嘉科电子有限公司 | 采用复合算法及交互模型的应需定制公交线路规划方法 |
CN112465177A (zh) * | 2020-12-11 | 2021-03-09 | 谷刘义 | 一种基于大数据分析的公交线路优化***及方法 |
CN113053119A (zh) * | 2021-03-18 | 2021-06-29 | 重庆交通开投科技发展有限公司 | 一种基于公交运行历史数据的圈次时间预测方法 |
CN117132084A (zh) * | 2023-10-20 | 2023-11-28 | 湖南天烽科技有限公司 | 一种智慧城市公交车调度*** |
CN117132084B (zh) * | 2023-10-20 | 2024-03-05 | 湖南天烽科技有限公司 | 一种智慧城市公交车调度*** |
Also Published As
Publication number | Publication date |
---|---|
CN106485912B (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485912A (zh) | 一种基于公交站点信息化的普通公交动态调度方法 | |
CN106504516B (zh) | 一种基于公交站点信息化的多形式公交动态调度方法 | |
CN110119835B (zh) | 一种基于区间计算的公交动态发车调度优化方法 | |
Liu et al. | Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems | |
Li et al. | Reducing CO2 emissions through pricing, planning, and subsidizing rail freight | |
CN110162931B (zh) | 城市轨道交通大规模路网快速仿真*** | |
Gavriilidou et al. | Reconciling transfer synchronization and service regularity: real-time control strategies using passenger data | |
CN104200286A (zh) | 一种城市轨道交通时刻表优化技术应用框架 | |
CN110570656B (zh) | 定制公共交通线路方法及装置 | |
Zhang et al. | Integrated optimization for feeder bus timetabling and procurement scheme with consideration of environmental impact | |
Wang et al. | Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows | |
Sadrani et al. | Vehicle dispatching plan for minimizing passenger waiting time in a corridor with buses of different sizes: Model formulation and solution approaches | |
Cao et al. | Robust and optimized urban rail timetabling using a marshaling plan and skip-stop operation | |
CN113919650A (zh) | 一种列车运行方案优化编制方法及*** | |
Bucak et al. | Train timetabling for a double-track urban rail transit line under dynamic passenger demand | |
CN116629738B (zh) | 一种物流路径优化方法、相关方法、装置、设备及介质 | |
CN111950777A (zh) | 定制公交线路设计方法及装置 | |
Zheng et al. | Bridging strategy for the disruption of metro considering the reliability of transportation system: Metro and conventional bus network | |
Niu et al. | An Optimization to Schedule Train Operations with Phase‐Regular Framework for Intercity Rail Lines | |
Mou et al. | Reliability Optimization Model of Stop‐Skipping Bus Operation with Capacity Constraints | |
Li et al. | An incentive-based optimizing strategy of service frequency for an urban rail transit system | |
CN113935595B (zh) | 一种城市轨道交通路网高峰大客流疏导*** | |
Sadrani et al. | Designing limited-stop bus services for minimizing operator and user costs under crowding conditions | |
Zhai et al. | Assessing the Impacts of Autonomous Bus‐on‐Demand Based on Agent‐Based Simulation: A Case Study of Fuyang, Zhejiang, China | |
Zhen et al. | Train rescheduling model with train delay and passenger impatience time in urban subway network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |