本發(fā)明屬于城市軌道交通
技術(shù)領(lǐng)域：
，涉及一種面向軌道運(yùn)營(yíng)中斷的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)方法。
背景技術(shù)：
：軌道交通網(wǎng)絡(luò)內(nèi)突發(fā)事件的發(fā)生具有完全隨機(jī)性，軌道交通運(yùn)營(yíng)企業(yè)會(huì)針對(duì)各類(lèi)具體突發(fā)事件制訂應(yīng)急預(yù)案。當(dāng)軌道交通線網(wǎng)內(nèi)發(fā)生較長(zhǎng)時(shí)間運(yùn)營(yíng)中斷事件下(如中斷運(yùn)營(yíng)30min以上事件)，通常需要啟動(dòng)公交應(yīng)急聯(lián)動(dòng)疏運(yùn)，相應(yīng)采取“大小交路(軌道正常運(yùn)營(yíng)區(qū)段)+公交短駁(軌道中斷運(yùn)營(yíng)區(qū)段)”的運(yùn)輸組織方式以維持城市公共交通系統(tǒng)的基本服務(wù)水平。針對(duì)公交應(yīng)急疏運(yùn)問(wèn)題，國(guó)外He、Sayyady、Goerigk、Lv均以公交車(chē)輛疏散總時(shí)間最小為目標(biāo)建立整數(shù)規(guī)劃模型，并設(shè)計(jì)遺傳算法、禁忌搜索算法、模擬退火算法等啟發(fā)式算法求解。國(guó)內(nèi)胡華磊以疏散車(chē)輛總行駛里程最小為目標(biāo)建立了整數(shù)規(guī)劃模型，他將公交車(chē)輛最大循環(huán)行駛次數(shù)設(shè)為固定值，在提出等效駐車(chē)點(diǎn)概念的基礎(chǔ)上利用表上作業(yè)法求解。已有的公交應(yīng)急疏散研究存在以下不足：第一，公交應(yīng)急疏運(yùn)問(wèn)題包含了應(yīng)急公交車(chē)輛資源調(diào)度和公交車(chē)輛疏運(yùn)線路規(guī)劃兩個(gè)子問(wèn)題，已有研究往往只研究某一個(gè)子問(wèn)題或者將兩個(gè)子問(wèn)題分割成兩階段進(jìn)行優(yōu)化，沒(méi)有考慮兩者之間的耦合關(guān)系，因此難以獲得系統(tǒng)最優(yōu)解；第二，在面向軌道運(yùn)營(yíng)中斷的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題中，由于應(yīng)急公交車(chē)輛資源有限和待疏運(yùn)軌道乘客需求量較大，一般情況下應(yīng)急公交車(chē)輛需要多次往返才能完成全部受影響乘客的疏運(yùn)，因此該問(wèn)題屬于多循環(huán)公交車(chē)輛應(yīng)急疏運(yùn)問(wèn)題，公交車(chē)輛的循環(huán)疏運(yùn)次數(shù)應(yīng)作為決策變量單獨(dú)進(jìn)行優(yōu)化。已有研究往往針對(duì)單循環(huán)公交應(yīng)急疏運(yùn)問(wèn)題或者提前設(shè)定公交車(chē)輛的最大循環(huán)疏運(yùn)次數(shù)，這雖然降低了該問(wèn)題的求解難度，但一定程度限制了優(yōu)化效果，并降低了模型的實(shí)踐應(yīng)用價(jià)值。技術(shù)實(shí)現(xiàn)要素：本發(fā)明針對(duì)面向軌道運(yùn)營(yíng)中斷的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題，提出其優(yōu)化流程，并設(shè)計(jì)一種基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法，求解公交車(chē)輛資源調(diào)度方案和公交車(chē)輛的循環(huán)疏運(yùn)次數(shù)，得到公交應(yīng)急聯(lián)動(dòng)疏運(yùn)的最優(yōu)方法，能夠有效提高疏運(yùn)效率和降低疏運(yùn)成本。一種面向軌道運(yùn)營(yíng)中斷的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)方法，通過(guò)定義遺傳算法的染色體編碼規(guī)則給定公交車(chē)輛資源調(diào)度方案，利用動(dòng)態(tài)系統(tǒng)仿真推演獲取公交車(chē)輛循環(huán)疏運(yùn)次數(shù)的值，在結(jié)合兩者的基礎(chǔ)上計(jì)算各中斷車(chē)站的總疏運(yùn)時(shí)間，確定公交應(yīng)急聯(lián)動(dòng)疏運(yùn)的最優(yōu)方法。所述面向軌道營(yíng)運(yùn)中斷的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題的優(yōu)化流程，步驟如下：步驟一：設(shè)定啟動(dòng)公交應(yīng)急聯(lián)動(dòng)疏運(yùn)的閾值條件；步驟二：確定軌道交通待疏運(yùn)車(chē)站范圍；步驟三：劃分公交應(yīng)急聯(lián)動(dòng)責(zé)任區(qū)，確定公交應(yīng)急派車(chē)點(diǎn)的可選擇空間區(qū)域范圍；步驟四：根據(jù)軌道交通應(yīng)急預(yù)案對(duì)公交車(chē)輛到達(dá)軌道車(chē)站的應(yīng)急響應(yīng)時(shí)間要求和既有公交線路的本線最低服務(wù)水平要求，確定責(zé)任區(qū)內(nèi)參與應(yīng)急聯(lián)動(dòng)疏運(yùn)的公交應(yīng)急派車(chē)點(diǎn)的集合以及各公交應(yīng)急派車(chē)點(diǎn)可抽調(diào)的最大公交車(chē)輛數(shù)；步驟五：以各中斷車(chē)站完成疏運(yùn)的總時(shí)間最短為優(yōu)化目標(biāo)，進(jìn)行公交應(yīng)急聯(lián)動(dòng)疏運(yùn)建模與求解，獲得公交應(yīng)急聯(lián)動(dòng)最優(yōu)疏運(yùn)方法。所述公交應(yīng)急聯(lián)動(dòng)疏運(yùn)建模采用基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法，遺傳算法中用染色體編碼規(guī)則生成一個(gè)隨機(jī)的初始染色體，得到一個(gè)隨機(jī)的公交車(chē)輛資源調(diào)度方案，在此基礎(chǔ)上，利用動(dòng)態(tài)系統(tǒng)仿真推演得到的公交車(chē)輛循環(huán)疏運(yùn)次數(shù)來(lái)計(jì)算各中斷車(chē)站的總疏運(yùn)時(shí)間，將各中斷車(chē)站的最大總疏運(yùn)時(shí)間作為計(jì)算染色體的適應(yīng)度函數(shù)值，判定是否滿(mǎn)足收斂準(zhǔn)則，滿(mǎn)足收斂準(zhǔn)則得到公交應(yīng)急聯(lián)動(dòng)疏運(yùn)的最優(yōu)方法；不滿(mǎn)足收斂標(biāo)準(zhǔn)則進(jìn)行變異操作產(chǎn)生新的染色體，得到一個(gè)新的公交車(chē)輛資源調(diào)度方案，再利用動(dòng)態(tài)系統(tǒng)仿真推演得到的公交車(chē)輛循環(huán)疏運(yùn)次數(shù)來(lái)計(jì)算各中斷車(chē)站的最大總疏運(yùn)時(shí)間，循環(huán)迭代優(yōu)化直到滿(mǎn)足收斂標(biāo)準(zhǔn)，得到公交應(yīng)急聯(lián)動(dòng)最優(yōu)疏運(yùn)方法。所述收斂準(zhǔn)則為計(jì)算當(dāng)前染色體的適應(yīng)度函數(shù)值和上一次染色體的適應(yīng)度函數(shù)值的變化率，如果變化率不為0，則為不滿(mǎn)足收斂準(zhǔn)則，迭代優(yōu)化；反之則為滿(mǎn)足收斂準(zhǔn)則，停止迭代。所述變異操作，假定當(dāng)前公交車(chē)輛資源調(diào)度方案中的總疏運(yùn)時(shí)間最長(zhǎng)、最短的中斷車(chē)站分別為|L|、|S|，變異算子優(yōu)化策略如下：a：當(dāng)任一公交派車(chē)點(diǎn)還有可調(diào)用車(chē)輛且從派車(chē)點(diǎn)往中斷站|L|的行駛時(shí)間小于中斷站|L|的總疏運(yùn)時(shí)間時(shí)，則從公交派車(chē)點(diǎn)往中斷站|L|增派1輛車(chē)，公交車(chē)輛資源調(diào)度方案的車(chē)隊(duì)規(guī)模增加1輛；b：當(dāng)所有公交派車(chē)點(diǎn)都沒(méi)有可調(diào)用車(chē)輛且中斷站|S|至少派有2輛車(chē)時(shí)，從中斷站|S|往中斷站|L|調(diào)派1輛車(chē)，公交車(chē)輛資源調(diào)度方案的車(chē)隊(duì)規(guī)模不變。所述定義遺傳算法的染色體編碼規(guī)則隨機(jī)生成染色體，所述染色體為任一公交車(chē)輛資源調(diào)度方案，優(yōu)化變量包括各公交派車(chē)點(diǎn)調(diào)派的車(chē)輛總數(shù)集和各公交派車(chē)點(diǎn)往各軌道中斷車(chē)站調(diào)派的車(chē)輛數(shù)集，所述染色體編碼規(guī)則為各派車(chē)點(diǎn)可調(diào)用最大車(chē)輛數(shù)集乘以一個(gè)[0，1]區(qū)間內(nèi)的隨機(jī)值后取整作為各公交派車(chē)點(diǎn)調(diào)派車(chē)輛總數(shù)集，在各公交派車(chē)點(diǎn)調(diào)派車(chē)輛總數(shù)集乘以另一個(gè)[0，1]區(qū)間內(nèi)的隨機(jī)值后取整作為各公交派車(chē)點(diǎn)往各中斷車(chē)站調(diào)派車(chē)輛數(shù)集。所述染色體編碼規(guī)則，定義如下：A代表任一隨機(jī)的公交車(chē)輛資源調(diào)度方案，Xj為各公交派車(chē)點(diǎn)調(diào)派的車(chē)輛總數(shù)，Xij為各公交派車(chē)點(diǎn)往各軌道中斷車(chē)站調(diào)派的車(chē)輛數(shù)，公交應(yīng)急聯(lián)動(dòng)疏運(yùn)系統(tǒng)中有m個(gè)公交派車(chē)點(diǎn)、n個(gè)中斷車(chē)站，則A的表達(dá)式為A=(X1,...,Xj,...,Xm;x11,..,xi1,...,xn1;...;x1j,...,xij,...,xnj;...;x1m,...,xim,...,xnm)=(|α1D1|,..,|αjDj|,..,|αmDm|;|β1X1|,..,|α1D1|-Σi=1n-1|βiX1|;...;|βnX1|,...,|αmDm|-Σi=1n-1|βiXm|)]]>其中βi和αj均是[0，1]區(qū)間內(nèi)的隨機(jī)值，||表示取整。有益效果本發(fā)明將公交車(chē)輛資源調(diào)度方案和公交車(chē)輛循環(huán)疏運(yùn)次數(shù)二者作為一個(gè)動(dòng)態(tài)系統(tǒng)的兩個(gè)互耦環(huán)節(jié)，克服了以往二階段分割式優(yōu)化方法難以獲得系統(tǒng)最優(yōu)解的缺陷；針對(duì)公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題的模型特點(diǎn)，結(jié)合動(dòng)態(tài)系統(tǒng)仿真和啟發(fā)式遺傳算法的特點(diǎn)，設(shè)計(jì)基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法求解模型，實(shí)證表明，該算法在求解效率和優(yōu)化結(jié)果方面均優(yōu)于標(biāo)準(zhǔn)遺傳算法；針對(duì)公交應(yīng)急聯(lián)動(dòng)疏運(yùn)需求超過(guò)單輛公交車(chē)疏運(yùn)能力的特點(diǎn)，將公交循環(huán)疏運(yùn)次數(shù)作為單獨(dú)的決策變量，利用動(dòng)態(tài)系統(tǒng)仿真推演其變量值，在提高求解復(fù)雜度的同時(shí)提高了模型和算法的實(shí)際應(yīng)用價(jià)值。本發(fā)明不但能夠縮短乘客疏運(yùn)時(shí)間，還能夠節(jié)約實(shí)際調(diào)用的公交車(chē)輛總數(shù)，從而有效提高疏運(yùn)效率和降低疏運(yùn)成本。附圖說(shuō)明圖1為本發(fā)明的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題示意圖；圖2為本發(fā)明的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題優(yōu)化流程示意圖；圖3為本發(fā)明的動(dòng)態(tài)系統(tǒng)i的公交車(chē)輛在t時(shí)刻的運(yùn)營(yíng)狀態(tài)示意圖；圖4為本發(fā)明的動(dòng)態(tài)系統(tǒng)仿真推演流程示意圖；圖5為本發(fā)明的改進(jìn)啟發(fā)式遺傳算法優(yōu)化流程示意圖；圖6為本發(fā)明的具體實(shí)施例背景示意圖。其中，附圖1中表示公交應(yīng)急派車(chē)點(diǎn)，表示中斷運(yùn)營(yíng)車(chē)站，表示運(yùn)營(yíng)折返站，表示中斷運(yùn)營(yíng)區(qū)間，表示公交車(chē)輛調(diào)派線路，→表示上行方向公交疏運(yùn)路線，表示下行方向公交疏運(yùn)路線；附圖3中B表示派車(chē)點(diǎn)站，P表示中斷站，S表示折返站，①表示從派車(chē)點(diǎn)駛往中斷站，②表示在中斷站?？浚郾硎驹谡鄯嫡就？?，④表示返回中斷站，⑤表示往折返站行駛，A表示第①運(yùn)營(yíng)狀態(tài)下的公交車(chē)輛對(duì)應(yīng)派車(chē)點(diǎn)子集，B表示第②運(yùn)營(yíng)狀態(tài)下的公交車(chē)輛對(duì)應(yīng)派車(chē)點(diǎn)子集，C表示第③運(yùn)營(yíng)狀態(tài)下的公交車(chē)輛對(duì)應(yīng)派車(chē)點(diǎn)子集，D表示第④運(yùn)營(yíng)狀態(tài)下的公交車(chē)輛對(duì)應(yīng)派車(chē)點(diǎn)子集，E表示第⑤運(yùn)營(yíng)狀態(tài)下的公交車(chē)輛對(duì)應(yīng)派車(chē)點(diǎn)子集；附圖6中表示正常營(yíng)運(yùn)車(chē)站，表示折返站，●表示營(yíng)運(yùn)中斷站，——表示正常營(yíng)運(yùn)區(qū)間，表示中斷營(yíng)運(yùn)區(qū)間，表示公交應(yīng)急派車(chē)點(diǎn)。具體實(shí)施方式下面結(jié)合具體實(shí)施例和附圖，進(jìn)一步闡述本發(fā)明。公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題示意如圖1所示，公交應(yīng)急聯(lián)動(dòng)疏運(yùn)是指在軌道交通運(yùn)營(yíng)中斷期間，從公交派車(chē)點(diǎn)(包括應(yīng)急配車(chē)點(diǎn)、公交停車(chē)場(chǎng)或首末站等)調(diào)度公交車(chē)輛，沿軌道線路上、下行運(yùn)行方向，在中斷車(chē)站與正常運(yùn)營(yíng)車(chē)站之間多次往返為受影響軌道乘客提供安全疏散和替代運(yùn)輸服務(wù)。公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題包含了從公交應(yīng)急派車(chē)點(diǎn)到中斷運(yùn)營(yíng)車(chē)站的應(yīng)急公交車(chē)輛資源調(diào)度方案和應(yīng)急公交車(chē)輛在中斷運(yùn)營(yíng)車(chē)站和正常運(yùn)營(yíng)車(chē)站之間的循環(huán)疏運(yùn)次數(shù)兩方面的決策優(yōu)化過(guò)程。公交應(yīng)急聯(lián)動(dòng)疏運(yùn)問(wèn)題優(yōu)化流程如圖2所示，具體步驟如下：步驟一：設(shè)定啟動(dòng)公交應(yīng)急聯(lián)動(dòng)疏運(yùn)的閾值條件，通常只有在軌道交通線網(wǎng)內(nèi)發(fā)生30min以上的運(yùn)營(yíng)中斷事件下，才會(huì)啟動(dòng)公交應(yīng)急聯(lián)動(dòng)疏運(yùn)；步驟二：確定軌道交通待疏運(yùn)車(chē)站范圍；步驟三：劃分公交應(yīng)急聯(lián)動(dòng)責(zé)任區(qū)，確定公交應(yīng)急派車(chē)點(diǎn)的可選擇空間區(qū)域范圍；步驟四：根據(jù)軌道交通應(yīng)急預(yù)案對(duì)公交車(chē)輛到達(dá)軌道車(chē)站的應(yīng)急響應(yīng)時(shí)間要求和既有公交線路的本線最低服務(wù)水平要求，確定責(zé)任區(qū)內(nèi)參與應(yīng)急聯(lián)動(dòng)疏運(yùn)的公交應(yīng)急派車(chē)點(diǎn)的集合以及各公交應(yīng)急派車(chē)點(diǎn)可抽調(diào)的最大公交車(chē)輛數(shù)；步驟五：設(shè)定各中斷軌道車(chē)站的待疏運(yùn)乘客需求，將動(dòng)態(tài)系統(tǒng)仿真和啟發(fā)式遺傳算法相結(jié)合設(shè)計(jì)基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法，以各中斷車(chē)站完成疏運(yùn)的總時(shí)間最短為優(yōu)化目標(biāo)，進(jìn)行公交應(yīng)急聯(lián)動(dòng)疏運(yùn)建模與求解，同時(shí)求解公交車(chē)輛資源調(diào)度方案和公交車(chē)輛的循環(huán)疏運(yùn)次數(shù)，獲得公交應(yīng)急聯(lián)動(dòng)最優(yōu)疏運(yùn)方法。在給定公交車(chē)輛資源調(diào)度方案下，某中斷車(chē)站的公交應(yīng)急聯(lián)動(dòng)疏運(yùn)過(guò)程可看作一個(gè)動(dòng)態(tài)系統(tǒng)。在t時(shí)刻，參與該站疏運(yùn)的公交車(chē)輛的派車(chē)點(diǎn)子集中的公交車(chē)輛j存在5種運(yùn)營(yíng)狀態(tài)：①?gòu)呐绍?chē)點(diǎn)駛往中斷站；②在中斷站?？?；③在折返站?？?；④返回中斷站；⑤往折返站行駛，見(jiàn)圖3。定義圖3中第①-④運(yùn)營(yíng)狀態(tài)下的公交車(chē)輛對(duì)應(yīng)派車(chē)點(diǎn)子集分別為A、B、C、D。因此，反映該動(dòng)態(tài)系統(tǒng)t時(shí)刻的狀態(tài)變量為：中斷車(chē)站t時(shí)刻的待疏運(yùn)乘客需求、公交車(chē)輛截止t時(shí)刻的已循環(huán)疏運(yùn)次數(shù)、t時(shí)刻A、B、C、D集合元素。設(shè)定動(dòng)態(tài)系統(tǒng)中的各狀態(tài)變量隨時(shí)間的演化規(guī)律，利用仿真推演求解公交車(chē)輛循環(huán)疏運(yùn)次數(shù)的優(yōu)化流程見(jiàn)圖4，具體步驟如下：S1：設(shè)置待疏運(yùn)中斷車(chē)站集和可參與疏運(yùn)的公交派車(chē)點(diǎn)集合，設(shè)定動(dòng)態(tài)系統(tǒng)中的各狀態(tài)變量隨時(shí)間的演化規(guī)律；S2：在中斷車(chē)站集中選擇某一個(gè)車(chē)站作為待優(yōu)化動(dòng)態(tài)系統(tǒng)i；S3：令動(dòng)態(tài)系統(tǒng)時(shí)間步長(zhǎng)t＝0，初始化動(dòng)態(tài)系統(tǒng)i的狀態(tài)變量：中斷車(chē)站的初始待疏運(yùn)乘客需求、公交車(chē)輛已循環(huán)疏運(yùn)次數(shù)設(shè)為0、子集A、B、C、D設(shè)為空集；S4：令動(dòng)態(tài)系統(tǒng)往前推進(jìn)單位時(shí)間步長(zhǎng)，即令t＝t+1，根據(jù)設(shè)定的演化規(guī)律開(kāi)展動(dòng)態(tài)系統(tǒng)仿真推演；S5：在時(shí)間步長(zhǎng)t結(jié)束時(shí)，更新中斷車(chē)站i的各狀態(tài)變量值：中斷車(chē)站t時(shí)刻的待疏運(yùn)乘客需求、截止t時(shí)刻的公交車(chē)輛已循環(huán)疏運(yùn)次數(shù)、t時(shí)刻子集A、B、C、D的元素值；S6：判定：若中斷車(chē)站i已完成全部乘客疏運(yùn)，則轉(zhuǎn)到S7；反之，轉(zhuǎn)到S4；S7：計(jì)算中斷車(chē)站i的完成全部乘客疏運(yùn)耗費(fèi)的總疏運(yùn)時(shí)間；S8：判定：若中斷車(chē)站集中的所有車(chē)站都完成了仿真推演，則轉(zhuǎn)到步驟九；反之，轉(zhuǎn)到S2；S9：計(jì)算所有中斷車(chē)站的最大總疏運(yùn)時(shí)間，即求得改進(jìn)遺傳算法中某染色體的適應(yīng)度函數(shù)值。本發(fā)明中將動(dòng)態(tài)系統(tǒng)仿真和啟發(fā)式遺傳算法相結(jié)合設(shè)計(jì)了一種混合優(yōu)化算法，即基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法，流程見(jiàn)圖5，具體步驟如下：T1：設(shè)定已知參數(shù)值，包括：各公交派車(chē)點(diǎn)可調(diào)用最大車(chē)輛數(shù)，各公交派車(chē)點(diǎn)至各中段站的行駛時(shí)間，各中段站至折返站的往返行駛時(shí)間，各中斷站上下行方向的待疏運(yùn)乘客數(shù)。T2：定義染色體編碼規(guī)則，隨機(jī)產(chǎn)生初始染色體；染色體編碼規(guī)則定義如下：A代表任一個(gè)隨機(jī)的公交車(chē)輛資源調(diào)度方案，Xj為各公交派車(chē)點(diǎn)調(diào)派車(chē)輛總數(shù)，Xij為各公交派車(chē)點(diǎn)往各中斷車(chē)站調(diào)派車(chē)輛數(shù)，公交應(yīng)急聯(lián)動(dòng)疏運(yùn)系統(tǒng)中有m個(gè)公交派車(chē)點(diǎn)、n個(gè)中斷車(chē)站，則A的表達(dá)式為A=(X1,...,Xj,...,Xm;x11,..,xi1,...,xn1;...;x1j,...,xij,...,xnj;...;x1m,...,xim,...,xnm)=(|α1D1|,..,|αjDj|,..,|αmDm|;|β1X1|,..,|α1D1|-Σi=1n-1|βiX1|;...;|βnX1|,...,|αmDm|-Σi=1n-1|βiXm|)]]>其中βi和αj均是[0，1]區(qū)間內(nèi)的隨機(jī)值，||表示取整。T3：利用動(dòng)態(tài)系統(tǒng)仿真推演該調(diào)車(chē)方案下參與疏運(yùn)的公交車(chē)輛的循環(huán)疏運(yùn)次數(shù)，并計(jì)算獲得染色體的適應(yīng)度函數(shù)值，具體步驟見(jiàn)圖4；T4：判定是否滿(mǎn)足算法收斂準(zhǔn)則：計(jì)算當(dāng)前染色體的適應(yīng)度函數(shù)值和上一次染色體的適應(yīng)度函數(shù)值的變化率，如果變化率不為0，則轉(zhuǎn)到T5；反之，算法收斂，該染色體對(duì)應(yīng)的調(diào)車(chē)方案和仿真推演獲得的公交循環(huán)疏運(yùn)次數(shù)即為公交應(yīng)急聯(lián)動(dòng)疏運(yùn)最優(yōu)方案。T5：執(zhí)行變異算子，產(chǎn)生新染色體，轉(zhuǎn)到T3。設(shè)當(dāng)前公交車(chē)輛資源調(diào)度方案A中的總疏運(yùn)時(shí)間最長(zhǎng)、最短的中斷車(chē)站分別為|L|、|S|，變異算子優(yōu)化策略為：當(dāng)公交派車(chē)點(diǎn)還有可調(diào)用車(chē)輛且從派車(chē)點(diǎn)往中斷站|L|的行駛時(shí)間小于中斷站|L|的總疏運(yùn)時(shí)間時(shí)，則從公交派車(chē)點(diǎn)往中斷站|L|增派1輛車(chē)，公交車(chē)輛資源調(diào)度方案A的車(chē)隊(duì)規(guī)模增加1輛；當(dāng)所有公交派車(chē)點(diǎn)都沒(méi)有可調(diào)用車(chē)輛且中斷站|S|至少派有2輛車(chē)時(shí)，從中斷站|S|往中斷站|L|調(diào)派1輛車(chē)，公交車(chē)輛資源調(diào)度方案A的車(chē)隊(duì)規(guī)模不變。本發(fā)明的具體實(shí)施例如圖6所示，為上海軌道交通9號(hào)線市郊段因佘山-洞涇區(qū)段發(fā)生供電故障導(dǎo)致九亭站、泗涇站、佘山站、洞涇站、松江大學(xué)城站共5個(gè)車(chē)站中斷運(yùn)營(yíng)1h，需從松江區(qū)抽調(diào)公交車(chē)輛對(duì)5個(gè)中斷站的受影響乘客實(shí)施公交應(yīng)急聯(lián)動(dòng)疏運(yùn)，疏運(yùn)目的地為中春路站和松江新城站。根據(jù)上海公交應(yīng)急聯(lián)動(dòng)責(zé)任區(qū)劃分，確定9號(hào)線沿線6個(gè)公交派車(chē)點(diǎn)共26條線路參與9號(hào)線應(yīng)急疏運(yùn)，各派車(chē)點(diǎn)可調(diào)用最大車(chē)輛數(shù)見(jiàn)表1；表1各派車(chē)點(diǎn)至各中斷站的可調(diào)用最大車(chē)輛數(shù)公交派車(chē)點(diǎn)公交線路可抽調(diào)最大車(chē)輛數(shù)(輛)D1S1、S10、S13、S2、S20、S3210D2S11、S12、S16、S276D3S14、S19、S24、S30、S319D4S3、S15、S17、S18、S287D5S21、S22、S254D6S23、S33、S3412各派車(chē)點(diǎn)至各中斷站的行駛時(shí)間見(jiàn)表2；表2各派車(chē)點(diǎn)至各中斷站的行駛時(shí)間(min)各中斷站至折返站的往返行駛時(shí)間見(jiàn)表3；表3各中斷站至折返站的往返行駛時(shí)間(min)*定義公交車(chē)輛從中斷站開(kāi)往折返站為去程，反之為回程。各中斷站上下行方向的待疏運(yùn)乘客數(shù)見(jiàn)表4，每輛公交車(chē)最大允許載客數(shù)為50人。表4各中斷站至折返站的待疏運(yùn)乘客數(shù)(人)*定義公交車(chē)輛從中斷站開(kāi)往中春路站為上行，開(kāi)往松江新城站為下行。利用Matlab對(duì)本文提出的基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法和標(biāo)準(zhǔn)遺傳算法進(jìn)行編程實(shí)現(xiàn)和對(duì)比分析。設(shè)總?cè)阂?guī)模為200，最大進(jìn)化代數(shù)為1000，變異率為0.6，標(biāo)準(zhǔn)遺傳算法的交叉率為0.4。各中斷站的最優(yōu)疏運(yùn)時(shí)間對(duì)比如表5所示，其中基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法的各站最大上行疏散時(shí)間為50min，最大下行疏散時(shí)間為50min，標(biāo)準(zhǔn)遺傳算法的各站最大上行疏散時(shí)間為55min，最大下行疏散時(shí)間為56min，可以看出基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法的各站最大疏散時(shí)間優(yōu)于標(biāo)準(zhǔn)遺傳算法的各站最大疏散時(shí)間。表5各中斷站的最優(yōu)疏運(yùn)時(shí)間對(duì)比基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法和標(biāo)準(zhǔn)遺傳算法的優(yōu)化結(jié)果對(duì)比分析如表6所示，改進(jìn)啟發(fā)式遺傳算法的調(diào)車(chē)數(shù)為38輛，求解時(shí)間為194.2秒，標(biāo)準(zhǔn)遺傳算法的調(diào)車(chē)數(shù)為42輛，求解時(shí)間為341.3秒，因此基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法明顯優(yōu)于標(biāo)準(zhǔn)遺傳算法。表6兩種算法的優(yōu)化結(jié)果對(duì)比分析總之，在求解公交應(yīng)急聯(lián)動(dòng)疏運(yùn)模型方面，本發(fā)明設(shè)計(jì)的基于動(dòng)態(tài)系統(tǒng)仿真的改進(jìn)啟發(fā)式遺傳算法在求解效率和優(yōu)化結(jié)果方面均優(yōu)于標(biāo)準(zhǔn)遺傳算法，不但能夠縮短各中斷站完成乘客疏運(yùn)所需的時(shí)間，還能夠節(jié)約實(shí)際調(diào)用的公交車(chē)輛總數(shù)，從而有效提高疏運(yùn)效率和降低疏運(yùn)成本。當(dāng)前第1頁(yè)1 2 3