论文部分内容阅读
公交系统是一个相对开放的系统,影响公交运营的因素众多且复杂,其中公交系统的内部影响因素包括公交客流波动,车队车辆配置情况,调度方案的执行情况等,外部影响因素包括工作日节假日属性,气温,天气,道路交通状况等不可控因素。这些因素都以不同的方式影响着公交的运营过程,公交管理者需要根据这些因素的变动,不断优化自身的运营策略。以往的公交管理精细化程度较低,公交管理方案的提出与改变过程一般由专家经验驱动而非数据驱动。近年来随着基础设施的完善,大型城市每日可以产生数以千万计的乘客出行记录和公交车辆行驶记录。越来越多的公交数据可以为公交管理部门提供决策参考。对于客流量总量巨大,客流波动情况复杂,道路情况复杂的市区内部线路来说,行车计划基本很难准确实施。上述影响因素对公交系统的随机影响应该尽量降低,从而在源头上为公交系统的鲁棒性优化和实时控制过程提供一组较为稳定的环境变量。使这些变量变得更加稳定的主要策略有两种,一是对这些变量进行更加准确合理的预估,为计划层提供最优的参数设置,二是采用分而治之的思想,在上述最优参数预估的基础上,将公交运营时段进行合理的划分,使得每个运营时段内有着尽量准确稳定的运力供需状态,方便公交管理者选用最优的运营策略。本文分别对线路客流预测,最大断面客流预测,公交运营时段划分,公交运营时段划分与车队配置协同优化四个方面做了深入的理论研究。针对线路客流的准确预测问题,本文提出了一个考虑乘客行为模式的线路客流预测新方法。传统的客流预测方法均以时段客流总量为模型输入,忽略了不同类型的乘客对于外在影响因素变动的响应模式差异,忽略了不同类型乘客量波动的时变规律差异,本文针对此缺陷,提出了一组公交乘客分类的方法并论证了乘客分类预测对提高线路客流预测精度的必要性,在分析分类客流预测问题特性的基础上提出了一个新的混合机器学习模型,此模型充分挖掘了不同类型客流对外在影响因素变动的响应模式和不同类型客流内在的时变规律,相比于传统的集计预测模型,大幅提高了线路客流量的预测精度。针对最大断面客流预测问题,本文在深入分析最大断面客流预测误差对运营风险的结构性影响的基础上,提出了一个基于报童模型的最大断面客流预测模型。传统的断面客流预测问题均将此预测问题抽象为简单的数值型预测问题,忽略了最大断面客流对运营风险成本的实际影响,本文根据实际的公交运营参数,计算了最大断面客流预测误差在不同范围内对运营风险成本的增长的影响,并以运营风险成本最小化代替了传统预测方法中追求绝对误差最小化的损失评价函数。另外,本文选用并改进了预测稳定性和精确性均较高的Shepard插值预测模型,使之适用于本文所解决的基于报童模型的预测问题,取得了预测性能较优的最大断面客流预测模型。针对运营时段划分问题,针对公交运营时段划分问题的研究比较初步,现有的公交运营时段划分问题一般均以追求单一运营参数(如乘客需求或者公交行程时间)在时段内差异最小化为目标。此类研究均忽视了这些运营参数对公交运营优化工作的联合作用。本文深入分析了时段划分对公交运营优化的实践意义,深入分析了传统研究的不足之处,提出了一个以时段内部运力需求为指标,以多源公交数据为基础的优化环境变量计算框架。在此框架的基础上,以车队车时成本最小化为优化目标建立了时段划分优化模型并取得了良好的运营时段划分效果。通过对时段划分问题的深入研究,本文发现时段划分问题与车队配置问题有着密不可分的相互关系,在此基础上提出运营时段划分与车队配置方案的协同优化模型。前文通过对传统运营时段划分问题的深入研究,本文发现运力需求是一个较为合理的时段划分指标,但同时,运力需求也是一个复杂的概念,其包含了最优车型选择,车队规模优化两个重要的子问题,当把这两个子问题考虑进公交运营时段划分问题中时,问题变得更加复杂:时段划分方案和最优车队配置之间相互影响,共同决定着整条线路全天的运营成本。基于此,本文创新性的对运营时段划分和车队配置进行了协同优化。在成本计算过程中,依然利用了大量多源公交数据对全天的环境变量进行了计算,另外,还利用报童模型对不同车队配置的运营风险进行了深入分析与计算。在此基础上,本文以全天运营成本最小化为目标,建立优化模型对运营时段划分和车队配置进行了协同优化,并取得了良好的运营时段划分和车队配置优化方案。