CN111738490A - 柔性公交线路资源复用分配调度方法 - Google Patents

柔性公交线路资源复用分配调度方法 Download PDF

Info

Publication number
CN111738490A
CN111738490A CN202010432989.9A CN202010432989A CN111738490A CN 111738490 A CN111738490 A CN 111738490A CN 202010432989 A CN202010432989 A CN 202010432989A CN 111738490 A CN111738490 A CN 111738490A
Authority
CN
China
Prior art keywords
path
field
line
paths
shortest
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.)
Pending
Application number
CN202010432989.9A
Other languages
English (en)
Inventor
郭建国
阎磊
渠华
孙浩
王中航
刘爱姣
普秀霞
雷炳友
陈李立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou Tiamaes Technology Co ltd
Original Assignee
Zhengzhou Tiamaes Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou Tiamaes Technology Co ltd filed Critical Zhengzhou Tiamaes Technology Co ltd
Priority to CN202010432989.9A priority Critical patent/CN111738490A/zh
Publication of CN111738490A publication Critical patent/CN111738490A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock 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
    • G06Q10/04—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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种柔性公交线路资源复用分配调度方法，包括场区选择，是以网约公交发车点为圆心，以A为半径寻找B个场区；以半径或路径规划算法，按距离从小到大优选出C个场区。首先完成A区所有路径的分配，将A区内所有路径划分出来，并计算长度。若出现某些路径没有被任一场区所覆盖或者只有部分覆盖，故先对路径进行预处理，对路径进行分类整理。本发明利用公交现有资源兼顾常规公交和柔性公交线路的条件下，同时考虑车辆和场站的约束，运用科学的模型算法，从时间空间松弛角度考虑，综合分析场站调车策略，从现有空闲的常规运营线路和场站选择最优车辆，进行分配调度，完成订单并逐步形成公交公司内部的柔性众包机制。

Description

柔性公交线路资源复用分配调度方法
技术领域
本发明属于公交线路调度技术领域，具体涉及一种通过柔性公交线路实现资源复用分配的调度方法。
背景技术
据专家估算，2020年全国的城市人口将要达到60％，这意味着将有9亿人口进城，传统的交通模式面临挑战。在当前中国，新一代智能交通的形成基础环境已经具备通过梳理全国各省、市开展的“十四五”的智能交通规划后，自动驾驶、智能网联与非网联、无人驾驶、有人驾驶混合交通常态化的交通时代，车联和电动化、智能化和共享化的发展已经成为当前和未来的主要趋势尤其是，人、车、路、物这种互联互通共享移动的出行模式，已经成为当前汽车业智能网联研发创新的新领域。
需求响应交通(Demand-responsive transportation)服务，简称DRT，最早源于电话叫车服务，是一种以用户需求为导向，灵活设置上下站、路线和排班的中小型公交运营模式。早期的需求响应公交多数服务于特定用户群体，例如残障人士和老人，另一类应用场景是服务于缺乏常规巴士运营的城市近郊小规模乘客需求。
近年来随着信息化手段和通信技术的发展，公交资源的调配灵活程度增加，同时传统公交面临的用户需求多样性增加，因此需求响应公交主流发展方向转变为网约拼车式定制公交，将大致相同时间和路线的出行需求合并，利用互联网方式提出需求约车，公交公司快速响应订制的共享需求，调配闲置巴士资源接送乘客。随着网约化公交的迅猛发展，公交公司需要研究灵活调度的问题
随之而来的公交调度问题需要专项研究，目前公交柔性调度研究多数指的是夜间柔性线路调度研究，例如沈睿等在2016年的《基于实时需求的夜间柔性公交调度研究》，潘璐等在2018年的《双车服务模型下的夜间柔性公交调度研究》。
相近的技术方案有各类针对定制公交调度的研究，例如丁继强等在2018年的《可变线路式定制公交调度算法研究与***设计》。
但现存技术方案多数属于数学建模，并没有从运营企业公交公司角度考虑，往往将定制公交调度和现有常规公交调度分隔开来。而灵活柔性的公交线路需要解决车辆资源调配问题，除了部分专营车辆外，考虑到闲置成本问题，运营企业公交公司往往选择复用车辆同时运营常规线路和柔性线路。这一实际问题亟待解决，需要新型的资源复用类车辆调度分配方法，以配合柔性公交与常规公交并行发展，逐步践行网约化、定制化的现实需求。
发明内容
本发明针对不同柔性公交订单进行车辆资源复用，目标函数的建立，及解决该模型函数的算法，包括基础策略排班调度算法和场区空间松弛算法。
实现上述目的技术方案是采取一种柔性公交线路资源复用分配调度方法，该方法包括以下内容。
(1)场区选择：以网约公交发车点为圆心，以A为半径寻找B个场区；以半径或路径规划算法，按距离从小到大优选出C个场区。
(2)根据排班计划计算部位数D：当天已有排班计划，则直接计算；若无排班计划根据相同工作日的历史排班计划计算出一个最大的部位数。
(3)约车起讫时间在高峰，主要以机动车为优选目标：按(线路配车-部位数D)/线路配车的值越大、线路计划的保障的难度越小(后期版本)、约车起讫时间与线路的高峰的重叠度越低为目标优选E1条线路。
(4)约车起讫时间在平低峰，按计划或历史多天的排班计划，按(排班计划对应时间段有空档的部位数F+线路机动车数)/总配车数从大到小，优选出E2条线路。
(5)最终优选原则：按与场区距离目标为主+优选线路为辅排序；按优选线路为主+与场区距离目标为辅排序(默认方案)；如果能提供相应权重，则可按权重结果排序；并以电话沟通的形式确认线路是否满足配司机的情况。某线路被优选后，调整再次被优选中的权重。
针对场区选择，采用场区空间松弛算法，包括以下步骤。
1.首先完成A区所有路径的分配，将A区内所有路径划分出来，并计算长度。
2.若出现某些路径没有被任一场区所覆盖或者只有部分覆盖，故先对路径进行预处理，对路径进行分类整理。
基于半径R的路径属性分类，定义路径集合：V(s(i，j)1，s(i，j)1，s(i，j)1，...，s(i，j)n)(假设有n条路径)。场区节点集合Qi，i＝1，2，...，m，运用Dijkstra算法，求出所有节点之间两两距离最短集合：d(i，j)，i＝1，2，...定义场区控制范围半径R。
路径类别处理算法如下。
对路径s(i，j)分类，对应每一个节点Qi，分别求解的d(Qi，i)，d(Qi，j)，若存在一个Qi使得d(Qi，i)，d(Qi，j)均小于R，则s(i，j)的属性值为2；若存在一个Qi，使得d(Qi，i)，d(Qi，j)中只有一个小于R，则s(i，j)的属性值为1；若对于所有的Qi，以上两种条件都不满足，则为0。即根据以上属性分别分为0类路，1类路，2类路。由分类可知0类路与1类路不满足场区覆盖，故需要进一步计算。
订单率计算，节点上的订单率Pr为所有与其相连的路径的订单率Nr相加和计算得来，订单率计算如下
Figure BDA0002501228780000041
其中C表示i(j)一定时，路存在的情况下j(i)的可行域，s(i，j)表示s(i，j)的长度。
定义优化目标，完成任务时间最短，即在速度一定的情况下，完成的任务距离最短：
Lk(i，j)＝min|s(k，i)|+min|s(i，j)|+min|s(k，j)||
接着定义场区到路之间的距离最短为
L′k(i，j)＝min|s(k，i)|
由于速度一定，所以决定任务k场区的完成任务时间为xk(i，j)*Lk(i，j)中的最小值决定。xk(i，j)为s(i，j)这条路径是否分配给k平台，是则为1，否则为0。i，j可分别设定为客户的出发点和目的地。故将其最小值作为目标函数，即
min[xk(i，j)*Lk(i，j)]
场区分配到的订单率方差：假设各场区的车辆配置大致相同，故分配路径后场区的工作量也应大致均衡，否则会影响场区的日常运转。引入方差以量化
Figure BDA0002501228780000042
Nr(k)＝[x(k，1)，x(k，2)，...，x(k，j)，...]*NrT
分配均匀度，进行优化计算。
其中k＝1，2，...，m，Nr(k)表示k场区所辖区域的订单率。
属性为0，1路径的分配方案：我们设定0类路与1类路优化目标为时间最短。该类路在通常情况下路径较长，不确定因素较多，故确定路程最短的同时考虑设置罚函数。罚函数定义：
Figure BDA0002501228780000051
k表示场区序号，i，j表示路径的端点序号，x表示Lk(，j)
0-1规划为：
min[xik(i，j)*Wk(i，j)]
Figure BDA0002501228780000052
Figure BDA0002501228780000053
属性为2路径的分配方案，该类路的优化目标：时间最短，且保证后期订单率相对均衡。
1.将路程最短设置为优化目标：
min[xk(i，j)*Lk(i，j)]。
2.将各场区分配到的订单率方差转为一个条件，即给方差设定一个确定的最大值，作为可行域的约束条件。然后通过改变阈值，确定最优解。阈值的确定决定了双目标(时间最短、后期订单率相对均衡)的规划是否合理，可以改变不同的阈值，运用退火算法，得到两个目标的归一化结果。
本发明利用公交现有资源兼顾常规公交和柔性公交线路的条件下，针对国内新兴网约拼车式定制公交模式下的柔性公交资源复用问题进行研究，同时考虑车辆和场站的约束，运用科学的模型算法，从时间空间松弛角度考虑，综合分析场站调车策略，使用现有车辆运营数据和排班计划，搜索最优车辆和车型选择，形成车辆复用的调度方法。即路径分类算法，场区空间松弛算法，以及寻找符合排班调度习惯的复用车辆资源策略方案，并验证算法的有效性，将其应用于实际中。从现有空闲的常规运营线路和场站选择最优车辆，进行分配调度，完成订单并逐步形成公交公司内部的柔性众包机制。
附图说明
图1是收到网约公交订单后执行的流程图。
图2是选择最优车辆进行分配调度的流程图。
图3是本发明方法应用到***中的显示画面。
具体实施方式
本发明针对国内新兴网约拼车式定制公交模式下的柔性公交资源复用问题进行研究，同时考虑车辆和场站的约束，运用科学的模型算法，即路径分类算法，场区空间松弛算法，以及寻找符合排班调度习惯的复用车辆资源策略方案，并验证算法的有效性，将其应用于实际中。以下对柔性公交线路实现资源复用分配的调度方法进行详细描述。
1.柔性公交线路资源复用分配调度问题描述。
柔性公交线路，即网约拼车式定制公交，通过与以下一些熟悉的交通服务方式对比，可以看出其的特征。
1)与常规传统巴士相比，网约拼车式定制公交具有灵活路线和排班计划。
2)与区间快线摆渡巴士相比，网约拼车式定制公交的接站点和送站点是不固定的。
3)与共享出租车相比，网约拼车式定制公交需要提前募集乘客，而非基于点对点的匹配。
网约公交若干组织形式的边界做出如下界定：运营主体为公交公司和一些网约车公司；线路特征确定公交自由路径选择或者基于常规路径；募集方式含网约募集和电话募集；集合点和送站点根据现有固定线路或者集计线路，选择附近公交站点集合；平台中心调度负责场站选择，车辆和车型选择；顾客服务负责衡量等候时间，座位，票价等。
其中，利用公交现有资源兼顾常规公交和柔性公交线路的条件下，平台中心调度方式的升级不可或缺。本技术方案从时间空间松弛角度考虑，综合分析场站调车策略，使用现有车辆运营数据和排班计划，搜索最优车辆和车型选择，形成车辆复用的调度方法。
在收到网约公交订单后，归纳为要求开始时间、要求达到时间、车辆号、车牌号、车辆类型、乘车人数、起始公交站点、结束公交站点等信息。具体流程图如图1所示。
从现有空闲的常规运营线路和场站选择最优车辆，进行分配调度，完成订单并逐步形成公交公司内部的柔性众包机制，具体流程图如图2所示。
2.柔性公交线路资源复用分配调度算法
1)基本策略原理
依照常规排班调度算法，基础策略考虑六方面因素，
a.场区选择：以网约公交发车点为圆心，以A为半径寻找B的个场区；以半径或路径规划算法，按距离从小到大优选出C个场区。
b.根据排班计划计算部位数D：当天已有排班计划，则直接计算；若无排班计划根据相同工作日的历史排班计划计算出一个最大的部位数。
c.约车起讫时间在高峰，主要以机动车为优选目标：按(线路配车-部位数D)/线路配车的值越大、线路计划的保障的难度越小(后期版本)、约车起讫时间与线路的高峰的重叠度越低为目标优选E1条线路。
d.约车起讫时间在平低峰，按计划或历史多天的排班计划，按(排班计划对应时间段有空档的部位数F+线路机动车数)/总配车数从大到小，优选出E2条线路。
e.最终优选原则：按与场区距离目标为主+优选线路为辅排序；按优选线路为主+与场区距离目标为辅排序(默认方案)；如果能提供相应权重，则可按权重结果排序；并以电话沟通的形式确认线路是否满足配司机的情况。某线路被优选后，调整再次被优选中的权重。
2)场区空间松弛算法原理
针对场区选择，本技术方案提出场区空间松弛算法，基本流程如下。
根据公交公司运营区域A的路口分布及公交车辆场区分布图得到具体计算过程，将A区所有路口节点及路径合理优化，分配给M个公交场区进行管辖，技术方案满足以下两个限制条件。
a.客户发起订单需求，要求场区到出发点与目的地到场区距离之和最小。
b.M个场区所分配的任务量尽可能均衡，以满足场区传统排班正常职能。
问题解析为：
(1)首先完成A区所有路径的分配，将A区内所有路径划分出来，并计算长度。
(2)若出现某些路径没有被任一场区所覆盖或者只有部分覆盖，故先对路径进行预处理，对路径进行分类整理。
基于半径R的路径属性分类，定义路径集合：V(s(i,j)1,s(i,j)1,s(i,j)1,...,s(i,j)n)(假设有n条路径)。场区节点集合Qi,i＝1,2,...,m，运用Dijkstra算法，求出所有节点之间两两距离最短集合：d(i,j),i＝1,2,...定义场区控制范围半径R。
路径类别处理算法如下：
假设需对路径s(i,j)分类，对应每一个节点Qi，分别求解的d(Qi,i),d(Qi,j),若存在一个Qi使得d(Qi,i),d(Qi,j)均小于R,则s(i,j)的属性值为2；若存在一个Qi,使得d(Qi,i),d(Qi,j)中只有一个小于R,则s(i,j)的属性值为1；若对于所有的Qi,以上两种条件都不满足，则为0。即根据以上属性分别分为0类路，1类路，2类路。由分类可知0类路与1类路不满足场区覆盖，故需要进一步计算。
订单率计算，假设节点上的订单率Pr为所有与其相连的路径的订单率Nr相加和计算得来。
Figure BDA0002501228780000091
其中C表示i(j)一定时，路存在的情况下j(i)的可行域，|s(i,j)|表示s(i,j)的长度。
定义优化目标，完成任务时间最短，即在速度一定的情况下，完成的任务距
Lk(i，j)＝min|s(k，i)|+min|s(i，j)|+min|s(k，j)||
离最短：
接着定义场区到路之间的距离最短为
由于速度一定，所以决定任务k场区的完成任务时间为xk(i,j)*Lk(i,
L′k(i，j)＝min|s(k，i)|
j)中的最小值决定。xk(i,j)为s(i,j)这条路径是否分配给k平台，是则为1，否则为0。i,j可分别设定为客户的出发点和目的地。故将其最小值作为目标函数，即
min[xk(i，j)*Lk(i，j)]。
场区分配到的订单率方差：假设各场区的车辆配置大致相同，故分配路径后场区的工作量也应大致均衡，否则会影响场区的日常运转。引入方差以量化分
Figure BDA0002501228780000101
Nr(k)＝[x(k，1)，x(k，2)，...，x(k，j)，...]*NrT
配均匀度，进行优化计算。
其中k＝1，2，...，m，Nr(k)表示k场区所辖区域的订单率。
属性为0，1路径的分配方案：我们设定0类路与1类路优化目标为时间最短。该类路在通常情况下路径较长，不确定因素较多，故确定路程最短的同时考虑
Figure BDA0002501228780000102
设置罚函数。罚函数定义：
k表示场区序号，i，j表示路径的端点序号，x表示Lk(i，j)
0-1规划为：
min[xik(i，j)*Wk(i，j)]
Figure BDA0002501228780000103
Figure BDA0002501228780000104
属性为2路径的分配方案，该类路的优化目标：时间最短，且保证后期订单率相对均衡。
(1)将路程最短设置为优化目标：
min[xk(i，j)*Lk(i，j)]。
(2)将各场区分配到的订单率方差转为一个条件，即给方差设定一个确定的最大值，作为可行域的约束条件。然后通过改变阈值，确定最优解。阈值的确定决定了双目标的规划是否合理，可以改变不同的阈值，运用退火算法，得到两个目标的归一化结果。
由于订单率类内方差最小的阈值即场区订单类间方法最大的阈值，有相应公式：定义两个类方差加权和为
Figure BDA0002501228780000111
其中权重W(t)是被阈值t分开的两个类的概率，σ2是这两个类(b和f)的方差。遍历法通过遍历所有可能的阈值(t＝1到最大强度)更新概率W和类均值，得出计算结果方差加权和，所求的阈值对应于最大的方差加权和。改进运用模拟退火算法，以梅特罗波利斯－黑斯廷斯算法产生优化解的序列，并且得出相应概率转移，确定当前解到新解是否做出转移，公式如下：
Figure BDA0002501228780000112
该公式中
Figure BDA0002501228780000113
用于判断新解是否被接受，i和j表示阈值t从1到最大强度的当前解和新解，根据常用的梅特罗波利斯准则，若f(i)＜f(j)则接受新解j作为新的当前解，若不满足则以公式所示概率exp接受j作为新的当前解。
阈值t决定随机移动的转移接受概率，t越大则算法使类方差价权和上升移动的能力加强，模拟退火算法较遍历法可以有效提升运算时间效率。
3.算法应用
则将上述方法通过软件应用到***中结果如图3所示。

Claims (5)

1.一种柔性公交线路资源复用分配调度方法，其特征在于，包括以下内容，
a.场区选择：以网约公交发车点为圆心，以A为半径寻找B个场区；以半径或路径规划算法，按距离从小到大优选出C个场区；
b.根据排班计划计算部位数D：当天已有排班计划，则直接计算；若无排班计划根据相同工作日的历史排班计划计算出一个最大的部位数；
c.约车起讫时间在高峰，主要以机动车为优选目标：按(线路配车-部位数D)/线路配车的值越大、线路计划的保障的难度越小、约车起讫时间与线路的高峰的重叠度越低为目标优选E1条线路；
d.约车起讫时间在平低峰，按计划或历史多天的排班计划，按(排班计划对应时间段有空档的部位数F+线路机动车数)/总配车数从大到小，优选出E2条线路；
e.最终优选原则：按与场区距离目标为主+优选线路为辅排序；按优选线路为主+与场区距离目标为辅排序；如果能提供相应权重，则按权重结果排序；并以电话沟通的形式确认线路是否满足配司机的情况；某线路被优选后，调整再次被优选中的权重。
2.根据权利要求1所述的柔性公交线路资源复用分配调度方法，其特征在于，针对场区选择，采用场区空间松弛算法，包括以下步骤，
1)首先完成A区所有路径的分配，将A区内所有路径划分出来，并计算长度；
2)若出现某些路径没有被任一场区所覆盖或者只有部分覆盖，故先对路径进行预处理，对路径进行分类整理。
3.根据权利要求2所述的柔性公交线路资源复用分配调度方法，其特征在于，路径类别整理时，基于半径R的路径属性分类，定义路径集合：V(s(i，j)1，s(i，j)1，s(i，j)1，...，s(i，j)n)(假设有n条路径)；场区节点集合Qi，i＝1，2，...，m，运用Dijkstra算法，求出所有节点之间两两距离最短集合：d(i，j)，i＝1，2，...定义场区控制范围半径R；
对路径s(i，j)分类，对应每一个节点Qi，分别求解的d(Qi，i)，d(Qi，j)，若存在一个Qi使得d(Qi，i)，d(Qi，j)均小于R，则s(i，j)的属性值为2；若存在一个Qi，使得d(Qi，i)，d(Qi，j)中只有一个小于R，则s(i，j)的属性值为1；若对于所有的Qi，以上两种条件都不满足，则为0；即根据以上属性分别分为0类路，1类路，2类路。
4.根据权利要求3所述的柔性公交线路资源复用分配调度方法，其特征在于，属性分类为0类路或1类路时的路径处理算法如下：
订单率计算如下
Figure FDA0002501228770000021
其中C表示i(j)一定时，路存在的情况下j(i)的可行域，|s(i，j)|表示s(i，j)的长度；
定义优化目标，完成任务时间最短，即在速度一定的情况下，完成的任务距离最短：
Lk(i，j)＝min|s(k，i)|+min|s(i，j)|+min|s(k，j)||
接着定义场区到路之间的距离最短为
L′k(i，j)＝min|s(k，i)|
由于速度一定，所以决定任务k场区的完成任务时间为xk(i，j)*Lk(i，j)中的最小值决定；xk(i，j)为s(i，j)这条路径是否分配给k平台，是则为1，否则为0；i，j可分别设定为客户的出发点和目的地；故将其最小值作为目标函数，即
min[xk(i，j)*Lk(i，j)]；
场区分配到的订单率方差：
Figure FDA0002501228770000031
Nr(k)＝[x(k，1)，x(k，2)，...，x(k，j)，...]*NrT
引入方差以量化分配均匀度，进行优化计算；其中k＝1，2，...，m，Nr(k)表示k场区所辖区域的订单率；
属性为0，1路径的分配方案：我们设定0类路与1类路优化目标为时间最短；该类路在通常情况下路径较长，不确定因素较多，故确定路程最短的同时考虑设置罚函数；罚函数定义：
Figure FDA0002501228770000032
k表示场区序号，i，j表示路径的端点序号，x表示Lk(i，j)
0-1规划为：
min[xik(i，j)*Wk(i，j)]
Figure FDA0002501228770000033
Figure FDA0002501228770000034
5.根据权利要求3所述的柔性公交线路资源复用分配调度方法，其特征在于，属性为2路径的分配方案，该类路的优化目标：时间最短，且保证后期订单率相对均衡；
1)将路程最短设置为优化目标：
min[xk(i，j)*Lk(i，j)]；
2)将各场区分配到的订单率方差转为一个条件，即给方差设定一个确定的最大值，作为可行域的约束条件；然后通过改变阈值，确定最优解；阈值的确定决定了双目标的规划是否合理，可以改变不同的阈值，运用退火算法，得到两个目标的归一化结果。
CN202010432989.9A 2020-05-21 2020-05-21 柔性公交线路资源复用分配调度方法 Pending CN111738490A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010432989.9A CN111738490A (zh) 2020-05-21 2020-05-21 柔性公交线路资源复用分配调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010432989.9A CN111738490A (zh) 2020-05-21 2020-05-21 柔性公交线路资源复用分配调度方法

Publications (1)

Publication Number Publication Date
CN111738490A true CN111738490A (zh) 2020-10-02

Family

ID=72647576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010432989.9A Pending CN111738490A (zh) 2020-05-21 2020-05-21 柔性公交线路资源复用分配调度方法

Country Status (1)

Country Link
CN (1) CN111738490A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418552A (zh) * 2020-12-04 2021-02-26 沙师弟(重庆)网络科技有限公司 基于调度要求对货单与承运车辆进行优化调度的工作方法
CN114518763A (zh) * 2022-04-20 2022-05-20 清华大学深圳国际研究生院 一种协同公交车的路径规划方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426300A (zh) * 2012-05-18 2013-12-04 李志恒 提高快速公交调度精度的***及方法
CN105070044A (zh) * 2015-08-17 2015-11-18 南通大学 一种基于乘客预约的定制公交合乘车辆动态调度方法
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及***
CN108831149A (zh) * 2018-06-14 2018-11-16 重庆同济同枥信息技术有限公司 一种基于历史od信息定制公交线路开行方法及***
CN109859459A (zh) * 2019-02-22 2019-06-07 北京航空航天大学 一种自动驾驶公交调度优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426300A (zh) * 2012-05-18 2013-12-04 李志恒 提高快速公交调度精度的***及方法
CN105070044A (zh) * 2015-08-17 2015-11-18 南通大学 一种基于乘客预约的定制公交合乘车辆动态调度方法
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及***
CN108831149A (zh) * 2018-06-14 2018-11-16 重庆同济同枥信息技术有限公司 一种基于历史od信息定制公交线路开行方法及***
CN109859459A (zh) * 2019-02-22 2019-06-07 北京航空航天大学 一种自动驾驶公交调度优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程玉胜: "数据结构与算法：C语言版", vol. 1, 29 February 2020, 中国科学技术出版社, pages: 189 - 192 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418552A (zh) * 2020-12-04 2021-02-26 沙师弟(重庆)网络科技有限公司 基于调度要求对货单与承运车辆进行优化调度的工作方法
CN112418552B (zh) * 2020-12-04 2023-06-27 沙师弟(重庆)网络科技有限公司 基于调度要求对货单与承运车辆进行优化调度的工作方法
CN114518763A (zh) * 2022-04-20 2022-05-20 清华大学深圳国际研究生院 一种协同公交车的路径规划方法
CN114518763B (zh) * 2022-04-20 2022-07-12 清华大学深圳国际研究生院 一种协同公交车的路径规划方法

Similar Documents

Publication Publication Date Title
CN109409599B (zh) 基于实时需求的定制公交线路开通优化方法
Bischoff et al. City-wide shared taxis: A simulation study in Berlin
Daganzo et al. A general model of demand-responsive transportation services: From taxi to ridesharing to dial-a-ride
US20190108468A1 (en) Method and apparatus to operate smart mass transit systems with on-demand rides, dynamic routes and coordinated transfers
JP7166222B2 (ja) 乗客に通勤用車両を割り当てるシステム
Pelzer et al. A partition-based match making algorithm for dynamic ridesharing
CN112561249B (zh) 面向实时需求的城市定制公交调度方法
CN112085249B (zh) 一种基于强化学习的定制公交线路规划方法
CN112465211B (zh) 一种轨道交通列车满载率控制方法及应用
CN111738490A (zh) 柔性公交线路资源复用分配调度方法
Bischoff et al. A framework for agent based simulation of demand responsive transport systems
Hakeem et al. Multi-destination vehicular route planning with parking and traffic constraints
Hu et al. Autonomous valet parking optimization with two-step reservation and pricing strategy
de Palma et al. Ride-sharing with inflexible drivers in the Paris metropolitan area
Bischoff et al. Current and future dynamic passenger transport services—Modeling, simulation, and optimization in a sustainable transport system
CN112949987A (zh) 基于预测的出租车调度和匹配方法、***、设备及介质
Perera et al. Genetic algorithm based dynamic scheduling of EV in a demand responsive bus service for first mile transit
CN116524705A (zh) 一种城际出行车辆的调度方法及终端
CN116468219A (zh) 一种枢纽站接驳出租车合乘调度匹配方法
Haourari et al. The short-term impacts of cooperative, connected, and automated mobility on passenger transport
CN115936330A (zh) 一种基于拉格朗日原理的需求响应式brt车辆调度算法
Li et al. Simulation of shared autonomous vehicles operations with relocation considering external traffic: Case study of brussels
Nakanishi et al. Parking lot allocation and dynamic parking fee system based on a mechanism design approach
CN117252323B (zh) 一种基于用户偏好的多模式出行路径规划方法
Shibata et al. EVTour: Online Scheduling System for Tours with Multiple Destinations by One-Way EV Sharing

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