公交车调度问题数学模型.doc
. .公交车调度的数学模型摘要：本文以某城市一个工作日两个运行方向各站上下车的乘客数量统计，首先探讨了如何利用平滑方法来确定一个高效率节省的车辆运行时刻表，使其满足乘客生活需求和公交公司低本钱的效劳；接着，又利用最优化的根本思想，对此问题进展了进一步的讨论，得到了最小配车辆的数量，然后针对乘客满意度的评价水平问题，建立了几个良好描述公司以及乘客满意度的度函数并求出了乘客与公交公司双方的满意度。最后，我们对提出的模型进展了模型的评价和模型优化的讨论，并对如何采集公交车客运量的数据，提出了几个合理的建议，完成了对关于公交车调度问题的较为详细而合理的讨论。一问题重述公共交通是一个国家社会治安很重要的一个方面，作好公交车的调度对于完善城市交通环境、改良市民出行状况、提高公交公司的经济和社会安定，都具有重要意义。下面考虑某城市一条公交线路上公交车的调度问题，其数据来自网上显示的某城市某条公交线路的客流调查和运营资料。该条公交线路上行方向共14站，下行方向共13站，是典型的一个工作日两个运行方向各站上下车的乘客数量统计。公交公司配给该线路同一型号的大客车，每辆标准载客100 人，据统计客车在该线路上运行的平均速度为20公里/小时。运营调度要求，乘客候车时间一般不要超过10分钟，早顶峰时一般不要超过5分钟，车辆满载率不应超过 120%，一般也不要低于50%。根据这些资料和要求，为该线路设计一个便于操作的全天工作日的公交车调度方案，包括两个起点站的发车时刻表；一共需要多少辆车；这个方案以怎样的程度照顾到了乘客和公交公司双方的利益；等等。二定义与符号说明1、 T( I )- 第I个时段 (I=1、218 )2、 A( J )- 第J个公交车站 (J=1、215 )3、 P( I )- 在第I个时段内的配车量4、 L( I )- 在第I个时段内的客流量5、 G( I )- 在第I个时段内的满载率6、 S( I )- 在第I个时段内的乘客候车时间期望值7、 V- 客车在该线路上运行的平均速度8、 L(J)-第J-1个公交车站到第J个公交车站之间的距离9、 T(I)-第I个时段内相邻两辆车发车间隔时间10、 L- 收、发车站之间的距离三模型的假设制定公交车调度方案需要考虑的因素非常多,且很多因素都是随机的。为了抓住重点,简化模型建立及求解,必须作一定的简化假设和设定。根本假设：1、乘客在各个时段内到达公交车站的时间均服从均匀分布 2、乘客上车的时间可以忽略不计。 3、在同一个时间段内，相邻两辆车发车时间间隔相等 4、汽车行驶过程都看作匀速行驶 5、公交车和乘客的到来都是随机现象。被调查的线路上的客流量不受到其它线路上客流量的影响。 6、如果产生拥挤现象，那么仅可能是在车站发生。 7、对全天而言客车公司根本把所有的顾客运完四模型的分析1、 数据的特征分析为了加深对数据变化情况的了解，我们对数据进展了插值，对于不同的车站A( J ) (J=1、214),在T(3)时段(7:008:00)处，均到达客流量的最顶峰。1） 对于不同的车站A(J) (J=1、214),在T(13)时段(17:0018:00)处，均到达客流量的次顶峰2） 在其余时段内，客流量分布较为平缓。2模型的初步分析以下是应用于计算的理论公式：运行时间=运行线路长度/车速*60*2 周转时间=运行时间+规定站停站时间(=0)行车时间=小时/小时通过的车次配车数=一次周转时间/行车间隔发车间隔=周转时间/配车数通过以上的计算公式计算出各个参数，然后考虑早晚顶峰，首末班车的发车时间，路上行车的实际情况等假设干因素，并结合以往丰富的经历确定行之有效的运行时刻表五模型的建立与求解模型1：平滑法模型采用确定公交调动中发车间隔的方法来寻求最优的发车间隔时间，进而求得整条线路的最小配车数，编制出一套较为实用的车辆运行时刻表。1发车间隔的具体计算方法讨论确定发车间隔的原那么是：正确处理好车辆的供应和乘客的需求关系：既要保证有足够的效劳质量，又要保证配车数最小。应用于计算的具体公式：Pi=Di/(ki*C)=Di/Ni *1 Pi=Hi/(ki*C)=Hi/Ni *2 Pi=maxQi/(E(G(i)*C*L),Hi/C)=maxQi/(Ni*L),Hi/C *3其中： Pi:：i时段内的配车数车次Di:：i时段内的日最高流通量 Hi:：i时段内的小时最高流通量 C： 车的最大容量 E(G(i)： i时段内的期望满载率Ni： i时段内的期望占用量人Qi： i时段内的乘客周转量人km 步骤1：我们从题目所给的 典型工作日两个运行方向各站上下车的乘客数量统计表转化为便利于我们计算的根底数据表。我们取定几个时间段作为分析样本，结果见下表注：表1中的断面客流量Li算公式：(上行)Li=maxRi,0 下行Li=max(Ri,0)Ri=R(i-1)+ui-di ； Ri=R(i+1)+ui-diRi第i个站的断面客流量R(i-1)第i-1个站的断面客流量Ui-第 I个 站点的上客量 di第 i个站点的下客量 根底客流量数据表下行站距(km)站名06:0007:0007:0008:0008:0009:0009:0010:00A07952328270615561.56A28682414281416031A39952985314817770.44A410392752322318221.2A510062462287716470.97A69892317253714442.29A79031740202111081.3A8893153818309752A9930149518179740.73A10866117715097741A11844105014257370.5A1275272214355451.62A13/ / / / 周转量人公里12628.5726627.5430514.1117445.41平均断面通过量人866.21828.32092.91196.5车容量人120120120120期望满载率96%99.5%99.8%98.75%期望占用量人115.4119.7119.7119.5表2步骤2：确定时段配车数Pi(车次), 间隔Hd(min) 上行数据时间段方法1方法2方法3PiHd(min)PiHd(min)PiHd(min)06:0007:006.00106.00105.8410.2707:0008:0023.922.5242.524.522.4508:0009:0041.091.43421.4342.121.4310:0011:0021.642.73222.7322.542.66 表3步骤3：确定相邻时间段的间隔从外表观察数据可知，两个相邻时间段之间有一定的联系，我们的目标就是要找出相邻时间段如5：006：00与6：007：00之间的转换段内的发车时间。根本思路：对于相邻的两个时间段来说，前一时间段内发的车是有可能运载后一时间段内的 乘客，这是因为一个时间段为一个小时，在这么长的时间里，如果发车时间跟时间段的上限值接近如5：006：00中6：00就是上限值，发车时间假设为5：50那么它就很接近6：00那么该趟车还未走完上行或下行的路线就已经进入下一个时间段。根本原理：确定两相邻时间段的发车数和发车时间的相互影响，平均间隔法是一种最简单但又粗略的方法，它计算出来的结果有可能导致在一条运行路线上出现过分拥挤或者车辆利用率缺乏的现象。下面采用的是平滑法。使用平滑法将运用到步骤2中的计算结果。根据步骤2计算的时段配车数，先确定在前一时段内第一辆车的发车时间，而在相邻时段之间的转换段内综合考虑前后两种配车数，设置平均期望占用量而不是平均间隔。例如，在7:008:00，8:009:00两个时间段内假设：第一辆车为7:00发车，根据表3，两个时段内的配车数和发车间隔分别为23.92车次，2.5 min；42车次，1.43 min.前一段时间所须要的配车数的0.92车次被留在7:57之后，与下一时段的0.08车次结合。因此，0.92车次的期望占用量为116.8人，0.08车次的期望占用量为120.35，后一时间每分钟需求的配车数斜率为42/60，相应的0.08车次要运行0.08 /42/60=1.15 min。所以，求得后一时间段内第一辆车发车时间为8:02 。几种不同的间隔确定方法：方法1：采用公式*2： Pi=Hi/(ki*C)=Hi/Ni方法2：采用公式*3，同时增加了限制时间段内通过量大于Pi*C的线路长度：Pi=max Qi/(E(G(i)*C*L),Hi/C) = max Qi/(Ni*L),Hi/C方法3：综合运用法：该方法的特点是将不同的方法运用于不同的时间段以确定时段配车数。它最大的好处就是能够根据实际情况作灵活的动态调度。比方可以根据顶峰期和平峰期到来的时间段及流动数量的多少来选择不同的方法确定理想的配车数。模型2：根据根本假设14，我们着手建立关于总配车量A=(Pi + Pi)(I=118) 的优化模型1) 确定决策变量易见，Pi 可作为模型的决策变量，但注意到：Pi = 60 / T( i ) (*5)Pi = 60 / T( i ) (*6)其中，T( i )为上行线路 i 时段内的发车间隔时间单位：分钟T( i )为下行线路 i 时段内的发车间隔时间单位：分钟所以：可以等价地将T( i )作为 决策变量。2) 确定目标函数问题1的目的是为了寻找在满足乘客和公交公司双方的一定利益的情况下，总配车量A=(Pi + Pi)的最小值,将*5、*6式代入，可得总配车量A为：A=60 / T( i )+60 / T( i ) (i=118) 3) 确定约束条件1 首先，乘客候车时间一般不要超过10分钟，早顶峰时一般不要超过5分钟。由假设条件4，乘客的到来满足均匀分布，那么在第I个时段内的流通的乘客候车时间期望值ES(i)满足：ES(i)= (t-(k-1)T(i) )dt/T(i) (i=118)= T( i )/2所以我们有：T( i )/210 (iU)T( i )/210 (iU)T( i )/25 (iV)T( i )/25 (iV)其中，集合U为上行早顶峰期的时段集合、U为下行早顶峰期的时段集合V为上行非早顶峰期的时段集合、V为下行非早顶峰期的时段集合为了获得对早顶峰期的明确时间X围，我们将客流量的数据进展了线性插值处理，并将14个车站作为14个样本，利用聚类分析的方法可以得出如下早顶峰期定义：上行早顶峰期为6:009:00下行早顶峰期为7:0010:002 其次，车辆满载率G( i )不应超过 120%，一般也不要低于50%，即： G( i ) 1.2 *7E(G( i )0.5 *8又因为在每个时段内都应该尽量满足乘客的最大客流量，所以G( i )*C* 60/ T( i ) = Hi *9我们将*9代入*8、*7再区分上下行可以得出相应的约束条件如下：Hi/C*60 / (T( i )1.2(i=118)Hi/C*60 / (T( i )1.2 (i=118) E( Hi/C*60/ (T( i ) )0.5 (i=118) E( Hi/C*60/ (T( i ) )0.5 (i=118) 4 优化模型的建立通过13的分析，我们建立优化模型*如下式： min A=60 / T( i )+60 / T( i ) (i=118) st T( i )/210 (iU)T( i )/210 (iU)T( i )/25 (iV)T( i )/25 (iV)Hi/C*60 / (T( i )1.2(i=118)Hi/C*60 / (T( i )1.2 (i=118) E( Hi/C*60/ (T( i ) )0.5 (i=118) E( Hi/C*60/ (T( i ) )0.5 (i=118)4） 优化模型的求解 方法1： 由于1中含有决策变量以及其期望值，属于非线性概率规划X畴，不利于显式求解，可以利用时间步长法进展模拟，进而获得最优值方法2：将*中的约束条件E( Hi/C*60/ (T( i ) )0.5 (i=118)E( Hi/C*60/ (T( i ) )0.5 (i=118)修改为：Hi/C*60/ (T( i ) 0.5 (i=118)Hi/C*60/ (T( i ) 0.5 (i=118)并且令 B( i )=1 / T ( i )那么原规划*可以化为如下线性规划*：min A=60 * B( i )+60 *B( i ) (i=118) st B( i )1/20 (iU)B( i )1/20 (iU)B( i )1/10 (iV)B( i )1/10(iV) 1/0.5C*60*B( i )/ Hi1/1.2(i=118)1/0.5C*60 *B( i )/ Hi1/1.2 (i=118) 利用数学规划软件Lindo可以获得其解模型31我们在这一小节将讨论：我们的方案以怎样的程度照顾到了乘客和公交公司双方的利益。为了评价不同方案对乘客和公交公司双方的利益的照顾水平，我们将着手建立乘客和公交公司的满意度函数。1） 乘客满意度函数Y1容易看出：乘客满意度函数Y1为整个时段的乘客候车时间的期望值E(T)与公交汽车上的乘车拥挤度(w)的函数。令Y1=a*E(T)+(1-a)*w,(0<a<1)；那么函数Y1具有以下三个性质：1 E(T)=0 那么Y1=1 ; E(T)=10那么 Y1=0.1(其中，E(T)=0那么Y1=0.1为我们根据实际情况作出的假定)2 w=0 那么 Y1=1 ; w=1 那么 Y1=03 Y1分别为E(T)、w的凸函数不妨假设Y1分别为E(T)、w的二次凸函数 由1、2、3可知 ，Y1E(T)以及 Y1w的图象以及函数方程如下所示：上图方程为Y1=1-0.009*E(T)2 上图方程为：Y1=1-w2取a=0.7综合可得：Y1=0.7*1-0.009E(T)2+0.3(1-w2)2） 公交公司的满意度函数 公交公司的满意度函数Y2为满载率的期望值E(G)的函数，且函数Y2具有以下三个性质： 1 E(G)=0那么Y2=0;E(G)=1.2 那么Y2=1 2 Y2为E(G)的凸函数不妨假设Y1为E(G)的幂函数由1、2可知 Y1E(T)的图象以及函数方程：Y2=(5/6*EG)0.53)总结：由模型1、2确定出E(T)、E(G)、w ，那么由1、2中的满意度函数即可以求出乘客和公交公司双方的满意程度模型：为了在获得最小配车数量的同时，兼顾了乘客以及公交公司双方的满意程度将模型和模型想结合，可以得到如下的多目标规划模型：min 60 * B( i )+60 *B( i )，-Y1,-Y2 (i=118) st B( i )1/20 (iU)B( i )1/20 (iU)B( i )1/10 (iV)B( i )1/10(iV) 1/0.5C*60*B( i )/ Hi1/1.2(i=118)1/0.5C*60 *B( i )/ Hi1/1.2 (i=118)其中：Y1=0.7*1-0.009E(T)2+0.3(1-w2)Y2=(5/6*EG)0.5六模型的检验与结果模型1：时间段 Hd发车间隔时间(上行) minP时段配车数(上行) 次 Hd 发车间隔时间下行 min P时段配车数(下行) 次5:006:00106916:007:002.5246.797:008:001.43422.6238:009:002.7222.3279:0010:004.6134.11510:0011:006.796.7911:0012:005.5117.5812:0013:006108.6713:0014:006.797.5814:0015:001067.5815:0016:007.585.51116:0017:003.5173.31817:0018:002.6231.93118:0019;007.5832019:0020:001546.7920:0021:0020310621:0022:002038.6722:0023:00/1203说明：在一个时间段内，公司发车的总次数为P，它们以均匀的发车时间间隔Hd均匀发车，比方说：在12：0013：00这个时间段内，它从12：00开场发车，每隔10分钟发一辆车。计算结果:上行的发车数量为42辆，下行的发车数量为31辆对上、下行的发车时刻以及顾客的流量进展均衡调度，由下式A min=(42+31)*(14.58/20)*60/60=53.2即得最小配车数量A min为54辆模型2：计算结果：上行的发车数量为44辆，下行的发车数量为32辆对上、下行的发车时刻以及顾客的流量进展均衡调度，由下式A min=(44+32)*(14.58/20)*60/60=55.4即得最小配车数量A min为56辆乘客平均等待时间 E(T)=(T (i)/2 )/18=2.78分钟 (i=118)平均满载率 E(G)=G (i)/18=0.86 (i=118) 模型3由模型2的结果代入模型3中建立的满意度函数我们得到双方的满意度如下：1、 乘客满意度： Y1=0.7*1-0.009E(T)2+0.3 (1-w2)计算中我们假定w = EG/1.2那么 Y1=0.7972、 公交公司满意度：Y2=(5/6*EG)0.5所以： Y2=0.8466七模型的评价与改良1、 模型的评价：上述的数学模型是基于一些理想的假设，实际上的诸多条件与模型仍有一定的差距，以以下举一些实际情况对模型的影响：1实际上来到车站的人数并不是平均分布的，一般来说，平峰期接近平均，而顶峰期接近是正态分布或泊松分布2当资金有限时，不能满足应配备的最小车辆数或由于发生了交通事故而不能上岗工作且又没有替补车辆供应时，应及时变动时刻表。3为了提高对乘客的效劳水平，可以在运输能力充足时适当增加总发车次数，或者基于一种新的考虑：用不均匀的间隔法去获得均匀的通过量。4对于车辆行驶速度假设为匀速，在实际运营过程存在，站点的停留。未将停留时间考虑进去可能产生误差 但总的来看：所建立的数学模型在确立了最小配车数量的同时，兼顾了乘客以及公交公司双方的满意程度。而得出的乘客平均等待时间 2.78min和平均满载率0.86的数值与我们查阅的国际标准：乘客平均等待时间2.5min和平均满载率0.80比拟接近。2、 模型的改良：假设假设来到车站的乘客到来的时间分布满足泊松分布对于模型只要将顾客平均等待的时间的推导相应地修改一下，仍可得到合理的方案。3、如何采集运营数据如果要求更好的调度方案，那么应该：1加大数据采集的数量密度，如：以30分钟或更小的时间间隔记录数据2对公共交通进展实时调度的控制3加强公交客运量的的回归预测方法八参考文献【1】周义仓，赫孝良. 数学建模实验M. ：XX交通大学，1999【2】 涛，贺永军，X志俭. Matlab工具箱应用指南-应用数学篇M. :电子工业，2000XX工业大学数 学 模 型 论 文题 目： 公交车调度模型 专 业： 信息与计算科学 班级学号： 信计091-13 姓 名： 李晨 指导教师： 于加武 . .word.
