CN104838433A - 交通运输计划创建支持设备和交通运输计划创建支持方法 - Google Patents
交通运输计划创建支持设备和交通运输计划创建支持方法 Download PDFInfo
- Publication number
- CN104838433A CN104838433A CN201380064989.6A CN201380064989A CN104838433A CN 104838433 A CN104838433 A CN 104838433A CN 201380064989 A CN201380064989 A CN 201380064989A CN 104838433 A CN104838433 A CN 104838433A
- Authority
- CN
- China
- Prior art keywords
- transportation
- communications
- travelling
- user
- time
- 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
- 238000000034 method Methods 0.000 title claims description 11
- 238000013178 mathematical model Methods 0.000 claims abstract description 33
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims description 109
- 238000004321 preservation Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 108010022579 ATP dependent 26S protease Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
为了获得当向目标交通运输网络给予具体条件时的交通流,分别获取交通运输条件数据、交通运输参数和旅行需求,所述交通运输条件数据是表示利用其运行不受调度的第一交通运输工具旅行的时间约束条件的数据,交通运输参数是与其运行受调度的第二交通运输工具的运行相关的参数,旅行需求是表示对于各个期望的到达时间和目的地,旅行用户的数目的数据。另外,保存用于生成表示用户在节点之间的旅行的数学模型的模板。通过把交通运输条件数据、交通运输参数和旅行需求应用于所述模板,生成表示用户在节点之间的旅行的数学模型。通过求解由数学模型用公式表示的优化问题,获得交通流。
Description
技术领域
本发明涉及为采用多式联运的交通运输网络创建最佳交通运输计划的技术。
背景技术
在交通运输领域,迫切需要解决环境问题。例如,通过使通常乘私家车旅行的用户转到公共交通运输,能够通过减少CO2排放等降低对环境的影响。
提出了优化火车或公共汽车的运行时间表,以使公共交通运输更便利的技术。例如,专利文献1描述一种交通运输工具的运行系统,所述系统通过从用户收集与期望的旅行路线和旅行时间有关的信息,能够创建满足用户的偏好的运行计划。
如果所有的旅行用户都利用公共交通运输,那么能够使对环境的影响降至最小。不过,由于公共交通运输的运行是按照运行图调度的,因此仅仅优化运行计划不保证每当用户期望利用公共交通运输时,他或她都能够利用公共交通运输。另外,由于增加了当前往火车站或公共汽车站时产生的费用,当仅仅利用公共交通运输时,用户的总体便利性降低。
解决这些问题的一种途径是结合私家车和公共交通运输,以便实现降低对环境的影响和增强用户便利性之间的平衡。结合多种交通运输工具的这种交通运输模式被称为多式联运(multimodal transportation)。
[引文列表]
[专利文献]
[PTL 1]日本专利申请公开N0.2002-269671
发明内容
就多式联运来说,需要优化交通运输参数。交通运输参数是能够由管理交通运输的交通运输经营者调整的参数。交通运输参数的例子包括在车站之间行驶的火车的运行时间间隔,和驶往车站的公共汽车的数目。通过最佳地调整这样的参数,能够确定满足用户和交通运输经营者两者、并且减小对环境的影响的交通运输模式。不过,对于多式联运,采用优化由单一交通运输工具组成的交通运输模式的技术(比如在专利文献1中公开的技术)不一定优化总的交通流。
按照惯例,尽管产生了如上所述的优化由单一交通运输工具组成的交通运输模式的提案,不过,没有产生优化多式联运中的交通流的提案。结果,一直难以获得最佳的交通运输参数。
考虑到上述问题,作出了本发明,本发明的目的是提供一种获得采用多式联运的交通运输网络的最佳交通运输计划的交通运输计划创建支持设备。
在一个方面,本发明提供一种获得交通运输网络中的从起始点行进到目的地的用户的交通流的交通运输计划创建支持设备,所述交通运输网络由多个节点,第一交通运输工具和第二交通运输工具构成,借助第一交通运输工具,用户能够随时开始旅行,同时第二交通运输工具的运行被调度。
第一交通运输工具是使用户能够在任意定时出发的交通运输工具,其典型例子包括私家车和自行车。第一交通运输工具还包括步行。
第二交通运输工具是其运行由交通运输经营者调度的交通运输工具,其典型例子包括火车、固定线路公共汽车、合乘出租车等。
按照本发明的交通运输计划创建支持设备是获得交通运输网络中的用户的交通流的设备,在所述交通运输网络中,用户可通过组合第一交通运输工具和第二交通运输工具,进行旅行。
具体地,交通运输计划创建支持设备包含配置成获得交通运输条件数据的交通运输条件获取单元,所述交通运输条件数据是表示用户利用第一交通运输工具,在节点之间的旅行的时间约束条件的数据;配置成获取交通运输参数的交通运输参数获取单元,所述交通运输参数是与第二交通运输工具的运行相关的参数;配置成获取旅行需求的旅行需求获取单元,旅行需求是表示对于各个期望的到达时间和目的地,在交通运输网络内旅行的用户的人数的数据;配置成保存模型模板的模型模板存储单元,模型模板是用于生成表示用户在节点之间的旅行的数学模型的模板,是用户在节点之间的旅行的一组约束条件;配置成通过把交通运输条件数据、交通运输参数和旅行需求应用于模型模板,生成数学模型的模型生成单元,所述数学模型表示用户在节点之间的旅行;和配置成求解优化问题,从而获得构成最优解的交通流的数据计算单元,所述优化问题由生成的数学模型用公式表示。
按照本发明的交通运输计划创建支持设备是支持通过互连节点而构成的交通运输网络的交通运输计划的创建的设备。更具体地,按照本发明的交通运输计划创建支持设备是当给定的交通运输条件数据、交通运输参数和旅行需求被提供给给定的交通运输网络时,评估创建哪种交通流的设备。
交通运输条件数据是表示当用户利用第一交通运输工具旅行时,应用的时间约束条件的数据,例如是节点之间的旅行时间。其它例子包括节点之间的距离,平均旅行速度和平行旅行时间。另外,值可随时间段而变化。此外,交通运输参数是可由交通运输网络中的交通运输经营者调整的参数。交通运输参数的例子包括公共交通运输工具的运行频率和运行次数,等等。
旅行需求是表示对于各个期望的到达时间,期望从起始点旅行到目的地的人的数目的数据。例如,旅行需求可以用与起始点、目的地或期望的到达时间相应的人数表示。另外,可根据以前的旅行调查数据,问题调查结果等,生成旅行需求。
与构成交通运输网络的节点相关的用户的数目可被表示成变量。另外,可以利用数学模型,表示变量之间的关系。例如,可以表达诸如“通过相加新到达车站A的人数和原先在车站A的人数,并减去在车站A已登上火车的人数,获得在车站A的人数”和“从节点A出发的每个人在预定一段时间之后到达节点B”之类的关系。这样的关系被称为约束条件。多个约束条件的集合被称为模型模板。
通过把前面说明的交通运输条件数据、交通运输参数和旅行需求加入模型模板中,模型生成单元能够生成按照约束条件,表示用户的旅行的数学模型。
另外,数据计算单元求解由生成的数学模型用公式表示的优化问题,换句话说,数学规划问题。
求解优化问题需要最优解的条件(下面称为最优解条件)。尽管可以利用任何最优解条件,只要该最优解条件能够利用数学模型表达,不过,最优解条件有利地表示用户在旅行中采取的最合理的行动,比如“使所有用户的总旅行时间降至最小”。
如上所述,按照本发明的交通运输计划创建支持设备能够获得最优解,换句话说,能够根据模型模板、交通运输条件数据、交通运输参数、旅行需求和最优解条件,唯一地确定构成数学模型的变量。由于最优解是表示给定条件下的理想交通流的数据,因此通过分析最优解,能够评估交通运输参数。
另外,交通运输网络可包含至少两条路线,所述至少两条路线包括仅仅利用第一交通运输工具,就能够从起始点旅行到目的地的第一路线,和通过至少利用第二交通运输工具,能够从起始点旅行到目的地的第二路线,保存在模型模板存储单元中的模型模板包括表示在预定时间从第二路线上的预定节点出发的第二交通运输工具的有无,和在所述预定时间从所述预定节点出发的用户的人数之间的关系的约束条件,模型生成单元可利用约束条件,生成表示利用第二交通运输工具旅行的用户的数目的数学模型。
由于第二交通运输工具的运行被调度,因此不能在任意定时出发。考虑到此,利用在给定时间,从第二路线上的给定节点出发的第二交通运输工具的有/无,表达在所述给定时间,从所述给定节点出发的人数。例如,通过当火车在给定时间发车时,赋予为1的值,而当火车未在给定时间出发时,赋予为0的值,并把所述值乘以乘车定员,能够表达从车站开始旅行的人数。提供这样的约束条件使得能够用数学模型,表达利用第二交通运输工具旅行的用户。
另外,保存在模型模板存储单元中的模型模板可包括表示在预定时间范围内,从第二路线上的预定节点出发的第二交通运输工具的运行次数之和的约束条件,模型生成单元可利用所述约束条件,生成表示第二交通运输工具的运行的数学模型。
第二交通运输工具的运行时间表或运行时间间隔可被表示成“预定时间范围内的第二交通运输工具的运行次数”形式的约束条件。
另外,交通运输参数获取单元可获得多个交通运输参数,模型生成单元可通过利用所述多个交通运输参数,生成多个数学模型,数据计算单元可对于所述多个数学模型进行计算,从而获得多个交通流。
通过利用多个交通运输参数进行多个计算,能够获得多个交通流。从而,可以判定哪个交通运输参数最适宜。例如,通过准备火车的运行次数的多种样式,并利用各个获得的交通流计算CO2排放量和运行成本,能够确定实现环境影响和成本之间的平衡的使用中的火车的数目。
另外,数据计算单元可根据获得的交通流,计算用于评估交通运输参数的评估值,并根据评估值确定最佳的交通运输参数。
评估值是用于评估输入的交通运输参数(比如总的CO2排放量,交通运输工具的运行成本,用户的平均旅行时间,和用户的总等待时间)的值。可通过计算多个评估值,获得评估值。多个评估值的使用使得能够保存并客观地评估交通运输参数。
另外,有利的是,模型模板包括所有用户在期望的到达时间之前到达目的地的约束条件。
这是因为评估使用户不能及时到达目的地的交通运输参数毫无意义。
此外,交通运输参数获取单元获得的交通运输参数可以是表示公共交通运输工具的运行条件的数据,至少可包括公共交通运输工具的运行次数,公共交通运输工具的运行时间间隔,和公共交通运输工具的乘车定员任意之一。
通过把表示公共交通运输工具的运行条件的数据包含在交通运输参数中,能够评估公共交通运输工具的运行计划。表示公共交通运输工具的运行条件的数据可以是表示在各个节点的发车时间(发车时间表),或者预定时间段内公共交通运输工具的运行次数的数据。另外,所述数据可以是最大运行时间间隔或者最小运行时间间隔。此外,通过定义乘车定员,或者换句话说,一次能够运送的乘客的最大数,能够更精确地表达用户的旅行。运行条件数据可以是任意数据,只要运行条件数据是与公共交通运输工具的运行相关的参数。
另外,数据计算单元可获得在基于各个用户的实际旅行时间与最小旅行时间之比获得的和值取最小值的最优解条件下的交通流。
假定当利用交通运输工具旅行时,用户采取最合理的行动,有利的是,最优解条件被设定成使实际旅行时间与最小旅行时间之比降至最小(换句话说,用户在路线上不浪费时间)的条件。
此外,本发明可被指定为包括至少一部分的上述单元的交通运输计划创建支持设备。本发明还可被指定为包括至少一部分的上述处理的交通运输计划创建支持方法和交通运输计划创建支持程序。只要不出现技术矛盾,就可自由地组合和实现上述处理和单元。
按照本发明,能够提供一种获得采用多式联运的交通运输网络的最佳交通运输计划的交通运输计划创建支持设备。
参考附图,根据例证实施例的以下说明,本发明的其它特征将变得明显。
附图说明
图1是表示按照实施例的节点和链路之间的关系的示图;
图2是表示沿时间轴方向展开的节点和链路之间的关系的示图;
图3是按照实施例的交通运输计划创建支持设备的系统结构图;
图4是描述按照实施例的交通运输条件数据的示图;
图5是描述按照实施例的运行条件数据的示图;
图6是描述按照实施例的旅行需求数据的示图;
图7是按照实施例的交通运输计划创建支持设备的处理流程图;
图8是交通运输计划创建支持设备计算的评估值的图形表示。
具体实施方式
(实施例)
<交通运输参数的概况>
在开始说明实施例之前,将说明交通运输参数。图1是表示节点排列和节点之间的旅行路线的例子的示图。节点是交通运输枢纽。在本实施例中,节点包括起始点,乘车站和下车站(目的地)。在本实施例中,将参考图1中所示的网络,说明其中从作为起始点的节点A(例如,家)出发的人(下面称为用户)利用任意交通运输工具,前往作为目的地的节点C(例如,工作场所)的例子。此外,在本实施例中,为了简单起见,假定作为下车站的节点C是目的地。下面,连接节点的路线将被称为链路。
从节点A到节点C有两条路线。一条路线是用户坐汽车通过链路AB,然后在节点B转乘火车前往节点C的路线。另一条路线是用户坐汽车通过链路AC的路线。假定用户抱着在给定的预定时间(例如,起始时间)之前到达目的地的打算,从起始点出发。
现在说明可由管理交通运输工具的交通运输经营者规定的交通运输参数。例示的网络中的可规定的交通运输参数是服务链路BC的火车的运行条件(例如,发车时间和运行时间间隔)。
除链路BC外的其它链路上的所需旅行时间由诸如交通量之类的因素决定,不能由交通运输经营者规定。于是,通过设定服务链路BC的火车的运行条件,唯一地确定用户的旅行方式(交通流)。按照本实施例的交通运输计划创建支持设备是当给定交通运输参数时,通过计算,来获得整个交通运输网络的交通流的设备。
另外,根据获得的交通流,可计算整个网络的各种成本(比如CO2总排放量,火车的运行成本,和在旅行期间产生的等待时间),作为评估值。此外,设备可获得多个交通流,并当给定多个交通运输参数时,计算多个评估值。
获得交通流的方法和能够获得的数据的细节将在后面提供。
<旅行模型的概况>
下面利用图1中所示的例子,或者更具体地,包括节点A、B和C,以及连接节点A-C的两条路线的例子,说明按照实施例的交通运输计划创建支持设备确定交通流的方法。此外,为了简单起见,假定所有用户从相同的起始点前往相同的目的地。换句话说,所有的起始点都是节点A,所有的目的地都是节点C。
在本实施例中,构成表示用户的旅行的模型(下面称为旅行模型),并利用所述旅行模型,计算交通流。首先,举例简要说明旅行模型的概况,随后,详细说明为图1中所示的交通运输网络构成旅行模型的例子。
图2是表示在图1中所示的网络中,对于各个规定时间的节点的状态的示图。横坐标表示时间轴。例如,当时间0为6:00时,时间1可被设定为6:01,时间2可被设定为6:02。每个分度的时间将被称为时间步。尽管在本例中,时间步的间距宽度被设定为1分钟,不过可以采用任何间距宽度。
另外,箭头指示用户能够行进的方向。例如,在时间0,在节点A(A0)的用户可起程前往节点B,或者留在节点A。当在节点之间旅行时,要增加所需的旅行时间。
在节点的用户的人数,在各个时间步进入或离开节点的用户的人数可用变量表示。例如,在时间1在节点B(B1)的用户的人数可被表示成p(B,1),在时间2在节点B(B2)的用户的人数可被表示成p(B,2)。
变量之间的关系可用数学表达式表示。例如,通过从在B1的人数中,减去在时间1在节点B登上火车的人数,再加上在时间2到达节点B的人数,获得在B2的人数。另外,当在时间2,火车未从节点B发车时,在B3的人数和在B2的人数相同。
如图所示,与各个节点相关的用户的数目都可用数学表达式表示。在本实施例中,利用数学表达式构成旅行模型。
<旅行模型的细节>
下面,说明构成关于图1中所示的交通运输网络的旅行模型的例子。下面的7个变量是构成旅行模型所需的。
(1)Home(t,n):在时间t从节点A出发,并期望在时间n之前到达节点C的用户的人数。
(2)CarToOffice(t,n):在时间t乘车从节点A前往节点C,并期望在时间n之前到达节点C的用户的人数。
(3)CarToStation(t,n):在时间t乘车从节点A前往节点B,并期望在时间n之前到达节点C的用户的人数。
(4)WaitAtStation(t,n):在时间t位于节点B,并期望在时间n之前到达节点C的用户的人数。
(5)LeaveStation(t,n):在时间t乘火车离开节点B,并期望在时间n之前到达节点C的用户的人数。
(6)DeptStation(t):在时间t从节点B出发的用户的人数。
(7)ArriveStation(t):在时间t到达节点B的火车的有/无(0:无,1:有)。
此外,在本实施例中,时间步被设定为1分钟,时间t和n的范围分别被设定为0~180(分钟)。例如,t=0对应于6:00AM,t=180对应于9:00AM。
通过利用上述7个变量表达在图1中所示的交通运输网络上旅行的用户,可以定义以下12个公式。下面的12个公式是当获得交通流时被可靠地满足的条件(按照本发明的约束条件)。现在说明每个公式。
表达式1是关于用户在起始点(节点A)的存在的约束条件。表达式1表示期望在时间n之前到达目的地的用户的人数。现在,令User(n)表示希望在时间n之前到达目的地的用户的人数。例如,如果期望在时间90之前到达目的地的用户有100位,那么User(90)=100。尽管100位用户从起始点的出发时间还未被确定,不过对于所有出发时间(t=0~180)的用户的总数为100。换句话说,∑Home(t,90)=100。通过把User(n)代入表达式1,对于n所取的各个时间,可以产生多个数学表达式。
[式1]
表达式2是关于在起始点节点的用户的出发的约束条件。具体地,表达式2表示从节点A出发的人数是乘汽车直接前往目的地(节点C)的人数,和乘汽车前往出发站(节点B)的人数之和。利用表达式2,对于t和n所取的时间的各个组合,可以产生多个数学表达式。
[式2]
Home(t,n)=CarToOffice(t,n)+CarToStation(t,n) (Expression 2)
表达式3是关于在出发站(节点B)的用户的人数的约束条件。现在,令时间s表示确保在时间t之前到达节点B的在节点A的出发时间。具体地,表达式3表示通过相加在时间t之前已到达节点B的人数和在时间t出现在节点B的人数,并减去在时间t乘火车离开节点B的人数,获得在时间t+1在节点B的人数。通过把对应于时间t的时间s代入表达式3,对于t和n所取的时间的各个组合,能够产生多个数学表达式。
此外,当不存在确保在时间t到达节点B的在节点A的出发时间s时,CarToStation=0成立。
[式3]
WaitAtStation(t+1,n)=CarToStation(s,n)+WaitAtStation(t,n)-LeaveStation(t,n) (Expression 3)
表达式4是关于在目的地(节点C)的用户的人数的约束条件。具体地,表达式4表示到达目的地的用户的人数是从节点B乘火车前往节点C的人数,和从节点A乘汽车前往节点C的人数之和。表达式4表示期望在时间n之前到达目的地的用户的人数,换句话说,前面说明的User(n)。通过把User(n)代入表达式4,对于n所取的各个时间,可以产生多个数学表达式。
[式4]
表达式5是关于从出发站(节点B)出发的用户的人数的约束条件。由于变量DeptStation是在时间t出发的人的总和,变量LeaveStation是在时间t的其期望的到达时间为时间n的人数,因此表达式5表示的关系被满足。利用表达式5,对于t所取的各个时间,可以产生多个数学表达式。
[式5]
表达式6是关于火车从出发站(节点B)的发车的约束条件。Cp表示火车的每一个编组(formation)的乘车定员。换句话说,表达式6表示在时间t从出发站(节点B)出发的人数等于或小于在时间t到达的火车的每一个编组的乘车定员。通过把Cp代入表达式6,对于t所取的各个时间,可以产生多个数学表达式。
[式6]
DeptStation(t)<=Cp·ArriveTrain(t) (Expression 6)
表达式7是关于使用中的火车的数目的约束条件。表达式7表示在时间t=0~180的范围内,到达节点B的使用中的火车的最大数目。使用中的火车的最大数目用MaxTrain表示。通过把MaxTrain代入表达式7,能够产生表示使用中的火车的最大数目的数学表达式。
[式7]
表达式8和9是关于火车的运行时间间隔的约束条件。
表达式8定义火车的最大运行时间间隔。k是表示火车的最大运行时间间隔的值(k步长表示其间火车未到达的最大时间步)。换句话说,表达式8表示在任意时间i和时间i+k之间,有一列或更多列火车到达(其中i为0~180-k)。通过把k代入表达式8,可以产生其中起始时间被设定为i的多个数学表达式。
此外,k可随i的值被改变。例如,当t=0~90时,k可被定义为10分钟的最大时间间隔,而当t≥91时,k可被定义为5分钟的最大时间间隔。
[式8]
表达式9定义火车的最小运行时间间隔。k是表示火车的最小运行时间间隔的值(k步长表示其间火车未到达的最小时间步)。换句话说,表达式9表示在任意时间i和时间i+k之间到达的火车的数目为1或者更小。通过把k代入表达式9,可以产生其中起始时间被设定为i的多个数学表达式。
此外,按照和表达式8类似的方式,k可随i的值而被改变。例如,当t=0~90时,k可被定义为5分钟的最小时间间隔,而当t≥91时,k可被定义为3分钟的最小时间间隔。
[式9]
表达式10-13是关于期望的到达时间的约束条件。换句话说,表达式10-13是排除在期望的到达时间之前不能到达目的地的人们的约束条件。
表达式10是用于排除乘汽车从节点A前往节点C,但是不能在期望的到达时间之前到达目的地的人们的约束条件。这里,令时间s(时间s可以取多个值)表示当乘汽车前往节点C时,使得不能在时间n之前到达节点C的在节点A的出发时间。换句话说,表达式10定义在期望在时间n之前到达节点C的人中,无人在时间s从节点A出发并乘汽车前往节点C。通过把对应于时间n的时间s代入表达式10,对于s和n所取的时间的各个组合,可以产生多个数学表达式。
[式10]
CarToOffice(s,n)=0 (Expression 10)
表达式11是用于从在节点B上火车的人们中,排除在期望的到达时间之前不能到达目的地的人们的约束条件。现在,令时间s表示使得不能在时间n之前到达节点C的在节点B的出发时间。换句话说,表达式11定义在期望在时间n之前到达节点C的人中,无人在时间s从节点B出发并乘火车前往节点C。通过把对应于时间n的时间s代入表达式11,对于s和n所取的时间的各个组合,可以产生多个数学表达式。
[式11]
LeaveStation(s,n)=0 (Expression 11)
表达式12是用于排除乘汽车从节点A前往节点B,但是不能在期望的到达时间之前到达目的地的人们的约束条件。现在,令时间s表示即使当在节点B换乘火车,并且换乘不需要任何等待时间时,也使得不能在时间n之前到达节点C的在节点A的出发时间。换句话说,表达式12定义在期望在时间n之前到达节点C的人们之中,无人在时间s从节点出发并前往节点B以换乘火车。通过把对应于时间n的时间s代入表达式12,对于s和n所取的时间的各个组合,可以产生多个数学表达式。
[式12]
CarToStation(s,n)=0 (Expression 12)
表达式13是用于从在节点B等待的人们中,排除不能在期望的到达时间之前到达目的地的人们的约束条件。现在,令时间s表示当在该时间位于节点B时,使得不能在时间n之前到达节点C的时间。换句话说,表达式13定义在期望在时间n之前到达节点C的人们中,无人在时间s在节点B等候火车。通过把对应于时间n的时间s代入表达式13,对于s和n所取的时间的各个组合,可以产生多个数学表达式。
[式13]
WaitAtStation(s,n)=0 (Expression 13)
尽管上面举例说明了12种约束条件,不过如果需要,可以增加任意约束条件。任意约束条件可以是任何约束条件,只要该约束条件可用数学表达式表示即可。例如,如果存在与在节点B的车站邻近的停车场,那么可以增加乘汽车到达节点B的人数之和等于或小于停车场的容量的约束条件。
通过扩展所有的表达式1-13而获得的一组表达式构成按照本发明的旅行模型。
不过,由于表达式1-13仅仅表示对于旅行来说必须被满足的条件,因此除非加入具体值,否则不能产生旅行模型。
下面进行更具体的说明。尽管可以从表达式2和5表示的约束条件单独展开数学表达式,不过,除非可以获得下面的6类信息,否则对于其它约束条件,不能展开数学表达式。
(1)节点A和B之间的必需旅行时间(为把对应于时间t的时间s代入表达式3所需)。
(2)使得不能在期望的到达时间之前到达的在节点A和B的时间(为把对应于时间n的时间s代入表达式10-13所需)。
(3)期望在时间n之前到达目的地的用户的人数(为把时间User(n)代入表达式1和4所需)。
(4)使用中的火车的最大数目(为把MaxTrain代入表达式7所需)。
(5)火车的最大运行时间间隔和最小运行时间间隔(为把时间步k代入表达式8和9所需)。
(6)火车的乘车定员(为把Cp代入表达式6所需)。
下面说明表示上面的(1)-(6)的信息。
一旦已知每条链路的必需旅行时间,就可获得上面的(1)和(2)。表示每条链路的必需旅行时间的信息将被称为“交通运输条件”。另外,表示上述(3)的信息将被称为“旅行需求”。此外,表示上述(4)-(6)的信息将被称为“运行条件”。
按照本实施例的交通运输计划创建支持设备通过保存定义由表达式1-13表示的约束条件(下面称为数学表达式模板)的信息,并应用上述“旅行需求”、“交通运输条件”和“运行条件”,产生为计算所需的旅行模型(多个数学表达式)。
此外,上面说明的运行条件对应于按照本发明的交通运输参数,交通运输条件对应于按照本发明的交通运输条件数据。另外,上面说明的数学表达式模板对应于按照本发明的模型模板。
<获得最优解>
由于旅行模型是一组等式或不等式,因此通过给出最优解条件,可作为优化问题,求解旅行模型。结果,由于对于所有时间,能够规定前面说明的7个变量,因此能够获得目标交通运输网络的交通流。
最优解条件使目标函数最大化或最小化。当所有用户浪费最小地旅行时,产生最优的交通流。于是,在本实施例中,目标函数被设定为用表达式14表示,并获得使目标函数最小化的解答。在表达式14中,idealTravelTime表示最短的旅行时间。换句话说,获得使所有用户的实际旅行时间与最短旅行时间之比的p次幂的总和最小化的解答。
p表示指数。当p为1时,相对于最短旅行时间的延迟的总和被降至最小。不过,即使全部延迟的总和被降至最小,也可能局部产生便利性相当低的用户。考虑到此,通过增大p,可以排除所谓的“离群值”,延迟率可被平均。例如,p可以选自1~8的范围。当使p无穷大时,所有用户的延迟率变得相等。
[式14]
通过利用数学规划求解由前述多个数学表达式构成的优化问题,当对于任意网络已知“旅行需求”、“交通运输条件”和“运行条件”时,按照实施例的交通运输计划创建支持设备能够获得最优的交通流。
另外,通过在改变上述条件的时候获得多个解答,能够获得产生最理想的评估值的交通运输参数。此外,通过计算多个评估值,也能够适应诸如运行成本和便利性之间的折衷之类的问题。
按照本发明的第二交通运输工具是只在规定时间才允许发车的交通运输工具。不过,按照本实施例,可利用表达式6,表示借助第二交通运输工具旅行的用户的人数。另外,利用表达式7-9,可以表示第二交通运输工具的运行。
<系统结构>
下面参考图3,说明进行上述操作的交通运输计划创建支持设备的系统结构。按照实施例的交通运输计划创建支持设备10是保存数学表达式模板和交通运输条件,并且当给定时间段的旅行需求和运行条件被输入时获得满足最优解条件的交通流的计算机。
交通运输计划创建支持设备10包括CPU、主存储器和辅助存储器。当保存在辅助存储器中的程序被载入主存储器并由CPU执行时,图3中所示的各个装置被启动(CPU、主存储器和辅助存储器被未图示)。此外,交通运输计划创建支持设备10可以是多个计算机的组合。
输入/输出单元11是从用户获得为计算所需的运行条件和旅行需求,并把获得的评估值提供给用户的单元。另外,输入/输出单元11是从用户获得用于计算评估值的数学表达式的单元。输入/输出单元由液晶显示器、键盘、触摸面板等构成。
数学表达式模板存储单元12是保存用于产生旅行模型的数学表达式模板的单元。通过把旅行需求、交通运输条件和运行条件应用于数学表达式模板,可以构成旅行模型。数学表达式模板是目标交通运输网络特有的,是预先创建和保存的。
交通运输条件存储单元13是保存表示交通运输条件的数据(交通运输条件数据)的单元。图4表示交通运输条件数据的例子。在这种情况下,对于各个出发时间,保存乘汽车从节点A到节点B的所需旅行时间,乘汽车从节点A到节点C的所需旅行时间,和乘火车从节点B到节点C的所需旅行时间。交通运输条件数据也是目标交通运输网络特有的,是预先创建和保存的。
运行条件获取单元14是用于从输入/输出单元11获得表示公共交通运输工具的运行条件的数据(运行条件数据)的单元。运行条件数据是定义每种样式的公共交通运输工具的最大运行数和公共交通运输工具的乘车定员,以及定义各个时间段的公共交通运输工具的最大运行时间间隔和最小运行时间间隔的数据。图5表示运行条件数据的例子。在这种情况下,对于样式1和样式2,定义相应的运行条件。
此外,运行条件获取单元14可在每次进行计算时,从输入/输出单元11获得运行条件数据,或者可保存从输入/输出单元11输入的数据,并在下一次或随后的计算中利用该数据。
旅行需求获取单元15是从输入/输出单元11获得表示旅行需求的数据(旅行需求数据)的单元。旅行需求数据是定义对于每个起始点、目的地和期望到达时间的人数的数据。图6表示旅行需求数据的例子。尽管在本实施例中,起始点被固定为节点A,目的地被固定为节点C,不过当可以定义多个起始点和目的地时,可以自由地设定起始点和目的地。
此外,旅行需求获取单元15可在每次进行计算时从输入/输出单元11获得旅行需求数据,或者可保存从输入/输出单元11输入的数据,并在下一次或随后的计算中利用该数据。
模型生成单元16是生成按照本发明的旅行模型的单元。通过把保存在交通运输条件存储单元13中的交通运输条件数据,运行条件获取单元14获得的运行条件数据,和旅行需求获取单元15获得的旅行需求数据应用于保存在数学表达式模板存储单元12中的数学表达式模板,可产生表示用户的旅行的一组数学表达式,换句话说,旅行模型。
数据计算单元17是利用模型生成单元16生成的旅行模型作为输入,用数学规划求解优化问题的单元。数据计算单元17可以使用任何方法,只要数据计算单元17是能够求解数学规划问题的解算器(优化解算器)。表达式14表示的目标函数以及最优解使目标函数最小化的最优解条件被预先保存在数据计算单元17中。
另外,数据计算单元17可保存用于计算评估值的公式。所述公式是从输入/输出单元11获得的。
<处理流程图>
下面参考图7,详细说明由按照本实施例的交通运输计划创建支持设备进行的计算交通流的方法。
首先,在步骤S11,数据计算单元17从输入/输出单元11,获得用于计算评估值的公式(下面称为评估公式),并临时保存评估公式。尽管可以使用任何评估值(比如CO2总排放量,平均旅行时间,和最大旅行时间),只要该评估值可用构成旅行模型的变量表示,不过这里将使用CO2总排放量。
通过把乘汽车从节点A前往节点C的人数乘以系数,加上乘汽车从节点A前往节点B的人数与系数之积,再加上使用中的火车的数目与系数之积,可以获得CO2总排放量。
例如,当在节点A和C之间行驶的一辆汽车的CO2排放量为2.34kg,在节点A和B之间行驶的一辆汽车的CO2排放量为0.47kg,在节点B和C之间行驶的火车的一个编组的CO2排放量为17.64kg时,由于CO2总排放量由式15表示,因此可输入式15,作为评估公式。
[式15]
在步骤S12,模型生成单元16从数学表达式模板存储单元12、交通运输条件存储单元13、运行条件获取单元14和旅行需求获取单元15,分别获得数学表达式模板、交通运输条件数据、运行条件数据和旅行需求数据。
在步骤S13,模型生成单元16从获得的运行条件数据中,选择一个运行条件。就图5中所示的例子来说,选择被赋予样式编号1的运行条件。
随后,在步骤S14,在步骤S12中获得的交通运输条件数据和旅行需求数据,和在步骤S13选择的运行条件被应用于在步骤S12中获得的数学表达式模板,以产生多个数学表达式。生成的数学表达式由模型生成单元16临时保存。
之后,在步骤S15,模型生成单元16保存的一组数学表达式被传送给数据计算单元17,数据计算单元17利用数学规划,求解借助一组数学表达式和优化条件用公式表示的优化问题。如上所述,数据计算单元17是能够求解数学规划问题并获得定义的所有变量的最优解的解算器。我们假定这种情况下使用的优化条件使利用表达式14表示的目标函数最小化。
随后,利用在步骤S11中获得的公式,计算将被提供给用户的评估值,并通过输入/输出单元11,把所述评估值提供给用户。例如,提供CO2总排放量。
在步骤S16,进行检查,以了解是否存在除在步骤S13中选择的运行条件之外的未处理的运行条件,如果是,那么返回步骤S13,以选择所述未处理的运行条件。通过重复该过程,对于每种定义的运行条件样式,计算评估值,并提供给用户。
此时,可以提取并呈现产生最佳评估值的运行条件模式。例如,当CO2总排放量被设定为评估值时,可以呈现产生最低的评估值的运行条件样式。
(本发明的有益效果)
下面说明在改变使用中的火车的最大数目,并计算CO2总排放量的变化的时候,进行多次计算的结果。图8是在横坐标上标示“每3小时的使用中的火车的最大数”,在纵坐标上标示“CO2总排放量(t)”,并表示对于各个指数p的计算结果的示图。图8表明通过在10~30列火车的范围内,改变每3小时的使用中的火车的最大数,尽管一直到约16列使用中的火车,对环境的影响被快速改善,不过当使用中的火车的最大数等于或超过16时,所述改善逐渐减弱,换句话说,投入效果不再明显。另外,图8表明越增大p,以便抑制延迟的最坏值,越难以降低CO2总排放量。
按照图8中所示的结果,例如,把每3小时的使用中的火车的数目设定为约16~17,可使CO2总排放量被有效降低。显然,代替仅仅计算CO2总排放量,可同时计算其它评估值。例如,通过同时计算用户的平均旅行时间,可以确定实现环境影响和便利性之间的平衡的使用中的火车的数目。
如上所述,按照实施例的交通运输计划创建支持设备通过用变量表示与节点相关的人数,并利用数学表达式描述变量之间的关系,能够获得给定条件下的人的流动(交通流)。另外,按照实施例的交通运输计划创建支持设备能够从获得的交通流,计算用于评估交通运输参数的评估值。
此外,通过定义公共交通运输工具的多个运行条件模式,可以获得每个运行条件的评估值。从而,可以确定未能用常规方法发现的最佳交通运输参数。
(变形例)
上面说明的实施例仅仅代表例子,可对本发明作出各种修改,而不脱离本发明的精神和范围。
例如,尽管在实施例的说明中,表示了其中所有用户沿相同路线而行的简单例子,不过,也可适应其中用户从多个起始点前往多个目的地的交通。这种情况下,可对于用户的每条路线,定义例示的数学表达式,对于每条路线,可以定义旅行需求。
另外,也可适应组合3种或更多的交通运输工具的情况。当改变交通运输网络的网络拓扑时,保存在数学表达式模板存储单元12中的数学表达式模板,和保存在交通运输条件存储单元13中的交通运输条件数据可被修改,以便与目标交通运输网络一致。
此外,尽管在实施例的说明中表示了其中对公共交通运输工具的运行条件的样式分类并确定最佳模式的例子,不过,也可评估除运行条件外的参数,只要所述参数可由交通运输经营者调整。例如,可以定义表示停车场的节点,停车容量可被设定为参数,或者可以定义表示交叉口的节点,单位时间中可通过的车辆的数目可被设定为参数。当评估除运行条件外的参数时,可以定义对应的数学表达式作为约束条件,并可在改变样式的同时进行多个计算。
此外,尽管在实施例的说明中使表达式14最小化的条件被设定为最优解条件,不过可以使用任意条件作为最优解条件。例如,可以创建表示用户因旅行而遭受的身体负担之和的目标函数,并进行计算,以便获得目标函数的最小值。
尽管参考例证实施例,说明了本发明,不过显然本发明并不局限于公开的例证实施例。以下权利要求的范围应被赋予最宽广的解释,以便包含所有这样的变形例,以及等同的结构和功能。
本申请要求2012年12月12日提交的日本专利申请No.2012-271552的优先权,该申请通过引用整体包含于此。
[附图标记列表]
10:交通运输计划创建支持设备
11:输入/输出单元
12:数学表达式模板存储单元
13:交通运输条件存储单元
14:运行条件获取单元
15:旅行需求获取单元
16:模型生成单元
17:数据计算单元
Claims (10)
1.一种获得交通运输网络中的从起始点旅行到目的地的用户的交通流的交通运输计划创建支持设备,所述交通运输网络由多个节点、第一交通运输工具和第二交通运输工具构成,借助第一交通运输工具,用户能够在任意定时开始旅行,而第二交通运输工具的运行被调度,
所述交通运输计划创建支持设备包含:
配置成获取交通运输条件数据的交通运输条件获取单元,所述交通运输条件数据是表示关于用户利用第一交通运输工具,在节点之间的旅行的时间约束条件的数据;
配置成获取交通运输参数的交通运输参数获取单元,所述交通运输参数是与第二交通运输工具的运行相关的参数;
配置成获取旅行需求的旅行需求获取单元,所述旅行需求是表示对于各个期望的到达时间和目的地,在交通运输网络内旅行的用户的人数的数据;
配置成保存模型模板的模型模板存储单元,所述模型模板是用于生成表示用户在节点之间的旅行的数学模型的模板,并且是关于用户在节点之间的旅行的一组约束条件;
配置成通过把交通运输条件数据、交通运输参数和旅行需求应用于模型模板,来生成数学模型的模型生成单元,所述数学模型表示用户在节点之间的旅行;和
配置成求解优化问题,从而获得构成最优解的交通流的数据计算单元,所述优化问题由生成的数学模型用公式表示。
2.按照权利要求1所述的交通运输计划创建支持设备,其中
交通运输网络包含至少两条路线,所述至少两条路线包括仅仅利用第一交通运输工具,就能够从起始点旅行到目的地的第一路线,和通过利用至少第二交通运输工具,能够从起始点旅行到目的地的第二路线,
保存在模型模板存储单元中的模型模板包括表示在预定时间,从第二路线上的预定节点出发的第二交通运输工具的有无,和在所述预定时间,从所述预定节点出发的用户的人数之间的关系的约束条件,
模型生成单元利用约束条件,生成表示借助第二交通运输工具旅行的用户的人数的数学模型。
3.按照权利要求2所述的交通运输计划创建支持设备,其中
保存在模型模板存储单元中的模型模板包括表示在预定时间范围内,从第二路线上的预定节点出发的第二交通运输工具的运行次数之和的约束条件,
模型生成单元通过利用所述约束条件,生成表示第二交通运输工具的运行的数学模型。
4.按照权利要求1-3任意之一所述的交通运输计划创建支持设备,其中
交通运输参数获取单元获取多个交通运输参数,
模型生成单元通过利用所述多个交通运输参数,生成多个数学模型,
数据计算单元对于所述多个数学模型进行计算,从而获得多个交通流。
5.按照权利要求4所述的交通运输计划创建支持设备,其中
数据计算单元根据获得的交通流,计算用于评估交通运输参数的评估值,并根据评估值,确定最佳的交通运输参数。
6.按照权利要求1-5任意之一所述的交通运输计划创建支持设备,其中
模型模板包括所有用户在期望的到达时间之前到达目的地的约束条件。
7.按照权利要求1-6任意之一所述的交通运输计划创建支持设备,其中
交通运输参数获取单元获取的交通运输参数是表示公共交通运输工具的运行条件的数据,至少包括公共交通运输工具的运行次数、公共交通运输工具的运行时间间隔和公共交通运输工具的乘车定员中任意之一。
8.按照权利要求1-7任意之一所述的交通运输计划创建支持设备,其中
数据计算单元获得在基于各个用户的实际旅行时间与最小旅行时间之比获得的和值取最小值的最优解条件下的交通流。
9.一种获得交通运输网络中的从起始点旅行到目的地的用户的交通流的交通运输计划创建支持方法,所述交通运输网络由多个节点、第一交通运输工具和第二交通运输工具构成,借助第一交通运输工具,用户能够在任意定时开始旅行,而第二交通运输工具的运行被调度,其中
计算机实现:
获取交通运输条件数据的步骤,所述交通运输条件数据是表示关于用户利用第一交通运输工具,在节点之间的旅行的时间约束条件的数据;
获取交通运输参数的步骤,所述交通运输参数是与第二交通运输工具的运行相关的参数;
获取旅行需求的步骤,所述旅行需求是表示对于各个期望的到达时间和目的地,在交通运输网络内旅行的用户的人数的数据;
获取模型模板的步骤,所述模型模板是用于生成表示用户在节点之间的旅行的数学模型的模板,并且是关于用户在节点之间的旅行的一组约束条件;
通过把交通运输条件数据、交通运输参数和旅行需求应用于模型模板,来生成数学模型的步骤,所述数学模型表示用户在节点之间的旅行;和
求解优化问题,从而获得构成最优解的交通流的步骤,所述优化问题由生成的数学模型用公式表示。
10.一种获得交通运输网络中的从起始点旅行到目的地的用户的交通流的交通运输计划创建支持程序,所述交通运输网络由多个节点、第一交通运输工具和第二交通运输工具构成,借助第一交通运输工具,用户能够在任意定时开始旅行,而第二交通运输工具的运行被调度,其中
交通运输计划创建支持程序使计算机实现:
获取交通运输条件数据的步骤,所述交通运输条件数据是表示关于用户利用第一交通运输工具,在节点之间的旅行的时间约束条件的数据;
获取交通运输参数的步骤,所述交通运输参数是与第二交通运输工具的运行相关的参数;
获取旅行需求的步骤,所述旅行需求是表示对于各个期望的到达时间和目的地,在交通运输网络内旅行的用户的人数的数据;
获取模型模板的步骤,所述模型模板是用于生成表示用户在节点之间的旅行的数学模型的模板,并且是关于用户在节点之间的旅行的一组约束条件;
通过把交通运输条件数据、交通运输参数和旅行需求应用于模型模板,来生成数学模型的步骤,所述数学模型表示用户在节点之间的旅行;和
求解优化问题,从而获得构成最优解的交通流的步骤,所述优化问题由生成的数学模型用公式表示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012271552A JP5811996B2 (ja) | 2012-12-12 | 2012-12-12 | 交通計画作成支援装置、交通計画作成支援方法 |
JP2012-271552 | 2012-12-12 | ||
PCT/JP2013/006703 WO2014091674A1 (en) | 2012-12-12 | 2013-11-14 | Transportation plan creation support apparatus and transportation plan creation support method |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104838433A true CN104838433A (zh) | 2015-08-12 |
CN104838433B CN104838433B (zh) | 2017-05-24 |
Family
ID=49725307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380064989.6A Expired - Fee Related CN104838433B (zh) | 2012-12-12 | 2013-11-14 | 交通运输计划创建支持设备和交通运输计划创建支持方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20160042639A1 (zh) |
EP (1) | EP2932488B1 (zh) |
JP (1) | JP5811996B2 (zh) |
CN (1) | CN104838433B (zh) |
WO (1) | WO2014091674A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729687A (zh) * | 2017-11-09 | 2018-02-23 | 四川海卓大数据科技有限公司 | 大坝工程建造过程中的施工交通规划优化方法 |
CN107808270A (zh) * | 2017-10-25 | 2018-03-16 | 湖北信鸥供应链管理有限公司 | 一种基于多式联运的数据智能管理系统及其管理方法 |
CN111712863A (zh) * | 2018-02-13 | 2020-09-25 | 本田技研工业株式会社 | 运行管理装置、运行管理方法以及运行管理系统 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5852721B1 (ja) * | 2014-10-08 | 2016-02-03 | 株式会社コロプラ | 路線バス運行分析評価システム、分析評価方法、および、プログラム |
JP2016133843A (ja) * | 2015-01-15 | 2016-07-25 | 株式会社東芝 | 交通調整支援装置、交通調整支援方法、およびコンピュータプログラム |
US20180032964A1 (en) * | 2016-08-01 | 2018-02-01 | Nec Europe Ltd. | Transportation system and method for allocating frequencies of transit services therein |
JP6713410B2 (ja) * | 2016-11-21 | 2020-06-24 | 日立オートモティブシステムズ株式会社 | 電子制御装置 |
JP6895325B2 (ja) * | 2017-06-28 | 2021-06-30 | 株式会社日立製作所 | 交通需要予測装置、交通需要予測方法、及び交通需要予測プログラム |
CN108830399B (zh) * | 2018-04-09 | 2022-03-29 | 华设设计集团股份有限公司 | 一种轨道交通站点接驳设施供需平衡的优化调整方法 |
CN108665144B (zh) * | 2018-04-12 | 2022-09-23 | 中国石油大学(北京) | 成品油输运管道的控制方法和装置 |
WO2021199322A1 (ja) * | 2020-03-31 | 2021-10-07 | 日本電気株式会社 | 情報処理装置、制御方法及び記憶媒体 |
JP7355697B2 (ja) * | 2020-04-02 | 2023-10-03 | トヨタ自動車株式会社 | 車両の運行管理装置、運行管理方法、および交通システム |
CN113298332A (zh) * | 2020-04-17 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置及电子设备 |
CN113420926A (zh) * | 2021-06-29 | 2021-09-21 | 北京交通大学 | 一种城市枢纽间多交通方式运力协同优化方案编制方法 |
JP7374509B2 (ja) * | 2021-12-10 | 2023-11-07 | 株式会社MaaS Tech Japan | プログラム及び情報処理装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1625748A (zh) * | 2002-04-30 | 2005-06-08 | 新日本制铁株式会社 | 运输管理装置 |
US20080027772A1 (en) * | 2006-07-31 | 2008-01-31 | Gernega Boris | System and method for optimizing a transit network |
WO2009116105A2 (en) * | 2008-03-21 | 2009-09-24 | Gianfranco Antonini | A traffic assignment method for multimodal transportation networks |
CN201946110U (zh) * | 2011-01-07 | 2011-08-24 | 深圳市今天国际物流技术股份有限公司 | 一种运输管理系统 |
CN102298838A (zh) * | 2010-06-25 | 2011-12-28 | 宝山钢铁股份有限公司 | 脱卸式框架车群动态集控方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002269671A (ja) | 2001-03-13 | 2002-09-20 | Toshiba Corp | 交通機関の運行システムおよび運行計画策定方法 |
WO2004059446A2 (en) * | 2002-12-20 | 2004-07-15 | Union Switch & Signal, Inc. | Dynamic optimizing traffic planning method and system |
US8924049B2 (en) * | 2003-01-06 | 2014-12-30 | General Electric Company | System and method for controlling movement of vehicles |
JP5038597B2 (ja) * | 2005-04-07 | 2012-10-03 | 株式会社ナビタイムジャパン | 経路探索方法、自動車移動を含むナビゲーションシステム、経路探索サーバ、ナビゲーション端末装置およびプログラム |
JP4932524B2 (ja) * | 2006-10-20 | 2012-05-16 | 日本電気株式会社 | 旅行時間予測装置、旅行時間予測方法、交通情報提供システム及びプログラム |
US20080262710A1 (en) * | 2007-04-23 | 2008-10-23 | Jing Li | Method and system for a traffic management system based on multiple classes |
EP2881712A1 (en) * | 2007-11-24 | 2015-06-10 | Routerank Ltd | Optimized route planning |
US20100153279A1 (en) * | 2008-09-30 | 2010-06-17 | Walter Zahn | Systems and methods for global transportation,vetting, and payment |
JP2012043066A (ja) * | 2010-08-16 | 2012-03-01 | Toyota Infotechnology Center Co Ltd | 交通インフラ改善計画作成装置およびその方法 |
JP5273106B2 (ja) * | 2010-08-17 | 2013-08-28 | 株式会社豊田中央研究所 | 交通流計算装置及びプログラム |
JP5325241B2 (ja) * | 2011-01-14 | 2013-10-23 | 三菱重工業株式会社 | 交通流シミュレーション装置、交通流シミュレーションプログラム、及び交通流シミュレーション方法 |
US8977496B2 (en) * | 2012-05-25 | 2015-03-10 | Xerox Corporation | System and method for estimating origins and destinations from identified end-point time-location stamps |
-
2012
- 2012-12-12 JP JP2012271552A patent/JP5811996B2/ja not_active Expired - Fee Related
-
2013
- 2013-11-14 WO PCT/JP2013/006703 patent/WO2014091674A1/en active Application Filing
- 2013-11-14 CN CN201380064989.6A patent/CN104838433B/zh not_active Expired - Fee Related
- 2013-11-14 EP EP13802119.1A patent/EP2932488B1/en not_active Not-in-force
- 2013-11-14 US US14/442,210 patent/US20160042639A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1625748A (zh) * | 2002-04-30 | 2005-06-08 | 新日本制铁株式会社 | 运输管理装置 |
US20080027772A1 (en) * | 2006-07-31 | 2008-01-31 | Gernega Boris | System and method for optimizing a transit network |
WO2009116105A2 (en) * | 2008-03-21 | 2009-09-24 | Gianfranco Antonini | A traffic assignment method for multimodal transportation networks |
CN102298838A (zh) * | 2010-06-25 | 2011-12-28 | 宝山钢铁股份有限公司 | 脱卸式框架车群动态集控方法 |
CN201946110U (zh) * | 2011-01-07 | 2011-08-24 | 深圳市今天国际物流技术股份有限公司 | 一种运输管理系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808270A (zh) * | 2017-10-25 | 2018-03-16 | 湖北信鸥供应链管理有限公司 | 一种基于多式联运的数据智能管理系统及其管理方法 |
CN107729687A (zh) * | 2017-11-09 | 2018-02-23 | 四川海卓大数据科技有限公司 | 大坝工程建造过程中的施工交通规划优化方法 |
CN107729687B (zh) * | 2017-11-09 | 2021-03-02 | 成都希盟泰克科技发展有限公司 | 大坝工程建造过程中的施工交通规划优化方法 |
CN111712863A (zh) * | 2018-02-13 | 2020-09-25 | 本田技研工业株式会社 | 运行管理装置、运行管理方法以及运行管理系统 |
CN111712863B (zh) * | 2018-02-13 | 2022-07-26 | 本田技研工业株式会社 | 运行管理装置、运行管理方法以及运行管理系统 |
Also Published As
Publication number | Publication date |
---|---|
JP5811996B2 (ja) | 2015-11-11 |
EP2932488B1 (en) | 2018-03-07 |
EP2932488A1 (en) | 2015-10-21 |
CN104838433B (zh) | 2017-05-24 |
WO2014091674A1 (en) | 2014-06-19 |
JP2014115956A (ja) | 2014-06-26 |
US20160042639A1 (en) | 2016-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104838433A (zh) | 交通运输计划创建支持设备和交通运输计划创建支持方法 | |
Xie et al. | Collaborative merging strategy for freeway ramp operations in a connected and autonomous vehicles environment | |
Zhou et al. | Joint optimization of high-speed train timetables and speed profiles: A unified modeling approach using space-time-speed grid networks | |
Nocera et al. | How to evaluate and plan the freight-passengers first-last mile | |
CN105205557B (zh) | 一种城市常规公交线网设计方法 | |
Zhou et al. | Bicriteria train scheduling for high-speed passenger railroad planning applications | |
Scarinci et al. | Control concepts for facilitating motorway on-ramp merging using intelligent vehicles | |
Ronald et al. | Exploring co-modality using on-demand transport systems | |
Lazarus et al. | Shared automated mobility and public transport | |
Nesheli et al. | Improved reliability of public transportation using real-time transfer synchronization | |
Sicre et al. | A method to optimise train energy consumption combining manual energy efficient driving and scheduling | |
Grube et al. | An event-driven simulator for multi-line metro systems and its application to Santiago de Chile metropolitan rail network | |
JP5668380B2 (ja) | 経路探索装置及びプログラム | |
Pribyl et al. | Addressing EU climate targets: Reducing CO2 emissions using cooperative and automated vehicles | |
Sivanandham et al. | Platooning for sustainable freight transportation: an adoptable practice in the near future? | |
Walker et al. | Telematics, Urban Freight Logistics, and Low Carbon Road Networks | |
Gkiotsalitis | A model for modifying the public transport service patterns to account for the imposed COVID-19 capacity | |
CN105678411A (zh) | 一种旅客列车运行方案图编制方法 | |
Schmid | Hybrid large neighborhood search for the bus rapid transit route design problem | |
CN108883784A (zh) | 向列车驾驶员提供驾驶建议的方法和列车驾驶员咨询系统 | |
Li et al. | Connected vehicle-based traffic signal coordination | |
Wang et al. | A rail transit simulation system for multi-modal energy-efficient routing applications | |
Karoń et al. | Forecasts for technical variants of ITS projects–example of Upper-Silesian conurbation | |
Guedes et al. | Vehicle scheduling problem with loss in bus ridership | |
Li et al. | Biobjective Optimization and Evaluation for Transit Signal Priority Strategies at Bus Stop‐to‐Stop Segment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170524 Termination date: 20201114 |
|
CF01 | Termination of patent right due to non-payment of annual fee |