CN106448233B - 基于大数据的公交线路时刻表协同优化方法 - Google Patents
基于大数据的公交线路时刻表协同优化方法 Download PDFInfo
- Publication number
- CN106448233B CN106448233B CN201610695243.0A CN201610695243A CN106448233B CN 106448233 B CN106448233 B CN 106448233B CN 201610695243 A CN201610695243 A CN 201610695243A CN 106448233 B CN106448233 B CN 106448233B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- time
- transfer
- passenger
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012546 transfer Methods 0.000 claims abstract description 158
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000011160 research Methods 0.000 claims description 68
- 230000001680 brushing effect Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000003786 synthesis reaction Methods 0.000 claims description 8
- 241001269238 Data Species 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000013256 coordination polymer Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 241001604129 Polydactylus Species 0.000 claims description 2
- 238000007726 management method Methods 0.000 abstract description 2
- 238000013499 data model Methods 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 241000723346 Cinnamomum camphora Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 208000037805 labour Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G06Q50/40—
-
- 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
Abstract
本发明涉及一种基于大数据的公交线路时刻表协同优化方法,属于城市公交运营管理的技术领域。将公交GPS数据、公交IC卡数据和线路站点数据融合处理为公交时刻表提供基于实际运营的数据支持,并提出一种考虑与轨道交通换乘的公交时刻表优化模型。该模型以各时段发车间隔为决策变量,以系统总成本最小为目标函数,综合考虑了非换乘乘客的候车时间成本、换乘乘客的候车时间成本和公交运营企业的运营成本。本发明通过多源数据融合获取客流数据节省了大量的人力,提高了数据的准确性。考虑地面公交与轨道交通换乘提高了公交时刻表编制的合理性。建立数据模型对公交时刻表进行优化,兼顾乘客候车时间成本和企业运营成本,实现乘客与企业利益的协调。
Description
技术领域
本发明属于城市公共交通运营管理的技术领域,涉及到公交时刻表编制,ITS智能交通系统和粒子群算法的领域,特别涉及到大数据挖掘与融合处理的技术方法。
背景技术
杨晓光关于《基于ITS环境的公共汽车交通换乘时间最短调度问题研究》。以公交换乘时间最短为目标建立线性规划模型,并通过算例证明了该方法的理论意义与实用价值。刘环宇关于《基于可靠性的公交时刻表设计优化研究》以到站准点率、行车时间可靠度和服务间隔可靠度为约束,以社会福利最大化为目标,建立了基于可靠度的公交时刻表优化模型;但现有研究主要存在三个问题,一是使用的客流数据大多是经人工调查所得,不仅耗费大量劳动力,其数据的准确性也无法保证;二是研究主要集中于公交车之间的换乘,忽视了公交与轨道交通之间的换乘;三是研究一般以换乘站点的乘客为研究对象,忽视了整条线路中非换乘乘客与换乘乘客的协调以及乘客与公交运营企业的利益分配。本发明在此基础上,应用多源数据融合处理的手段获取公交客流数据,并考虑公交与轨道交通之间换乘以系统成本最小为目标函数建立模型,对公交线路时刻表进行优化。
发明内容
本发明要解决的技术问题是应用多源数据融合,获取准确的公交线路运行数据和客流数据,并在此基础上针对公交运营时刻表优化提出一种考虑公交系统与轨道系统间换乘的优化模型。
本发明的技术方案:
基于大数据的公交线路时刻表协同优化方法,步骤如下:
一.公交线路运行数据和客流数据获取
1.公交线路运行数据获取
1.1判断公交车辆运行方向
公交线路运行区分上行和下行两个方向,公交车辆按照排班顺序在两个方向循环往复;公交线路的上下行拥有各自独立的运行线路、停靠站点和运行时段,车辆运行状态与客流需求也是相对独立的,分为两个运行方向的数据;公交GPS数据中没有明确表征运行方向的属性字段,记录公交车辆运行的方向角字段(ANGLE)出错率较高,经过分析无法用于判断车辆运行方向。因此需要采用一定的判断规则获取公交GPS数据的车辆运行方向信息。
判断车辆运行方向的方法有很多,并且由于线路走向和数据质量的不同,各种方法的有效性存在差异。本发明以深圳市376路公交为例,考虑到该线路走向的接近半环形,如图一所示,采用如下步骤判断车辆的运行方向:
(1)找出该半环形线路圆心的大致位置作为参照点,记为A;
(2)上行方向的首站位置记为O,公交GPS数据中记录的经纬度位置记为M;
(3)计算向量与向量的夹角,记为α,并在公交GPS数据中增加字段N_ANGLE记录所有数据对应的α值。
(4)先按照车辆车牌号(NUMBER)对公交GPS数据进行排序,再根据记录时间字段(TIME)对同一车牌号车辆进一步排序,比较同一车辆相邻两条GPS数据的α值变化趋势,若α值随时间逐渐增大,则表示车辆为逆时针行驶,即车辆运行方向为上行。
(5)重复步骤(4)直至遍历所有公交GPS数据。
(1.2)车辆到站数据获取
车辆到站数据需要将经过处理的公交GPS数据与公交站点数据进行融合,首先建立车辆到站数据表,包含站点编号(S_ID)、车辆到站时间(S_TIME)、车辆的车牌号(NUMBER)和车辆运行方向(DIRECTION)共四个字段;
表1 车辆到站数据表
在车辆到站数据表中记录所有上行方向的车辆到达站点S的数据,其实现的步骤如下:
(1)提取公交GPS数据中车辆运行方向DIRECTION为“上行”的所有数据;
(2)先按照车辆的车牌号对步骤(1)中提取的公交GPS数据进行排序,再根据车辆到站时间对同一车辆的车牌号进一步排序;在连续同一车辆的车牌号中,前一条公交GPS数据匹配到路段L1,后一条公交GPS数据匹配到路段L2,则L1和L2的中间值作为车辆到达站点S的时间;
(3)将站点S编号、车辆到达站点S的时间、车辆的车牌号以及车辆运行方向写入对应的车辆到站时间数据表中,直至处理完所有上行方向的公交GPS数据,得到车辆到站数据表;
上行方向和下行方向的车辆到站数据获取的方式相同;
(1.3)车辆行程时间获取
建立车辆行程时间数据表,包括车辆的车牌号(NUMBER)、运行方向(DIRECTION)、首站到站时间(O_TIME)、末站到站时间(E_TIME)和行程时间(INTERVAL)五个字段,其数据结构见表2。
表2 车辆行程时间数据结构
以上行线路为例,获取上行线路车辆行程时间的具体步骤如下:
(1)在车辆到站数据表中提取车辆运行方向为“上行”的所有数据,先按照车辆的车牌号进行排序,再根据同一车辆的车牌号的车辆到站时间进一步排序;
(2)针对每一条车辆到站时间数据,若站点编号与车辆运行方向的首站一致,则该条数据为首站发车数据,若站点编号与车辆运行方向的末站一致,则该条数据为末站到站数据;将车辆的车牌号、车辆运行方向、首站到站时间和末站到站时间分别写入对应的车辆行程时间数据表中
(3)计算同一车辆的车牌号的首站到站时间与末站到站时间的间隔,并将其写入行程时间字段中,直至遍历所有上行方向的车辆到站时间数据,得到车辆行程时间数据表;
上行方向和下行方向的车辆行程时间获取的方式相同;
(2)客流数据获取
(2.1)乘客上车站点获取
轨道交通刷卡数据中记录了乘客进站和出站的站点信息,直接判断乘客轨道交通出行的上车站点和下车站点;
公交刷卡数据不记录乘客上车站点信息,判断乘客公交出行的上车站点时间,对公交刷卡数据中的刷卡时间和车辆的车牌号字段与车辆到站数据表中的车辆到站时间和车辆的车牌号字段进行匹配融合;
为记录车辆到站数据与公交刷卡数据融合的结果,同时与轨道交通刷卡数据一起存放,方便下一步获取下车站点数据,建立一个Mix_IC数据表存放数据;Mix_IC数据表包括IC卡记录编码(ID)、线路名称(LINE)、车辆的车牌号(NUMBER)、线路运行方向(DIRECTION)、上车站点编号(U_ID)、上车站点名称(U_NAME)、上车时间(U_TIME)、下车站点编号(D_ID)、下车站点名称(D_NAME)和下车时间(D_TIME)共十个字段,其数据结构见表3,上车站点获取流程如图5所示。
表3 Mix_IC数据表结构
车辆到站数据与公交刷卡数据匹配融合的步骤如下:
(1)提取任一条公交刷卡数据,将公交刷卡数据中ID、LINE和NUMBER三个字段的数据对应写入Mix_IC数据表的ID、LINE和NUMBER字段中;
(2)在车辆到站数据表中匹配与步骤(1)提取的公交刷卡数据NUMBER字段一致,车辆到站时间与刷卡时间字段最接近的一条记录,将此条记录的S_ID和S_TIME字段对应写入Mix_IC数据表的U_ID和U_TIME字段中,直至遍历所有公交刷卡数据;
地面公交和轨道交通同属于公共交通系统,且均可使用IC卡支付乘车费用。因此有必要将公交刷卡数据和轨道交通刷卡数据处理后放入同一数据表中,方便接下来的客流OD数据分析。不同于公交刷卡数据,同一次轨道交通出行的数据分别记录在“进站”和“出站”两条记录中,因此需要经处理后方可放入Mix_IC数据表中,其步骤如下:
(1)先按照IC卡记录编码对轨道交通刷卡数据进行排列,再对同一个IC卡记录编码的记录时间字段进一步排列;
(2)提取步骤(1)两条连续的轨道交通刷卡数据,其ID、LINE字段相同,前一条数据的DIRECION字段为“进站”,后一条数据的DIRECION字段为“出站”;将ID、LINE字段的数据对应写入Mix_IC数据表的ID、LINE字段中;
(3)将前一条数据的进站站点名称、进站刷卡时间对应写入Mix_IC数据表的U_NAME、U_TIME字段中,将后一条数据的出站站点名称、出站刷卡时间对应写入Mix_IC数据表的D_NAME、D_TIME字段中;
(4)按照站点编号表和进出站站点名称(U_NAME和D_NAME),匹配进出站站点编号,并写入Mix_IC数据表的U_ID和D_ID字段中,直至遍历所有轨道交通刷卡数据;
(2.2)乘客下车站点获取
通过分析居民的乘车行为发现,基于家庭的公交出行人数占总出行人数的比例较高,即大部分乘客一日出行是以家庭为起点,又以家庭为终点,其出行活动链构成一个封闭的环形;对于同一天使用公交IC卡超过2次的乘客,其乘坐地面公交的下车站点可根据出行活动链进行判断;
使用Mix_IC数据表记录的数据进行下车站点判断,并将获取的下车站点数据写入Mix_IC数据表的D_ID字段;乘客下车站点的判断步骤如下:
(1)在Mix_IC数据表中提取同一ID的数据,并按U_TIME字段进行排列;
(2)判断同一ID的前后两条数据是否为同一条线路:若判断为同一条线路,则后一次刷卡上车的站点为前一次刷卡下车的站点;若判断为不同线路,则根据后一次刷卡上车站点匹配前一次刷卡线路中距离最近的换乘站点,作为前一条数据的下车站点;
(3)同一ID首次刷卡的上车地点为最后一次刷卡的下车地点,直至遍历Mix_IC数据表中所有数据;
(2.3)乘客换乘行为判断
判断乘客连续两次采取公交出行是否为换乘的依据是前一次乘车下车时间与后一次乘车上车时间的间隔是否超过设定的换乘时间上限。考虑到线路发车间隔、道路拥堵等因素,设定的换乘时间上限为30分钟。
首先需要对乘客下车时间进行匹配,其步骤为:
(1)提取Mix_IC数据表中的一条数据,以Mix_IC数据表中车辆的车牌号、线路运行方向和下车站点编号字段与车辆到站数据表中车辆的车牌号、线路运行方向和站点编号字段进行匹配,得到该条件下的车辆到站时间;由于一天中车辆在上下行方向多次往返运行,所以车辆到站数据表在该下车站点名称应有多个车辆到站时间;
(2)以Mix_IC数据表中上车时间字段,选择大于该上车时间且时间间隔最短的车辆到站时间,作为下车时间;将匹配的下车时间写入Mix_IC数据表的下车时间字段(D_TIME),直至遍历Mix_IC数据表中所有数据;
判断乘客连续两次刷卡记录是否属于换乘,其步骤为:
(1)先按照IC卡记录编码对Mix_IC数据表进行排列,再根据上车时间字段对同一IC卡记录编码进一步排序;
(2)提取相同ID的两条连续记录,将后一条数据的上车刷卡时间与前一条数据的下车刷卡时间作差,若时间间隔小于30分钟,则认为是换乘;遍历Mix_IC数据表中所有数据;
二.模型建立
2模型假设
(1)将地面公交和轨道交通的上下行线路看做两条不同的线路,即同一条线路仅有一个运行方向,假设所有车辆严格按照公交时刻表从首站发出,忽略道路交通条件对车辆运行的影响,车辆在各站间行程时间分布已知;同一时段车辆的发车间隔相同,同一条线路的公交车辆数量固定,车辆型号均相同;公交车辆按照发车顺序运行,不存在串车和滞站现象;非换乘乘客到达站点的过程服从均匀分布,且同一时段乘客到达率相同;乘客在换乘站点的换乘步行时间已知,且换乘步行时间小于地面公交和轨道交通的发车间隔;当车辆到达站点后乘客即上车,忽略由于车辆拥挤等原因继续候车的情况;线路运营车辆均为全程车,忽略区间车、大站快车等调度方案。
(2)参数定义
S——地面公交站点序列,s∈S;
——换乘站点序列,
——换乘站点数
Bi——在研究时段发车且车次为i的地面公交;
Rj——在研究时段发车且车次为j的轨道交通;
eB——研究时段内地面公交线路B的发车数量;
eR——研究时段内轨道线路R的发车数量;
a——研究时段时长,a=Tend-Tstart;
hB——研究时段内地面公交线路B的发车间隔;
hR——研究时段内轨道线路R的发车间隔;
hB,min,hB,max——地面公交的最小和最大发车间隔;
hR,min,hR,max——轨道交通的最小和最大发车间隔;
——研究时段内在站点s乘坐地面公交线路B的乘客到达率;
——在换乘站点从地面公交站点到轨道交通站点的步行时间;
——地面公交Bi到达换乘站点的时刻;
——轨道交通Rj到达换乘站点的时刻;
——研究时段内车次序列为1的地面公交车辆从首站开出的时刻;
——研究时段内车次序列为1的轨道交通车辆从首站开出的时刻;
——地面公交线路车辆从首站开至换乘站点的行程时间;
——轨道线路车辆在研究区间从首站开至换乘站点的行程时间;
tB——研究时段内地面公交车辆行程时间;
tR——研究时段内轨道线路车辆在研究区间的行程时间;
——地面公交线路首站与换乘站点的站距;
——轨道线路首站与换乘站点的站距;
LB——地面公交线路的全程长度;
LR——轨道线路在研究区间的长度;
Uc——单位乘客候车时间的时间价值(元/分钟);
Up——地面公交线路单位发车次数的运营成本(元/公里);
CB——研究时段内无换乘的乘客乘坐地面公交的候车时间成本;
CBR——研究时段内乘客从地面公交换乘至轨道交通的换乘候车时间成本;
CRB——研究时段内乘客从轨道交通换乘至地面公交的换乘候车时间成本;
CP——研究时段内公交运营企业的成本;
CS——研究时段内系统总成本;
(3)约束条件
根据模型假设,乘客在换乘站点的换乘步行时间小于地面公交和轨道交通的发车间隔,则对所有
地面公交与轨道交通的发车间隔应不小于最小发车间隔,同时不大于最大发车间隔,则有:
hB,min≤hB≤hB,max (3.2)
hR,min≤hR≤hR,max (3.3)
(4)目标函数
研究时段内地面公交发车数量eB与发车间隔hB的关系为:
研究时段内轨道交通发车数量eR与发车间隔hR的关系为:
1)非换乘的乘客乘坐地面公交的候车时间成本
乘客到达站点s乘坐在研究时段内发车且车次为i的地面公交Bi,其候车成本可表示为:
因此非换乘的乘客的候车时间成本可表示为:
2)乘客从地面公交换乘至轨道交通的换乘候车时间成本
在研究时段内,车次为i的地面公交Bi到达换乘站点的时刻可表示为:
其中地面公交线路车辆从首站开至换乘站点的行程时间可用式4.6计算:
车次为j轨道交通Rj到达换乘站点的时刻可表示为:
其中轨道线路车辆从首站开至换乘站点的行程时间可用式4.8计算:
一位乘客在换乘站点从地面公交Bi换乘至轨道交通Rj需要的步行时间为其换乘候车时间可表示为:
其中为布尔变量,
乘坐在研究时段内发车的地面公交并在换乘站点下车的乘客总人数为在换乘站点由地面公交换乘至轨道交通的换乘率为则乘坐在研究时段内发车的地面公交在换乘站点下车换乘至轨道交通的乘客总人数可按式4.11计算
将在换乘站点从地面公交换乘至轨道交通的乘客平均分配至每辆地面公交车次,则乘坐地面公交Bi且在换乘站点换乘至轨道交通的乘客数量可表示为:
考虑到换步行时间不超过地面公交发车间隔的假设,所以不会出现从k时段发车的地面公交换乘至k+1时段发车的轨道交通的情况。因此在换乘站点由地面公交换乘至轨道交通的乘客换乘候车的时间成本为:
在研究时段在所有换乘站点乘客从地面公交换乘至轨道交通的换乘候车时间成本为:
其中
3)乘客从轨道换乘至地面公交的换乘候车时间成本
一位乘客在换乘站点从轨道交通Rj换乘至地面公交Bi需要的步行时间为其换乘候车时间可表示为:
其中为布尔变量,
在换乘站点上车乘坐在研究时段内发车的地面公交的乘客总人数为在换乘站点由轨道交通换乘至地面公交的换乘率为则在换乘站点上车换乘至在研究时段内发车的地面公交的乘客总人数可按式4.18计算:
将在换乘站点从轨道交通换乘至地面公交的乘客平均分配至每辆地面公交车次,则在换乘站点由轨道交通换乘至地面公交Bi的乘客数量可表示为:
考虑到换步行时间不超过轨道交通发车间隔的假设,所以不会出现从k时段发车的轨道交通换乘至k+1时段发车的地面公交的情况。因此在k时段在换乘站点由轨道交通换乘至地面公交的乘客换乘候车的时间成本为:
在研究时段在所有换乘站点乘客从轨道交通换乘至地面公交的换乘候车时间成本为:
其中:
4)公交企业的运营成本
公交企业的运营成本与线路全程长度和研究时段内的发车数量有关,可用式4.23表示:
CP=UPLBeB (4.23)
5)系统总成本
研究时段系统总成本包括:非换乘的乘客乘坐地面公交的候车时间成本、乘客从地面公交换乘至轨道交通的换乘候车时间成本、乘客从轨道交通换乘至地面公交的换乘候车时间成本和公交企业的运营成本,即:
CS=CB+CBR+CRB+CP (4.24)
目标函数为系统总成本最小,即minCS;决策变量为地面公交的发车间隔hB。
本发明的有益效果:目前国内相关研究已经可以做到单线路公交时刻表优化和多线路时刻表协调优化。但却存在一定的局限性导致结果出现一定的偏差。我们的方案通过将公交GPS数据、IC卡刷卡数据和线路站点地理数据匹配融合获取客流数据,充分考虑公交与轨道间的换乘并通过建立数学优化模型协调乘客与公交企业的利益实现总利益最大化。这是一个很大的创新突破。通过以深圳市376路公交上行线路为案例进行验证,并对案例结果进行分析,最终可以得到优化后的结果。该方案得到的结果更加准确与实际情况更加接近。
详细而言:
1、客流数据的合理获取:使用公交GPS数据、IC卡刷卡数据和线路站点地理数据,通过数据的匹配融合得到针对IC卡用户的详细客流数据,可以得到各个IC卡用户一天内的出行情况,节省了大量人工调查的时间和精力,使得公交时刻表的编制更加合理。
2、候车时间成本分类:考虑不同乘客存在是否换乘以及不同出行方式间的换乘的差异,可将候车的时间成本分成三类。分别为非换乘乘客乘坐地面公交的候车时间成本、乘客从地面公交换乘至轨道交通的候车时间成本、乘客从轨道交通换乘至地面公交的候车时间成本。这样充分考虑了乘客的各种出行可能性,使结果更为准确科学。
3、建立数学模型:通过建立数学模型的方式对公交时刻表进行优化,建立模型时兼顾乘客的换乘时间成本以及公交企业的运营成本,两项成本的总和达到最小,实现社会利益最大化。这种方法提高了公交时刻表制定的科学性。
4、应用前景:我国城市交通拥堵现象日益严重,只有大力发展公共交通才能有效缓解交通拥堵问题。而且交通大数据的应用也是交通领域的一个重要趋势。本方案基于以上两点运用多源交通大数据的融合通过建立数学模型的方式实现公交时刻表的优化。除此之外,本方案将各类数据结合起来得到公交客流数据的方法节省了大量的人力。因此,本发明具有极大的应用价值。
附图说明
图1是本发明的车辆运行方向判断示意图。
图2是本发明的车辆到站判断示意图。
图3是本发明的车辆到站数据获取流程图。
图4是本发明的车辆行程时间数据获取流程图。
图5是本发明的上车站点获取流程图。
图6是本发明的376路公交上行线路图。
图7是本发明的轨道交通线路图。
图8是本发明的车辆时空运行图。
图9是本发明的车辆行程时间变化图。
具体实施方式
以下结合实例详细叙述本发明的具体实施方式,并模拟发明的实施效果。1、研究线路现状
本发明研究的线路为深圳市376路公交上行线路,起点为樟树布村总站,终点为东湖客运站,沿途站点共17个,全线长约11.7公里。上行线路与站点地理位置如图6所示。376路公交线路与龙岗线、环中线的多个轨道交通站点衔接(如图7所示),乘客在轨道交通与常规公交之间换乘频繁,尤其在早晚高峰,客流换乘的比例较高。因此公交时刻表的编制需要考虑与轨道交通的协调。
2、研究线路基本参数
根据获取的376路公交上下行线路及站点的地理数据,线路基本信息如表4所示。
表4 376路公交上行线路站点信息表
续表:
根据公交公司提供的数据,376路公交、龙岗线研究区间和环中线研究区间的首末站及首末发车信息如表5所示,
表5 376路公交上行线路发车信息表
3、线路运行状态分析
根据数据融合得到的车辆到站数据和行程时间数据可用于公交运行状态分析。以深圳市376路公交上行方向在2014年6月9日的数据为例。图8为6:30—9:00时段连续六辆公交车的时空运行图,横坐标为站点序列,纵坐标为到站时间。从车辆的时空运行图中可以看出,376路公交的发车间隔设置较大,基本无串车现象,车辆运行较平稳。
全天所有车次的行程时间如图9所示。从图9中可以看出376路公交在早晚高峰时期的行程时间较长,首末班车辆的行程时间最短。由于在早晚高峰乘客上下车人数较多,导致车辆在站点停留的时间较大;加之道路在早晚高峰时期易发生拥堵,因此图8符合实际情况。
4、线路客流量统计
根据深圳市2014年6月9日的公交GPS数据、公交刷卡数据和轨道交通刷卡数据,统计深圳376路公交上行方向各站点的客流量以及在换乘站点的换乘客流量。表6为7:00—7:30时段内376路公交上行方向的客流量,表7为7:00—7:30时段内376路公交上行方向与龙岗线、环中线换乘的客流量。
表6 7:00—7:30时段376路公交上行方向的客流量
表7 7:00—7:30时段376路与龙岗线、环中线换乘客流量
5、时刻表优化
5.1时段划分
本文对深圳376路公交上行方向全天运行时段进行时刻表优化。根据客流量变化及轨道交通发车间隔变化,共划分成8个时段,时段划分见表8。
表8 时段划分表
5.2模型求解及时刻表生成
本文采用粒子群算法进行求解。本案例共划分8个时段,因此粒子编码为:X=(x1,x2,x3,x4,x5,x6,x7,x8),模型的目标函数即为粒子的适应度函数。粒子群算法的各项参数设置见表9。
表9 粒子群算法参数设置
使用Microsoft Visual C++2008软件进行寻优,经过500次迭代之后获得最优函数值。取得最优函数的粒子代表了求解的发车间隔。由于发车间隔通常以分钟为单位设置为整数,因此对求解的发车间隔进行四舍五入的取整,且相邻时段的发车间隔采取平滑处理,最终经过优化的时刻表如表10。
表10 376路公交时刻表
5.3优化结果对比
按照优化后的公交调度计划,深圳市376路公交上行线路全天共发车78次,最小发车间隔为8分钟,最大发车间隔为18分钟。由于对发车间隔进行了取整和平滑处理,因此需要按照优化后的时刻表重新计算非换乘候车时间成本、公交—轨道换乘候车时间成本、轨道—公交换乘候车时间成本、公交运营成本和系统总成本,并与优化前的各项指标进行对比,优化结果对比如表11所示:
表11 优化结果对比
根据表11对比结果,非换乘乘客的候车时间成本和换乘乘客的候车时间成本均显著降低。其中由轨道交通换乘至地面公交的换乘候车成本降低幅度最大,达到了16.38%,说明采用优化后的公交时刻表极大地便利了从轨道交通换乘至地面公交的乘客。由于增加了发车次数,公交运营成本有所上升,但系统总成本降低了4.26%。
表12对优化前后换乘乘客的平均候车时间进行了对比。从总体来看,无论是优化前还是优化后,从地面公交换乘至轨道交通的平均候车时间都普遍低于从轨道交通换乘至地面公交的平均候车时间。经过优化,两个换乘方向的平均候车时间均有所下降。从地面公交换乘至轨道交通的换乘方向中,由376路公交上行换乘至龙岗线上行方向的换乘候车时间降低幅度最大,达到了13.48%,平均候车时间节约了0.60分钟。在早高峰,该换乘方向客流量较大,因此该方向的平均候车时间减少具有重要意义。从轨道交通换乘至地面公交的换乘方向中,由龙岗线下行换乘至376路公交上行方向的换乘候车时间基本没有变化,但是考虑到该换乘线路的客流量较小,因此对整条线路的优化结果不会产生很大影响。
表12 换乘平均候车时间对比
续表:
Claims (1)
1.一种基于大数据的公交线路时刻表协同优化方法,其特征在于,步骤如下:
一.公交线路运行数据和客流数据获取
(1)公交线路运行数据获取
(1.1)判断公交车辆运行方向
公交线路运行区分上行和下行两个方向,公交车辆按照排班顺序在两个方向循环往复;公交线路的上行和下行为独立的运行线路、停靠站点和运行时段,公交车辆运行状态与客流也是相对独立的,分为两个运行方向的数据;
(1.2)车辆到站数据获取
建立车辆到站数据表,包含站点编号S_ID、车辆到站时间S_TIME、车辆的车牌号NUMBER和车辆运行方向DIRECTION共四个字段,见表1;
表1 车辆到站数据表
在车辆到站数据表中记录所有上行方向的车辆到达站点S的数据,步骤如下:
(1)提取公交GPS数据中车辆运行方向为“上行”的所有数据;
(2)先按照车辆的车牌号对步骤(1)中提取的公交GPS数据进行排序,再根据车辆到站时间对同一车辆的车牌号进一步排序;在连续同一车辆的车牌号中,前一条公交GPS数据匹配到路段L1,后一条公交GPS数据匹配到路段L2,则L1和L2的中间值作为车辆到达站点S的时间;
(3)将站点S编号、车辆到达站点S的时间、车辆的车牌号以及车辆运行方向写入对应的车辆到站数据表中,直至处理完所有上行方向的公交GPS数据,得到车辆到站数据表;
上行方向和下行方向的车辆到站数据获取的方式相同;
(1.3)车辆行程时间获取
建立车辆行程时间数据表,包括车辆的车牌号NUMBER、运行方向DIRECTION、首站到站时间O_TIME、末站到站时间E_TIME和行程时间INTERVAL五个字段,见表2;
表2 车辆行程时间数据表
获取上行线路车辆行程时间,步骤如下:
(1)在车辆到站数据表中提取车辆运行方向为“上行”的所有数据,先按照车辆的车牌号进行排序,再根据同一车辆的车牌号的车辆到站时间进一步排序;
(2)针对每一条车辆到站时间数据,若站点编号与车辆运行方向的首站一致,则该条数据为首站发车数据,若站点编号与车辆运行方向的末站一致,则该条数据为末站到站数据;将车辆的车牌号、车辆运行方向、首站到站时间和末站到站时间分别写入对应的车辆行程时间数据表中;
(3)计算同一车辆的车牌号的首站到站时间与末站到站时间的间隔,并将其写入车辆行程时间数据表的行程时间中,直至遍历所有上行方向的车辆到站时间数据,得到车辆行程时间数据表;
上行方向和下行方向的车辆行程时间获取的方式相同;
(2)客流数据获取
(2.1)乘客上车站点获取
轨道交通刷卡数据中记录乘客进站和出站的站点信息,直接判断乘客轨道交通出行的上车站点和下车站点;
公交刷卡数据不记录乘客上车站点信息,判断乘客公交出行的上车站点时间,对公交刷卡数据中的刷卡时间和车辆的车牌号字段与车辆到站数据表中的车辆到站时间和车辆的车牌号字段进行匹配融合;
建立Mix_IC数据表,包括IC卡记录编码ID、线路名称LINE、车辆的车牌号NUMBER、线路运行方向DIRECTION、上车站点编号U_ID、上车站点名称U_NAME、上车时间U_TIME、下车站点编号D_ID、下车站点名称D_NAME和下车时间D_TIME共十个字段,见表3;
表3 Mix_IC数据表
车辆到站数据与公交刷卡数据匹配融合,步骤如下:
(1)提取任一条公交刷卡数据,将公交刷卡数据中ID、LINE和NUMBER三个字段的数据对应写入Mix_IC数据表的ID、LINE和NUMBER字段中;
(2)在车辆到站数据表中匹配与步骤(1)提取的公交刷卡数据NUMBER字段一致,且车辆到站时间与刷卡时间字段最接近的一条记录,将此条记录的站点编号和车辆到站时间字段对应写入Mix_IC数据表的上车站点编号和上车时间字段中,直至遍历所有公交刷卡数据;
同一次轨道交通出行的数据分别记录在“进站”和“出站”两条记录中,经处理后存入Mix_IC数据表中,步骤如下:
(1)先按照IC卡记录编码对轨道交通刷卡数据进行排列,再对同一个IC卡记录编码的记录时间进一步排列;
(2)提取步骤(1)两条连续的轨道交通刷卡数据,其IC卡记录编码和线路名称字段都相同,前一条数据的线路运行方向为“进站”,后一条数据的线路运行方向 为“出站”;将IC卡记录编码和线路名称的数据对应写入Mix_IC数据表的IC卡记录编码和线路名称字段中;
(3)将前一条数据的进站站点名称和进站刷卡时间对应写入Mix_IC数据表的上车站点名称和上车时间字段中,将后一条数据的出站站点名称和出站刷卡时间对应写入Mix_IC数据表的下车站点名称和下车时间字段中;
(4)按照站点编号、上车站点名称和下车站点名称,匹配进出站站点编号,并写入Mix_IC数据表的上车站点编号和下车站点编号字段中,直至遍历所有轨道交通刷卡数据;
(2.2)乘客下车站点获取
通过分析居民的乘车行为,基于家庭的公交出行人数占总出行人数的比例较高,即大部分乘客一日出行是以家庭为起点,又以家庭为终点,其出行活动链构成一个封闭的环形;对于同一天使用公交IC卡超过2次的乘客,其乘坐地面公交的下车站点根据出行活动链进行判断;
使用Mix_IC数据表记录的数据进行下车站点判断,并将获取的下车站点数据写入Mix_IC数据表的下车站点编号字段,乘客下车站点的判断,步骤如下:
(1)在Mix_IC数据表中提取同一ID的数据,并按上车时间进行排列;
(2)判断同一ID的前后两条数据是否为同一条线路:若判断为同一条线路,则后一次刷卡上车的站点为前一次刷卡下车的站点;若判断为不同线路,则根据后一次刷卡上车站点匹配前一次刷卡线路中距离最近的换乘站点,作为前一条数据的下车站点;
(3)同一ID首次刷卡的上车地点为最后一次刷卡的下车地点,直至遍历Mix_IC数据表中所有数据;
(2.3)乘客换乘行为判断
判断乘客连续两次采取公交出行是否为换乘的依据:前一次乘车下车时间与后一次乘车上车时间的间隔是否超过设定的换乘时间上限,设定的换乘时间上限为30分钟;
首先对乘客下车时间进行匹配,步骤如下:
(1)提取Mix_IC数据表中的一条数据,以Mix_IC数据表中车辆的车牌号、线路运行方向和下车站点编号字段与车辆到站数据表中车辆的车牌号、线路运行方向和站点编号字段进行匹配,得到该条件下的车辆到站时间;一天中车辆在上下行方向多次往返运行,车辆到站数据表在该下车站点名称应有多个车辆到站时间;
(2)以Mix_IC数据表中上车时间字段,选择大于该上车时间且时间间隔最短的车辆到站时间,作为下车时间;将匹配的下车时间写入Mix_IC数据表的下车时间字段,直至遍历Mix_IC数据表中所有数据;
判断乘客连续两次刷卡记录是否属于换乘,步骤如下:
(1)先按照IC卡记录编码对Mix_IC数据表进行排列,再根据上车时间字段对同一IC卡记录编码进一步排序;
(2)提取相同ID的两条连续记录,将后一条数据的上车刷卡时间与前一条数据的下车刷卡时间作差,若时间间隔小于30分钟,则认为是换乘;遍历Mix_IC数据表中所有数据;
二.模型建立
模型假设
(1)将地面公交和轨道交通的上下行线路看做两条不同的线路,即同一条线路仅有一个运行方向,假设所有车辆严格按照公交时刻表从首站发出,忽略道路交通条件对车辆运行的影响,车辆在各站间行程时间分布已知;同一时段车辆的发车间隔相同,同一条线路的公交车辆数量固定,车辆型号均相同;公交车辆按照发车顺序运行,不存在串车和滞站现象;非换乘乘客到达站点的过程服从均匀分布,且同一时段乘客到达率相同;乘客在换乘站点的换乘步行时间已知,且换乘步行时间小于地面公交和轨道交通的发车间隔;当车辆到达站点后乘客即上车,忽略由于车辆拥挤原因继续候车的情况;线路运营车辆均为全程车,忽略区间车调度方案和大站快车调度方案;
(2)参数定义
S——地面公交站点序列,s∈S;
——换乘站点序列,
——换乘站点数
Bi——在研究时段发车且车次为i的地面公交;
Rj——在研究时段发车且车次为j的轨道交通;
eB——研究时段内地面公交线路B的发车数量;
eR——研究时段内轨道线路R的发车数量;
a——研究时段时长,a=Tend-Tstart;
hB——研究时段内地面公交线路B的发车间隔;
hR——研究时段内轨道线路R的发车间隔;
hB,min,hB,max——地面公交的最小和最大发车间隔;
hR,min,hR,max——轨道交通的最小和最大发车间隔;
——研究时段内在站点s乘坐地面公交线路B的乘客到达率;
——在换乘站点从地面公交站点到轨道交通站点的步行时间; ——地面公交Bi到达换乘站点的时刻;
——轨道交通Rj到达换乘站点的时刻;
——研究时段内车次序列为1的地面公交车辆从首站开出的时刻;
——研究时段内车次序列为1的轨道交通车辆从首站开出的时刻;
——地面公交线路车辆从首站开至换乘站点的行程时间;
——轨道线路车辆在研究区间从首站开至换乘站点的行程时间;
tB——研究时段内地面公交车辆行程时间;
tR——研究时段内轨道线路车辆在研究区间的行程时间;
——地面公交线路首站与换乘站点的站距;
——轨道线路首站与换乘站点的站距;
LB——地面公交线路的全程长度;
LR——轨道线路在研究区间的长度;
Uc——单位乘客候车时间的时间价值,元/分钟;
Up——地面公交线路单位发车次数的运营成本,元/公里;
CB——研究时段内无换乘的乘客乘坐地面公交的候车时间成本;
CBR——研究时段内乘客从地面公交换乘至轨道交通的换乘候车时间成本;
CRB——研究时段内乘客从轨道交通换乘至地面公交的换乘候车时间成本;
CP——研究时段内公交运营企业的成本;
CS——研究时段内系统总成本;
(3)约束条件
根据模型假设,乘客在换乘站点的换乘步行时间小于地面公交和轨道交通的发车间隔,则对所有
地面公交与轨道交通的发车间隔应不小于最小发车间隔,同时不大于最大发车间隔,则有:
hB,min≤hB≤hB,max (3.2)
hR,min≤hR≤hR,max (3.3)
(4)目标函数
研究时段内地面公交发车数量eB与发车间隔hB的关系为:
研究时段内轨道交通发车数量eR与发车间隔hR的关系为:
1)非换乘的乘客乘坐地面公交的候车时间成本
乘客到达站点s乘坐在研究时段内发车且车次为i的地面公交Bi,其候车成本可表示为:
因此非换乘的乘客的候车时间成本可表示为:
2)乘客从地面公交换乘至轨道交通的换乘候车时间成本
在研究时段内,车次为i的地面公交Bi到达换乘站点的时刻可表示为:
其中地面公交线路车辆从首站开至换乘站点的行程时间可用式4.6计算:
车次为j轨道交通Rj到达换乘站点的时刻可表示为:
其中轨道线路车辆从首站开至换乘站点的行程时间可用式4.8计算:
一位乘客在换乘站点从地面公交Bi换乘至轨道交通Rj需要的步行时间为 其换乘候车时间可表示为:
其中为布尔变量,
乘坐在研究时段内发车的地面公交并在换乘站点下车的乘客总人数为在换乘站点由地面公交换乘至轨道交通的换乘率为则乘坐在研究时段内发车的地面公交在换乘站点下车换乘至轨道交通的乘客总人数可按式4.11计算
将在换乘站点从地面公交换乘至轨道交通的乘客平均分配至每辆地面公交车次,则乘坐地面公交Bi且在换乘站点换乘至轨道交通的乘客数量可表示为:
由于存在换乘步行时间不超过地面公交发车间隔的假设,所以不会出现从k时段发车的地面公交换乘至k+1时段发车的轨道交通的情况;因此在换乘站点由地面公交换乘至轨道交通的乘客换乘候车的时间成本为:
在研究时段在所有换乘站点乘客从地面公交换乘至轨道交通的换乘候车时间成本为:
其中
3)乘客从轨道换乘至地面公交的换乘候车时间成本
一位乘客在换乘站点从轨道交通Rj换乘至地面公交Bi需要的步行时间为 其换乘候车时间可表示为:
其中为布尔变量,
在换乘站点上车乘坐在研究时段内发车的地面公交的乘客总人数为在换乘站点由轨道交通换乘至地面公交的换乘率为则在换乘站点上车换乘至在研究时段内发车的地面公交的乘客总人数可按式4.18计算:
将在换乘站点从轨道交通换乘至地面公交的乘客平均分配至每辆地面公交车次,则在换乘站点由轨道交通换乘至地面公交Bi的乘客数量可表示为:
由于存在换乘步行时间不超过轨道交通发车间隔的假设,所以不会出现从k时段发车的轨道交通换乘至k+1时段发车的地面公交的情况;因此在k时段在换乘站点由轨道交通换乘至地面公交的乘客换乘候车的时间成本为:
在研究时段在所有换乘站点乘客从轨道交通换乘至地面公交的换乘候车时间成本为:
其中:
4)公交企业的运营成本
公交企业的运营成本与线路全程长度和研究时段内的发车数量有关,可用式4.23表示:
CP=UPLBeB (4.23)
5)系统总成本
研究时段系统总成本包括:非换乘的乘客乘坐地面公交的候车时间成本、乘客从地面公交换乘至轨道交通的换乘候车时间成本、乘客从轨道交通换乘至地面公交的换乘候车时间成本和公交企业的运营成本,即:
CS=CB+CBR+CRB+CP (4.24)
目标函数为系统总成本最小,即minCS;决策变量为地面公交的发车间隔hB。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610695243.0A CN106448233B (zh) | 2016-08-19 | 2016-08-19 | 基于大数据的公交线路时刻表协同优化方法 |
EP17840784.7A EP3503069A4 (en) | 2016-08-19 | 2017-05-09 | BASED COLLABORATIVE OPTIMIZATION PROCEDURE FOR BUS LINE PLAN |
US16/067,910 US20200027347A1 (en) | 2016-08-19 | 2017-05-09 | Collaborative optimization method for bus timetable based on big data |
PCT/CN2017/083609 WO2018032808A1 (zh) | 2016-08-19 | 2017-05-09 | 基于大数据的公交线路时刻表协同优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610695243.0A CN106448233B (zh) | 2016-08-19 | 2016-08-19 | 基于大数据的公交线路时刻表协同优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106448233A CN106448233A (zh) | 2017-02-22 |
CN106448233B true CN106448233B (zh) | 2017-12-05 |
Family
ID=58181604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610695243.0A Active CN106448233B (zh) | 2016-08-19 | 2016-08-19 | 基于大数据的公交线路时刻表协同优化方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200027347A1 (zh) |
EP (1) | EP3503069A4 (zh) |
CN (1) | CN106448233B (zh) |
WO (1) | WO2018032808A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255972B (zh) * | 2018-09-11 | 2019-12-10 | 北京市交通信息中心 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
Families Citing this family (82)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448233B (zh) * | 2016-08-19 | 2017-12-05 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
CN107092976B (zh) * | 2017-03-28 | 2020-06-02 | 东南大学 | 一种多目标模型协同优化多条公交线路发车间隔的方法 |
CN106845734A (zh) * | 2017-03-29 | 2017-06-13 | 东南大学 | 面向末班换乘需求的多模式公共交通时刻表优化方法 |
CN107016633B (zh) * | 2017-03-29 | 2020-06-30 | 东南大学 | 城市轨道交通接运公交计划发车时刻生成方法 |
CN106935045B (zh) * | 2017-04-27 | 2019-04-30 | 南京莱斯信息技术股份有限公司 | 一种基于公交地铁刷卡数据的公交信号优先控制方法 |
CN107403273B (zh) * | 2017-07-28 | 2020-11-27 | 中铁程科技有限责任公司 | 信息处理方法、装置及非暂态计算机可读存储介质 |
CN108230724B (zh) * | 2018-01-31 | 2020-05-22 | 华南理工大学 | 一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法 |
WO2020018026A1 (en) | 2018-07-17 | 2020-01-23 | Aselsan Elektroni̇k Sanayi̇ Ve Ti̇caret Anoni̇m Şi̇rketi̇ | Line need determination method |
CN109522584B (zh) * | 2018-08-31 | 2022-11-04 | 南京理工大学 | 一种有轨电车发车时刻表设计方法 |
FR3086431B1 (fr) * | 2018-09-26 | 2023-07-28 | Cosmo Tech | Procede de regulation d’un reseau de transport multimodal |
CN109344529B (zh) * | 2018-10-22 | 2023-11-03 | 北京航空航天大学 | 一种基于两阶段启发式算法的定制公交线路设计方法 |
CN109615111A (zh) * | 2018-11-16 | 2019-04-12 | 浩鲸云计算科技股份有限公司 | 一种公交断面客流量的计算方法 |
CN109615179A (zh) * | 2018-11-16 | 2019-04-12 | 浩鲸云计算科技股份有限公司 | 一种单条公交线路与轨道之间换乘量的计算方法 |
CN109615178B (zh) * | 2018-11-16 | 2024-04-09 | 浩鲸云计算科技股份有限公司 | 一种公交换乘轨道再换乘公交出行的线路班次调整的方法 |
CN109840669A (zh) * | 2018-11-16 | 2019-06-04 | 浩鲸云计算科技股份有限公司 | 一种公交线路路段乘客量的计算方法 |
CN109493601B (zh) * | 2018-11-21 | 2021-02-09 | 青岛大学 | 一种公交支线设置方法 |
CN109886491B (zh) * | 2019-02-26 | 2021-02-26 | 北京工业大学 | 一种海量运行数据驱动的地面公交两阶段优化调度方法 |
CN109993353B (zh) * | 2019-03-21 | 2022-07-29 | 华侨大学 | 一种轨道交通沿线常规公交线路选择方法 |
CN111723963B (zh) * | 2019-03-22 | 2022-09-20 | 南京理工大学 | 地铁车辆越站运能优化方法 |
JP7399627B2 (ja) * | 2019-04-25 | 2023-12-18 | 株式会社日立製作所 | ダイヤ作成装置、ダイヤ作成方法、及び自動車両制御システム |
CN110033634B (zh) * | 2019-05-15 | 2021-05-11 | 东南大学 | 一种可变线路公交协同接驳乘客方法 |
CN110390479A (zh) * | 2019-07-16 | 2019-10-29 | 武汉译码当先科技有限公司 | 公交车发车时间调度方法、设备、存储介质及装置 |
CN110751830B (zh) * | 2019-09-30 | 2021-11-23 | 江苏大学 | 一种集计公交物理站点平均等车时间的方法及系统 |
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 |
CN110992726B (zh) * | 2019-10-28 | 2021-08-27 | 上海城市交通设计院有限公司 | 一种公交车辆到站识别以及车辆上下行班次划分的方法 |
CN110867090B (zh) * | 2019-10-31 | 2022-01-11 | 江苏大学 | 一种基于公交车载gps数据的相邻公交物理站点间平均行程时间计算方法及系统 |
CN111105078B (zh) * | 2019-11-29 | 2023-09-29 | 同济大学 | 一种定制公交网络优化方法 |
CN111123298B (zh) * | 2019-12-09 | 2022-05-10 | 深圳市市政设计研究院有限公司 | 基于机器学习算法的gps终端与ic卡终端匹配方法和装置 |
CN111275241A (zh) * | 2020-01-08 | 2020-06-12 | 天津大学 | 基于机器学习决策树的公交车乘客下车站点推断方法 |
CN111311017B (zh) * | 2020-03-04 | 2022-10-11 | 广西大学 | 城市轨道交通列车运营时刻表和速度运行曲线优化方法 |
CN111626469B (zh) * | 2020-04-10 | 2023-11-14 | 广州地铁集团有限公司 | 一种面向运能提升的快慢车开行优化方法 |
CN111582691B (zh) * | 2020-04-28 | 2022-04-22 | 北京交通大学 | 基于双层规划的客运枢纽多交通方式的运力匹配方法 |
CN111619624B (zh) * | 2020-06-01 | 2022-06-21 | 北京全路通信信号研究设计院集团有限公司 | 一种基于深度强化学习的有轨电车运行控制方法和系统 |
CN111709562B (zh) * | 2020-06-02 | 2022-12-23 | 广州通达汽车电气股份有限公司 | 一种公交车辆的排班时刻表的生成方法及装置 |
CN111768053B (zh) * | 2020-07-08 | 2023-09-22 | 北京交通大学 | 一种城市轨道交通网络始发列车发车时刻优化方法 |
CN111882856B (zh) * | 2020-07-30 | 2022-10-04 | 航天物联网技术有限公司 | 一种基于固定排班模式的公交智能调度系统及方法 |
CN112214829B (zh) * | 2020-08-26 | 2024-01-19 | 北京交通大学 | 高速铁路列车衔接方案优化建模方法 |
CN112070298B (zh) * | 2020-09-04 | 2022-03-04 | 深圳市规划国土发展研究中心 | 一种目标城市铁路互联互通运营组织方案优化方法 |
CN112133121B (zh) * | 2020-09-23 | 2022-09-02 | 安徽蒂姆自动化科技有限公司 | 一种城市公交智能调度系统 |
CN112509317B (zh) * | 2020-11-09 | 2021-11-09 | 广州交信投科技股份有限公司 | 基于机器学习算法的公交实时到站预测方法、装置和设备 |
CN112434843A (zh) * | 2020-11-10 | 2021-03-02 | 华侨大学 | 一种新建轨道开通前沿线公交乘客转移预测方法及系统 |
CN112183904A (zh) * | 2020-11-19 | 2021-01-05 | 北京清研宏达信息科技有限公司 | 一种基于居民出行od的公交线路优化方法 |
CN112926229B (zh) * | 2020-11-19 | 2021-11-02 | 西南交通大学 | 基于分层Petri网的区域轨道交通网络承载力仿真系统及方法 |
CN112487623B (zh) * | 2020-11-23 | 2022-08-02 | 华中科技大学 | 一种oled器件多个目标的协同优化方法 |
CN112598177B (zh) * | 2020-12-22 | 2023-10-24 | 北京市地铁运营有限公司 | 一种城市轨道交通突发事件在线客流预测与仿真系统 |
CN112784204A (zh) * | 2020-12-28 | 2021-05-11 | 北京交通大学 | 面向不确定需求的列车时刻表与客流控制鲁棒优化方法 |
CN113607268B (zh) * | 2021-01-26 | 2024-01-09 | 禁核试北京国家数据中心 | 一种区域次声事件自动关联方法 |
CN112884216B (zh) * | 2021-02-04 | 2023-06-23 | 国网湖南省电力有限公司 | 单条公交线路最小车辆数计算方法 |
CN114913701A (zh) * | 2021-02-09 | 2022-08-16 | 武汉小码联城科技有限公司 | 一种公交调度方法、系统及相关设备 |
CN113392987B (zh) * | 2021-05-07 | 2022-10-14 | 杭州数知梦科技有限公司 | 基于多源数据融合的公交站点位置修复方法 |
CN113299064A (zh) * | 2021-05-15 | 2021-08-24 | 苏州智能交通信息科技股份有限公司 | 公交精准预报站方法、系统、装置及存储介质 |
CN113408587B (zh) * | 2021-05-24 | 2022-06-03 | 支付宝(杭州)信息技术有限公司 | 一种公交车乘客od匹配方法、装置和电子设备 |
CN113408859B (zh) * | 2021-05-26 | 2022-05-20 | 上海工程技术大学 | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 |
CN113361885B (zh) * | 2021-05-28 | 2022-09-20 | 同济大学 | 一种基于多源数据的双目标城市公交效益评价方法 |
CN113592419A (zh) * | 2021-05-31 | 2021-11-02 | 南京理工大学 | 考虑客流和节能的轨道交通快慢车时刻表优化方法 |
CN113379222B (zh) * | 2021-06-04 | 2024-02-27 | 大连海事大学 | 一种基于实时需求信息的城市轨道交通客流控制方法 |
CN113538952B (zh) * | 2021-06-04 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交车间隔异常识别与预警系统、方法、设备及存储介质 |
CN113269475B (zh) * | 2021-06-28 | 2022-01-18 | 浩鲸云计算科技股份有限公司 | 一种基于遗传算法的公交排班调度方法及系统 |
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 |
CN113822461A (zh) * | 2021-07-27 | 2021-12-21 | 深圳技术大学 | 一种轨道交通跨线运营优化方法、系统、设备及存储介质 |
CN113723761B (zh) * | 2021-08-01 | 2024-03-22 | 北京工业大学 | 一种基于运行数据的多维度城市公交运行服务可靠度评价方法 |
CN113657672A (zh) * | 2021-08-18 | 2021-11-16 | 北京航空航天大学 | 一种基于动态规划的综合枢纽末班车衔接方法 |
CN113442974B (zh) * | 2021-08-19 | 2022-08-02 | 湖南中车时代通信信号有限公司 | 基于平高峰转换算法的列车运行图编制方法及装置 |
CN113506440B (zh) * | 2021-09-08 | 2021-11-30 | 四川国蓝中天环境科技集团有限公司 | 一种拉格朗日坐标系下多源数据融合的交通状态估计方法 |
CN114170815B (zh) * | 2021-12-08 | 2023-10-27 | 安徽达尔智能控制系统股份有限公司 | 一种人工智能诊断交通运维管控方法、系统 |
CN114266310A (zh) * | 2021-12-22 | 2022-04-01 | 北京市市政工程设计研究总院有限公司 | 基于时空双维度的客运交通枢纽换乘区域旅客滞留时间特征分析方法及装置 |
CN114202254B (zh) * | 2022-02-15 | 2022-05-27 | 中国矿业大学(北京) | 一种城市轨道交通通勤分布估计方法及系统 |
CN114819617A (zh) * | 2022-03-03 | 2022-07-29 | 北京邮电大学 | 一种基于强化学习的公交车辆排班方法 |
CN114331231B (zh) * | 2022-03-14 | 2022-06-21 | 北京清研宏达信息科技有限公司 | 一种公共交通排班的方法和系统 |
CN114898552B (zh) * | 2022-03-29 | 2023-06-27 | 深圳市综合交通与市政工程设计研究总院有限公司 | 一种基于定位数据的公交车辆有效班次计算方法 |
CN114912657A (zh) * | 2022-04-12 | 2022-08-16 | 东南大学 | 一种基于多种收费票制的公交客流od推导方法 |
CN114742426B (zh) * | 2022-04-20 | 2023-07-25 | 北京化工大学 | 公交线路车辆排班计划两阶段生成方法及程序产品 |
CN115100897B (zh) * | 2022-05-23 | 2023-11-17 | 惠州华阳通用电子有限公司 | 一种车辆位置确定方法及装置 |
CN114997669A (zh) * | 2022-06-10 | 2022-09-02 | 北京拙河科技有限公司 | 一种机场地面流量负载监测方法及系统 |
CN115100880A (zh) * | 2022-06-17 | 2022-09-23 | 南京莱斯信息技术股份有限公司 | 一种实现公交车均衡分布的公交信号优先控制方法 |
CN114936959B (zh) * | 2022-06-17 | 2023-05-23 | 上海市城乡建设和交通发展研究院 | 实现车辆匹配和乘客上车点的识别方法 |
CN117689126A (zh) * | 2022-08-30 | 2024-03-12 | 比亚迪股份有限公司 | 线网调度方法、装置、介质及电子设备 |
CN115457793B (zh) * | 2022-08-31 | 2023-06-23 | 东风悦享科技有限公司 | 一种应用于公交调度中始发站非均匀发车的方法及系统 |
CN115239030B (zh) * | 2022-09-23 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市轨道交通交路时刻表优化方法、设备及存储介质 |
CN115662176B (zh) * | 2022-12-13 | 2023-05-26 | 天津市政工程设计研究总院有限公司 | 一种基于鲁棒优化的灵活公交调度优化方法 |
CN116011888B (zh) * | 2023-03-20 | 2023-05-26 | 北京华录高诚科技有限公司 | 一种缓解枢纽人流压力的方法及系统 |
CN116166735B (zh) * | 2023-04-21 | 2023-07-04 | 民航成都信息技术有限公司 | 航空数据的处理方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
CN101799981A (zh) * | 2010-02-09 | 2010-08-11 | 华南理工大学 | 多模式公共交通区域调度控制方法 |
JP5164208B2 (ja) * | 2008-06-05 | 2013-03-21 | 株式会社エイブイプランニングセンター | 車両運行システム |
CN104376716A (zh) * | 2014-11-28 | 2015-02-25 | 南通大学 | 一种基于贝叶斯网络模型的公交时刻表动态生成方法 |
CN104504229A (zh) * | 2014-09-19 | 2015-04-08 | 杭州电子科技大学 | 一种基于混合启发式算法的智能公交调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050555A (zh) * | 2014-07-06 | 2014-09-17 | 山东天海科技股份有限公司 | 北斗车联网物流信息服务平台 |
CN106448233B (zh) * | 2016-08-19 | 2017-12-05 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
-
2016
- 2016-08-19 CN CN201610695243.0A patent/CN106448233B/zh active Active
-
2017
- 2017-05-09 US US16/067,910 patent/US20200027347A1/en not_active Abandoned
- 2017-05-09 WO PCT/CN2017/083609 patent/WO2018032808A1/zh unknown
- 2017-05-09 EP EP17840784.7A patent/EP3503069A4/en not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5164208B2 (ja) * | 2008-06-05 | 2013-03-21 | 株式会社エイブイプランニングセンター | 車両運行システム |
CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
CN101799981A (zh) * | 2010-02-09 | 2010-08-11 | 华南理工大学 | 多模式公共交通区域调度控制方法 |
CN104504229A (zh) * | 2014-09-19 | 2015-04-08 | 杭州电子科技大学 | 一种基于混合启发式算法的智能公交调度方法 |
CN104376716A (zh) * | 2014-11-28 | 2015-02-25 | 南通大学 | 一种基于贝叶斯网络模型的公交时刻表动态生成方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255972B (zh) * | 2018-09-11 | 2019-12-10 | 北京市交通信息中心 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018032808A1 (zh) | 2018-02-22 |
EP3503069A1 (en) | 2019-06-26 |
CN106448233A (zh) | 2017-02-22 |
EP3503069A4 (en) | 2019-07-31 |
US20200027347A1 (en) | 2020-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106448233B (zh) | 基于大数据的公交线路时刻表协同优化方法 | |
CN104463364B (zh) | 一种地铁乘客实时分布和地铁实时密度预测方法及系统 | |
Lu et al. | A review of big data applications in urban transit systems | |
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
Li et al. | Estimating a transit passenger trip origin-destination matrix using automatic fare collection system | |
CN105023437B (zh) | 一种公交od矩阵的构建方法及系统 | |
CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
Huang et al. | A novel bus-dispatching model based on passenger flow and arrival time prediction | |
CN107330547A (zh) | 一种城市公交动态调度优化方法及系统 | |
CN111353639A (zh) | 协调列车时刻表的城市轨道交通高峰期限流优化方法 | |
CN106651728A (zh) | 一种综合运输体系客运方式优势运距的确定方法 | |
CN114139251B (zh) | 一种边境地区陆路口岸整体布局方法 | |
CN109214577A (zh) | 一种综合运输通道客运分担率预测方法 | |
Lin et al. | Intelligent bus operation optimization by integrating cases and data driven based on business chain and enhanced quantum genetic algorithm | |
CN106846214A (zh) | 分析交通枢纽可达性对区域公共运输方式竞争影响的方法 | |
CN105608528A (zh) | 基于大数据分析的出租车驾驶员收入-压力评估方法和系统 | |
Auad-Perez et al. | Ridesharing and fleet sizing for on-demand multimodal transit systems | |
CN106373384A (zh) | 边远地区客运班车线路实时生成方法 | |
CN115759639A (zh) | 基于小样本增量学习的非租还高发期共享单车调度方法 | |
CN102324111B (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
Wang et al. | Multi-objective optimization of customized bus routes based on full operation process | |
Xu et al. | Urban smart public transport studies: a review and prospect | |
CN109409563B (zh) | 一种公交运营车辆实时人数的分析方法、系统和存储介质 | |
Lee et al. | A smart city transportation system of systems governance framework: a case study of Singapore | |
CN112767685A (zh) | 基于定位和刷卡信息的公交客流分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |