王翔宇
廈門藍斯通信股份有限公司 福建廈門 361000
公共交通是城市的重要組成部分,運行良好的公交系統,對于完善城市交通環境,改進市民出行狀況,提高公交企業經濟效益和社會效益都具有很重要的意義。合理的公交車輛排班是公交線路運營的基礎。目前我國各個城市公交企業仍然主要采用傳統的排班方式,導致行車間隔不均勻,常出現“串車”、“大車隔”現象,嚴重影響公交服務質量。
公交車和汽車的運輸和組織問題取決于固定行駛路線的時區,具有一定的優先級,合理地結合運輸車輛的行駛工作形式和供需保持平衡并滿足系統性能指標。類優化模型是一種多用途優化模型,不僅考慮了乘客的移動利潤,還考慮了公交運營公司的運營成本。最大化車輛時間最小化的目標功能如乘客和最大化公交運營公司的利潤如下:
Minz=α×T|β×c
其中,T為調度周期內乘客總候車時間;C為企業運營成本;α,β為權重。
該目標函數必須滿足多個約束條件:(1)車廂舒適度約束;(2)公交企業運營成本約束;(3)發車時間間隔約束等。
智能公交排班的求解總是一個難題。目前成熟的解決方案是使用遺傳算法的解決方案。一位研究人員提出了一種關于公交車級別形成的遺傳算法,并且在短時間內通過安排公交車級能夠在一定時間內滿足更好。然而,隨著比例擴大并且空間擴大,所要求的速度大大降低并且在短時間內獲得高質量的可能性增加。
例如:某條公交線路上行方向共14站,下行方向共13站,第3-4頁給出的是典型的一個工作日兩個運行方向各站上下車的乘客數量統計。公交公司配給該線路同一型號的大客車,每輛標準載客100人,據統計客車在該線路上運行的平均速度為20公里/小時。運營調度要求,乘客候車時間一般不要超過10分鐘,早高峰時一般不要超過5分鐘,車輛滿載率不應超過120%,一般也不要低于50%。
我們根據從始發站到終點站的路程計算了一趟公交車由始發站到終點站的大概時間為47分鐘。對于模型的建立,第一步確立了早高峰的上下行路線的人數,并以此計算早高峰最大斷面客流量時所需公交車輛的數目;第二步建立時間段所需最少車次模型,根據每一時間段內流動的最大斷面客流量,并依據時間段的特點進行對車輛的起點站的發車時刻表進行優化排布,最終得到排布結果。
用Xi表示第f輛運營車發車時刻,以分鐘為單位,則決策變量可表示為:X=[x1,x2,…,xn]T
根據其物理意義可知,優化問題的約束條件如公式(1):

滿足上述約束條件的x的集合記為尺。顯然,一旦通過尋優找到了最優或近似最優解,就可以很容易得到公交車隊的發車時刻表。
公共汽車/車輛運輸時間表的問題是,在固定行駛路線的情況下,根據周期,由于某種優先順序關系,適當地重新組織適當的運輸車輛的運行模式,以平衡供需,它是滿足指標(目標函數)。
該算法采用方程(2)作為目標函數的基礎:

式中:l是公交線路的總站數,n是一天之內車隊發車的總班次,Tij為第j輛車到達公交線路第i站的時間,Tijk是第i站第j-1輛車開出后第k個乘客的到達時間。
類切換的問題是優先處理的問題,當類不變時,該優先處理使表達式(2)中指示的目標的函數值最小化。在實際計算中,n=60。正數描述公式(3):

為了選擇計算設計的便利性,通常不能進行健身。這里描述的類切換問題屬于目標函數值的最小優化問題,因此要創建的轉換規則參考等式(4)。
F(x)=Cmax-f(x)(4)
式中:Cmax為它是同一代中目標函數的最大值。以這種方式,通過等式(4)獲得的個體適應度大于或等于0,并且隨著目標函數值減小,適應度增加。
為方便起見,我們做出以下假設。首先,在不考慮道路狀況的情況下,公交車以均勻的速度行駛。其次,每個車站的乘客流量時間分布是相同的。一般情況下,早上6:30至8:30,下午4:30至7:30。
隨著進化代數的增加,群體中最佳的個體目標函數值趨于明顯收斂。由集團中最佳個人表示的出發時間表上的乘客總等待時間顯示出明顯的下降趨勢。與最后一代中最合適的個體對應的狂歡時間表可以用遺傳算法產生結果。該路公交車的出發站的發貨表如下:
0-15-29-34-47-51-65-79-91-102-115-120-134-150-166-l81-196-210-225-241-256-272-286-300-316-330-344-359-364-378-394-409-424-440-455-471-487-503-517-531-545-559-575-691-702-712-724-735-744-754-765-780-795-811-826-840-855-871-884-900。
總之,在智能交通系統中,要結合公交系統的運行管理要素提升數據處理和管控的效率,并且優化路線處理結構,維護交通運輸監督管理的模式,真正發揮智能交通的優勢,有效建立運營調度最優化的資源配置方式,一定程度上提高智能交通系統管控工作流程的合理性,實現經濟效益和社會效益的共贏。