车次数从468辆增加到了474辆,且此时有A13c(tn)=0,所需要的最小车辆数不能再减小了。 同理:若Mx{40cMAX,A3cMAX, cheMex}=A3cMAX时只需相应的减小A0发车表中的几 个间隔即可 根据这个调整方法,模型一调整后需车辆数49辆,工作日总车次为475。 分析车辆数费用和车次的费用: 汽油费用为p升/元,客车耗油量为q升/千米,工作人员一次出车得报酬及 客车损耗共c元,一次出车获得平均收入g元,;路线长度lm,客车平均寿命y年,客车 价格k元,客车全年运营。设每天多发n次车可以节省m辆车,则当 n×365×y×(1xp/q+c-g)<mxk时,可以考虑调整车次;否则就不用考虑。 模型二:在求解模型1中我们发现缩短等间隔发车时间段,所得结果会更为理想,(如 上行时500600发车间隔为61分钟缩短为5:00-5:30发车间隔为10分钟)。原因是很明显 的,正是如前所述的“越界”问题造成的。时间段越长,“越界”问题越明显。以5:00-600 为一时间段,必然要考虑6007:00的乘车状况,而6:00-7:00为乘车高峰期,发车间隔必须 较短,因此总体考虑5:00-6:00的发车间隔就不能太长。而以5:00-5:30为时间段则“越界” 影响较小 很自然的,我们想到,如果把时间段无限缩小,使各段间互不影响,就可以得到更优的 解 程序流程与模型1同,只是ddt取得更小。 实际上dMt反映了t到t+ddt间隔中单位时间内发出的车辆数,即发车的快慢,ddt越 小对发车情况的描述就越细致,理论上当ddt趋近于0时可以得到一条关于t的发车密度曲 线g(,能得出细致发车方案,即间隔M取方程∫g(=1的解。但实际中,d趋于0 程序是无法计算的,我们取dt=6分。 计算出的发车时刻表见附录1。模型二需要的车辆数为54,工作日总车次为466 模型三:分别以5:00-6:00,6:00-7:00…18个时间段中13个下行站的上车人数 s,(i=1…18,j=1…13)为分量做出18个向量S=(s1,S2…s13)。经计算,我们发现向量之 间的相关度P=S·S,(S5j=1-18)是很好的,最小值也为0994行站下车人数, 上行站上车人数与下行站下车人数也符合这个规律。这是可以理解的,由于各个地区居住的 总人数及设施布局基本保持稳定,各站上下车人数也应存在一定的比例关系。对于这个特点 我们做出了相应的模型 我们先求出14个车站上车人数的归一化比例向量(以下行为例){a,a1…a3}和下车第9页 共 24 页 车次数从 468 辆增加到了 474 辆 且此时有 13 ( ) m A c t =0 所需要的最小车辆数不能再减小了 同理 若 Max{A0cMAX , A13cMAX ,cheMAX}= A13cMAX 时只需相应的减小 A0 发车表中的几 个间隔即可 根据这个调整方法 模型一调整后需车辆数 49 辆 工作日总车次为 475 分析车辆数费用和车次的费用: 汽油费用为 p 升/元 客车耗油量为 q 升/千米 工作人员一次出车得报酬及 客车损耗共 c 元 一次出车获得平均收入 g 元 路线长度 lkm,客车平均寿命 y 年 客车 价 格 k 元 客车全年运营 设每天多发 n 次车可以节省 m 辆 车 则 当 n ´ 365´ y´ (1´ p / q + c - g) < m ´ k 时 可以考虑调整车次 否则就不用考虑 模型二 在求解模型 1 中我们发现缩短等间隔发车时间段 所得结果会更为理想 如 上行时 5:00-6:00 发车间隔为 6.1 分钟,缩短为 5:00-5:30 发车间隔为 10 分钟 原因是很明显 的 正是如前所述的 越界 问题造成的 时间段越长 越界 问题越明显 以 5:00-6:00 为一时间段 必然要考虑 6:00-7:00 的乘车状况 而 6:00-7:00 为乘车高峰期 发车间隔必须 较短 因此总体考虑 5:00-6:00 的发车间隔就不能太长 而以 5:00-5:30 为时间段则 越界 影响较小 很自然的 我们想到 如果把时间段无限缩小 使各段间互不影响 就可以得到更优的 解 程序流程与模型 1 同,只是 ddt 取得更小 实际上 ddt/ Dt 反映了t到t +ddt 间隔中单位时间内发出的车辆数 即发车的快慢 ddt 越 小对发车情况的描述就越细致 理论上当 ddt 趋近于 0 时可以得到一条关于 t的发车密度曲 线 g(t) 能得出细致发车方案 即间隔 Dt 取方程 ò +D = t t t g(t)dt 1的解 但实际中 ddt 趋于 0 程序是无法计算的 我们取 ddt=6 分 计算出的发车时刻表见附录 1 模型二需要的车辆数为 54 工作日总车次为 466 模型三 分别以 5:00-6:00 6:00-7:00 … … 1 8 个时间段中 13 个下行站的上车人数 i j s , (i = 1L18, j = 1L13) 为分量做出 18 个向量 ( , ) i i,1 i ,2 i,13 S = s s Ls 经计算 我们发现向量之 间的相关度 = · /( ) (i, j = 1L18) r Si S j Si S j 是很好的 最小值也为 0.9944 上行站下车人数 上行站上车人数与下行站下车人数也符合这个规律 这是可以理解的 由于各个地区居住的 总人数及设施布局基本保持稳定 各站上下车人数也应存在一定的比例关系 对于这个特点 我们做出了相应的模型 我们先求出 14 个车站上车人数的归一化比例向量 以下行为例 { , , } a1 a1 La13 和下车