CN107274665A - 巴士运力资源规划方法及系统 - Google Patents

巴士运力资源规划方法及系统 Download PDF

Info

Publication number
CN107274665A
CN107274665A CN201710643575.9A CN201710643575A CN107274665A CN 107274665 A CN107274665 A CN 107274665A CN 201710643575 A CN201710643575 A CN 201710643575A CN 107274665 A CN107274665 A CN 107274665A
Authority
CN
China
Prior art keywords
bus
grades
classes
school
order
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710643575.9A
Other languages
English (en)
Inventor
董遂武
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Multidimensional Creation (beijing) Technology Co Ltd
Original Assignee
Multidimensional Creation (beijing) Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Multidimensional Creation (beijing) Technology Co Ltd filed Critical Multidimensional Creation (beijing) Technology Co Ltd
Priority to CN201710643575.9A priority Critical patent/CN107274665A/zh
Publication of CN107274665A publication Critical patent/CN107274665A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • 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
    • 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
    • G08G1/01—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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种巴士运力资源规划方法及系统，方法包括：统计运营线路上的巴士运营情况，形成历史运力资源信息；基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。本发明能够根据历史运力资源信息，动态调整规划巴士运力资源，有效提高巴士运力资源的利用率。

Description

巴士运力资源规划方法及系统
技术领域
本发明涉及交通领域，尤其涉及一种巴士运力资源规划方法及系统。
背景技术
随着城市的快速发展，城市人口迅速增长，尤其是像北京、上海这样的大城市，人口增加带来的汽车数量的大量增长，加剧了交通拥堵和环境污染的问题。目前的巴士运营系统能够充分发挥城市公共交通的作用，有效缓解交通拥堵和环境污染的问题。
现有的巴士运营公司都是通过采用人工经验对巴士的电池能力和运营线路上的充电桩信息进行分析判断，以规划巴士运力资源，这种运力资源规划方法效率低，灵活性差，且人工判断与实际情况往往存在较大误差，容易造成巴士运力资源浪费或者运力资源不足的情况。
发明内容
本发明提供一种巴士运力资源规划方法及系统，用于解决现有技术中采用人工规划巴士运力资源，效率低，灵活性差，且无法充分有效的利用巴士运力资源的问题。
本发明的第一个方面是提供一种巴士运力资源规划方法，包括：
统计运营线路上的巴士运营情况，形成历史运力资源信息；所述历史运力资源信息包括历史每天中所述运营线路上的充电桩信息、实际发车班次、所述实际发车班次中各班次对应的巴士、以及各个巴士的电池能力和充电时间；
基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；
根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
本发明的第二个方面是提供一种巴士运力资源规划系统，包括：
统计模块，用于统计运营线路上的巴士运营情况，形成历史运力资源信息；所述历史运力资源信息包括历史每天中所述运营线路上的充电桩信息、实际发车班次、所述实际发车班次中各班次对应的巴士、以及各个巴士的电池能力和充电时间；
处理模块，用于基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；
规划模块，用于根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
本发明提供的巴士运力资源规划方法及系统，通过统计运营线路上的巴士运营情况，形成历史运力资源信息，并基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。本发明能够根据历史运力资源信息，动态调整规划巴士运力资源，有效提高巴士运力资源的利用率。
附图说明
图1A～图1C为本发明实施例一提供的一种巴士运力资源规划方法的流程示意图；
图2A～图2C为本发明实施例二提供的一种巴士运力资源规划系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等相关用语仅用于方便描述不同的部件或信号，而不能理解为指示或暗示顺序关系、相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等相关用语的特征可以明示或者隐含地包括至少一个该特征。
图1A为本发明实施例一提供的一种巴士运力资源规划方法的流程示意图。如图1A所示，所述方法包括如下步骤：
101、统计运营线路上的巴士运营情况，形成历史运力资源信息；所述历史运力资源信息包括历史每天中所述运营线路上的充电桩信息、实际发车班次、所述实际发车班次中各班次对应的巴士、以及各个巴士的电池能力和充电时间；
102、基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；
103、根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
实际应用中，本实施例的执行主体可以为巴士运力资源规划系统，该巴士运力资源规划系统可以独立设置，也可以安装在终端中，该终端可以包括但不限于智能手机、智能电脑等。
以实际场景举例来说，假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，首先，统计该运营线路上历史每天的充电桩信息，例如统计该运营线路上历史每天实际可用的充电桩的位置和数量等信息，并统计该运营线路上历史每天的实际发车班次和各班次对应的巴士、以及各个巴士的电池能力和充电时间等信息，其中，巴士的电池能力可以通过巴士在完全充电一次以后能够行驶的公里数或者巴士在运营线路上能够有效运营的次数来表征；根据上述统计的信息，形成该运营线路对应的历史运力资源信息，并基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；获得该运营线路上第二天的充电桩信息，根据第二天的充电桩信息和上述巴士调度模型，以该运营线路第二天所需的巴士数量最少为目标，获得该运营线路第二天的巴士调度表，即获得该运营线路第二天的发车班次和各班次对应的巴士、以及各巴士的充电时刻表，从而实现根据各个巴士的电池能力和运营线路上的充电桩信息，通过合理安排该运营线路上各个巴士第二天的发车时间和充电时间，使得一辆巴士能够尽可能的对应更多个发车班次，以减少该运营线路第二天所需的巴士数量。
进一步的，在图1A所示实施方式的基础上，所述方法还可以包括：获取所述运营线路上历史每天各班次巴士的实际行驶时间，并对其进行分析，获得所述运营线路上一天中不同发车时间的巴士的预测行驶时间，在预设的时间范围内对本次的发车班次中各班次的发车时间进行调整，以使各班次巴士的预测行驶时间小于预设的时间阈值。所述预设的时间范围可以是半小时，也可以是其他时间范围，本实施方式对此不进行限制。以实际场景举例来说，假设本次的发车班次中，有一个发车班次的发车时间是17:30，而所述运营线路上17:15和17:30发车的巴士的预测行驶时间分别是1.5小时和2.5小时，因此，可以将该发车时间为17:30的发车班次的发车时间调整为17:15。本实施方式中，通过在预设的时间范围内调整本次的发车班次中各班次的发车时间，可以实现避开交通拥堵，从而实现减少所述运营线路上巴士的实际行驶时间，提高巴士的运营效率和乘客的满意度。
进一步的，作为一种可选的实施方式，在上述任一实施方式的基础上，所述方法还可以包括：获取所述运营线路上历史每天各班次巴士的乘客人数，并对其进行分析，获得一天各时间段的平均乘客人数；去除所述巴士调度表中所述平均乘客人数小于预设第一阈值的时间段对应的发车班次。在本实施方式中，通过清除本次的发车班次中对应的时间段的历史平均乘客人数小于预设第一阈值的发车班次，可以有效降低巴士运营成本。
作为另一种可选的实施方式，在图1A所示实施方式的基础上，所述方法还可以包括：获取所述运营线路上历史每天各班次巴士的乘客人数，并对其进行分析，获得一天各时间段的平均乘客人数；对当前的所述本次的发车班次中各班次的发车时间进行调整，以减少所述平均乘客人数小于预设第一阈值的时间段对应的发车班次，增加所述平均乘客人数或者所述预测乘客人数大于预设第二阈值的时间段对应的发车班次。本实施方式中，根据一天各时间段对应的历史乘客人数对本次的的发车班次的发车时间进行调整，可以有效增加各班次巴士的上座率，从而增加巴士的运营收益。
实际应用中，由于节假日或者天气情况等的影响，同一运营线路上不同日期在同一时间段的乘客人数可能会存在较大的差异。例如，节假日时，由于出行人数大幅增加，该运营线路上的乘客人数可能会明显增多；下雨或下雪天气时，由于路面湿滑等因素会导致汽车行驶速度较慢以及容易产生车祸导致堵车，多数乘客可能更愿意选择地铁等交通工具，该运营线路上的乘客人数可能会明显减少。因此，可以根据运营线路上不同天气情况对应的一天各时间段的历史平均乘客人数调整巴士调度表中的发车班次，具体如图1B所示，图1B为本发明实施例一提供的另一种巴士运力资源规划方法的流程示意图，在图1A所示实施方式的基础上，该方法还包括：
104、获取所述运营线路上历史每天各班次巴士的乘客人数、以及各班次对应的天气情况，并对其进行分析，获得不同天气情况对应的一天各时间段的平均乘客人数；
105、根据所述待规划日期对应的天气情况，获取所述待规划日期内各时间段的预测乘客人数；
106、去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
以实际场景举例来说，假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，可以在执行步骤103获得该运营线路的第二天的巴士调度表之后，获取该运营线路上历史每天各班次巴士的乘客人数和各班次巴士行驶时的天气情况，通过聚类分析，分别获得晴朗天气、下雨天气和下雪天气对应的一天各时间段的平均乘客人数，然后获取第二天的天气情况，若第二天为下雨天气，则根据上述获得的下雨天气对应的一天各时间段的平均乘客人数，预测第二天各时间段的乘客人数，若第二天某一时间段的预测乘客人数小于预设的第一阈值，则从第二天的巴士调度表中去除该时间段对应的发车班次。
进一步的，在执行步骤106之后，还可以根据当前的巴士调度表中的发车班次，更新所述本次的发车班次，再返回执行步骤103，获得更新后的本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。以实际场景举例来说，假设执行步骤103获得的本次的发车班次为上午7点发车、上午9点发车、上午11点发车和下午1点发车，本次的发车班次中各班次对应的巴士分别为巴士A、巴士A、巴士A和巴士B，巴士A的充电时间为上午12点至下午2点，假设执行步骤105后，获得上午11点的发车班次对应的预测乘客人数小于预设的第一阈值，则执行步骤106之后，即从巴士调度表中去除上午11点的发车班次之后，更新本次的发车班次为7点发车、上午9点发车和下午1点发车，此时，再返回执行步骤103，获得更新后的本次的发车班次对应的巴士均为巴士A，巴士A的充电时间可以为下午3点至5点。
在本实施方式中，根据待规划日期对应的天气情况预测待规划日期当天各时间段的乘客人数，并清除本次发车班次中预测乘客人数小于预设第一阈值的时间段对应的发车班次，可以更准确有效的降低巴士运营成本。
实际应用中，运营线路上的交通管制情况也会对该运营线路上的乘客人数产生影响，例如，假设某一天不执行机动车尾号限行的交通管理措施，则大部分有私家车的人可能会选择自己开车出行，相应的，巴士运营线路上的乘客人数会明显减少。因此，可以根据运营线路上不同的交通管制情况对应的一天各时间段的历史平均乘客人数调整巴士调度表中的发车班次，具体如图1C所示，图1C为本发明实施例一提供的又一种巴士运力资源规划方法的流程示意图，在图1A或图1B所示实施方式的基础上，该方法还包括：
107、获取所述运营线路上历史每天各班次巴士行驶时的交通管制情况，并对其进行分析，获得不同交通管制情况对应的一天各时间段的平均乘客人数；
108、根据所述待规划日期对应的交通管制情况，获取所述待规划日期内各时间段的预测乘客人数；
109、去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
以实际场景举例来说，假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，可以在执行步骤103获得该运营线路的第二天的巴士调度表之后，获取该运营线路上历史每天各班次巴士的乘客人数和各班次巴士行驶时的交通管制情况，通过聚类分析，分别获得根据机动车尾号限行和机动车不限行时对应的一天各时间段的平均乘客人数，然后获取第二天的机动车限行信息，若第二天不执行机动车限行，则根据上述获得的机动车不限行情况下对应的一天各时间段的平均乘客人数，预测第二天各时间段的乘客人数，若第二天某一时间段的预测乘客人数小于预设的第一阈值，则从第二天的巴士调度表中去除该时间段对应的发车班次。
进一步的，在执行步骤109之后，还可以根据当前的巴士调度表中的发车班次，更新所述本次的发车班次，再返回执行步骤103，获得更新后的本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。以实际场景举例来说，假设执行步骤103获得的本次的发车班次为上午7点发车、上午9点发车、上午11点发车和下午1点发车，本次的发车班次中各班次对应的巴士分别为巴士A、巴士A、巴士A和巴士B，巴士A的充电时间为上午12点至下午2点，假设执行步骤108后，获得上午11点的发车班次对应的预测乘客人数小于预设的第一阈值，则执行步骤109之后，即从巴士调度表中去除上午11点的发车班次之后，更新本次的发车班次为7点发车、上午9点发车和下午1点发车，此时，再返回执行步骤103，获得更新后的本次的发车班次对应的巴士均为巴士A，巴士A的充电时间可以为下午3点至5点。
在本实施方式中，根据待规划日期对应的交通管制情况预测待规划日期当天各时间段的乘客人数，并清除本次发车班次中预测乘客人数小于预设第一阈值的时间段对应的发车班次，可以更准确有效的降低巴士运营成本。
作为一种可选的实施方式，在图1B或者图1C所示实施方式的基础上，在所述获取所述待规划日期内各时间段的预测乘客人数之后，所述方法还可以包括：若某一时间段的预测乘客人数大于预设第二阈值，则在所述巴士调度表中增加所述时间段的发车班次。
以实际场景举例来说，假设某一天执行机动车单双号限行的交通管理措施，不能开私家车出行的人数会明显增加，则选择乘坐巴士的乘客人数也会相对增加。假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，第二天的交通管理措施为机动车单双号限行，则可以在执行步骤103获得该运营线路的第二天的巴士调度表之后，获取该运营线路上历史每天各班次巴士的乘客人数和各班次巴士行驶时的交通管制情况，通过聚类分析，获得根据机动车单双号限行时对应的一天各时间段的平均乘客人数，然后根据上述获得的机动车单双号限行情况下对应的一天各时间段的平均乘客人数，预测第二天各时间段的乘客人数，若第二天某一时间段的预测乘客人数大于预设的第二阈值，则在所述巴士调度表中增加所述时间段的发车班次。具体的，增加的发车班次对应的巴士可以是新增的巴士，即不在原巴士调度表中的巴士，也可以是原巴士调度表中的巴士，当新增的巴士是原巴士调度表中的巴士时，可以根据当前的巴士调度表中的发车班次，更新所述本次的发车班次，再返回执行步骤103，获得更新后的本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
本实施例提供的巴士运力资源规划方法，通过统计运营线路上的巴士运营情况，形成历史运力资源信息，并基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。本发明能够根据历史运力资源信息，动态调整规划巴士运力资源，有效提高巴士运力资源的利用率。
图2A为本发明实施例二提供的一种巴士运力资源规划系统的结构示意图。如图2A所示，所述系统包括：
统计模块21，用于统计运营线路上的巴士运营情况，形成历史运力资源信息；所述历史运力资源信息包括历史每天中所述运营线路上的充电桩信息、实际发车班次、所述实际发车班次中各班次对应的巴士、以及各个巴士的电池能力和充电时间；
处理模块22，用于基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；
规划模块23，用于根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
实际应用中，该巴士运力资源规划系统可以独立设置，也可以安装在终端中，该终端可以包括但不限于智能手机、智能电脑等。
以实际场景举例来说，假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，首先，统计模块21统计该运营线路上历史每天的充电桩信息，例如统计该运营线路上历史每天实际可用的充电桩的位置和数量等信息，并统计该运营线路上历史每天的实际发车班次和各班次对应的巴士、以及各个巴士的电池能力和充电时间等信息，其中，巴士的电池能力可以通过巴士在完全充电一次以后能够行驶的公里数或者巴士在运营线路上能够有效运营的次数来表征；统计模块21根据上述统计的信息，形成该运营线路对应的历史运力资源信息，处理模块22基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；规划模块23获得该运营线路上第二天的充电桩信息，根据第二天的充电桩信息和上述巴士调度模型，以该运营线路第二天所需的巴士数量最少为目标，获得该运营线路第二天的巴士调度表，即获得该运营线路第二天的发车班次和各班次对应的巴士、以及各巴士的充电时刻表，从而实现根据各个巴士的电池能力和运营线路上的充电桩信息，通过合理安排该运营线路上各个巴士第二天的发车时间和充电时间，使得一辆巴士能够尽可能的对应更多个发车班次，以减少该运营线路第二天所需的巴士数量。
进一步的，作为一种可选的实施方式，在图2A所示实施方式的基础上，所述系统还可以包括：分析模块和第一优化模块，所述分析模块用于获取所述运营线路上历史每天各班次巴士的乘客人数，并对其进行分析，获得一天各时间段的平均乘客人数；所述第一优化模块用于去除所述巴士调度表中所述平均乘客人数小于预设第一阈值的时间段对应的发车班次。在本实施方式中，通过清除本次发车班次中对应的时间段的历史平均乘客人数小于预设第一阈值的发车班次，可以有效降低巴士运营成本。
实际应用中，由于节假日或者天气情况等的影响，同一运营线路上不同日期在同一时间段的乘客人数可能会存在较大的差异。因此，可以根据运营线路上不同天气情况对应的一天各时间段的历史平均乘客人数调整巴士调度表中的发车班次，具体如图2B所示，图2B为本发明实施例二提供的另一种巴士运力资源规划系统的结构示意图，在图2A所示实施方式的基础上，该系统还包括：
天气模块24，用于获取所述运营线路上历史每天各班次巴士的乘客人数、以及各班次对应的天气情况，并对其进行分析，获得不同天气情况对应的一天各时间段的平均乘客人数；
第一预测模块25，用于根据所述待规划日期对应的天气情况，获取所述待规划日期内各时间段的预测乘客人数；
第二优化模块26，用于去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
以实际场景举例来说，假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，可以在规划模块23获得该运营线路的第二天的巴士调度表之后，天气模块24获取该运营线路上历史每天各班次巴士的乘客人数和各班次巴士行驶时的天气情况，通过聚类分析，分别获得晴朗天气、下雨天气和下雪天气对应的一天各时间段的平均乘客人数，第一预测模块25获取第二天的天气情况，若第二天为下雨天气，则根据上述获得的下雨天气对应的一天各时间段的平均乘客人数，预测第二天各时间段的乘客人数，若第二天某一时间段的预测乘客人数小于预设的第一阈值，则第二优化模块26从第二天的巴士调度表中去除该时间段对应的发车班次。
进一步的，所述系统还可以包括第一更新模块，用于在第二优化模块26执行去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次之后，根据当前的巴士调度表中的发车班次，更新所述本次的发车班次；相应的，规划模块23还用于根据更新后的本次的发车班次、待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，获得更新后的本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
在本实施方式中，根据待规划日期对应的天气情况预测待规划日期当天各时间段的乘客人数，并清除本次发车班次中预测乘客人数小于预设第一阈值的时间段对应的发车班次，可以更准确有效的降低巴士运营成本。
实际应用中，运营线路上的交通管制情况也会对该运营线路上的乘客人数产生影响。因此，可以根据运营线路上不同的交通管制情况对应的一天各时间段的历史平均乘客人数调整巴士调度表中的发车班次，具体如图2C所示，图2C为本发明实施例二提供的又一种巴士运力资源规划系统的结构示意图，在图2A或图2B所示实施方式的基础上，该系统还包括：
交通模块27，用于获取所述运营线路上历史每天各班次巴士行驶时的交通管制情况，并对其进行分析，获得不同交通管制情况对应的一天各时间段的平均乘客人数；
第二预测模块28，用于根据所述待规划日期对应的交通管制情况，获取所述待规划日期内各时间段的预测乘客人数；
第三优化模块29，用于去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
以实际场景举例来说，假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，可以在规划模块23获得该运营线路第二天的巴士调度表之后，交通模块27获取该运营线路上历史每天各班次巴士的乘客人数和各班次巴士行驶时的交通管制情况，通过聚类分析，分别获得根据机动车尾号限行和机动车不限行时对应的一天各时间段的平均乘客人数，第二预测模块28获取第二天的机动车限行信息，若第二天不执行机动车限行，则根据获得的机动车不限行情况下对应的一天各时间段的平均乘客人数，预测第二天各时间段的乘客人数，若第二天某一时间段的预测乘客人数小于预设的第一阈值，则第三优化模块29从第二天的巴士调度表中去除该时间段对应的发车班次。
进一步的，所述系统还可以包括第二更新模块，用于在第三优化模块29执行去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次之后，根据当前的巴士调度表中的发车班次，更新所述本次的发车班次；相应的，规划模块23还用于根据更新后的本次的发车班次、待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，获得更新后的本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
在本实施方式中，根据待规划日期对应的交通管制情况预测待规划日期当天各时间段的乘客人数，并清除本次发车班次中预测乘客人数小于预设第一阈值的时间段对应的发车班次，可以更准确有效的降低巴士运营成本。
作为一种可选的实施方式，在图2B或者图2C所示实施方式的基础上，所述系统还可以包括：第四优化模块，用于若某一时间段的预测乘客人数大于预设第二阈值，则在所述巴士调度表中增加所述时间段的发车班次。
以实际场景举例来说，假设某一天执行机动车单双号限行的交通管理措施，不能开私家车出行的人数会明显增加，则选择乘坐巴士的乘客人数也会相对增加。假设针对某一巴士运营线路，需规划其第二天的巴士运力资源，第二天的交通管理措施为机动车单双号限行，则可以在规划模块23获得该运营线路第二天的巴士调度表之后，交通模块27获取该运营线路上历史每天各班次巴士的乘客人数和各班次巴士行驶时的交通管制情况，通过聚类分析，获得根据机动车单双号限行时对应的一天各时间段的平均乘客人数，第二预测模块28根据上述获得的机动车单双号限行情况下对应的一天各时间段的平均乘客人数，预测第二天各时间段的乘客人数，若第二天某一时间段的预测乘客人数大于预设的第二阈值，则第四优化模块在所述巴士调度表中增加所述时间段的发车班次。具体的，增加的发车班次对应的巴士可以是新增的巴士，即不在原巴士调度表中的巴士，也可以是原巴士调度表中的巴士，当新增的巴士是原巴士调度表中的巴士时，第二更新模块可以根据当前的巴士调度表中的发车班次，更新所述本次的发车班次，相应的，规划模块23根据更新后的本次的发车班次、待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，获得更新后的本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
本实施例提供的巴士运力资源规划系统，通过统计运营线路上的巴士运营情况，形成历史运力资源信息，并基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。本发明能够根据历史运力资源信息，动态调整规划巴士运力资源，有效提高巴士运力资源的利用率。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种巴士运力资源规划方法，其特征在于，包括：
统计运营线路上的巴士运营情况，形成历史运力资源信息；所述历史运力资源信息包括历史每天中所述运营线路上的充电桩信息、实际发车班次、所述实际发车班次中各班次对应的巴士、以及各个巴士的电池能力和充电时间；
基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；
根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述运营线路上历史每天各班次巴士的乘客人数，并对其进行分析，获得一天各时间段的平均乘客人数；
去除所述巴士调度表中所述平均乘客人数小于预设第一阈值的时间段对应的发车班次。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述运营线路上历史每天各班次巴士的乘客人数、以及各班次对应的天气情况，并对其进行分析，获得不同天气情况对应的一天各时间段的平均乘客人数；
根据所述待规划日期对应的天气情况，获取所述待规划日期内各时间段的预测乘客人数；
去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述运营线路上历史每天各班次巴士行驶时的交通管制情况，并对其进行分析，获得不同交通管制情况对应的一天各时间段的平均乘客人数；
根据所述待规划日期对应的交通管制情况，获取所述待规划日期内各时间段的预测乘客人数；
去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
5.根据权利要求3或4所述的方法，其特征在于，所述获取所述待规划日期内各时间段的预测乘客人数之后，还包括：
若某一时间段的预测乘客人数大于预设第二阈值，则在所述巴士调度表中增加所述时间段的发车班次。
6.一种巴士运力资源规划系统，其特征在于，包括：
统计模块，用于统计运营线路上的巴士运营情况，形成历史运力资源信息；所述历史运力资源信息包括历史每天中所述运营线路上的充电桩信息、实际发车班次、所述实际发车班次中各班次对应的巴士、以及各个巴士的电池能力和充电时间；
处理模块，用于基于所述历史运力资源信息，通过神经网络学习建立巴士调度模型；
规划模块，用于根据待规划日期对应的所述运营线路上的充电桩信息和所述巴士调度模型，以规划发车的巴士数量最少为目标，获得本次的巴士调度表，所述巴士调度表包括本次的发车班次、本次的发车班次中各班次对应的巴士、以及各巴士的充电时刻表。
7.根据权利要求6所述的系统，其特征在于，所述系统还包括：
分析模块，用于获取所述运营线路上历史每天各班次巴士的乘客人数，并对其进行分析，获得一天各时间段的平均乘客人数；
第一优化模块，用于去除所述巴士调度表中所述平均乘客人数小于预设第一阈值的时间段对应的发车班次。
8.根据权利要求6所述的系统，其特征在于，所述系统还包括：
天气模块，用于获取所述运营线路上历史每天各班次巴士的乘客人数、以及各班次对应的天气情况，并对其进行分析，获得不同天气情况对应的一天各时间段的平均乘客人数；
第一预测模块，用于根据所述待规划日期对应的天气情况，获取所述待规划日期内各时间段的预测乘客人数；
第二优化模块，用于去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
9.根据权利要求6所述的系统，其特征在于，所述系统还包括：
交通模块，用于获取所述运营线路上历史每天各班次巴士行驶时的交通管制情况，并对其进行分析，获得不同交通管制情况对应的一天各时间段的平均乘客人数；
第二预测模块，用于根据所述待规划日期对应的交通管制情况，获取所述待规划日期内各时间段的预测乘客人数；
第三优化模块，用于去除所述巴士调度表中所述预测乘客人数小于预设第一阈值的时间段对应的发车班次。
10.根据权利要求3或4所述的系统，其特征在于，所述系统还包括：
第四优化模块，用于若某一时间段的预测乘客人数大于预设第二阈值，则在所述巴士调度表中增加所述时间段的发车班次。
CN201710643575.9A 2017-07-31 2017-07-31 巴士运力资源规划方法及系统 Pending CN107274665A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710643575.9A CN107274665A (zh) 2017-07-31 2017-07-31 巴士运力资源规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710643575.9A CN107274665A (zh) 2017-07-31 2017-07-31 巴士运力资源规划方法及系统

Publications (1)

Publication Number Publication Date
CN107274665A true CN107274665A (zh) 2017-10-20

Family

ID=60075540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710643575.9A Pending CN107274665A (zh) 2017-07-31 2017-07-31 巴士运力资源规划方法及系统

Country Status (1)

Country Link
CN (1) CN107274665A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830509A (zh) * 2018-07-11 2018-11-16 宁波大学 一种巡游出租车运力规模动态调整方法
TWI658414B (zh) * 2018-01-19 2019-05-01 中華電信股份有限公司 車輛派遣系統及其方法
CN110210694A (zh) * 2019-03-07 2019-09-06 腾讯科技（深圳）有限公司 空间管理方法、装置、存储介质和计算机设备
CN110309964A (zh) * 2019-06-25 2019-10-08 吉旗（成都）科技有限公司 用于车辆运力预测的处理方法及装置
CN110490501A (zh) * 2018-09-18 2019-11-22 北京京东尚科信息技术有限公司 一种运力状态管理方法和装置
CN111832923A (zh) * 2020-07-02 2020-10-27 大唐信通(浙江)科技有限公司 一种基于出行需求预测的公共交通运力动态优化调度方法
CN112288232A (zh) * 2020-09-29 2021-01-29 深圳市跨越新科技有限公司 干线网点的货物运输批次规划方法及系统
CN112580909A (zh) * 2019-09-29 2021-03-30 珠海格力电器股份有限公司 一种动态班车安排方法、计算机可读存储介质及终端
CN112906926A (zh) * 2019-11-19 2021-06-04 顺丰科技有限公司 一种铁路运输流向的预测方法、装置、设备及存储介质
CN113936496A (zh) * 2021-12-17 2022-01-14 广东机电职业技术学院 基于乘客识别的智能交互交通排程方法及系统
CN114708748A (zh) * 2022-04-27 2022-07-05 四川万网鑫成信息科技有限公司 一种判断车次状态方法、系统和可读存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102226929A (zh) * 2011-05-20 2011-10-26 郑州大学 一种公交智能调度的方法
CN102270385A (zh) * 2010-06-01 2011-12-07 上海经达实业发展有限公司 智能公交调度和管理系统
CN102324128A (zh) * 2011-05-24 2012-01-18 北京交通大学 基于ic卡记录的公交站间od客流预测方法及装置
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
CN104680781A (zh) * 2013-11-28 2015-06-03 夏凡 一种自助运营的城市公共电动轿车系统
CN105224992A (zh) * 2014-05-28 2016-01-06 国际商业机器公司 对等待乘客数进行预测的方法和系统以及评价方法和系统
CN105261209A (zh) * 2015-11-26 2016-01-20 小米科技有限责任公司 客流量确定方法及装置
CN105575108A (zh) * 2016-01-11 2016-05-11 深圳市蓝泰源信息技术股份有限公司 一种智能公交调度运营方法
CN105788333A (zh) * 2016-05-25 2016-07-20 四川化工职业技术学院 具有无人驾驶及回场充电功能的智能交通系统及实现方法
EP3039493A4 (en) * 2013-08-29 2017-01-25 Thales Canada Inc. Context aware command and control system
CN106448137A (zh) * 2016-11-04 2017-02-22 东南大学 基于电动汽车的公交服务系统及方法
CN106530676A (zh) * 2016-08-08 2017-03-22 叶国华 一种面向新能源城市公交车的数据融合方法及v2x系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102270385A (zh) * 2010-06-01 2011-12-07 上海经达实业发展有限公司 智能公交调度和管理系统
CN102226929A (zh) * 2011-05-20 2011-10-26 郑州大学 一种公交智能调度的方法
CN102324128A (zh) * 2011-05-24 2012-01-18 北京交通大学 基于ic卡记录的公交站间od客流预测方法及装置
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
EP3039493A4 (en) * 2013-08-29 2017-01-25 Thales Canada Inc. Context aware command and control system
CN104680781A (zh) * 2013-11-28 2015-06-03 夏凡 一种自助运营的城市公共电动轿车系统
CN105224992A (zh) * 2014-05-28 2016-01-06 国际商业机器公司 对等待乘客数进行预测的方法和系统以及评价方法和系统
CN105261209A (zh) * 2015-11-26 2016-01-20 小米科技有限责任公司 客流量确定方法及装置
CN105575108A (zh) * 2016-01-11 2016-05-11 深圳市蓝泰源信息技术股份有限公司 一种智能公交调度运营方法
CN105788333A (zh) * 2016-05-25 2016-07-20 四川化工职业技术学院 具有无人驾驶及回场充电功能的智能交通系统及实现方法
CN106530676A (zh) * 2016-08-08 2017-03-22 叶国华 一种面向新能源城市公交车的数据融合方法及v2x系统
CN106448137A (zh) * 2016-11-04 2017-02-22 东南大学 基于电动汽车的公交服务系统及方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI658414B (zh) * 2018-01-19 2019-05-01 中華電信股份有限公司 車輛派遣系統及其方法
CN108830509B (zh) * 2018-07-11 2021-11-23 宁波大学 一种巡游出租车运力规模动态调整方法
CN108830509A (zh) * 2018-07-11 2018-11-16 宁波大学 一种巡游出租车运力规模动态调整方法
CN110490501A (zh) * 2018-09-18 2019-11-22 北京京东尚科信息技术有限公司 一种运力状态管理方法和装置
CN110490501B (zh) * 2018-09-18 2022-04-26 北京京东振世信息技术有限公司 一种运力状态管理方法和装置
CN110210694A (zh) * 2019-03-07 2019-09-06 腾讯科技（深圳）有限公司 空间管理方法、装置、存储介质和计算机设备
CN110309964A (zh) * 2019-06-25 2019-10-08 吉旗（成都）科技有限公司 用于车辆运力预测的处理方法及装置
CN112580909A (zh) * 2019-09-29 2021-03-30 珠海格力电器股份有限公司 一种动态班车安排方法、计算机可读存储介质及终端
CN112906926A (zh) * 2019-11-19 2021-06-04 顺丰科技有限公司 一种铁路运输流向的预测方法、装置、设备及存储介质
CN112906926B (zh) * 2019-11-19 2024-02-02 顺丰科技有限公司 一种铁路运输流向的预测方法、装置、设备及存储介质
CN111832923A (zh) * 2020-07-02 2020-10-27 大唐信通(浙江)科技有限公司 一种基于出行需求预测的公共交通运力动态优化调度方法
CN112288232A (zh) * 2020-09-29 2021-01-29 深圳市跨越新科技有限公司 干线网点的货物运输批次规划方法及系统
CN112288232B (zh) * 2020-09-29 2024-03-29 深圳市跨越新科技有限公司 干线网点的货物运输批次规划方法及系统
CN113936496A (zh) * 2021-12-17 2022-01-14 广东机电职业技术学院 基于乘客识别的智能交互交通排程方法及系统
CN114708748A (zh) * 2022-04-27 2022-07-05 四川万网鑫成信息科技有限公司 一种判断车次状态方法、系统和可读存储介质

Similar Documents

Publication Publication Date Title
CN107274665A (zh) 巴士运力资源规划方法及系统
Bischoff et al. City-wide shared taxis: A simulation study in Berlin
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
CN109711630A (zh) 一种基于出行概率矩阵的电动汽车快充站选址定容方法
CN103840549B (zh) 电动汽车充电负荷空间调度系统及方法
Deflorio et al. Dynamic charging-while-driving systems for freight delivery services with electric vehicles: Traffic and energy modelling
CN102496076B (zh) 宏、中、微观多层次的城市停车需求预测模型集成系统
CN108776852A (zh) 无桩车辆调度方法和系统
CN109544901A (zh) 一种基于历史客流大数据的公交智能排班方法及装置
CN114021795B (zh) 一种考虑电动汽车充电需求的充电站规划方法及系统
CN104881992A (zh) 基于多智能体仿真的城市公共交通政策分析平台
CN114282821B (zh) 一种共享电动汽车的调度方法、系统及设备
CN108062591A (zh) 电动汽车充电负荷时空分布预测方法
CN108133329B (zh) 考虑充电反馈效应的电动汽车出行与充电需求分析方法
CN112097783B (zh) 基于深度强化学习的电动出租车充电导航路径规划方法
Zwick et al. Impact of service design on urban ridepooling systems
CN102779406A (zh) 基于北斗授时技术的云计算智能交通调度平台
CN116798218A (zh) 一种基于数字孪生的城市低碳交通大数据检测方法
Yang et al. Fleet sizing and charging infrastructure design for electric autonomous mobility-on-demand systems with endogenous congestion and limited link space
Jin et al. Energy-optimal speed control for connected electric buses considering passenger load
Hogeveen et al. Quantifying the fleet composition at full adoption of shared autonomous electric vehicles: An agent-based approach
Bischoff et al. Current and future dynamic passenger transport services—Modeling, simulation, and optimization in a sustainable transport system
CN115099702B (zh) 基于拉格朗日松弛算法的电动公交日间运行充电优化方法
Haourari et al. The short-term impacts of cooperative, connected, and automated mobility on passenger transport
He et al. Multi-time simulation of electric taxicabs' charging demand based on residents' travel characteristics

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171020