一、公交车调度问题的数学模型（论文文献综述）
田胜男[1]（2021）在《多场景多模式公交调度优化研究》文中研究说明随着城市化进程的快速发展,机动车数量急剧增加导致的交通堵塞问题日益明显,倡导公交优先出行是缓解城市交通拥堵的有效手段。然而现有的公交优化措施大多没有从实际数据出发,不能与实际相结合,从而不能有效改善公交运行。因此,应用公交数据找到有效的公交优化措施成为关键。本文针对多场景多模式公交协同优化开展研究,分别针对串车现象与激增客流、随机客流场景,从公交公司与乘客利益角度出发,构建了基于不同决策准则的多模式组合调度方法,研究内容如下:（1）面向串车现象的全程车与区间车组合调度方法针对道路拥堵与客流集中场景引起的公交串车现象,分析引发串车现象的拥堵路段,通过GPS与IC卡数据分析客流分布与站间时空运行时间。引入全程车与区间车组合调度策略缓解串车问题。针对道路拥堵场景建立了以最小化与既定时刻表偏差为目标的组合调度优化模型,通过线性转换后可直接通过CPLEX求解;针对客流集中场景建立了以最小化乘客等待成本、公交公司运营成本与串车惩罚成本为目标的组合调度优化模型,小规模算例可以通过CPLEX求解,大规模算例可以通过模拟退火算法求解。通过对北京祥龙客车有限公司北京运通111线路真实数据的案例分析,结果表明:在部分道路拥堵情况下,与现有时刻表相比该方法能够减少43.43%的时刻表偏差,从而有效缓解公交车串车现象,同时减少8.99%的乘客等待时间;在客流集中场景下,与现有时刻表相比该方法能够完全缓解串车现象,并减少4.72%运营成本。（2）面向激增客流的定制公交与出租车组合调度方法面向大型枢纽站激增客流场景的乘客疏散问题,分析乘客的历史总需求,并根据可调度车辆的限制,建立了以最小化调度成本与惩罚成本为目标的不同交通模式数量决策模型;基于定制公交的需求数量,建立了以最小化定制公交运营路线优化模型。考虑大规模算例不能运用现有的求解软件求解的问题,设计了基于需求可拆分的模拟退火算法进行求解。通过对北京首都国际机场晚间23:00至24:00点的滞留乘客信息的真实数据分析,结果表明:提出的组合调度策略可以在考虑乘客对于不同交通方式偏好的情况下能有效疏散滞留乘客,并优化定制公交线路。（3）面向随机客流的全程车与区间车组合调度方法面向随机客流场景引起的客流与车流不匹配现象,通过IC数据分析每组OD的客流分布,引入全程车与区间车组合调度方法,建立了以乘客等待时间最小与运行成本最小为目标的机会约束组合调度模型。通过对北京祥龙客车有限公司北京运通128线路真实数据的分析,结果表明:在随机客流场景下,与现有单一全程车运行相比,运行成本相同时,该方法能够减少24.99%的乘客等待时间,使得客流与车流得到更合理的匹配。本文的研究成果可用于指导城市公交企业制定有效的时刻表与改善组织计划,对于保持城市公交的健康可持续发展具有重要的现实意义。
刘昊翔,吴啊峰,龙建成,周珏[2]（2021）在《基于列生成启发式的单线电动公交车与司机整合调度优化》文中研究说明在考虑电动公交车里程约束与司机连续工作时间和总工作时间约束的基础上,研究单条公交线路的电动公交车与司机整合调度问题,即将给定时刻表车次分配给电动公交车和司机,同时,生成车辆运营计划和司机排班计划,设计基于列生成启发式方法求解提出的整合调度问题。列生成方法用于生成线性松弛最优解,将整个问题分解为一个主问题和两个定价子问题。其中,主问题从可行车辆行车路径集合和司机车次链集合中选择最优的司机车次链和电动公交车行车路径,覆盖所有车次,并保证车辆运营计划产生的空驶弧都被司机排班计划覆盖;定价子问题描述两个基于时空网络的资源约束最短路问题,分别用于生成可行的车辆路径和司机车次链,并设计深浅算法得到整数可行解。使用合肥市3条公交线路随机生成算例检验提出算法的有效性。
王贵龙[3]（2021）在《面向园区的综合能源系统多目标优化调度研究》文中研究指明根据2020年国家统计局、能源局等单位和机构发布的统计数据,在当前的中国能源发展背景下,国内的能源消费结构目前还是以煤炭、天然气、石油等传统的化石能源为主。然而从节约能源,减少氮氧化物（NOx）、二氧化硫（SO2）以及以二氧化碳（CO2）为代表的温室气体等污染物排放,建设环境友好型社会等角度出发,需要大力发展以水力发电、潮汐发电、光伏发电、生物质发电、风力发电等为代表的对自然环境无污染的绿色清洁可再生能源。综合能源系统（IES）是传统单一能源利用系统的一个全新的发展方向,是能源互联网和2019年国家电网公司提出的泛在电力物联网的具体实现形式之一,这为促进能源向着绿色集约、清洁环保、高效分布式、精细和可持续利用的方向发展提供了新思路。综合能源系统的出现是对单一能源利用系统的突破,能够将天然气、煤电以及以风电、光伏等可再生能源通过电网、气网和热力网络互联,其内部整合了冷、热、电、气等多种能量形式,能够实现多种形式能源集中调度、互补、梯级利用,是能源发展的一个重要方向。这种全新的能源利用方式不仅能够有效降低综合能源系统购电费用、设备运行维护费用及购气费用等综合运行费用,而且在增强系统运行的稳定性、提高能源利用率、减少能源损耗、减少碳排放等综合效益方面也具有十分重要的意义。园区级综合能源系统（IES）是综合能源系统的主要形式之一,有必要对园区级综合能源系统的供能框架,各能量设备构成、总体调度运行等方面进行研究。本文以我国的能源消费结构及能源发展趋势为课题研究背景,以园区级IES为研究对象。结合国内外相关的研究成果,对考虑不确定性而设置机会约束条件的园区级综合能源系统单目标优化调度运行和考虑经济、能效、环境三个指标的多目标优化调度这两方面进行了研究,主要研究内容如下:（1）在查阅大量国内外相关文献资料的基础上,首先对IES的研究背景与意义进行了深入的研究分析。并对综合能源系统机会约束规划、多目标优化调度等方面的国内外研究现状分别进行了分析总结。文章着重分析了园区级综合能源系统的特点,并针对区域级IES和园区级IES的国内外研究现状分别进行了梳理。（2）构建了园区级综合能源系统的供能结构并进行了冷、热、电、气多能流分析。基于该供能结构,本文以冷、热、电联供系统为核心建立了各能量生产、转换及储存设备的数学模型。将电动汽车、电动公交车换电站作为电储能装置,同时构建了蓄热装置的数学模型。基于蒙特卡洛模拟法和电动汽车、电动公交车换电站的出勤/充电行为概率分布模型进行了初始充电负荷计算,为后续研究园区综合能源系统的机会约束规划和经济、能效、环保性多目标优化调度做准备。（3）以园区IES为研究对象,考虑园区中可能存在的诸多不确定性因素,将燃气轮机热电备用出力、后备电力市场购电设置为机会约束。构建了一个计及机会约束规划包含冷热电联产系统、蓄热装置、电动公交车换电站的商业园区综合能源系统优化调度模型,根据换电站参与需求响应情况和是否考虑机会约束条件设置了算例,研究在考虑不确定性因素时的商业园区经济运行问题,为园区运营商确定运行方案提供了理论参考。（4）综合考虑园区综合能源系统运行时的经济性、能效和环保性要求,构建了一个计及综合需求响应的园区冷热电联供综合能源系统多目标优化模型。将电动公交车换电站、电动汽车、中央空调作为综合需求响应实施主体。基于热力学第二定律建立了（火用）效率模型,并将（火用）效率作为能效优化指标。其中经济优化模型的目标函数为日最小运行成本,能效优化模型的目标函数为最大（火用）效率,环保性优化模型的目标函数为污染物排放治理费用。该模型为典型的0-1混合整数线性规划模型,基于层次分析法和线性加权法构建了综合满意度指标。研究了不同综合需求响应实施场景对优化结果的影响,可以为园区运营商在多目标优化与决策方面提供一定参考。
徐洋凡[4]（2021）在《结合列生成和多目标进化算法的混合优化方法研究》文中研究说明分支定价方法与进化算法是主流的求解大规模组合优化问题的两种方法。结合列生成和进化算法的混合优化方法是采用进化算法替代分支定价方法中的分支定界算法,综合两种方法优缺点的一种混合方法。如今,结合列生成和进化算法的混合优化方法在求解大规模组合优化问题的有效性已经被验证,但是在面对多目标优化问题时往往采用权值法将多目标转化为单目标,存在目标的权值难以确定的问题。针对已有的结合列生成和进化算法的混合优化方法在解决多目标优化问题中存在的问题,本文提出列生成与快速非支配排序的遗传算法（NSGA-Ⅱ）结合的混合优化方法,用于求解电动公交车辆调度问题。基于Dantzig-Wolfe分解将电动公交车辆调度问题分解为主问题与子问题并且构建数学模型,采用标签修正算法以快速产生列。将线路总运营成本与车次未覆盖率作为优化目标函数,采用北方某沿海城市的实际公交线路数据进行实验,将混合优化方法的实验结果与人工的排班方案进行对比。实验结果表明,混合优化方法能够得到优于人工排班方案的Pareto解,且随着问题包含的车次数量增多,混合优化方法的优势越明显。结合列生成和NSGA-Ⅱ的混合优化方法虽能有效处理多目标优化问题,但由于覆盖率也作为一个优化目标,其产生的Pareto解集中存在一些覆盖率较低的解,在实际中无法使用。本文进一步提出列生成与偏好多目标进化算法结合的混合优化方法,将偏好区域设置为车次覆盖率为[0.95,1],即排班方案至少需要覆盖95%的车次。将该方法得到的Pareto解分别与人工排班方案、列生成和NSGA-Ⅱ结合的方法的实验结果进行对比,结果表明:该方法产生的Pareto解中可用解的比例明显高于列生成与NSGA-Ⅱ结合的方法,且优于人工排班方案。
王趱[5]（2021）在《复杂环境下智能调度优化及任务协同研究》文中研究表明随着5G和物联网技术的快速发展,具有环境感知能力的智能体设备逐渐发挥出不可取代的作用。在各种生产和生活场景中,借助这一类设备的联网交互和自身决策能力,我们可以在众多之前无法应对的复杂约束场景下获得更高的生产效率,极大的降低了生产和生活成本,具有极高的研究价值。本文考虑具有复杂约束条件的应用场景,对两种不同的智能调度问题进行了研究首先,本文考虑了复杂路网下的智能公交调度问题。在现代城市中,城市地铁客运量常常会超过预警阈值,乘客满意度呈下降趋势。如何提高公交车的准点率,从而使更多的乘客使用公交车而不是私家车是一个有趣而重要的研究。随着联网自动车辆（CAVs）和车辆到基础设施（V2I）在智能交通系统中不断出现,提高公交准点率成为现代公交系统可实现的目标。本文结合城市公交专用道发展情况和信号灯相关规范,考虑时变客流量和道路实时拥堵状况,通过协同优化多条公交路线下的信号灯配时方案和道路上公交车的配速方案,最小化公交系统中乘客的总体等待时间。为了解决这一问题,我们提出了一种将可转换的樽海鞘群算法TSSA与实时调度框架相结合的新方案。TSSA有以下特点:i)随着生成量的增加,通过分组活动产生了链鞘、线状鞘、簇状鞘和螺旋状鞘的多种组合。这是提高搜索性能的基石。ii)采用圆和螺旋曲线方程强化搜索。集群樽海鞘和螺旋樽海鞘模式使用这些方程进行多样化搜索,以防止过早的收敛。基于一组复杂公交网络数据,构建了 20个测试问题（如6条公交线路、115个路口、321个站点、197条道路的测试问题）。通过与四种对比算法的仿真实验,验证了 TSSA在提高公交车准时率问题上的有效性和鲁棒性。其次,本文考虑了有限通信下的分布式多机器人协同优化仿真。多机器人系统在未知环境中的觅食是近年来研究的一个挑战性问题,机器人团队必须依靠有效的协调策略来应对未知环境信息带来的不确定性和危险性,借助成员之间的通信可以有效减轻由于环境变化和单点故障引发的碰撞和任务丢失,但大量的信息交换也伴随着时间和能量开销的上升,从而降低了觅食效率。为了解决这一问题,本文研究了通信范围受限的多机器人系统在未知环境中的协同觅食问题,我们建立的数学模型基于格点网络和分布式控制架构,考虑了有限通信范围带来的通信拓扑结构变化,以及局部网络下的任务分配关系。为了降低信息共享受限带来的成本上升,本文设计了一种基于虚拟力和并行拍卖的分布式协同觅食算法VFAA。借助虚拟力这一概念引导机器人成员之间的移动,从而在有限步长内维持局部通信链路,减少信息的不确定性。并在局部子网络内对本地任务资源进行拍卖和重规划,以获得局部路径下的较优解,降低成员个体的局部行驶成本。为了验证本文提出算法的有效性,我们在不同规模的14个测试集中进行了仿真实验,结果表明,与其余四种典型的机器人觅食方法相比,提出算法在大多数测试集中都获得了更多的觅食量和更低的执行开销,展现出了良好的性能。
吴啊峰[6]（2021）在《基于列生成启发式的电动公交车调度与司机排班问题研究》文中指出本文是在电动公交车快速发展的背景下,考虑电动公交车里程约束与司机的连续工作时间和总工作时间约束,对电动公交车调度问题和司机排班问题进行研究。本文分别从顺序调度和整合调度两个角度对电动公交车调度问题和司机排班问题进行研究。首先,本文分别为顺序调度模式下的电动公交车调度问题和司机排班问题构建集合覆盖模型。顺序调度模式首先生成车辆运用计划,保证所有车次都被车辆行车路径覆盖,然后根据车辆运用计划生成司机排班计划,保证所有车次和车辆运用计划产生的空驶都被司机排班计划覆盖。整合调度模式同时生成电动公交车车辆运用计划和司机排班计划。本文将电动公交车集合覆盖模型和司机排班集合覆盖模型结合为整合调度模式构建集合覆盖模型,保证所有车次都被车辆运用计划和司机排班覆盖的同时保证车辆运用计划中的空驶都被司机排班覆盖。本文使用动态规划算法结合时空网络生成可行的车辆行车路径和司机排班。本文使用列生成算法结合深浅算法设计了列生成启发式算法,分别从顺序调度和整合调度两个角度对电动公交车调度问题和司机排班问题进行求解。列生成算法得到线性送出最优解之后,使用深浅算法得到整数解。本文选取合肥市三条公交线路基本信息随机生成车次信息,分别从顺序调度和整合调度两个角度对列生成启发式算法的有效性进行检验,并将顺序调度和整合调度的结果进行对比。最后,对电动公交车里程、充电时间、电动公交车固定成本和司机固定成本进行灵敏度分析,分析不同参数变化对公交运营系统的影响。
张文伟[7]（2021）在《城市纯电动公交线网规划与运营管理方案优化方法研究》文中认为纯电动公交车具有能耗低、零排放等优点,是解决城市公交系统供需矛盾和环境污染的重要手段。推进城市公交纯电动化是实现公共交通系统可持续发展,倡导绿色公交先行的重要内容。随着纯电动公交车的规模扩大,承载的客流量增多,纯电动公交车运营成本高和服务水平低的问题日益凸显。不仅给企业带来了极大的运营压力,也阻碍了纯电动公交车的快速发展。为此,本文从纯电动公交车线网和运营管理等方面入手,确定影响纯电动公交车服务水平和运行效率的关键因素,分析纯电动公交车在不同充电环境下的运营特点,建立纯电动公交车线网和运营管理方案优化模型和求解算法,为纯电动公交系统的规划和管理提供理论指导和科学参考。本论文具体研究了以下几方面的内容:1.针对快速充电站具有减少纯电动公交车充电时间和降低纯电动公交车续航里程要求的特点,提出了纯电动公交线网和快速充电站整合规划的研究思路。在给定客流需求和候选公交站点的条件下,建立了考虑纯电动公交车充电时间和容量限制的双层规划模型。上层模型以乘客出行成本与系统运营成本和最小为目标,优化纯电动公交线网、快速充电站布局和配置车辆。下层模型进行公交客流分配。基于分步优化思想设计了改进的遗传算法求解模型。以瑞士基准道路网为基础设计了算例验证了模型和算法的有效性,通过灵敏度分析探讨了快速充电站布局、乘客出行成本和车辆电池容量三者之间的影响机理。2.在单条线路上,分析了客流分布在时间和空间上的不平衡性,引入了区间车调度策略来提高纯电动公交车在客流高峰期的运能利用率。建立了基于微观经济学模型的乘客候车时间和系统运营成本计算函数。利用一阶最优性条件解析了发车频率、充电方案和区间车运营区间的函数关系。采用枚举法分析了不同客流分布下的最优区间车调度方案和效益,结果表明区间车调度策略可以在不增加运营成本的情况下提高纯电动公交系统的服务水平,并且区间车调度策略的效益不仅与客流分布有关,还与高峰期的持续时间有关。3.在上一章研究的基础上,进一步提出了纯电动公交线网上的区间车调度方案优化方法。考虑到公交线网上高峰客流区段具有非对称和单向性,从对称区间车线路扩展到了非对称区间车线路和跨线区间车线路。设计了基于区间车折返点选择和线路枚举的候选区间车线路和跨线区间车线路启发式生成算法,并构建了非线性混合整数规划模型来选择最优的区间车路线组合、车辆配置和充电方案。基于北京三环内公交线网的实例表明合理的制定区间车调度策略可以提高纯电动公交系统的服务水平,并且实施效果会受纯电动公交车充电和客流分布等因素的直接影响。4.从纯电动公交车调度层面,提出了考虑分时电价机制的纯电动公交行车计划编制优化方法。根据分时电价将连续时间离散化,构造了分别能符合常规策略和区间车调度策略行车任务的约束条件,建立了以充电费用最小为目标的混合整数线性规划模型来确定纯电动公交车在每个时间段的状态。通过数值算例表明了区间车调度策略在使用车辆数和充电费用上的优势,此外研究发现仅通过增加电池容量或者提高充电功率的方式不能有效的减少纯电动公交车的使用数量。
李微微[8]（2021）在《基于大数据的公交调度排班优化的研究与实现》文中研究说明目前,我国公交运营公司在公交调度上主要是依据以往的人工经验去排班,这样的排班不仅有很大的繁琐性而且也不能提高公交运行效率。本文将利用公交大数据,实现公交调度排班优化。公交调度排班优化能适应人们的出行规律,疏通人流,提高公交的运行效率,吸引越来越多的人选择公交出行。本文首先对乘客的IC卡数据信息进行数据源分析和数据预处理。利用这些数据挖掘和提取出每个线路上乘客的客流量情况,对乘客的出行时间分布进行分析。根据每个站点的客流量,利用公交出行距离和下车站点的用地性质,根据大数据分析推算出每一个站点的下车概率和下车人数。本文还对客流量影响因素进行了分析和数字化处理,并建立了多元线性回归模型预测了未来的客流量。本文对当前公交企业调度系统进行了分析,建立了公交排班的数学模型。本文基于数据挖掘分析的结果上,使用截面客流量数据对模型进行约束,得出了公交客流出行的空间分布规律。再以发车间隔为决策变量,以发车最大间隔、最小发车间隔和车辆满载率为约束条件,建立公交线路排班的数学模型,以公交公司发车成本最小和乘客等车时间成本最小为目标,建立双目标函数的数学模型。本文设计了一种基于改进的遗传算法公交排班调度优化的解决方法,在对排班结果进行优化的过程中,本文分别在选择、交叉、变异三个阶段对算法进行改进和优化。选择的改进上是设计一个动态适应度函数,采用无放回式优良个体多复制的选择的方法。交叉的改进上是设计了新的交叉算子,交叉算子考虑了初期群体和后期群体质量会相差较大,所以使用了自适应交叉函数。变异上的改进是引入了禁忌搜索算法。在预测客流量基础上,基于改进的遗传算法,模型求解确定出最优的排班时刻表和最小配车数。通过实验例证分析,基于大数据挖掘分析可以很好地得到乘客的下车概率和下车人数,利用回归分析方法可以显着的预测出客流量,改进的遗传算法能够很好的改进公交排班问题。
王文思[9]（2021）在《面向不同运营环境的城市公共交通实时调度策略研究》文中研究指明高效、便捷、舒适的公共交通系统是解决城市交通问题的有效途径。随着城市机动化水平的提高、公交线网密度的增加,仅从规划层面优化公交网络、增加运力供给已经无法显着提高公交系统服务水平。公交车辆在实际运行过程中,不可避免地受到多种内、外界因素的干扰,如道路交通状况、在时空上不均衡的客流需求、交通事故等,导致车辆并不能完全按照既定的时刻表运行,进而无法发挥其核定的运输效率。因此,通过实时控制手段最大化地发挥公交配置资源的服务效率、提高城市公交的服务水平,对于公共交通系统的高质量发展尤为重要。对于公共交通系统发达的城市,公交线路密集,线路在空间布局上呈现多样性,进而使得线路处于不同的运营环境之中。内、外部运营环境均会对线路车辆的日常运营状态产生影响,进而影响线路实时调度决策的制定与实施。本文通过深入分析公交线路的运营环境特征,将线路划分为三种类型:单一公交线路、共线公交线路以及面向公交枢纽的多条公交线路,分别设计了与线路运营环境相适应的实时调度策略,并以利益相关者收益最大为目标,构建公交车辆实时调度模型,设计相应的求解算法,以丰富公共交通实时调度问题的理论框架。本文的主要研究工作如下:（1）单一公交线路车辆实时混合调度策略研究。本研究的单一公交线路指的是运营环境相对独立、对其进行的实时控制不会影响其他线路的运营、也不受其他线路控制决策影响的公交线路。分析单一线路公交车辆实时调度问题特征,充分考虑公交车辆运行过程中外部环境的随机性,提出将调度人员的丰富经验与理论优化模型相结合的数据驱动混合控制框架,提取并抽象化调度人员的决策行为特性,应用机器学习方法模拟调度人员的决策过程;考虑车辆的运载能力和服务质量,以乘客出行成本最小化为目标构建数学规划模型;形成包含调度时机判断、调度策略选择和调度方案参数优化三个阶段的公交实时调度机制;进一步,为探讨未来调度决策对当前运营决策的影响,采用基于局部和基于全局的两种方法求解模型。（2）共线环境下车辆实时调度策略研究。共线公交线路在本研究中被定义为两条或两条以上共用部分公交走廊的线路,且重合部分需占线路总长度的50%及以上。对共线线路环境下的客流需求特征进行深入分析,考虑乘客乘车方案选择行为与车辆调度决策的相互影响机理,结合行为理论相关研究成果,对乘客乘车方案选择行为进行刻画,将乘车方案选择行为模型嵌入到公交动态调度模型中,形成“公交调度—实时信息发布—乘车方案选择决策”的反馈决策机制,并探讨实时信息发布、乘车方案选择,以及运营模式对调度策略实施效果的影响;分别从竞争与合作的视角,以公交运营参与者广义收益最大为目标,构建考虑乘客乘车方案选择行为的共线线路车辆派遣时间优化模型;最后,设计算法并以实际公交线路为例进行实证分析。（3）面向公交枢纽的车辆实时协同调度策略研究。针对一组相交于公交枢纽、隶属同一公交运营商的线路,充分利用其运营环境特征——线路间结构上的连通性、线路运营在空间和时间上的异质性,设计协同调度策略,以车辆置换的方式实现在枢纽站的跨线运营,以“共享经济”为理念提高车辆资源利用率和多线路公交系统总体服务水平;“协同”在本研究中具有两个层面的含义:一是协同多条线路的运力资源;二是协同利用滞站调度、区间车调度和跨线调度策略;本研究在充分考虑实时调度策略可能为乘客带来的积极和消极影响的基础上,构建基于公交枢纽的多线路协同调度模型;之后,设计列生成算法求解模型并根据实际运营数据验证模型和算法的有效性,由此考察多线路协同调度在抵抗大、小随机干扰方面的能力。
韩晓东[10]（2020）在《面向高峰期内双线公交跨线调度优化研究》文中提出在城市公共交通系统里,有地铁、出租车、公交等公共交通设施提供给人们选择,虽然地铁线路不断完善,出租车依旧穿插于城市当中,但公交依然占据着很大的比重,公交因便宜、灵活、多变等优点,仍然是市民出行的首选。近年来,随着政府对城市公交发展的重视以及公交都市的政策实施,如何提高城市公交的调度水平和如何提高乘客的满意度成为了众多学者研究的重点。在高峰时期,公交企业往往会缩短发车时间间隔,同时会对线路加开短线公交,但有些线路的上行与下行客流有较大的差异,这样就会导致公交资源过度集中于上行或下行,从而额外增加公交企业的运营成本。为此,本文从公交企业的运营成本与乘客的乘车满意度两方面综合考虑,建立双线公交混合调度模型,并根据广州市实际公交数据对模型进行分析。首先,对现有的公交运营系统进行描述,分析现有公交运营系统在高峰期内运营的行车方案和运营过程中出现的问题;然后,利用广州市实时刷卡数据和GPS数据,对站点客流乘车规律,公交车到站时间规律,公交站点之间行驶时间规律进行分析。因乘客到站时间的随机性以及路况的不确定性,本论文根据站点乘客的乘车需求,利用大量的乘客乘车数据,分析出乘客的到站时间规律,如何有效地压减乘客的乘车等待时间且不增加公交企业的运营成本,是提高公交系统运营效率的重要一环。在此基础上,建立基于随机客流与公交到站时间的时刻表模型,综合考虑乘客的等车时间成本、公交发车成本、乘客在车成本等多目标,建立高峰期内双线公交跨线调度模型,并采用遗传算法来求解调度模型。最后,使用Python导入广州市560与884公交线路的数据来建立仿真模型,通过输入站点客流量、公交站点与站点之间的行程时间、站点服务时间等数据,模拟双线公交混合调度后的运行情况,对调度模型进行实例分析。根据仿真模型得出的车辆满载率、公交运营成本、乘客等待时间成本等指标,对调度模型进行综合评价。结果表明,本文提出的双线公交跨线调度模型能够有效地降低公交企业的运营成本,并且能够使站点乘客的等待时间下降6%,在保证正常运营的情况下,有效地提高乘客的满意度与线路运营的稳定性。
二、公交车调度问题的数学模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、公交车调度问题的数学模型（论文提纲范文）
（1）多场景多模式公交调度优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容及创新 |
| 1.2.1 研究内容 |
| 1.2.2 研究创新 |
| 第二章 国内外研究现状 |
| 2.1 公交时刻表优化 |
| 2.2 多模式组合调度 |
| 2.3 串车缓解 |
| 2.4 客流疏散 |
| 2.5 需求不确定 |
| 2.6 现有研究的不足 |
| 第三章 面向串车现象的全程车与区间车组合调度优化 |
| 3.1 问题描述 |
| 3.1.1 道路拥堵场景 |
| 3.1.2 客流集中场景 |
| 3.2 数据分析 |
| 3.2.1 道路拥堵场景 |
| 3.2.2 客流集中场景 |
| 3.3 符号系统 |
| 3.4 针对道路拥堵场景的模型 |
| 3.4.1 目标函数 |
| 3.4.2 约束条件 |
| 3.4.3 模型建立 |
| 3.4.4 模型求解 |
| 3.5 针对客流集中场景的模型构建 |
| 3.5.1 目标函数 |
| 3.5.2 约束条件 |
| 3.5.3 模型建立 |
| 3.5.4 模型求解 |
| 3.5.5 模拟退火算法 |
| 3.6 算例分析 |
| 3.6.1 针对道路拥堵场景模型的性能分析 |
| 3.6.2 针对客流集中场景模型的性能分析 |
| 3.7 本章小结 |
| 第四章 面向激增客流的定制公交与出租车组合调度优化 |
| 4.1 问题描述 |
| 4.2 数据分析 |
| 4.3 符号系统 |
| 4.4 两阶段模型 |
| 4.5 基于需求可拆分的模拟退火算法 |
| 4.6 算例分析 |
| 4.6.1 多区域交通方式数量决策分析 |
| 4.6.2 未疏散乘客惩罚的敏感性分析 |
| 4.6.3 定制公交线路决策分析 |
| 4.6.4 算法精确性检验 |
| 4.7 本章小结 |
| 第五章 面向随机客流的全程车与区间车组合调度优化 |
| 5.1 问题描述 |
| 5.2 数据分析 |
| 5.3 符号系统 |
| 5.4 机会约束规划模型 |
| 5.4.1 目标函数 |
| 5.4.2 约束条件 |
| 5.4.3 模型建立 |
| 5.4.4 模型求解 |
| 5.5 算例分析 |
| 5.5.1 参数设置 |
| 5.5.2 多模式公交调度策略实施 |
| 5.5.3 对比试验 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果 |
| 作者及导师简介 |
| 附件 |
（2）基于列生成启发式的单线电动公交车与司机整合调度优化（论文提纲范文）
| 0 引言 |
| 1 问题描述 |
| 2 时空网络和数学模型 |
| 2.1 时空网络的构建 |
| 2.2 数学模型 |
| 3 列生成启发式求解算法 |
| 3.1 列生成算法 |
| 3.1.1 定价子问题 |
| 3.1.2 列生成算法流程 |
| 3.2 列生成启发式求解算法 |
| 4 算例与效果分析 |
| 4.1 算例设置 |
| 4.2 线性松弛问题算例测试 |
| 4.3 算法求解效果对比分析 |
| 5 结论 |
（3）面向园区的综合能源系统多目标优化调度研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 综合能源系统机会约束规划研究 |
| 1.2.2 综合能源系统多目标优化研究 |
| 1.3 本文的主要研究内容和章节安排 |
| 第二章 园区级综合能源系统稳态建模 |
| 2.1 基于冷热电联供的园区综合能源系统供能结构 |
| 2.2 能量转换设备建模 |
| 2.2.1 CCHP系统 |
| 2.2.2 太阳能设备 |
| 2.2.3 燃气锅炉 |
| 2.2.4 中央空调系统 |
| 2.3 能量存储设备建模 |
| 2.3.1 蓄热设备 |
| 2.3.2 电动公交车换电站 |
| 2.3.3 电动汽车 |
| 2.4 初始充电负荷模拟 |
| 2.4.1 出勤行为模拟 |
| 2.4.2 初始充电负荷计算 |
| 2.5 本章小结 |
| 第三章 计及机会约束规划的园区综合能源系统优化运行 |
| 3.1 园区综合能源系统供能结构 |
| 3.2 园区综合能源系统优化调度模型 |
| 3.2.1 目标函数 |
| 3.2.2 常规约束条件 |
| 3.2.3 机会约束条件 |
| 3.2.4 系统约束条件 |
| 3.3 园区综合能源系统优化模型求解方法 |
| 3.3.1 模型的线性化转换 |
| 3.3.2 模型解算方法 |
| 3.4 算例仿真与分析 |
| 3.4.1 算例场景与参数 |
| 3.4.2 优化结果及分析 |
| 3.4.3 置信水平对优化结果的影响 |
| 3.5 本章小结 |
| 第四章 计及综合需求响应的园区综合能源系统多目标优化 |
| 4.1 园区综合能源系统供能结构 |
| 4.2 园区综合能源系统经济优化模型 |
| 4.2.1 目标函数 |
| 4.3 园区综合能源系统能效优化模型 |
| 4.3.1 能源利用率 |
| 4.3.2 目标函数 |
| 4.4 综合能源系统环保性指标模型 |
| 4.4.1 环保性评估指标 |
| 4.4.2 目标函数 |
| 4.5 约束条件 |
| 4.6 综合能源系统经济-能效-环保多目标协同优化 |
| 4.6.1 求解方法简介 |
| 4.6.2 优化目标的模糊化 |
| 4.6.3 模型线性化转换 |
| 4.6.4 满意度指标 |
| 4.7 算例仿真与分析 |
| 4.7.1 算例组成及参数 |
| 4.7.2 综合需求响应对优化结果的影响分析 |
| 4.8 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（4）结合列生成和多目标进化算法的混合优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 列生成和进化算法研究现状 |
| 1.2.2 多目标进化算法研究现状 |
| 1.3 研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 论文组织结构 |
| 第二章 背景知识介绍 |
| 2.1 列生成算法 |
| 2.2 进化算法 |
| 2.2.1 NSGA-Ⅱ |
| 2.2.2 基于偏好的多目标遗传算法 |
| 2.3 结合列生成和进化算法的混合优化方法 |
| 2.4 本章小结 |
| 第三章 结合列生成与NSGA-Ⅱ的混合优化方法 |
| 3.1 结合列生成与NSGA-Ⅱ的混合优化方法框架 |
| 3.2 电动公交车辆调度问题及其分解模型 |
| 3.2.1 电动公交车辆调度问题 |
| 3.2.2 网络模型 |
| 3.2.3 主问题 |
| 3.2.4 子问题 |
| 3.3 基于列生成算法生成列集合 |
| 3.3.1 生成主问题初始可行解 |
| 3.3.2 标签修正算法求解子问题 |
| 3.4 NSGA-Ⅱ选择列 |
| 3.4.1 编码方案 |
| 3.4.2 种群初始化 |
| 3.4.3 目标函数 |
| 3.4.4 快速非支配排序算法 |
| 3.4.5 拥挤距离和拥挤距离比较算子 |
| 3.4.6 选择、交叉和变异 |
| 3.4.7 精英保留策略 |
| 3.5 实验与分析 |
| 3.5.1 对比方法 |
| 3.5.2 实验数据 |
| 3.5.3 参数设置 |
| 3.5.4 运行环境与编程语言 |
| 3.5.5 实验结果与分析 |
| 3.6 本章小结 |
| 第四章 结合列生成与偏好多目标进化算法的混合优化方法 |
| 4.1 结合列生成与偏好多目标进化算法的混合优化方法框架 |
| 4.2 偏好多目标遗传算法选择列 |
| 4.2.1 基于偏好区间的多目标遗传算法 |
| 4.2.2 目标函数 |
| 4.2.3 外部档案建立与更新 |
| 4.3 实验与分析 |
| 4.3.1 对比方法 |
| 4.3.2 人工与混合优化方案对比实验结果 |
| 4.3.3 NSGA-Ⅱ与偏好多目标进化算法对比实验结果 |
| 4.3.4 两种目标函数方案对比实验结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（5）复杂环境下智能调度优化及任务协同研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 城市智能公交调度问题 |
| 1.1.2 通信受限条件下的多机器人协同觅食问题 |
| 1.2 国内外研究现状 |
| 1.2.1 智能公交调度问题研究现状 |
| 1.2.2 多机器人协同觅食问题研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构 |
| 第二章 复杂路网下城市智能公交调度优化研究 |
| 2.1 问题模型 |
| 2.1.1 参数定义 |
| 2.1.2 场景描述 |
| 2.1.3 目标函数 |
| 2.1.4 编码和修复 |
| 2.2 樽海鞘群算法SSA |
| 2.3 基于公交准时率优化的多形态樽海鞘群算法 |
| 2.3.1 算法框架 |
| 2.3.2 有性繁殖和无性繁殖 |
| 2.3.3 分组行为 |
| 2.3.4 多形态搜索觅食 |
| 2.4 算法实验和分析 |
| 2.4.1 实验设计与目标 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第三章 有限通信下的分布式多机器人协同优化仿真 |
| 3.1 系统模型 |
| 3.1.1 模型描述 |
| 3.1.2 参数定义 |
| 3.1.3 目标函数与约束 |
| 3.2 基于虚拟力游走和并行拍卖的分布式协同觅食算法 |
| 3.2.1 动机 |
| 3.2.2 算法框架 |
| 3.2.3 基于虚拟力引导的觅食游走 |
| 3.2.4 基于并行组合拍卖的觅食任务分配 |
| 3.2.5 执行冲突处理 |
| 3.2.6 算法小结 |
| 3.3 算法实验和分析 |
| 3.3.1 实验设计与目标 |
| 3.3.2 仿真结果分析 |
| 3.4 本章小结 |
| 第四章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文和专利 |
（6）基于列生成启发式的电动公交车调度与司机排班问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 公交车调度问题 |
| 1.2.2 司机排班问题的研究 |
| 1.2.3 公交车与司机整合调度问题 |
| 1.2.4 研究现状分析与总结 |
| 1.3 研究思路与技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 技术路线 |
| 第二章 基于列生成启发式的电动公交车调度问题 |
| 2.1 电动公交车调度问题描述 |
| 2.1.1 参数定义 |
| 2.2 时空网络和数学模型的构建 |
| 2.2.1 时空网络的构建 |
| 2.2.2 电动公交车调度问题数学模型 |
| 2.3 列生成启发式算法求解电动公交车调度问题 |
| 2.3.1 电动公交车调度问题的限制线性主问题模型 |
| 2.3.2 定价子问题及其求解算法 |
| 2.3.3 列生成算法求解电动公交车调度问题流程 |
| 2.3.4 列生成启发式算法求解电动公交车调度问题 |
| 2.4 数值算例测试 |
| 2.4.1 参数设置 |
| 2.4.2 结果分析 |
| 2.5 本章小结 |
| 第三章 基于列生成启发式的司机排班问题 |
| 3.1 司机排班问题描述 |
| 3.1.1 参数定义 |
| 3.2 基于时空网络的司机排班问题数学模型 |
| 3.2.1 司机排班问题数学模型 |
| 3.3 列生成启发式算法求解司机排班调度问题 |
| 3.3.1 司机排班问题的限制线性主问题模型 |
| 3.3.2 定价子问题及其求解算法 |
| 3.3.3 列生成算法求解司机排班问题流程 |
| 3.3.4 列生成启发式算法求解司机排班问题 |
| 3.4 数值算例测试 |
| 3.4.1 参数设置 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 第四章 基于列生成启发式的电动公交车与司机整合调度方法 |
| 4.1 电动公交车与整合调度问题描述 |
| 4.2 基于时空网络的整合调度数学模型 |
| 4.2.1 整合调度问题的数学模型 |
| 4.3 列生成启发式算法求解整合调度问题 |
| 4.3.1 整合调度问题的限制线性主问题模型 |
| 4.3.2 定价子问题及其求解算法 |
| 4.3.3 列生成算法求解整合调度问题流程 |
| 4.3.4 列生成启发式算法求解整合调度问题 |
| 4.4 数值算例测试 |
| 4.4.1 参数设置 |
| 4.4.2 结果分析 |
| 4.5 本章小结 |
| 第五章 实例分析 |
| 5.1 算例设置 |
| 5.2 算法求解效果对比分析 |
| 5.3 灵敏度分析 |
| 5.3.1 电动公交车运行里程的影响 |
| 5.3.2 电动公交车充电时间的影响 |
| 5.3.3 电动公交车和司机固定成本的影响 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 时刻表车次数据 |
| 攻读硕士学位期间的学术活动及成果情况 |
（7）城市纯电动公交线网规划与运营管理方案优化方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状综述 |
| 1.3.1 常规公交线网规划模型和算法研究 |
| 1.3.2 考虑环境影响的公交线网规划研究 |
| 1.3.3 充电站规划研究 |
| 1.3.4 公交运营方案优化研究 |
| 1.3.5 公交行车计划编制研究 |
| 1.4 论文主要内容和结构 |
| 1.4.1 论文的研究内容 |
| 1.4.2 论文主要结构 |
| 2 纯电动公交线网设计及快速充电站布局规划研究 |
| 2.1 城市纯电动公交系统分析 |
| 2.1.1 城市纯电动公交系统 |
| 2.1.2 纯电动公交线路设计的评价指标 |
| 2.2 问题描述 |
| 2.2.1 模型假设 |
| 2.2.2 符号和变量表示 |
| 2.3 纯电动公交线网规划模型 |
| 2.3.1 上层模型 |
| 2.3.2 下层模型 |
| 2.4 改进的遗传算法 |
| 2.4.1 算法设计 |
| 2.4.2 算法流程 |
| 2.5 数值算例 |
| 2.5.1 基础场景 |
| 2.5.2 车辆数对结果的影响 |
| 2.5.3 灵敏度分析 |
| 2.6 本章小结 |
| 3 高峰期单条线路上的纯电动公交车调度策略研究 |
| 3.1 公交客流高峰期调度策略概述 |
| 3.1.1 规划调度策略 |
| 3.1.2 规划调度策略设计模型和求解方法 |
| 3.2 常规策略下的纯电动公交车高峰期运营方案 |
| 3.2.1 问题描述 |
| 3.2.2 模型建立 |
| 3.2.3 发车频率数学解析 |
| 3.3 区间车调度策略下的纯电动公交车运营方案 |
| 3.3.1 问题描述 |
| 3.3.2 模型建立 |
| 3.3.3 发车频率数学解析 |
| 3.4 算例分析 |
| 3.4.1 常规策略与区间车调度策略的结果对比 |
| 3.4.2 灵敏度分析 |
| 3.5 本章小结 |
| 4 高峰期公交线网上的纯电动公交车调度策略研究 |
| 4.1 问题描述 |
| 4.2 候选非对称区间车和跨线区间车线路集生成算法 |
| 4.2.1 折返点选择 |
| 4.2.2 线路生成 |
| 4.3 区间车与全程车的发车频率优化模型 |
| 4.3.1 区间车的充电路径选择原则 |
| 4.3.2 纯电动公交系统中区间车和全程车的运行过程解析 |
| 4.3.3 混合整数非线性规划模型 |
| 4.3.4 基于充电方案枚举的优化模型 |
| 4.4 实例研究 |
| 4.5 本章小结 |
| 5 考虑分时电价的纯电动公交行车计划编制研究 |
| 5.1 分时电价机制及有序充电策略概述 |
| 5.2 常规策略下的纯电动公交行车计划编制 |
| 5.2.1 问题描述 |
| 5.2.2 模型建立 |
| 5.3 区间车调度策略下的纯电动公交行车计划编制 |
| 5.3.1 问题描述 |
| 5.3.2 模型建立 |
| 5.4 算例分析 |
| 5.4.1 基本数据描述 |
| 5.4.2 常规策略与区间车调度策略下的充电方案对比 |
| 5.4.3 灵敏度分析 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 研究总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）基于大数据的公交调度排班优化的研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要研究内容 |
| 1.4 研究内容框架 |
| 第二章 公交数据预处理与挖掘 |
| 2.1 公交数据源分析 |
| 2.2 数据预处理概述 |
| 2.2.1 数据预处理 |
| 2.2.2 IC卡数据处理 |
| 2.3 基于公交数据的挖掘与分析 |
| 2.4 基于公交大数据的OD站点分析 |
| 2.5 基于线性回归的客流量预测 |
| 2.6 本章小结 |
| 第三章 公交车辆调度优化模型分析 |
| 3.1 模型假设 |
| 3.2 问题分析 |
| 3.3 变量定义 |
| 3.4 建立数学模型 |
| 3.4.1 建立目标函数 |
| 3.4.2 模型约束条件 |
| 3.4.3 发车间隔模型 |
| 3.5 本章小结 |
| 第四章 适合公交排班调度的改进遗传算法 |
| 4.1 遗传算法 |
| 4.1.1 遗传算法的概述 |
| 4.1.2 遗传算法的特点 |
| 4.2 改进的遗传算法 |
| 4.2.1 改进的遗传算法的概述 |
| 4.2.2 禁忌变异算子的概述 |
| 4.3 改进的算法设计 |
| 4.4 本章小结 |
| 第五章 实例分析与验证 |
| 5.1 数据选择和参数设置 |
| 5.2 模型建立与预测 |
| 5.3 发车间隔实例应用 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
（9）面向不同运营环境的城市公共交通实时调度策略研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 单一线路公交车辆调度策略研究进展 |
| 1.2.2 多线路环境下公交车辆调度策略研究进展 |
| 1.2.3 公交乘车方案选择行为研究 |
| 1.2.4 国内外研究评述 |
| 1.3 研究内容与框架 |
| 1.3.1 研究内容 |
| 1.3.2 逻辑框架 |
| 1.3.3 技术路线 |
| 2 理论与方法回顾 |
| 2.1 随机森林理论 |
| 2.1.1 决策树 |
| 2.1.2 随机森林 |
| 2.2 出行方式选择行为理论 |
| 2.2.1 效用及效用最大化理论 |
| 2.2.2 多项式Logit模型 |
| 2.3 列生成算法 |
| 2.3.1 列生成的发展 |
| 2.3.2 列生成与分支定价算法 |
| 2.4 动态规划理论 |
| 2.4.1 离散系统动态规划方法 |
| 2.4.2 连续系统动态规划方法 |
| 3 单一公交线路车辆实时混合调度策略研究 |
| 3.1 问题描述 |
| 3.1.1 问题引入 |
| 3.1.2 数据驱动混合控制框架描述 |
| 3.1.3 数据驱动混合控制框架的实施环境和方法 |
| 3.2 数据驱动混合控制方法建模 |
| 3.2.1 数据驱动控制模块模型构建 |
| 3.2.2 车辆运行状态演化模块模型构建 |
| 3.2.3 优化控制模块模型构建 |
| 3.2.4 对比调度策略 |
| 3.3 算法设计 |
| 3.3.1 DDHC-L问题的求解算法 |
| 3.3.2 DDHC-A问题的求解算法 |
| 3.4 算例分析 |
| 3.4.1 算例及参数说明 |
| 3.4.2 被测试调度策略 |
| 3.4.3 结果分析 |
| 3.4.4 敏感性分析 |
| 3.5 本章小结 |
| 4 共线环境下车辆实时调度策略研究 |
| 4.1 问题描述 |
| 4.1.1 问题引入 |
| 4.1.2 共线线路车辆派遣时间优化问题描述 |
| 4.1.3 信息条件下共线线路乘车方案选择 |
| 4.1.4 基于乘车方案选择行为的共线线路车辆派遣时间优化问题 |
| 4.2 共线环境下车辆实时调度策略优化模型 |
| 4.2.1 上层优化控制模型 |
| 4.2.2 下层分配模型 |
| 4.3 算法设计 |
| 4.4 算例分析 |
| 4.4.1 算例及参数说明 |
| 4.4.2 分配模型参数标定 |
| 4.4.3 被测试调度策略 |
| 4.4.4 结果分析 |
| 4.5 本章小结 |
| 5 面向公交枢纽的车辆实时协同调度策略研究 |
| 5.1 问题描述 |
| 5.1.1 问题引入 |
| 5.1.2 协同控制策略描述 |
| 5.2 协同控制策略建模 |
| 5.2.1 多线路条件下车辆运行状态演化模型构建 |
| 5.2.2 协同控制策略目标函数 |
| 5.3 Dantzig-Wolfe分解与列生成算法 |
| 5.3.1 Dantzig-Wolfe分解 |
| 5.3.2 分支定价算法描述 |
| 5.4 算例分析 |
| 5.4.1 算例及参数说明 |
| 5.4.2 结果分析 |
| 5.4.3 敏感性分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（10）面向高峰期内双线公交跨线调度优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 第二章 广州市560路和884路公交日常运营情况 |
| 2.1 线路公交基本情况 |
| 2.1.1 广州市560路公交基本情况 |
| 2.1.2 广州市884路公交基本情况 |
| 2.2 线路公交数据描述 |
| 2.3 线路公交客流特征分析 |
| 2.3.1 公交站点客流数据收集方法 |
| 2.3.2 公交到站客流特性分析 |
| 2.3.3 站点乘客等待时间分析 |
| 2.4 线路公交站间行程时间分析 |
| 2.4.1 K-means聚类算法的介绍 |
| 2.4.2 基于K-means聚类算法的站间行程时间分析 |
| 2.5 线路公交运营模式分析 |
| 2.5.1 一般运营模式 |
| 2.5.2 区间车调度模式 |
| 2.5.3 双线混合调度模式 |
| 2.6 本章小结 |
| 第三章 调度分析与区间站点确定 |
| 3.1 调度方案的成本分析 |
| 3.1.1 乘客出行时间成本分析 |
| 3.1.2 公交企业运营成本分析 |
| 3.2 区间车停靠站点的确定方法 |
| 3.3 本章小结 |
| 第四章 单线及双线公交调度模型构建 |
| 4.1 单线公交区间车调度模型 |
| 4.1.1 模型假设条件与相关符号说明 |
| 4.1.2 目标函数及其约束条件 |
| 4.1.3 单线路数学模型汇总 |
| 4.2 双线公交区间车调度模型 |
| 4.3 双线调度模型求解算法 |
| 4.3.1 遗传算法的介绍 |
| 4.3.2 模型遗传算法设计 |
| 4.4 本章小结 |
| 第五章 双线区间车联合调度案例与仿真评价 |
| 5.1 基于Python的调度模型仿真 |
| 5.1.1 Python编程软件的介绍 |
| 5.1.2 利用Python编程的主要过程 |
| 5.2 公交线路编程建模 |
| 5.2.1 公交线路运营模型编程及其参数设置 |
| 5.2.2 统计数据输入与程序编写 |
| 5.3 调度方案仿真 |
| 5.3.1 各调度方案分析 |
| 5.3.2 各调度方案评价 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
四、公交车调度问题的数学模型（论文参考文献）
- [1]多场景多模式公交调度优化研究[D]. 田胜男. 北京化工大学, 2021
- [2]基于列生成启发式的单线电动公交车与司机整合调度优化[J]. 刘昊翔,吴啊峰,龙建成,周珏. 交通运输系统工程与信息, 2021(04)
- [3]面向园区的综合能源系统多目标优化调度研究[D]. 王贵龙. 太原理工大学, 2021(01)
- [4]结合列生成和多目标进化算法的混合优化方法研究[D]. 徐洋凡. 北京邮电大学, 2021(01)
- [5]复杂环境下智能调度优化及任务协同研究[D]. 王趱. 北京邮电大学, 2021(01)
- [6]基于列生成启发式的电动公交车调度与司机排班问题研究[D]. 吴啊峰. 合肥工业大学, 2021
- [7]城市纯电动公交线网规划与运营管理方案优化方法研究[D]. 张文伟. 北京交通大学, 2021
- [8]基于大数据的公交调度排班优化的研究与实现[D]. 李微微. 厦门理工学院, 2021(06)
- [9]面向不同运营环境的城市公共交通实时调度策略研究[D]. 王文思. 大连海事大学, 2021(04)
- [10]面向高峰期内双线公交跨线调度优化研究[D]. 韩晓东. 广东工业大学, 2020