八、 模型评价
7.1 优点
? 模型简单直观，如在站点选择中用平面坐标系描述乘客的住址和站点。
在最优路径选择中，确定目标函数:降低运营成本，并将其细分为减少线路数和减少行驶总时间，去繁从简，使得模型简洁明了。
? 算法精炼独到。运用Dijkstra算法的思想设计程序，计算得到上海大学
接送班车的最优路径，且运行程序速度快。
? 将满意度量化，分析得到各个时段乘客的满意程度，可以进一步改进我
们的校车调配方案。 7.2 缺点
? 为了得到最一般情形，模型中我们将每天每个站点所要乘车的乘客数量
作为一个确定值，而现实情况下，基于课表安排等原因这个值应该是变化的。
? 在确定最优线路和量化满意度时，我们忽略了道路拥堵状况对校车运行
时间影响。
? 为了算法的简便，我们假设每个站点的人数不得超过单辆车的最大载客
数，而实际生活中站点人数是有可能超过的。
九、 结语
就当前来说，上海大学校车运行模式已经相当完善，但其中仍不乏存在一些问题：校区之间对开班车每小时一班，可实际上学生一节课一般两小时，中间必会有近一半的车满载率很低；接送教职工班车由于车辆数不足，有些地方老师甚至6：30左右就要乘车来学校等。为了改善这种状况，我们经、经研究讨论后具体分三个步骤，建立三个模型来解决此问题。
第一步，确定校车停靠点。我们主要考虑到了所设站点总数最少以及所有站点距离总和最小两个因素来确定了我们的目标规划模型。第二步，确定校车行驶线路。我们采用的是多目标非线性规划问题，选取了线路最少、线路长度总和最短、线路承载均衡等三个目标，以每个站点至少有一辆车经过作为约束条件完善了整个模型。第三步，量化乘客满意度。目标是在调度方案下，使得乘客的满意程度最高。具体来说我们用其等车时间和车上的拥挤程度来刻画其满意度。
经过将问题分解成三个步骤之后，再以上海大学为例，具体解决了我们学校的校车调度问题。给出了上海大学工作日的最优校车调度方案。其日运营成本约为4768.63元，每学期的成本约为307027.80元。
虽然我们模型最后得到了较为满意的结果，但是在整个模型中，出于模型简单化考虑，我们没有涉及到每一天具体情况不同，每条线路行驶时的拥挤程度不同等因素。因而在接下来的研究中，我们准备将这些因素都具体量化到我们的模型中，进一步改进完善我们的模型。
13
参考文献
[1]上海大学百度百科，
http://baike.http://china-audit.com//link?url=yz_MSWqOBN8wmLKnr8UyVwRybnx1OpTfrka7WQufqudIb1LjgTRg9zjp5FOKx7GzpxQxtw-q1L_pSWRwfnIE1q，2016年2月29日
[2]Newton R M, Thomas W H. Design of school bus routesby computer[J]. Socio-Economic Planning Sciences,1969,3(1):75-85.
[3]张富，朱泰英，《校车站点及线路的优化设计》，数学的实践与认识，2012年第42卷第4期：2-3
[4]刘文，校车优化调度算法及模型研究，清华大学学报（自然科学版），2013年第53卷第2期：2
14
附录
最优路径算法 N=53; S= R=
[F,H]=dij(N,S,R)
function [F,H]=dij(N,S,R) n=length(R); D=[1]; U=2:n;
H=zeros(1,n); F=H;
while length(U)~=0 m=min(min(S(D,U))); [a,b]=find(S(D,U)==m); a=a(1,1); b=b(1,1); a=D(1,a); b=U(1,b);
if(H(1,a)+R(1,b)>N) S(a,b)=9999; continue; end D=[D b];
H(1,b)=H(1,a)+R(1,b); U=setdiff(U,b); if a~=1
D=setdiff(D,a); end
F(1,b)=a; end
15
相关推荐：
loading