一种混合公交线路的车辆调度与驾驶人调度协同优化方法

1.本发明属于城市公共交通运营管理技术领域，具体来讲是一种电动公交车与传统燃油公交车混合线路的车辆调度与驾驶人调度协同优化方法。


背景技术：

2.电动公交车零排放、单位里程耗电量小，符合可持续发展交通理念，有利于节约长期的成本支出，因此许多城市都在大力推进城市公交电动化进程。但是电动公交车还存在续驶里程有限且充电时间较长等缺点，为保证公交线路正常运营，公交企业使用电动公交车与传统公交车混合服务于一条公交线路。公交公司通常将电动公交车或者传统公交车从线路始发站出发运行至终点站再返回始发站视为一个完整的班次。混合线路的车辆调度与驾驶人调度协同优化是指依据规定的发车时刻表确定每辆电动公交车和传统公交车在全天运营时间内需要服务的班次与充电计划，并在劳动规则约束下进行公交车与驾驶人匹配的过程。制定合理的车辆调度方案、充电方案和驾驶人调度方案，不仅可以能够帮助降低公交企业运营成本，还有助于规范运营、提高公交服务水平。
3.现有的车辆调度与驾驶人调度方法多为单一车型下的两阶段序列法，即先依据规定的发车时刻表确定电动公交或者传统公交的车辆调度方案，再考虑劳动规则约束来优化驾驶人调度方案。一方面，驾驶人调度方案的输出依赖于车辆调度方案的输入，难以实现系统总成本最优；另一方面，与单一车型的车辆调度与驾驶人调度问题不同，混合线路的车辆调度问题采用公交企业运营成本与公交线路碳排放最小作为优化目标，优化得到的电动公交车每日总服务时间多于传统公交车，且闲置时间少于传统公交车，会导致专人专车模式不再适用，不仅会给公交企业管理车辆及驾驶人增加不便，而且难以灵活地应对公交车辆晚点回到始发站或者终点站等问题。为了解决上述问题，本文提出了一种电动公交车与传统燃油公交车混合线路的车辆调度与驾驶人调度协同优化方法。


技术实现要素：

4.本发明的目的是为了解决原有的调度方法所导致的公交企业运营管理不便、公交服务可靠性差、系统总成本增加等问题，而提出一种混合公交线路的车辆调度与驾驶人调度协同优化方法。
5.一种混合公交线路的车辆调度与驾驶人调度协同优化方法具体过程为：
6.步骤1：采集混合公交线路基础运行数据；
7.步骤2：定义符号；
8.步骤3：基于步骤1和步骤2建立上层优化模型；
9.步骤4：基于步骤1和步骤2建立下层优化模型；
10.步骤5：求解双层多目标规划问题，所述双层多目标规划问题为上层优化模型和下层优化模型。
11.本发明的有益效果为：
12.本发明以电动公交车与传统公交车混合的城市公交线路为研究对象，本发明所提出的车辆调度与驾驶人调度协同优化方法适用于具有不同电动化比例的城市公交线路，不仅可以有效降低混合线路上车辆不均衡调度对驾驶人调度的影响，提高驾驶人与公交车的专一性程度来规范运营，还可以节约公交线路的运营成本和驾驶人工资支出，实现系统总成本最优。
附图说明
13.图1为本发明流程图。
具体实施方式
14.具体实施方式一：本实施方式一种混合公交线路的车辆调度与驾驶人调度协同优化方法具体过程为：
15.步骤1：采集混合公交线路基础运行数据；
16.步骤2：定义符号；
17.步骤3：基于步骤1和步骤2建立上层优化模型；
18.步骤4：基于步骤1和步骤2建立下层优化模型；
19.步骤5：求解双层多目标规划问题，所述双层多目标规划问题为上层优化模型和下层优化模型(上层优化模型为公式(1)及约束条件)，下层优化模型为公式(11)、(12)及约束条件)。
20.具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤1中采集混合公交线路基础运行数据；具体过程为：
21.1.1.调查公交线路里程l0(比如1路公交从始发站到终点站的线路里程，每个班次都一样)和线路始发站距离电动公交车充电场站距离；
22.1.2.基于公交线路的发车时刻表，获取首末班车发车时间(比如1路公交车首车发车时间5:00，末车发车时间20:00)；
23.将全天运营时间内i个班次依次进行编号，令i和j为同一辆公交车需要运行的两个相邻班次(比如公交线路1路中的2号车运行了班次3，返回后又运行了班次5，班次3和班次5为同一辆公交车运行的两个相邻班次)；
24.1.3.连续调查15个工作日内每个班次公交车的车辆类型(电动公交车或者传统公交车)，里程，行程时间(包括车辆在线路上的运行时间、在站点停靠时间和在始发站驻站的时间)，燃油量，耗电量，碳排放量，以及电动公交车在始发站与电动公交车充电场站之间往返的耗电量；
25.1.4.令电动公交车辆编号为k，k＝1,2,...,k；传统公交车编号为h，h＝1,2,...,h；驾驶人编号为g，g＝1,2,...,g；时段编号为q，q＝1,2,...,q；电动公交车从开始充电到充电结束为一个充电班次，充电班次编号记作r，r＝1,2,...,r。
26.其它步骤及参数与具体实施方式一相同。
27.具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述步骤2中定义符号；具体过程为：
28.定义二进制变量x
kij
∈{0,1}，如果班次i和j是由电动公交车k运行的相邻班次，
x
kij
＝1，否则x
kij
＝0；
29.二进制变量x
hij
∈{0,1}，如果班次i和j是由传统公交车h运行的相邻班次，x
hij
＝1，否则x
hij
＝0；
30.二进制变量y
gki
∈{0,1}，如果驾驶人g驾驶电动公交车k完成班次i，y
gki
＝1，否则y
gki
＝0；
31.二进制变量y
ghi
∈{0,1}，如果驾驶人g驾驶传统公交车h完成班次i，y
ghi
＝1，否则y
ghi
＝0；
32.二进制变量θ
kr
∈{0,1}，θ
kr
＝1表示电动公交车k在充电班次r充电，否则θ
kr
＝0。
33.其它步骤及参数与具体实施方式一或二相同。
34.具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述步骤3中基于步骤1和步骤2建立上层优化模型；具体过程为：
35.3.1.将最小化混合车队的运营成本和碳排放经济成本作为上层模型的优化目标，计算方法如公式(1)所示：
36.min z＝ocb+oeb+αmcb
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
37.式中：ocb为传统公交车的运营成本，rmb；oeb为电动公交车的运营成本，rmb；mcb为混合车队的碳排放情况，g；α为碳排放的经济系数，rmb/g；z为优化目标。
38.3.2.构建上层模型的约束条件。
39.其它步骤及参数与具体实施方式一至三之一相同。
40.具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述3.1中传统公交车的运营成本ocb、电动公交车的运营成本oeb、混合车队的碳排放情况mcb的具体计算过程为：
41.3.1.1.利用公式(2)计算传统公交车的运营成本ocb：
[0042][0043]
式中：fh为传统公交车单位里程燃油成本，rmb/km；x
h0j
∈{0,1}，如果传统公交车h由班次j开始当天的运营任务，x
h0j
＝1，否则x
h0j
＝0；x
hi0
∈{0,1}，如果传统公交车h由班次i结束当天的运营任务，x
hi0
＝1，否则x
hi0
＝0；l
′j为场站与班次j始发站的距离，km；l
′i为场站与班次i始发站的距离，km；
[0044]
3.1.2.利用公式(3)计算电动公交车的运营成本oeb：
[0045][0046]
式中：eq为时段q内的充电量单价，rmb/kwh；t
krq
为时段q内电动公交车k的充电时长，h；b为电动公交车的充电功率，kw；e
′
night
为电动公交车夜间充电的单位充电量价格，rmb/kwh；为电动公交车k的电池额定容量，kwh；为电动公交车k结束白天运营任务，还未开始夜间充电计划时的电池剩余电量，kwh；δ1为防止过充损伤电池所设置的电池荷电状态(soc)上限，％；
[0047]
3.1.3.利用公式(4)计算传统公交车的碳排放情况mcb：
[0048][0049]
式中：mh为平均每公里碳排放量，g/km。
[0050]
其它步骤及参数与具体实施方式一至四之一相同。
[0051]
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述3.2中构建上层模型的约束条件；具体过程为：
[0052]
3.2.1.同一辆电动公交车或者传统公交车相邻班次之间的行程时间可行性约束以及充电时间约束，如公式(5)～(7)所示。
[0053][0054][0055][0056]
式中：t
hi
和t
hj
为由传统燃油公交车h运行的班次i与班次j的时刻表规定发车时刻；t
hi
为传统公交车h在班次i的行程时间，h；t
ki
和t
kj
为由电动公交车k运行的班次i与班次j的时刻表规定发车时刻；t
ki
为电动公交车k在班次i的行程时间，h；t
kr
为电动公交车k在充电班次r的充电时间，h；为电动公交车k的最短充电时间，h；为电动公交车k结束班次i时电池剩余电量，kwh；
[0057]
3.2.2.电动公交车k运行的任意相邻班次i和班次j结束时刻的电池剩余电量，满足公式(8)；
[0058]
约束电动公交车在任意班次i结束时刻的电池剩余电量足够驶回场站，如公式(9)所示；
[0059][0060][0061]
式中：为电动公交车k结束班次j时电池剩余电量，kwh；为电动公交车k结束班次i时电池剩余电量，kwh；w
kj
为电动公交车k在班次j的耗电量，kwh；
[0062]
为电动公交车k由班次i的始发站返回充电场站的耗电量，kwh；δ2为防止过放损伤电池所设置的电池soc下限，％；
[0063]
3.2.3.约束每一个班次只能被分配给一辆电动公交车或者传统公交车，且每个班次均需被运行；
[0064][0065]
其它步骤及参数与具体实施方式一至五之一相同。
[0066]
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是，所述步骤4中基于步骤1和步骤2建立下层优化模型(下层优化模型包括公式(11)至公式(19))；具体过程
为：
[0067]
4.1.以最小化公交线路驾驶人一天的工资cp作为优化目标之一，计算方法如公式(11)所示。
[0068][0069]
时，取
[0070]
时，取0；
[0071]
式中：t
′
hi
和t
′
ki
分别为传统公交车h和电动公交车k在班次i上的有效工时，h；c1和c2为驾驶人的基础工资系数和加班费用系数，rmb/h；为驾驶人g的规定工作时间限值，h；为驾驶人g的在班时间，h；
[0072]
4.2.以最小化驾驶人可能换车次数方差s2作为优化目标之二，如公式(12)所示；
[0073][0074]
其中驾驶人g每天需要驾驶的公交车数量ng和每天运营所需要的驾驶人数量g
′
，计算方法如公式(13)与公式(14)所示；
[0075][0076][0077]
4.3.构建下层模型的约束条件。
[0078]
其它步骤及参数与具体实施方式一至六之一相同。
[0079]
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是，所述4.3中构建下层模型的约束条件；具体过程为：
[0080]
4.3.1.令二进制变量γ
gij
∈{0,1}，如果驾驶人g连续执行班次i和班次j，γ
gij
＝1，否则γ
gij
＝0；
[0081]
η为常数，当t
hjyghj
+t
kjygkj-(t
hi
+t
′
hi
+t
″
hi
)y
ghi-(t
ki
+t
′
ki
+t
″
ki
)y
gki
≤η，认为驾驶人g在班次i结束后开始连续执行班次j，则γ
gij
＝1，否则γ
gij
＝0；
[0082]
其中t
″
hi
和t
″
ki
分别为传统公交车h和电动公交车k在班次i上的停靠时间；
[0083]
4.3.2.令班次u和班次v分别表示为连续驾驶班次链的第一个班次和最后一个班次，约束同一个驾驶人连续驾驶时间不得超过规定时长ζ1，如公式(15)所示；
[0084][0085]
4.3.3.超过规定时间驾驶人必须休息，公式(16)是驾驶人的休息时间约束，每次至少休息ζ2(h)；
[0086]
(1-γ
gij
)(t
kj
+t
hj-t
ki-t
hi
)≥ζ
2 if i＝v
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0087]
4.3.4.约束驾驶人每天加班时间不超过规定时间ζ3，如公式(17)所示；
[0088][0089]
4.3.5.约束驾驶人g每天的驾驶班次数量要大于等于所有驾驶人的平均班次数量的β1倍，小于等于平均班次数量的β2倍；
[0090][0091]
式中：为平均每个驾驶人每天的驾驶班次数量，等于班次总数i与每天运营所需要的驾驶人数量g
′
的比值；
[0092]
4.3.6.驾驶人调度要保证每一辆电动公交车或者传统公交车只能由一个驾驶人驾驶，且每辆车均需有人驾驶；
[0093][0094]
其它步骤及参数与具体实施方式一至七之一相同。
[0095]
具体实施方式九：本实施方式与具体实施方式一至八之一不同的是，所述步骤5中求解双层多目标规划问题，所述双层多目标规划问题为上层优化模型和下层优化模型；具体过程为：
[0096]
5.1.采用改进多目标粒子群算法(ε-tmopso)求解该双层多目标规划问题。
[0097]
设置迭代次数o＝1；
[0098]
确定基本参数，包括粒子种群大小npop，外部档案集up的大小nrep，最大迭代次数maxgen；
[0099]
5.2.随时间a变化参数ε的计算方法如公式(20)和(21)所示：
[0100][0101][0102]
式中：参数ε表示解(车辆调度方案和驾驶人调度方案)的可行性以及违反约束的程度；a为约束处理的时间长度；ε(0)为ε初始化取值，等于初始种群中不可行解违反度平均值；b
l
(xd)为第d个车辆调度与驾驶人调度方案xd违反第l个标准约束b
′
l
(xd)≤0的程度(约束条件，公式(5)～(10)，公式(15)～(19))，1≤d≤d，1≤l≤m，b
l
(xd)＝max{b
′
l
(xd),0}，d为可能的车辆调度与驾驶人调度方案的数量，m为上层模型和下层模型约束条件公式个数(公式(5)～(10)，公式(15)～(19)，取值11)；
[0103]
5.3.初始化粒子位置和飞行速度；具体过程为：
[0104]
位置决定了哪个班次被分配给了哪辆公交车和哪个驾驶人；
[0105]
采用经典sigmoid函数对离散变量进行编码，把飞行速度映射到[0,1]区间内，如公式(22)所示；
[0106]
再比较与随机数e1∈[0,1]，通过公式(23)对位置取值；
[0107][0108][0109]
5.4.初始化ε(0)，根据ε(0)大小(从大到小排列)选取较大的前n1个粒子，计算各个粒子的适应度值，适应度函数如公式(1)、(12)和(13)所示，得到非劣解(是指在所给的可供选择的方案集中，已找不到使每一个适应度函数都能改进的解)，将非劣解加入到外部档案集up中，采用基于拥挤距离的策略对外部档案集进行维护，当档案集中解的数量超过外部档案集up的大小nrep时，删除档案集中拥挤距离小的解，使档案集中解的数量等于外部档案集up的大小nrep；
[0110]
5.5.根据5.3、5.4确定各个粒子初始最优位置然后采用三点随机选择策略为每一个粒子选择一个合适的群体最优位置
[0111]
三点是指粒子与外部档案集中所有非劣解的欧氏距离最近、最远以及处于中间的3个非劣解；
[0112]
5.6.在保证粒子不越界的情况下(前提设置粒子的速度区间和位置区间，不超过粒子的速度区间和位置区间)，按照公式(24)和(25)更新粒子的速度和位置；
[0113][0114][0115]
式中：为第o+1次迭代粒子d的飞行速度；ωn是惯性重量；f
1o
和为加速因子；和e2为在0-1之间生成的随机数；
[0116]
5.7.利用公式(20)更新ε(a)，令o＝o+1；如果迭代次数大于maxgen，则停止，输出外部档案集，否则返回步骤5.5。
[0117]
其它步骤及参数与具体实施方式一至八之一相同。
[0118]
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。