一种基于拉格朗日原理的需求响应式BRT车辆调度算法制造技术

一种基于拉格朗日原理的需求响应式BRT车辆调度算法，获取系统的信息；构建时空网络以刻画车辆的运行轨迹；建立滚动时域优化框架，决定每次优化中需求预测和调度决策的覆盖时间；在滚动时域框架下，基于时空网络以运营商总利润最大化为目标建立混合线性整数规划模型；将数学模型中的难约束松弛到目标函数中，并将原问题分解为两个子问题，使分别通过精确算法高效求解，得到原问题的松弛解和目标函数值的上界；设计两阶段启发式算法以将松弛解转化为可行解，并得到原问题目标函数值的下界；利用次梯度算法求解拉格朗日乘子问题，通过迭代的方式将目标函数值上界和下界之间的差距最小化为零或一个小的可容忍值，最终获得系统中车辆的最优调度策略。中车辆的最优调度策略。中车辆的最优调度策略。

【技术实现步骤摘要】
一种基于拉格朗日原理的需求响应式BRT车辆调度算法


[0001]本专利技术属于智能优化调度、路径规划
，具体涉及一种基于拉格朗日原理的需求响应式BRT(Bus Rapid Transit巴士快速公交系统)车辆调度算法。

技术介绍

[0002]随着社会经济的飞速发展和城市化进程的加快，城市机动车保有量迅猛増长，交通拥堵与交通碳排放问题日益严峻。研究指出，实现居民出行方式向公共交通方式转移是缓解上述负面影响、促进城市可持续发展的主要途径。但传统公共交通存在到站准点率低、行驶速度慢、候车时间长、高峰时段车厢拥挤等诸多问题，在与私人交通方式的竞争中处于劣势，因此，迫切需要传统城市公交不断创新发展，以提供高品质、高效率、高智能的服务。“需求响应式BRT”(也称为智慧车列交通系统)是近年来国内学者提出的一种创新的公共交通模式，并已在上海市和深圳市开通了示范线进行实地测试。系统定位于创建大规模出行、智能共享出行、绿色环保、安全高效的新一代城市骨干交通方案，是解决大城市病、建设绿色城市、智能城市的有效路径。
[0003]需求响应式BRT(Bus Rapid Transit巴士快速公交系统)中多种容量的自动驾驶车辆通过无线通信技术V2X编组形成车队进行服务，车辆在运行中根据需要在不同车队间并入或脱离，可提供灵活的运量以适应不同强度下的运输需求；乘客通过手机软件实时预约出行，无需在站台等待，从而实现精准候车、人人有座的高质量服务；基于预约信息，系统筛选起讫和出发时间相同的乘客构成“需求组合”，同一组合的乘客通过集约化的拼车方式由车队一同运送，该方式突破了传统公共交通“站站停”的组织模式，可实现“点到点”的快速运送；系统设置专用车道并实行交叉口信号优先策略，避免社会车辆干扰，保证运行安全高效。
[0004]但同时，这种需求响应的实时性、与需求量相适应的车辆编组、点对点直达服务导致的供需不平衡等问题也对系统的车辆调度提出了巨大挑战，现有公共交通(如地铁等)的调度方法不适用于这一交通系统。车辆调度是系统实现高效可靠运营的重要保障，因此如何考虑需求响应式BRT的上述运营特点和约束对该系统车辆进行实时动态的调度优化是需要解决的关键问题，也是目前实现系统落地投入运营亟待攻克的技术难点。

技术实现思路

[0005]专利技术目的：针对近年国内学者提出的新兴公共交通系统——需求响应式BRT(也称为智慧车列交通系统)，提出一种基于拉格朗日原理的车辆调度算法，通过求得合理的车辆调度方案来最大化运营收益，使得系统运行安全有序，提升系统的竞争力。同时，也对该系统尽快落地投入运营起到积极的推动作用。
[0006]为实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于拉格朗日原理的需求响应式BRT车辆调度算法，包括以下步骤：
[0008]步骤1：获取车站、停车场、乘客预约需求、车辆、票价和成本信息。
[0009]所述车站信息包括各车站位置；所述停车场信息包括各停车场位置、停车位数量；所述乘客预约需求信息包括各乘客出发时间、出发站点和到达站点；所述车辆信息包括车型、各车型车辆数、车速、车辆初始分布；所述票价和成本信息包括票价、运行成本、停车成本。
[0010]步骤2：根据系统运营中可能存在的车辆状态和活动，构建时空网络以刻画车辆的运行轨迹。
[0011]具体为：
[0012]时空网络(V,A)中，网络的空间维度包括车站和停车场，时间维度被离散为一系列等间隔的时间点，表示为T＝{t0,t0+δ,t0+2δ,
…
}，其中t0为初始时刻，δ为时间间隔，假设所有事件(如车辆出发)均在这些时间点发生。因此，时空节点集合V表征车辆的时间与空间信息，时空边A连接两个时空节点，表征车辆活动。网络中存在以下三种时空边，
[0013]等待边A1：车辆在停车场停车，等候时间为一个时间间隔δ；
[0014]服务边A2：车辆将乘客由出发站点运送至目的站点。
[0015]空调边(全称：空车调度边)A3：空车由需求少的站点调度到需求多的站点。
[0016]步骤3：建立滚动时域优化框架，以决定每次优化中需求预测和调度决策的覆盖时间，使系统能够响应实时需求而不占用过多的计算资源。
[0017]具体为：
[0018]系统采用实时线上预约的方式进行服务，且系统有灵活的预约机制，乘客最晚可以在出行前一个时间间隔δ(例如10min)提交预约需求。故乘客的出行需求具有动态随机性，且随着时间推移逐步出现，无法提前获取一天的完整需求信息集。为实时、快速的响应乘客预约需求，采用滚动时域框架来进行优化。该框架将运行时间划分为|L|个时域，每个时域离散为|T|个时间点。
[0019]步骤3
‑
1：在时域l∈L中，仅第1个时间点t∈T的需求已知(乘客需要至少提前一个时间间隔进行预约)，所以为提高调度方案的全局性能，根据历史需求数据预测此时域中剩余T
‑
1个时间点的需求。
[0020]步骤3
‑
2：采用本专利技术提出的数学模型和算法优化此时域内T个时间点的车辆调度。其中，对于输出的最优解，只保留时域内第1个时间点t∈T的调度策略，而基于预测需求得到的其他T
‑
1个时间点的调度策略是为了帮助系统在时间点t做出更优的决策。
[0021]步骤3
‑
3：经过一个时间间隔δ后，时间点t+1的需求可完全获得。系统滚动到下一个时域l+1∈L，重复步骤3
‑
1至3
‑
3，直至整个运行时间内的车辆调度优化全部完成。
[0022]步骤4：在滚动时域优化框架下，基于时空网络以运营商总利润最大化为目标建立混合线性整数规划模型，以后续优化需求响应式巴士快速公交系统的车辆调度问题。
[0023]具体为：
[0024]步骤4
‑
1：定义数学规划模型中集合、参数和变量。
[0025]集合：H为车辆集合，H＝{h}；N为车型集合，N＝{n}；I为站点集合，包括车站和停车场，I＝{i,j}；I1为车站集合，I2为停车场集合，T为当前优化时域中的时间集合，T＝{t,s}；V为时空节点集合，V＝{(i,t),(j,s)}；(i
D
,t
D
)为虚拟时空节点，A为时空边集合，A＝{(i,t,j,s)}，表示车辆t∈T时刻从i∈I站点出发，s∈T时刻到达j∈I站点；
[0026]参数：为优化时域开始时，位于时空节点(i,t)∈V处的n∈N车型车辆数(表征一
个优化时域初始时刻各车辆的位置)；d
itjs
为时空边(i,t,j,s)∈A上的乘客预约总数，即一个“需求组合”中的出行需求量；e
n
为车型n∈N的座位数；为停车场i∈I中，车型n∈N的停车位数量；为n∈N车型车辆从站点i∈I出发到达站点j∈I的运行成本；为n∈N车型车辆在停车场i∈I等待一个时间间隔的停车成本；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于拉格朗日原理的需求响应式BRT车辆调度算法，其特征在于，包括以下步骤：步骤1：获取车站、停车场、乘客预约需求、车辆、票价和成本信息；步骤2：根据系统运营中可能存在的车辆状态和活动，构建时空网络以刻画车辆的运行轨迹；步骤3：建立滚动时域优化框架，以决定每次优化中需求预测和调度决策的覆盖时间，使系统能够响应实时需求而不占用过多的计算资源；步骤4：在滚动时域优化框架下，基于时空网络以运营商总利润最大化为目标建立混合线性整数规划模型，以后续优化需求响应式BRT的车辆调度问题；步骤5：原问题的松弛与分解：将数学模型中的难约束松弛到目标函数中，并进一步将原问题分解为两个子问题，使其分别通过精确算法高效求解；通过求解松弛问题，得到了原问题的松弛解和目标函数值的上界；步骤6：设计两阶段启发式算法以将松弛解转化为可行解，并得到原问题目标函数值的下界；步骤7：求解拉格朗日乘子问题：利用次梯度算法不断更新拉格朗日乘子，以通过迭代的方式将目标函数值上界和下界之间的差距最小化为零或一个小的可容忍值，最终得到最优解，获得系统中车辆的最优调度策略。2.根据权利要求1所述的基于拉格朗日原理的需求响应式BRT车辆调度算法，其特征在于，所述步骤1中，所述车站信息包括各车站位置；所述停车场信息包括各停车场位置、停车位数量；所述乘客预约需求信息包括各乘客出发时间、出发站点和到达站点；所述车辆信息包括车型、各车型车辆数、车速、车辆初始分布；所述票价和成本信息包括票价、运行成本、停车成本。3.根据权利要求1所述的基于拉格朗日原理的需求响应式BRT车辆调度算法，其特征在于，所述步骤2中的时空网络具体为：时空网络(V,A)中，网络的空间维度包括车站和停车场，时间维度被离散为一系列等间隔的时间点，表示为T＝{t0,t0+δ,t0+2δ,
…
}，其中t0为初始时刻，δ为时间间隔，假设所有事件均在这些时间点发生；时空节点集合V表征车辆的时间与空间信息，时空边A连接两个时空节点，表征车辆活动；网络中存在以下三种时空边，分别为等待边A1：车辆在停车场停车，等候时间为一个时间间隔δ；服务边A2：车辆将乘客由出发站点运送至目的站点；空调边A3：空车由需求少的站点调度到需求多的站点。4.根据权利要求1所述的基于拉格朗日原理的需求响应式BRT车辆调度算法，其特征在于，所述步骤3中的滚动时域框架具体为：所述滚动时域框架将运行时间划分为|L|个时域，每个时域离散为|T|个时间点；步骤3
‑
1：在时域l∈L中，仅第1个时间点t∈T的需求已知，根据历史需求数据预测此时域中剩余T
‑
1个时间点的需求；步骤3
‑
2：采用混合线性整数规划数学模型和算法优化此时域内T个时间点的车辆调度，其中，在输出的最优解中，只保留时域内第1个时间点t∈T的调度策略，而基于预测需求
得到的其他T
‑
1个时间点的调度策略是为了帮助系统在时间点t做出更优的决策；步骤3
‑
3：经过一个时间间隔δ后，时间点t+1的需求可完全获得；系统滚动到下一个时域l+1∈L，重复步骤3
‑
1至3
‑
3，直至整个运行时间内的车辆调度优化全部完成。5.根据权利要求1所述的基于拉格朗日原理的需求响应式BRT车辆调度算法，其特征在于，所述步骤3或步骤4中的混合线性整数规划数学模型具体为：步骤4
‑
1：定义数学规划模型中集合、参数和变量集合：H为车辆集合，H＝{h}；N为车型集合，N＝{n}；I为站点集合，包括车站和停车场，I＝{i,j}；I1为车站集合，I2为停车场集合，T为当前优化时域中的时间集合，T＝{t,s}；V为时空节点集合，V＝{(i,t),(j,s)}；(i
D
,t
D
)为虚拟时空节点，A为时空边集合，A＝{(i,t,j,s)}，表示车辆t∈T时刻从i∈I站点出发，s∈T时刻到达j∈I站点；参数：为优化时域开始时，位于时空节点(i,t)∈V处的n∈N车型车辆数(表征一个优化时域初始时刻各车辆的位置)；d
itjs
为时空边(i,t,j,s)∈A上的总乘客预约需求量；e
n
为车型n∈N的座位数；为停车场i∈I中，车型n∈N的停车位数量；为n∈N车型车辆从站点i∈I出发到达站点j∈I的运行成本；为n∈N车型车辆在停车场i∈I等待一个时间间隔的停车成本；p
ij
为乘客从站点i∈I出发到达站点j∈I的票价；c
l
为总运行成本，为所有车辆运行成本之和；c
p
为总停车成本，为所有车辆停车成本之和；p为总收益，为所有乘客支付的票价之和；变量：为时空边(i,t,j,s)∈A上n∈N车型车流量，非负整数变量；
′
d
itjs
为时空边(i,t,j,s)∈A上可满足的乘客需求量，非负整数变量；步骤4
‑
2：数学规划模型：max p
‑
c
l
‑
c
p
(1)其中，(1)其中，(1)其中，(1)其中，(1)其中，(1)其中，(1)其中，(1)其中，目标函数(1)由三部分构成：服务乘客所获得的收益、车辆行驶所需的运营成本以及停车成本；目标是使运营商总利润最大化，其中，总利润等于车票收益减去运营成本和停车成
本；式(2)和(3)分别为车站和停车场的车辆流平衡，即每种车型进入站点的车辆数和驶出站点的车辆数应保持平衡；在优化过程中引入虚拟时空节点以保证行程的连通性；等待边不与车站时空节点相连；式(4)和(5)为需求满足约束，系统提供的座位数不小于可满足的乘客需求量d
′
itjs
；同时，d
′
itjs
不超过总乘客预约需求量；...

【专利技术属性】
技术研发人员：宿爱静，吴兵，谢驰，朱炜，王艳丽，
申请(专利权)人：同济大学，
类型：发明
国别省市：