一、对于公交汽车调度问题的求解(论文文献综述)
魏翱龙[1](2021)在《电动汽车广泛接入的配电网分层优化调度策略研究》文中研究表明随着经济的高速发展,人类对不可再生能源的消耗越来越多,加剧了资源紧缺的严峻形势;与此同时,化石燃料的大量消耗使生态环境进一步恶化。电动汽车因其高效、清洁等优势,未来将会被大规模推广应用,然而,电动汽车广泛接入配电网进行无序充电会导致配电网线路过载、电压降低、负荷“峰上加峰”等问题,给电力系统安全稳定运行带来新的挑战。因此,对电动汽车充电负荷进行有序调控,减少充电负荷对配电网造成的负面影响具有现实意义和实用价值。基于电动汽车广泛接入的背景,本文主要对电动汽车充电负荷建模与仿真计算和有序充放电调度策略展开相关研究。首先,介绍了生活中不同类别的电动汽车出行规律及充电特点,分析了三种充电模式、三种电池类别的优劣及适用场所,研究了充电负荷的影响因素,为电动汽车负荷计算和充放电调度策略的制定提供基础。其次,建立电动汽车充电负荷计算模型,采用蒙特卡洛模拟法对一定规模的电动汽车无序充电负荷进行计算,仿真模拟出不同类型电动汽车的负荷曲线。以负荷峰值大小和形成时间,定量分析无序充电负荷对配电网的影响。最后,建立了考虑满意度的电动汽车双层充放电调度模型。其中,上层模型以配电网负荷方差最小为目标,且考虑调度中心与代理商的互动因素;下层模型以两阶段调度策略为基础,在代理商跟随配电网调度计划的前提下,以用户用电费用最低为目标,提高用户满意度。采用粒子群算法对模型进行求解,通过仿真分析验证了模型的合理性及有效性。
何大伟[2](2021)在《交通能源系统车辆优化调度模型及策略研究》文中进行了进一步梳理近年来,电动汽车替代传统燃油汽车已经成为国家发展的重要战略和方向,随着交通系统中各种类型电动汽车比例显着增高及我国高速铁路的迅速发展,交通系统与电力系统一体化趋势逐渐加快,基于信息化技术的交通能源系统初见规模。由于交通能源系统中电动汽车是可供能量双向流通的载体之一,积极引导不同类型电动汽车充放电行为,灵活利用不同特性电动汽车的调度灵活性,可有效解决在风光消纳、电网及负荷随机变化等方面灵活性不足的问题,同时可有效提升用户参与度,降低用能代价,促进交通能源系统的发展,实现交通能源系统能源需求与不同类型车辆供需功率间的匹配与平衡。主要包括以下内容:通过分析交通能源系统特点,完善了交通能源系统体系架构,以此为基础,针对各种类型电动汽车行为特性的差异进行了分析,建立了考虑行为特性差异的交通能源系统车辆优化调度模型,针对模型中提出的融合交通指数的动态路网模型进行求解分析,然后构建了考虑行为特性差异的系统车辆调度框架,为后续不同类型车辆的差异化调度提供支撑。为实现包括风光消纳、降低峰谷差在内的系统能源需求,以电动私家车和电动出租车作为调度对象,针对两者行为特性的差异,分别利用出行链和空载率对两者的行为特性进行描述,提出考虑行为特性差异的电动汽车充电调度策略,并就单一电动出租车跨区域调度及与电动私家车差异化调度对优化结果的影响进行了分析,电动私家车和电动出租车差异化调度能够更好的达成系统需求。针对电动公交车可控、可计划、拥有固定线路的行为特性,利用电动公交车出行发车时刻表对其行为特性进行描述,为降低电动公交车快充导致的负荷波动,同时减少充电成本,提出考虑分时电价的电动公交车参与V2G调度,以此为基础,当系统发生紧急功率缺额时,提出考虑重要负荷连续供电的电动公交车V2G应急供电策略。最后通过算例验证了所提策略的有效性。
王贵龙[3](2021)在《面向园区的综合能源系统多目标优化调度研究》文中研究说明根据2020年国家统计局、能源局等单位和机构发布的统计数据,在当前的中国能源发展背景下,国内的能源消费结构目前还是以煤炭、天然气、石油等传统的化石能源为主。然而从节约能源,减少氮氧化物(NOx)、二氧化硫(SO2)以及以二氧化碳(CO2)为代表的温室气体等污染物排放,建设环境友好型社会等角度出发,需要大力发展以水力发电、潮汐发电、光伏发电、生物质发电、风力发电等为代表的对自然环境无污染的绿色清洁可再生能源。综合能源系统(IES)是传统单一能源利用系统的一个全新的发展方向,是能源互联网和2019年国家电网公司提出的泛在电力物联网的具体实现形式之一,这为促进能源向着绿色集约、清洁环保、高效分布式、精细和可持续利用的方向发展提供了新思路。综合能源系统的出现是对单一能源利用系统的突破,能够将天然气、煤电以及以风电、光伏等可再生能源通过电网、气网和热力网络互联,其内部整合了冷、热、电、气等多种能量形式,能够实现多种形式能源集中调度、互补、梯级利用,是能源发展的一个重要方向。这种全新的能源利用方式不仅能够有效降低综合能源系统购电费用、设备运行维护费用及购气费用等综合运行费用,而且在增强系统运行的稳定性、提高能源利用率、减少能源损耗、减少碳排放等综合效益方面也具有十分重要的意义。园区级综合能源系统(IES)是综合能源系统的主要形式之一,有必要对园区级综合能源系统的供能框架,各能量设备构成、总体调度运行等方面进行研究。本文以我国的能源消费结构及能源发展趋势为课题研究背景,以园区级IES为研究对象。结合国内外相关的研究成果,对考虑不确定性而设置机会约束条件的园区级综合能源系统单目标优化调度运行和考虑经济、能效、环境三个指标的多目标优化调度这两方面进行了研究,主要研究内容如下:(1)在查阅大量国内外相关文献资料的基础上,首先对IES的研究背景与意义进行了深入的研究分析。并对综合能源系统机会约束规划、多目标优化调度等方面的国内外研究现状分别进行了分析总结。文章着重分析了园区级综合能源系统的特点,并针对区域级IES和园区级IES的国内外研究现状分别进行了梳理。(2)构建了园区级综合能源系统的供能结构并进行了冷、热、电、气多能流分析。基于该供能结构,本文以冷、热、电联供系统为核心建立了各能量生产、转换及储存设备的数学模型。将电动汽车、电动公交车换电站作为电储能装置,同时构建了蓄热装置的数学模型。基于蒙特卡洛模拟法和电动汽车、电动公交车换电站的出勤/充电行为概率分布模型进行了初始充电负荷计算,为后续研究园区综合能源系统的机会约束规划和经济、能效、环保性多目标优化调度做准备。(3)以园区IES为研究对象,考虑园区中可能存在的诸多不确定性因素,将燃气轮机热电备用出力、后备电力市场购电设置为机会约束。构建了一个计及机会约束规划包含冷热电联产系统、蓄热装置、电动公交车换电站的商业园区综合能源系统优化调度模型,根据换电站参与需求响应情况和是否考虑机会约束条件设置了算例,研究在考虑不确定性因素时的商业园区经济运行问题,为园区运营商确定运行方案提供了理论参考。(4)综合考虑园区综合能源系统运行时的经济性、能效和环保性要求,构建了一个计及综合需求响应的园区冷热电联供综合能源系统多目标优化模型。将电动公交车换电站、电动汽车、中央空调作为综合需求响应实施主体。基于热力学第二定律建立了(火用)效率模型,并将(火用)效率作为能效优化指标。其中经济优化模型的目标函数为日最小运行成本,能效优化模型的目标函数为最大(火用)效率,环保性优化模型的目标函数为污染物排放治理费用。该模型为典型的0-1混合整数线性规划模型,基于层次分析法和线性加权法构建了综合满意度指标。研究了不同综合需求响应实施场景对优化结果的影响,可以为园区运营商在多目标优化与决策方面提供一定参考。
聂少康[4](2021)在《纯电动公交车辆调度和人员排班方法研究和实现》文中研究指明我国作为一个人口大国,居民出行问题一直是社会发展的一项重要任务,大力发展公共交通有利于缓解城市运输压力,减少能源消耗。电动车辆由于具有噪音小、零排放等特点,近年来被公交企业广泛采用。公交车辆调度对于节约运营成本和保证服务质量具有重要意义。由于电动公交车辆调度具有续驶里程、充电时间等约束,因而比传统燃油车辆调度更为复杂。而人员排班需要在车辆调度的基础上安排驾驶员执行对应的行程,同时每位驾驶员每天的驾驶班次还需要满足国家与公交公司的规则约束。本文的主要工作包括:(1)提出一种基于文化基因算法的电动公交车辆调度方法。首先,设计了初始个体生成算法用来构造初始群体,在保证初始个体质量的同时保持群体多样性。然后,设计了一种针对公交车辆调度问题的交叉操作用于全局搜索。进而,改进了3种邻域搜索算子,并将其与已有的邻域搜索算子结合用于局部搜索。设计了一种基于车辆块的评价函数,用于引导邻域搜索算子进行搜索。为了兼顾搜索效率和解的质量,构造一种结合三种不同插入操作的方法用于邻域搜索。将该方法用于青岛市的实际三条公交线路,实验结果表明:与人工调度方案相比,该方法可减少1-7辆车,提高平均6.2%-14.4%的车辆利用率。该方法具有很高的计算效率,运行时间小于15秒。(2)针对人员排班问题提出了一种基于变邻域搜索的方法。首先针对人员排班问题中不同的车辆类型设计了新的初始解生成方法,之后设计和实现了 6种邻域搜索算子分别用于方法的随机邻域搜索操作和震荡操作部分,在公交公司实际公交线路数据上进行实验,证明本文提出的方法可以在2秒内生成和人工排班质量相同的解。(3)针对车辆和人员集成调度问题,本文将上述提到的车辆调度方法和人员排班方法结合,设计了基于文化基因算法的车辆和人员集成调度方法。将车辆调度方法的初始解算法和人员排班方法的初始解算法结合生成了同时包括车辆调度方案和人员排班方案的初始解生成算法。在公交公司实际公交线路数据上进行实验,与两阶段序列法进行对比,证明了本文提出的算法可以在不影响车辆调度方案质量的基础上,进一步优化人员排班方案。
吴啊峰[5](2021)在《基于列生成启发式的电动公交车调度与司机排班问题研究》文中进行了进一步梳理本文是在电动公交车快速发展的背景下,考虑电动公交车里程约束与司机的连续工作时间和总工作时间约束,对电动公交车调度问题和司机排班问题进行研究。本文分别从顺序调度和整合调度两个角度对电动公交车调度问题和司机排班问题进行研究。首先,本文分别为顺序调度模式下的电动公交车调度问题和司机排班问题构建集合覆盖模型。顺序调度模式首先生成车辆运用计划,保证所有车次都被车辆行车路径覆盖,然后根据车辆运用计划生成司机排班计划,保证所有车次和车辆运用计划产生的空驶都被司机排班计划覆盖。整合调度模式同时生成电动公交车车辆运用计划和司机排班计划。本文将电动公交车集合覆盖模型和司机排班集合覆盖模型结合为整合调度模式构建集合覆盖模型,保证所有车次都被车辆运用计划和司机排班覆盖的同时保证车辆运用计划中的空驶都被司机排班覆盖。本文使用动态规划算法结合时空网络生成可行的车辆行车路径和司机排班。本文使用列生成算法结合深浅算法设计了列生成启发式算法,分别从顺序调度和整合调度两个角度对电动公交车调度问题和司机排班问题进行求解。列生成算法得到线性送出最优解之后,使用深浅算法得到整数解。本文选取合肥市三条公交线路基本信息随机生成车次信息,分别从顺序调度和整合调度两个角度对列生成启发式算法的有效性进行检验,并将顺序调度和整合调度的结果进行对比。最后,对电动公交车里程、充电时间、电动公交车固定成本和司机固定成本进行灵敏度分析,分析不同参数变化对公交运营系统的影响。
沈吟东,陈晨[6](2021)在《电动公交车辆调度问题研究综述》文中研究表明政府大力推动电动公交发展以促进城市节能减排,同时也为公交运营带来了挑战。车辆调度是公共交通运营计划中的一个关键问题,优化电动公交车辆调度方案不仅有助于降低公交企业运营成本,而且可以改善服务水平,让广大出行群众受益。文章首先对电动公交车辆调度问题及其数学模型进行了阐述,然后总结归纳了现有的车辆调度研究及电动公交车辆调度研究的成果,最后展望了电动公交车辆调度未来的研究方向。
刘伟莉[7](2020)在《问题特征驱动的差分进化算法设计及其在智能交通系统的应用》文中认为差分进化算法是一类具有较强全局优化能力的智能优化算法,目前已成为解决工程实践中众多优化问题的重要工具,但现有差分进化算法的改进通常针对通用领域并在标准测试集上开展研究,较难直接用于求解实际的复杂优化问题。与此同时,智能交通系统是现代社会的重要组成部分,伴随着它的发展涌现出大量NP难的复杂优化问题,特别是在大规模和复杂环境下,智能交通系统涉及的复杂优化问题具有混合变量、多优化目标和分层优化等特性。然而,现有的差分进化算法在求解实际的复杂交通优化问题时,存在因未能充分利用问题的场景信息或启发信息,而制约了算法的性能和效率的局限性,具体体现在如下三个方面:(1)在混合变量优化中只区别决策变量的类型,忽略了分析决策变量的关系,制约了求解结果质量的提高;(2)在多目标优化中主要研究如何使帕累托前沿尽可能逼近最优解且分布宽广均匀,较少关注如何依用户偏好在帕累托前沿中返回更具有代表性的权衡解,影响了分时系统进行多次优化后运行结果的质量以及决策者的选择灵活性;(3)在分层优化中所采取的嵌套进化策略,通常需要消耗大量的计算资源,限制了算法在大规模场景的应用。本文针对智能交通系统中电动汽车充电调度优化和交通信号控制优化两类复杂优化问题,将问题相关信息与差分进化算法的搜索能力相融合,设计出改进的差分进化算法,提高了差分进化算法求解上述复杂优化问题的性能。本文的主要创新点和贡献描述如下:(1)针对混合变量存在耦合性的特征,提出分层混合变量差分进化算法,求解电动汽车协同充电调度问题。电动汽车协同充电调度问题是基于交通路网中若干已知的充电站,为电动汽车车队的每个成员合理安排充电计划以完成各自行程,并使车队整体性能最优的复杂优化问题。在该问题模型中,决策变量不仅包括常规的充电站选择,还包括在每个充电站的充电模式和充电量。由于充电站点和充电模式属于离散变量,而充电量属于连续变量,因此该问题是混合变量优化问题。针对上述问题模型,本文提出了一个分层混合变量差分进化算法,根据充电模式对充电站的依赖性定义了两者的主从关系,并专门设计了三个问题相关的新算子,包括充电站路径构建、分层混合变量变异算子和约束感知评价算子。充电站路径构建算子根据电动汽车的荷电状态,自起点开始逐步选择一个可行的充电站点直至到达终点,完成了解决方案构建中最关键的部分;分层混合变量变异算子通过综合主从离散变异算子和经典连续变异算子,在种群进化时较好地保存了较优解的信息,提高了算法的求解性能;约束感知评价算子,通过处理每辆车的局部充电调度和协调在同个充电站的全局充电调度,确保了个体解满足问题的各项约束条件。在实验中基于实际路网与多种现有算法进行比较,验证了所提出算法的有效性。(2)针对分时系统需多次为多优化目标选权衡解的特征,提出偏好多目标差分进化算法,求解多目标电动汽车充电调度问题。由于调度需要考虑时间成本、充电费用和最终荷电状态等多个具有冲突的优化目标,因此电动汽车充电调度问题也是一个复杂的多目标优化问题。电动汽车充电调度系统需要分时重复地进行多目标优化,每次优化后需要用户从帕累托前沿中选择一个权衡解作为优化结果,来推动系统继续运行。为保证系统运行的连续性,可令用户预先设定默认偏好,允许系统在每次多目标优化后自动选择一个符合用户偏好的权衡解。相应地,本文提出了一个偏好多目标差分进化算法,通过维护四个协同进化的异构子种群来优化每代的非支配解集,并从中识别出拐点解和边界解再对其实行优先保留机制,使每次多目标优化后的帕累托前沿包含更高质量且更具代表性的权衡解。实验结果表明所提出算法在系统运行结果的质量和决策者的选择灵活性方面优于现有的其他方法。(3)针对交通信号控制模型的双层优化特征,提出离线嵌套差分进化算法,求解大规模交通信号控制问题。交通信号控制问题是基于交通路网的交通流量需求,为所有交叉路口合理设置信号控制参数,使路网达到用户均衡状态时的整体性能最优的复杂优化问题。该问题通常被建模成一个双层优化问题,上层是信号配时优化,下层是交通分配过程。为求解该问题,本文提出了一个离线嵌套差分进化算法,并在此基础上构建了一个双层的交通信号控制系统。该系统的上层采用自适应差分进化算法对所有交叉路口的信号控制参数进行全局优化,并在其评价算子中嵌入一个用户均衡的随机交通分配过程。该交通分配通常包括动态路径选择和迭代流量转移两个步骤来处理交通需求的每个起终点(OD对),当路网规模增大时将使嵌套差分进化算法的计算负担急剧增加。考虑到交通基础设施的稳定性和随机交通分配模型的概率容错性,本文进一步提出将动态路径选择步骤从嵌套进化过程中分离出来,并设计小生境蚁群优化算法预先为每个OD对生成多条较优的候选路径。通过离线完成路径选择任务,所提出系统可以避免为下层的交通分配过程重复地构建候选路径,从而大大节省了嵌套进化算法的计算成本,提高了其应用在大规模交通路网时的求解能力。在实验中通过在合成交通路网和实际交通路网上与现有方法进行比较,结果验证了所提出算法在求解质量和运行时间方面的有效性。综上所述,本文针对智能交通系统中具有混合变量、多优化目标、分层优化特征的复杂优化问题,分别设计了分层混合变量差分进化算法、偏好多目标差分进化算法、离线嵌套差分进化算法,提高了差分进化算法求解这三类复杂优化问题的性能和效率,促进了差分进化算法的发展与应用。
谈光玉[8](2020)在《在大站快车基础上开行区间车的公交组合调度研究》文中研究表明我国社会经济发展迅速,居民的生活水平有了极大的提高,同时也带来了私家车数量的急剧增长,造成城市交通拥堵问题日益严重。发展公共交通成为解决这一难题的关键所在,公交汽车作为城市公共交通的重要组成部分,是我国城市特别是中小城市居民的主要出行方式。目前,我国城市大多采用传统的全程车调度方式,有些城市对部分线路采取大站快车、区间车与全程车相结合的组合调度方式,这种组合调度方式对站点或区段客流有显着差异的线路较为适用,但仍有改进的空间。本文结合大站快车与区间车组合调度的特点,提出在大站快车基础上开行区间车的组合调度(后称区间快车)模型,并结合实际情况,考虑了乘客的选择行为。首先,本文介绍了传统组合调度的形式、线路客流调查理论和OD反推理论。其次,本文在经典OD客流反推模型的基础上,结合站点土地利用性质和乘客出行特征,对经典OD客流模型进行了优化,并通过算例进行了案例分析,结果表明,相对于传统OD客流反推模型,采用优化后的OD客流模型计算所得的客流矩阵拟合度更高。然后根据乘客出行站点类型,构建了考虑乘客选择行为的OD客流分配模型,即BL模型和MNL模型,对采取OD反推所得到的OD数据重新分配,使得OD客流更加符合实际情况。再次,本文构建了在大站快车基础上开行区间车的组合调度模型,以全程车和区间快车的发车频率作为决策变量,以发车间隔、最大客流断面满载率和发车班次作为约束条件,以系统总成本最小化为目标函数,并通过遗传算法对模型进行求解。模型同时考虑了全程车、大站快车以及区间车三种调度方式,相比于传统的组合调度方式,系统总成本得到进一步降低。最后,本文以北京市651路公交为例,在跟车调查获取站点上下车数据的基础上,对客流数据进行扩样分析,利用OD反推模型得到OD矩阵,并代入模型进行求解。然后对客流需求与线路配车数目做了灵敏度分析,结果表明本文构建的区间快车组合调度模型的系统总成本优于传统调度方式,模型可以有效的降低公交系统总成本。
孟子悦[9](2020)在《基于时变速度的实时公交调度研究》文中认为随着我国城市化进程加快、社会经济飞速发展,城市内的交通拥堵已成为一个非常严峻的社会问题,这大大阻碍了城市交通的健康发展。相比小汽车,运量大、道路资源占用相对较少、路权高的城市公共交通已成为缓解交通拥堵、促进城市土地集约利用的主要控制手段,传统的公交调度方式已经难以满足人们对公交服务水平的要求,制定更加科学合理的公交调度系统成为当前公交运营领域的重要问题。目前我国关于公交调度的研究大多是针对时刻表的缺陷进行发车频率的优化,在优化过程中一般认为车速为固定车速或没有对车速的探讨。本文在研究过程中充分考虑了站点候车乘客数量对车速的影响,将公交运行的时变速度纳入了公交调度优化模型中,通过现代信息技术手段,实现了对乘客实时等待情况以及公交实时运行情况的精准识别,并给出了科学合理的计算方法,制定了考虑时变速度的实时公交调度方案,对于我国目前的实时公交调度研究具有重要的现实意义。首先,深入了解国内外学者对公交调度方法的研究,对公交调度的概念类型、形式原则、依据及影响因素进行了论述,对公交调度现状以及其存在的问题进行了系统的分析,为后续章节奠定了基础。其次,结合实时公交调度特点,对实时公交调度的相关因素以及实时公交调度策略进行了分析,论述了乘客基础信息的采集方法,动态信息的发布内容、传输方式以及发布方式等实时公交调度的相关信息技术,完成了本文实时公交调度系统的设计。然后,分别基于用户最优和系统最优两种情况,在考虑乘客等待时间成本、乘客乘车时间成本、车辆运行时间成本以及车辆运行时变速度进行了实时公交调度模型的构建,并选用遗传算法对所构建的模型进行求解。最后,根据公交实际运行情况进行具体的算例设计,对所建立的模型进行验证。应用遗传算法分别计算得到当采用本文设计的考虑时变速度的智能公交调度系统时和相同情况下采用固定速度时车辆运行的各项指标,结果表明本文设计的实时公交调度系统可以有效的降低系统总成本,进一步证明了模型的有效性。本文提出的基于时变速度的实时公交调度方法更加充分地考虑了乘客实际需求,在使公交系统更加准确地了解乘客实时候车情况的同时,使乘客更加准确地了解公交车辆运行的实际情况,更好地满足了乘客与公交公司的共同利益,并与现代公交的智能化发展方向吻合,为实时公交调度系统建设提供了一定的理论依据,体现出本文的研究价值。
金方磊[10](2020)在《共享电动汽车使用选择行为建模及潜在转移需求估计》文中提出为应对交通拥堵、环境污染与能源消耗等问题,共享电动汽车作为新型的可持续交通出行方式开始在我国各大城市出现。然而,我国共享电动汽车尚处于发展起步阶段,缺乏相关的理论研究与实践经验,主要体现在对用户使用行为及使用偏好不了解、出行需求特征不明晰、对交通系统影响不明确、缺乏精细化运营管理等问题。因此,本文的研究目的是:为更好发展共享电动汽车系统,针对共享电动汽车使用选择行为开展研究,面向城市交通系统,分别从中长期决策和短期决策两个角度,探究使用者对共享电动汽车的使用意愿以及方式选择行为机理,进而对共享电动汽车的潜在转移需求进行估计,分析其对城市交通系统的影响,从而为共享电动汽车系统的合理规划与精细化运营奠定基础。具体开展的研究工作及成果如下:(1)共享电动汽车使用行为调查为了提供共享电动汽车使用行为建模与分析的数据支撑,通过设计出行者意向调查(Stated preference survey,SP调查),收集被调查者个人及家庭属性、小汽车保有现状、出行模式、共享电动汽车态度,以及基于场景的共享电动汽车方式选择偏好等数据。通过分析共享电动汽车的使用偏好发现,共享电动汽车的主要潜在出行目的为休闲娱乐出行,潜在出行距离主要集中在10-20公里范围内。通过个人属性因素与共享电动汽车选择的关联性分析发现,受教育程度在本科以下、没有私人小汽车、非北京本地居民以及没有使用过共享电动汽车的被调查者倾向于使用共享电动汽车。(2)考虑态度的共享电动汽车使用意愿建模为从中长期决策的角度探究出行者对共享电动汽车的选择偏好,需重点分析出行者的使用意愿。为了深入探究出行选择行为机理以及丰富模型的解释能力,在建模中除了考虑传统的影响因素(个人属性、服务水平变量、场景变量等)外,重点探究态度因素对共享电动汽车使用意愿的影响。在态度调查数据统计分析的基础上,利用31项指标基于探索性因子分析与验证性因子分析对态度潜变量进行抽取与测量,并确定各潜在变量的因子结构。为体现态度潜在变量与感知效用的内生性关系,解决以往外生性潜变量所带来的模型偏差,将结构方程模型与离散选择模型进行结合,构建混合选择模型,通过两部分模型的一体化参数标定,分析个人及家庭属性、小汽车保有现状、出行模式等与态度因素的关系,挖掘态度因素对选择行为的影响,并重点讨论当前北京现行交通需求管理政策对共享电动汽车使用意愿的影响。结果表明:环保意识、可靠性、社会效益和对交通系统满意度对共享电动汽车的使用意愿产生显着影响,小汽车限行政策能够促进共享电动汽车的使用意愿。(3)共享电动汽车出行方式选择行为研究为从短期决策的角度探究出行者对共享电动汽车的选择偏好,分析共享电动汽车与其他出行方式间的竞争关系,需深入分析共享电动汽车在单次出行中的方式选择行为。为充分体现站点取还车走行距离、电动汽车有限的续航里程等特征因素对选择行为的影响,在方式选择模型的框架下考虑共享车辆的选择问题,构建共享电动汽车方式与车辆的联合选择模型。为缓解由Independence from Irrelevant Alternatives(IIA)特性所带来的偏差,基于Nested-Logit(NL)模型联合选择模型,考虑服务水平变量,出行者属性变量、出行场景变量等,分析不同影响因素对出行者交通方式选择的影响以及共享电动汽车在城市交通系统中与其他既有交通方式的竞争关系。为克服利用面板数据样本进行参数标定时所带来的偏差,在模型中针对各方式引入服从正态分布的误差项对模型进行修正。为进一步分析出行者对共享电动汽车的偏好,探究出行者对取车距离、续航里程等关键影响因素的感知,提出“舒适取车距离”、“取车距离阈值”、“富余里程阈值”概念,并通过构建非线性效用函数以及考虑感知阈值等措施,以更准确地捕捉出行者对关键因素的偏好。结果表明,出租车在长距离出行场景中会与共享电动汽车产生较大的竞争。针对方式选择偏好,取车距离是出行者最为敏感的影响因素。随出行距离的增加,出行者取车距离阈值与富余里程阈值随之增大。(4)共享电动汽车潜在转移需求研究为掌握共享电动汽车的潜在转移需求特征以及对城市交通系统的影响,利用共享电动汽车方式与车辆联合选择NL模型结果,基于交通方式感知效用判别,结合北京市实际出行数据,估计共享电动汽车的潜在转移需求,从方式转移来源、出行时间、出行起讫点、出行目的角度分析潜在转移需求特征,并探究不同价格、站点布局密度对潜在转移需求的影响。进而,利用出行者价格偏好驱动的站点车辆需求转移规律,设计基于需求诱导的用户调度动态优惠策略,从而降低人工调度任务量,为共享电动汽车的定价策略提供参考。结果表明,当共享电动汽车具有较好的站点覆盖和车辆分布条件下(平均取还车距离为0.5公里时),共享电动汽车的方式分担率约为4%,具体地,这些潜在转移需求有99.44%来自于公共交通,总计转移7.66%的原公共交通出行需求,因此共享电动汽车的大规模站点布局与车辆投放会在一定程度上加重道路交通的拥堵。图26幅,表19个,参考文献127篇。
二、对于公交汽车调度问题的求解(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对于公交汽车调度问题的求解(论文提纲范文)
(1)电动汽车广泛接入的配电网分层优化调度策略研究(论文提纲范文)
摘要 |
abstract |
1.绪论 |
1.1 研究背景及意义 |
1.1.1 能源问题与新能源汽车行业的发展 |
1.1.2 电动汽车充电负荷对配电网的影响 |
1.2 国内外研究现状 |
1.2.1 电动汽车负荷建模研究现状 |
1.2.2 电动汽车充放电调度研究现状 |
1.2.3 分层优化调度策略研究现状 |
1.3 本文主要工作 |
2.电动汽车充电负荷的影响因素 |
2.1 电动汽车类型 |
2.2 充电模式 |
2.3 电池分类及特性 |
2.4 用户行驶特性分析 |
2.4.1 起始充电时刻 |
2.4.2 日行驶里程 |
2.4.3 用户次日出行时刻 |
2.5 本章小结 |
3.基于蒙特卡洛的电动汽车负荷计算方法 |
3.1 电动汽车充电负荷计算模型 |
3.2 蒙特卡洛法模拟法简介 |
3.3 蒙特卡洛计算无序充电负荷模型 |
3.4 不同类型电动汽车充电负荷计算及仿真分析 |
3.4.1 私家车充电负荷特性 |
3.4.2 公交车充电负荷特性 |
3.4.3 出租车充电负荷特性 |
3.4.4 公务车充电负荷特性 |
3.5 电动私家车接入区域配电网负荷特性分析 |
3.6 本章小结 |
4.考虑用户满意度的电动汽车双层充放电调度策略 |
4.1 引言 |
4.2 电动汽车双层优化调度策略 |
4.3 双层调度模型 |
4.3.1 上层调度模型 |
4.3.2 下层调度模型 |
4.4 模型求解 |
4.4.1 求解算法 |
4.4.2 集群划分规则 |
4.4.3 模型求解流程 |
4.5 算例分析 |
4.5.1 参设设置 |
4.5.2 仿真结果与分析 |
4.6 本章小结 |
5.总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
附录:硕士研究生学习阶段发表学术论文和获得奖励 |
致谢 |
(2)交通能源系统车辆优化调度模型及策略研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 电动汽车行为特性分析研究现状 |
1.2.2 电动汽车有序充电研究现状 |
1.2.3 电动汽车参与V2G互动研究现状 |
1.3 本文主要工作及章节安排 |
2 考虑行为特性差异的交通能源系统车辆优化调度模型 |
2.1 交通能源系统 |
2.1.1 交通能源系统体系架构 |
2.1.2 交通能源系统能源需求 |
2.2 交通能源系统车辆优化调度模型 |
2.2.1 交通能源系统车辆行为特性差异化分析 |
2.2.2 车辆优化调度模型 |
2.2.3 路网模型求解分析 |
2.3 考虑行为特性差异的交通能源系统车辆调度框架 |
2.4 本章小结 |
3 考虑行为特性差异的电动汽车充电调度策略 |
3.1 考虑差异化的电动汽车行为特性模拟 |
3.1.1 基于出行链的电动私家车行为特性模拟 |
3.1.2 基于空载率的电动出租车行为特性模拟 |
3.2 基于双目标优化的电动汽车充电调度 |
3.2.1 电动汽车差异化调度策略 |
3.2.2 目标函数与约束条件 |
3.3 电动汽车差异化调度算例分析 |
3.3.1 算例设置 |
3.3.2 行为特性模拟结果分析 |
3.3.3 跨区域调度对优化结果的影响 |
3.3.4 考虑行为特性差异对优化结果的影响 |
3.4 本章小结 |
4 考虑应急供电的电动公交车V2G调度 |
4.1 基于发车时刻表的电动公交车行为特性模拟 |
4.2 考虑分时电价的电动公交车参与V2G的调度策略 |
4.3 考虑重要负荷连续供电的电动公交车V2G应急供电策略 |
4.3.1 电动公交车V2G应急供电容量分析 |
4.3.2 电动公交车V2G应急供电方案设计 |
4.3.3 目标函数及约束条件 |
4.4 算例分析 |
4.4.1 算例设置 |
4.4.2 考虑分时电价的V2G调度仿真结果分析 |
4.4.3 V2G应急供电仿真结果分析 |
4.4.4 V2G应急供电总消耗费用对比分析 |
4.4.5 不同时段最大供电容量分析 |
4.5 本章小结 |
5 结论 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(3)面向园区的综合能源系统多目标优化调度研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 综合能源系统机会约束规划研究 |
1.2.2 综合能源系统多目标优化研究 |
1.3 本文的主要研究内容和章节安排 |
第二章 园区级综合能源系统稳态建模 |
2.1 基于冷热电联供的园区综合能源系统供能结构 |
2.2 能量转换设备建模 |
2.2.1 CCHP系统 |
2.2.2 太阳能设备 |
2.2.3 燃气锅炉 |
2.2.4 中央空调系统 |
2.3 能量存储设备建模 |
2.3.1 蓄热设备 |
2.3.2 电动公交车换电站 |
2.3.3 电动汽车 |
2.4 初始充电负荷模拟 |
2.4.1 出勤行为模拟 |
2.4.2 初始充电负荷计算 |
2.5 本章小结 |
第三章 计及机会约束规划的园区综合能源系统优化运行 |
3.1 园区综合能源系统供能结构 |
3.2 园区综合能源系统优化调度模型 |
3.2.1 目标函数 |
3.2.2 常规约束条件 |
3.2.3 机会约束条件 |
3.2.4 系统约束条件 |
3.3 园区综合能源系统优化模型求解方法 |
3.3.1 模型的线性化转换 |
3.3.2 模型解算方法 |
3.4 算例仿真与分析 |
3.4.1 算例场景与参数 |
3.4.2 优化结果及分析 |
3.4.3 置信水平对优化结果的影响 |
3.5 本章小结 |
第四章 计及综合需求响应的园区综合能源系统多目标优化 |
4.1 园区综合能源系统供能结构 |
4.2 园区综合能源系统经济优化模型 |
4.2.1 目标函数 |
4.3 园区综合能源系统能效优化模型 |
4.3.1 能源利用率 |
4.3.2 目标函数 |
4.4 综合能源系统环保性指标模型 |
4.4.1 环保性评估指标 |
4.4.2 目标函数 |
4.5 约束条件 |
4.6 综合能源系统经济-能效-环保多目标协同优化 |
4.6.1 求解方法简介 |
4.6.2 优化目标的模糊化 |
4.6.3 模型线性化转换 |
4.6.4 满意度指标 |
4.7 算例仿真与分析 |
4.7.1 算例组成及参数 |
4.7.2 综合需求响应对优化结果的影响分析 |
4.8 本章小结 |
第五章 结论与展望 |
5.1 本文总结 |
5.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(4)纯电动公交车辆调度和人员排班方法研究和实现(论文提纲范文)
摘要 |
英文摘要 |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 传统公交车辆调度 |
1.2.2 电动公交车辆调度 |
1.2.3 公交驾驶员排班 |
1.2.4 车辆和人员集成调度 |
1.3 研究内容及创新点 |
1.3.1 研究内容 |
1.3.2 创新点 |
1.4 论文组织结构 |
第二章 相关调度算法 |
2.1 列生成算法 |
2.2 蚁群算法 |
2.3 粒子群算法 |
2.4 模拟退火算法 |
2.5 遗传算法 |
2.6 本章小结 |
第三章 电动公交车辆调度方法研究和实现 |
3.1 电动公交车辆调度问题 |
3.2 基于文化基因算法的车辆调度方法 |
3.2.1 评价函数 |
3.2.2 生成初始种群 |
3.2.3 交叉操作 |
3.2.4 修复操作 |
3.2.5 邻域搜索 |
3.2.6 充电操作 |
3.3 实验验证 |
3.3.1 问题实例 |
3.3.2 算法参数 |
3.3.3 实验结果 |
3.4 本章小结 |
第四章 人员排班方法研究和实现 |
4.1 公交驾驶员排班问题 |
4.2 基于变邻域搜索算法的人员排班方法 |
4.2.1 评价函数 |
4.2.2 生成初始解 |
4.2.3 邻域搜索算子 |
4.2.4 随机邻域搜索操作 |
4.2.5 震荡操作 |
4.3 实验验证 |
4.3.1 问题实例 |
4.3.2 算法参数 |
4.3.3 实验结果 |
4.4 本章小结 |
第五章 车辆和人员集成调度方法研究和实现 |
5.1 车辆和人员集成调度问题 |
5.2 基于文化基因算法的车辆和人员集成调度方法 |
5.2.1 评价函数 |
5.2.2 生成初始解 |
5.3 实验验证 |
5.3.1 问题实例 |
5.3.2 算法参数 |
5.3.3 实验结果 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 后续研究展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(5)基于列生成启发式的电动公交车调度与司机排班问题研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 公交车调度问题 |
1.2.2 司机排班问题的研究 |
1.2.3 公交车与司机整合调度问题 |
1.2.4 研究现状分析与总结 |
1.3 研究思路与技术路线 |
1.3.1 研究思路 |
1.3.2 技术路线 |
第二章 基于列生成启发式的电动公交车调度问题 |
2.1 电动公交车调度问题描述 |
2.1.1 参数定义 |
2.2 时空网络和数学模型的构建 |
2.2.1 时空网络的构建 |
2.2.2 电动公交车调度问题数学模型 |
2.3 列生成启发式算法求解电动公交车调度问题 |
2.3.1 电动公交车调度问题的限制线性主问题模型 |
2.3.2 定价子问题及其求解算法 |
2.3.3 列生成算法求解电动公交车调度问题流程 |
2.3.4 列生成启发式算法求解电动公交车调度问题 |
2.4 数值算例测试 |
2.4.1 参数设置 |
2.4.2 结果分析 |
2.5 本章小结 |
第三章 基于列生成启发式的司机排班问题 |
3.1 司机排班问题描述 |
3.1.1 参数定义 |
3.2 基于时空网络的司机排班问题数学模型 |
3.2.1 司机排班问题数学模型 |
3.3 列生成启发式算法求解司机排班调度问题 |
3.3.1 司机排班问题的限制线性主问题模型 |
3.3.2 定价子问题及其求解算法 |
3.3.3 列生成算法求解司机排班问题流程 |
3.3.4 列生成启发式算法求解司机排班问题 |
3.4 数值算例测试 |
3.4.1 参数设置 |
3.4.2 结果分析 |
3.5 本章小结 |
第四章 基于列生成启发式的电动公交车与司机整合调度方法 |
4.1 电动公交车与整合调度问题描述 |
4.2 基于时空网络的整合调度数学模型 |
4.2.1 整合调度问题的数学模型 |
4.3 列生成启发式算法求解整合调度问题 |
4.3.1 整合调度问题的限制线性主问题模型 |
4.3.2 定价子问题及其求解算法 |
4.3.3 列生成算法求解整合调度问题流程 |
4.3.4 列生成启发式算法求解整合调度问题 |
4.4 数值算例测试 |
4.4.1 参数设置 |
4.4.2 结果分析 |
4.5 本章小结 |
第五章 实例分析 |
5.1 算例设置 |
5.2 算法求解效果对比分析 |
5.3 灵敏度分析 |
5.3.1 电动公交车运行里程的影响 |
5.3.2 电动公交车充电时间的影响 |
5.3.3 电动公交车和司机固定成本的影响 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录1 时刻表车次数据 |
攻读硕士学位期间的学术活动及成果情况 |
(6)电动公交车辆调度问题研究综述(论文提纲范文)
0 引言 |
1 电动公交车辆调度问题概述 |
1.1 问题分析 |
1.2 问题建模 |
1.3 数学模型 |
2 车辆调度研究综述 |
2.1 车辆调度研究 |
2.2 电动车辆调度研究 |
3 总结与展望 |
(7)问题特征驱动的差分进化算法设计及其在智能交通系统的应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究意义 |
1.2 智能交通系统中的典型优化问题 |
1.2.1 电动汽车充电调度问题 |
1.2.2 交通信号控制问题 |
1.3 智能优化算法求解复杂交通优化问题的局限性 |
1.3.1 智能优化算法求解混合变量交通优化问题的局限性 |
1.3.2 智能优化算法求解多目标交通优化问题的局限性 |
1.3.3 智能优化算法求解分层交通优化问题的局限性 |
1.4 论文主要研究工作与创新点 |
1.5 论文主要章节安排 |
第二章 相关研究 |
2.1 经典差分进化算法及其在智能交通系统的应用 |
2.2 混合变量差分进化算法及其在智能交通系统的应用研究 |
2.3 多目标差分进化算法及其在智能交通系统的应用研究 |
2.4 嵌套差分进化算法及其在智能交通系统的应用研究 |
2.5 本章小结 |
第三章 分层混合变量差分进化算法求解电动汽车协同充电调度问题的研究 |
3.1 引言 |
3.2 电动汽车协同充电调度问题建模 |
3.2.1 基本术语 |
3.2.2 问题表达 |
3.2.3 整体模型 |
3.3 电动汽车协同充电调度系统框架 |
3.3.1 通信框架 |
3.3.2 工作流程 |
3.4 分层混合变量差分进化算法 |
3.4.1 MVDE算法流程 |
3.4.2 充电站路径构建 |
3.4.3 分层混合变量变异 |
3.4.4 约束感知评估 |
3.4.5 算法复杂度分析 |
3.5 实验结果与对比分析 |
3.5.1 测试数据 |
3.5.2 实验设置 |
3.5.3 结果对比 |
3.5.4 影响分析 |
3.5.5 与解析优化技术的比较 |
3.6 本章小结 |
第四章 偏好多目标差分进化算法求解电动汽车多目标充电调度问题的研究 |
4.1 引言 |
4.2 电动汽车多目标充电调度问题建模 |
4.2.1 电动汽车 |
4.2.2 充电调度 |
4.2.3 多个目标 |
4.3 电动汽车多目标充电调度系统框架 |
4.4 偏好多目标差分进化算法 |
4.4.1 异构子种群的协同进化 |
4.4.2 个体解的更新 |
4.4.3 拐点解和边界解的优先保留机制 |
4.4.4 算法复杂度分析 |
4.5 实验结果与对比分析 |
4.5.1 实验环境 |
4.5.2 实验设置 |
4.5.3 实验结果 |
4.6 本章小结 |
第五章 离线嵌套差分进化算法求解大规模交通信号控制问题的研究 |
5.1 引言 |
5.2 交通信号控制问题建模 |
5.2.1 交叉路口模式 |
5.2.2 信号配时 |
5.2.3 交通分配 |
5.2.4 车辆路由 |
5.3 交通信号控制系统框架 |
5.4 离线嵌套差分进化算法 |
5.4.1 求解信号配时优化的ADE算法 |
5.4.2 完成流量迭代转移的Frank-Wolf算法 |
5.4.3 完成车辆多路由优化的NACO算法 |
5.4.4 算法复杂度分析 |
5.5 实验结果与对比分析 |
5.5.1 交通路网 |
5.5.2 实验设置 |
5.5.3 结果对比 |
5.6 本章小结 |
总结与展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
附件 |
(8)在大站快车基础上开行区间车的公交组合调度研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 时刻表设计与发车频率优化研究现状 |
1.3.2 区间车组合调度研究现状 |
1.3.3 大站快车组合调度研究现状 |
1.4 研究内容及框架 |
1.4.1 研究内容 |
1.4.2 研究框架 |
1.5 本文创新点 |
第2章 公交组合调度理论概述 |
2.1 常规公交调度形式概述 |
2.2 公交组合调度影响因素分析 |
2.3 公交线路客流数据调查 |
2.3.1 调查内容 |
2.3.2 调查种类 |
2.3.3 调查方法 |
2.3.4 数据分析 |
2.4 组合调度模式判定 |
2.5 区间快车组合调度 |
2.6 本章小结 |
第3章 OD客流反推与分类 |
3.1 OD客流反推理论概述 |
3.2 基于土地性质和乘客出行特征的OD客流反推模型 |
3.2.1 经典OD客流反推模型 |
3.2.2 土地利用性质吸引系数 |
3.2.3 乘客出行特征 |
3.2.4 构建模型 |
3.2.5 算例分析 |
3.3 OD客流分类与推算 |
3.3.1 OD客流分类 |
3.3.2 考虑乘客选择行为的全程车和区间快车客流推算 |
3.4 本章小结 |
第4章 在大站快车基础上开行区间车的组合调度模型 |
4.1 模型建立 |
4.1.1 模型目标及假设 |
4.1.2 符号表示 |
4.1.3 乘客出行时间成本 |
4.1.4 公交企业运营成本 |
4.1.5 区间快车组合调度模型 |
4.2 模型求解 |
4.2.1 遗传算法基础理论 |
4.2.2 遗传算法的基本操作 |
4.2.3 模型算法设计 |
4.3 本章小结 |
第5章 案例分析 |
5.1 客流调查与数据分析 |
5.1.1 651路公交线路概述 |
5.1.2 客流调查与统计 |
5.1.3 651路OD客流估算 |
5.2 组合调度形式确定 |
5.2.1 大站快车站点判定 |
5.2.2 区间车区段判定 |
5.3 组合调度方案生成 |
5.3.1 模型参数输入 |
5.3.2 模型求解及分析 |
5.4 灵敏度分析 |
5.4.1 公交配车数灵敏度分析 |
5.4.2 客流需求灵敏度分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 论文工作总结 |
6.2 研究工作展望 |
参考文献 |
附录A 651路公交跟车调查表 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
(9)基于时变速度的实时公交调度研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状综述 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 国内外研究评述 |
1.4 研究内容及创新点 |
1.4.1 研究内容 |
1.4.2 研究的创新点 |
1.5 研究的技术路线 |
本章小结 |
第二章 公交调度基础理论 |
2.1 公交调度概念 |
2.2 公交调度类型 |
2.3 公交调度形式 |
2.4 公交调度原则及依据 |
2.5 公交调度影响因素 |
2.6 公交调度现状及其主要问题 |
本章小结 |
第三章 实时公交调度及其相关技术 |
3.1 实时公交调度 |
3.1.1 实时公交调度特点 |
3.1.2 实时公交调度优势 |
3.1.3 实时公交调度相关因素分析 |
3.1.4 实时公交调度策略 |
3.2 实时公交调度相关技术 |
3.2.1 乘客基础数据采集方法 |
3.2.2 动态信息发布内容 |
3.2.3 动态信息传输方式——5G |
3.2.4 动态信息发布方式 |
3.3 基于时变速度的实时公交调度系统 |
本章小结 |
第四章 调度模型研究 |
4.1 问题描述及基本假设 |
4.1.1 问题描述 |
4.1.2 基本假设 |
4.1.3 主要参数 |
4.2 模型建立 |
4.2.1 乘客等待时间WT建模 |
4.2.2 乘客乘车时间RT建模 |
4.2.3 车辆运行成本OT建模 |
4.2.4 时变速度VS_(i,j)~k建模 |
4.2.5 约束条件 |
4.2.6 模型汇总 |
4.3 求解算法选取 |
4.3.1 模型分析 |
4.3.2 算法选取 |
4.3.3 算法设计 |
本章小结 |
第五章 算例分析 |
5.1 算例设计 |
5.1.1 公交线网设计 |
5.1.2 公交站点客流设计 |
5.2 算例求解 |
5.3 结果分析 |
本章小结 |
第六章 结论与展望 |
6.1 研究结论 |
6.2 研究展望 |
参考文献 |
攻读硕士学位期间发表的学术论文 |
致谢 |
(10)共享电动汽车使用选择行为建模及潜在转移需求估计(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究目标与内容 |
1.2.1 研究范围界定及相关术语解释 |
1.2.2 研究目标 |
1.2.3 研究内容 |
1.3 研究方法与技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
2 国内外文献综述 |
2.1 概述 |
2.1.1 商业模式 |
2.1.2 出行需求 |
2.1.3 运营管理 |
2.1.4 车辆技术 |
2.2 共享电动汽车相关选择行为综述 |
2.2.1 影响因素 |
2.2.2 研究方法 |
2.3 共享电动汽车对交通的影响综述 |
2.4 共享电动汽车调度方法研究综述 |
2.5 研究现状总结 |
3 建模数据收集与分析 |
3.1 概述 |
3.2 SP调查问卷设计 |
3.2.1 个人信息调查 |
3.2.2 态度调查 |
3.2.3 使用意愿调查 |
3.2.4 方式选择调查 |
3.3 调查数据收集与统计分析 |
3.3.1 调查实施与数据回收 |
3.3.2 个人信息统计分析 |
3.3.3 共享汽车使用偏好分析 |
3.4 本章小结 |
4 考虑态度的共享电动汽车使用意愿建模分析 |
4.1 概述 |
4.2 态度潜变量构建 |
4.2.1 态度调查统计分析 |
4.2.2 探索性因子分析 |
4.2.3 验证性因子分析 |
4.3 基于混合选择模型(HCM)的共享电动汽车使用意愿建模 |
4.3.1 HCM模型理论 |
4.3.2 模型结构与变量 |
4.3.3 模型结果分析 |
4.4 共享电动汽车发展政策建议 |
4.5 本章小结 |
5 共享电动汽车出行方式选择行为建模分析 |
5.1 概述 |
5.2 共享电动汽车出行方式与车辆的联合选择模型 |
5.2.1 模型构建与变量定义 |
5.2.2 模型检验 |
5.2.3 模型结果分析 |
5.2.4 选择偏好分析 |
5.3 考虑非线性效用的共享电动汽车选择偏好研究 |
5.3.1 考虑感知阈值的共享电动汽车选择偏好分析 |
5.3.2 考虑非线性效用的共享电动汽车选择偏好分析 |
5.4 本章小结 |
6 共享电动汽车潜在转移需求估计 |
6.1 概述 |
6.2 共享电动汽车潜在转移需求估计 |
6.2.1 估计方法 |
6.2.2 数据准备 |
6.3 共享电动汽车潜在转移需求特征分析及影响 |
6.3.1 对交通方式分担率的影响 |
6.3.2 时空分布特征 |
6.3.3 定价策略敏感性分析 |
6.4 基于需求诱导的用户调度动态优惠策略设计 |
6.5 本章小结 |
7 结论 |
7.1 研究结论 |
7.2 创新点 |
7.3 研究展望 |
参考文献 |
附录 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
四、对于公交汽车调度问题的求解(论文参考文献)
- [1]电动汽车广泛接入的配电网分层优化调度策略研究[D]. 魏翱龙. 中原工学院, 2021(09)
- [2]交通能源系统车辆优化调度模型及策略研究[D]. 何大伟. 北京交通大学, 2021
- [3]面向园区的综合能源系统多目标优化调度研究[D]. 王贵龙. 太原理工大学, 2021(01)
- [4]纯电动公交车辆调度和人员排班方法研究和实现[D]. 聂少康. 北京邮电大学, 2021(01)
- [5]基于列生成启发式的电动公交车调度与司机排班问题研究[D]. 吴啊峰. 合肥工业大学, 2021
- [6]电动公交车辆调度问题研究综述[J]. 沈吟东,陈晨. 物流科技, 2021(04)
- [7]问题特征驱动的差分进化算法设计及其在智能交通系统的应用[D]. 刘伟莉. 华南理工大学, 2020(05)
- [8]在大站快车基础上开行区间车的公交组合调度研究[D]. 谈光玉. 北京交通大学, 2020(03)
- [9]基于时变速度的实时公交调度研究[D]. 孟子悦. 大连交通大学, 2020(06)
- [10]共享电动汽车使用选择行为建模及潜在转移需求估计[D]. 金方磊. 北京交通大学, 2020