一、关于公交车调度的数学模型（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》文中研究表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。
石弘毅[2]（2021）在《基于智能优化算法的公交车辆调度方法研究》文中提出当今我国城市高速发展,城市人口随着城市的快速发展愈发密集,城市交通规划变得愈发重要。车辆调度是城市交通规划的重要组成部分,通过合理产生公交车辆的调度方案,为每个公交车辆分配合理的发车时间,构建车辆一整天的趟次任务序列。良好的车辆调度方法可以大幅度降低交通公司的运营成本并提高公交公司服务质量。本文围绕公交车辆调度这一主题,研究了两种公共交通的实际问题:不确定条件下公交车辆调度问题、带有分支线路的公交车辆调度问题,主要包括以下工作:（1）提出一种基于非支配遗传算法的不确定条件下车辆调度方法,首先,设计了一种候选车辆块集合生成算法来生成车辆块集合。其次,设计了一种基于非支配排序遗传算法的车辆块子集选择方法,从候选车辆块集合中选择车辆块子集,每个车辆块子集代表一个非支配解。最后,利用发车时刻点调整算法来改进非支配解集,以进一步提高解的质量。（2）提出一种基于分解多目标进化算法的不确定条件下的车辆调度方法。将该方法与以上基于非支配排序的调度方法应用于南京市的公交线路,并与其他方法对比,实验表明:这两种方法得到的调度方案中未覆盖时刻点数量更低,效果更好,在第一个实验场景下可以减少10个未覆盖时刻点,在第二个实验场景下可以减少3个未覆盖时刻点。（3）提出一种基于冶剑退火算法的车辆调度方法用于解决带有分支线路的公交车辆调度问题。首先,设计了一种针对该问题的编码。其次,设计了一种随机生成初始种群的方法来生成具有较高多样性的初代种群。然后,设计了一种基于冶剑退火算法的种群进化方法,并针对车辆调度问题改进折叠算子来提高算法的收敛速度。最后,使用一种发车时刻点调整方法提高归档集中解的质量。将该方法应用于青岛市实际公交线路,实验结果表明:相较于基于传统退火算法的车辆调度方法,该方法生成的调度方案可以减少3个未覆盖时刻点、1个重复覆盖时刻点。
吴斯,韩一帆[3]（2021）在《基于简化模型的公交车调度时间研究》文中提出为提高公交调度管理效率,文章通过分析和总结公交调度的相关问题,针对调度时间优化数学模型,建立发车时间间隔目标函数及约束条件,并通过改进遗传算法对模型求解,得出其适应度函数。实验以实际公交线路为例,通过仿真求解,得到最优化发车时间间隔,使公交公司运营成本和顾客利益达到最优,具有重要的现实效益。
张文伟[4]（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》文中提出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。
吴啊峰[5]（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》文中研究表明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。
李微微[6]（2021）在《基于大数据的公交调度排班优化的研究与实现》文中研究表明目前,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。
刘星程,丁伟峻,谢敬锐,王世玲,张江[7]（2020）在《一种基于云计算的公交车实时调度算法改进》文中进行了进一步梳理经典的公交车调度算法都是在对公交调度的各种运行参数分时段做出经验性假设之后,通过建立数学模型来求解调度方案。这样的方式不能对不断变化的交通情况做出反馈。本文提出一种基于云计算和实时数据的公交车实时调度算法,该算法可以对公交线路运行做出更及时、更优化的分配,提高公交线路的运行效率。
陈松林[8]（2020）在《考虑乘客需求转移的公交越站策略优化研究》文中研究表明大力发展公共交通有助于缓解城市交通拥堵,控制城市污染。对于公交系统来说,制定合理的调度策略,通过优化公交调度来提高公交车的服务能力和服务效率,可以缓解交通压力,同时也能为乘客带来更为满意的服务,提高公交竞争力。随着城市的快速发展,城市的功能分区更加精细,城市居民在时间和空间维度上不均衡的出行需求、交通拥堵等问题也越来越突出,针对此问题,本文对公交调度策略中的越站策略进行了研究,通过进一步考虑乘客需求转移行为,建立优化模型、开发优化算法、分析数值算例,期望为公交系统提供一定的参考和可用的管理启示。文章首先将受越站策略影响而无法顺利出行的乘客分为三类,考虑其中仅原计划终点被越过的乘客,他们中的一部分可能上车并在原计划终点前一站下车即发生需求转移。综合考虑乘客和公交运营商的利益,以乘客等待时长、乘客在途时长和车辆运行时长三者的加权和最小值作为目标函数,建立非线性0-1整数规划模型。然后,开发具有针对性的人工蜂群算法,优化求解该模型,在固定的站间车辆行驶时间的条件下,基于典型数据集进行模型的算例验证,给出越站方案。与不考虑乘客需求转移的传统模型相比,该模型在该数据集上可降低5.75%的企业总成本。模型绩效受到乘客需求水平的调节,需求水平越高则该模型绩效越好,当需求水平为典型数据集1.5倍时,该模型可降低13.5%的企业总成本。敏感性分析结果表示,乘客到达率越大则越站比例越高;乘客需求转移比例则调节了乘客等待成本和在途成本之比,乘客需求转移比例越大则企业综合运营成本越低;站点乘客不均衡性越高越站策略越有优势。公交运营企业可在负荷较大的线路上适当考虑采用越站策略,并可与共享单车运营企业等开展协作,便利和鼓励乘客转移需求。最后,考虑到随机的站点间车辆行驶时间更符合现实情况,因此在确定性模型的基础上讨论了车辆行驶时间随机时的对应情况,并开发结合蒙特卡罗模拟的人工蜂群算法,求解出对随机的站间行驶时间适用性最高的越站方案。
张晓鸣[9]（2019）在《青岛市纯电动公交城市调度优化问题研究》文中研究说明城市污染问题已经受到社会各界的广泛关注,新能源的开发和新旧动能转换也被提上议程,由此产生的新能源汽车产业也在不断发展壮大,对于改善环境发挥着日益重要的作用。其噪音低、运行平稳、零排放等优点被广大市民所接受,在市民的日常出行中变的越来越重要。然而,如何才能更好地利用纯电动公交车,给出合理的运行时间和效率,使其发挥更大的城市运营价值,是值得政府和学界关注和研究的课题,而进一步优化纯电动公交车的调度问题则是该课题的重中之重。在纯电动公交车充电模式的选择、行驶里程的确定、客流量的采集、调度时刻表的编排等都是研究纯电动公交车调度不可缺少的重要内容,对于该行业进一步可持续良好发展有着重要意义。本文首先针对国内外关于纯电动公交车相关研究进行了梳理,包括公交客流量需求、单目标及多目标发车频率优化等几个方面展开,并进一步针对目前国内外纯电动公交车不同种类的充电模式及续驶里程等进行比较分析。然后本文借助IC卡和GPS数据的时间同步性,对可口数据和相应站点进行匹配,以成本最小化和收益最大化为原则,以发车时刻替代传统的时间间隔变量,构建了纯电动公交车辆调度的多目标优化模型,并根据改进的遗传模拟退火算法进行模型求解。文章在最后以青岛市363路公交车为例,根据本文设定的优化模型就行分析和检验,充分利用IC卡和GPS采集的客流数据分析得出更加合理的363路纯电动公交车发车时刻表,较好的实现了本文的研究初衷。
姜少毅,王博,闫哲[10]（2017）在《基于候车与乘车满意度的公交车调度优化模型》文中研究表明本文讨论公交车调度的数学建模问题.我们根据各个时刻、各个站点上、下车乘客人数的历史数据与随机特征,计算乘客到达速率、离站速率的期望值.基于效用函数理论,我们从两方面考虑乘客满意度,即由候车时间确定的候车满意度和由拥挤度确定的乘车满意度.以极大化总的加权满意度为目标,我们构建了公交车调度的混合整数规划问题.最后给出了求解这个问题的可能方法.
二、关于公交车调度的数学模型（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、关于公交车调度的数学模型（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）基于智能优化算法的公交车辆调度方法研究（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 传统公交车辆调度 |
| 1.2.2 不确定条件下的公交车辆调度 |
| 1.3 智能优化算法介绍 |
| 1.3.1 遗传算法 |
| 1.3.2 爬山算法 |
| 1.3.3 模拟退火算法 |
| 1.4 研究内容及创新点 |
| 1.4.1 研究内容 |
| 1.4.2 创新点 |
| 1.5 论文组织结构 |
| 第二章 公交车辆调度问题 |
| 2.1 传统公交车辆调度问题 |
| 2.2 不确定条件下公交车辆调度问题 |
| 2.3 带有分支车站的线路的公交车辆调度问题 |
| 2.4 本章小结 |
| 第三章 基于NSGA-Ⅱ的不确定条件下公交车辆调度方法 |
| 3.1 生成候选车辆块集合 |
| 3.2 选择车辆块子集组成非支配解 |
| 3.2.1 解的编码 |
| 3.2.2 适应度函数 |
| 3.2.3 初始化种群 |
| 3.2.4 交叉、变异与选择算子 |
| 3.2.5 上传至归档集 |
| 3.3 发车时刻调整算子 |
| 3.4 时间复杂度分析 |
| 3.5 本章小结 |
| 第四章 基于MOEA/D的不确定条件下公交车辆调度方法 |
| 4.1 生成候选车辆块集合 |
| 4.2 选择车辆块子集组成非支配解 |
| 4.2.1 设置权向量 |
| 4.2.2 更新解 |
| 4.3 发车时刻调整算子 |
| 4.4 时间复杂度分析 |
| 4.5 实验与分析 |
| 4.5.1 对比方法 |
| 4.5.2 算法参数 |
| 4.5.3 实验结果 |
| 4.5.4 方法性能分析 |
| 4.6 本章总结 |
| 第五章 带有分支车站的线路的公交车辆调度问题的研究 |
| 5.1 基于OTSA的带有分支站点的线路的公交车辆调度方法 |
| 5.1.1 解的编码、解码 |
| 5.1.2 生成初始种群 |
| 5.1.3 OTSA生成归档集 |
| 5.1.4 发车时刻调整算子 |
| 5.2 实验与分析 |
| 5.2.1 对比方法 |
| 5.2.2 算法参数 |
| 5.2.3 实验结果 |
| 5.2.4 与SA-A的对比实验 |
| 5.3 本章小总 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 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 |
（3）基于简化模型的公交车调度时间研究（论文提纲范文）
| 引言 |
| 1 公交车调度数学模型 |
| 1.1 模型假设 |
| 1.2 目标函数及约束条件 |
| 2 基于遗传算法的公交调度优化模型求解 |
| 2.1 遗传算法的基本原理及流程 |
| 2.2 模型的求解算法改进 |
| 3 实验分析 |
| 4 结论 |
（4）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 |
（5）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 |
（6）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 |
（7）一种基于云计算的公交车实时调度算法改进（论文提纲范文）
| 1 研究背景 |
| 2 传统的公交调度算法 |
| 2.1 传统调度算法的基本原理 |
| 2.2 传统算法的代表：基于求解最少发车次数的公交调度算法 |
| 2.3 传统算法存在的弊端 |
| 3 使用实时数据对公交调度进行改进 |
| 3.1 通信系统及云计算平台 |
| 3.2 使用实时数据改进传统算法 |
| 4 结语 |
（8）考虑乘客需求转移的公交越站策略优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目的、方法与内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究方法 |
| 1.3.3 研究内容 |
| 第2章 公交车调度问题概述 |
| 2.1 公交车调度策略 |
| 2.2 公交客流特征 |
| 2.2.1 客流在空间上的不均衡性 |
| 2.2.2 客流在时间上的不均衡性 |
| 2.2.3 公交客流OD信息 |
| 2.3 公交调度系统成本分析 |
| 2.3.1 公交运营商的运营成本 |
| 2.3.2 乘客出行成本 |
| 2.4 本章小结 |
| 第3章 公交车越站停车策略优化模型 |
| 3.1 乘客需求转移问题的描述及分析 |
| 3.2 模型假设及符号定义 |
| 3.3 建立优化模型 |
| 3.4 本章小结 |
| 第4章 固定车辆行驶时间下模型求解与分析 |
| 4.1 人工蜂群算法 |
| 4.2 模型求解 |
| 4.2.1 算例数据描述 |
| 4.2.2 模型中各参数的确定 |
| 4.2.3 是否考虑乘客需求转移下的绩效对比 |
| 4.2.4 算法对比 |
| 4.3 敏感性分析 |
| 4.3.1 乘客到达率的影响 |
| 4.3.2 乘客需求转移比例的影响 |
| 4.3.3 站点乘客不均衡的影响 |
| 4.4 本章小结 |
| 第5章 随机车辆行驶时间下的模型求解和分析 |
| 5.1 车辆行驶时间的影响因素 |
| 5.2 考虑随机车辆行驶时间下的优化模型 |
| 5.3 算法设计和结果分析 |
| 5.3.1 结合蒙特卡罗模拟的人工蜂群算法设计 |
| 5.3.2 结果分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
（9）青岛市纯电动公交城市调度优化问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 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 公交客流量需求 |
| 1.2.2 公交调度时刻表编制 |
| 1.2.3 电动汽车不同的充电模式研究 |
| 1.2.4 智能公交调度优化问题研究 |
| 1.3 研究方法、内容 |
| 1.3.1 研究方法 |
| 1.3.2 研究内容 |
| 1.4 本文研究创新之处 |
| 第二章 纯电动公交车特性分析 |
| 2.1 电动公交车发展趋势 |
| 2.2 纯电动公交车充电方式选择 |
| 2.3 纯电动公交车续驶里程分析 |
| 第三章 公交客流数据采集与分析 |
| 3.1 客流数据采集方法与GPS技术介绍 |
| 3.1.1 客流数据介绍 |
| 3.1.2 公交车辆GPS定位系统 |
| 3.2 公交客流数据采集 |
| 3.2.1 构建基于多视点的追踪元模型 |
| 3.3 客流数据统计分析 |
| 3.3.1 时间特征分析 |
| 3.3.2 客流数据的空间特征分析 |
| 3.3.3 客流数据的周期变化特征 |
| 第四章 基于多目标的纯电动公交车调度优化模型 |
| 4.1 纯电动公交调度问题分析 |
| 4.2 模型假设与使用符号说明 |
| 4.2.1 模型假设 |
| 4.2.2 符号说明 |
| 4.2.3 多目标优化模型构建 |
| 4.3 模型求解算法设计 |
| 第五章 纯电动公交车城市调度优化案例分析 |
| 5.1 数据准备 |
| 5.1.1 多目标优化模型构建 |
| 5.2 路数参数 |
| 5.3 仿真实验 |
| 5.3.1 实验参数确定 |
| 5.3.2 实验参数确定 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（10）基于候车与乘车满意度的公交车调度优化模型（论文提纲范文）
| 1 引言 |
| 2 公交车调度模型 |
| 2.1 基本假设 |
| 2.2 变量介绍 |
| 2.3 相关参数的计算 |
| 2.4 乘客满意度的刻画 |
| 2.4.1 乘客等待时间带来的影响 |
| 2.4.2 拥挤度的刻画 |
| 2.5 模型的建立 |
| 2.6 优化模型的求解算法 |
| 3 小结 |
四、关于公交车调度的数学模型（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]基于智能优化算法的公交车辆调度方法研究[D]. 石弘毅. 北京邮电大学, 2021(01)
- [3]基于简化模型的公交车调度时间研究[J]. 吴斯,韩一帆. 大众科技, 2021(05)
- [4]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(02)
- [5]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
- [6]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)
- [7]一种基于云计算的公交车实时调度算法改进[J]. 刘星程,丁伟峻,谢敬锐,王世玲,张江. 电脑知识与技术, 2020(23)
- [8]考虑乘客需求转移的公交越站策略优化研究[D]. 陈松林. 西南交通大学, 2020(07)
- [9]青岛市纯电动公交城市调度优化问题研究[D]. 张晓鸣. 青岛大学, 2019(02)
- [10]基于候车与乘车满意度的公交车调度优化模型[J]. 姜少毅,王博,闫哲. 工程数学学报, 2017(04)