CN108038813B - 一种智能公共交通指引方法 - Google Patents

一种智能公共交通指引方法 Download PDF

Info

Publication number
CN108038813B
CN108038813B CN201711281903.1A CN201711281903A CN108038813B CN 108038813 B CN108038813 B CN 108038813B CN 201711281903 A CN201711281903 A CN 201711281903A CN 108038813 B CN108038813 B CN 108038813B
Authority
CN
China
Prior art keywords
station
destination
public transportation
poc
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.)
Active
Application number
CN201711281903.1A
Other languages
English (en)
Other versions
CN108038813A (zh
Inventor
朱顺痣
马樱
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.)
Xiamen University of Technology
Original Assignee
Xiamen University of Technology
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 Xiamen University of Technology filed Critical Xiamen University of Technology
Priority to CN201711281903.1A priority Critical patent/CN108038813B/zh
Publication of CN108038813A publication Critical patent/CN108038813A/zh
Application granted granted Critical
Publication of CN108038813B publication Critical patent/CN108038813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种智能公共交通指引方法，所述方法用于指引用户使用公共交通工具从出发地到达目的地，包括以下步骤，(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d；(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；(3)分析获得从所述源站s到达所述目的站d的全部可能路线；(4)计算所述全部可能路线的所有时间成本；(5)比较所述全部可能路线的所有时间成本；(6)将所述比较的结果提供给用户，以指引其使用公共交通工具。

Description

一种智能公共交通指引方法
技术领域
本申请涉及智能交通领域，具体来说，其涉及用于公交或地铁的一种智能公共交通指引方法。
背景技术
一方面随着具备GPS的智能移动设备的快速发展，智能交通系统和在线地图服务已经普及并可用于人的移动跟踪和预测。如一个例子，在许多大城市，人群通常在高峰时段非常巨大(例如数百万通勤者在上午7:00至上午8:30左右旅行)。一旦如地铁站等交通站点过分拥挤，出行的时间成本会急剧增加。而很多时候出行者都是根据经验出行，认为目前某地铁站不拥挤而全部涌向该地铁站换乘而使得附近的地铁站空闲等等。
而另一方面，目前的智能交通系统和在线地图服务却几乎都把注意力放在车辆出行的指引上，例如出行的导航上详细的显示拥堵路段的所在并给出出行的建议路线，很少有人关心使用公共交通系统的拥堵带来的不便，但是大力发展和鼓励使用公共交通才是低碳和环保的做法。
因此，如何指引人群正确的使用公共交通系统，避开拥堵的人流，使得公共交通系统得到高效的利用而提升人们使用公共交通的使用感观，进而使得更多的人使用公共交通，是一件一举多得的工作。
发明内容
本实施例给出了一种智能公共交通指引方法，所述方法用于指引用户使用公共交通工具从出发地到达目的地，其特征在于，所述方法包括以下所述步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d；
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
(5)比较所述全部可能路线的所有时间成本；
(6)将所述比较的结果提供给用户，以指引其使用公共交通工具；
其中，V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合。
进一步的，所述获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d。
进一步的，所述拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc。
进一步的，所述所有时间成本包括固定时间成本和转站时间成本。
进一步的，所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
Figure BDA0001497608160000021
其中w0为路段的固定时间系数，其通过统计一般时段时同行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取。
进一步的，所述转站时间成本通过以下方法获取：对于一可能路线，其转站时间成本为
Figure BDA0001497608160000022
其中k为该可能路线的转站次数，0<i≤k，cost(pi)为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本。
进一步的，所述单站转站时间成本为
cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间。
进一步的，所述公共交通包括地铁和/或公交。
具体实施例
实施例一。
本发明给出了一种智能公共交通指引方法，所述方法用于指引用户使用公共交通工具从出发地到达目的地，其特征在于，所述方法包括以下所述步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d；
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
(5)比较所述全部可能路线的所有时间成本；
(6)将所述比较的结果提供给用户，以指引其使用公共交通工具；
其中，V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合。
进一步的，所述获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d。
进一步的，所述拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc。
进一步的，所述所有时间成本包括固定时间成本和转站时间成本。
进一步的，所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
Figure BDA0001497608160000031
其中w0为路段的固定时间系数，其通过统计一般时段时同行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取。
进一步的，所述转站时间成本通过以下方法获取：对于一可能路线，其转站时间成本为
Figure BDA0001497608160000032
其中k为该可能路线的转站次数，0<i≤k，cost(pi)为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本。
进一步的，所述单站转站时间成本为
cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间。
实施例二。
本实施例的智能公共交通指引方法，所述方法用于指引用户使用公共交通工具从出发地到达目的地，所述方法包括以下所述步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d，具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d。
其中的拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc。
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
(5)比较所述全部可能路线的所有时间成本；
所有时间成本包括固定时间成本和转站时间成本。
进一步的，所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
Figure BDA0001497608160000041
其中w0为路段的固定时间系数，其通过统计一般时段时同行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取。
进一步的，所述转站时间成本通过以下方法获取：对于一可能路线，其转站时间成本为
Figure BDA0001497608160000042
其中k为该可能路线的转站次数，0<i≤k，cost(pi)为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本。
进一步的，所述单站转站时间成本为
cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间。
(6)将所述比较的结果提供给用户，以指引其使用公共交通工具；
其中，V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合。
实施例三。
本发明给出了一种智能公共交通指引方法，所述方法用于指引用户使用地铁和/公交的公共交通工具从出发地到达目的地，其特征在于，所述方法包括以下所述步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d；
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
(5)比较所述全部可能路线的所有时间成本；
(6)将所述比较的结果提供给用户，以指引其使用公共交通工具；
其中，V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合。
进一步的，所述获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d。
进一步的，所述拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc。
进一步的，所述所有时间成本包括固定时间成本和转站时间成本。
进一步的，所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
Figure BDA0001497608160000051
其中w0为路段的固定时间系数，其通过统计一般时段时同行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取。
进一步的，所述转站时间成本通过以下方法获取：对于一可能路线，其转站时间成本为
Figure BDA0001497608160000052
其中k为该可能路线的转站次数，0<i≤k，cost(pi)为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本。
进一步的，所述单站转站时间成本为
cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间。
实施例四。
本实施例的智能公共交通指引方法，所述方法用于指引用户使用公共交通工具从出发地到达目的地，所述方法包括以下所述步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d，具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d。
其中的拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc。
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
所有时间成本包括固定时间成本和转站时间成本。
进一步的，所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
Figure BDA0001497608160000061
其中w0为路段的固定时间系数，其通过统计一般时段时同行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取。
进一步的，所述转站时间成本通过以下方法获取：对于一可能路线，其转站时间成本为
Figure BDA0001497608160000062
其中k为该可能路线的转站次数，0<i≤k，cost(pi)为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本。
进一步的，所述单站转站时间成本为
cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间。
(5)根据所述全部可能路线的所有时间成本进行路径寻优，在本实施例中，使用了一种扩展的寻优算法来进行寻优，其算法简介如下：对于所述的G＝{V,E}，初始时令S＝{V0},T＝V-S＝{其余顶点}，T中顶点对应的距离值，若存在<V0,Vi>，d(V0,Vi)为<V0,Vi>弧上的权值，若不存在<V0,Vi>，d(V0,Vi)为∞；然后从T中选取一个与S中顶点有关联边且权值最小的顶点W，加入到S中；对其余T中顶点的距离值进行修改：若加进W作中间顶点，从V0到Vi的距离值缩短，则修改此距离值；重复上述步骤2、3，直到S中包含所有顶点，即W＝Vi为止。
(6)将所述寻优结果提供给用户，以指引其使用公共交通工具；
其中，V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合。
实施例五。
本实施例的智能公共交通指引方法，所述方法用于指引用户使用公共交通工具从出发地到达目的地，所述方法包括以下所述步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d，具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d。
其中的拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc。
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
所有时间成本包括固定时间成本和转站时间成本。
进一步的，所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
Figure BDA0001497608160000071
其中w0为路段的固定时间系数，其通过统计一般时段时同行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取。
进一步的，所述转站时间成本通过以下方法获取：对于一可能路线，其转站时间成本为
Figure BDA0001497608160000072
其中k为该可能路线的转站次数，0<i≤k，cost(pi)为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本。
进一步的，所述单站转站时间成本为
cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间。
(5)根据所述全部可能路线的所有时间成本进行路径寻优，在本实施例中，使用了一种寻优的算法来进行寻优，其算法简介如下：同样对于所述的G＝{V,E}，首先从任意一条单边路径开始。所有两点之间的距离是边的权，如果两点之间没有边相连，则权为无穷大。然后，对于每一对顶点u和v，看看是否存在一个顶点w使得从u到w再到v比已知的路径更短。如果是更新它。再把图用邻接矩阵G表示出来，如果从Vi到Vj有路可达，则G[i][j]＝d，d表示该路的长度；否则G[i][j]＝无穷大。这里定义一个矩阵D用来记录所插入点的信息，D[i][j]表示从Vi到Vj需要经过的点，初始化D[i][j]＝j。把各个顶点插入图中，比较插点后的距离与原来的距离，G[i][j]＝min(G[i][j],G[i][k]+G[k][j])，如果G[i][j]的值变小，则D[i][j]＝k。在G中包含有两点之间最短道路的信息，而在D中则包含了最短通路径的信息。其中，V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合。
(6)将所述寻优结果提供给用户，以指引其使用公共交通工具。

Claims (1)

1.一种智能公共交通指引方法，其特征在于，所述方法用于指引用户使用公共交通工具从出发地到达目的地，所述方法包括以下步骤，
(1)获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d；
(2)获取从所述源站s到达所述目的站d的公共交通网络拓扑G(V，E)；
(3)分析获得从所述源站s到达所述目的站d的全部可能路线；
(4)计算所述全部可能路线的所有时间成本；
(5)比较所述全部可能路线的所有时间成本；
(6)将所述比较的结果提供给用户，以指引其使用公共交通工具；
V为全部可能路线中源站s和目的站d以外的全部站点的集合，E为所述全部站点中全部相邻的站点之间的路径的集合；
所述获取用户出发地与目的地附近的公共交通站点以分别作为源站s和目的站d具体包括，根据用户的定位信息获取拥挤程度poc低于预设阈值且距离其出发地与目的地最近的公共交通站点作为所述源站s和目的站d；
所述拥挤程度poc通过以下方法获得：
a、预设一对应于一公共交通站点拥挤程度poc为100％的位置标记在该公共交通站点的移动客户端的数量作为满载数量；
b、获取当前时刻位置标记在该公共交通站点的移动客户端的数量；
c、判断当前时刻位置标记在该公共交通站点的移动客户端的数量是否大于等于所述满载数量；
d、若是，则标记该公共交通站点的拥挤程度poc为100％；若否，则以当前时刻位置标记在该公共交通站点的移动客户端的数量除以所述满载数量以作为所述拥挤程度poc；
所述所有时间成本包括固定时间成本和转站时间成本；
所述全部可能路线的所述固定时间成本通过以下方法获取：
a、对于所述全部可能路线中的一可能路线，获取其全部路段的距离；
b、对所述全部路段的每一个路段，使用其距离乘以加权时间系数w以获取每一路段的路段固定时间成本；
c、对全部路段的所述路段固定时间成本求和以得到所述全部可能路线中的一可能路线的固定时间成本；
其中，所述加权时间系数w为：
w=
Figure DEST_PATH_IMAGE001
其中w0为路段的固定时间系数，其通过统计一般时段时通行所述路段的平均时间获取，τ为高峰加权系数，σ为低谷加权系数，高峰加权系数和低谷加权系数均通过统计获取；
所述转站时间成本通过以下方法获取：
对于一可能路线，其转站时间成本为ptr
Figure 385250DEST_PATH_IMAGE002
(pi)，
其中k为该可能路线的转站次数，0<i≤k，cost(pi) 为该可能路线的第i次转站时的公共交通站点i的单站转站时间成本，所述单站转站时间成本为cost(pi)＝poci*toci，其中poci为公共交通站点i的拥挤度，toci为位置标记在该公共交通站点i的移动客户端的数量大于等于其满载数量时，统计得到的平均转站所需时间；并且所述公共交通包括地铁和/或公交。
CN201711281903.1A 2017-12-07 2017-12-07 一种智能公共交通指引方法 Active CN108038813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711281903.1A CN108038813B (zh) 2017-12-07 2017-12-07 一种智能公共交通指引方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711281903.1A CN108038813B (zh) 2017-12-07 2017-12-07 一种智能公共交通指引方法

Publications (2)

Publication Number Publication Date
CN108038813A CN108038813A (zh) 2018-05-15
CN108038813B true CN108038813B (zh) 2021-05-04

Family

ID=62096014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711281903.1A Active CN108038813B (zh) 2017-12-07 2017-12-07 一种智能公共交通指引方法

Country Status (1)

Country Link
CN (1) CN108038813B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308555A (zh) * 2008-06-27 2008-11-19 北京工业大学 多模式公交出行路径寻优方法
CN101661668B (zh) * 2009-06-19 2012-06-27 赵钊 一种公共交通电子导航方法
CN103020097B (zh) * 2012-06-01 2015-07-22 腾讯科技（深圳）有限公司 公共交通换乘方案推荐方法及装置
US20150168148A1 (en) * 2013-05-14 2015-06-18 Google Inc. Systems and Methods for Generating Guidebook Routes
US9377323B2 (en) * 2014-01-22 2016-06-28 Mapquest, Inc. Systems and methods for using route matrices for identifying intersection POIs
CN105261206A (zh) * 2015-09-29 2016-01-20 无锡高联信息技术有限公司 一种公共交通服务系统和计算公共交通路径的方法
CN107092986B (zh) * 2017-04-13 2020-10-09 上海理工大学 基于站点及共线运行的公交乘客出行路径选择方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A simple path planning for Automatic Guided Vehicle in Unknown Environment;Huy Hung Nguyen et al.;《2017 14th International Conference on Ubiquitous Robots and Ambient Intelligence (URAI)》;20170727;第337-341页 *

Also Published As

Publication number Publication date
CN108038813A (zh) 2018-05-15

Similar Documents

Publication Publication Date Title
Burke et al. Distances people walk for transport
Owen et al. Modeling the commute mode share of transit using continuous accessibility to jobs
Sumalee et al. Stochastic multi-modal transport network under demand uncertainties and adverse weather condition
Nielsen A stochastic transit assignment model considering differences in passengers utility functions
Wedel et al. V2X-based traffic congestion recognition and avoidance
US20100082226A1 (en) System and Methods For Providing Predictive Traffic Information
CN110398254B (zh) 一种减缓交通拥挤的方法及系统
CN112542043B (zh) 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统
US9752885B2 (en) Time-efficient traffic routing system
Schünemann et al. V2x-based traffic congestion recognition and avoidance
He et al. Congestion avoidance routing based on large-scale social signals
Sierpiński et al. Use of GSM Technology as the Support to Manage the Modal Distribution in the Cities
WO2011160687A1 (en) System and method of optimizing and dynamically updating route information
CN108549976A (zh) 智慧旅游大数据分析方法
CN106056944A (zh) 行驶环境评价系统及行驶环境评价方法
CN111862590A (zh) 路况预测方法、装置及存储介质
CN108009685B (zh) 一种用于城市公共交通的智能移动终端
CN108038813B (zh) 一种智能公共交通指引方法
Salih et al. Measuring transit accessibility: A dispersion factor to recognise the spatial distribution of accessible opportunities
Papola et al. Schedule-based transit assignment: new dynamic equilibrium model with vehicle capacity constraints
CA3034209A1 (en) A method and system to identify congestion root cause and recommend possible mitigation measures based on cellular data and related applications thereof
CN111815080A (zh) 一种路径顺路的匹配方法、电子设备和存储介质
CN110349428A (zh) 识别用户是否正在前往公交站点的方法及装置
CN112862517A (zh) 一种基于客户实时位置及习惯的广告推送方法及系统
Jezek et al. Estimation of response time for ground ambulance transport

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