考虑旅客到达准时性的城市值机移动站点动态分布模型

现有城市值机移动服务站点设施分布模型在优化中未考虑旅客到达服务站点的时间不确定性,其优化结果通常与实际情况存在差异,导致无法对提前或延误到达的旅客进行服务。为解决时间不确定性对优化求解造成的不利影响,研究基于旅客准时性概率函数的动态设施分布模型。针对城市值机移动服务站点布局优化问题,构建完整的数学模型,并提出动态设施分布的优化评价指标。采用正态分布型旅客准时性概率函数,用以预估旅客实际到站时间与申报到站时间的差异。基于不同服务时段客源点的位置分布,采用涟漪扩散算法和遗传算法优化服务站点位置并计算所有旅客与站点间的最优路径。基于天津市路网和旅客分布的真实数据,对旅客准时到站和考虑旅客到站时间不确定2种场景进行仿真对比实验。结果表明:旅客到站时间概率模型优化结果优于旅客准时到站模型,动态设施分布评价指标提升4.31%。其中,旅客到达站点的平均路径长度减少0.35%,旅客可接受距离总超出量减少6.26%,站点服务容量总超出量减少4.13%。旅客到站时间概率模型能够充分考虑到站时间不确定性,并基于旅客实际到站时间更好地优化设施布局。基于旅客准时性概率函数的城市值机移动服务站点动态分布模型具有可移植性,可应用于物流服务的动态选址等问题。

市区行李值机服务移动站点优化方法

为提高航空运输的服务质量和竞争力,克服传统城市候机楼在服务范围有限、成本高和选址难度高等弊端,提出1种基于市区移动站点(UMS)的航空旅客行李值机服务模式。UMS基于乘客的实时位置分布差异来动态调配移动站点在城市的位置,因此需要解决UMS站点布局优化问题。综合考虑乘客到服务站点的平均路径长度和乘客最大可接受距离等2个重要指标,基于服务站点位置、不同时段的客源分布和站点的最大服务容量等限制因素对2个重要指标进行约束,建立基于路网的UMS布局优化的数学模型。为满足UMS服务模式对优化运算时效性的严格要求,提出1种混合智能优化算法,采用涟漪扩散算法(RSA)求解乘客与UMS站点多对多路径优化问题,采用自适应遗传算法(AGA)高效优化UMS位置分布。以天津城市路网的实际案例与随机生成测试案例对市区移动站点和城市候机楼2种模式的各服务时段的服务质量进行比较。结果显示:在相同站点数量的情况下,乘客到服务站点的平均路径长度比城市候机楼模式减小30.9%,超出乘客的可接受路径长度比城市候机楼模式减少43.7%;UMS位置分布优化使用混合算法(RSA-AGA),其平均计算时间为377 s,比城市候机楼模式所需的平均计算时间减少了41.2%;UMS服务模式在不同站点数量和随机生成测试案例中,各项优化目标均优于城市候机楼模式,更符合乘客的实时需求,验证了UMS运营模式的优越性。