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，从杆泵的扬程为宜。只要油层胶结疏松地层原油中含有定溶解气量，距边底水较远的稠油油藏均可采用该技术。稠油冷采机理在出砂冷采中，按照均质油藏稳定条件下的达西定律计算出的产量是很低的，但实际采油量却是理论计算值的几倍甚至几十倍，产油量的提高幅度是非常大的。目前认为，连续出砂和泡沫油驱动是两个关键因素，二者共同作用使得稠油产量得到了提高。疏松砂岩油层局部发生流化作用，砂子与液体道流动，达西流速增大，砂岩结构发生破坏并不断发生流化作用。由于稠油粘度高，且作用于流化作用发生部位的压力梯度高，导致该部位砂子迁移速度加快。崩落下来的砂子颗粒的侧向流速可能与流体流速极为接近，这时压力梯度表达式为式中维压力降混砂液粘度，渗透率流体流速流动砂子的流速，式可以看出，当流动砂流速与液相流速致时，流动过程不会受阻，从而不存在压力降，这样油井的产量便会成倍地增加。随着砂子的产出，油层中产生不断向外延伸的高渗透带，致使流入井筒的流速不断增加。消除堵塞和近井污染。稠油中含有沥青以及由复杂高分子所形成的半固态物质。油井开采过程中，随着压力的降低及气体的析出，这些物质会沉淀下来堵塞孔隙喉道，从而引起渗透率的下降。此外，稠油油藏中般含有粒级极细的硅质矿物石英和泥质等，在高压力梯度和高粘度原油拖曳力的作用下，这些矿物将发生运移并堵塞孔隙喉道。如果砂子是通过动力学机制而发生剪切膨胀和流化作用，则孔隙堵塞可以通过砂子的继续位移和进步的侵蚀作用自动消除。这现象已在出砂冷采高产井中得到证实。随着开采时间的延长，这些油井持续产出砂子，表皮系数负值越来越大。此外，泡沫油驱动也是出砂冷采井产量高的个重要原因，这与普通溶解气驱存在许多不同之处。与稀油相比，虽然天然气在稠油中的溶解系数低，但稠油中般仍含有的溶解气。由于稠油埋藏浅地层压力低且接近饱和压力，天然气在地层压力附近处于溶解平衡状态。当出砂冷采井在放大压差激励地层出砂时，地层原油中产生大量的微气泡并形成泡沫油，而且由于稠油中胶质和沥青质含量高，包裹气泡的油膜胶结程度高，强度很高的气泡不易破裂，微气泡并不形成连续的气相这与常规的溶解气不同，它随原油从地层流向井筒，并且随着压力的降低而发生膨胀。因此，泡沫油的存在有以下作用产生内部驱动力，将油气水和砂子所形成的砂浆驱向井筒，其流速大大高于常规液相流动理论所预测的速度泡沫油中的气泡流经孔隙喉道时，将对喉道起堵塞作用，导致局部压力梯度升高，从而使局部拖曳力增加，达到激励地层出砂的目的由于井筒中流动的泡沫油密度很低，使得高粘度稠油更加容易携砂。综上所述，出砂冷采机理主要是在出砂和泡沫油的共同作用下提高了产油量。二者的具体作用以及相互关系可用图表示。提高达西渗流速度连续出砂提高地层渗透率消除油层阻塞产量提高提供微气泡膨胀动力↑泡沫油增大砂子拖拽力增强稠油携砂能力图稠油出砂冷采机理关键技术国内外经验表明，稠油出砂冷采时，若不能及时将地层砂子输送到地面，可能形成砂桥或者砂堵，从而导致出砂冷采不能获得成功。因此，射孔和采油为搜索，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