【城市轨道交通乘务计划优化模型及其应用案例分析4700字】

城市轨道交通乘务计划优化模型及其应用案例分析目录TOC\o"1-3"\h\u20978城市轨道交通乘务计划优化模型及其应用案例分析 17893第1章城市轨道交通乘务计划优化模型及算法 1226811.1城市轨道交通乘务计划编制相关模型及算法选择分析 192051.1.1优化模型 125881.2城市轨道交通网络化乘务计划编制模型建立 2103401.2.1问题假设 27939第2章城市轨道交通乘务计划实例分析 10152782.1基础数据 10177372.2结果分析 1297472.2.1乘务交路计划 12301002.2.2乘务排班计划 12第1章城市轨道交通乘务计划优化模型及算法1.1城市轨道交通乘务计划编制相关模型及算法选择分析1.1.1优化模型在不同运输方式下的乘务计划编制上已经进行了很多研究，创建的模型包括早期的传统的整数程序设计模型，然后传统的模型覆盖收集和集合分离模式。然而，早期的传统的整体规划仍然不足以解释组件的计划编制问题。集合覆盖率和集合分割模型比传统的整数编程模型更准确。但是，使用设置的覆盖率模型，更方便的旅行不会导致乘务利用率的提高，并且配置的细分模型可以更好地减少方便旅行的出现。也可以将机组调度问题视为周期内机组路由分配问题。除约束外，这与将工作员工作段组合为工作员交路的想法相同。机组调度计划还采用集合分段。遗传算法的定义是指遗传算法(GeneticAlgorithm,GA)最早是由美国的Johnhlland在20世纪70军代提出,该算法是根据大自然中生物体进化规律而设计提出的。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。用之前建立的模型用该方法对染色体进行编码，在此等位基因由{0，1}组成，用研究时段与最小开行间隔比来得出编码长度，其运行周期内各车首站发车时间，此时间内是否发车二进制编码位置值，“1”则说明发车，反之说明不发车。1.2城市轨道交通网络化乘务计划编制模型建立1.2.1问题假设如果不同交路的动力系统，信号系统，列车控制系统和运行模型相同，则不同交路之间乘务员的运行状况几乎没有差异，可以灵活地进行更改；（2）假设不同的生产线由同一家运营公司运营，或者员计划由片段编辑；（3）假设中转站线路包括中转站和周转站，乘务员可以通过中转站从一条线路转移到另一条线路；（4）假设乘务员通过换乘站从一条线转移到另一条线，则该站的旅行时间非常短，可以忽略不计；（5）在不限制乘务员离境的情况下，每名机组成员可在任何地方进出本站；（6）规定第j列车的临界时间是搭乘第j列车的最后一名乘客到i站的时间。1.2.2模型分析（1）单一交路模型条件下的优化模型考虑城市轨道交通运营企业成本的基础，结合兰州狭长地形的特点、乘客出行时间最小、空载率（一定服务水平下的列车发车密度）最小等几方面，建立数学模型：F=fS.T.f式中:f1为乘客等待列车的时间；f2为列车空载所带来的成本；i为第i个站；j为第j班次列车；n为车站个数；γ为未使用空间的单位空载成本；k为发车密度；DTji为第j班车从i站开出的花费时间；Di,i+s1.2.3约束条件（1）车辆接续限制设车组个数是m，设车组全部发车后下一辆发车的车组由第1辆动车进行周期运行并进行整备后提供[5]则对于第m+j列车，约束条件数学表述为其中：T0T0其中：Z0为列车整备时长；Ri为列车从第i-1站开往第i站运行的时间；（2）追踪间隔限制如果每一站的停车时间与行车时间都已经给出，则根据起始的列车发车时长就可以逐个获取每一站到发时间，那么第j次列车从i站的发出时间就可以通过到达时间和出发时间来获取，那么，DT同时要保证列车开行的时间间隔小于列车开行最小时间间隔D式中：I为最小安全追踪时间间隔，可由相关资料获得。（3）到达约束限制在运行途中，第j辆车到达i站的时间ATA出发约束限制，第j列车从i站离开的时间DTji由该车到达i站的时间AD（4）临界时间当第j列车到达i站后，其最大载客量为C−RjiE当所有在第i个车站等车乘客数大于C−REj公式中：tl为乘客到达第i个车站的时间1.2.5遗传算法（1）编码：用之前建立的模型用该方法对染色体进行编码，在此等位基因由{0，1}组成，用研究时段与最小开行间隔比来得出编码长度，其运行周期内各车首站发车时间，此时间内是否发车二进制编码位置值，“1”则说明发车，反之说明不发车[31].（2）种群初始化：二进制遗传编码算法特点采用完全随机方法产生初始种群，每条初始生成得染色体需要对其进行约束检验，从而判断它是否在问题的可行域内，如果不满足的话则进行调整直至满足。（3）适应函数求解其中模型目标函数值即为开行方案对应基因各染色体，即线上全部乘客等车总时间和列车浪费的运输能力罚值和，由于模型目标是求函数的最小值，设计如下适应度函数对其筛选：G式中：G(x)为适应值，F(x)为第x条染色体带入所目标函数所得数值；Cmax为到目前为止染色体到后代所达到的最优目标函数值。1.2.5遗传的编程上述文中主要介绍了交通乘务面临的问题并作出了进一步分析，最后根据实际的情况采用遗传算法进行交通乘务模型的构建，具体构建流程如下图所示：（1）通过随机方式产生若干由确定长度（长度与待求解问题的精度有关）编码的初始群体；（2）通过适应度函数对每个个体进行评价，选择适应度值高的个体参与遗传操作，适应度低的个体被淘汰；（3）经遗传操作（复制、交叉、变异）的个体集合形成新一代种群，直到满足停止准则（进化代数GEN>=?）；（4）将后代中变现最好的个体作为遗传算法的执行结果。根据上述遗传算法运算流程，应用Matlab软件构建实际的交通乘务模型，代码如下所示：图1.2.4项目代码整体结构设置编码初始群体，即乘务初始群体范围，如下图所示：图4-2乘务群体初始图4-3乘务群体筛选图4-4第二代乘务群体产生图4-5乘务群体编码基于遗传算法构建的交通乘务模型，经过上述实验得到下图结果：图4-6初始群体点位分布图图4-7经过遗传算法的曲线结果由实验结果可以得出如下结论,本文应用遗传算法进行交通乘务模型构建。对于城市轨道交通进行优化,需要合理处理好企业和乘客的关系。因此,以企业运营成本最低、乘客等车时间成本最低以及乘务人员效率最高为目标,通过权重系数设定目标函数;同时考虑乘客舒适度、线路车辆满载率以及政府部门规定的最大最小发车间隔等因素,建立相关约束条件;利用遗传算法进行交通乘务模型构建,并将优化前的总成本与优化后的总成本进行了比较,可以有效降低18%～26%的线路总成本。

城市轨道交通乘务计划实例分析2.1基础数据基于兰州城市轨道交通1号线2019年客流预测和运营初期的每站停和单一大交路方案”[7].运用上述列车开行方案的优化模型与求解程序对早晚高峰时段内列车由西向东的开行时间进行确定。该线路长27km并设有20站，全程运行时间39.7分钟设定列车每站的停时为45秒。早高峰客流时段为07:00-08:00。晚高峰客流时段为18:30-19:30。乘客到达比列车早4分钟。那么其开始时间分别是早高峰为06:56。晚高峰为18:30。由于客流具有滞后的特点，终止时间各自是早上8：40和晚上20:00，把乘客到达单位时间定为2分钟。早高峰的到站人数随时间变化结果如表5-1表示，合理的早高峰客流时段的时刻表通过高峰客流量动态分析得出最优发车数为17对，时刻表如表5-1所示。表5-1运行时间表相邻站点运行时间\min相邻站点运行时间\min陈官营站-奥体中心站6.3文化宫-西关十字1.6奥体中心站-世纪大道2.5西关什字-省政府1.8世纪大道-迎门滩3.2省政府-东方红广场1.3迎门滩-马滩3.75东方红广场-盘旋路1.6马滩-土门墩2.1盘旋路-五里铺1.5土门墩-西客站1.5五里铺-东部市场1.4西客站-西站什字1.9东部市场-拱星墩站1.5西站什字-七里河2.85拱星墩站-焦家湾1.9七里河-小西湖1.5焦家湾-东岗3.2小西湖-文化宫2.7图5-1早晚高峰时段客流量时间分布图表5-2早高峰时段列车首站优化开行时刻表车次发车时刻车次发车时刻车次发车时刻车次发车时刻17：00：0067：21：00117：41：00167：55：3027：03：0077：25：00127：44：30177：59：3037：08：0087：30：00137：47：0047：12：3097：35：00147：49：0057：16：00107：38：00157：52：00表5-3晚高峰时段列车首站优化开行时刻表车次发车时刻车次发车时刻车次发车时刻车次发车时刻118：30：00518：58：30919：12：301319：22：30218：36：00619：01：301019：14：301419：25：00318：44：30719：06：001119：17：001519：27：00418：53：00819：10：001219：19：301619：29：00结果：假设所有参数的取值都相等，且优化前的发车模式为均衡时刻发车，通过计算得出的数据对比由表5-4所示两种方案的对比可以从表5-4看出：与均衡发车方式相比，优化后的方案使得早晚高峰的总成本分别减少45%与47.3%,在乘客等待时间方面，优化后的方案分别下降18.4%与17%。这表明优化交路开行方案能够明显提高城市轨道交通运营的服务水平和运营效率，是一种比较好的优化方案。表5-4早高峰优化发车时刻与均衡发车时刻比较指标均衡开行优化开行目标函数对应值92012.250542.2乘客的平均等待时间1.632.15均衡载客比例49.367.7空载惩罚192531.785872.9表5-5晚高峰优化发车时刻与均衡发车时刻比较指标均衡开行优化开行目标函数对应值75002.239512.7乘客的平均等待时间3.972.09均衡载客比例48.262.2空载惩罚189443.472843.82.2结果分析2.2.1乘务交路计划在连接时间方面，基于多线工作分配平衡的列车连接时间表较短，从而总体上减少了104个小时。关于乘务交路的数量，多线乘务是基于如何创建联网的乘务计划的。通过任务平衡方法获取的空乘交路数量可以减少13。由于乘务员的总时间不变，因此乘务任务价值略有增加，大约为10分钟。从乘务的角度来看，多线乘务的效率最好是平衡的任务分配方法，为69.53％，传统的单线乘务总体规划约为5%。因此，使用网络机组规划可以在一定程度上减少机组人员的数量。这将降低城市轨道交通的运营成本，提高城市轨道交通的运行效率。2.2.2乘务排班计划城市轨道交通列车司机对于行车安全担负有重要的责任。而列车司机的工作具有连续性,周期性和生理性等特点。面对较强的工作压力,如何合理安排司机的运转班次和值乘方式,实现人员的恰当配置就显得尤为重要。关于空乘任务的平衡问题，通过空乘网络计划编制获得的空中交通管理方面的工作时间平衡稍有减少，但随着时间的推移，更平衡的多平衡性线乘务任务乘务任务轮换值乘更好。就乘务员人数而言，网络列车规划中多线作业的结合原则可