Integrierte Umlauf- und Dienstplanung im ÖPNV

Größe: px

Ab Seite anzeigen:

Download "Integrierte Umlauf- und Dienstplanung im ÖPNV"

Moritz Brinkerhoff
vor 8 Jahren
Abrufe

1 Integrierte Umlauf- und Dienstplanung im ÖPNV Frico 2007 Weíder Dres. Löbel, Borndörfer und GbR Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB)

2 Planung im Nahverkehr Kostendeckung Fahrpreise Baukosten Netzwerktopologie Fahrzeiten Linien Bedienungshäufigkeit Takte Verbindungen Fahrplan Sensitivität Fahrzeugumläufe Ablösestellen Dienste Dienstmix Dienstreihenfolge Fairness Personaleinsatz Störungen Betriebsleitung bereichsübergreifend Bereich hofübergreifend Betriebshof gruppenübergreifend Liniegruppen linienübergreifend Linien umlaufübergreifend Umläufe B15 BS-OPT IS-OPT B1 B1 TS-OPT VS-OPT DS-OPT Roster

Personaleinsatz Störungen Betriebsleitung bereichsübergreifend Bereich hofübergreifend Betriebshof

3 Graphentheoretisches Modell Umlaufplanung Dienstplanung Integrierte Planung

4 IP Modell (ISP) min C D dt dt T c x out in (1a) x( δ ( v )) = x( δ ( v )) = 0, depots g,trips v (1b) (1c) (2a) (2b) g out x( δ ( v )) = 1, v V \ { s, t} a A k + T d y κ, (3) Cx Dy = 0 g f x ak a Ay = 1 By b m x {0,1}, y {0,1} K Κ 1, falls Leerfahrt d Dienstelement t enthält := 0, sonst 1, falls Dienstelement t von Dienst d überdeckt wird := 0, sonst n k

Cx Dy = 0 g f x ak a Ay = 1 By b m x {0,1}, y {0,1} K Κ 1, falls Leerfahrt d

5 Struktur des Problems Bögen Dienste VSP DSP Zeilen Zeilen Kopplungsbedingungen Zeilen

6 Branch-&-Generate Algorithmus Beginn Löse Umlaufplanungsproblem LP Relaxierung Dienstgenerator Löse Dienstplanungsproblem Nein Alle fixiert? Ja Branching auf Diensten Bündel- Update Nein Stop? Ja Branching auf Leerfahrten Bündelmethode Rapid Branching Ende

7 Untere Schranke max min λ s.t. ( c λ D) x + min ( d +λ C) y T T T T x ist Umlaufplan s.t. y ist Dienstplan Lagrange-Relaxierung der Kopplungsbedingungen Dekomposition in bekannte Einzelprobleme. Problemeigenschaften: Das Lagrange-Problem liefert i.a. untere Schranken, keine kompatiblen Lösungen. Das Lösen der Einzelprobleme dauert lange. Die Einzelprobleme können nur approximativ gelöst werden. Gesuchtes Verfahren: Wenig Iterationen bis zu einer guten Lösung, Primale Information, Schnell. Bündelmethode

Das Lösen der Einzelprobleme dauert lange. Die Einzelprobleme können nur approximativ gelöst werden.

8 Bündel-Methode (Kiwiel [1990], Helmberg [2000]) Max f ( λ) : = min c x+ λ ( b Ax), X konvex x X T f polyedrisch (stückweise linear) T T T µ λ = µ + λ µ f ( ) c x ( b Ax ) ˆf λ 2 λ 3 λ 1 f λ1 λ f fˆ ( λ ) : = min f µ ( λ ) k µ J k + = 2 ˆ uk λ ˆ k 1 argmax fk ( λ) λ λk 2 λ

9 Dualisierung des quadratischen Problems (1) ˆ u max f ( ) k ˆ n kλ λ λ λ R 2 k 2 (2) 1 max α f ( ˆ λ) α ( b Ax ) µ µ µ µ µ J 2uk µ J s.t. α = 1 µ J k k µ 0 α 1, for all µ J µ k k 2 und µ µ µ J k α x x so daß x * eine optimale Lösung von ist. min c T x, s.t. x X, Ax=b

10 Vergleich Bündel- u.a. Verfahren auf einem Dienstplanungsproblem Dienstplanungsproblem Ivu41: Spalten, Zeilen 10,5 Non-zeroes pro Spalte Coordinate Ascent: Subgradient: Volume: Bundle+AS: Dual Simplex: Barrier: Schnell Konvergiert theoretisch Primalapproximation Kovergenz + Primalapprox. Primal+dual optimal Primal+dual optimal [s] Coordinate Ascent Subgradient Volume Bundle+AS Dual Simplex Barrier

Schnell Konvergiert theoretisch Primalapproximation Kovergenz + Primalapprox.

11 Primal-Heuristik (ISP) zu komplex für einfache Diving/Plunging Heuristiken: Backtracking ist notwendig. Degeneriertes IP mit sehr vielen Spalten, daher versagen Standard-Branching-Regeln wie Branching on Arcs (Ryan, Foster) und Branching on Variables (Least Fractional, Strong Branching, etc.). LP-Relaxierung ist aufwändig zu berechnen Möglichst geringe Tiefe des Suchbaums.

Degeneriertes IP mit sehr vielen Spalten, daher versagen Standard-Branching-Regeln wie

12 Rapid Branching Perturbation Branching Iteratives Perturbieren der Zielfunktion und Lösen des LPs bis viele Variablen 1 sind. Node Selection binäres Backtracking Q j 4 Q j 2 Q j 1 Q j-1 i Q j m/2 Q j m/4 Q j m Untere Schranke mit approx. Bündelmethode

Node Selection binäres Backtracking Q j 4 Q j 2 Q j 1 Q j-1 i

13 Vergleich: Zielfunktionswerte Rapid Branching und CPLEX Zielfkt.wert Ivu01 Ivu06 Ivu41 Ivu52 LP Rapid Branching CPLEX

14 Vergleich: Laufzeiten Rapid Branching und CPLEX Anzahl Ivu01 Ivu52 Ivu41 Ivu Zeit [s] Zeilen Spalten/1e2 NZ/Spalte*1e3 Rapid Branching CPLEX Bis zu Zeilen, Spalten und durchschnittlich 14 Einträgen pro Spalte

Ivu06 10000 8000 6000 Zeit [s] 4000 2000 0 Zeilen Spalten/1e2 NZ/Spalte*1e3

15 Stand der Forschung Artikel g f v d Anmerkung Ball et al. [1983] Sequentiell gelöst Scott [1985] Kostenabschätzung Tosini & Vercellis [1988] Mehrgüterflußproblem mit Nebenbedingungen Falkner & Ryan [1992] (DSP) mit Nebenbedingungen Patrikalakis et al. [1992] Set Covering + Min. Cost Flow Gaffi & Nonato [1997] (ISP) ohne Ablösestellen Freling [1997] (ISP) Friberg & Haase [1997] Zwei gekoppelte (SPP) (optimal gel.) Freling et al. [2000] Huisman [2004] (ISP) (ISP) [2006] (ISP) mit Kapazitäts- und Ressourcenbedingungen

Ryan [1992] 1 182 -- 41 (DSP) mit Nebenbedingungen Patrikalakis et al. [1992] -- 111 20 45 Set Covering + Min.

16 Auftragnehmerplanung 6+1 Dienstarten (3.966) Dienstelemente 3:28 49:55 CPU Std. 2 Fahrzeugtypen 5+2 Depots Leerfahrten Fahrgastfahrten 4 Fahrzeugmengen 25 Dienstmengen Dienstschnitt Fahrzeuge Dienste Bezahlte Zeit Lenkzeit Methode :22 7: :16 890:29 IS-OPT Unternehmen Subunternehmen DS-OPT Unternehmen 160 6: :43 895:47

698 Fahrgastfahrten 4 Fahrzeugmengen 25 Dienstmengen Dienstschnitt Fahrzeuge Dienste

17 Weitere Anwendungen von Bündelmethode und Rapid Branching Besonders geeignet für Probleme mit vielen 0/1-Variablen oder mit Blockstruktur. Wird bereits verwendet für: Airline Crew Scheduling (Netline Crew von LH Systems), Rostering (Prototyp), Umlaufplanung (VS-OPT2). Vielleicht in Zukunft auch für: Airline Crew Scheduling + Rotationsplanung, Umlaufplanung + Wartungsplanung,...

Wird bereits verwendet für: Airline Crew Scheduling (Netline Crew von LH Systems), Rostering

18 Vielen Dank für Ihre Aufmerksamkeit

Ähnliche Dokumente

Verkehrsoptimierung: Umlaufplanung & Dienstplanung

Verkehrsoptimierung: Umlaufplanung & Dienstplanung TU Berlin Summer Semester 2012 Lecture on June 11, 2012 & Martin Grötschel ZIB, TU, and MATHEON, Berlin borndoerfer@zib.de DFG Research Center MATHEON