[发明专利]一种基于区间计算的公交动态发车调度优化方法

权利要求书

1.一种基于区间计算的公交动态发车调度优化方法，其特征在于，包括如下步骤：

步骤S1：在规划周期起始时刻之前采集在线路上正在运行的车辆信息和乘客信息，其中，采集的车辆信息至少包括正在行驶的车辆刚经过的上游站点以及其距离和正在行驶的车辆离开已经行驶过站点的离站时间；采集的乘客信息至少包括每个站点正在等车的乘客数量；

步骤S2：在规划周期起始时刻，预测乘客基准到达率并确定模型计算所需要的参数；其中，该参数包括待发车辆数量、车辆在站点停车由于加速减速所需要的缓冲时间、乘客上下车所需的平均时间、车辆到达站点后乘客的下车比率、车辆在站点之间的运行速度、站点距离、车辆最大载客量、公交公司要求的最大发车间隔和最小发车间隔；

步骤S3：考虑单条线路上各个站点的乘客基准到达率在一定区间内变化的情况下，以所有乘客的总等车时间最小为目标函数，建立基于区间计算的公交动态发车调度鲁棒优化模型；

步骤S4：对上述优化模型，利用遗传算法进行求解，同时调节模型中鲁棒优化的保守程度R，得到满足乘客总等待时间较小且具有鲁棒性的发车方案；

所述S3中，基于区间计算的公交动态发车调度鲁棒优化模型进一步如下：

步骤S31：设置模型的假设条件：线路上公交车车型统一，车辆最大载客量都相同，公交车在线路上运行时，前后次序不变，每个站点都会停靠，不会出现跨站现象，没有意外事故的发生，车辆运行状况、道路状况保持正常，公交车在不同站点间、不同时段的运营速度是已知的，模型只考虑正在线路上运营的最后一辆车N的运行状态对于待发决策第一辆车的影响；

步骤S32：设置模型中的已知参数的符号以及决策变量，具体说明如下：t₀表示规划周期的起始时刻，σ表示车辆在站点停车以及启动时由于加速减速所需要的缓冲时间，C_max表示车辆的最大载客量，α表示乘客上下车所需的平均时间，q_j表示车辆到达站点j后乘客的下车比率，D_j表示从第j-1站到第j站之间的站间距离，V_j表示车辆在站点j-1和j之间的运行速度，P_j表示t₀时刻正在线路上运行的最后一辆车N到达站点j时正在站点j等车的乘客数量，H_max与H_min分别表示最大发车间隔和最小发车间隔；表示车辆i在首站的发车时间，为模型决策变量，i＝1,2,...,M；

步骤S33：根据发车时间和步骤S2中预先确定的参数计算模型中的中间变量；其中，所述中间变量至少包括到达下游站点的时间、车辆停靠时间、下车的乘客人数、上车乘客的人数、车上的乘客人数、等车人数和未上车乘客人数；该步骤S33进一步包括如下步骤：

步骤S331：到达下游站点的时间的计算分为正在路上运行的车辆N到达下游站点的时间与待发决策车辆到达站点的时间；对于规划周期开始时正在线路上运营的车辆最后一辆车N，它到达下一站点的时间是由车辆所在的当前位置决定的，计算公式为：

其中，为车辆N离开站点j的时间，表示车辆N在站点j的停靠时间，D_N'表示正在行驶的车辆N刚经过的上游站点的距离，L_N表示正在行驶的车辆N刚刚经过的上游站点；

对于待发决策车辆从首站到末站，到达下游站点的时间可以通过在首站的发车时间进行计算，计算公式为：

步骤S332：上一步中车辆停靠时间的计算公式为：

其中，为车辆i到达站点j后上车的乘客数量，为车辆i到达站点j后下车的乘客数量；

步骤S333：下车乘客人数计算公式为：

其中，为车辆i在到达站点j时车上的乘客数量；

步骤S334：车上乘客人数计算公式为：

i＝1,2,...,M；j＝3,4,...,J

i＝N；j＝L_N+1,L_N+2,...,J

步骤S335：上车人数计算公式为：

i＝N,j＝L_N+1,L_N+2,...,J-1；

i＝1,2,...,M,j＝2,3,...,J-1

其中，为车辆i到达站点j时等车的乘客数量；

步骤S336：上一步中等车人数的计算可以分为正在路线上运行的最后一辆车N即将到达站点的等车人数和待发车辆到达站点的等车人数两种情况；该步骤S336进一步包括：

步骤S3361：对于线路上正在运行的车辆N，站点等车的乘客人数可以表示为之前车辆剩余的乘客人数与之后到达乘客的人数之和：

其中，表示站点的实际乘客到达率；

步骤S3362：对于第一辆待发车辆，站点等车的人数可以表示为：

其中，为车辆i到达站点j后未能上车的乘客数；

步骤S3363：从规划周期内第二辆待发车辆开始，等车人数即是在这段时间内到达的乘客人数与未登上前一辆车的乘客数目之和，其表示为：

步骤S337：未上车乘客数目计算公式如下：

i＝1,2,...M；j＝1,2,...,J-1

i＝N；j＝L_N+1,L_N+2,...,J-1；

步骤S34：建立发车间隔约束以及不允许超车约束，对目标函数进行建模，考虑所有乘客的等车时间总和最小；该步骤S34进一步包括：

步骤S341：待发车辆的发车间隔不能超过最大和最小发车间隔约束如下：

步骤S342：在车辆运行的过程中，超车是不被允许的，建立不允许超车约束：

步骤S343：目标函数最小化所有乘客的总等车时间，总等车时间又可分为两部分；第一部分是乘客在达到站点后等待第一辆车到达的等车时间，这又可以分为两种情况，首先是第一辆待发车辆作为等待的第一辆到达的车辆的乘客总等车时间计算如下：

然后是第二辆到第M辆待发车辆作为等待的第一辆到达的车辆，对应乘客总等车时间计算公式如下：

第二部分是乘客在到达站点后由于车辆满员，而需要等待后一辆车到达所产生的等车时间，等车时间计算公式：

其中，T_avg表示最后一辆车所滞留乘客的预计等车时间，该变量是根据历史数据预先确定的参数；

优化的目标是最小化这两部分的等车时间总和：

步骤S35：采用典型的基于区间的鲁棒优化模型转化方法对原模型目标函数做等价转换，用η来代替目标函数Z如下所示：

minη

转化为对应的鲁棒模型时，需要添加一个新的关键性约束：

其中，t₁是规划周期内最后一辆车到达末站的时间；表示基准乘客到达率，表示不确定的乘客到达率允许变化的最大值；R是一个正数用来衡量鲁棒优化的保守程度，W(R)表示在保守程度R下实际乘客到达率的取值范围。

2.根据权利要求1所述的一种基于区间计算的公交动态发车调度优化方法，其特征在于，所述步骤S4进一步包括如下步骤：

步骤S41：生成初始染色体种群；其中，染色体长度为待发车辆的数目，令发车间隔取最大、最小间隔中的一个随机整数作为基因位，初始化的过程中产生的染色体要保证其各基因位数值之和不变；

步骤S42：计算种群中每个个体的适应度；其中，适应度函数就是求解规划周期内各车辆起始发车时刻对应的最坏情况下的总等车时间值；当每一组规划车辆在首站的发车时刻已知时，所有站点的到站时间和出发时间通过步骤S33中对应的计算公式得到；

步骤S43：交叉算子采用均匀交叉方法；该步骤S43进一步包括：

步骤S431：采用轮盘赌方法随机选出两条要进行交叉的父代染色体，并随机产生一个和父代染色体具有相同长度的0-1编码的掩码；

步骤S432：如果父代染色体相应位置对应的掩码的染色体为1，那么对应基因位的两个父代染色体交换基因，若为0，则对应的基因位不发生交换，交叉后产生两个新的子代染色体；

步骤S433：交叉后可能出现的问题是无法保证最后一辆车的发车时刻不变，因此要在产生非法染色体时进行修补；对交叉方法产生的非法染色体引入染色体交叉过程的修复策略，所用修复公式为：

其中，T_span表示原时间窗的时间长度值，是一个固定值，表示所有待发车辆的发车间隔之和；H′_i为修补后对应基因位的数值，H_i为交叉后产生的未修复的子染色体上基因位的数值；

步骤S44：变异算子采用一种均匀变异的方法，对于一条交叉后的子代染色体，若一个基因位H₁是需要进行变异的基因位，那么这个基因位的数值加“1”，与此同时，另外一个随机挑选的除了H₁之外的基因位一定要减“1”，从而保证其各基因位数值之和不变；

步骤S45：交叉变异完成后，计算子代种群适应度，采取精英保留策略将父代与子代个体混合按照其适应值大小排列形成新种群；接着判断当前代数小于最大迭代次数，如果小于，则重复步骤S43-S45，否则进行下一步；

步骤S46：当得到最优个体时，由规划周期的起始时刻依次加上相应的发车间隔即可得到相应的发车时刻；

步骤S47：将本次运行遗传算法求得的适应值好的一部分个体保存至决策库，当下个规划周期重启遗传算法时，进行种群初始化产生个体的时候，不采用完全随机的方式，而是从决策库中取出部分优秀个体，将该个体的后M-1位数值赋值给前M-1位，代表规划周期内的第一辆车已经发出，同时随机产生其最后一位的数值，代表新加入的这辆待发车辆的发车间隔，将改进后的这些个体作为新的父代个体，其余的父代个体依然采用完全随机的方式产生。