自动与人工驾驶混合电动公交系统车辆调度与人员排班协同优化

作     者：余亚鹏 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：谢东繁

授予年度：2023年

学科分类：08[工学] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

主      题：混合公交系统 多充电模式 车辆调度 人员排班 K-适应性优化 

摘      要：电动公交以其绿色、安静、舒适等特征日益引起广泛关注并逐渐取代燃油公交,成为我国城市公交系统发展的重要趋势;与此同时,基于传感、通讯、物联网、人工智能等新技术发展起来的自动驾驶公交车辆及其智能运营模式推动了城市公交系统的变革。在可预见的未来,大量公交线路将会由自动驾驶公交与人工驾驶公交构成的电动公交混合车队承担运行任务。基于此,本文面向电动化公交车线路,分别针对人工驾驶公交系统、人工与自动驾驶车辆构成的混合公交系统,研究其车辆调度、人员排班、充电计划协同优化问题。首先,面向人工驾驶电动公交线路,综合考虑快充、慢充、换电三种充电模式,构建车辆调度、人员排班、充电计划协同优化模型。模型以最小化驾驶员薪资成本、车辆购置与运营成本、充电设施与充电电量成本为目标;并对电动公交系统的运营过程进行了全面分析,设置续驶里程、驾驶员工作强度等约束条件。针对提出的模型,设计了基于列生成的生成与选择两阶段求解算法。以北京的一条公交线路为例进行分析,结果表明本文提出的模型与算法能够有效减少公交公司的运营成本,提高车辆和驾驶员的利用率;进一步案例测试发现,公交线路长度对充电模式的选择有重要影响,运营里程长的线路倾向于慢充模式,而运营里程短的线路则倾向于快充模式;通过算法对比以及对北京市大规模路网进行排班,证明了算法的高效性。其次,面向未来自动驾驶环境下混合公交运营线路,考虑自动驾驶公交人车不绑定、人工驾驶公交人车绑定,构建车辆调度、人员排班、充电计划协同优化模型。模型目标为最小化驾驶员与安全员薪资成本、车辆购置与运营成本、充电设施与充电电量成本;并深入分析混合公交车队的运营限制,考虑续驶里程、驾驶员与安全员工作强度等约束条件。基于模型的特点,本文采用了基于惩罚Benders的生成与选择求解算法。结果表明引入自动驾驶公交,可有效地降低公交系统总成本,缩小车队规模与人员规模;通过灵敏度分析发现,自动驾驶公交安全员日薪、自动驾驶公交单位里程运营成本对车辆调度和人员排班影响较大;通过算法对比,证明了算法的有效性。最后,考虑交通状况、乘客需求、驾驶行为等造成的行程时间与电量消耗不确定性,针对自动驾驶与人工驾驶混合电动公交系统,构建了考虑行程时间不确定的车辆调度、人员排班与充电计划K-适应性优化模型。模型以最小化最坏情况下成本的鲁棒优化模型为基础,最小化所有不确定情形在K个候选方案下的成本和。模型以行程时间预算不确定集为基准,生成K个候选方案,在行程时间可预知时,从候选方案中选出可行且最优方案。本文设计“分支-生成-选择-决策的四阶段求解算法进行模型的求解。案例分析通过对确定性模型与K-适应性模型进行比较,表明K-适应性模型可以更好应对不确定性;通过对不确定性相关参数进行灵敏度分析,发现K值为3时系统总成本与算法求解时间达到了帕累托最优状态,不确定度为1时系统总成本与方案可行性达到帕累托最优状态。