文摘

本研究的目的是探讨城市公交客运走廊的总线操作状态,以公交运营成本和旅客旅行成本最小为目标函数,以客流需求和营业收入为约束,并且考虑到平均速度变化的公共汽车线路公交走廊在不同的时间。本文提出了一个动态优化模型基于总线集成电路卡的公交路线安排(IC卡)数据。优化变量是候选线路的发车频率。解决模型,动态发车间隔优化方法设计基于改进遗传算法(GA)在不同决策偏好。广义成本函数的方法包括校准为乘客和公交公司和掌握公交运营速度变化的特点和离职的设计策略在不同决策偏好。该方法的有效性和适用性验证了一个数值例子。我们主要进行了以下工作:(1)动态分析的公交发车间隔的时间维度考虑乘客的时间变化特征在高峰时期。(2)七个方案的重量比乘客等待时间成本和公交运营成本的设计,和出发的时间间隔不同利益取向的乘客和运营商进行了讨论,分别,选择相应的离职方案决策者在不同决策偏好。结果表明,(1)7个不同的加权方案的总成本是低于实际价值的6.90%到18.20%;(2)当决策者需要偏见公交公司的重量,重量比α:β乘客和公交公司之间是0.25:0.75的效果最好。离职的频率已经减少了,同时,优化总成本降低18.2%;(3)当决策者需要偏见乘客的重量,重量比α:β之间的乘客和公交公司是0.75:0.25的效果最好。离职的频率增加了19岁的同时,优化总成本降低17.7%;(4)当决策者考虑乘客和公交公司同样,重量比α:β乘客和公交公司之间0.5:0.5,优化成本最接近实际成本,优化成本降低6.9%,离职的频率增加了5。本文中的结果表明,该模型提供了一个新想法的公交线路信息挖掘的研究基于公交IC卡数据和管理提供了一个有效的工具操作决策偏好不同。

1。介绍

设置不当总线安排会导致社会和经济损失和潜在的安全隐患。短的发车间隔会浪费资源,提高公交公司的财务压力。离职间隔时间太长会导致更长的等待时间乘客,乘客的浪费时间,甚至人们在公共场所的积累,这可能会导致安全事故(1]。公共汽车线路优化问题包括公共汽车线路路径、线路长度、线非线性系数、线操作时间表,车辆容量等等(2]。本文的研究问题是出发的时间优化一个总线的通勤走廊。从出发的时间,这个问题优化旅游旅客等待时间和公交运营成本在整个行,从而达到改善乘客的乘坐体验的目标和公交公司的收入3]。许多维诺进行了深入研究公交时刻表的优化。目前,公共汽车线路优化的研究方向主要包括单行的时间表优化、合作优化多行时间表,并考虑公共汽车和轨道交通之间的联系。

对于单行的时间表优化问题,马et al。4)和Hassold转让人(5)把乘客等待时间作为乘客的广义成本,考虑公交运营成本和总线操作发射作为总线操作成本,并使用遗传算法优化时间表。利用多源总线数据,温州et al。6]提出了一种新的基于最小化舰队的时间分割方法操作时间成本,建立了一个优化模型,目的是减少成本累积舰队操作时间整整一天,并使用遗传算法优化操作时间分割方案。Wihartiko et al。7),吴et al。8),唐,杨9)提高了遗传算法与遗传算法结合整数规划模型,设置遗传算法局部搜索和设置惩罚策略的量子遗传算法优化时间表乘客和公交公司的推广成本。记等。10和王11),分别设计了时间表使用K最短路径优化思想和不等式性质蚁群算法从添加不同类型的公共汽车的角度操作线。小君et al。12),吴et al。13张,et al。14)与公共交通的服务可靠性公司开始,分析了公共汽车到来的适用性准时率和旅客到达时间与当前操作的时间表,和优化操作时间表与最大化服务可靠性作为约束。一些reasearchers被认为是公共交通路口十字路口的影响操作。其中,静等。15)被认为是公共交通的影响信号交叉路口的车辆推进社会政策和使用模拟退火算法和事件驱动的政策组合模型约束下的优化时间表总操作时间和线操作的负面影响在社会车辆在十字路口。白等。16)认为的影响信号交叉口的绿灯阶段的操作和优化公交时刻表的约束的平均出行时间和平均准时率通过仿真软件总线。Zhang et al。17和顾et al。18)提出,从数据的角度来看,前者使用多项式差分法来填写缺少的数据总线操作数据,后者使用反向传播(BP)和径向基函数(RBF)神经网络预测乘客登机IC卡的数据和优化操作时间表。杨et al。19)提出,从节能减排的角度来看,节能减排的评价体系当公共汽车行驶在路上,公共汽车时刻表是排放污染为目标函数进行了优化。

合作优化的多行时间表,徐et al。20.)提出了一种方法来识别方向的乘客下车,转移,并运行基于站吸引力之间的关系吧,卡刷间隔和阈值。张,曹21)校准乘客的重量与不同的旅游目的,考虑乘客的需求随着时间不同的旅游目的等效,并使用遗传算法优化时间表。楚et al。22)考虑乘客的出行路径选择在该地区和使用一个混合整数线性规划模型和启发式算法优化操作时间表和行人路径选择在同一时间。江et al。23),吴et al。24],和Guo-Jiang Jian-Bo [25使用枚举方法,遗传算法基于nondominated序列,和GA优化操作时间表以乘客的总等待时间最小为约束条件。小王和曹26)将乘客的损失造成的早期和晚期车辆等效运营里程。针对最小化总运营里程的多个公共汽车,考虑乘客站约束、总线能力约束和乘客的出行时间窗口,他们建立了一个定制的公交调度优化模型。杨et al。27)选择三种公共交通方式建立多模公共交通网络和应用降维算法和分支边界方法优化运输网络。

考虑到公交与轨道交通之间的联系,高松,田口28)建立了一个事件活动网络给车辆时间表和落后地区公共交通乘客行为在日本和火车和公共汽车的合理性进行了探讨转移乘客转移等待时间的约束。窦和孟29日),基于研究的合理性终端巴士和火车站之间的转移,以乘客转移的最小化等待时间为约束,并考虑总线能力和乘客排队的态度,建立一个适应模型优化时间表。Zheng-Wu和Ming-Qun30.)建立了一个两级协调优化操作的行对应的支线公交系统在多个传输点混合需求包括预订需求和实时需求。

总之,研究人员在此阶段主要是关注巴士时间表的设置影响乘客和公交公司。很少有研究操作速度的变化引起的社会车辆总线操作的影响。本文主要关注一行的行程优化公共交通服务走廊,从IC卡数据,提取客流特征和把握的特点之间的旅行时间站在目标在目标线基于IC卡数据的乘客在目标线。遗传算法用于优化时间表与公交公司的旅行成本模型,讨论不同决策下的发车间隔。

2。方法

2.1。问题描述

优化的一个公共汽车线路,公交的发车间隔在不同时期影响公交服务水平,这是表达的总时间成本的乘客和公交公司的运营成本。在研究旅游公交线路的乘客,乘客的出行时间和出行OD矩阵可以计算根据公交IC卡数据。本文的研究目的是确定公交线路在不同时期的动态发车间隔的工作日。根据获得的乘客IC卡刷数据,本文以下假设:(1)公交车站之间的公共汽车的运行速度是常数,这是计算两个站之间的平均运行速度在不同的时间段(2)没有乘客容量限制在总线的操作,这意味着乘客在车站可以加载下一辆公车目前等待(3)公共交通工具的尺寸和操作参数是相同的

基于上述假设,确定本文的主要研究内容是客运旅游需求的影响在不同时期和不同的总线速度在不同时期公车时间表规划。

旅客旅游需求和公交运营速度变化在不同的时间。因此,本文的研究时间范围需要包括高峰期一天和客运的高峰期,旅客的出行特征和公交运营速度通过IC卡数据提取。

本文的主要工作如表所示1、解决问题的框架,它主要分为三个部分:第一部分:基本数据采集:它包括获取必要数据,如乘客抵达时间和公交车的运行速度在不同时期第二部分:设计和建模的不同决策偏好:乘客等待之间的不同的权重和公交公司运营成本的设计,遗传算法是用来解决最优成本和相应的离职进度第三部分:结果分析:优化与现有出发时间表,时间表比较和优化时间表的可行性进行了探讨

2.2。模型参数

包括公共汽车路线年代停止。根据上述假设,模型中的变量和常量使用如下: :所有公共汽车线路经过的停止, :的n公共汽车, :的时候n公共汽车到达年代站 :停止时间的火车在车站 :研究期间的起始时间,在几分钟内 :研究期间的结束时间,在几分钟内 :时间间隔设置在这项研究中,在几分钟内 :公共汽车的平均运行时间x, :乘客数量期间每分钟到达车站来 :乘客体重时间成本 :乘客等待时间总成本 :每辆车的运营成本 :公交公司的总运营成本

2.3。基于决策偏好的广义费用模型

在这篇文章中,总线操作的总成本模型由乘客的等待时间成本和公交公司的运营成本。考虑到在实际问题中,决策者往往有不同的偏好为乘客和公交公司的利益,也就是说,不同的决策偏好。因此,在本文中,不同的权重( )为旅客设置等待时间和公交公司运营费用。不同的决策者偏好的影响在总线操作的总成本进行了探讨。

2.3.1。乘客等待的时间成本

在乘客的等待时间成本,它定义了乘客的到达时间服从泊松分布在相应的发车间隔,和乘客的等待时间总成本可以表示如下:

2.3.2。公共交通公司的运营成本

在公共交通企业的运营成本,它定义,公共交通企业的运营成本相关的驾驶时间每个总线在路上。开车的时间越长,公交公司的运营成本就越高。通过分析每一站的行程时间,获得的是公交车站的旅游特点符合对数正态分布的密度函数特征。公交公司的运营成本模型显示如下:

2.3.3。基于决策偏好的广义费用模型

模型建立的目的,减少乘客等待时间之和成本和公交公司运营成本在不同的权重。该模型显示如下:

3所示。模型框架

3.1。算法流程图

遗传算法是一个生物进化计算模型模拟达尔文的生物进化理论。它使用计算机仿真来解决问题的过程转变成一个过程类似于染色体的交叉和变异的基因在生物进化。

公共交通调度,优化问题的区间运行时间变量离散特征,这是一个典型的不确定性多项式np难问题。自适应性和全局搜索的遗传算法具有良好的性能在解决NP问题。此外,染色体交叉变异的形式符合公共汽车出发时间表。本文最后选择改进遗传算法作为优化的模型。算法的流程图如图1。

3.2。编码

编码模型求解过程的重点。为了实现动态优化的巴士时间表,每个基因在染色体被定义为一个时间点。编码长度是由优化时间。如果7:00-8:30研究期间,单位时间设置为1分钟,染色体和基因的数量是90。基因表达形式是0 - 1,0表示没有离开在相应的时间点和1意味着离开在相应的时间点。还规定,单位公交车的发车间隔1分钟。由于随机性的移民数量,相同表型的不同的基因链是可以避免的。最后的染色体结构如图2。

3.3。初始化种群

初始化种群是用于生成现实的随机的染色体。种群初始化的总线操作时间表,我们主要关注发车间隔的合理性。有必要消除随机生成的染色体与不合理的发车间隔。

3.4。适应度函数

适应度函数的功能是评估和区分种群个体的优势和劣势。本文要解决的目标函数作为适应度函数。因此,相对应的适应度函数最小化目标函数的公交时刻表优化显示如下:

4所示。分析和讨论

4.1。公共汽车线路信息

647号巴士是公交线路之间的通勤走廊中央商务区(CBD)和通州区。旅行的主要目的是工作旅行。通过IC卡数据,可以发现,旅游行为特征具有明显的时间。乘客的数量在不同时期波动较大,适合讨论根据动态客流需求。因此,探讨和分析了647号巴士线。647号公交的基本操作数据如表所示2。

4.2。IC卡数据结构

数据包括一些特性,比如公共汽车时间,交易时间,旅行路线号码,分分合合站数量,和IC卡号码表3。

4.3。线客流

647号的上行数据总线进行了优化。然后,旅客的登机时间和移民的数量每分钟在研究期间进行了分析。最后,频率分布图如图3。

根据客流的分布地图的到来,647号公交的客流特点上行显示一个峰值分布在一天之内操作周期。

早上2个小时的客流高峰从六点半到八点半我占32%的客流一整天。客流的数量及在高峰小时786人/小时,并在非高峰207人/小时。7点后的客流下降迅速。5点到10:30点选择的分析周期如图4。

4.4。站之间的平均运行速度的影响

如果路操作条件在不同时间不同,所需的时间公交车也不同。开车的时间越长,越公交公司的维护和其他费用支出。本文地址之间的平均公交车运行时间的影响。分析是由分分合合的乘客在IC卡数据。公交车站之间的旅行时间从最后一个乘客在车站卡刷的行为年代第一个乘客在车站卡刷的行为年代+ 1。卡刷的行为还包括上下车时卡刷。线的总旅行时间分为15期。间隔20分钟在早上5:30 am-10:30的时期。通过观察不同时期的旅行时间,发现旅行时间的变化遵循对数正态分布的特点。对数正态分布拟合进行旅行时间的不同时期。旅游时间拟合图5和总旅行时间拟合参数如表所示4。站之间的旅行时间如表所示5。

4.5。模型优化结果

根据的实际发车间隔线从IC卡数据挖掘,获得最小发车间隔被指定为 ,和最大发车间隔 。发车间隔的设置是1分钟的整数倍。

遗传算法在Matlab程序的参数如表所示6。线的实际出发时间表5:30-10:30期间如表所示7。

代表乘客等待费用的系数和公交公司运营成本,分别。实际决策者具有不同决策偏好可能不同注意乘客和公交公司在设计公共汽车时间表。成本和费用的比较不同体重比例如表所示8。

采取 作为一个例子,离职是31岁的数量和接近33离职的实际数量。遗传算法的运行结果如图所示6。175一代的迭代之前,最优个体目标价值呈下降趋势。因此,最优解是达到175后一代,和获得行5:30-10:30出发的时间,如表所示9。

4.6。讨论

本文侧重于动态优化的时间表通勤公交走廊的主要总线。考虑到乘客和公交公司的综合效益,改进的遗传算法用于优化动态时间表。乘客等待和总线操作之间的成本比率分为七种。当的比率 是0:1或1:0,认为两种策略是极端的,不会放弃的利益一方在实际操作。在这篇文章中,他们只是作为算法在不同情况下的例子。

4.6.1。决策基于综合成本考虑

七个方案的总成本低于当前离开时间表(见表7和8)。当比率 = 0.25:0.75,最好的效果是gotton。总成本是实际成本的81.8%。当 = 0.5:0.5,总成本是最接近实际成本,实际成本的93.1%。当比率 = 0.33:0.66,发车频率是类似于实际情况,以及4201年的总体运营总成本降低12%从4640年的实际总体运营成本。该模型满足优化实际客流的特点和multiperiod旅行时间在所有设计重量比率。证明乘客和公交公司的总运营成本的设计可以进一步减少发车频率的考虑下实际公交巴士公司的控股,它反映了模型的实际应用价值。

4.6.2。决策基于乘客利益视角

当该比例 = 0.66:0.33 = 0.75:0.25,乘客利益被选中作为主导因素。为了减少乘客的等待时间,公交公司需要提高发车频率,并提供更多的公交车辆,以满足旅游需求。然后,与实际的离职情况相比,公共交通工具的数量需要更多的27.3%和57.6%。可以发现,随着利益逐渐偏向乘客,起飞时间的增长速度已经变得更大。公交车在公交公司的站的数量是有限的。过度考虑乘客的利益可能会增加汽车的数量的压力由公交公司当确保总体成本降低。

4.6.3。决策基于公共交通公司的利益

当该比例 = 0.25:0.75, = 0.33:0.66,决策者主要关注操作公交公司的利益。在这种情况下,发车频率显著增加。当比例是0.25:0.75,预计25日离职。在这种情况下,离职人数的两倍多,当比例是0:1。当比例是0.33:0.66,预计31号离职,6倍以上 = 0.25:0.75。可以看出,随着公交公司的利益逐渐增加,减少的速度deparincreases的数量。在这个过程中,离职人数的减少将导致发车间隔的增加,这将直接导致乘客的等待时间的增加和减少乘客的满意度。

总之,不同的重点目标导致不同的收入和起飞时间。的比例就越大 是,越倾向于考虑乘客的等待时间。0.5:0.5时,一个更好的平衡。当决策者要考虑乘客和公交公司的利益同时,广义总成本可能会变得更大,现有的客流特征保持不变。认为可以进行满意度调查线乘客,起飞时间和相应的发车间隔可调的范围内确保旅客满意度和公交车在公交的院子里,车站的数量能承受起飞时间,以获得较低的广义总成本价值,提高社会价值如图7。

5。结论

基于到达客流的特点和总线之间的旅行时间站在不同的时间段,考虑公交公司的运营成本和旅客等待时间成本,本文构造城市公交线路的调度优化模型在动态需求和研究操作策略在不同的更好的决策,这对总线操作有一定的指导意义。然而,仍然有一些改进的余地。在本文中,为了考虑满载率的影响在乘客骑线操作经验和多行传输总线网络的影响,后续的研究需要进一步的改进。

本文的主要结论如下。(1)乘客出行特征和等待时间分布分析了公交走廊。(2)巴士时间表通勤走廊的动态优化模型,提出了综合考虑乘客的利益和运营公司。(3)构造一个模型基于改进遗传算法的解决方法。不同的权重下的收入值进行比较和分析。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

伦理批准

所有方法都是按照指导方针和有关规定进行。所有实验协议被命名机构批准和/或许可委员会。

同意

知情同意是获得所有科目和/或其法定监护人(s)。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作得到了国家社会科学基金(21 fglb014)。