多车型定制公交运营优化方法技术

本发明专利技术涉及城市公共交通领域，公开了一种多车型定制公交运营优化方法，包括：获取定制公交预约信息；根据预约信息，确定多车型定制公交车队配置和路径优化的目标函数与约束条件，其中，目标函数是最小化运营成本和超时惩罚成本，约束条件包括：所有的乘客都需要被服务、车辆服务里程和服务时间限制、每种类型车辆的数量限制和乘客时间窗限制；根据目标函数和约束条件，建立混合整数非线性规划模型；对混合整数非线性规划模型进行处理，得到异构车队配置、定制公交路线和时刻表以及订单指派方案。从而解决了现有技术无法解决的多车型定制公交系统运营优化问题，而且有利于企业降低运营成本。营成本。营成本。

【技术实现步骤摘要】
多车型定制公交运营优化方法


[0001]本专利技术涉及城市公共交通领域，具体涉及一种多车型定制公交运营优化方法。

技术介绍

[0002]随着互联网、云计算和人工智能等新技术的发展，居民日常出行方式正在发生深刻变化。定制公交车作为一种新兴的交通出行方式，提供需求响应、高效率和高质量的大众服务。自20世纪70年代需求响应型公交服务问世以来
[1]，定制公交已在全球多个城市开通运营，如里斯本和旧金山
[2]。在我国，定制公交服务已经推广到北京、河北、山西等29个省份，运营线路5400余条，年客运量接近1.8亿人次
[3]。我们需要充分利用大数据、智能技术，提供需求响应式服务，“人少坐小车，人多坐中巴”，用多样化、定制化的公交服务，进一步满足市民出行的多样化需求。但是，现有技术中关于定制公交的运营方案是针对单一车型的定制公交的车队管理和路径规划，因此，对于多种车型的定制公交运营不适用。
[0003]参考文献
[0004][1]Rahimi,M.,Amirgholy,M.,Gonzales,E.J..System modeling of demand responsive transportation services:evaluating cost efficiency of service and coordinated taxi usage.Transp.Res.Part E Logist.Transp.Rev.2018,112:66
‑
83.
[0005][2]Mart
í
nez,L.M.,Viegas,J.M.,Eiro,T..Formulating a new express minibus service design problem as aclusteringproblem.Transport.Sci.2015,49(1):85
‑
98..
[0006][3]孙宏阳.大城市公交如何吸引客流？定制公交已在京冀等29个省份开通[N].北京日报,2021
‑
11
‑
12.

技术实现思路

[0007]为了解决上述技术问题，本专利技术提供一种多车型定制公交运营优化方法，适用于多种车型的定制公交的运营。
[0008]本专利技术公开了一种多车型定制公交运营优化方法，包括：
[0009]获取定制公交预约信息；所述预约信息包括上车站点、下车站点、期望上车时间和期望下车时间；
[0010]根据所述预约信息，确定多车型定制公交车队配置和路径优化的目标函数与约束条件，其中，所述目标函数是最小化运营成本和超时惩罚成本，所述约束条件包括：所有的乘客都需要被服务、车辆服务里程和服务时间限制、每种类型车辆的数量限制和乘客时间窗限制；
[0011]根据所述目标函数和约束条件，建立混合整数非线性规划模型；
[0012]对所述混合整数非线性规划模型进行处理，得到异构车队配置、定制公交路线和时刻表以及订单指派方案。
[0013]优选的，所述对所述混合整数非线性规划模型进行处理，得到异构车队配置、定制
公交路线和时刻表以及订单指派方案，具体包括：
[0014]将所述混合整数非线性规划模型中的非线性目标进行线性化处理，得到混合整数线性规划模型，所述非线性目标包括运营成本和超时惩罚成本；
[0015]使用Dantzig
‑
Wolfe(D
‑
W)分解所述混合整数线性规划模型进行分解重构，引入新的变量，得到限制主问题模型和子问题模型；
[0016]采用Cplex求解器求解小规模子问题，采用启发式算法求解大规模子问题，优化异构车队配置、定制公交路线和时刻表以及订单指派方案。
[0017]优选的，所述混合整数非线性规划模型包括：目标函数及所述目标函数的约束条件，具体包括：
[0018]所述目标函数如下述公式：
[0019]minC
S
＝C
F
+C
O
+C
P
,
ꢀꢀꢀ
(1)
[0020]其中，固定运营成本C
F
取决于使用了多少辆车，表述为：
[0021][0022]可变运营成本C
O
取决于车辆类型及线路长度，表述为：
[0023][0024]惩罚成本C
P
定义为超出乘客r可接受的最晚到达时间的惩罚成本，表述为：
[0025][0026]所述约束条件如下述公式(5)～(27)所示：
[0027][0028][0029][0030]x
kii
＝0,k∈K,i∈N
ꢀꢀꢀ
(8)
[0031]AT
kj
≤AT
ki
+HT
ki
+t
ij
+Z(1
‑
x
kij
),k∈K,i,j∈V
ꢀꢀꢀ
(9)
[0032]AT
kj
≥AT
ki
+HT
ki
+t
ij
‑
Z(1
‑
x
kij
),k∈K,i,j∈V
ꢀꢀꢀ
(10)
[0033]AT
kd(r)
≥AT
ko(r)
‑
Z(1
‑
α
rk
),k∈K,r∈R
ꢀꢀꢀ
(11)
[0034][0035][0036][0037][0038]AT
ko(r)
≤(EDT
r
+t
max
)α
rk
+Z(1
‑
α
rk
),r∈R,k∈K
ꢀꢀꢀ
(16)
[0039](EDT
r
‑
t
max
)α
rk
≤AT
ko(r)
+HT
ko(r)
,r∈R,k∈K
ꢀꢀꢀ
(17)
[0040][0041][0042]z
ka
‑
Z(1
‑
x
ksi
)≤z
ki
,i∈N,k∈K
ꢀꢀꢀ
(20)
[0043]z
ka
+Z(1
‑
x
ksi
)≥z
ki
,i∈N,k∈K
ꢀꢀꢀ
(21)
[0044][0045][0046]z
ks
＝0,k∈K
ꢀꢀꢀ
(24)
[0047][0048][0049]x
kij...

【技术保护点】

【技术特征摘要】
1.一种多车型定制公交运营优化方法，其特征在于，包括：获取定制公交预约信息；所述预约信息包括上车站点、下车站点、期望上车时间和期望下车时间；根据所述预约信息，确定多车型定制公交车队配置和路径优化的目标函数与约束条件，其中，所述目标函数是最小化运营成本和超时惩罚成本，所述约束条件包括：所有的乘客都需要被服务、车辆服务里程和服务时间限制、每种类型车辆的数量限制和乘客时间窗限制；根据所述目标函数和约束条件，建立混合整数非线性规划模型；对所述混合整数非线性规划模型进行处理，得到异构车队配置、定制公交路线和时刻表以及订单指派方案。2.根据权利要求1所述的多车型定制公交运营优化方法，所述对所述混合整数非线性规划模型进行处理，得到异构车队配置、定制公交路线和时刻表以及订单指派方案，具体包括：将所述混合整数非线性规划模型中的非线性目标进行线性化处理，得到混合整数线性规划模型，所述非线性目标包括运营成本和超时惩罚成本；使用Dantzig
‑
Wolfe(D
‑
W)分解所述混合整数线性规划模型进行分解重构，引入新的变量，得到限制主问题模型和子问题模型；采用Cplex求解器求解小规模子问题，采用启发式算法求解大规模子问题，优化异构车队配置、定制公交路线和时刻表以及订单指派方案。3.根据权利要求1所述的多车型定制公交运营优化方法，所述混合整数非线性规划模型包括：目标函数及所述目标函数的约束条件，具体包括：所述目标函数如下述公式：min C
S
＝C
F
+C
O
+C
P
,
ꢀꢀꢀꢀꢀ
(1)其中，固定运营成本C
F
取决于使用了多少辆车，表述为：可变运营成本C
O
取决于车辆类型及线路长度，表述为：惩罚成本C
P
定义为超出乘客r可接受的最晚到达时间的惩罚成本，表述为：所述约束条件如下述公式(5)～(27)所示：所述约束条件如下述公式(5)～(27)所示：
x
kii
＝0,k∈K,i∈N
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)AT
kj
≤AT
ki
+HT
ki
+t
ij
+Z(1
‑
x
kij
),k∈K,i,j∈V
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)AT
kj
≥AT
ki
+HT
ki
+t
ij
‑
Z(1
‑
x
kij
),k∈K,i,j∈V
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)AT
kd(r)
≥AT
ko(r)
‑
Z(1
‑
α
rk
),k∈K,r∈R
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)(11)(11)(11)AT
ko(r)
≤(EDT
r
+t
max
)α
rk
+Z(1
‑
α
rk
),r∈R,k∈K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)(EDT
r
‑
t
max
)α
rk
≤AT
ko(r)
+HT
ko(r)
,r∈R,k∈K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)(17)z
ka
‑
Z(1
‑
x
ksi
)≤z
ki
,i∈N,k∈K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)z
ka
+Z(1
‑
x
ksi
)≥z
ki
,i∈N,k∈K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)(21)z
ks
＝0,k∈K
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)(24)x
kij
,y
mk
,α
rk
∈{0,1}；AT
ki
,HT
ki
,z
ki
≥0,k∈K,i,j∈V,r∈R,m∈M
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(27)其中，公式(1)～公式(27)所用数学符号的含义如下：N：候选站点集合，i∈N；s,t：虚拟起点和终点的索引；V：所有节点的集合，包括候选站和虚拟节点，即：N∪{s,t}；M：定制公交的类型，m∈M；K：车辆集合，k∈K；R：订单集合，r∈R；cap
m
：m型车辆的容量，即座位数，m∈M；d
ij
：站点i和站点j之间的距离，i,j∈V；
t
ij
：站点i和站点j之间的行驶时间，i,j∈V；o
(r)
：订单r的上车站点，r∈R；d
(r)
：订单r的下车站点，r∈R；EDT
r
：订单r的期望上车时间，r∈REAT
r
：订单r的期望下车时间，r∈R；t
max
：时间偏差阈值；LAT
r
：订单r最晚可接受到达时间，即LAT
r
＝EAT
r
+t
max
，r∈R；车辆的最大行驶时间；车辆在各站点被允许的最大等待时间；F
m
：m型车辆的最大可用数量，m∈M；c
f
：一条定制公交线路的固定运营成本；c
m
：m型车辆的单位距离运营成本，m∈M；c
p
：在LAT
r
之前未到达的单位超时时间的惩罚成本，r∈R；C
F
：总固定运营成本；C
O
：总可变运营成本；C
P
：总超时惩罚成本；C
S
：系统总成本；Z：一个极大的正整数；x
kij
：决策变量，若车辆k经过弧(i,j)则取1，否则取0，k∈K,i,j∈V；y
mk
：决策变量，若车辆k的类型为m则取1，否则取0，k∈K,m∈M；α
rk
：决策变量，若订单r分配给车辆k则取1，否则取0，r∈R,k∈K；AT
ki
；决策变量，车k到达站点i的时间，i∈V,k∈K；HT
ki
：决策变量，车k在站点i的等待时间，i∈V,k∈K；z
ki
：决策变量，车k到达站点i时所装载的乘客人数(即订单数)，i∈V,k∈K；其中，约束(5)
‑
(8)是线路约束，用于确保每辆车可以匹配可行的路线；约束(9)
‑
(12)是车辆的到达时间限制，确保所有车辆能够有序、合理地完成运输任务；约束(13)
‑
(17)是订单指派约束，确保每个订单被指派到可行的车辆线路与车辆；约束(18)
‑
(24)是车辆的容量限制约束，...

【专利技术属性】
技术研发人员：李想，赵雨薇，冯紫嫣，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：