[發明專利]基于雙層規劃的客運樞紐多交通方式的運力匹配方法

有效

• 申請號: 202010350462.1
• 申請日: 2020-04-28
• 公開（公告）號: CN111582691B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 黃愛玲;關偉;宋悅;秦倩;羅喜伶;李永亮;丁新偉
• 申請（專利權）人: 北京交通大學;首都機場集團公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/30;G08G1/01;G06N3/12
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種基于雙層規劃的客運樞紐多交通方式的運力匹配方法，其特征在于，包括：

建立客運樞紐的各交通方式的廣義費用函數的具體表達式，所述各種交通方式包括軌道交通、大巴車和出租車；

構建客運樞紐多交通方式運力匹配的雙層規劃模型，該雙層規劃模型包括上層子模型和下層子模型，所述上層子模型調整大巴車及軌道交通線路的發車間隔及出租車單位時間可服務數量，所述下層子模型為所述上層子模型提供客流分配結果；

基于遺傳算法和MSA算法求解所述雙層規劃模型，輸出適應度函數值最大的個體作為雙層規劃模型的求解結果；

所述的建立客運樞紐的各種交通方式的廣義費用函數的具體表達式，所述各種交通方式包括軌道交通、大巴車和出租車，包括：

客運樞紐的經營成本W₁的計算方法為：

式中：ω₁，ω₂，ω₃，ω₄——分別表示每輛大巴車、每列軌道交通列車、每輛出租車、每個公共停車位經營成本參數；

[]——取整符號；

T——研究時段總時長；

——起訖點為r-s的公共交通線路發車間隔時間，i＝1，2；

X——每分鐘可服務的出租車數量；

q₄——選擇私家車出行的旅客總數；

cap——私家車平均載客量；

旅客候車成本W₂的計算方法為：

式中：γ^M——貨幣成本轉化為時間成本的折算系數，這里γ^M未添加表示交通方式的下標是基于所有旅客對時間與貨幣費用間感知一致的假設；

——起訖點r-s間第i種交通方式出行的候車時間；

——起訖點r-s間第i種交通方式出行的乘客數量；

綜合客運樞紐的經營成本W₁和旅客候車成本W₂的上層子模型的目標函數為：

式中：[]——取整符號；

α₁——客運樞紐的運營部門的經營成本的權重系數；

α₂——各交通方式出行成本的權重系數；

所述的構建客運樞紐多交通方式運力匹配的雙層規劃模型，該雙層規劃模型包括上層子模型和下層子模型，所述上層子模型調整大巴車及軌道交通線路的發車間隔及出租車單位時間可服務數量，所述下層子模型為所述上層子模型提供客流分配結果，包括：

構建客運樞紐多交通方式運力匹配的雙層規劃模型，該雙層規劃模型包括上層子模型和下層子模型，設定所述上層子模型的約束條件包括：

1)公共交通滿載率約束，包括軌道交通、大巴車在內的公共交通的每班次車輛滿載率均不得超過1，旅客到達公共交通站臺時間服從均勻分布，則公共交通滿載率的約束為：

式中：——起訖點r-s間公共交通線路l的每班次車輛到達客運樞紐站點時的剩余滿載率，i＝1，2；

[]——取整符號；

——起訖點r-s間公共交通線路l的車輛最大載客能力，i＝1，2；

——起訖點r-s間選擇公共交通線路l出行的乘客數量，i＝1，2；

2)出租車時段供給能力約束，出租車到達客運樞紐站點時的剩余運力不得小于需求：

μX*T≥q₃

式中：X——每分鐘可服務的出租車數量；

μ——每輛出租車平均服務強度；

3)公共交通發車間隔約束，即發車間隔必須在線路允許的范圍內：

H_i，min≤H_i≤H_i，max

基于所述上層子模型的目標條件和約束條件，所述上層子模型表示如下：

所述上層子模型將獲得的決策變量賦給所述下層子模型，所述下層子模型按照SUE-logit模型對各交通方式客流量進行分配，達到平衡狀態時，起訖點r-s間所有已被選擇交通方式的客流量應滿足以下平衡條件：

起訖點r-s間選擇第i種交通方式的概率：

式中：——起訖點r-s間選擇第i種交通方式的概率

θ——效用函數與費用函數的對換參數，θ＞0

——起訖點r-s間選擇第i，j種交通方式所需花費的費用；

起訖點r-s間各交通方式分配的客流量：

式中：d^rs——起訖點r-s間的客流量

每個起訖點r-s間各交通方式客流量之和等于該起訖點的客流量，且各交通方式客流量均為非負：

各起訖點的客流量之和等于研究時段內進港旅客總數：

式中：D——研究時段內進港旅客總數；

所述的基于遺傳算法和MSA算法求解所述雙層規劃模型，輸出適應度函數值最大的個體作為雙層規劃模型的求解結果，包括：

基于遺傳算法和MSA算法通過MATLAB軟件求解雙層規劃模型，包括如下的處理步驟：

Step1變量編碼及參數設定，將公共交通線路發車間隔及出租車單位時間可服務數量作為遺傳算法中每條染色體的基因進行編碼，對初始種群大小pop_size，交叉概率Pc、變異概率Pm和最大迭代次數num_iter進行參數設置；

Step2種群初始化，采用隨機初始化的方式產生若干個滿足種群規模的個體，每個個體對應由不同的公共交通線路發車間隔及出租車單位時間可服務數量構成的運力配置，每個個體的取值均從其對應的范圍內隨機產生；

Step3進行客流分配，對每個個體按SUE-logit模型進行客流分配得到平衡態下各交通方式的客流量；

1)初始狀態下，由初始流量計算各交通方式自由阻抗執行一次運量隨機加載，產生初始各起訖點r-s間各交通方式分配客流量令迭代次數n＝1；

2)根據當前分配的各交通方式的客流量，重新計算各起訖點r-s間各交通方式阻抗

3)根據計算得到

4)當上次分配客流結果與本次分配客流結果滿足時分配結束，否則令n＝n+1，轉到第2)步；

Step4計算適應度函數值，將上層規劃目標函數的負數作為適應度函數，計算種群中每個個體的適應度函數值；

Step5選擇操作，采用錦標賽選擇法經常選擇，錦標賽選擇法的基本思想為，將n個個體作為一個次種群，每次選取每個次種群中適應度最高的那個個體復制到下一代群體中，n取2；

Step6交叉操作，采用單點交叉法，即在滿足交叉概率Pc的情況下，在隨機配對的父代個體中隨機選擇一個交叉點，將位于交叉點之前或之后的那部分變量進行交換，以形成新的后代個體；

Step7變異操作，采用基本位變異的方法，以變異概率Pm隨機指定某一位或某幾位基因座上的值做變異運算，形成新的后代個體；

Step8收斂性檢查，判斷是否滿足算法終止條件，以達到最大迭代次數作為終止條件，若滿足終止條件，算法結束，輸出適應度函數值最大的個體作為雙層規劃模型的求解結果，所述適應度函數值最大的個體為上層規劃中目標函數值最小的求解結果，即旅客候車成本和運營部門經營成本最小的運力匹配方式；若不滿足終止條件，跳轉至Step3。