CN107766969B - 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 - Google Patents
一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 Download PDFInfo
- Publication number
- CN107766969B CN107766969B CN201710897874.5A CN201710897874A CN107766969B CN 107766969 B CN107766969 B CN 107766969B CN 201710897874 A CN201710897874 A CN 201710897874A CN 107766969 B CN107766969 B CN 107766969B
- Authority
- CN
- China
- Prior art keywords
- station
- subway
- line
- section
- passenger flow
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- 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
- 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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G06Q50/40—
Abstract
本发明公开了一种基于地铁服务能力瓶颈区段识别的大站快线布设方法,首先,判别地铁服务能力瓶颈区段,在一定服务水平条件下,测算地铁运输能力和断面客流,以断面客流量与运输能力的比值作为地铁服务能力瓶颈区段的判别标准。其次,以地铁站点作为地面公交大站快线的备选停靠站点。最后,考虑站点数、线路长度、载客能力的约束,利用遗传算法确定地面公交大站快线服务停靠的站点,使得地铁服务能力瓶颈区段的客流断面饱和度平均值最小。设置地面公交大站快线是调控地铁服务能力瓶颈区段供求状态的一种策略,本发明能有效地分担地铁服务能力瓶颈区段的客流,缓解地铁服务能力瓶颈区段的供求矛盾。
Description
技术领域
本发明涉及城市公共交通规划技术领域,特别是一种基于地铁服务能力瓶颈区段识别的大站快线布设方法。
背景技术
随着我国城市化进程的加快,城市人口与工作岗位迅速增加,交通出行量也随之大幅提升。地铁具有速度快、容量大、准点、可靠等优势,越来越受到各大城市的青睐,成为了城市居民首选的公共交通出行方式。然而随着城市规模和出行需求量的不断扩大,在地铁运营过程中,存在着高峰时段某些线路断面客流过大问题,地铁网络运输能力无法满足客流需求,使得地铁网络中形成了服务能力瓶颈。瓶颈的形成降低了地铁的运营效率,同时也严重影响乘客的出行体验。
国内外在地铁服务能力瓶颈识别、地铁客流特性分析、地铁运输能力加强及地面常规公交系统调整等方面都取得了丰富的研究成果,但现有的技术研究仅仅针对如何识别地铁服务能力瓶颈及揭示其产生的原因,或者仅仅从地面常规公交的调整、定制公交及需求响应公交、公共自行车等方面完善公交系统。目前还缺乏针对地铁服务能力瓶颈区段过饱和客流疏解的有效方法。
发明内容
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于地铁服务能力瓶颈区段识别的大站快线布设方法,本发明建立在识别地铁交通瓶颈区段的基础上,针对疏解过饱和地铁客流,以大站快线配置、网络客流分配、遗传算法为技术手段,使之向地面公交转移,实现客流在公交网络中的均衡分布。
本发明为解决上述技术问题采用以下技术方案:
根据本发明提出的一种基于地铁服务能力瓶颈区段识别的大站快线布设方法,包括以下步骤:
步骤1、采集地铁网络相关信息,地铁网络相关信息包括服务水平、地铁列车编组、定员数、高峰发车间隔和地铁刷卡数据;
步骤2、判别地铁服务能力瓶颈区段,具体如下:
2.1、给定服务水平等级,确定在该服务水平等级条件下地铁线路的运输能力;
2.2、测算地铁网络的断面客流量:
提取地铁刷卡记录OD并导入数据库,将进站出行记录与出站出行记录相匹配,得到乘客的出行记录,计算OD出行表;
利用CAD构建地铁网络模型,每个站点划分成一个交通小区;
基于Wardrop第一原理,根据OD出行表,将客流分配到地铁网络,即得到地铁网络的断面客流量;
2.3、计算各区段内断面客流量与运输能力的比值,该比值即为断面饱和度μi,μi=v/C,其中,v为单位时间内的断面客流量,C为单位时间内的地铁线路的运输能力,当断面饱和度大于1.0时即为瓶颈区段;
步骤3、确定大站快线的备选停靠站点和出行需求集合;
3.1、瓶颈区段大站快线的备选停靠站点为V={1,2,...,s},其中,s为地铁网络中站点的个数;
3.2、出行需求集合为N={qij,i,j∈V},其中,qij为第i个站点到第j个站点的需求量;
步骤4、利用遗传算法,求解当地铁服务瓶颈区段的客流断面饱和度均值Z最小时,在瓶颈区段大站快线的备选停靠站点V中所选择的站点,这些站点即为大站快线的布设站点;
步骤5、当大站快线线路连接的最大节点总数B值给定时,通过步骤4确定大站快线的布设站点,计算在不同乘客乘坐地铁的偏好系数k值条件下,k≥1,k∈R,R为实数,设置大站快线并布设相应站点前后,地铁瓶颈区段乘坐地铁客流量Dij,乘坐大站快线客流量dij及客流断面饱和度均值Z,比较大站快线实施前后的Dij,以检验大站快线对地铁瓶颈区段的客流分担效果。
作为本发明所述的一种基于地铁服务能力瓶颈区段识别的大站快线布设方法进一步优化方案,步骤2.1中,给定服务水平等级,确定在该服务水平等级条件下,地铁线路的运输能力;
C=mnc车
c车=3600/h
其中,c车为线路通行能力,即单位时间内能通行的最大列车数,h为列车最小行车间隔,C为单位时间内的地铁线路的运输能力,m为列车编组数,n为车辆定员数。
作为本发明所述的一种基于地铁服务能力瓶颈区段识别的大站快线布设方法进一步优化方案,步骤4中,瓶颈区段的客流断面饱和度均值计算方法为:γi是用于判别第i个站点处是否为瓶颈区段的判别参数,若为瓶颈区段,则γi=1,若为非瓶颈区段,则γi=0;
计算瓶颈区段的客流断面饱和度均值的约束条件为:
(1)节点约束:B为自然数,B为大站快线线路连接的最大节点总数,δi是用于判别第i个站点是否为大站快线停靠站点判别参数,若第i个站点为大站快线停靠站点,则δi=1,若第i个站点不是大站快线停靠站点,则δi=0;
(2)线路长度约束:lmin≤l≤lmax,其中,l为线路长度,lmin为最小线路开行长度,lmax为最大线路开行长度;
(3)载客能力约束:即其中,dij为从第i个站点到第j个站点乘坐大站快线的客流量,mij为由第i个站点开往第j个站点的大站快线配车数,ω为每辆车的最大载客量,βij为第i个站点到第j个站点有向线路判别参数;若δiδj=1且大站快线中第i个站点的访问顺序αi先于第j个站点的访问顺序αj时,则βij=1,否则βij=0;δj是用于判别第j个站点是否为大站快线停靠站点判别参数。
作为本发明所述的一种基于地铁服务能力瓶颈区段识别的大站快线布设方法进一步优化方案,步骤5中乘坐地铁客流量:Dij=qij×Φ;
其中,Tij为地铁从第i个站点到第j个站点的时间,tij为大站快线从第i个站点到第j个站点的实际出行时间。
其中,Tij为地铁从第i个站点到第j个站点的时间,tij为大站快线从第i个站点到第j个站点的实际出行时间。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:本发明根据地铁运输能力和乘客刷卡数据确定了地铁服务能力瓶颈区段的识别方法,并在此基础上,针对过饱和客流,以客流分担为目标,利用遗传算法确定了地面公交大站快线的站点布设方法,有效地将地铁拥挤区段客流向地面公交转移,提高地铁运行效率,改善乘客出行体验,促进公共交通网络的一体化、系统化发展。
附图说明
图1是本发明方法的流程图。
图2是南京地铁网络客流分配结果示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
图1所示为基于地铁瓶颈区段识别的大站快线布设方法总体流程图。下面结合图1对本发明作进一步的说明。
基于地铁瓶颈区段识别的大站快线布设方法,该方法主要包含以下5个步骤:
步骤1,采集地铁网络相关信息。包括:地铁服务水平、地铁车辆编组、定员数、高峰发车间隔、地铁刷卡数据。其中,不同的地铁服务水平对应不同的列车定员数n;地铁车辆编组数为m;高峰发车间隔为h;地铁刷卡数据包括刷卡时间、线路ID、站点ID、逻辑ID、交易类型、交易额、余额、卡类型、卡物理ID、卡铭刻ID等10个字段,数据以ctl文件格式存储。
步骤2,判别地铁服务能力瓶颈区段,具体步骤包括:
2.1、给定服务水平等级,在该服务水平等级条件下,地铁线路的运输能力:
C=mnc车
c车=3600/h
其中,c车为线路通行能力,即单位时间内能通行的最大列车数(辆),h为列车最小行车间隔(s),C为单位时间内的运输能力,m为列车编组数,n为车辆定员数;
2.2、测算地铁网络的断面客流量:
提取地铁刷卡记录OD并导入数据库,通过SQL对数据进行筛选与匹配,得到给定时间段内的所有出行记录,将乘客出行记录表数据按照进出站ID进行分类,统计各个站点对的出行次数,计算得到乘客出行OD记录;
通过CAD进行地铁网络模型构建,将每个站点划分成一个交通小区,同时输入地铁线路属性与乘客出行OD矩阵;
基于Wardrop第一原理,根据OD出行表,将客流分配到地铁网络,得到地铁网络的断面客流量;
2.3、计算各区段内断面客流量与地铁线路运输能力的比值,该比值即为断面饱和度μi,μi=v/C,其中,v为断面客流量,C为单位时间内的地铁线路的运输能力,当断面饱和度大于1.0时即为瓶颈区段;
步骤3,确定大站快线的备选停靠点和出行需求集合:
3.1、瓶颈区段大站快线备选停靠站点集合为V={1,2,...,s},其中,s为地铁网络中站点的个数;
3.2、出行需求集合为N={qij,i,j∈V},其中,qij为第i个站点到第j个站点的需求量,即步骤2中得到的乘客出行OD量;
步骤4,确定大站快线的站点布设。利用遗传算法,求解当地铁服务瓶颈区段的客流断面饱和度均值Z最小时,在瓶颈区段大站快线的备选停靠站点集合V中所选择的站点,这些即为大站快线的布设站点。首先采用确定编码机制,生成初始种群,地铁站点序号对路径进行编码,按照访问地铁站点的顺序排列组成编码,其次,以断面饱和度确定适应度函数fitness(i)=D/Z1,D为常数,再次,采用精英个体保存策略和赌轮选择算子,即适应度最高的个体一定被选择,计算每个站点在整个种群适应度中的被选择概率和累计概率Pi和Qi,通过随机数所在的区间范围选择遗传个体,最后,由交叉概率Pc选择若干父体并进行配对,按照交叉算法的规则生成新个体,按照某一变异概率Pm随机确定变异个体;
计算瓶颈区段的客流断面饱和度均值的约束条件为:
(1)节点约束,B为自然数,B为大站快线线路连接的最大节点总数,为了保证线路的运行效率,不因线路停靠过于频繁而导致乘客出行时间增加,B一般取B={2,3,4,5},δi是用于判别第i个站点是否为大站快线停靠站点判别参数,若第i个站点为大站快线停靠站点,则δi=1,若第i个站点不是大站快线停靠站点,则δi=0,
(2)线路长度约束,lmin≤l≤lmax,其中,l为线路长度,lmin为最小线路开行长度,lmax为最大线路开行长度,
(3)载客能力约束,即其中,dij为从第i个站点到第j个站点乘坐大站快线的客流量,mij为由第i个站点开往第j个站点的大站快线配车数,ω为每辆车的最大载客量,βij为第i个站点到第j个站点有向线路判别参数,若δiδj=1且大站快线中第i个站点的访问顺序αi先于第j个站点的访问顺序αj时,则βij=1,否则βij=0;
步骤5:当大站快线线路连接的最大节点总数B值给定时,通过步骤4确定大站快线的布设站点,计算不同乘客乘坐地铁的偏好系数k值条件下,设置大站快线并布设相应站点前后,地铁瓶颈区段乘坐地铁客流量Dij,乘坐大站快线客流量dij及客流断面饱和度平均值Z,比较大站快线实施前后的Dij,以检验大站快线对地铁瓶颈区段的客流分担效果,其中,客流分配系数及客流量计算方法如下:
乘坐地铁客流量:Dij=qij×Φ;
其中,Tij为地铁从第i个站点到第j个站点的时间,tij为大站快线从第i个站点到第j个站点的实际出行时间。
正常情况下,乘坐地铁的偏好系数k值大于1,也就是说乘客倾向于乘坐地铁,而当地铁客流过载时,乘客不仅需要考虑快速直达特性,更要考虑乘坐方式的舒适性,因此k将随着车内拥挤度的增大而减小,同时若提升大站快线的服务水平,也会使得k值相应减小。根据客流在地铁以及大站快线之间的分配公式,k越小,则乘坐大站快线的人数越多,断面饱和度平均值Z越小,则瓶颈疏解效果也越好。
下面,结合一算例对本发明方法进行进一步说明。
采用南京市2015年4月1日0:00至4月30日24:00的地铁刷卡数据,根据步骤1,确定1号线、2号线以及3号线早高峰时段发车间隔为3min,定员数为205,10号线早高峰时段发车间隔为5min,定员数为205,S1号线和S8号线早高峰时段车间隔为7.5min,定员数为160。
在步骤1的基础上,根据步骤2的计算方法,得到各条线路的运输能力,并将刷卡数据筛选匹配,得到网络客流分配;图2是南京地铁网络客流分配结果示意图。
计算断面饱和度,识别瓶颈区段,饱和度大于1.0的即为瓶颈区段。表1为瓶颈区段判别结果,饱和度大于1.0的即为瓶颈区段。
表1
根据步骤3,确定瓶颈区段大站快线备选停靠站点集合为南京地铁的113个站点,出行需求集合为步骤2计算得到的乘客出行OD矩阵。
根据步骤4,设置参数B={2,3,4,5},lmin=8km,lmax=15km,额定载客量ω=40人/辆。再利用步骤5,当B=3时,目标为从南京市地铁网络113个站点中挑选出3个站点作为大站快线开行的站点,根据大站快线的开行标准以及遗传算法,利用MATLAB求解,确定所有方案中使得瓶颈区段客流断面饱和度最小的线路为由迈皋桥经珠江路开往新街口方向的线路,线路总客流需求为4630人次/h。计算不同k值条件下的客流断面饱和度,结果如表2所示,表2是不同k值条件下客流断面饱和度均值一览表。
其中,k为乘坐地铁的偏好系数,q13为该大站快线线路总客流需求,T13为地铁从迈皋桥到新街口的时间,t13为大站快线从迈皋桥到新街口的实际时间,D13为从迈皋桥到新街口乘坐地铁客流量,d13为从迈皋桥到新街口乘坐大站快线客流量,m13为从迈皋桥到新街口的大站快线配车数,Z为客流断面饱和度均值。
表2
通过比较大站快线实施前后客流断面饱和度,检验大站快线对地铁瓶颈区段的客流分担效果,如表3所示,表3是实施大站快线后地铁瓶颈区段客流转移一览表。
表3
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替代,都应当视为属于本发明的保护范围。
Claims (4)
1.一种基于地铁服务能力瓶颈区段识别的大站快线布设方法,其特征在于,包括以下步骤:
步骤1、采集地铁网络相关信息,地铁网络相关信息包括服务水平、地铁列车编组、定员数、高峰发车间隔和地铁刷卡数据;
步骤2、判别地铁服务能力瓶颈区段,具体如下:
2.1、给定服务水平等级,确定在该服务水平等级条件下地铁线路的运输能力;
2.2、测算地铁网络的断面客流量:
提取地铁刷卡记录OD并导入数据库,将进站出行记录与出站出行记录相匹配,得到乘客的出行记录,计算OD出行表;
利用CAD构建地铁网络模型,每个站点划分成一个交通小区;
基于Wardrop第一原理,根据OD出行表,将客流分配到地铁网络,即得到地铁网络的断面客流量;
2.3、计算各区段内断面客流量与运输能力的比值,该比值即为断面饱和度μi,μi=v/C,其中,v为单位时间内的断面客流量,C为单位时间内的地铁线路的运输能力,当断面饱和度大于1.0时即为瓶颈区段;
步骤3、确定大站快线的备选停靠站点和出行需求集合;
3.1、瓶颈区段大站快线的备选停靠站点为V={1,2,...,s},其中,s为地铁网络中站点的个数;
3.2、出行需求集合为N={qij,i,j∈V},其中,qij为第i个站点到第j个站点的需求量;
步骤4、利用遗传算法,求解当地铁服务瓶颈区段的客流断面饱和度均值Z最小时,在瓶颈区段大站快线的备选停靠站点V中所选择的站点,这些站点即为大站快线的布设站点;
步骤5、当大站快线线路连接的最大节点总数B值给定时,通过步骤4确定大站快线的布设站点,计算在不同乘客乘坐地铁的偏好系数k值条件下,k≥1,k∈R,R为实数,设置大站快线并布设相应站点前后,地铁瓶颈区段乘坐地铁客流量Dij,乘坐大站快线客流量dij及客流断面饱和度均值Z,比较大站快线实施前后的Dij,以检验大站快线对地铁瓶颈区段的客流分担效果;
计算瓶颈区段的客流断面饱和度均值的约束条件为:
(1)节点约束:B为自然数,B为大站快线线路连接的最大节点总数,δi是用于判别第i个站点是否为大站快线停靠站点判别参数,若第i个站点为大站快线停靠站点,则δi=1,若第i个站点不是大站快线停靠站点,则δi=0;
(2)线路长度约束:lmin≤l≤lmax,其中,l为线路长度,lmin为最小线路开行长度,lmax为最大线路开行长度;
2.根据权利要求1所述的一种基于地铁服务能力瓶颈区段识别的大站快线布设方法,其特征在于,步骤2.1中,给定服务水平等级,确定在该服务水平等级条件下,地铁线路的运输能力;
C=mnc车
c车=3600/h
其中,c车为线路通行能力,即单位时间内能通行的最大列车数,h为列车最小行车间隔,C为单位时间内的地铁线路的运输能力,m为列车编组数,n为车辆定员数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710897874.5A CN107766969B (zh) | 2017-09-28 | 2017-09-28 | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710897874.5A CN107766969B (zh) | 2017-09-28 | 2017-09-28 | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107766969A CN107766969A (zh) | 2018-03-06 |
CN107766969B true CN107766969B (zh) | 2021-02-19 |
Family
ID=61267363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710897874.5A Active CN107766969B (zh) | 2017-09-28 | 2017-09-28 | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107766969B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897920B (zh) * | 2018-06-06 | 2021-03-05 | 北京科技大学 | 一种地铁网络模型构建方法 |
CN108877244B (zh) * | 2018-06-21 | 2021-06-01 | 东南大学 | 一种基于动态数据的公交车辆交叉口运行瓶颈判别方法 |
CN109272204B (zh) * | 2018-08-24 | 2021-09-03 | 同济大学 | 一种城市地铁网络储备容量的评估方法 |
CN109377037B (zh) * | 2018-10-12 | 2022-09-02 | 中南大学 | 基于分时列车数量序列的地铁峰期设置方法及系统 |
CN109508734B (zh) * | 2018-10-26 | 2022-03-11 | 北京交通大学 | 基于谱聚类的路网能力瓶颈识别方法 |
CN110704993B (zh) * | 2019-09-11 | 2023-04-18 | 东南大学 | 一种疏解地铁客流压力的定制公交线路设计方法 |
CN110826943B (zh) * | 2020-01-13 | 2020-05-26 | 武汉元光科技有限公司 | 判断是否需要进行配车及确定公交配车数的方法及相关设备 |
CN111276002A (zh) * | 2020-02-28 | 2020-06-12 | 河海大学 | 一种基于服务瓶颈站点识别的公交调度方法 |
CN112270462B (zh) * | 2020-10-10 | 2021-06-29 | 中南大学 | 一种基于里奇曲率的地铁网络脆弱线路识别方法 |
CN114841415A (zh) * | 2022-04-12 | 2022-08-02 | 西南交通大学 | 大型活动期间城市轨道交通客流预测及多级运输组织方法 |
CN115409295B (zh) * | 2022-11-01 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN104217129A (zh) * | 2014-09-22 | 2014-12-17 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN105427594A (zh) * | 2015-11-23 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN106504516A (zh) * | 2016-10-24 | 2017-03-15 | 东南大学 | 一种基于公交站点信息化的多形式公交动态调度方法 |
CN106530680A (zh) * | 2016-12-02 | 2017-03-22 | 东南大学 | 一种基于大站快车的公交线路组合服务方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8738289B2 (en) * | 2011-01-04 | 2014-05-27 | International Business Machines Corporation | Advanced routing of vehicle fleets |
-
2017
- 2017-09-28 CN CN201710897874.5A patent/CN107766969B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN104217129A (zh) * | 2014-09-22 | 2014-12-17 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN105427594A (zh) * | 2015-11-23 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN106504516A (zh) * | 2016-10-24 | 2017-03-15 | 东南大学 | 一种基于公交站点信息化的多形式公交动态调度方法 |
CN106530680A (zh) * | 2016-12-02 | 2017-03-22 | 东南大学 | 一种基于大站快车的公交线路组合服务方法 |
Non-Patent Citations (1)
Title |
---|
城市轨道交通运输计划编制方法研究;曾平利;《铁路技术创新》;20170331(第3期);第18-24页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107766969A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766969B (zh) | 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法 | |
CN109543934B (zh) | 城市公交线网的综合指标的评价方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN104809112B (zh) | 一种基于多源数据的城市公交发展水平综合评价方法 | |
CN107679654B (zh) | 一种停车规模预估控制系统及实现方法 | |
CN101964085A (zh) | 一种基于Logit模型和贝叶斯决策的客流分配方法 | |
CN103310287A (zh) | 基于svm预测乘客出行概率的轨道交通客流预测方法 | |
CN104200649A (zh) | 基于预先申请的交通高峰期路线资源调度分配系统与方法 | |
CN110363985A (zh) | 一种交通数据分析方法、装置、存储介质及设备 | |
CN108388970B (zh) | 一种基于gis的公交站点选址方法 | |
CN109191849A (zh) | 一种基于多源数据特征提取的交通拥堵持续时间预测方法 | |
CN105469602A (zh) | 一种基于ic卡数据的公交乘客候车时间范围的预测方法 | |
CN115062873B (zh) | 交通出行方式预测方法和装置、存储介质及电子设备 | |
CN112580176B (zh) | 三层复杂交通网络模型构建方法、系统、设备及存储介质 | |
CN111914940B (zh) | 一种共享车辆站点分群聚类方法、系统、装置及存储介质 | |
CN105139670A (zh) | 一种基于视频的区域自优化信号控制方法及装置 | |
Wu et al. | Model for estimation urban transportation supply-demand ratio | |
CN105118310A (zh) | 一种基于视频的单点自优化信号控制方法及装置 | |
CN113468243A (zh) | 地铁客流分析与预测方法及分析与预测系统 | |
CN116129651B (zh) | 一种基于居民出行行为选择的交通容量计算方法 | |
Lai | Optimization of station locations and track alignments for rail transit lines | |
CN109190935B (zh) | 一种考虑服务区和车辆事故的高速公路充电站规划方法 | |
CN105070074A (zh) | 一种基于阵列雷达的区域自优化信号控制方法及装置 | |
CN105070075A (zh) | 一种基于阵列雷达的干线自优化信号控制方法及装置 | |
CN104992566A (zh) | 一种基于线圈的单点自优化信号控制方法及装置 |
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 |