CN101964085A - 一种基于Logit模型和贝叶斯决策的客流分配方法 - Google Patents
一种基于Logit模型和贝叶斯决策的客流分配方法 Download PDFInfo
- Publication number
- CN101964085A CN101964085A CN201010294136XA CN201010294136A CN101964085A CN 101964085 A CN101964085 A CN 101964085A CN 201010294136X A CN201010294136X A CN 201010294136XA CN 201010294136 A CN201010294136 A CN 201010294136A CN 101964085 A CN101964085 A CN 101964085A
- Authority
- CN
- China
- Prior art keywords
- passenger
- hourage
- path
- time
- active path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于Logit模型和贝叶斯决策的客流分配方法,包括如下步骤:根据Logit模型建立每条路径被选择的概率函数作为先验概率;确定乘客选择有效路径出行时所花费的旅行时间的概率分布函数;利用贝叶斯决策判别函数,将每个乘客或者每条客流数据对应的路径进行分类。本发明将乘客旅行时间作为客流分配的参考依据,不仅可以为制定和协调网络运营计划提供依据,还是实现“一票换乘”模式下轨道交通票款收入科学合理清分重要依据。
Description
技术领域
本发明涉及一种轨道交通客流分配方法,特别涉及一种基于Logit模型和贝叶斯决策的客流分配方法。
背景技术
由于轨道交通项目造价高,投资量大等原因,路网建设往往需要吸引多元的投资主体;此外,由于运营管理机制等原因,轨道路网运营往往需要按线路划分不同的运营主体,而这些运营主体可能代表不同投资主体的利益,故整个路网呈现出利益主体多元化的现象。为了保障各经济贡献主体的投资利益,必需建立一种科学合理的清分方法实现轨道交通票款收入的合理清分。目前国内各大城市的轨道交通路网中均采用一票换乘模式,即乘客只需在起始站根据目的站购买一张车票即可,若中间需经过线路换乘,则无需在换乘站重新购票。这种换乘模式下没有对乘客的换乘时间及站点进行记录,故当乘客出行存在多条路径可以选择时,就无法确定乘客的具体出行路径。要实现合理清分,首先要解决的就是轨道交通网络客流流量的分配问题,即如何将OD对之间的所有客流流量合理分配到该OD对之间的多条有效路径上;其中O:起始车站;D:目的车站。
国外许多大城市虽然已经具备非常完善的轨道交通网络,由于在投资建设方式、运营管理方式及换乘模式等方面与国内存在许多不同,故在客流分配方法上可借鉴的东西很少。近年来,国内一些学者对无障碍换乘模式下的客流分配方法进行了一些研究,主要是对城市道路交通网络流量分配一些方法进行了改进,以出行者选择行为为核心进行研究。然而,城市轨道交通网络与道路交通网络存在着显著的不同:(1)前者乘客的出行时间主要与所搭乘的轨道交通线路的运营时间和调度时间有关,因此,一旦出行路径确定,那么出行时间也就基本确定了。而后者的出行时间与选择的出行路径及道路的畅通情况有关。尤其在高峰时段,一旦出行交通阻塞,那么出行者的出行时间将可能受到很大的影响。(2)前者乘客的出行路径中可能需要经过换乘,换乘对乘客选择出行路径造成的影响是必须考虑的因素之一;而后者不存在换乘问题。(3)前者能够根据乘客的进出站时间来获得每个乘客的出行时间;而后者无法获得每个出行者的出行时间。
发明内容
本发明的目的是提供一种基于Logit模型和贝叶斯决策的客流分配方法,以通过分析出行时间、换乘等因素对轨道交通网络中乘客的路径选择行为的影响来建立客流分配模型的方法,进而根据每条路径的广义费用得出乘客选择该条路径的概率。
为实现上述目的,本发明从模式分类的角度出发,通过分析乘客的出行时间的概率分布,建立了一种基于乘客实际旅行时间的客流分配方法。该方法以Logit模型建立的路径选择概率作为先验概率,以每条路径的旅行时间的概率分布作为类条件概率密度,建立贝叶斯决策分类器,将客流数据进行分类,进而实现OD客流流量分配。本方法的具体步骤包括:
(1)根据Logit模型建立每条路径被选择的概率函数作为先验概率;
(2)确定乘客选择有效路径出行时所花费的旅行时间的概率分布函数;
(3)利用贝叶斯决策判别函数,将每个乘客或者每条客流数据对应的路径进行分类。
其中,步骤(1)根据Logit模型建立每条路径被选择的概率函数为:
其中,和分别表示起始站和终到站对(r,s)之间有效路径k的被选择概率和该路径的广义费用值;表示(r,s)之间所有有效路径中的最小广义费用值;θ是通过极大似然估计法进行参数估计。所述的路径广义费用代表的是乘客选择此路径出行时所付出的综合代价,包括时间费用和换乘费用其中,
时间费用即旅行时间,乘客选择有效路径k完成起始站和终到站对(r,s)之间的一次出行所需的旅行时间为:
其中,是乘客选择有效路径k所花费的旅行时间;是乘客从起始站进站至站台候车的走行时间;是乘客自起始站站台到上车的时间间隔,通常为发车间隔的1/2;和分别是乘客选择有效路径k在第j次换乘的走行时间和换乘候车时间,是换乘次数;是乘客选择有效路径k在区间i的运行时间;是列车在区间i的起点站的停车时间,是出行途径的乘车区间个数;是乘客选择有效路径k的出站走行时间;
换乘费用包括乘客换乘时间占总出行时间的比重和换乘次数:
广义费用表示为:
其中,α、γ、δ是通过极大似然估计法进行参数估计。
上述步骤(3)进行分类的步骤包括:
1)样本训练;
2)得到有效路径的旅行时间均值,及分类后的样本数据;
3)计算每条有效路径的旅行时间的样本方差;
4)确定有效路径的旅行时间所服从的正态分布,进而得到OD间旅行时间t的概率分布;
5)计算每条有效路径被选择的频率其中,nk表示选择出行路径k的乘客数量,以此作为有效路径k被选择的概率,利用极大似然估计法对位置参数进行参数估计,进而得出路径被选择的概率;
6)输入客流数据;
7)计算旅行时间为t的乘客选择的有效路径k出行的概率:
8)当c∈Krs时,认为旅行时间为t的乘客选择的出行路径是c。
其中,所述的1)样本训练步骤包括:
本发明一种基于Logit模型和贝叶斯决策的客流分配方法,其优点及功效在于:本发明将乘客旅行时间作为客流分配的参考依据,不仅可以为制定和协调网络运营计划提供依据,还是实现“一票换乘”模式下轨道交通票款收入科学合理清分重要依据。
附图说明
图1是本发明对路径进行分类的流程图
图2是本发明进行样本训练的流程图
具体实施方式
下面结合附图,对本发明的技术方案做进一步的说明。
给定任一OD对(r,s),用Krs表示该OD对之间的有效路径集合。从客流分配的角度看,首先应该将每一OD对之间的客流流量分配到该OD对之间的可能的有效路径上,然后根据每一条有效路径的路段组成,进一步将客流流量分配到每一个路段或每一条运营线路上。在轨道交通系统中,每条客流数据表示一位乘客的完成一次OD良行的旅行时间,而每个旅行时间都与乘客选择的出行路径有关。如果把某一时段完成OD对(r,s)之间出行的乘客看作一组待分类的样本,将OD对(r,s)间的K条有效路径看作K个类,第k(1≤k≤K)类代表选择第k条路径出行的乘客,从模式分类的角度看,客流分配实质上就是将每个乘客或者说每条客流数据对应的路径进行分类的过程。
分类过程如下:
第一步,基于Logit模型建立每条路径被选择的概率函数Pk。
第二步,确定乘客选择有效路径k出行时所花费的旅行时间的概率密度函数,即类条件概率密度函数P(X=t|k)。
第三步,利用贝叶斯决策判别函数进行分类。
1、路径选择的先验概率
人们的出行行为选择通常是受心理要求支配的,交通行为是受人们的交通需求心理支配的。影响人们选择出行路径的因素有很多,如出行者的年龄、职业、收入水平、出行距离、出行目的、出行时间、票价等等。解决乘客出行时的路径选择问题的方法有很多种,其中Logit模型与其它方法相比简单实用,且在实际的交通应用中得到了非常广泛的应用。本文同样采用Logit模型计算乘客选择每条出行路径的概率,并以此作为贝叶斯决策分类的先验概率。
用r表示乘客进入轨道交通网络的起始站,s表示离开轨道交通网络的目的站,(r,s)表示一个OD对。(r,s)之间的有效路径集用Krs表示。本文中所用到的Logit模型如下:
1.1路径的广义费用
式中,α、β为待定参数,分别表示时间费用和换乘费用的权重。
a)时间费用
旅行时间是指乘客选择有效路径k完成OD对(r,s)之间的一次出行所花费的时间,用良示,主要包括:乘客的走行时间、乘客的候车时间、列车的区间运行时间和列车的停站时间。其中列车的区间运行时间和列车的停站时间是受轨道交通路网的运营调度机制控制的,在不同的时段都是固定的值,不受其它因素的影响。而乘客的走行时间和乘客的候车时间都是不确定的,带有随机性。在客流平峰时段,由于人流密度较小乘客的走行时间只与走行距离和每个人的走行速度有关;而在客流高峰时段,由于人流密度很大,出现拥挤情况,个人只能随着人群的流动而走动,也即个人的走行速度是与人群的流动速度是一致的,此时的走行时间与走行距离和人群的流动速度有关。至于乘客的候车时间是与列车的发车间隔有关的,通常是在0与列车的发车间隔之间随机变动,通常取发车间隔的1/2。
(1)乘客选择有效路径k所花费的旅行时间记为其中k(1≤k≤K)。
(3)乘客选择有效路径k在起始站r站的候车时间记为此值代表自起始站r站站台至上车的时间间隔,通常取发车间隔的1/2。
(4)乘客选择有效路径k在第j次换乘时的换乘走行时间和换乘候车时间分别记为和其中换乘走行时间代表乘客自上一条线路下车至下一条线路站台候车的时间间隔,而换乘候车时间则代表自下一条线路站台候车至上车的时间间隔,通常取发车间隔的1/2。
因此,乘客选择有效路径k完成OD对(r,s)之间的一次出行所需要的旅行时间为:
公式(3)
b)换乘费用
在轨道交通网络中,换乘不仅消耗时间,同时还会消耗乘客的体力。根据调查和分析显示,对于不同的出行距离,乘客对换乘的敏感程度(容忍度)明显不同。对于短途出行,人们通常选择不需要经过换乘的路径出行;而对于中途和长途出行,人们倾向于换乘的比例较高。通常在相等的出行时间条件下,乘客更希望选择换乘次数较少的路径;而出行时间和换乘次数都相同的条件下,乘客更希望选择换乘走行距离较短的路径。
由此可见,乘客对换乘的敏感程度主要表现在换乘距离占总出行距离的比重(或者换乘时间占总出行时间的比重)及换乘次数两方面。用表示乘客选择有效路径k出行时所花费的换乘费用,表达形式如下:
由此,根据公式(2)、公式(3)和公式(4)得出路径的广义费用函数的表达形式如下:
式中,α、γ、δ为待定参数。
2、旅行时间的概率分布函数
从前面的分析可知,影响乘客旅行时间的几个因素中,乘客的走行时间和候车时间是带有随机性的,这也就导致乘客选择出行路径k所花费的旅行时间具有一定的随机性。
将乘客选择出行路径k所花费的旅行时间看作随机变量X1,X2,...,Xn,...,它们是独立同分布的,且具有期望E(Xi)=μk和方差(其中i=1,2,…,n,…;1≤k≤K)。根据中心极限定理,乘客选择出行路径k的旅行时间近似服从正态分布而μk和可以使用样本均值和样本方差作为其无偏估计量。
如果乘客选择路径k出行,那么其旅行时间为t的概率是
3、求解算法
给定OD对(r,s)之间在某一个时段的N条客流数据作为训练样本X={Xi|1≤i≤N},样本值Xi代表乘客i在本时段内完成从r站进站到s站出站所花费的旅行时间。(r,s)之间有效路径集为Krs,有|Krs|条有效路径。下面我们采用K均值聚类的方法进行分类。
乘客选择出行路径k所需要花费的旅行时间均值(第k类的类中心)为:
训练过程如下:
根据分类后的结果,我们可以进一步得出有效路径k被选择的频率其中,nk表示选择出行路径k的乘客数量,以此作为有效路径k被选择的概率。依据此概率对公式(1)和公式(8)中的参数θ、α、γ、δ采用极大似然估计法进行参数估计。
如果对于所有的j≠k,都有P(k|t)>P(j|t),则认为旅行时间为t的乘客选择的是有效路径k。根据该有效路径的路段组成即可将客流分配到各条运营线路上去。
Claims (6)
1.一种基于Logit模型和贝叶斯决策的客流分配方法,其特征在于,包括如下步骤:
(1)根据Logit模型建立每条路径被选择的概率函数作为先验概率;
(2)确定乘客选择有效路径出行时所花费的旅行时间的概率分布函数;
(3)利用贝叶斯决策判别函数,将每个乘客或者每条客流数据对应的路径进行分类。
时间费用即旅行时间,乘客选择有效路径k完成起始站和终到站对(r,s)之间的一次出行所需的旅行时间为:
其中,是乘客选择有效路径k所花费的旅行时间;是乘客从起始站进站至站台候车的走行时间;是乘客自起始站站台到上车的时间间隔,通常为发车间隔的1/2;和分别是乘客选择有效路径k在第j次换乘的走行时间和换乘候车时间,是换乘次数;是乘客选择有效路径k在区间i的运行时间;是列车在区间i的起点站的停车时间,是出行途径的乘车区间个数;是乘客选择有效路径k的出站走行时间;
换乘费用包括乘客换乘时间占总出行时间的比重和换乘次数:
广义费用表示为:
其中,α、γ、δ是通过极大似然估计法进行参数估计。
5.根据权利要求1的一种基于Logit模型和贝叶斯决策的客流分配方法,其特征在于:步骤(3)进行分类的具体步骤包括:
1)样本训练;
2)得到有效路径的旅行时间均值,及分类后的样本数据;
3)计算每条有效路径的旅行时间的样本方差;
4)确定有效路径的旅行时间所服从的正态分布,进而得到OD间旅行时间t的概率分布;
6)输入客流数据;
7)计算旅行时间为t的乘客选择的有效路径k出行的概率:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010294136XA CN101964085A (zh) | 2010-09-27 | 2010-09-27 | 一种基于Logit模型和贝叶斯决策的客流分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010294136XA CN101964085A (zh) | 2010-09-27 | 2010-09-27 | 一种基于Logit模型和贝叶斯决策的客流分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101964085A true CN101964085A (zh) | 2011-02-02 |
Family
ID=43516949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010294136XA Pending CN101964085A (zh) | 2010-09-27 | 2010-09-27 | 一种基于Logit模型和贝叶斯决策的客流分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101964085A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279950A (zh) * | 2011-08-02 | 2011-12-14 | 中国铁道科学研究院电子计算技术研究所 | 基于数据挖掘和神经网络的轨道交通清分方法 |
CN102436740A (zh) * | 2011-09-29 | 2012-05-02 | 东南大学 | 一种高速公路交通事件自动检测方法 |
CN102436603A (zh) * | 2011-08-29 | 2012-05-02 | 北京航空航天大学 | 基于概率树d预测的轨道交通全路网客流预测方法 |
CN103218671A (zh) * | 2013-03-22 | 2013-07-24 | 北京交通大学 | 一种成网条件下城市轨道交通新线接入进出站量预测方法 |
CN104200383A (zh) * | 2014-09-18 | 2014-12-10 | 浪潮软件集团有限公司 | 一种基于多元回归分析在税务决策上的应用 |
CN104537439A (zh) * | 2014-12-29 | 2015-04-22 | 中南大学 | 一种用于缓解轨道交通拥挤的最小成本路径和混合路径分配方法 |
CN105005834A (zh) * | 2015-08-20 | 2015-10-28 | 北京嘀嘀无限科技发展有限公司 | 一种订单导流方法及设备 |
CN105261209A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 客流量确定方法及装置 |
CN105447592A (zh) * | 2015-11-12 | 2016-03-30 | 中国科学院深圳先进技术研究院 | 一种乘客路径选择的分析方法及装置 |
CN105760594A (zh) * | 2016-02-05 | 2016-07-13 | 北京交通大学 | 基于发车间隔的乘客候车时间应用模型及模型构建方法 |
CN106570584A (zh) * | 2016-11-02 | 2017-04-19 | 北京工商大学 | 基于改进帝国主义竞争算法的城市轨道交通乘客路径选择方法 |
CN107067103A (zh) * | 2017-03-22 | 2017-08-18 | 北京交通大学 | 一种基于自动售检票系统的乘客路径选择分析方法 |
CN107368916A (zh) * | 2017-06-16 | 2017-11-21 | 东南大学 | 基于贝叶斯概率模型的公共自行车用户出行目的预测方法 |
CN108022051A (zh) * | 2017-12-13 | 2018-05-11 | 吉林大学 | 一种基于信息融合的城市轨道交通调度决策方法 |
CN108290704A (zh) * | 2015-11-16 | 2018-07-17 | 通力股份公司 | 用于为至少一个电梯确定分配决策的方法和设备 |
CN109308543A (zh) * | 2018-08-20 | 2019-02-05 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
CN110109428A (zh) * | 2019-04-19 | 2019-08-09 | 北京戴纳实验科技有限公司 | 一种用于实验室设备的险情监测系统 |
CN110489837A (zh) * | 2019-08-07 | 2019-11-22 | 北京师范大学 | 一种城市景观满意度计算方法、计算机设备和存储介质 |
CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
CN110874668A (zh) * | 2018-09-03 | 2020-03-10 | 深圳先进技术研究院 | 一种轨道交通od客流预测方法、系统及电子设备 |
CN112070372A (zh) * | 2020-08-25 | 2020-12-11 | 长沙理工大学 | 基于区间不确定性的公交客流分配方法、系统、存储介质 |
CN112465211A (zh) * | 2020-11-24 | 2021-03-09 | 北京交通大学 | 一种轨道交通列车满载率控制方法及应用 |
CN112767688A (zh) * | 2020-12-27 | 2021-05-07 | 交通运输部规划研究院 | 一种基于交通量观测数据的区域路网货车流量分配方法 |
CN114723163A (zh) * | 2022-04-26 | 2022-07-08 | 深圳市城市交通规划设计研究中心股份有限公司 | 分时段客流时空分配方法、系统、电子设备及存储介质 |
-
2010
- 2010-09-27 CN CN201010294136XA patent/CN101964085A/zh active Pending
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279950A (zh) * | 2011-08-02 | 2011-12-14 | 中国铁道科学研究院电子计算技术研究所 | 基于数据挖掘和神经网络的轨道交通清分方法 |
CN102436603A (zh) * | 2011-08-29 | 2012-05-02 | 北京航空航天大学 | 基于概率树d预测的轨道交通全路网客流预测方法 |
CN102436603B (zh) * | 2011-08-29 | 2014-11-12 | 北京航空航天大学 | 基于概率树d预测的轨道交通全路网客流预测方法 |
CN102436740A (zh) * | 2011-09-29 | 2012-05-02 | 东南大学 | 一种高速公路交通事件自动检测方法 |
CN103218671A (zh) * | 2013-03-22 | 2013-07-24 | 北京交通大学 | 一种成网条件下城市轨道交通新线接入进出站量预测方法 |
CN103218671B (zh) * | 2013-03-22 | 2016-04-06 | 北京交通大学 | 一种成网条件下城市轨道交通新线接入进出站量预测方法 |
CN104200383A (zh) * | 2014-09-18 | 2014-12-10 | 浪潮软件集团有限公司 | 一种基于多元回归分析在税务决策上的应用 |
CN104537439A (zh) * | 2014-12-29 | 2015-04-22 | 中南大学 | 一种用于缓解轨道交通拥挤的最小成本路径和混合路径分配方法 |
CN104537439B (zh) * | 2014-12-29 | 2017-10-10 | 中南大学 | 一种用于缓解轨道交通拥挤的最小成本路径和混合路径分配方法 |
CN105005834A (zh) * | 2015-08-20 | 2015-10-28 | 北京嘀嘀无限科技发展有限公司 | 一种订单导流方法及设备 |
CN105447592A (zh) * | 2015-11-12 | 2016-03-30 | 中国科学院深圳先进技术研究院 | 一种乘客路径选择的分析方法及装置 |
CN108290704B (zh) * | 2015-11-16 | 2020-11-06 | 通力股份公司 | 用于为至少一个电梯确定分配决策的方法和设备 |
CN108290704A (zh) * | 2015-11-16 | 2018-07-17 | 通力股份公司 | 用于为至少一个电梯确定分配决策的方法和设备 |
CN105261209A (zh) * | 2015-11-26 | 2016-01-20 | 小米科技有限责任公司 | 客流量确定方法及装置 |
CN105760594A (zh) * | 2016-02-05 | 2016-07-13 | 北京交通大学 | 基于发车间隔的乘客候车时间应用模型及模型构建方法 |
CN106570584A (zh) * | 2016-11-02 | 2017-04-19 | 北京工商大学 | 基于改进帝国主义竞争算法的城市轨道交通乘客路径选择方法 |
CN107067103A (zh) * | 2017-03-22 | 2017-08-18 | 北京交通大学 | 一种基于自动售检票系统的乘客路径选择分析方法 |
CN107368916A (zh) * | 2017-06-16 | 2017-11-21 | 东南大学 | 基于贝叶斯概率模型的公共自行车用户出行目的预测方法 |
CN108022051A (zh) * | 2017-12-13 | 2018-05-11 | 吉林大学 | 一种基于信息融合的城市轨道交通调度决策方法 |
CN109308543A (zh) * | 2018-08-20 | 2019-02-05 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
CN109308543B (zh) * | 2018-08-20 | 2021-10-22 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
CN110874668A (zh) * | 2018-09-03 | 2020-03-10 | 深圳先进技术研究院 | 一种轨道交通od客流预测方法、系统及电子设备 |
CN110874668B (zh) * | 2018-09-03 | 2022-11-18 | 深圳先进技术研究院 | 一种轨道交通od客流预测方法、系统及电子设备 |
CN110109428B (zh) * | 2019-04-19 | 2020-09-18 | 北京戴纳实验科技有限公司 | 一种用于实验室设备的险情监测系统 |
CN110109428A (zh) * | 2019-04-19 | 2019-08-09 | 北京戴纳实验科技有限公司 | 一种用于实验室设备的险情监测系统 |
CN110489837A (zh) * | 2019-08-07 | 2019-11-22 | 北京师范大学 | 一种城市景观满意度计算方法、计算机设备和存储介质 |
CN110489837B (zh) * | 2019-08-07 | 2021-08-06 | 北京师范大学 | 一种城市景观满意度计算方法、计算机设备和存储介质 |
CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
CN112070372A (zh) * | 2020-08-25 | 2020-12-11 | 长沙理工大学 | 基于区间不确定性的公交客流分配方法、系统、存储介质 |
CN112465211A (zh) * | 2020-11-24 | 2021-03-09 | 北京交通大学 | 一种轨道交通列车满载率控制方法及应用 |
CN112465211B (zh) * | 2020-11-24 | 2023-11-24 | 北京交通大学 | 一种轨道交通列车满载率控制方法及应用 |
CN112767688A (zh) * | 2020-12-27 | 2021-05-07 | 交通运输部规划研究院 | 一种基于交通量观测数据的区域路网货车流量分配方法 |
CN114723163A (zh) * | 2022-04-26 | 2022-07-08 | 深圳市城市交通规划设计研究中心股份有限公司 | 分时段客流时空分配方法、系统、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101964085A (zh) | 一种基于Logit模型和贝叶斯决策的客流分配方法 | |
Hörcher et al. | Crowding cost estimation with large scale smart card and vehicle location data | |
Kaddoura et al. | Towards welfare optimal operation of innovative mobility concepts: External cost pricing in a world of shared autonomous vehicles | |
Tirachini et al. | Valuation of sitting and standing in metro trains using revealed preferences | |
Xu et al. | Capacity-oriented passenger flow control under uncertain demand: Algorithm development and real-world case study | |
Lu et al. | Pricing and mode choice based on nested logit model with trip-chain costs | |
Huang | Pricing and logit-based mode choice models of a transit and highway system with elastic demand | |
CN107766969B (zh) | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 | |
CN108151756A (zh) | 一种城市公共交通系统的行程时间计算方法和装置 | |
Edara et al. | Model of an advance-booking system for highway trips | |
CN105930914A (zh) | 基于起讫点距离的城市公交最优收费结构的收费确定方法 | |
Li et al. | Improving service quality with the fuzzy TOPSIS method: a case study of the Beijing rail transit system | |
Abenoza et al. | What is the role of weather, built-environment and accessibility geographical characteristics in influencing travelers’ experience? | |
CN115392949A (zh) | 基于乘客出发时间选择的轨道交通早高峰分时定价方法 | |
Kamel et al. | A modelling platform for optimizing time-dependent transit fares in large-scale multimodal networks | |
Li et al. | Traffic and welfare impacts of credit-based congestion pricing applications: An austin case study | |
Karoń | Travel demand and transportation supply modelling for agglomeration without transportation model | |
Zhu et al. | Quantifying out-of-station waiting time in oversaturated urban metro systems | |
Yoo | Transfer penalty estimation with transit trips from smartcard data in Seoul, Korea | |
Xueyu et al. | Research on the Bi-level programming model for ticket fare pricing of urban rail transit based on particle swarm optimization algorithm | |
Lv et al. | An origin-destination level analysis on the competitiveness of bike-sharing to underground using explainable machine learning | |
Kumar et al. | Urban Freight Regulations: How much they cost the consumers? | |
Vijayakumar | Optimal vehicle size for road‐based urban public transport in developing countries | |
Asmael et al. | A data envelopment analysis based for evaluating efficiency of bus public routes | |
Hörcher | The economics of crowding in urban rail transport |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110202 |