CN102044149A - 一种基于时变客流的城市公交运营协调方法与装置 - Google Patents
一种基于时变客流的城市公交运营协调方法与装置 Download PDFInfo
- Publication number
- CN102044149A CN102044149A CN 201110005702 CN201110005702A CN102044149A CN 102044149 A CN102044149 A CN 102044149A CN 201110005702 CN201110005702 CN 201110005702 CN 201110005702 A CN201110005702 A CN 201110005702A CN 102044149 A CN102044149 A CN 102044149A
- Authority
- CN
- China
- Prior art keywords
- time
- passenger
- transfer
- bus
- expression formula
- 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.)
- Granted
Links
Images
Abstract
本发明公开了城市公交管理技术领域中的一种基于时变客流的城市公交运营协调方法与装置。该装置利用公交动态客流量和公交实时GPS数据,基于公交运营受实时路况随机扰动的实际,以运营商成本、拥挤里程比例和换乘乘客平均候车时间为目标,构建基于公交时变数据的多变量运营协调总表达式,通过基于快速分类的非支配遗传算法寻求最优的动态运营协调方案。本发明有利于改善城市公交系统的资源利用和有效衔接。
Description
技术领域
本发明属于城市公交管理技术领域,尤其涉及一种基于时变客流的城市公交运营协调方法与装置。
背景技术
现代化社会经济的发展,客观上要求各种公共交通方式之间实现有效衔接,从而最大限度地提高公共交通的吸引力。城市轨道交通与常规公交的协调体现在三个方面,分别是:体制协调、规划协调和运营协调。本发明着重解决轨道交通与常规公交运营协调中技术层面的问题,即调度协调问题。目前有传统的公交车辆调度方法、静态调度协调和动态调度协调三种。
传统的公交车辆调度多是采用经验法,即参考线路的平均客流量情况和线路的计划配车数,从而确定车辆发车间隔和车辆配置、人员配班,虽然该方法具有一定的实用性,但存在着明显的不足,带有较大的盲目性,并且很难保证乘客的出行效率以及公交的运营效率。静态调度协调技术的数据基础是平均客流量等经验值,并且在确定公交车发车间隔时,综合考虑了运营商和乘客的效益。然而,在实际运营中,由于多种随机因素干扰,公交车辆的运行并不能严格遵循时刻表,同时客流需求也是实时变化的,这种双重不确定性,在传统的静态调度协调中并不能得到体现,使得由静态调度协调模型得到的行车计划在实际中难以保证其实施效果。在出行者日益关注出行质量的当前形势下,有必要开发一种基于实际公交网络双重不确定性的动态调度协调技术。由于目前缺乏面向实际应用、综合考虑公交多源时变数据的调度协调模型,城市常规公交与轨道交通难以实现运营协调,造成乘客换乘效率低、公交服务水平低下,且高峰时段公交资源分配不合理现象尤为突出,在很大程度上抑制了公交的吸引力。在此背景下,本发明利用公交时变客流数据和公交GPS数据,开发了面向应用的城市公交调度协调方法和装置,从而实现在动态情况下常规公交衔接轨道交通的调度协调。
本发明以时变数据为实施基础,及时把握客流需求的时变性和公交运行的不确定性,将不确定性问题转化为提前预知、并及时做出响应的问题,为公交调度提供更为科学的方法。
发明内容
针对上述背景技术中现有城市公交管理中公交资源分配不合理、乘客换乘效率低等问题,本发明提出了一种基于时变客流的城市公交运营协调方法与装置。
本发明的技术方案是,一种基于时变客流的城市公交运营协调方法,其特征是该方法包括以下步骤:
步骤1:利用公交GPS数据对车辆行程时间进行预测,推算出车辆在换乘站的到站时间间隔;
步骤2:根据动态客流量,确定公交运营的拥挤里程比例表达式;
步骤3:根据步骤1得到的车辆在换乘站的到站时间间隔,建立换乘乘客平均候车时间表达式;
步骤4:对运营商成本进行分析,进而完成公交调度协调总表达式的建立;
步骤5:采用基于快速分类的非支配遗传算法对步骤4的公交调度协调总表达式求解,输出所选择线路的运营协调方案;
步骤6:通过网络将运营协调方案发送至公共交通网络调度指挥中心。
所述车辆行程时间预测的方法为:对于拥挤的线路,采用基于时间点指数法的方法预测;对于非拥挤的线路,采用基于指数平滑法的方法预测。
所述拥挤里程比例表达式为:满载率超过期望满载率阈值上限的公交出行里程占公交出行总里程的百分比。
所述换乘乘客平均候车时间表达式根据乘客换乘方式,其建立方法如下:
1)乘客从轨道交通换乘常规公交时的平均候车时间表达式:将换乘乘客分为直接换乘和非直接换乘两种,按两者分担的比例,表示特定公交车辆到达间隔内客流到站时间分布概率密度,从而得到该特定公交车辆到达间隔内客流平均候车时间,对于轨道交通换乘常规公交构成一对多的换乘系统,可通过换乘人数对各条线路进行加权,从而获得运营协调线路的换乘乘客平均候车时间;
2)乘客从常规公交换乘轨道交通时的平均候车时间表达式:常规公交换乘轨道交通的平均候车时间的确定分两种情况,对于轨道交通发车间隔密集的情况,乘客到站平均候车时间为发车间隔的一半;对于轨道交通发车间隔较大的情况,则视为常规公交换乘至轨道交通的客流无乘客滞留的情况,控制常规公交到站时间,使轨道交通离站时间与换乘乘客到达轨道车站的时间间隔最小。
所述公交调度协调总表达式包括运营商成本、拥挤里程比例和换乘乘客平均候车时间。
一种基于时变客流的城市公交运营协调装置,其特征是所述装置包括数据读取装置、行程时间估算装置、广义成本解析装置、运营协调方案生成装置和方案输出装置;数据读取装置分别与行程时间估算装置和广义成本解析装置连接;行程时间估算装置和广义成本解析装置连接;广义成本解析装置和运营协调方案生成装置连接;运营协调方案生成装置和方案输出装置连接;
数据读取装置用于获取所选择线路的实时客流量和公交GPS响应数据,为整个运营协调过程提供了数据支持,其数据输出至行程时间估算装置和广义成本解析装置;
行程时间估算装置用于对公交车辆行程时间进行预测,并以此推算车辆在换乘站的到站时间间隔,使其可被下一装置的运行直接利用;
广义成本解析装置用于对包括拥挤里程比例、换乘乘客平均候车时间和运营商成本的广义成本进行分析,完成公交调度协调总表达式的建立;
运营协调方案生成装置接收来自广义成本解析装置所建立的公交调度协调总表达式,采用基于快速分类的非支配遗传算法对总表达式进行优化处理,得到运营协调方案;
方案输出装置用于实现对运营协调方案储存及输出,可将运营协调方案通过网络发送至外部需求用户。
本发明提出了一种动态的公交运营协调方法,实现了公交资源的合理分配和有效利用,提高了公交服务水平,解决了目前城市公交领域不同交通方式间的运营协调问题。
附图说明
图1是运营协调方法流程图。
图2是运营协调装置结构图。
图3是线路选择界面。
图4是公交车辆行程时间预测流程图。
图5是基于快速分类的非支配遗传算法的求解流程。
图6是公交线路参数设定界面。
图7是运营协调结果示例。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
一种基于时变客流的城市公交运营协调装置是依据一种基于时变客流的城市公交运营协调方法设计而来的,该方法流程图如图1所示。
依据该方法流程设计出的装置由五个部分组成,其结构如图2所示,分别为:数据读取装置、行程时间估算装置、广义成本解析装置、运营协调方案生成装置和方案输出装置。其中,运营协调部分是本发明的核心,包括广义成本解析装置和运营协调方案生成装置,各部分运行过程如下:
一.数据读取装置:通过线路选择界面(如图3所示)选择拟协调的轨道交通线路,从提供的换乘站点和相关公交线路列表中,选择需要协调的站点和线路,装置记录下所选公交线路标识号码后,向公交调度指挥中心服务器发送请求,获取实时动态客流量和公交GPS的响应数据。其中获取的GPS响应数据为优化时刻前的GPS记录,包括经度、纬度以及时间段;动态客流量数据为以每15分钟为单位的指定公交线路的动态客流量组成的二维表。
二.行程时间估算装置:接收数据读取装置传输的公交GPS数据,模糊匹配经度、纬度坐标以识别站点信息,根据拟实施协调的公交站点,确定其对应的时间点、与发车时刻的差值,即为公交车辆自始发站至指定站点的历史行程时间。依据车辆行程时间预测方法进行预测,从而推算未来15分钟内车辆在换乘站的到站时间间隔,流程如图4所示。
分析按发车时间顺序构造的行程时间序列,用逆序检验法对该时间序列进行平稳性检验。经过检验后,对于平稳行程时间序列,即非拥挤线路,采用基于指数平滑法的行程时间预测方法,否则采用基于时间点指数法的行程时间预测方法进行预测,利用预测值推断车辆在换乘站的到站时间间隔。
(1)基于指数平滑法的公交车辆行程时间预测:
指数平滑法利用对时间序列由近及远逐步衰减的方法对未来发展趋势进行预测。设某站点间的公交车辆行程时间序列为{yt},其一次指数平滑公式为:
S′t=αyt+(1-α)S′t-1
式中:
S′t为第t个行程时间的一次指数平滑值;
α为修正系数,且0<α<1。
一次指数平滑公式用第t个行程时间的一次指数平滑值作为第t+1个行程时间的预测值,其表示为:
式中:
yt为第t个行程时间的实测值;
上式可改写为:
此式说明,第t+1个行程时间的预测值是利用第t个行程时间的预测误差对第t个预测值修正后的结果。α越大,修正幅度就越大,对时间序列变化的反应就越敏感;α越小,修正幅度就越小,对时间序列变化的反应就越迟缓。
修正系数α的选择直接影响着预测结果,确定α取值常用包括直观法和模拟法,本方法选择模拟法确定。
根据历史数据的计算,选择使预测误差的平方和Qα最小的α作为修正系数。
(2)基于时间点指数法的公交车辆行程时间预测:
对于行程时间非平稳线路的行程时间预测思路是:利用历史数据,首先统计全部行程时间序列的变化趋势,然后引入时间点修正系数,对其进行修正。
其基本预测方法为:
式中:
It为t时段的修正系数。
其中:
It的计算过程为:
第一步:消除时段的不规则因素:
式中:
y′t为消除时段不规则因素后第t个行程时间值;
yt为第t个行程时间实测值;
n为取移动平均值的数据个数。
第二步:计算第t个时段的修正系数为:
式中:
n为行程时间序列的个数;
yi为第i个行程时间的实测值;
ti为第i个时间变量t。
式中:
三.广义成本解析装置:该装置与数据读取装置相连接,读入动态客流量;建立拥挤里程比例表达式;通过行程时间估算装置导入公交到站时间间隔,对换乘乘客平均候车时间进行估计;继而分析运营商的成本,以实现上述三个目标为优化对象,完成公交调度协调总表达式的建立。
1.根据动态客流量,确定公交运营的拥挤里程比例表达式
将公交动态客流数据转化为公交线路的断面客流量,依据本发明中对拥挤里程比例的定义:满载率超过期望满载率阈值上限的公交出行里程占公交出行总里程的百分比,建立拥挤里程比例的表达式。对乘客的乘车感受加以考虑,再将乘客个体能接受的拥堵出行站数转化为拥挤里程比例的约束条件。
拥挤里程比例的计算公式为:
式中:
k,w为断面编号;
n,N分别为拥挤断面和线路总的站点个数;
m为线路数;
为t时段第v条公交线路第w个断面的客流量,单位人次;
lvk为第v条公交线路第k个断面所属的站间距,单位公里;
lvw为第v条公交线路第w个断面所属的站间距,单位公里。
本发明约定第k个断面为站点k-1和站点k之间的断面。
根据公交动态客流量数据,计算t时段第v条公交线路第w个断面的客流量为:
式中:
i,j为站点编号;
N为线路站点数;
公交出行里程是指断面客流量与该断面所属站间距离的乘积,反映该断面上公交车辆输送乘客的能力。公交个体不关注系统的最优,更多地关注乘车过程的拥挤站数。根据问卷调研的方式确定各种乘车站距情况下,乘客能够接受的拥挤站数:
式中:
m为能够接受的拥挤站数,单位站;
d为乘车站距数,单位站。
将乘客个体能接受的拥堵出行站数转化为拥挤里程比例的约束条件,步骤如下:
第一步:计算各断面的满载率;
式中:
为t时段第v条公交线路第k个断面的满载率;
C*为乘客期望的公交车容量,不同时段、不同车辆类型的值不同,C*<C(C为额定的车容量);
n为t时段第v条公交线路某方向的总发车数。
第二步:将各断面满载率状态定义为0-1变量;
式中:
第三步:拥挤里程比例约束条件的确定;
式中:
2.建立换乘乘客平均候车时间表达式
根据行程时间估算装置得到的公交车辆在换乘站的到站时间间隔,建立换乘乘客平均候车时间表达式,包括以下步骤:
根据常规公交与轨道交通间换乘客流的两个换乘方向分别考虑:
(1)轨道交通换乘常规公交平均候车时间表达式:
将换乘乘客分为直接换乘和非直接换乘两种行为,直接换乘客流到站时间标准概率密度可以表示为:
式中:
f1(t)为直接换乘乘客到站时间概率密度函数;
t、τ为直接换乘客流到站时间变量;
hi为第i个公交车辆到达间隔。
非直接换乘乘客流到站时间标准概率密度可以表示为:
f2(t)为非直接换乘客流到站时间概率密度函数
则某个公交车辆到达间隔内客流到站时间分布概率密度函数为:
式中:k为直接换乘乘客比例。
根据客流到站时间分布概率密度函数,从而得到某个公交车辆到达间隔内客流平均候车时间为:
则统计时段内乘客平均候车时间为:
式中:
r-b表示轨道交通换乘常规公交:
n为统计时段内的公交车辆到达间隔数。
上式为单条线路统计时段内换乘乘客平均候车时间,对于公交调度协调而言,轨道交通换乘常规公交构成一对多的换乘系统,可通过换乘人数对各条线路进行加权,从而获得调度协调线路的换乘乘客平均候车时间。具体计算方法为:
式中:
v为线路编号;
m为协调的常规公交线路数;
为t时段第v条线路的换乘人数;
(2)常规公交换乘轨道交通平均候车时间表达式:
常规公交换乘轨道交通平均候车时间的确定分两种情况。
第一种:轨道交通发车间隔密集。乘客到站平均候车时间为发车间隔(车辆到达间隔)的一半。则乘客平均候车时间为:
式中:
b-r表示常规公交换乘轨道交通;
为t时段常规公交换乘轨道交通候车时间;
第二种:轨道交通发车间隔较大。假设常规公交换乘至轨道交通的客流不存在乘客滞留现象,控制常规公交到站时间,使轨道交通离站时间与换乘乘客到达轨道车站的时间间隔最小,则常规公交换乘轨道交通的平均候车时间为:
式中:
为t时段内轨道交通车辆离站时间;
为常规公交到达换乘站的时间;
l为乘客从常规公交车站行至轨道车站的距离;
v为乘客换乘平均走行速度。
综上所述,换乘乘客平均候车时间可表示为:
3.对运营商成本进行分析,进而完成公交调度协调总表达式的建立
运营商成本是公交管理者对于车辆、人员等的投入成本,以各时段内全程运营总成本来核算。运营商成本可以表示为:
式中:
r为上下行方向,r=1为上行方向,r=2为下行方向;
μvr为公交第v条线路r方向的单位距离的成本,单位元/公里,根据每条线路的成本进行核算;
lir为公交第v条线路r方向的线路长度,单位公里;
为公交第v条线路r方向t时段内的发车数,单位辆。
通过完成对上述三个广义成本的分析,进而可以建立公交调度协调总表达式,即运营协调调度模型,该模型由三个部分构成,分别是:运营商成本、拥挤里程比例和换乘乘客平均候车时间,由于公交调度所受的影响因素众多,外部环境复杂,因此在建立该表达式前,本方法在分析实际调度条件的基础上,作出如下假设:
(1)各线路的客流需求独立,不受其他线路的制约和影响;
(2)公交调度车辆为全程正班车;
(3)在一个时段内的各发车时段客流均衡;
(4)公交车辆在运行过程中无特殊事件发生。
公交调度协调总表达式如下:
模型目标一:
模型目标二:
模型目标三:
因变量:
为t时段拥挤里程比例,以百分比表示;
为换乘乘客平均候车时间,单位秒。
自变量:
Whi(t)为常规公交到达间隔为hi的轨道交通换乘常规公交平均候车时间,单位秒;
参数:
r为公交线路走行方向,r=1为上行方向,r=2为下行方向;
μir为公交第i条线路单位距离的成本,单位元/公里;
lir为公交第i条线路r方向的线路长度,单位公里;
为公交第i条线路上行方向t时段内场站内车辆数,单位辆;
k,w为公交线路断面编号;
n为拥挤断面个数;
m为协调优化的公交线路数;
N为公交线路总的站点数;
i,j为站点编号;
为t时段第v条线路第w个断面客流量,单位人;
lvk为第v条线路第k个断面所属的站间距,单位公里;
v为公交线路编号;
四.运营协调方案生成装置:针对广义成本分析装置建立的公交调度协调总表达式,采用基于快速分类的非支配遗传算法NSGA-∏进行寻优,输出所选择线路的运营协调方案,最终生成实现运营协调的发车时刻表。
以运营商成本、拥挤里程比例和换乘乘客平均候车时间为衡量目标,将实际问题转化为数学建模问题,建立了三目标调度协调模型,即运营调度协调总表达式。其中,运营商成本和拥挤里程比例与公交车辆发车间隔相关;而乘客换乘平均候车时间是由常规公交换乘轨道交通的节点效率来决定,前两个目标数据需求为动态客流量,而第三个目标数据需求为公交车辆行程时间预测结果。如果将三个目标一起进行考虑,不仅会增加模型的运算复杂度,而且对公交车辆行程时间预测的频率更加难于把握。因此,本方法结合基于快速分类的非支配遗传算法NSGA-∏的特点,将总表达式的目标函数分为两个部分:首先,采用基于快速分类的非支配遗传算法NSGA-∏对前两个目标求出可行解,并进行可行解的筛选;在此基础上,根据可行解的需求,进行公交车辆行程时间预测,计算换乘乘客平均候车时间,基于理想点法进行可行解的优劣比选,最终确定协调后的发车间隔。
由于上述计算结果为各条线路每15分钟动态客流量所求解的车辆数,在有多个目标达到最优值时,可以采用理想点法。基于这种思想,在每个时段的可行解集里定义每个目标的理想点为最小值:
Zg=(Zg1,Zg2,Zg3)
该算法的模型内部流程如图5所示。具体流程如下:
第1步:对总表达式其他参数和变量范围进行设定,参数设定界面如图6所示,包括:公交线路站间距、车辆定员、单位距离运营成本、各线路配车上限。根据配车的阈值范围,随机生成各条线路初始发车数的父代种群。
第2步:根据初始父代种群,分别计算第一、二广义成本值,经过快速非支配排序、拥挤距离计算和选择交叉变异操作,生成各线路发车子种群。
第3步:是基于快速分类的非支配遗传算法NSGA-∏的精英策略过程,从第二代开始,将父代与子代种群结合,在组合种群中进行快速非支配排序和拥挤度计算,根据非支配关系和拥挤度大小,确定前N个个体,组成新的父代种群。
第4步:判断是否达到收敛条件,设定收敛条件为迭代次数的约束。如果达到收敛条件,则停止迭代,输出可行解;否则,返回第二步继续。
第5步:根据第四步输出的各条线路发车数可行解,通过公交车辆行程时间预测结果和轨道交通车辆到达时间数据,计算第三广义成本值,通过基于理想点法确定最优解,最终生成实现运营协调的发车时刻表,如图7所示。
五.方案输出装置:实现对运营协调方案的储存及输出,并通过网络将其发送至公共交通网络调度指挥中心对现有调度方案进行调整。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种基于时变客流的城市公交运营协调方法,其特征是该方法包括以下步骤:
步骤1:利用公交GPS数据对车辆行程时间进行预测,推算出车辆在换乘站的到站时间间隔;
步骤2:根据动态客流量,确定公交运营的拥挤里程比例表达式;
步骤3:根据步骤1得到的车辆在换乘站的到站时间间隔,建立换乘乘客平均候车时间表达式;
步骤4:对运营商成本进行分析,进而完成公交调度协调总表达式的建立;
步骤5:采用基于快速分类的非支配遗传算法对步骤4的公交调度协调总表达式求解,输出所选择线路的运营协调方案;
步骤6:通过网络将运营协调方案发送至公共交通网络调度指挥中心。
2.根据权利要求1所述一种基于时变客流的城市公交运营协调方法,其特征是所述车辆行程时间预测的方法为:对于拥挤的线路,采用基于时间点指数法的方法预测;对于非拥挤的线路,采用基于指数平滑法的方法预测。
3.根据权利要求1所述一种基于时变客流的城市公交运营协调方法,其特征是所述拥挤里程比例表达式为:满载率超过期望满载率阈值上限的公交出行里程占公交出行总里程的百分比。
4.根据权利要求1所述一种基于时变客流的城市公交运营协调方法,其特征是所述换乘乘客平均候车时间表达式根据乘客换乘方式,其建立方法如下:
1)乘客从轨道交通换乘常规公交时的平均候车时间表达式:将换乘乘客分为直接换乘和非直接换乘两种,按两者分担的比例,表示特定公交车辆到达间隔内客流到站时间分布概率密度,从而得到该特定公交车辆到达间隔内客流平均候车时间,对于轨道交通换乘常规公交构成一对多的换乘系统,可通过换乘人数对各条线路进行加权,从而获得运营协调线路的换乘乘客平均候车时间;
2)乘客从常规公交换乘轨道交通时的平均候车时间表达式:常规公交换乘轨道交通的平均候车时间的确定分两种情况,对于轨道交通发车间隔密集的情况,乘客到站平均候车时间为发车间隔的一半;对于轨道交通发车间隔较大的情况,则视为常规公交换乘至轨道交通的客流无乘客滞留的情况,控制常规公交到站时间,使轨道交通离站时间与换乘乘客到达轨道车站的时间间隔最小。
5.根据权利要求1所述一种基于时变客流的城市公交运营协调方法,其特征是所述公交调度协调总表达式包括运营商成本、拥挤里程比例和换乘乘客平均候车时间。
6.一种基于时变客流的城市公交运营协调装置,其特征是所述装置包括数据读取装置、行程时间估算装置、广义成本解析装置、运营协调方案生成装置和方案输出装置;数据读取装置分别与行程时间估算装置和广义成本解析装置连接;行程时间估算装置和广义成本解析装置连接;广义成本解析装置和运营协调方案生成装置连接;运营协调方案生成装置和方案输出装置连接;
数据读取装置用于获取所选择线路的实时客流量和公交GPS响应数据,为整个运营协调过程提供数据支持,其数据输出至行程时间估算装置和广义成本解析装置;
行程时间估算装置用于对公交车辆行程时间进行预测,并以此推算车辆在换乘站的到站时间间隔,使其可被下一装置的运行直接利用;
广义成本解析装置用于对包括拥挤里程比例、换乘乘客平均候车时间和运营商成本的广义成本进行分析,完成公交调度协调总表达式的建立;
运营协调方案生成装置接收来自广义成本解析装置所建立的公交调度协调总表达式,采用基于快速分类的非支配遗传算法对总表达式进行优化处理,得到运营协调方案;
方案输出装置用于实现对运营协调方案储存及输出,可将运营协调方案通过网络发送至外部需求用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100057025A CN102044149B (zh) | 2011-01-12 | 2011-01-12 | 一种基于时变客流的城市公交运营协调方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100057025A CN102044149B (zh) | 2011-01-12 | 2011-01-12 | 一种基于时变客流的城市公交运营协调方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102044149A true CN102044149A (zh) | 2011-05-04 |
CN102044149B CN102044149B (zh) | 2012-08-08 |
Family
ID=43910253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100057025A Active CN102044149B (zh) | 2011-01-12 | 2011-01-12 | 一种基于时变客流的城市公交运营协调方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102044149B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542791A (zh) * | 2011-12-29 | 2012-07-04 | 北京邮电大学 | 一种公交车辆调度方法 |
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN103198648A (zh) * | 2013-03-26 | 2013-07-10 | 成都希盟科技有限公司 | 用于公交系统的自适应调度方法 |
CN103617732A (zh) * | 2013-11-27 | 2014-03-05 | 青岛海尔软件有限公司 | 一种公交车车内乘客密度检测装置 |
CN103732471A (zh) * | 2011-09-27 | 2014-04-16 | 株式会社日立制作所 | 资源运用计划制作装置及其方法、以及程序 |
CN103955744A (zh) * | 2014-04-23 | 2014-07-30 | 同济大学 | 轨道交通客流分配模型参数自动标定方法及装置 |
CN104021668A (zh) * | 2014-06-26 | 2014-09-03 | 中国科学院自动化研究所 | 一种公共交通供需状态检测与预测系统及方法 |
CN104134105A (zh) * | 2014-08-18 | 2014-11-05 | 东南大学 | 一种公交线网布设优化方法 |
CN104217582A (zh) * | 2014-09-02 | 2014-12-17 | 南通北城科技创业管理有限公司 | 一种公交智能调度系统 |
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 |
CN106062848A (zh) * | 2014-03-04 | 2016-10-26 | 株式会社东芝 | 时刻表生成方法 |
CN106205116A (zh) * | 2016-09-29 | 2016-12-07 | 福州大学 | 一种农村客运调度系统及其实现方法 |
CN106504518A (zh) * | 2016-11-24 | 2017-03-15 | 浙江交通职业技术学院 | 一种城市公交与长途客运协同的调度方法 |
CN107330547A (zh) * | 2017-06-15 | 2017-11-07 | 重庆交通大学 | 一种城市公交动态调度优化方法及系统 |
CN107331150A (zh) * | 2017-07-28 | 2017-11-07 | 东北大学 | 一种基于站点间资源迭代分配的缓解公交网络拥塞的方法 |
CN108090668A (zh) * | 2017-12-14 | 2018-05-29 | 兰州交通大学 | 时变客流驱动的城市轨道交通客流匹配与时刻表调整方法 |
CN108470444A (zh) * | 2018-03-21 | 2018-08-31 | 特斯联(北京)科技有限公司 | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 |
CN109584546A (zh) * | 2018-07-04 | 2019-04-05 | 东南大学 | 一种快速-常规公交共享车道发车流量阈值的确定方法 |
WO2019184724A1 (zh) * | 2018-03-30 | 2019-10-03 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
CN110901710A (zh) * | 2019-12-02 | 2020-03-24 | 交控科技股份有限公司 | 基于动态客流的城市轨道交通行车调度方法及装置 |
CN111063191A (zh) * | 2019-12-12 | 2020-04-24 | 北京航空航天大学 | 用于公交线网设计的发车频率与线网结构联合优化方法 |
CN111160686A (zh) * | 2019-10-12 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种行车计划生成方法及装置 |
CN111340406A (zh) * | 2020-05-22 | 2020-06-26 | 广州交通信息化建设投资营运有限公司 | 基于od客流的公交动态编排模型的实现方法及系统 |
CN112465396A (zh) * | 2020-12-15 | 2021-03-09 | 中北大学 | 一种基于沿线站点事件的公交调度方法及系统 |
CN113781787A (zh) * | 2021-11-15 | 2021-12-10 | 深圳市都市交通规划设计研究院有限公司 | 公交发车时刻表生成方法及系统 |
CN116451961A (zh) * | 2023-04-21 | 2023-07-18 | 四川国蓝中天环境科技集团有限公司 | 一种城际需求响应式公交服务的建模优化方法 |
CN116828000A (zh) * | 2023-08-28 | 2023-09-29 | 山东未来互联科技有限公司 | 基于确定性网络与sdn网络的乘车订单处理系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1077362A1 (en) * | 1999-08-17 | 2001-02-21 | Toyota Jidosha Kabushiki Kaisha | Route guiding apparatus |
US6486801B1 (en) * | 1993-05-18 | 2002-11-26 | Arrivalstar, Inc. | Base station apparatus and method for monitoring travel of a mobile vehicle |
CN101587650A (zh) * | 2009-07-10 | 2009-11-25 | 叶松 | Gps公交车换乘导航方法及其系统 |
CN101593419A (zh) * | 2009-07-10 | 2009-12-02 | 浙江大学 | 一种具有公交优先的城市路网交通流智能协调控制方法 |
-
2011
- 2011-01-12 CN CN2011100057025A patent/CN102044149B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6486801B1 (en) * | 1993-05-18 | 2002-11-26 | Arrivalstar, Inc. | Base station apparatus and method for monitoring travel of a mobile vehicle |
EP1077362A1 (en) * | 1999-08-17 | 2001-02-21 | Toyota Jidosha Kabushiki Kaisha | Route guiding apparatus |
CN101587650A (zh) * | 2009-07-10 | 2009-11-25 | 叶松 | Gps公交车换乘导航方法及其系统 |
CN101593419A (zh) * | 2009-07-10 | 2009-12-02 | 浙江大学 | 一种具有公交优先的城市路网交通流智能协调控制方法 |
Non-Patent Citations (2)
Title |
---|
《交通标准化》 20081231 黄文娟等 城市快速公交与常规公交系统协调评价探讨 41-44 1-6 , 第4期 * |
《系统工程理论与实践》 20091031 陈旭梅等 常规公共交通与轨道交通运营调度协调模型 165-173 1-6 第29卷, 第10期 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103732471A (zh) * | 2011-09-27 | 2014-04-16 | 株式会社日立制作所 | 资源运用计划制作装置及其方法、以及程序 |
CN103732471B (zh) * | 2011-09-27 | 2015-11-25 | 株式会社日立制作所 | 资源运用计划制作装置及其方法 |
CN102542791A (zh) * | 2011-12-29 | 2012-07-04 | 北京邮电大学 | 一种公交车辆调度方法 |
CN102542791B (zh) * | 2011-12-29 | 2014-10-01 | 北京邮电大学 | 一种公交车辆调度方法 |
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN102831767B (zh) * | 2012-08-13 | 2014-07-09 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN103198648A (zh) * | 2013-03-26 | 2013-07-10 | 成都希盟科技有限公司 | 用于公交系统的自适应调度方法 |
CN103198648B (zh) * | 2013-03-26 | 2015-01-07 | 成都希盟科技有限公司 | 用于公交系统的自适应调度方法 |
CN103617732A (zh) * | 2013-11-27 | 2014-03-05 | 青岛海尔软件有限公司 | 一种公交车车内乘客密度检测装置 |
CN106062848A (zh) * | 2014-03-04 | 2016-10-26 | 株式会社东芝 | 时刻表生成方法 |
CN103955744A (zh) * | 2014-04-23 | 2014-07-30 | 同济大学 | 轨道交通客流分配模型参数自动标定方法及装置 |
CN103955744B (zh) * | 2014-04-23 | 2017-01-04 | 同济大学 | 轨道交通客流分配模型参数自动标定方法及装置 |
CN104021668A (zh) * | 2014-06-26 | 2014-09-03 | 中国科学院自动化研究所 | 一种公共交通供需状态检测与预测系统及方法 |
CN104134105A (zh) * | 2014-08-18 | 2014-11-05 | 东南大学 | 一种公交线网布设优化方法 |
CN104134105B (zh) * | 2014-08-18 | 2017-06-13 | 东南大学 | 一种公交线网布设优化方法 |
CN104217582A (zh) * | 2014-09-02 | 2014-12-17 | 南通北城科技创业管理有限公司 | 一种公交智能调度系统 |
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 |
CN106205116A (zh) * | 2016-09-29 | 2016-12-07 | 福州大学 | 一种农村客运调度系统及其实现方法 |
CN106205116B (zh) * | 2016-09-29 | 2019-08-09 | 福州大学 | 一种农村客运调度系统及其实现方法 |
CN106504518A (zh) * | 2016-11-24 | 2017-03-15 | 浙江交通职业技术学院 | 一种城市公交与长途客运协同的调度方法 |
CN106504518B (zh) * | 2016-11-24 | 2019-04-02 | 浙江交通职业技术学院 | 一种城市公交与长途客运协同的调度方法 |
CN107330547A (zh) * | 2017-06-15 | 2017-11-07 | 重庆交通大学 | 一种城市公交动态调度优化方法及系统 |
CN107330547B (zh) * | 2017-06-15 | 2020-07-28 | 重庆交通大学 | 一种城市公交动态调度优化方法及系统 |
CN107331150A (zh) * | 2017-07-28 | 2017-11-07 | 东北大学 | 一种基于站点间资源迭代分配的缓解公交网络拥塞的方法 |
CN107331150B (zh) * | 2017-07-28 | 2020-04-07 | 东北大学 | 一种基于站点间资源迭代分配的缓解公交网络拥塞的方法 |
CN108090668A (zh) * | 2017-12-14 | 2018-05-29 | 兰州交通大学 | 时变客流驱动的城市轨道交通客流匹配与时刻表调整方法 |
CN108090668B (zh) * | 2017-12-14 | 2021-12-28 | 兰州交通大学 | 时变客流驱动的城市轨道交通客流匹配与时刻表调整方法 |
CN108470444A (zh) * | 2018-03-21 | 2018-08-31 | 特斯联(北京)科技有限公司 | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 |
WO2019184724A1 (zh) * | 2018-03-30 | 2019-10-03 | 卡斯柯信号有限公司 | 一种基于实时客流的列车智能运行调整系统及方法 |
CN109584546A (zh) * | 2018-07-04 | 2019-04-05 | 东南大学 | 一种快速-常规公交共享车道发车流量阈值的确定方法 |
CN111160686A (zh) * | 2019-10-12 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种行车计划生成方法及装置 |
CN111160686B (zh) * | 2019-10-12 | 2021-04-16 | 南京行者易智能交通科技有限公司 | 一种行车计划生成模型的设计方法及装置 |
CN110901710A (zh) * | 2019-12-02 | 2020-03-24 | 交控科技股份有限公司 | 基于动态客流的城市轨道交通行车调度方法及装置 |
CN110901710B (zh) * | 2019-12-02 | 2021-09-10 | 交控科技股份有限公司 | 基于动态客流的城市轨道交通行车调度方法及装置 |
CN111063191A (zh) * | 2019-12-12 | 2020-04-24 | 北京航空航天大学 | 用于公交线网设计的发车频率与线网结构联合优化方法 |
CN111063191B (zh) * | 2019-12-12 | 2020-11-24 | 北京航空航天大学 | 用于公交线网设计的发车频率与线网结构联合优化方法 |
CN111340406A (zh) * | 2020-05-22 | 2020-06-26 | 广州交通信息化建设投资营运有限公司 | 基于od客流的公交动态编排模型的实现方法及系统 |
CN112465396A (zh) * | 2020-12-15 | 2021-03-09 | 中北大学 | 一种基于沿线站点事件的公交调度方法及系统 |
CN113781787A (zh) * | 2021-11-15 | 2021-12-10 | 深圳市都市交通规划设计研究院有限公司 | 公交发车时刻表生成方法及系统 |
CN116451961B (zh) * | 2023-04-21 | 2024-02-02 | 四川国蓝中天环境科技集团有限公司 | 一种城际需求响应式公交服务的建模优化方法 |
CN116451961A (zh) * | 2023-04-21 | 2023-07-18 | 四川国蓝中天环境科技集团有限公司 | 一种城际需求响应式公交服务的建模优化方法 |
CN116828000A (zh) * | 2023-08-28 | 2023-09-29 | 山东未来互联科技有限公司 | 基于确定性网络与sdn网络的乘车订单处理系统及方法 |
CN116828000B (zh) * | 2023-08-28 | 2023-11-17 | 山东未来互联科技有限公司 | 基于确定性网络与sdn网络的乘车订单处理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102044149B (zh) | 2012-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
Ma et al. | Designing optimal autonomous vehicle sharing and reservation systems: A linear programming approach | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
Yi et al. | Data-driven optimal charging decision making for connected and automated electric vehicles: A personal usage scenario | |
CN102324128B (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
Liu et al. | Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems | |
CN109886491A (zh) | 一种海量运行数据驱动的地面公交两阶段优化调度方法 | |
CN105513414A (zh) | 基于实时交通查询和云模型的停车场车位预测和推荐方法 | |
Chen et al. | Uncertainty in urban mobility: Predicting waiting times for shared bicycles and parking lots | |
CN106503869A (zh) | 一种基于站点短时需求预测的公共自行车动态调度方法 | |
Zahabi et al. | Spatio-temporal analysis of car distance, greenhouse gases and the effect of built environment: A latent class regression analysis | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划系统及方法 | |
Guo et al. | Vehicle rebalancing with charging scheduling in one-way car-sharing systems | |
Marczuk et al. | Simulation framework for rebalancing of autonomous mobility on demand systems | |
CN111553530B (zh) | 一种城际网约车包车出行运力预测与出行推荐方法及系统 | |
CN105868861A (zh) | 一种基于时空数据融合的公交客流演化分析方法 | |
Li et al. | Deep learning based parking prediction on cloud platform | |
Miao et al. | Robust taxi dispatch under model uncertainties | |
Yang et al. | Dynamic origin-destination matrix estimation based on urban Rail transit AFC data: deep optimization framework with forward passing and backpropagation techniques | |
Hasnine et al. | Mode shift impacts of optimal time-dependent congestion pricing in large networks: A simulation-based case study in the greater toronto area | |
Bischoff | Mobility as a Service and the transition to driverless systems | |
CN109583708B (zh) | 多智能体微观交通配流模型的建立方法 | |
CN115660501A (zh) | 电动汽车充电负荷可调裕度评估方法 | |
CN112949987B (zh) | 基于预测的出租车调度和匹配方法、系统、设备及介质 | |
Zhang et al. | Research on optimization of customized bus routes based on uncertainty theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |