科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高度分散和随机的客流状况，为尽可能降低运营成本、提高乘客满意度，研究了需求响应型公交车辆调度及路径优化。首先通过分析历史乘车站点需求频次，分时段提取了具有高频需求量的出行点作为高概率出行点，在此基础上建立了公交车辆调度及路径优化模型。其次，以历史公交运营数据为依据，运用大规模邻域搜索(LNS)遗传算法，在乘客需求出行时间和车容量限制的约束条件下，以公交系统运行里程最小为目标进行了静态车辆调度。最后，基于初始静态线路和后期实时出行需求，运用精确动态规划算法，以系统运行里程变化最小为目标进行了动态路径优化，实现需求及时响应。选取某区部分区域进行了分析应用。结果表明：采取提取高概率点策略的系统平均总成本为1.04×104元，而未采取该策略的系统平均总成本为4.38×106元，高概率点提取策略对系统成本节省影响明显；通过LNS遗传算法进行最短路径求解时，3次求解结果偏差为3.1%,较为稳定；在路径优化阶段，车辆满载率提升17.92%,乘客需求响应率保持较高水平；运营成本变动合理，人均成本减少1.08元，提高了车辆利用率和乘客满意度。基于站点提取策略的2阶段调度优化模型能提供合理的车辆实时调度和路径优化方案，为实际公交调度提供理论基础和应用指导。
- 单位
