为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Ne...为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Neighborhood Search, ALNS)求解车次链,该算法针对多车型下的车次与车型匹配和车次链可行性等问题特性多元化设计可行解的破坏与修复算子。对于ALNS迭代中生成的可行车次链组合,构建分时电价下的充电计划优化子问题,并将其转化到特定的网络图中,设计基于最小费用流的算法求解充电时长,优化决策充电开始时间。选取北京市的3条公交线路验证模型和算法,结果显示,相比于现状,车队规模从30辆减少至24辆,电费成本和运营总成本分别降低了25.84%和20.63%。通过对比实验,探讨不同修复指标权重和车型组合对优化结果的影响。展开更多
为解决因运行时间不确定性导致的公交到发时间不准点问题,本文基于公交线路双方向发车趟次和运营时间的不对称特征,提出一种可变行车计划优化问题。以最小化车辆使用数和乘客等待时间为目标,考虑车次链的行程接续和电动公交车辆电量等约...为解决因运行时间不确定性导致的公交到发时间不准点问题,本文基于公交线路双方向发车趟次和运营时间的不对称特征,提出一种可变行车计划优化问题。以最小化车辆使用数和乘客等待时间为目标,考虑车次链的行程接续和电动公交车辆电量等约束,构建公交时刻表和车辆排班一体化优化模型。根据可变行车计划优化问题特性设计改进的粒子群算法(Modified Particle Swarm Optimization for Timetabling and Scheduling,MPSO-TS)进行求解,定制粒子编码和子代更新方式。采用“基于优势车次链”的子代更新机制,以“车次链”为纽带最大程度地保留父代被继承信息中时刻表与车辆调度方案之间的关联性。使用连云港市某公交线路验证模型和算法,案例结果表明:可变行车计划能够有效保证车辆到发准点性,通过更紧密的排班计划将使用车数由35辆减少至31辆,车辆使用效率提升了28.1%;所提出的MPSO-TS算法求解效率较高,具有较好的稳定性,可有效避免计算结果陷入“局部最优”。展开更多
文摘为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Neighborhood Search, ALNS)求解车次链,该算法针对多车型下的车次与车型匹配和车次链可行性等问题特性多元化设计可行解的破坏与修复算子。对于ALNS迭代中生成的可行车次链组合,构建分时电价下的充电计划优化子问题,并将其转化到特定的网络图中,设计基于最小费用流的算法求解充电时长,优化决策充电开始时间。选取北京市的3条公交线路验证模型和算法,结果显示,相比于现状,车队规模从30辆减少至24辆,电费成本和运营总成本分别降低了25.84%和20.63%。通过对比实验,探讨不同修复指标权重和车型组合对优化结果的影响。
文摘为解决因运行时间不确定性导致的公交到发时间不准点问题,本文基于公交线路双方向发车趟次和运营时间的不对称特征,提出一种可变行车计划优化问题。以最小化车辆使用数和乘客等待时间为目标,考虑车次链的行程接续和电动公交车辆电量等约束,构建公交时刻表和车辆排班一体化优化模型。根据可变行车计划优化问题特性设计改进的粒子群算法(Modified Particle Swarm Optimization for Timetabling and Scheduling,MPSO-TS)进行求解,定制粒子编码和子代更新方式。采用“基于优势车次链”的子代更新机制,以“车次链”为纽带最大程度地保留父代被继承信息中时刻表与车辆调度方案之间的关联性。使用连云港市某公交线路验证模型和算法,案例结果表明:可变行车计划能够有效保证车辆到发准点性,通过更紧密的排班计划将使用车数由35辆减少至31辆,车辆使用效率提升了28.1%;所提出的MPSO-TS算法求解效率较高,具有较好的稳定性,可有效避免计算结果陷入“局部最优”。
