本发明涉及公交排班领域,具体涉及一种考虑纯电动公交车辆续航里程的行车计划智能编制系统。
背景技术:
在智能公交系统中,核心是智能公交调度系统,而公交调度系统的核心则是行车计划的编制。行车计划编制水平的高低、质量优劣,直接影响公交企业的管理能力、运营效率。目前,我国很多公交企业已经购置新能源纯电动公交车辆,纯电动公交车辆的行车计划与调度方式跟燃油车有很大差异,需要考虑的因素会很多,如车辆的续航里程、充电桩的位置等。而且,现在很多公交企业还都停留在使用传统的手工方式编制行车计划的阶段,主要依据工作人员的经验,与客流、路况、车辆续航里程等数据没有直接联系,更谈不上行车计划的智能编制,无法满足日益发展的智能公交营运的需求。因此,深入研究纯电动公交车辆的行车计划的智能编制方法,具有重要意义和经济价值。
现有的行车计划智能编制系统,人工操作较多,智能化水平低,不够方便,给行车计划智能编制系统的使用带来了一定影响,因此,提出一种考虑纯电动公交车辆续航里程的行车计划智能编制系统。
技术实现要素:
本发明所要解决的技术问题在于:如何解决现有的行车计划智能编制系统,人工操作较多,智能化水平低,不够方便,给行车计划智能编制系统的使用带来了一定影响的问题,提供了一种考虑纯电动公交车辆续航里程的行车计划智能编制系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括基础数据采集模块、营运数据分析模块、客流数据分析模块、权重分析模块、计划编制模型模块;
所述基础数据采集模块用于采集基础数据集;所述营运数据分析模块用于对历史营运数据分析;所述客流数据分析模块用于对历史采集的客流数据分析;所述计划编制模型模块结合基础参数及上述各约束条件,建立多目标优化模型,生成主要考虑车辆周转时间及客流需求间隔的初始行车计划表;
所述权重分析模块用于根据初始的行车计划表、各配备车辆的初始续航里程信息,并生成最终行车计划表。
优选的,所述基础数据集包括公交线路基础数据集、各车辆续航里程数据集。
优选的,所述营运数据分析模块分析出的信息包括预测线路在不同日期、不同天气下各峰段的平均行驶时间及其波动概率区间。
优选的,客流数据分析模块分析出的数据包括预测线路在不同日期、不同天气下各峰段的发车频次和发车间隔。
优选的,所述初始行车计划表包括所需车辆数、所需各车辆的需求营运车次及计划需求营运里程。
优选的,所述最终行车计划表的具体处理过程如下:分析得到把所配备车辆的续航里程和计划需求车辆的计划需求营运里程进行匹配后的权重结果矩阵,并在权重结果矩阵基础上,形成最优的组合结果,形成行车计划编制模型预设的一个输入条件,然后计划编制模型模块再根据上述组合权重结果,把所配备的具体车辆关联到初始行车计划表中的车辆号及需求计划营运里程上,形成能最大程度满足各配备车辆续航里程的最终行车计划表。
行车计划智能编制系统的使用方法,包括以下步骤:
s1:获取公交线路基础数据,包括线路首末站点、线路上下行长度、营运时间、首末站点停站时间等数据,同时获取公交纯电动车辆初始续航里程数据;
s2:根据历史营运数据分析、预测线路在不同日期、不同天气下各峰段的平均行驶时间及其波动概率区间;
s3:根据历史采集的客流数据分析、预测线路在不同日期、不同天气下各峰段的发车频次和发车间隔;
s4:计划编制模型模块根据上述多源数据生成线路的初始行车计划表,如下图,包括车辆在首末站点的每个发车时刻点、行驶时间、停站时间及各车次之间的发车间隔,初始生成的行车计划表主要考虑车辆周转时间及客流需求间隔形成各车辆对应的车次链,即形成需求车辆每天的需求营运车次及计划营运里程,此步骤中没有考虑各纯电动车辆在实际营运对应车次链时电量是否能支持完成需求的营运里程,如果不能满足,则需要在实时调度时临时更换车辆,造成营运现场跟计划的不匹配;
s5:将行车计划表可看成m×n的矩阵,m为最大需求车辆数,n为最大需求单次号,f(i,j),i=1,2,…,m;j=1,2,…,n,指各车辆在首末站点的每个发车时刻点、行驶时间、停站时间数据集合;
其中:f(i,j)≠φ,表示i行j列内有数据集合,i=1,2,…,m;j=1,2,…,n;f(i,j)=φ,表示i行j列内没有数据集合,即为空值,i=1,2,…,m;j=1,2,…,n,f(i,j)为空值时,表示车辆在停止营运状态,数据集合内的各数据全部为0;
根据各f(i,j),i=1,2,…,m;j=1,2,…,n的实际值,可以计算得出所需车辆的需求车次数ci及需求的计划营运里程li集合,i=1,2,…,m;j=1,2,…,n
s6:重分析模块结合线路初始的行车计划表、线路所配备各车辆的初始续航里程信息,通过设置对应的权重值,把所配备车辆di的续航里程li跟计划需求车辆dj的计划需求营运里程li进行匹配;
用ω(i,j)表示把配备车辆di的续航里程li跟计划需求车辆dj的计划需求营运里程li进行匹配后的权重结果值,i=1,2,…,m;j=1,2,…,n,最终形成m×n的匹配结果权重值矩阵,m为配备车辆数,n为需求车辆数,m≥n;
s7:假定配备车辆di的初始续航里程标准值是mi,上限为
s8:计划编制模型模块再根据上述权重分析结果,把所配备的具体车辆关联到初始行车计划表中的车辆号及需求计划营运里程上,最终形成能最大程度满足各配备车辆续航里程的行车计划表。
本发明相比现有技术具有以下优点:该考虑纯电动公交车辆续航里程的行车计划智能编制系统,提高纯电动公交车辆的续航里程利用率,降低实时调度过程中因纯电动车辆续航里程不足以继续营运造成的频繁换车等操作,提高营运现场跟行车计划编制的匹配度,通过行车计划的智能编制将分散作业的单车组织起来,对纯电动车辆及其续航里程进行有效的调度管理,实现有计划地均衡运营生产,指导组织线路和车辆运营作业全过程。最终形成完整的智能调度链,提高整个调度流程的智能化水平,减少人工操作工作量。
附图说明
图1是本发明的系统框图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种考虑纯电动公交车辆续航里程的行车计划智能编制系统,包括基础数据采集模块、营运数据分析模块、客流数据分析模块、权重分析模块、计划编制模型模块;
所述基础数据采集模块用于采集基础数据集;所述营运数据分析模块用于对历史营运数据分析;所述客流数据分析模块用于对历史采集的客流数据分析;所述计划编制模型模块结合基础参数及上述各约束条件,建立多目标优化模型,生成主要考虑车辆周转时间及客流需求间隔的初始行车计划表;
所述权重分析模块用于根据初始的行车计划表、各配备车辆的初始续航里程信息,并生成最终行车计划表。
所述基础数据集包括公交线路基础数据集、各车辆续航里程数据集。
所述营运数据分析模块分析出的信息包括预测线路在不同日期、不同天气下各峰段的平均行驶时间及其波动概率区间。
客流数据分析模块分析出的数据包括预测线路在不同日期、不同天气下各峰段的发车频次和发车间隔。
所述初始行车计划表包括所需车辆数、所需各车辆的需求营运车次及计划需求营运里程。
所述最终行车计划表的具体处理过程如下:分析得到把所配备车辆的续航里程和计划需求车辆的计划需求营运里程进行匹配后的权重结果矩阵,并在权重结果矩阵基础上,形成最优的组合结果,形成行车计划编制模型预设的一个输入条件,然后计划编制模型模块再根据上述组合权重结果,把所配备的具体车辆关联到初始行车计划表中的车辆号及需求计划营运里程上,形成能最大程度满足各配备车辆续航里程的最终行车计划表。
初始行车时刻表如下图:
行车计划智能编制系统的使用方法,包括以下步骤:
s1:获取公交线路基础数据,包括线路首末站点、线路上下行长度、营运时间、首末站点停站时间等数据,同时获取公交纯电动车辆初始续航里程数据;
s2:根据历史营运数据分析、预测线路在不同日期、不同天气下各峰段的平均行驶时间及其波动概率区间;
s3:根据历史采集的客流数据分析、预测线路在不同日期、不同天气下各峰段的发车频次和发车间隔;
s4:计划编制模型模块根据上述多源数据生成线路的初始行车计划表,如下图,包括车辆在首末站点的每个发车时刻点、行驶时间、停站时间及各车次之间的发车间隔,初始生成的行车计划表主要考虑车辆周转时间及客流需求间隔形成各车辆对应的车次链,即形成需求车辆每天的需求营运车次及计划营运里程,此步骤中没有考虑各纯电动车辆在实际营运对应车次链时电量是否能支持完成需求的营运里程,如果不能满足,则需要在实时调度时临时更换车辆,造成营运现场跟计划的不匹配;
s5:将行车计划表可看成m×n的矩阵,m为最大需求车辆数,n为最大需求单次号,f(i,j),i=1,2,…,m;j=1,2,…,n,指各车辆在首末站点的每个发车时刻点、行驶时间、停站时间数据集合;
其中:f(i,j)≠φ,表示i行j列内有数据集合,i=1,2,…,m;j=1,2,…,n;f(i,j)=φ,表示i行j列内没有数据集合,即为空值,i=1,2,…,m;j=1,2,…,n,f(i,j)为空值时,表示车辆在停止营运状态,数据集合内的各数据全部为0;
根据各f(i,j),i=1,2,…,m;j=1,2,…,n的实际值,可以计算得出所需车辆的需求车次数ci及需求的计划营运里程li集合,i=1,2,…,m;j=1,2,…,n
s6:重分析模块结合线路初始的行车计划表、线路所配备各车辆的初始续航里程信息,通过设置对应的权重值,把所配备车辆di的续航里程li跟计划需求车辆dj的计划需求营运里程li进行匹配;
用ω(i,j)表示把配备车辆di的续航里程li跟计划需求车辆dj的计划需求营运里程li进行匹配后的权重结果值,i=1,2,…,m;j=1,2,…,n,最终形成m×n的匹配结果权重值矩阵,m为配备车辆数,n为需求车辆数,m≥n;
s7:假定配备车辆di的初始续航里程标准值是mi,上限为
s8:计划编制模型模块再根据上述权重分析结果,把所配备的具体车辆关联到初始行车计划表中的车辆号及需求计划营运里程上,最终形成能最大程度满足各配备车辆续航里程的行车计划表。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。