1.一种在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,包括以下步骤:S1、构建并求解研究区域的出行者出行最优路径目标函数,得到研究区域内每个出行者的出行轨迹和出行状态,以及公交路线的运行状态;
S2、根据研究区域内每个出行者的出行轨迹和出行状态,以及公交路线的运行状态,得到公交线路各车次的公交车上的人数和经过疫情爆发点的公交线路的运行长度;
S3、根据公交线路各车次的公交车上的人数和经过疫情爆发点的公交线路的运行长度,计算公交线路排序指标,对公交线路进行排序,得到公交线路排序结果;
S4、根据公交线路排序结果,采用遗传算法构建种群,通过蒙特卡洛多次模拟种群中的个体,构建病毒传播概率模型,优化种群,得到在疫情传播下给定最大载客量限制的城市公交车辆调度方案。
2.根据权利要求1所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S1中出行者出行最优路径目标函数为:其中,k为出行者选的出发时刻,K为所有出发时刻集合,od为出行者的起终点,OD为起终点集合,p为出行者选择的出行路径,P为出行路径集合, 为选择出行路径p的出行者(k,id)的出行时间,出行者(k,id)为在k时刻出发起终点为od的出行者, 为出行者(k,od)中的最短路径用时, 为出行者(k,od)是否使用出行路径p的状态。
3.根据权利要求2所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述选择出行路径p的出行者(k,od)的出行时间 包括路段通过时间、交叉口等车时间、中间车站停留时间和车站等车时间;
所述路段通过时间的计算公式为:
其中, 为出行者(k,od)在路段a的通过时间,la为路段a的长度,lb为公交车的长度, 为出行者(k,od)在路段a时的排队车辆数,va为公交车在路段a的平均行驶速度,va,e为公交车在路段a排队离开速度;
所述交叉口等车时间的计算公式为:
其中, 为出行者(k,od)在交叉口j方向d的等车时间,Tj,d,g为交叉口j方向d的绿灯时间窗, 为出行者(k,od)在交叉口j方向d的到达时间, 为到达时间在绿灯时间窗Tj,d,g内, 为出行者(k,od)在交叉口j方向d最近绿灯亮起时间;
所述中间车站停留时间的计算公式为:
其中, 为出行者(k,od)在公交站u的停留时间, 为出行者(k,od)在公交站u时的上车人数,tA为单一乘客的上车时间,tB为单一乘客的下车时间, 为出行者(k,od)在公交站u时的下车人数;
所述车站等车时间的计算公式为:
其中, 为出行者(k,od)在公交站u的等车时间, 为出行者(k,od)在公交站u的离开时间, 为出行者(k,od)在公交站u的达到时间。
4.根据权利要求3所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述出行者出行最优路径目标函数满足以下约束:第一条约束,出行者选择路径的最大换乘次数:
其中,p为出行者选择的出行路径,P为出行路径集合,Su为公交站集合, 为出行者(k,od)是否在出行路径p中选择公交站u上车的状态,k为出行者选的出发时刻,K为所有出发时刻集合,od为出行者的起终点,OD为起终点集合;
第二条约束,公交线路的最大载客量限制:
其中, 为公交线路r编号为v的公交车在公交站u处乘客上车后的车上人数,为出行者(k,od)是否在公交线路r编号为v的公交车的公交站u处的状态,α为车上社交距离限制参数,C为公交车的设计容量,Sr为公交线路r的集合,Sr,v为公交线路r的公交车编号集合,Su为公交站集合;
第三条约束,出行者等待公交最大时间:
其中,p为出行者选择的出行路径,P为出行路径集合, 为出行者(k,od)是否使用出行路径p的状态, 为出行者(k,od)在公交站u的等车时间, 为出行者(k,od)是否在出行路径p中选择公交站u上车的状态, 为出行者(k,od)能接受的最大出行时间;
第四条约束,总的未上车的乘客数量与研究区域总的交通需求量减去上车乘客的总和,且总的未上车的乘客数量需要大于等于0:其中,Qunmet为总的未上车的乘客数量,Q为研究区域总的交通需求量, 为出行者(k,od)是否使用出行路径p的状态,p为出行者选择的出行路径,P为出行路径集合,k为出行者选的出发时刻,K为所有出发时刻集合,od为出行者的起终点,OD为起终点集合;
第五条约束,使用的出行路径为出行路径集合P中最短路径:
其中, 为选择出行路径p的出行者(k,od)的出行时间, 为出行者(k,od)中的最短路径用时。
5.根据权利要求1所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S3中计算公交线路排序指标公式为:其中,Rank为公交线路排序指标, 为公交线路r编号为v的公交车在公交站u处乘客上车后的车上人数,Winfect为感染治愈成本的权重,Nr为经过疫情爆发点的公交线路r的运行长度,fr,o为公交线路r是否经过疫情爆发点的状态,Sr为公交线路r的集合。
6.根据权利要求1所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S4包括以下分步骤:S41、根据公交线路排序结果,构建车队规模目标函数迭代计算可以调整的车队规模,并采用每次计算的车队规模构建遗传算法中初始种群中的每个不同个体,直到达到最大种群数;
S42、对达到最大种群数的初始种群中的个体采用蒙特卡洛进行多次模拟,在每次模拟中,在出行者中选出感染者和接种者的出行信息,输入病毒传播概率模型,计算每次模拟下的病毒传播概率;
S43、根据所有模拟的病毒传播概率,计算达到最大种群数的初始种群中每个个体的期望总出行成本;
S44、根据初始种群中每个个体的期望总出行成本,选取最大精英种群数量的个体组成本代精英种群,得到在疫情传播下给定最大载客量限制的城市公交车辆调度方案。
7.根据权利要求6所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S41中将公交线路排序结果为按公交线路排序指标进行降序排列的结果,采用车队规模目标函数在前50%的公交线路排序结果中找到可以增加车辆数量的公交路线,采用车队规模目标函数在后50%的公交线路排序结果中找到可以减少车辆数量的公交路线,减少的车辆数量等于增加的车辆数量;
车队规模目标函数为:
其中,vehr为可以调整的车辆数量,cr为公交线路r的周转时间,fmax为最大的发车频率,nr为公交线路r当前的车辆数量;
车队规模目标函数满足以下约束:
第一条约束,公交路线的车队规模中公交车车头时距满足:
hmin≤hr≤hmax
其中,hmin为最小公交车车头时距,hmax为最大公交车车头时距,hr为公交线路r的车头时距;
第二条约束,公交路线中公交车车辆总数不超过可使用车辆总数:
N=Nc+Ns或 nr=T/hr
其中,N为公交路线中公交车车辆总数,Nc为运营车辆数,Ns为备用车辆数,Sr为公交线路r的集合,nr为公交线路r当前的车辆数量,hr为公交线路r的车头时距,T为给定时间。
8.根据权利要求6所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S42中病毒传播概率模型为:其中, 为公交线路r编号为v的公交车由公交站 到公交站u过程导致新增感染人数的期望, 为公交线路r编号为v的公交车由公交站 到公交站u过程中空气传播的致病量, 为公交线路r编号为v的公交车由公交站 到公交站u过程中表面接触传播的致病量, 为公交线路r编号为v的公交车由公交站 到公交站u过程中易感人群数量,θ为口罩过滤系数,ρ为个体呼吸量, 为公交线路r编号为v的公交车由公交站 到公交站u过程中停留时间, 为公交线路r编号为v的公交车由公交站 到公交站u过程中公交车通风量,C为公交车设计容量,V为公交车体积,p为出行者选择的出行路径,P为出行路径集合,k为出行者选的出发时刻,K为所有出发时刻集合,od为出行者的起终点,OD为起终点集合, 为出行者(k,od)是否为感染者的状态,出行者(k,k,odod)为在k时刻出发起终点为od的出行者,γ为呼出病毒残留在表面上的比例,s 为出行者(k,od)的易感程度参数, 为公交线路r编号为v的公交车在公交站 出发的时间点,k,od为公交线路r编号为v的公交车到达公交站u的时间点,q 为出行者(k,od)呼出的致病量病原体的数量,Sr,u为公交线路r的公交站集合, 为出行者(k,od)是否在公交线路r编号为v的公交车的公交站u处的状态, 为出行者(k,od)是否使用出行路径p的状态。
9.根据权利要求6所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S43中计算达到最大种群数的初始种群中每个个体的期望总出行成本的公式为:其中,TC为期望总出行成本,k为出行者选的出发时刻,K为所有出发时刻集合,od为出k,od行者的起终点,OD为起终点集合, 为出行者(k,od)中的最短路径用时,VOT 为出行者(k,od)的出行时间价值,Winfect为患病治愈成本的权重,E()为期望函数,Nnew为新增感染人数,COT为患病治愈成本。
10.根据权利要求6所述的在疫情传播下考虑最大载客量限制的公交车辆调度方法,其特征在于,所述步骤S44最大精英种群数量的个体在初始种群中被选中的概率为:其中,P(i)为初始种群中的第i个个体被选中的概率,TC(i)为初始种群中的个体i的总出行成本。