基于蚁群算法城市公共自行车调度研究.docVIP

基于蚁群算法城市公共自行车调度研究 　　摘要：由于城市公共自行车存在供需时空分布的不均衡性，因而进行公共自行车的调度是十分必要的。通过分析现阶段我国城市公共自行车调度方式特性，为充分满足租赁者的需求，提出了一种带模糊时间窗的城市公共自行车调度路径优化模型。以租赁点满意度最大化为目标函数，同时将基本蚁群算法进行改进后应用于求解最优调度路径模型。最后，以宁波市公共自行车区域调度为例，运用Matlab进行仿真实验，证明了该模型及求解算法的有效性和可行性。 　　关键词：公共自行车调度；蚁群算法；模糊时间窗 　　DOI：10.16315/j.stm.2015.06.006 　　中图分类号：U491.1+7 　　文献标志码：A 　　公共自行车系统可有效缓解公共交通末端“最后一公里”出行难题，从而成为城市公共交通的重要辅助形式。然而各城市在逐步推进公共自行车系统建设的同时，也伴随着不少问题，其中共性又极具代表性的是公共自行车的“租还车难”问题。由此引发的公共自行车调度是以满足租赁者的租还需求为目的，为了提高公共自行车周转率的特殊的物流活动。现阶段我国各城市的公共自行车调度工作主要以人工调度为主，信息化水平不高，调度人员多以历史或实时公共自行车租借数据凭主观经验通过巡逻的方式安排车辆调度路径，尚未形成科学系统的调度模式，时效性不高，不乏出现公共自行车车辆到位时租赁者转而选择其他交通方式的现象。 　　对于城市公共自行车调度，现有的研究主要分为静态跟动态调度两方面。在静态调度方面：刘登涛等以运输成本最小化为目标建立了公共自行车系统的调度模型，并运用模拟退火算法求解该模型，得到了公共自行车系统的静态调度计划。Benchimol[4]和Chemla假设城市公共自行车系统中各租赁点自行车库存量已给定，即在调度需求己知的情况下，以运输费用最小化为目标，进行公共自行车的调度。Gune等研究了公共自行车系统的静态再平衡分配问题，以实现最低调度成本为目标确定调度序列站，由一辆调度车辆将公共自行车收集起来并交付到各个站点。但由于现实中公共自行车的流动性，公共自行车调度问题应隶属动态调控，采用静态模式研究无法更精准的预估结果，研究也具有一定的滞后性。因此衍生出了一系列公共自行车动态调度研究：董红召等针对公共慢行系统中存在的公共自行车在时间和空间上分布不均衡的问题，研究了公共慢行系统调度过程中租赁点需求的动态特性及其模糊时间窗的约束，以最大化租赁点的满意度为目标建立了公共慢行系统调度的模型，动态的获取调度计划，进而实现公共慢行系统的动态调度。Leonardo C提出了一种动态自行车再分配仿真模型，模型的目的在于尽量减少自行车运营商的调度成本，同时兼顾用户满意度。吴满金等对公共自行车调度过程中自助服务点调度的优先级、动态需求特性、服务时间窗等进行了研究，建立了统筹用户满意度与企业调度成本的公共自行车系统动态调度多目标优化模型，并设计了一种禁忌遗传混合算法对动态调度模型进行了求解。张建国等建立了基于滚动时域的公共自行车调度路径优化模型，但该模型没有考虑到装卸自行车的服务时间等对整个调度时间的影响，结果并不完全可靠。 　　鉴于城市公共自行车调度的时效性，在既有研究的基础上，本文通过构建带模糊时间窗的调度模型，提出了一种区域单调度中心多调度车辆的调度模式，并将基本蚁群算法进行改进后运用于求解该模型，最后通过真实数据进行案例分析，从而验证模型及算法的合理性和科学性。 　　1 问题分析 　　城市公共自行车系统通常都具备相应的调度中心，其功能为实时掌握各个公共自行车租赁点的车辆运营状况，一旦租赁点的公共自行车在桩数量未在有效安全阀值以内，一般为租赁点20%-80%的公共自行车在桩率，就该对该租赁点的车辆进行调度，从而避免出现空桩或满桩现象。当然，更完善的调度系统同时具备了预调度功能，即根据历史经验数据对重点观察的租赁点在公共自行车数量未报警时就提前展开调度工作。 　　根据实际城市公共自行车调度状况，本文所要解决的是带模糊时间窗的公共自行车调度问题：即在某一特定时段，若干个公共自行车租赁点同时产生调度需求时，在现有调度资源有限的情况下，引入时间惩罚的概念，以各个公共自行车租赁点的满意度最大化为目标，调度车在既定的时间窗内将过剩的公共自行车收集起来，合理有效得分配到各个车辆不足的公共自行车租赁点。2模型描述 　　以公共自行车租赁点满意度最大化为目标函数所建立的调度模型与调度车辆抵达租赁点的调度时间密切相关。在实际公共自行车系统的调度过程中，特别在早晚高峰期间，调度中心都会根据各个租赁点的历史租还车辆数据，在租赁点公共自行车数量未报警时就提前安排调度工作。一旦租赁点的公共自行车数量未在安全阀值以内，各个租赁点更倾向于在一开始即最佳的时间窗内就能接受调度，只有这