（定稿）神农文化产业园项目立项投资计划建议书（喜欢就下吧）

我们在模型的改进中，可考虑对不等的发车时间间隔进行模拟，并与得到滞留时间的分布。

符号说明，第次车离开第站时车上的人数，第次车到第站时上车与下车的人数之差，第次车离开第站时站台上的滞留人数由于车已达最大满载率以至乘客不能上车，故称滞留，为第次车离开第站时站台上滞留者的滞留时间，为第次车离开第站时的满载率，为天单程所发的车次总数，为单程站台总数模拟结果及统计指标分析我们选取参数进行模拟运行，所得结论如表。

表中只给出上行方向值表模拟上行方向所得营运指标值参数平均满载率平均候车时间所需总车辆总发车次数综合考虑以上参数，当时，各项指标比较适当，平均满载率较高，平均候车时间较短，所需车辆与总发车次数适中，所以我们选取下面我们给出时的具体模拟结果及统计指标。

结果各时段内单程发车次数见表二总车次。

表二时各时段中的发车次数时段上行下行时段上行下行各时段单程发车时间间隔由于个时段内的发车间隔已假设为等距，所以由所得的车次很容易确定发车时间间隔。

单程发车时刻表数据量太大，故略总车辆数，其中场存车辆，场存车辆。

统计指标平均满载率上间窗口的单车型运输问题的多目标优化模型目标函数ⅠⅡⅢ约束条件平均满载率限制发车间隔时间限制为早高峰期时为非早高峰期时。

∈注目标函数说明目标函数Ⅰ使总车辆数目最小，即使公司的投资成本达到最小。

目标函数Ⅱ使总车次数最小，即使公司的运营成本达到最小。

目标函数Ⅲ是使所有顾客的平均不方便程度达到最小。

约束主要是考虑到可操作性，发车间隔划分到秒级，公交司机是没法把握的，故最小只能划分到分级，那么发车间隔就应是分的整数倍模型的求解本模型是多目标多约束的优化模型，很难求出全局最优解，所以我们先将多目标规化简，再仿真模拟运营过程求解。

转化为单目标的求解思路如下模型化简化简多目标问题，我们可以有三个出发点分析各目标之间相关联的数学关系，减少目标函数数目或约束条件数目。

依限定条件，给出初始发车时刻表模拟客运数据运营统计指标结论←人工分析客流分布平均分布数据针对具体数据挖掘隐含信息以降低求解难度。

分析各目标权重，去掉影响很小的目标函数，从而达到简化目的。

分析目标Ⅱ与Ⅲ存在数学关联，发现总车次越多，乘客不方便程度越小。

因此与不能同时取最小值。

我们认为Ⅲ为主要目标，故主要考虑目标函数Ⅲ。

从具体数据可知，在上行方向，站上车人数达人，平均每分钟到达人，站上车人而下车仅人，为客流量最大的时段，发车间隔时间至少需要分钟。

由平均速度公里小时及环行距离，可得到此时至少需辆车。

由以上分析将原模型简化为目标函数同上运营过程模拟初始时行方向下行方向平均候车时间上行方向下行方向调度方案我们由不同的理解得到两种调度方案，其共同点是都必须形成完整的运营过程，使车流不发生间断。

静态调度方案认为在该路线上运行的总车数固定不变，形成序贯流动的车流，依照按流开车和先进先出的原则，按发车时刻表发车。

所需总车辆数目为，其中从站的车场始发的车数为搜索，产生初始时刻表。

表四为初始发车时间间隔表四初始发车时刻表时段时段模拟运营过程，统计各指标由于模拟运营过程与双车场模型大同小异，故我们在此不再详述。

结果及统计分析对仿真产生的多组发车时刻表进行模拟获得最小的分，我们把这组解做为我们的局部最优解，其结果其中统计指标用来描述我们以怎样的程度照顾双方利益如下总车数理想处理平均速度得总车数为辆，加辆应急，为辆考虑高峰期车速小于，高峰期人流量大，是造成高峰期速度稍低于公里小时的主因，那么通过人流量数据和公里小时就可大致推算速度约为公里小时。

这样高峰期的最小总车数修正为辆，加辆应急最终为辆。

全天总车次次发车时刻表见表五用各时段发车间隔时间简述表五单车场各时段的发车间隔时段时段注只是种统计划分，首发车可以在之前，也可在之后。

当然当不知道其它原则时可以假设首发车为发。

对单车场下行线始发为与数据相吻合。

等间距的结果进行比较。

单车场调度方案与双车场调度方案的选用由结果分析可知单车场调度方案减少了公司的前期投资成本双车场调度方案的运营成本小，更好的兼顾到乘客与公司双方的利益。

我们建议，在有双车场的条件下选取双车场调度方案更好。

当需进行路线规划，需要选取单车场或双车场时，建议根据实际所需成本来选取方案。

六模型的评价本文的优点如下模型的主体是采用时间步长法，模拟生成的发车时刻表的实际运行过程，准确性高，容量大，逻辑性严格，计算速度快，具有较强的说服力和适应能力。

定义了能定量衡量我们的调度方案对乘客和公交公司双方利益满足程度的统计指标。

在求最少车辆数时，将两个车场看作两个发射源，通过对两个车场的存车状态的实时模拟，形成不间断的运营过程，从而求得所需车辆数目。

上行线共人上车下行线共人。

其可能原因之就是上行在都有车可统计而下行只在中有车可统计统计指标乘客平均候车时间分平均满载率结论分析由上面两个图表可见我们的调度方案基本上能满足乘客候车时间的限制，高峰期乘客在分钟内等到车的概率为，非高峰期乘客在分钟内等到车的概率为调度方案见表六表六单车场动态调度方案时段所需车辆数时段所需车辆数五模型的进步讨论关于采集运营数据的讨论由于我们假设乘客到站服从均匀分布，而实际中乘客到站时间不可能都服从均匀分布。

特别是在高峰期的情况下，乘客到站时间的不均匀分布就会使模型结论误差较大。

我们建议以下几种改进采集方式的方法采取不等的统计人数的间隔时间在高峰期的情况下，为削弱乘客到站时间的不均匀分布带来的影响，可适当减小统计的间隔时间但统计时间加密应有定限度。

对客流量很小的时段，我们可适当增大统计的间隔时间，不必要每小时都统计次。

增加能反应有关滞留人数的统计数据。

按相等到站人数来区分时间段的统计方法是统计达到定到站人数时的时间点，即可由此判断乘客到站的大概分布情况，有利于按其分布的疏密进行车辆调度，以更好的满足乘客的需要。

其缺点是不易确定相等人数间隔的大小，可操作性不高其优点是能较为准确地反映客流量的变化情况。

对调度方案的进步讨论我们依据假设各时段内乘客到站时间，从风除尘器筒体的直径和排风管的直径在其它条件不变的情况下，减小筒体直径，尘粒所受到的离心力也增大，所以应采用小直径的旋风除尘器排风管直径为筒体的直径的倍。

般不超过毫米。

但直径小了，处理风量少，可以采用几个饿旋风除尘器并联使用。

处理风量为各除尘器风量之和，阻力为单个除尘器的阻力。

筒体高度和锥体高度筒体高度和锥体高度越高，含尘空气分离的时间越长，除尘效果越好。

但过高了下部也不起作用。

由于锥体部分的直径逐渐减少，其除尘效率高于通体部分建议采用短筒体长锥体。

锥体部分的高度般为筒体部分的倍为宜。

底部的密封性由于旋风除尘器工作时，底部和中心部位是负压力不从心，所以底部是否漏风是影响除尘效率的关键因素。

实践证明，当底部漏风率为时，除尘效率下降当底部漏风率时，除尘效率几乎为零。

当底部定期清灰时，可将出灰口与密闭灰箱相连当连续清灰时，要安装闭风器，并且闭风器的胶皮与壳体密封，转速要慢。

针对不少工厂，采用的旋风除尘器直径偏大，除尘效果不好的现状。

根据以上分析，结合各厂的实际情况，针对旋风除尘器提出以下改进意见，仅供参考。

旋风除尘器的直径改为毫米，每四个组，下部供用个密闭的集尘箱。

每个除尘管网，根据所需处理的含尘空气量的多少，确定需要多少组旋风除尘器。

各组除尘器均并联使用。

旋风除尘器采用下旋型，可以避免上涡旋的形成，提高除尘效率。

旋风除尘器的筒体高度为米左右，锥体部分的高度为米左右。

采用短筒体长锥体的设计。

旋风除尘器进口风速般控制在米秒左右，不宜过大，否则会使阻力增加，增加电耗。

设计制造旋风除尘器时，要保证质量，从排风管中心到下部锥体中心，要成铅垂线，以免影响分离粉粒及排风曲线，影响除尘效率。

注意底部的密封性。

定期清灰时，注意下部留有定的灰封。

连续清灰时，闭风器的转速要慢。

胶皮不能脱落，并要与壳体，处理风量大，适用于净化非纤维状的粉尘，和在初始粉尘含量大的场合，作为二级除尘的级净化。

图旋风除尘器的进口形式目前常用的进口形式有直入式蜗壳式和轴流式三种，见图所示，直入式又分为平顶盖和螺旋形顶盖。

平顶盖直入式进口结构简单，应用最为广泛。

螺旋形直入式进口避免了进口气流与旋转气流之㈨的干扰，可减小阻力，但效率会下降。

如果除尘器处理风量大，需要大的进口，采用蜗壳式进口可以避免进口气流与排出管发生直接碰撞见图，有利于除尘效率和阻力的改善。

轴流式进口主要用于多管旋风除尘器的旋风子。

图旋风除尘器的进口形式图蜗壳式进口形式排灰装置旋风除尘器下部出现漏风时，效率会显著下降。

如何在不漏风的情况下进行正常排灰是旋风除尘器运行中必须重视的个问题。

收尘量不大的除尘器，可在下部设固定灰斗，定期排除。

收尘量较大，要求连续排灰时，可设双翻板式和回转式锁气器。

翻板式锁气器是利用翻板上的平衡锤和积灰质量的平衡发生变化时，进行自动卸灰的。

它设有两块翻板轮流启闭，可以避免漏风。

回转式锁气器采用外来动力使刮板缓慢旋转，转速般在之间，它适用于排灰量较大的除尘器。

回转式锁气器能否保持严密，关键在于刮板和外壳之间紧密贴合的程服从均匀分布，从而认为各时段内的发车时间间隔相等。

我们在模型的改进中，可考虑对不等的发车时间间隔进行模拟，并与得到滞留时间的分布。

符号说明，第次车离开第站时车上的人数，第次车到第站时上车与下车的人数之差，第次车离开第站时站台上的滞留人数由于车已达最大满载率以至乘客不能上车，故称滞留，为第次车离开第站时站台上滞留者的滞留时间，为第次车离开第站时的满载率，为天单程所发的车次总数，为单程站台总数模拟结果及统计指标分析我们选取参数进行模拟运行，所得结论如表。

表中只给出上行方向值表模拟上行方向所得营运指标值参数平均满载率平均候车时间所需总车辆总发车次数综合考虑以上参数，当时，各项指标比较适当，平均满载率较高，平均候车时间较短，所需车辆与总发车次数适中，所以我们选取下面我们给出时的具体模拟结果及统计指标。

结果各时段内单程发车次数见表二总车次。

表二时各时段中的发车次数时段上行下行时段上行下行各时段单程发车时间间隔由于个时段内的发车间隔已假设为等距，所以由所得的车次很容易确定发车时间间隔。

单程发车时刻表数据量太大，故略总车辆数，其中场存车辆，场存车辆。

统计指标平均满载率上间窗口的单车型运输问题的多目标优化模型目标函数ⅠⅡⅢ约束条件平均满载率限制发车间隔时间限制为早高峰期时为非早高峰期时。

∈注目标函数说明目标函数Ⅰ使总车辆数目最小，即使公司的投资成本达到最小。

目标函数Ⅱ使总车次数最小，即使公司的运营成本达到最小。

目标函数Ⅲ是使所有顾客的平均不方便程度达到最小。

约束主要是考虑到可操作性，发车间隔划分到秒级，公交司机是没法把握的，故最小只能划分到分级，那么发车间隔就应是分的整数倍模型的求解本模型是多目标多约束的优化模型，很难求出全局最优解，所以我们先将多目标规化简，再仿真模拟运营过程求解。

转化为单目标的求解思路如下模型化简化简多目标问题，我们可以有三个出发点分析各目标之间相关联的数学关系，减少目标函数数目或约束条件数目。

依限定条件，给出初始发车时刻表模拟客运数据运营统计指标结论←人工分析客流分布平均分布数据针对具体数据挖掘隐含信息以降低求解难度。

分析各目标权重，去掉影响很小的目标函数，从而达到简化目的。

分析目标Ⅱ与Ⅲ存在数学关联，发现总车次越多，乘客不方便程度越小。

因此与不能同时取最小值。

我们认为Ⅲ为主要目标，故主要考虑目标函数Ⅲ。

从具体数据可知，在上行方向，站上车人数达人，平均每分钟到达人，站上车人而下车仅人，为客流量最大的时段，发车间隔时间至少需要分钟。

由平均速度公里小时及环行距离，可得到此时至少需辆车。

由以上分析将原模型简化为目标函数同上运营过程模拟初始时行方向下行方向平均候车时间上行方向下行方向调度方案我们由不同的理解得到两种调度方案，其共同点是都必须形成完整的运营过程，使车流不发生间断。

静态调度方案认为在该路线上运行的总车数固定不变，形成序贯流动的车流，依照按流开车和先进先出的原则，按发车时刻表发车。

所需总车辆数目为，其中从站的车场始发的车数为