多交路运营是中国城市轨道交通网络化运营组织的重要组成部分,研究乘客在多交路运营条件下的出行选择行为,对把握乘客出行规律、满足多样化出行需求具有重要意义.基于随机后悔最小化模型,引入乘客对路径属性感知的异质性,构建融合效用...多交路运营是中国城市轨道交通网络化运营组织的重要组成部分,研究乘客在多交路运营条件下的出行选择行为,对把握乘客出行规律、满足多样化出行需求具有重要意义.基于随机后悔最小化模型,引入乘客对路径属性感知的异质性,构建融合效用与后悔机制的多尺度混合模型,克服了传统模型未考虑路径熟悉度导致的乘客出行行为与实际出行行为之间的决策偏差.通过整合容忍阈值与决策惯性,提出一种多交路出行选择建模方法,基于典型案例的陈述偏好(stated preference,SP)调查数据,完成模型参数估计与性能验证.研究结果表明,乘客对出行时间属性的容忍阈值为6.98 min;相较于基准模型,考虑决策惯性的模型在似然值、贝叶斯信息准则(Bayesian information criterion,BIC)及命中率指标上均表现更优,表明其具备更强的数据拟合能力;支付意愿分析进一步揭示乘客愿意为服务提升承担额外时间成本,从而验证了所提模型的有效性与实用性.展开更多
针对时变速度下的低碳配送需求,本文以配送总成本最小化为目标,构建考虑三维装载和时间窗约束的绿色车辆路径优化模型。模型考虑时变速度和实时载重对车辆燃油消耗量的影响。为准确计算行驶时间和油耗,采用二分K-means聚类算法对时段进...针对时变速度下的低碳配送需求,本文以配送总成本最小化为目标,构建考虑三维装载和时间窗约束的绿色车辆路径优化模型。模型考虑时变速度和实时载重对车辆燃油消耗量的影响。为准确计算行驶时间和油耗,采用二分K-means聚类算法对时段进行合理划分。设计两阶段算法求解模型:第一阶段采用自适应大规模邻域搜索(adaptive large neighborhood search,ALNS)算法以确定车辆配送路径;第二阶段采用遗传算法(genetic algorithm,GA)对货物进行三维装载顺序的可行性校验。算例结果表明,基于二分K-means聚类算法的时段划分方法能更精确地计算总成本,从而验证了本文所构建的模型和所设计的算法具有可行性和有效性。展开更多
文摘多交路运营是中国城市轨道交通网络化运营组织的重要组成部分,研究乘客在多交路运营条件下的出行选择行为,对把握乘客出行规律、满足多样化出行需求具有重要意义.基于随机后悔最小化模型,引入乘客对路径属性感知的异质性,构建融合效用与后悔机制的多尺度混合模型,克服了传统模型未考虑路径熟悉度导致的乘客出行行为与实际出行行为之间的决策偏差.通过整合容忍阈值与决策惯性,提出一种多交路出行选择建模方法,基于典型案例的陈述偏好(stated preference,SP)调查数据,完成模型参数估计与性能验证.研究结果表明,乘客对出行时间属性的容忍阈值为6.98 min;相较于基准模型,考虑决策惯性的模型在似然值、贝叶斯信息准则(Bayesian information criterion,BIC)及命中率指标上均表现更优,表明其具备更强的数据拟合能力;支付意愿分析进一步揭示乘客愿意为服务提升承担额外时间成本,从而验证了所提模型的有效性与实用性.
文摘针对时变速度下的低碳配送需求,本文以配送总成本最小化为目标,构建考虑三维装载和时间窗约束的绿色车辆路径优化模型。模型考虑时变速度和实时载重对车辆燃油消耗量的影响。为准确计算行驶时间和油耗,采用二分K-means聚类算法对时段进行合理划分。设计两阶段算法求解模型:第一阶段采用自适应大规模邻域搜索(adaptive large neighborhood search,ALNS)算法以确定车辆配送路径;第二阶段采用遗传算法(genetic algorithm,GA)对货物进行三维装载顺序的可行性校验。算例结果表明,基于二分K-means聚类算法的时段划分方法能更精确地计算总成本,从而验证了本文所构建的模型和所设计的算法具有可行性和有效性。
