一种城乡定制客运分层线路设计与车辆调度方法

摘要: 本发明涉及线路设计与车辆调度,特别是涉及一种城乡定制客运分层线路设计与车辆调度方法。背景技术:1、城乡之间的多元化出行需求持续增加,而传统城乡一体化客运服务网络...
一种城乡定制客运分层线路设计与车辆调度方法

本发明涉及线路设计与车辆调度,特别是涉及一种城乡定制客运分层线路设计与车辆调度方法。

背景技术:

1、城乡之间的多元化出行需求持续增加,而传统城乡一体化客运服务网络中“定点定线”的运营模式已无法适应对准点性要求较高的个性化出行需求,如通勤、通学或前往交通枢纽等。作为常规客运服务网络的重要补充形式,定制客运是满足乡镇居民多元化出行需求的重要途径。

2、在城乡客运班线公交化改造的背景下,针对跨区域出行定制客运的线路设计方法主要沿用城市定制公交或需求响应式公交服务网络设计方法,即采用“多点对单点”、“多点对多点”一站直达的线路形式,根据出行需求,形成了包括站点选址、线路设计、时刻表编制和行车计划等环节的复合设计流程。

3、按研究场景不同,若面向高密度、高峰时段客流走廊的中长距离出行,可借鉴通勤定制公交、机场专线的设计思路。例如,现有技术方案提出基于多点对单点服务模式,在对出行起终点区域进行聚类划分的基础上,提出了一个定制公交线网规划模型。现有技术方案还提出面向长距离出行,构建了一种考虑乘客步行可达性的定制公交线路设计方法。现有技术方案还考虑乘客偏好因素,构建了两阶段定制公交线网设计模型。面向出行需求较少或分布较为分散的区域,可借鉴需求响应或灵活公交设计思路。例如,现有技术方案构建了一种考虑乘客出行时间窗的需求响应式接驳公交线路及时刻表优化模型。现有技术方案考虑村镇区域居民出行需求分散的特征,构建了需求响应式公交线路设计模型。现有技术方案考虑出行需求时空分散性特征,构建了基于动态乘降点的定制客运线路与车辆联合优化模型。现有技术方案以公交覆盖率较低区域与交通枢纽之间的接驳为研究场景,构建了组合调度模型。

4、若将上述既有基于“一站直达”模式的线路设计方法直接推广至城乡出行场景,在特定的需求分布特征下,将较难平衡运营成本与出行效率。以早高峰时段为例,城乡跨区域出行客流方向通常为单向型特征,主要客流方向为:建制村—乡镇、乡镇—城区。然而,受乡镇区域空间结构的影响,中心乡镇客流聚集程度高,而周边建制村的出行需求在空间层面的分布较为分散。因此,若采用建制村至城区的多起终点直达线路运营模式,对于跨区域长距离出行,较低的上座率将无法有效控制运营成本。同时,相较于城市建成区,乡镇、建制村区域的道路条件更加复杂,若直接布设建制村—乡镇—城区的长距离线路模式,运营车辆绕行距离的增加也会影响准点性这一定制客运关键服务指标。

5、因此,如何提供一种兼顾服务质量与运营成本的城乡定制客运线路设计方法是本领域技术人员亟需解决的技术问题。

技术实现思路

1、为了解决上述现有技术存在的问题,本发明的目的是提供一种城乡定制客运轴辐式分层线路设计与车辆调度方法,拆分传统定制类型线路的“一站直达”线路形式,采用城乡跨区域主线与镇村接驳支线分层协同设计的方式实现定制服务,并构建面向主线模式的时刻表优化模型、面向支线接驳模式的线路设计、时刻表与车辆调度协同优化模型、设计基于智能优化的模型求解算法,输出定制客运线路与时刻表运营方案。

2、为实现上述目的,本发明提供了如下方案:

3、一种城乡定制客运分层线路设计与车辆调度方法,包括:

4、获取定制客运的预约出行需求数据;

5、设置主线跨区域直达模式和支线接驳模式,并以供需匹配率与出行时间为目标函数构建主线时刻表优化模型,同时以供需匹配率、出行时间成本与运营成本为目标函数,构建支线线路设计、时刻表与车辆调度中面向支线接驳模式的协同优化模型;

6、根据所述预约出行需求数据采用融合遗传算子的自适应机制与精英策略的非支配排序遗传算法对所述主线时刻表优化模型和所述协同优化模型进行求解,输出定制客运线路运营方案;在求解支线模型过程中,执行车辆调度操作,以优化车队规模、降低运营成本。

7、可选地,构建所述主线时刻表优化模型包括:

8、将所述预约出行需求数据分为由乡镇出发和由建制村出发两类,并将乡镇出发的乘客的上车站点、下车站点分别位于乡镇与城区,将所述建制村出发的乘客出行轨迹依次设置为建制村、乡镇和城区;

9、若所述预约出行需求数据为从乡镇出发的需求,则从时刻表编制角度,直达线路营运车辆离开线路中途站点及到达城区目的地的时间需满足预约需求的时间窗,若所述预约出行需求数据为在建制村出发的需求,需由接驳车辆将乘客运送至直达线路中途站点,同时需满足主线直达线路营运车辆离开该中途站点不能晚于目标时间窗,且服务于所述建制村出发的需求的接驳车辆需在主线车辆离开站点之前到达该中途站点,从而以供需匹配率与出行时间为目标函数构建所述主线时刻表优化模型:

10、;

11、;

12、;

13、其中,为最大化供需匹配率,为最小化出行时间成本,为场站对应车辆集合,为乡镇出发的需求集合,为建制村出发的接驳需求集合,为主线中,被服务乘客的出行时间成本指标,表示若出行需求可由场站发出的车辆服务,其值为1;否则,其值为0;为由乡镇出发的需求数量,为由建制村出发的接驳需求数量,为供需匹配率,为出行时间成本。

14、可选地,该方法还包括:所述主线时刻表优化模型的约束条件:

15、车辆任务分配约束:

16、;

17、时间窗约束:

18、;

19、;

20、时刻表协同编制约束:

21、;

22、车辆容量约束:

23、;

24、运行时间约束:

25、;

26、;

27、;

28、变量约束:

29、;

30、其中,为主线车辆到达中途站点的时间,为主线车辆

k到达城区目的地时间,为需求期望到达目的地的时间,为主线车辆在中途站点的服务时间,为主线中,两个站点和间的距离,为主线中车辆行驶速度,为车辆上座率,为主线营运车辆的容量,为需求所对应的预约人数,为主线运营时段内的最早发车时间,为主线运营时段内的最晚发车时间,为主线车次集合,为主线车辆到达中途站点的时间,为主线车辆离开中途站点的时间,为主线中,两个站点和间的运行时间,为场站发出的每个车次的发车时间,,为每位乘客的期望出发时间,同时引入系数定义需求的出行时间窗,以增加运营方案的灵活性,针对每位乘客的期望出发时间,定义系数,进而可在需求所对应的出发站点定义其出行时间窗,系数为对应的时间窗参数。

31、可选地,构建所述面向支线接驳模式的协同优化模型包括:

32、;

33、;

34、;

35、;

36、;

37、其中,为供需匹配率,为运营距离成本,为出行时间成本,为完成所有车次任务所需要的运营车辆数,为最大化供需匹配率,为最小化运营距离成本,为最小化出行时间成本,为场站集合,为接驳区域中,场站所对应的车辆集合,表示若出行需求可由场站发出的车辆服务,其值为1;否则,其值为0,为站点集合,为支线接驳线路中,单位距离的运营成本,为支线中,两个站点和间的距离,表示若场站发出的主线车辆由需求点行驶到需求点,其值为1;否则,其值为0,为支线中,需求的出行时间成本指标,为由建制村出发的接驳需求数量,为场站

d发出的某车辆,为场站

d所对应的车辆集合,为每辆车的发车成本,为场站发出的某车次,为场站发车的车次集合,表示若车次可被车辆所服务,其值为1,否则,其值为0。

38、可选地,该方法还包括:所述面向支线接驳模式的协同优化模型的约束条件:

39、车辆任务分配约束:

40、;

41、;

42、时间窗约束:

43、;

44、两类线路模式的时刻表协同约束:

45、;

46、车辆容量与上座率约束:

47、;

48、连续节点运行时间约束:

49、;

50、;

51、变量约束:

52、;

53、;

54、;

55、其中,为建制村出发的接驳需求集合,为接驳线路车辆到达中间站点的时间,为接驳线路车辆到达对应直达线路中间站点的时间,为接驳区域中,场站所对应的车辆集合,为支线营运车辆的容量,为支线车辆在中途站点的服务时间,为支线中,两个需求点和间的运行时间,为接驳线路车辆到达中间站点的时间,为一个充分大的数,为场站发出的车辆与第一个途经站点的连接关系,为场站发出的车辆在完成车次运营后返回场站,为乘客的期望出发时间,为对应的时间窗参数,为主线线路车辆离开中途站点的时间,为上座率。

56、可选地,利用所述非支配排序遗传算法输出所述主线跨区域直达模式和支线接驳模式定制客运线路运营方案包括:

57、步骤1、根据整数编码规则生成初始种群;

58、步骤2、采用锦标赛策略对所述初始种群进行选择操作、采用自适应机制的遗传算子对所述初始种群进行交叉和变异操作,生成子代种群,并计算所述子代种群所对应的各个目标函数值;

59、步骤3、将上一代的父代种群与所述子代种群进行合并,得到新的种群;

60、步骤4、利用快速非支配排序方法输出所述新的种群所对应的多个不同层级的非支配前沿;

61、步骤5、采用精英策略对所述非支配前沿进行迭代判断,生成新的父代种群:若,则,直至,并计算所述非支配前沿中每个个体的拥挤距离并由高至低排序,选择排序值处于前位所对应的个体并入种群,得到新的父代种群;其中,为种群,为非支配前沿,为种群规模;

62、步骤6、重复步骤2-5,直至满足迭代状态的终止条件,将最后一次迭代过程中的种群和子代种群进行合并,并利用快速非支配排序方法输出合并后的种群所对应的pareto最优解,则可视为定制客运线路运营方案,并将不满足上座率约束的解剔除;在生成的支线接驳模式线路运营方案中,进一步执行车辆调度操作以优化车队规模、降低运营成本。

63、可选地,所述非支配排序遗传算法的初始种群包括:

64、所述主线时刻表优化模型的初始种群:

65、;

66、所述支线协同优化模型的初始种群:

67、;

68、其中,为每个个体所对应的发车时刻表或发车时刻序列,为运营时段内第辆车或车次的发车时刻,为车辆在执行线路对应车次任务时的站点访问次序,为线路的站点编号,为线路所经过的站点数量。

69、可选地,所述非支配排序遗传算法中自适应机制的遗传算子包括:

70、;

71、;

72、;

73、;

74、其中,为自适应交叉概率,为目标函数的数量,、、分别为当前种群中第个目标函数适应度的最大值、最小值以及平均值,为两个待交叉个体适应度的较大值,为待变异个体的适应度值,为自适应变异概率,为交叉概率计算过程中的参数,为变异概率计算过程中的参数,、、为其他参数,满足;、、为其他参数,满足。

75、可选地,所述车辆调度操作包括:

76、步骤1、设定最大迭代轮次为:将由场站发出的车次集合中的车次按发车时间的升序进行排列,同时设定临时集合;

77、步骤2、从所述车次集合中的第一个车次开始,按顺序对所述车次集合中的元素进行迭代判断,判断所述车次集合中除去当前迭代轮次车次的元素中是否存在目标车次集合,使所述目标车次集合中的车次可按时间和空间条件进行连接;

78、步骤3、若存在所述目标车次集合,则将生成的车次链存储至所述临时集合,同时将所述目标车次集合中的车次元素从所述车次集合中删除,并判断所述车次集合中的元素是否遍历完成,若完成遍历,则合并所述车次集合与所述临时集合生成新的车次链集合,若未完成遍历,则重新判断当前车次集合中除去下一迭代轮次车次的元素中是否存在目标车次集合,直至完成遍历;

79、步骤4、若不存在所述目标车次集合,则所述车次集合保持不变,并判断所述车次集合中的元素是否遍历完成,若完成,则合并所述车次集合与所述临时集合生成新的车次链集合,若未完成遍历,则重新判断当前车次集合中除去下一迭代轮次车次的元素中是否存在目标车次集合,直至完成遍历。

80、本发明的有益效果为:

81、(1)本发明采用的定制客运“轴辐式”分层线路设计模式充分考虑了乡镇区域内出行需求在空间上的分布不均衡特征,改变既有定制客运或定制公交在多起终点之间采用的“一站直达型”设计理念,形成“主线直达与支线接驳”双层级服务网络模式,使需求覆盖范围更广。

82、(2)本发明所构建的模型在考虑出行需求空间分布的同时,考虑用户的出行时间特征。通过优化不同线路形式的运营方案、采用直达与接驳线路时刻表协同编制策略,以满足每位用户的出行时间窗、舒适性(一人一座),保障两类线路模式所服务的乘客可以按时到达目的地,并考虑车辆调度问题以削减运营成本。

83、(3)本发明采用的轴辐式分层线路设计形式兼顾了供需匹配率、出行时间与运营成本等指标,避免由直接布设“建制村—乡镇—城区”长距离直达线路形式所导致的运营距离成本过高的问题,同时保障了准点性这一定制客运的关键服务特征。此外,本发明根据模型特征设计了一种基于智能优化的求解算法以生成定制客运线路设计、时刻表与车辆调度协同运营方案,所得结果可为定制客运实际运营方案的制定提供决策支撑。