科研训练公交车调度算法.doc

学校代码： 10128学 号： 200920610054 科研训练 题目：公交调度算法研究学院：土木工程学院专业：交通工程班级：交通09-2班姓名：娄守信 2012年12月26文献资料名称序号篇名作者刊名年/期1公交调度优化模型及其解法研究曹丽雅实验科学与技术2011/042公交车和驾驶员集成调度算法研究刘波涛计算机工程与科学2011/043基于双层规划的公交车调度问题的模型与算法晏烽兰州交通大学学报2008/064快速公交调度算法与研究李艳东北大学2010/125城市公交车辆组合调度问题的研究陈明明兰州交通大学2007/116城市公交调度优化方法研究覃运梅合肥工业大学2006/07摘选内容内容1 各站候车乘客数和下车率的分布函数 各站点乘客的流量是制订车辆调度表的基础。以某城市的一条公交线路上公交车的调度问题为例。该条线路共n 站，每天的运营时间分为k 个时段，获得的数据是一个典型工作日各站在各个时段内上车的乘客数量和下车人数占车上总人数的比例。由于所采集的数据只是各时段的累积人数而实际上乘客密度并不均匀，为了处理方便，假定在第i 个站点从每天的起始时刻到t 时刻达到的乘客总数为一个二阶导数连续的函数Fi( t) ，因此可据第i 个站点提供的k 个时段的到达乘客数依次累加得k个型值点，调用matlab 中的三次样条插值函数，得到Fi(t) 的表达式( i = 1，2，n) ，曲线形式如下图 图1 车站上车人数曲线考虑出行特征随时间变化的规律性，模型所需要的车站乘客预计下车人数，可首先通过既有统计客流数据建立各站下车率随时间变化的函数曲线Gi( t) 的表达式( i = 1，2，n) ，然后再计算下车人数的方法获取。下车率曲线横坐标为时间，纵坐标为下车率，其建立过程与乘客到站曲线相同。内容2多目标公交调度问题的数学模型一般情况下, 车辆调度工作优先于驾驶员调度工作, 驾驶员调度就是安排一组驾驶员来完成一日内的全部车辆运营工作。一辆车的运营工作就是从车场出发, 在线路上运营若干趟以后, 最终返回车场的过程。在车辆的运营线路上有若干个指定的驾驶员换班地点, 称为“换班点”, 一个换班点与车辆到达该地点的时间结合起来就构成一个“换班机会”。在任意一个换班机会, 驾驶员都可以交接班。由于车辆到达一个换班点时, 通常会停留一段时间, 这段时间被称为“时间窗”。时间窗与相应的换班点结合构成一个“换班机会窗”, 驾驶员在换班机会窗内任意时刻都可以交接班。两个连续换班机会窗之间, 不允许驾驶员换班, 这段时间被称为“小驾驶段”。多目标公交调度就是要构造一组驾驶班次来覆盖一日内的全部车辆运营工作, 一个班次代表一位驾驶员一天的运营工作。这是一个复杂的组合优化问题, 它需要同时满足以下条件:(1) 每一班次必须是有效的。班次的有效性由一组国家和企业制定的劳动法规制约(如一天的总工时不许超过8 小时) , 满足全部劳动法规的班次才是有效班次。(2) 驾驶员只能在指定的换班机会窗进行交接班。换班机会窗相对单一的的换班机会为驾驶员提供了更多的换班机会, 但是增加了调度的复杂性。(3) 追求最少的驾驶班次以及最小的运营成本。每种类型的班次的成本计算方法不同, 而一个驾驶员可能有不同类型的班次, 这就使得减少班次与减少运营成本这两个目标有时会冲突。本文采用基于集合覆盖的方法来描述多目标。内容3乘客平均候车时间在拥挤的情况下,存在乘客等多次车的情况,在第j 趟客车过站后, 留在站上的乘客数可用如下公式计算:j = 2/ 3 j - 1 + vi - (- ( i- 1n = 1vn t - in = 2un) ) 假定未被滞留的乘客平均等车时间为t/ 2 ,滞留n 趟未上车的乘客平均候车时间t/ 2 + n t ( n = 1 ,2) ,可以求出在一个时间段内的第j 次公交车经过第i 个站点时,上车的乘客平均候车时间为ti , j =2/ 3 j - 1 ( t/ 2 + t) + 2/ 3 j - 2 t + vi t ( t/ 2)2/ 3 j - 1 + vi t 进一步可求出线路上行路线所有乘客从等车到下车的平均乘车时间为t1 = t/ tj =1 m- 1i =1t1i, j (- ( i - 1n =1vjnt - in =2ujn) ) /t/ tj =1Num1j+t (3)式中: Num1j= mi = 1v1i, j t. 同样的方法, 可以求出线路下行路线上所有乘客从等车到下车的平均时间.乘客的综合满意度可以为乘客的平均乘车时间与乘客在公交车上对拥挤程度的满意度的加权和,并取反. 再分别取4 = 0. 6 ,5 = 0. 4 进行计算,也可根据情况选择权重因子. 即L1 = - 4 t1 / 60 +5 R1 (4)同理L2 = - 4 t2 / 60 +5 R2 (5)内容4 实时调度策略研究现状 目前国内在调度方面的研究较少，而国外的研究比较深入，主要集中在四个方向:数学解析方法、模拟方法、随机模型方法和经验模型方法。1、数学解析方法:Adamski提出了多层次调度模型，并探讨了用多种策略来解决线路实时调度问题的最优化方法，而且提出了多层模型间调度层与其他层的协调机制及线路协调问题;Eberiein探讨了区间车在实时调度中的应用模型;Adebisi通过对发车间隔的研究建立了固定线路上发车间隔实时调整模型。2、模拟方法:Adamski最近尝试用计算机模拟方法来解决公交实时调度运行图的实时调整问题;K。man对两种可选择发车间隔策略进行了模拟研究;、乞ndethona和形chardson通过公交运营线路的模拟，提出了线路有效控制点策略。3、概率方法:Adamski研究了车站客流分布规律，探讨了公交车在线站的服务提供模型;Boett研究了公交运营的随机不可控制因素，对这些因素进行了分类评价。4、经验模型方法:典型的经验模型就是专家系统，Adamski研究首末站调度控制的特点，提出了相应系统的专家系统模型。总结 本文在智能交通系统的理论指导下，针对快速公交车的调度问题，进行了一些理论、方法与模型的研究土作。公共汽车的调度是智能交通系统的一个重要组成部分，是一个多学科交叉的新兴研究领域，而本文将遗传算法引入公交调度，针对公交调度的组合优化特性，利用混合蚁群算法的遗传算法进行了探讨。总结全文所做的工作，可以这样认为:采用混合蚁群算法的遗传算法优化公交调度问题，能够合理分配公交车辆资源，有效地调整供需平衡，提高运输效率，为建立完善的公交车辆运营调度措施提供了必要的技术支持。另一方面，智能交通系统是为解决交通问题的一门新兴学科，是当代科学技术发展的必然。智能交通系统的研究，尚未形成完整、系统的理论体系。公共汽车的调度作为智能交通系统的重要组成部分，其在新技术条件下的运行机制、运行方式、调度方法等有待于进一步究和探索。通过公交ITS在集中式调度、运营情况的管理、车辆车况监控、安全技术等方面的实践，可以为BRT设计实施阶段提供大量的实践经验。本文仅仅对原始调度即静态调度进行了研究，由于路况信息的实时变化和突发时间的不可预料性，使原始调度必须实时修改，即进行动态调度。而这一部分的理论和方法需进一步研究。 同时，公交的合理规划是现代城市可持续发展要解决的重要问题之一, 公交的调度优化可以提高公交的运行效率、降低运营成本。本文基于生物免疫机理, 开发了一种免疫优化算法, 给出了一种基于免疫计算的驾驶员调度优化算法, 并与文献中报道的算法进行了对比实验。结果表明, 本文算法的性能优于文