CN107016633A - 城市轨道交通接运公交计划发车时刻生成方法 - Google Patents
城市轨道交通接运公交计划发车时刻生成方法 Download PDFInfo
- Publication number
- CN107016633A CN107016633A CN201710196213.XA CN201710196213A CN107016633A CN 107016633 A CN107016633 A CN 107016633A CN 201710196213 A CN201710196213 A CN 201710196213A CN 107016633 A CN107016633 A CN 107016633A
- Authority
- CN
- China
- Prior art keywords
- feeder buses
- passenger
- train
- plan
- feeder
- 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 abstract description 28
- 238000012546 transfer Methods 0.000 claims abstract description 50
- 238000013461 design Methods 0.000 claims abstract description 10
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 238000011835 investigation Methods 0.000 claims abstract description 4
- 238000011160 research Methods 0.000 claims description 25
- 238000005553 drilling Methods 0.000 claims description 6
- 230000001680 brushing effect Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种城市轨道交通接运公交计划发车时刻生成方法。根据运营企业提供的轨道交通计划时刻表和接运公交车型配置资料，获取轨道交通列车计划到站时刻、接运公交车辆额定载客能力；基于历史客流数据估计轨道交通换乘乘客量，基于实地调研估计乘客平均换乘步行时间、掌握周边地块非换乘乘客到达规律；设置虚拟列车作为非换乘乘客载体并将其与实际列车按到站时刻排序；建立考虑车辆载客能力限制的接运公交计划发车时刻生成模型；设计嵌入枚举过程的遗传算法获取(近似)最优计划发车时刻方案。本发明用于确定兼顾乘客成本与企业成本的城市轨道交通接运公交计划发车时刻，减少乘客等待时间，降低企业运营成本。
Description
所属领域
本发明涉及一种城市轨道交通接运公交计划发车时刻生成方法，属于城市公共交通运营管理领域。
背景技术
城市轨道交通接运公交指专为城市轨道交通线路接送客流的短途(或循环)地面公交线路，用于解决轨道交通乘客出行的“首末一公里”问题。轨道交通乘客换乘接运公交的时间包括换乘步行时间和换乘等待时间两部分。换乘步行时间在公共交通设施规划阶段已基本确定，而换乘等待时间则由轨道交通时刻表与接运公交时刻表的协同程度决定。当缺乏有效协同时，大部分由轨道交通换乘接运公交的乘客需承受较长的换乘等待时间，大大降低公共交通吸引力。出于安全考虑，针对高峰期换乘枢纽内产生的轨道交通换乘接运公交的大客流，也需通过时刻表协同有效减少乘客滞留时间以实现快速疏散枢纽内乘客的目的。
既有关于接运公交时刻表设计的研究鲜少考虑公交车辆载客能力的约束，假设轨道交通乘客总是可以顺利乘坐其到站后首班发车的接运公交车辆离开，与真实条件下客流高峰期大量轨道交通乘客排队等待多班公交车辆后方可顺利乘坐接运公交离开的现实相矛盾；已有研究多致力于设计等间隔发车时刻表，难以同时与多条轨道交通线路的时刻表实现有效协同；且少有研究在处理时刻表协调设计时考虑非换乘乘客需求。
发明内容
技术问题：本发明提供了城市轨道交通接运公交计划发车时刻生成方法，用于指导接运公交发车时刻表设计，以减少换乘乘客、非换乘乘客等待时间，并尽可能降低企业运营成本。
技术方案：为解决上述技术问题，本发明采用的技术方案是：
一种城市轨道交通接运公交计划发车时刻生成方法，该方法包括如下步骤：
第一步：获取轨道交通列车计划到站时刻、接运公交车辆额定载客能力；
第二步：估计换乘乘客量及其平均换乘步行时间、掌握非换乘乘客到达规律；
第三步：设置虚拟列车作为非换乘乘客载体并将其与实际列车按到站时刻排序；
第四步：建立考虑车辆载客能力限制的接运公交计划发车时刻生成模型；
第五步：设计嵌入枚举过程的遗传算法获取(近似)最优计划发车时刻方案。
在所述的第一步中，根据运营企业提供的轨道交通计划时刻表，获取研究时段内各列车次于目标轨道交通站处的计划到站时刻；基于运营企业车辆配置实际情况，确定接运公交车辆额定载客能力。
在所述的第二步中，基于运营企业提供的公交卡刷卡数据，通过数据挖掘估计研究时段内由轨道交通线路换乘至接运公交线路的换乘乘客量，并基于实地调研确定换乘乘客由轨道交通站步行至接运公交首末站平均所需时间，即平均换乘步行时间；通过实地调研记录研究时段内由周边地块步行至接运公交首末站的乘客量及其到达时刻，即非换乘乘客到达规律。
在所述的第三步中，将来自周边地块的非换乘乘客转化为来自虚拟列车的换乘乘客，虚拟列车到达目标轨道交通站时刻为非换乘乘客实际到达接运公交首末站时刻减去平均换乘步行时间，将虚拟列车与实际列车按照到达目标轨道交通站的先后顺序进行排序。
在所述的第四步中，考虑车辆载客能力限制的接运公交计划发车时刻生成模型定义如下：
Tmin≤d1＜Tmin+h1(3)
uij＝yij·min(wij,Cj-vij) (8)
式(1)中，z为总成本(单位：min)；I为研究时段内轨道交通列车班次数(单位：班)，包括实际列车与虚拟列车；twti为轨道交通列车i上需换乘接运公交线路的所有乘客的总换乘等待时间(单位：min)；β为反映降低企业成本重要度的非负权重；J为研究时段内接运公交线路最大可发班次数(单位：班)；θ为1个单位时间(单位：min)，将企业运营成本转化为以分钟为度量单位的辅助参数；hj为接运公交j和接运公交j+1之间的计划发车间隔(单位：min)；δ为罚因子(单位：min/人)，表示每增加一位未能顺利乘坐接运公交线路离开的乘客，总成本z增加δ分钟；Pi为列车i上需换乘接运公交线路的乘客量(单位：人)；uij为顺利乘坐接运公交j离开换乘枢纽的来自列车i的乘客量(单位：人)；
式(2)中，dj为接运公交j计划发车时刻；
式(3)中，Tmin为研究时段起始时刻，即所允许的接运公交线路最早计划发车时刻；
式(4)中，Hmin和Hmax分别为研究时段内计划发车间隔取值范围下限和上限(单位：min)；
式(5)中，Z+为正整数集合；
式(6)中，M为一个足够大的已知正数；yij为二元变量：当来自列车i的乘客有机会乘坐接运公交j离开时等于1，否则等于0；Ai为列车i计划到站时刻；WT为乘客由轨道交通站步行至接运公交首末站平均换乘步行时间(单位：min)；
式(8)中，wij为等待乘坐接运公交j离开换乘枢纽的来自列车i的乘客量(单位：人)；Cj为接运公交j核定载客量(单位：人/车)；vij为当来自列车i的乘客开始登上接运公交j时，车内已载乘客量(单位：人)；
所述第四步中的模型为混合整数非线性规划模型。
在所述的第五步中，设计嵌入枚举过程的遗传算法求解在所述第四步中构建的模型，获取研究时段内各班接运公交(近似)最优计划发车时刻。
有益效果：本发明所述的一种城市轨道交通接运公交计划发车时刻生成方法，与现有技术相比，依托排队论分析了由车辆载客能力约束引起的乘客排队等待过程，借助虚拟列车提出了综合考虑换乘需求、非换乘需求的乘客等待时间计算方法，并考虑发车方案对运营成本的影响，发明了权衡乘客成本与企业成本的非等间隔计划发车时刻生成方法，本发明成果可为城市公共交通运营管理提供关键的理论指导与决策支持，具有十分广阔的应用前景。
附图说明
图1是本发明的设计方法的流程框图。
图2是列车排序示意图。
图3是嵌入枚举过程的遗传算法流程图。
具体实施方式
下面结合附图，对本发明的技术方案作进一步详细说明。
如图1所示，本发明的一种城市轨道交通接运公交计划发车时刻生成方法，包括如下步骤：
第一步：获取轨道交通列车计划到站时刻、接运公交车辆额定载客能力。
在该步骤中，根据运营企业提供的轨道交通计划时刻表，获取研究时段内各列车次于目标轨道交通站处的计划到站时刻；基于运营企业车辆配置实际情况，确定接运公交车辆额定载客能力。
第二步：估计换乘乘客量及其平均换乘步行时间、掌握非换乘乘客到达规律。
在该步骤中，基于运营企业提供的公交卡刷卡数据，通过数据挖掘匹配轨道交通站出站刷卡记录、公交首末站上车刷卡记录，估计研究时段内由轨道交通线路换乘至接运公交线路的换乘乘客量，并基于实地调研确定换乘乘客由轨道交通站步行至接运公交首末站平均所需时间，即平均换乘步行时间；通过实地调研记录研究时段内由周边地块步行至接运公交首末站的乘客量及其到达时刻，即非换乘乘客到达规律。
第三步：设置虚拟列车作为非换乘乘客载体并将其与实际列车按到站时刻排序。
将来自周边地块的非换乘乘客转化为来自虚拟列车的换乘乘客，虚拟列车到达目标轨道交通站时刻为非换乘乘客实际到达接运公交首末站时刻减去由轨道交通站步行至接运公交首末站平均换乘步行时间，将虚拟列车与实际列车按照到达目标轨道交通站的先后顺序进行排序，并将排在第i位到站的列车命名为“列车i”，如图2所示。
第四步：建立考虑车辆载客能力限制的接运公交计划发车时刻生成模型。
在该步骤中，首先，确定模型优化目标。
合理的接运公交发车计划应尽可能减少乘客等待时间、降低企业运营成本，并保证研究时段内所有或大部分乘客都能顺利乘坐接运公交离开。减少乘客成本和降低企业成本互为矛盾，需要权衡、兼顾双方利益，为减少乘客等待时间需要提供高频率接运公交服务，然而高频率公交服务意味着公交企业运营成本的大幅增加。故以发车间隔的倒数值大小衡量企业运营成本的高低。
式(1)中，z为总成本(单位：min)；I为研究时段内轨道交通列车班次数(单位：班)，包括实际列车与虚拟列车；twti为列车i上需换乘接运公交线路的所有乘客的总换乘等待时间(单位：min)；β为反映降低企业成本重要度的非负权重；J为研究时段内接运公交线路最大可发班次数(单位：班)，其值由企业预先确定；θ为1个单位时间(单位：min)，将企业运营成本转化为以分钟为度量单位的辅助参数；hj为接运公交j和接运公交j+1之间的计划发车间隔(单位：min)；δ为罚因子(单位：min/人)，表示每增加一位未能顺利乘坐接运公交线路离开的乘客，总成本z增加δ分钟；Pi为列车i上需换乘接运公交线路的乘客量(单位：人)；uij为顺利乘坐接运公交j离开换乘枢纽的来自列车i的乘客量(单位：人)。
进而，定义计划发车时刻，并确定其合理值域。
Tmin≤d1＜Tmin+h1 (3)
式(2)中，dj为研究时段内接运公交j(j＝1,2,...,J)的计划发车时刻；式(3)中，Tmin为研究时段起始时间，用以保证d1确实是研究时段内首班接运公交计划发车时刻；式(4)中，Hmin和Hmax分别为研究时段内计划发车间隔取值范围下限和上限(单位：min)，其值由企业与政府预先协商确定；式(5)中，Z+为正整数集合，将研究时段内首班计划发车时刻d1和计划发车间隔hj均设置为以分钟为单位的整数变量，以保证生成的发车时刻表在实际中易于参照执行。
继而，识别具有换乘关系的车次并计算其间所需等待时间。
式(6)中，M是一个给定的足够大的正数；yij为二元变量，当来自列车i的换乘乘客有机会乘坐接运公交j离开时等于1，否则等于0；Ai为列车i计划到达轨道交通站的时刻；WT为乘客由轨道交通站步行至接运公交首末站平均换乘步行时间(单位：min)。式(6)表明当接运公交j计划发车时刻dj至少比轨道交通列车i计划到站时刻Ai晚换乘步行时间WT时，来自列车i的换乘乘客才有机会乘坐接运公交j离开换乘枢纽。
考虑到现实中由于接运公交单车运输能力与大规模换乘客流间的不平衡(尤其是客流高峰期)，即使二元变量yij等于1，仍然存在列车i上的所有或部分换乘乘客无法顺利乘坐接运公交j离开，需要排队等待后续班次的现象。
式(8)中，uij为顺利乘坐接运公交j离开的来自列车i的乘客量(单位：人)；wij为等待乘坐接运公交j离开的来自列车i的乘客量(单位：人)；Cj为接运公交j核定载客量(单位：人/车)；vij为当来自列车i的换乘乘客开始登上接运公交j时，车内已载乘客量(单位：人)。式(8)表明当且仅当同时满足yij＝1与接运公交j有充足余位时，列车i上的换乘乘客才可顺利乘坐接运公交j离开换乘枢纽。
变量wij和vij可分别按照式(9)、式(10)进行计算。
列车i上换乘接运公交线路的所有乘客的总等待时间twti可按式(11)计算。
最终，由目标函数式(1)、约束条件式(2)-(11)构成完整的接运公交计划发车时刻生成模型，该模型为混合整数非线性规划模型。
第五步：设计嵌入枚举过程的遗传算法获取(近似)最优计划发车时刻方案。
在该步骤中，针对在第四步中构建的混合整数非线性规划模型，提出利用遗传算法求解模型。遗传算法作为一种随机局部搜索算法，相较于其他局部搜索方法，具有全局并行搜索、简单通用、鲁棒性强等优点。由第四步中式(3)可知，基于任一组可行的计划发车间隔集合，研究时段内首班接运公交计划发车时刻d1的所有可行解可通过枚举确定。因此，设计嵌入枚举过程的遗传算法求解研究时段内各班次接运公交(近似)最优计划发车时刻，具体流程与步骤如图3所示。
Claims (7)
1.一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，该方法包括如下步骤：
第一步：获取轨道交通列车计划到站时刻、接运公交车辆额定载客能力；
第二步：估计换乘乘客量及其平均换乘步行时间、掌握非换乘乘客到达规律；
第三步：设置虚拟列车作为非换乘乘客载体并将其与实际列车按到站时刻排序；
第四步：建立考虑车辆载客能力限制的接运公交计划发车时刻生成模型；
第五步：设计嵌入枚举过程的遗传算法获取(近似)最优计划发车时刻方案。
2.根据权利要求1所述的一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，在所述的第一步中，根据运营企业提供的轨道交通计划时刻表，获取研究时段内各列车次于目标轨道交通站处的计划到站时刻；基于运营企业车辆配置实际情况，确定接运公交车辆额定载客能力。
3.根据权利要求1所述的一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，在所述的第二步中，基于运营企业提供的公交卡刷卡数据，通过数据挖掘估计研究时段内由轨道交通线路换乘至接运公交线路的换乘乘客量，并基于实地调研确定换乘乘客由轨道交通站步行至接运公交首末站平均所需时间，即平均换乘步行时间；通过实地调研记录研究时段内由周边地块步行至接运公交首末站的乘客量及其到达时刻，即非换乘乘客到达规律。
4.根据权利要求1所述的一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，在所述的第三步中，将来自周边地块的非换乘乘客转化为来自虚拟列车的换乘乘客，虚拟列车到达目标轨道交通站时刻为非换乘乘客实际到达接运公交首末站时刻减去平均换乘步行时间，将虚拟列车与实际列车按照到达目标轨道交通站的先后顺序进行排序。
5.根据权利要求1所述的一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，在所述的第四步中，考虑车辆载客能力限制的接运公交计划发车时刻生成模型定义如下：
Tmin≤d1＜Tmin+h1 (3)
uij＝yij·min(wij,Cj-vij) (8)
式(1)中，z为总成本(单位：min)；I为研究时段内轨道交通列车班次数(单位：班)，包括实际列车与虚拟列车；twti为轨道交通列车i上需换乘接运公交线路的所有乘客的总换乘等待时间(单位：min)；β为反映降低企业成本重要度的非负权重；J为研究时段内接运公交线路最大可发班次数(单位：班)；θ为1个单位时间(单位：min)，将企业运营成本转化为以分钟为度量单位的辅助参数；hj为接运公交j和接运公交j+1之间的计划发车间隔(单位：min)；δ为罚因子(单位：min/人)，表示每增加一位未能顺利乘坐接运公交线路离开的乘客，总成本z增加δ分钟；Pi为列车i上需换乘接运公交线路的乘客量(单位：人)；uij为顺利乘坐接运公交j离开换乘枢纽的来自列车i的乘客量(单位：人)；
式(2)中，dj为接运公交j计划发车时刻；
式(3)中，Tmin为研究时段起始时刻，即所允许的接运公交线路最早计划发车时刻；
式(4)中，Hmin和Hmax分别为研究时段内计划发车间隔取值范围下限和上限(单位：min)；
式(5)中，Z+为正整数集合；
式(6)中，M为一个足够大的已知正数；yij为二元变量：当来自列车i的乘客有机会乘坐接运公交j离开时等于1，否则等于0；Ai为列车i计划到站时刻；WT为乘客由轨道交通站步行至接运公交首末站平均换乘步行时间(单位：min)；
式(8)中，wij为等待乘坐接运公交j离开换乘枢纽的来自列车i的乘客量(单位：人)；Cj为接运公交j核定载客量(单位：人/车)；vij为当来自列车i的乘客开始登上接运公交j时，车内已载乘客量(单位：人)。
6.根据权利要求1所述的一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，所述第四步中的模型为混合整数非线性规划模型。
7.根据权利要求1所述的一种城市轨道交通接运公交计划发车时刻生成方法，其特征在于，在所述的第五步中，设计嵌入枚举过程的遗传算法求解在所述第四步中构建的模型，获取研究时段内各班接运公交(近似)最优计划发车时刻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710196213.XA CN107016633B (zh) | 2017-03-29 | 2017-03-29 | 城市轨道交通接运公交计划发车时刻生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710196213.XA CN107016633B (zh) | 2017-03-29 | 2017-03-29 | 城市轨道交通接运公交计划发车时刻生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107016633A true CN107016633A (zh) | 2017-08-04 |
| CN107016633B CN107016633B (zh) | 2020-06-30 |
Family
ID=59444948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710196213.XA Active CN107016633B (zh) | 2017-03-29 | 2017-03-29 | 城市轨道交通接运公交计划发车时刻生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107016633B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533219A (zh) * | 2019-07-24 | 2019-12-03 | 北京交通大学 | 城市轨道交通末班列车时刻表优化方法 |
| CN111768638A (zh) * | 2020-05-25 | 2020-10-13 | 同济大学 | 一种单点信号交叉口的车道分配方法 |
| CN112001560A (zh) * | 2020-09-01 | 2020-11-27 | 湖南智慧畅行交通科技有限公司 | 基于迭代邻域搜索的二阶段公交车辆排班算法 |
| CN113077086A (zh) * | 2021-03-30 | 2021-07-06 | 东南大学 | 一种接驳地铁枢纽的公交车同步换乘时刻表设计方法 |
| CN113537713A (zh) * | 2021-06-11 | 2021-10-22 | 南京航空航天大学 | 一种公交发车频率仿真调度系统 |
| CN114723111A (zh) * | 2022-03-25 | 2022-07-08 | 东南大学 | 考虑乘客感知的接驳轨道交通常规公交时刻表优化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710449A (zh) * | 2009-12-04 | 2010-05-19 | 吉林大学 | 基于公交车gps数据的交通流运行状态识别方法 |
| US8065181B2 (en) * | 2008-10-16 | 2011-11-22 | Kapsch Trafficcom Ag | System and method for electronic toll collection based on vehicle load |
| CN103241268A (zh) * | 2013-05-07 | 2013-08-14 | 东南大学 | 一种减少通道换乘站换乘时间的地铁发车时刻优化方法 |
| CN105046379A (zh) * | 2015-09-09 | 2015-11-11 | 东南大学 | 一种城市公交发车时刻表优化方法 |
| CN106448233A (zh) * | 2016-08-19 | 2017-02-22 | 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 |
-
2017
- 2017-03-29 CN CN201710196213.XA patent/CN107016633B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8065181B2 (en) * | 2008-10-16 | 2011-11-22 | Kapsch Trafficcom Ag | System and method for electronic toll collection based on vehicle load |
| CN101710449A (zh) * | 2009-12-04 | 2010-05-19 | 吉林大学 | 基于公交车gps数据的交通流运行状态识别方法 |
| CN103241268A (zh) * | 2013-05-07 | 2013-08-14 | 东南大学 | 一种减少通道换乘站换乘时间的地铁发车时刻优化方法 |
| CN105046379A (zh) * | 2015-09-09 | 2015-11-11 | 东南大学 | 一种城市公交发车时刻表优化方法 |
| CN106448233A (zh) * | 2016-08-19 | 2017-02-22 | 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 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533219A (zh) * | 2019-07-24 | 2019-12-03 | 北京交通大学 | 城市轨道交通末班列车时刻表优化方法 |
| CN110533219B (zh) * | 2019-07-24 | 2022-07-22 | 北京交通大学 | 城市轨道交通末班列车时刻表优化方法 |
| CN111768638A (zh) * | 2020-05-25 | 2020-10-13 | 同济大学 | 一种单点信号交叉口的车道分配方法 |
| CN112001560A (zh) * | 2020-09-01 | 2020-11-27 | 湖南智慧畅行交通科技有限公司 | 基于迭代邻域搜索的二阶段公交车辆排班算法 |
| CN112001560B (zh) * | 2020-09-01 | 2023-05-16 | 湖南智慧畅行交通科技有限公司 | 基于迭代邻域搜索的二阶段公交车辆排班算法 |
| CN113077086A (zh) * | 2021-03-30 | 2021-07-06 | 东南大学 | 一种接驳地铁枢纽的公交车同步换乘时刻表设计方法 |
| CN113537713A (zh) * | 2021-06-11 | 2021-10-22 | 南京航空航天大学 | 一种公交发车频率仿真调度系统 |
| CN114723111A (zh) * | 2022-03-25 | 2022-07-08 | 东南大学 | 考虑乘客感知的接驳轨道交通常规公交时刻表优化方法 |
| CN114723111B (zh) * | 2022-03-25 | 2024-04-30 | 东南大学 | 考虑乘客感知的接驳轨道交通常规公交时刻表优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107016633B (zh) | 2020-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107016633A (zh) | 城市轨道交通接运公交计划发车时刻生成方法 | |
| Jang | Travel time and transfer analysis using transit smart card data | |
| CN110942198B (zh) | 一种用于轨道交通运营的乘客路径识别方法和系统 | |
| Huang et al. | A novel bus-dispatching model based on passenger flow and arrival time prediction | |
| CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
| CN104766473A (zh) | 基于多模式公交数据匹配的公共交通出行特征提取方法 | |
| CN105185105A (zh) | 基于车辆gps和公交ic卡数据的公交换乘识别方法 | |
| CN110188923B (zh) | 一种基于大数据技术的多模式公交客流推算方法 | |
| CN109903553B (zh) | 多源数据挖掘的公交车上下车站点识别和检验方法 | |
| CN112819316B (zh) | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 | |
| CN107590239B (zh) | 一种基于ic卡数据测定地铁站点公共自行车接驳半径的方法 | |
| CN108960539A (zh) | 一种需求响应式接驳公交路径优化方法 | |
| CN108288110A (zh) | 一种基于电动汽车真实行驶数据的充电桩优化布局方法 | |
| CN114358808A (zh) | 基于多源数据融合的公交od估计及分配方法 | |
| CN102324111B (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
| CN116070422A (zh) | 一种基于时空网络的灵活编组列车周转计划分解优化方法 | |
| Seaborn et al. | Using smart card fare payment data to analyze multi-modal public transport journeys in London | |
| CN108242146A (zh) | 基于公交卡数据分析乘客乘车站点及时间的方法和系统 | |
| CN114118766A (zh) | 一种基于公交乘客出行多重匹配的客流od算法 | |
| Pineda et al. | Comparison of passengers' behavior and aggregate demand levels on a subway system using origin-destination surveys and smartcard data | |
| CN110347937B (zh) | 一种出租车智能寻客方法 | |
| CN116562538A (zh) | 一种考虑轨道交通接驳的微循环公交调度优化方法及装置 | |
| Ameen et al. | Forecast of airport ground access mode choice with the Incremental Logit Model: case study of the AirTrain at John F. Kennedy International Airport | |
| Morichi et al. | Tokyo metropolitan rail network long-range plan for the 21st century | |
| Yiping et al. | Optimal multi-modal transport model for full loads with time windows |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |