一种用于城市微循环公交系统的车辆调度方法

本发明涉及车辆调度领域，具体为一种用于城市微循环公交系统的车辆调度方法。

背景技术：

随着社会和城市交通的建设与发展，我国小汽车保有量不断增加，导致道路拥堵的产生和环境污染的严重，影响了居民的生活品质。现许多道路资源的数量已经无法满足机动车日益增长的需求。因此，近些年来，许多城市已经开始投入到建设轨道交通和微循环公交建设中，以缓解乘客出行需求多样化和出行分担率的问题。但是两者都有其缺点，轨道交通虽然时效得到保证，但是居民从家门出行的那一刻到走到站台需要很长的一段时间，这也是通常所说的“最后一公里”。例如深圳南山开通的首条微循环巴士，其开设的主要目的是解决市民公交、地铁出行之后的“最后一公里”的重要举措，该举措无疑是一项系统的惠民利民的工程。该巴士全部采用的是纯电动车，往返是6公里，全程售价为1元，如果使用深圳通还可以享受8折的优惠。

微循环公交这一系统的提出对于解决上述问题起到了一定的成效。目前许多城市也已经开展了微循环公交来解决这一个问题，相信在未来，微循环公交的应用将会越来越普遍。与此同时，其存在的问题和如何去优化也会越来越受到重视。如今，城市公共交通是连接城市与城市之间的重要载体，也是运送人流和物流的重要通道。因此如何对公共交通进行改善，使得居民们的出行安全得到进一步的保障和居民对公共交通的信赖程度上升，是目前和将来公共交通领域需要发展的方向。

常规公交在城市道路网中逐渐发展成形，许多城市也逐渐将建设重点放在了轨道交通上，主干道路的发展愈发成熟。常规公交慢慢与轨道交通形成一个体系，但是彼此之间缺乏有效的衔接，居民的换乘收到影响，无法形成完善的公共交通出行体系。一般情况下，城市道路中主干路等主要道路利用率比较高，但是次干路和支路的重视程度不高，新建设社区交通设施不能建设完成，导致主干道路拥堵，支路不能发挥良好的疏散作用，居民出行的可达性不高，交通出行的吸引力受到影响，道路拥堵问题也不能得到较好的解决。

技术实现要素：

本发明的目的是为了提供一种用于城市微循环公交系统的车辆调度方法，通过cplex模型设计算法框架，组建一套可以帮助微循环公交去实现准时、高效、便捷的目标，并依据大数据进行运算分析的实时微循环公交系统，解决居民公交出行在换乘站和小区往返之间“最后一公里”难的问题和线路规划优化的问题，提高居民出行的可达性和多样性，进而实现公交系统效益最大化的目标。

为了实现上述发明目的，本发明采用了以下技术方案：一种用于城市微循环公交系统的车辆调度方法，包括以下步骤：步骤1.提出模型假设，通过线路布设区域、车辆类型、配车数量和发车时间间隔提出微循环公交的关键设计参数；

步骤2.对系统调查对象和方法进行系统性阐述，从公交现状的满意程度进行调查分析，并对微循环公交系统调查进行分析；

步骤3.通过构建服务区域网络图，以换乘站为中心，在微循环公交的最大服务半径为原则，服务区域的半径选用范围为5-8km；

步骤4.通过双目标决策变量函数选择模型，具体包括以下步骤：步骤4-1.以最大服务区域为目标，构建服务区域内的最大服务乘客数为上层目标函数；

步骤4-2：分析微循环公交系统中协调和矛盾，根据公交公司的利益关系和乘客的需求，确定目标函数如何构建，通过对服务区域内服务的乘客数最多构建上层目标函数，公交公司运营成本最小为下层目标函数，用cplex对文本的模型进行建模；

步骤4-3：对该模型对案例进行求解，用于路线的规划，最终得到线路的最优解。

优选的，在步骤1中，所述模型假设具体包括以下步骤：步骤1-1.微循环公交车辆在行驶过程中行驶速度相同、并在线路上保持匀速行驶，无交通意外发生；步骤1-2.线路上的公交为同一种类型的车辆，实行统一的票价；

步骤1-3.微循环公交线路的终点是轨道交通站点或公交枢纽站；

步骤1-4.车队规模都已知，需求点的位置和需求量均已知；

步骤1-5.规定需求点处的乘客的需求都是前往换乘站或者枢纽站的；

步骤1-6.各个需求点之间或者需求点和换乘站枢纽站之间的平均旅行时间都是已知的。

优选的，在步骤1中，所述设计参数包括h、h0、k、tij、sv、di、q、n、cm、ch、tmax、yijk、cijk和uik，所述h为需求点集合；h0为换乘站或者枢纽站的集合；k为运营车辆的集合；tij为需求点i和j之间的平均旅行时间；sv为运营车辆的速度；di为需求点的需求量；q为车辆的限乘的人数；n为车队的规模；cm为车辆每走一公里的所需要的费用；ch为车辆司机每小时的工资；tmax为每辆车的最大旅行时间；yijk＝1为在路径k上时需求点i在j之前时；yijk＝0为在路径k上时需求点i在j之前或重合；cijk为选择路径为(i,j)时，车辆k在需求点i上被分配的乘客数；uik为路径k上消除子旅行时间约束的辅助变量。

优选的，在步骤3中，所述构建服务区域网络图具体包括以下步骤：步骤3-1.选定服务区域，具体如下：将服务区域限定为圆形区域，再将其边界限定好，由居民出行的速度和换乘站的站点位置因素决定圆形区域的最大服务半径，根据微循环公交最大的区域吸引半径作为圆形服务区域的半径；

步骤3-2.寻找潜在的需求站点，具体如下：在小区的出口处设置站点即为一个需求点，一个小区仅设置一个，并且选择在小区的形心位置；

步骤3-3.计算平均旅行时间，具体如下：居民的旅行时间受到道路条件和时间许多不同因素的干扰，因此对居民平均旅行时间的确定在每一次划定好服务区域以后并将需求点确定好之后对旅行时间进行新的更新，时间的获得通过最近一段时间段内统计的旅行时间获得，更新好的平均旅行时间分为需求点与需求点之间的旅行时间和需求点与换乘站之间的旅行时间；

步骤3-4.确定每个需求点之间的出行需求量，具体如下：由于每个小区只设定一个需求点，因此该小区所有的需求量基本都只集中在这个点处，居民的年龄、职业、教育背景和出行习惯都会影响每个小区各自的出行量，因此彼此之间的差异会比较大。

优选的，在步骤4中，所述目标函数的建立分为决策目标函数和辅助目标函数，所述决策目标函数：

所述辅助目标函数：

s.t.

uik-ujk+|h|×yijk≤|h|-1

i,j∈h∪h0,k∈k(7)

式(1)中以服务区域乘客需求最大为著目标函数；式(2)是以公交公司运营成本最小为辅助目标函数，其中公交公司的运营成本主要包括司机的成本和公交的成本，因为在求解过程中主目标函数可能存在的很多相同的值，所以标定一个辅助目标来确定一个最优的值；式(3)代表在每一个需求点处最多能够被服务的车辆数是n辆；式(4)和(5)规定了在系统中服务的车辆数最少是1辆，最大是n辆；式(6)进出的每一个被服务的需求点的路径需要做到相等；式(7)是为了在规划路线时不要出现闭合的情况；式(8)在规定的额定的车辆容量情况下，不能出现闭合的情况；式(9)表示每一个需求点被服务的需求量不能超过该需求点的预约的乘客量；式(10)表示乘客被分配到的车辆必须是该车辆被安排到服务这个需求点；式(11)表示车辆的最大旅行时间；式(12)表示车辆的最小运营长度；式(13)和(14)保证每一辆车都将乘客运送到同一个目的地：换乘站或者枢纽站；式(15)为保证在每一个需求点处服务的车辆在该点所运送的乘客最少有一位。

优选的，在步骤4-2中，所述cplex对文本的模型进行建模，具体包括以下步骤：步骤a.利用cplex软件创建一个opl项目，并创建一个vrp.mod文件，对微循环公交的线路布设进行建模和数据的保存，float为浮点型变量中的单精度；int定义为取整函数；

{int}h＝{1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}

{int}h0＝{16}

{int}hh0＝hunionh0；

步骤b.对模型中的常变量做出定义，再对目标函数进行变形，构造出三个目标函数；

floatn＝5

rangek＝1..5

floatcm＝10

floatch＝30

floattmax＝30

floatsv＝15

floatd[h]＝...

floatq＝20

floatt[hh0][hh0]＝...

floatlmin＝20；

步骤c.将约束条件写出：

dexprfloatmin1＝4*sum(i,jinh,kink)c[i][j][k]

dexprfloatmin2＝cm*sv*sum(iinh,jinhh0,kink)t[i][j]*y[i][j][k]/60

dexprfloatmin3＝ch*(sum(iinh,jinhh0,kink)t[i][j]*y[i][j][k])/60。

优选的，在步骤4-3中，所述模型的求解具体包括以下步骤：步骤d.打开ibmilogcplex软件，点击文件，选择导入已构建好的模型；

步骤e.各需求点之间的平均旅行时间在excel表中列好，其中序号1-15的为各小区的需求点，16的点代表的是枢纽站，再导入至cplex运行配置中，后缀为dat，表示数据；

步骤f.分别点击这两个配置，出现在运行区，vpr_bus.mod代表的是编程现实界面，vpr_bus.dat代表的是数据先择界面，sheetconnectionsheet("data.xlsx")表示选择名为data的表格sheetread(sheet,"sheet1！b2:q17")和sheetread(sheet,"sheet2！a1:a15")代表的是读取表格1(平均旅行时间)b2:q17的数据和表格2中a1:a15各个需求点的需求量的数据，在启示页面中，能从页面右上角够得到模型的基本的信息，比如基本参数，决策变量和决策变量表达式；

步骤g.选择vpr_bus.mod，点击鼠标右键，选择运行这个，之后软件开始进入运行状态，得到求解结果；

步骤h.运行结束后，点击脚本日志即可获得求解结果；

步骤f.算法结束，根据求得的最优解，结合网络图，连接需求点，找出需求点到达枢纽站之间的最优路线。

与现有技术相比，采用了上述技术方案的用于城市微循环公交系统的车辆调度方法，具有如下有益效果：采用本发明的用于城市微循环公交系统的车辆调度方法通过线路布设区域、车辆类型、配车数量和发车时间间隔提出微循环公交的关键设计参数，对系统调查对象和方法进行系统性阐述，从公交现状的满意程度进行调查分析，并对微循环公交系统调查进行分析，通过构建服务区域网络图，以换乘站为中心，在微循环公交的最大服务半径为原则，通过双目标决策变量函数选择模型，解决居民公交出行在换乘站和小区往返之间“最后一公里”难的问题和线路规划优化的问题，提高居民出行的可达性和多样性，进而实现公交系统效益最大化的目标，增加交通出行的吸引力，使得公交车站达到较好的经济收益和乘客享受到更好的服务。

附图说明

图1为本发明用于城市微循环公交系统的车辆调度方法实施例的模型示意图；

图2为本实施例中城市微循环公交系统的车辆调度方法的网络区域图；

图3为本实施例中配置文件名的需求示意图；

图4为本实施例中微循环公交模型的导入示意图；

图5为本实施例中微循环公交模型编程运行和数据的选择示意图；

图6为本实施例中模型运行的初始界面图；

图7为本实施例中模型运行的操作示意图；

图8为本实施例中模型求解的结果展示图；

图9为本实施例1中模型的区域简化图；

图10为本实施例1中模型常变量的表格示意图；

图11为本实施例1中模型中需求点需求量的表格示意图；

图12为本实施例1中网络中各需求点之间旅行矩阵的表格示意图；

图13为本实施例1中模型求解的结果示意图；

图14为本实施例1中每辆车的服务路径和分配需求量的表格示意图；

图15为本实施例1中网络区域的路径示意图。

具体实施方式

下面结合附图对本发明做进一步描述。

如图1所示为用于城市微循环公交系统的车辆调度方法的模型示意图，包括以下步骤：步骤1.提出模型假设，通过线路布设区域、车辆类型、配车数量和发车时间间隔提出微循环公交的关键设计参数。其中，模型假设具体包括以下步骤：步骤1-1.微循环公交车辆在行驶过程中行驶速度相同、并在线路上保持匀速行驶，无交通意外发生；步骤1-2.线路上的公交为同一种类型的车辆，实行统一的票价；步骤1-3.微循环公交线路的终点是轨道交通站点或公交枢纽站；

步骤1-4.车队规模都已知，需求点的位置和需求量均已知；

步骤1-5.规定需求点处的乘客的需求都是前往换乘站或者枢纽站的；

步骤1-6.各个需求点之间或者需求点和换乘站枢纽站之间的平均旅行时间都是已知的。

其中，设计参数包括h、h0、k、tij、sv、di、q、n、cm、ch、tmax、yijk、cijk和uik，h为需求点集合；h0为换乘站或者枢纽站的集合；k为运营车辆的集合；tij为需求点i和j之间的平均旅行时间；sv为运营车辆的速度；di为需求点的需求量；q为车辆的限乘的人数；n为车队的规模；cm为车辆每走一公里的所需要的费用；ch为车辆司机每小时的工资；tmax为每辆车的最大旅行时间；yijk＝1为在路径k上时需求点i在j之前时；yijk＝0为在路径k上时需求点i在j之前或重合；cijk为选择路径为(i,j)时，车辆k在需求点i上被分配的乘客数；uik为路径k上消除子旅行时间约束的辅助变量。

步骤2.对系统调查对象和方法进行系统性阐述，从公交现状的满意程度进行调查分析，并对微循环公交系统调查进行分析；

步骤3.通过构建服务区域网络图，以换乘站为中心，在微循环公交的最大服务半径为原则，服务区域的半径选用范围为5-8km。构建服务区域网络图具体包括以下步骤：步骤3-1.选定服务区域，具体如下：将服务区域限定为圆形区域，再将其边界限定好，由居民出行的速度和换乘站的站点位置因素决定圆形区域的最大服务半径，根据微循环公交最大的区域吸引半径作为圆形服务区域的半径；

步骤3-2.寻找潜在的需求站点，具体如下：由于中国小区基本存在公封闭性的特点，导致微循环公交不能驶入区域内，因此在小区的出口处设置站点即为一个需求点，一个小区仅设置一个，并且选择在小区的形心位置；

步骤3-3.计算平均旅行时间，具体如下：居民的旅行时间受到道路条件和时间许多不同因素的干扰，因此对居民平均旅行时间的确定在每一次划定好服务区域以后并将需求点确定好之后对旅行时间进行新的更新，时间的获得通过最近一段时间段内统计的旅行时间获得，更新好的平均旅行时间分为需求点与需求点之间的旅行时间和需求点与换乘站之间的旅行时间；

步骤3-4.确定每个需求点之间的出行需求量，具体如下：由于每个小区只设定一个需求点，因此该小区所有的需求量基本都只集中在这个点处，居民的年龄、职业、教育背景和出行习惯都会影响每个小区各自的出行量，因此彼此之间的差异会比较大。如图2所示为城市微循环公交系统的车辆调度方法的网络区域图，途中实线圈代表的是所选定的服务区域中选取的最大半径的边界线，也是该服务区域最大的潜在区域，多个分布的小实心圈代表的是各个小区的需求点，中间的h0代表的是换乘站或者是枢纽站。

步骤4.通过双目标决策变量函数选择模型，目标函数的建立分为决策目标函数和辅助目标函数，决策目标函数：

辅助目标函数：

s.t.

uik-ujk+|h|×yijk≤|h|-1

i,j∈h∪h0,k∈k(7)

式(1)中以服务区域乘客需求最大为著目标函数；式(2)是以公交公司运营成本最小为辅助目标函数，其中公交公司的运营成本主要包括司机的成本和公交的成本，因为在求解过程中主目标函数可能存在的很多相同的值，所以标定一个辅助目标来确定一个最优的值；式(3)代表在每一个需求点处最多能够被服务的车辆数是n辆；式(4)和(5)规定了在系统中服务的车辆数最少是1辆，最大是n辆；式(6)进出的每一个被服务的需求点的路径需要做到相等；式(7)是为了在规划路线时不要出现闭合的情况；式(8)在规定的额定的车辆容量情况下，不能出现闭合的情况；式(9)表示每一个需求点被服务的需求量不能超过该需求点的预约的乘客量；式(10)表示乘客被分配到的车辆必须是该车辆被安排到服务这个需求点；式(11)表示车辆的最大旅行时间；式(12)表示车辆的最小运营长度；式(13)和(14)保证每一辆车都将乘客运送到同一个目的地：换乘站或者枢纽站；式(15)为保证在每一个需求点处服务的车辆在该点所运送的乘客最少有一位。

具体包括以下步骤：步骤4-1.以最大服务区域为目标，构建服务区域内的最大服务乘客数为上层目标函数；

步骤4-2：分析微循环公交系统中协调和矛盾，根据公交公司的利益关系和乘客的需求，确定目标函数如何构建，通过对服务区域内服务的乘客数最多构建上层目标函数，公交公司运营成本最小为下层目标函数，用cplex对文本的模型进行建模。

其中，cplex对文本的模型进行建模，具体包括以下步骤：步骤a.利用cplex软件创建一个opl项目，并创建一个vrp.mod文件，对微循环公交的线路布设进行建模和数据的保存，float为浮点型变量中的单精度；int定义为取整函数；

{int}h＝{1,2,3,4,5,6,7,8,9,10,11,12,13,14,15}

{int}h0＝{16}

{int}hh0＝hunionh0；

步骤b.对模型中的常变量做出定义，再对目标函数进行变形，构造出三个目标函数；

floatn＝5

rangek＝1..5

floatcm＝10

floatch＝30

floattmax＝30

floatsv＝15

floatd[h]＝...

floatq＝20

floatt[hh0][hh0]＝...

floatlmin＝20；

步骤c.将约束条件写出：

dexprfloatmin1＝4*sum(i,jinh,kink)c[i][j][k]

dexprfloatmin2＝cm*sv*sum(iinh,jinhh0,kink)t[i][j]*y[i][j][k]/60

dexprfloatmin3＝ch*(sum(iinh,jinhh0,kink)t[i][j]*y[i][j][k])/60。

步骤4-3：对该模型对案例进行求解，用于路线的规划，最终得到线路的最优解。其中，模型的求解具体包括以下步骤：步骤d.打开ibmilogcplex软件，点击文件，选择导入已构建好的模型，如图3所示为配置文件名的需求示意图，在该种文件下，运行配置中的文件名必须命名为英文格式的，本模型命名为vpr_bus，否则运行过程中将会出现错误。

步骤e.各需求点之间的平均旅行时间在excel表中列好，其中序号1-15的为各小区的需求点，16的点代表的是枢纽站，再导入至cplex运行配置中，后缀为dat，表示数据，如图4所示为微循环公交模型的导入示意图；

步骤f.分别点击这两个配置，出现在运行区，vpr_bus.mod代表的是编程现实界面，vpr_bus.dat代表的是数据先择界面，sheetconnectionsheet("data.xlsx")表示选择名为data的表格sheetread(sheet,"sheet1！b2:q17")和sheetread(sheet,"sheet2！a1:a15")代表的是读取表格1(平均旅行时间)b2:q17的数据和表格2中a1:a15各个需求点的需求量的数据，如图5所示为微循环公交模型编程运行和数据的选择示意图。在启示页面中，能从页面右上角够得到模型的基本的信息，比如基本参数，决策变量和决策变量表达式，如图6所示为模型运行的初始界面图。

步骤g.选择vpr_bus.mod，点击鼠标右键，选择运行这个，之后软件开始进入运行状态，如图7所示为模型运行的操作示意图，等待一分钟左右的时间，即得到求解结果；

步骤h.运行结束后，点击脚本日志即可获得求解结果，如图8所示为模型求解的结果展示图；

步骤f.算法结束，根据求得的最优解，结合网络图，连接需求点，找出需求点到达枢纽站之间的最优路线。

实施例1：

如图9所示为模型的区域简化图，在本实施例中，该区域划定的半径为7km，此区域主要是以居民居住用地为主，另外在服务范围内也有商业区、学校、医院和工业园区等等，不属于市中心的规划范畴。图中并未画出已有的道路，最后根据求解结果可直接在时间应用中选用道路。此外，一个需求点代表一个小区，在未进行规划前，将15个小区都看作是15个站点，再加上一个枢纽站h0，一共十六个站点。具体在哪个需求点进行设置，需要根据目标函数进行求解规划出路线再对站点进行设置。图中的菱形黑点本文未做站点设置考虑，因为主要研究的是小区居民出行“最后一公里”难的问题。

通过利用一个小型的网络对上述的模型进行求解，对此可以分析上述模型的准确性和适用性，如图10所示为模型常变量的表格示意图，模型中所用到的基本参数如图10所示，如图11所示为模型中需求点需求量的表格示意图，如图12所示为网络中各需求点之间旅行矩阵的表格示意图，表6-2给出了每个需求点的需求量，表6-3是各个需求点之间所需要的旅行时间，将需求点i到需求点i之间的平均旅行时间设为1000分钟(偏向为无穷大)。将d代表需求点，h0代表换乘站。

通过cplex软件对本文的模型进行建模，并且将案例的数值带入进行求解。得到的求解结果如下：在所有设定的需求点中，需求点1和6未能够呗服务到，并且需求点11的需求量未能够全部被服务完，还剩1个需求量。因此，通过该模型能够解出服务区域内的最优方案，路径的规划和需求点的需求量分配也是符合要求的。

由于在本区域的车队规模是5，所以在该区域内设置了5条微循环公交路线，基本的设置参数上述表格也已交代清楚。将上述参数值带入到微循环公交线路布设的cplex模型中，即可得到五条最优的线路规划曲线，路径选择结果图见图6-2。线路一：4-9-5-3-h0，行驶时间为17min；线路二：7-2-11-h0，行驶时间为11min；线路三：8-10-11-3-h0，行驶时间为15min；线路四：12-5-3-h0，行驶时间为11min；线路二：13-3-5-h0，行驶时间为11min。具体的路线的规划路径见表6-4。规划的路线如图13所示为模型求解的结果示意图。最后解得决策主目标函数值最小为360。

因为区域最大的上车乘客数和公交运营公司所需要的成本单位不一，因此在模型构建时，通过多次的模型求解尝试，发现在模型一中加入权重系数4可以达到一个较好的数据处理结果，并且将辅助目标函数中两个成本在构建cplex模型的时候拆分成了两个最小值函数，因此在cplex中共有三个最小值函数，其最终的求解结果分别为360、162.5和32.5。为了更加清晰地看到路线规划路径，因此又列出一张表格，如图14所示为每辆车的服务路径和分配需求量的表格示意图。根据表中的路径，在构建的小型网络区域中画出路径，如图15所示为网络区域的路径示意图。

通过对实施例1的分析，该模型能够通过成本将得到一个较为满意的结果，并且使得运营成本在一个较为合理的运营范围内。通过cplex能够求得模型的最优解，在求解过程中发现，本模型的求解时间会因为电脑的配置等原因而不同，相同的模型和数据笔者试验过，求解时间有一分钟、两分钟和三分钟等等，所以该模型能够在较短的时间求解到较优的结果。因此本模型的应用得到了一定的验证。

以上是本发明的优选实施方式，对于本领域的普通技术人员来说不脱离本发明原理的前提下，还可以做出若干变型和改进，这些也应视为本发明的保护范围。