CN108345966A - 一种基于乘客到达时间的服务系统估计算法 - Google Patents

一种基于乘客到达时间的服务系统估计算法 Download PDF

Info

Publication number
CN108345966A
CN108345966A CN201810377182.2A CN201810377182A CN108345966A CN 108345966 A CN108345966 A CN 108345966A CN 201810377182 A CN201810377182 A CN 201810377182A CN 108345966 A CN108345966 A CN 108345966A
Authority
CN
China
Prior art keywords
time
trip
passenger
moment
departure
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
CN201810377182.2A
Other languages
English (en)
Inventor
王健
陈晓旭
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute 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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201810377182.2A priority Critical patent/CN108345966A/zh
Publication of CN108345966A publication Critical patent/CN108345966A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/04—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
    • G06Q50/40—

Landscapes

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

Abstract

本发明提出一种基于乘客到达时间的服务系统估计算法，根据输入信息，预规划路线和出行时间段，特别是经过瓶颈路段的基于到达时间的出行信息估计算法，将参考依赖理论应用至瓶颈模型，考虑乘客的心理状态，建立多参考点的出行瓶颈模型；通过对出行特性的分析，得到乘客出发时间与出行费用的博弈，综合考虑行驶距离与道路行驶速度，从而得到到达时间与出发时间的关系。本发明能够解决确定性出行与模糊出发时间的矛盾，特别针对一些常规性、必要性出行，比如会议、上班等，辅助明确出行规划，从而减少路途时间的浪费。

Description

一种基于乘客到达时间的服务系统估计算法
技术领域
本发明涉及一种基于乘客到达时间的服务系统估计算法。
背景技术
为适应社会发展的需求，实现“安全、快捷、舒适”的现代化乘车目标，出行模式同样需要与时俱进。传统的出行订单如滴滴、Uber等，允许乘客输入出发地点、目的地点，云端搜索最近空闲车辆完成即时调度；乘客还可以提前预约第二天的出行，配合预约出行时间窗，完成调度任务。百度、高德等地图应用，提供出行线路规划、出行方式选择及大致出行时间。但在高度自动化的时代，这些出行模式会出现一定的制约性：人们工作任务越来越繁多而琐碎，出行时间变得模糊而不可预测。确定性的出行路线与模糊出行时间的博弈，将使得目前的出行模式不能匹配日益增长的需求，具体体现在：路况的不准确把握，对于常规性、必要性的出行，总是会过早或者过晚到达目的地，造成时间利用的浪费；缺乏统筹日程出行安排的工具，繁重的工作之外，还要对频繁的出行时间做出规划，无疑会增加人们的工作负担。
发明内容
本发明提出基于乘客到达时间的出行模式，提出一种基于乘客到达时间的服务系统估计算法，能够解决确定性出行与模糊出发时间的矛盾，特别针对一些常规性、必要性出行，比如会议、上班等，辅助明确出行规划，从而减少路途时间的浪费。
本发明采用的技术如下：一种基于乘客到达时间的服务系统估计算法，步骤如下：
步骤(1)：乘客填写出行信息，提交系统；
步骤(2)：系统对已提交出行信息进行处理；
步骤(3)：根据输入信息，预规划路线和出行时间段：若未经过瓶颈路段，出发时间tm＝Td(t)-d/v；若经过瓶颈路段，则进入步骤(4)；
步骤(4)：当瓶颈路段上的车辆到达率超过S时，会发生排队现象，则O至D的行驶时间T(t)为：
T(t)＝Tw (1)
排队长度为排队等待通过瓶颈的车辆数：
且排队长度D(t)与排队等待时间T(t)关系表示为：
T(t)＝D(t)/S (3)
设高峰期表示为[ts，te]，则早高峰期长度为：
对通勤者的出发时间按照损失收益可划分为：
早到损失时间区：早到收益时间区：
晚到收益时间区：晚到损失时间区：
因此：
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+β1(t1-t-T(t)) (5)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+β2(t+T(t)-t1) (6)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+γ1(t2-t-T(t)) (7)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+γ2(t+T(t)-t2) (8)
ts时刻出发的乘客不会遇到排队，T(t)＝0，其总出行效用为：
U(ts)＝β1(t1-ts) (9)
te时刻出发的乘客不会遇到排队，T(t)＝0，其总出行效用为：
U(te)＝γ2(te-t2) (10)
根据平衡时，等出行效用条件U(ts)＝U(te)＝U,令M＝t2-t1，得到：
在不收费平衡状态下，所有车辆承担相同的排队等待时间,根据等出行效用条件式(11)及式(5)、(6)、(7)、(8)，得排队等待时间式(14),
因此，到达时间表示为：
当被预定乘坐的车辆经过瓶颈路段时，结合公式(15)及出行距离及平均速度，出发时间为：
tm＝Td(t)-T(t)-d/v (16)
步骤(5)：将出发时间反馈给乘客，作为出行辅助信息，完成出行调度任务；
以上参数代表含义如下：
θi 绝对效用函数参数，表示单位常态旅行时间价值，i＝1，2；
βi 相对效用函数参数，表示单位早到时间价值，i＝1，2；
γi 相对效用函数参数，表示单位晚到时间价值，i＝1，2；
T(t) 出发地至目的地的行驶时间，T(t)＝Tf+Tw；
Td 到达目的地时刻；
Tf 常态行驶时间；
Tw 排队时间；
D(t) t时刻排队长度；
r(t) t时刻到达率；
S 瓶颈通行能力；
N 出行总人数；
ts 最早出发时间；
te 最晚出发时间；
t1 最早可接受到达时间；
能在t1时刻到达工作地的出发时间；
t2 工作开始时间；
能在t2时刻到达工作地的出发时间；
tn 能在理想到达时间t*时刻到达的出发时间；
U 平衡状态下，出发者出行总效用；
U(t) t时刻出发者的出行效用；
v 平均行驶速度；
d 出行距离。
本发明具有如下优点及有益效果：本发明减少人为路况预测误差与出行安排时间的消耗，系统自动规划出行时间，减轻工作负担；此外，可有效与地图、打车软件结合，丰富多样化出行服务，特别是针对出差、旅行到达新城市，该功能可以辅助人们提前规划完整的日程安排。
附图说明：
图1为本发明的步骤流程图；
图2为绝对效用函数图；
图3为相对效用函数图；
图4为通勤者的出发率及到达率；
图5为到达时间图。
具体实施方式
实施例1
考虑一个包含居住地O和工作地D的道路，道路中有一个通行能力有限的瓶颈。每天早晨有N位出行者需要从O地出发去工作地D，假设每辆车均只乘坐一人，从居住地出发，即刻到达瓶颈地段，离开瓶颈即刻到达工作地。拥挤只会发生在一个具有确定通行能力的瓶颈处(如公路桥、隧道等)，瓶颈通行能力为S辆/单位时间，路的其余各处有足够大的通行能力。如果瓶颈处到达率超过S，就会发生排队现象。
参考依赖理论综合考虑了人们在决策过程中的各种行为特性，并且兼顾决策行为特性的变化，既考虑通勤者的绝对出行效用，又考虑通勤者的相对出行效用。绝对效用与通勤者的行驶时间、排队等待时间和所收取的费用有关，相对效用与到达时间和参考点有关，总出行效用由绝对效用和相对效用两部分构成。因此，通勤者的总出行效用取决于出发时刻和参考点的选择，每个通勤者对从生活地到工作地的出发时刻进行决策以最大化其总出行效用。达到平衡时，所有人的总出行效用相同。为了方便起见，本文假设绝对效用和相对效用函数都为线性的，图2和图3分别为绝对效用和相对效用函数。
绝对效用函数中，效用值始终为负，即θ1，θ2<0，如图2所示；相对效用函数中，选取可接受最早到达时间t1和工作开始时间t2作为区分收益-损失的参考点，则t1和t2之间为收益区，通勤者在此期间到达会获得收益，出行的相对效用为正；通勤者在t1之前到达或在t2之后到达都将面临损失，出行的相对效用为负，如图3所示。理想到达时间t*是一个“伪”参考点，因为它不是判断收益和损失的标准，但t*仍然是一个重要的时间点，当到达时间为t*时，通勤者的收益最大，即出行的相对效用最大。根据人们的风险偏好及风险规避心理，这里假定相对效用参数关系为：|β2|<|β1|，|γ1|<|γ2|，且γ1>β2>0>β1>γ2。
其中θi，βi，γi分别表示对应函数的斜率，i＝1，2；
实施例2
一种基于乘客到达时间的服务系统估计算法，步骤如下：
步骤(1)：乘客填写出行信息，提交系统；
步骤(2)：系统对已提交出行信息进行处理；
步骤(3)：根据输入信息，预规划路线和出行时间段：若未经过瓶颈路段，出发时间tm＝Td(t)-d/v；若经过瓶颈路段，则进入步骤(4)；
步骤(4)：当瓶颈路段上的车辆到达率超过S时，会发生排队现象，则O至D的行驶时间T(t)为：
运用参考依赖理论对出行交通流瓶颈路段进行分析。由于拥堵仅发生在瓶颈路段，当瓶颈路段上的车辆到达率超过S时，会发生排队现象，则O至D的行驶时间T(t)为：
T(t)＝Tw (1)
排队长度为排队等待通过瓶颈的车辆数：
且排队长度D(t)与排队等待时间T(t)关系可表示为：
T(t)＝D(t)/S (3)
本实施例中，高峰期定义为车辆开始排队至排队恰好消散，设高峰期表示为[ts，te]，则早高峰期长度为：
对通勤者的出发时间按照损失收益可划分为：
早到损失时间区：早到收益时间区：
晚到收益时间区：晚到损失时间区：
因此：
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+β1(t1-t-T(t)) (5)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+β2(t+T(t)-1) (6)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+γ1(t2-t-T(t)) (7)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+γ2(t+T(t)-t2) (8)
ts时刻出发的乘客不会遇到排队，T(t)＝0，其总出行效用为：
U(ts)＝β1(t1-ts) (9)
te时刻出发的乘客不会遇到排队，T(t)＝0，其总出行效用为：
U(te)＝γ2(te-t2) (10)
根据平衡时，等出行效用条件U(ts)＝U(te)＝U,令M＝t2-t1，可得到：
图4中，AB、BC、CD、DE线表示累计出发人数，AE线表示工作地累计到达人数。两条线的斜率分别表示出发率r(t)和到达率S。两条线的垂直距离表示排队长度D，水平距离表示通勤者的总行驶时间T，即排队时间。
在不收费平衡状态下，所有车辆承担相同的排队等待时间。根据等出行效用条件式(11)及式(5)、(6)、(7)、(8)，可得排队等待时间式(14)，如图5。
因此，到达时间表示为：
当被预定乘坐的车辆经过瓶颈路段时，结合公式(15)及出行距离及平均速度，出发时间tm反推计算方法为：
tm＝Td(t)-T(t)-d/v (16)
参数定义：
θi 绝对效用函数参数，表示单位常态旅行时间价值，i＝1，2；
βi 相对效用函数参数，表示单位早到时间价值，i＝1，2；
γi 相对效用函数参数，表示单位晚到时间价值，i＝1，2；
T(t) 出发地至目的地的行驶时间，T(t)＝Tf+Tw；
Td 到达目的地时刻；
Tf 常态行驶时间；
Tw 排队时间；
D(t) t时刻排队长度；
r(t) t时刻到达率；
S 瓶颈通行能力；
N 出行总人数；
ts 最早出发时间；
te 最晚出发时间；；
t1 最早可接受到达时间；
能在t1时刻到达工作地的出发时间；
t2 工作开始时间；
能在t2时刻到达工作地的出发时间；
t* 理想到达时间；
tn 能在t*时刻到达的出发时间；
U 平衡状态下，出发者出行总效用；
U(t) t时刻出发者的出行效用；
v 平均行驶速度；
d 出行距离。

Claims (1)

1.一种基于乘客到达时间的服务系统估计算法，其特征在于，步骤如下：
步骤(1)：乘客填写出行信息，提交系统；
步骤(2)：系统对已提交出行信息进行处理；
步骤(3)：根据输入信息，预规划路线和出行时间段：若未经过瓶颈路段，出发时间tm＝Td(t)-d/v；若经过瓶颈路段，则进入步骤(4)；
步骤(4)：当瓶颈路段上的车辆到达率超过S时，会发生排队现象，则O至D的行驶时间T(t)为：
T(t)＝Tww (1)
排队长度为排队等待通过瓶颈的车辆数：
且排队长度D(t)与排队等待时间T(t)关系表示为：
T(t)＝D(t)/S (3)
设高峰期表示为[ts，te]，则早高峰期长度为：
对通勤者的出发时间按照损失收益可划分为：
早到损失时间区：早到收益时间区：
晚到收益时间区：晚到损失时间区：
因此：
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+β1(t1-t-T(t)) (5)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+β2(t+T(t)-t1) (6)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+γ1(t2-t-T(t)) (7)
在时间区内出发的通勤者，其总出行效用为：
U(t)＝θ1T(t)+γ2(t+T(t)-t2) (8)
ts时刻出发的乘客不会遇到排队，T(t)＝0，其总出行效用为：
U(ts)＝β1(t1-ts) (9)
te时刻出发的乘客不会遇到排队，T(t)＝0，其总出行效用为：
U(te)＝γ2(te-t2) (10)
根据平衡时，等出行效用条件U(ts)＝U(te)＝U，令M＝t2-t1，得到：
在不收费平衡状态下，所有车辆承担相同的排队等待时间，根据等出行效用条件式(11)及式(5)、(6)、(7)、(8)，得排队等待时间式(14)，
因此，到达时间表示为：
当被预定乘坐的车辆经过瓶颈路段时，结合公式(15)及出行距离及平均速度，出发时间为：
tm＝Td(t)-T(t)-d/v (16)
步骤(5)：将出发时间反馈给乘客，作为出行辅助信息，完成出行调度任务；
以上参数代表含义如下：
θi绝对效用函数参数，表示单位常态旅行时间价值，i＝1，2；
βi相对效用函数参数，表示单位早到时间价值，i＝1，2；
γi相对效用函数参数，表示单位晚到时间价值，i＝1，2；
T(t)出发地至目的地的行驶时间，T(t)＝Tf+Tw；
Td到达目的地时刻；
Tf常态行驶时间；
Tw排队时间；
D(t)t时刻排队长度；
r(t)t时刻到达率；
S瓶颈通行能力；
N出行总人数；
ts最早出发时间；
te最晚出发时间；
t1最早可接受到达时间；
能在t1时刻到达工作地的出发时间；
t2工作开始时间；
能在t2时刻到达工作地的出发时间；
tn能在理想到达时间t*时刻到达的出发时间；
U平衡状态下，出发者出行总效用；
U(t)t时刻出发者的出行效用；
v平均行驶速度；
d出行距离。
CN201810377182.2A 2018-04-25 2018-04-25 一种基于乘客到达时间的服务系统估计算法 Pending CN108345966A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810377182.2A CN108345966A (zh) 2018-04-25 2018-04-25 一种基于乘客到达时间的服务系统估计算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810377182.2A CN108345966A (zh) 2018-04-25 2018-04-25 一种基于乘客到达时间的服务系统估计算法

Publications (1)

Publication Number Publication Date
CN108345966A true CN108345966A (zh) 2018-07-31

Family

ID=62955189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810377182.2A Pending CN108345966A (zh) 2018-04-25 2018-04-25 一种基于乘客到达时间的服务系统估计算法

Country Status (1)

Country Link
CN (1) CN108345966A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109059952A (zh) * 2018-10-11 2018-12-21 国家卫星海洋应用中心 一种行程时长预测方法及装置
CN111707263A (zh) * 2020-05-22 2020-09-25 北京梧桐车联科技有限责任公司 路径规划方法、装置、电子设备及存储介质
CN114548570A (zh) * 2022-02-25 2022-05-27 西南交通大学 一种基于串联双瓶颈路网的早通勤出行成本计算方法
US11544422B2 (en) * 2019-09-16 2023-01-03 Palo Alto Research Center Incorporated Machine learning based systems and methods for real time, model based diagnosis
CN114548570B (zh) * 2022-02-25 2024-05-10 西南交通大学 一种基于串联双瓶颈路网的早通勤出行成本计算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103632547A (zh) * 2013-12-06 2014-03-12 上海理工大学 移动瓶颈影响下路段行程时间预测系统及实现方法
CN105719030A (zh) * 2016-03-29 2016-06-29 武汉大学 一种基于效能最大化原则的电动汽车负荷预测方法
CN106951999A (zh) * 2017-03-29 2017-07-14 北京航空航天大学 一种交通出行方式与出发时刻联合选择的建模与分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103632547A (zh) * 2013-12-06 2014-03-12 上海理工大学 移动瓶颈影响下路段行程时间预测系统及实现方法
CN105719030A (zh) * 2016-03-29 2016-06-29 武汉大学 一种基于效能最大化原则的电动汽车负荷预测方法
CN106951999A (zh) * 2017-03-29 2017-07-14 北京航空航天大学 一种交通出行方式与出发时刻联合选择的建模与分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王健等: "基于多成本分析的出发时刻选择模型研究", 《交通信息与安全》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109059952A (zh) * 2018-10-11 2018-12-21 国家卫星海洋应用中心 一种行程时长预测方法及装置
US11544422B2 (en) * 2019-09-16 2023-01-03 Palo Alto Research Center Incorporated Machine learning based systems and methods for real time, model based diagnosis
CN111707263A (zh) * 2020-05-22 2020-09-25 北京梧桐车联科技有限责任公司 路径规划方法、装置、电子设备及存储介质
CN114548570A (zh) * 2022-02-25 2022-05-27 西南交通大学 一种基于串联双瓶颈路网的早通勤出行成本计算方法
CN114548570B (zh) * 2022-02-25 2024-05-10 西南交通大学 一种基于串联双瓶颈路网的早通勤出行成本计算方法

Similar Documents

Publication Publication Date Title
Luo et al. A new framework of intelligent public transportation system based on the internet of things
Zhu et al. An online ride-sharing path-planning strategy for public vehicle systems
CN108151756B (zh) 一种城市公共交通系统的行程时间计算方法和装置
CN108345966A (zh) 一种基于乘客到达时间的服务系统估计算法
CN106781551A (zh) 车联网环境下的高速公路出入口匝道联合控制系统及方法
CN109657820B (zh) 一种可预约的出租车匹配方法
CN112581747B (zh) 一种车路协同的货车队列组织方法、装置及系统
Bie et al. Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data
CN112561379A (zh) 一种面向区域性网约车的调度方法
US20110218833A1 (en) Service class prioritization within a controllable transit system
CN111882107A (zh) 一种基于自动驾驶共享出租车系统的司乘匹配方法
Zwick et al. Impact of service design on urban ridepooling systems
Lu et al. Linear location-dependent parking fees and integrated daily commuting patterns with late arrival and early departure in a linear city
Ahmad et al. Shortest remaining processing time based schedulers for reduction of traffic congestion
CN114707709A (zh) 铁路综合客运枢纽安全预警方法及系统
CN108831148A (zh) 一种免费通行下高峰拥堵的高速路网管控方法及系统
CN111738490A (zh) 柔性公交线路资源复用分配调度方法
CN109544927B (zh) 一种多层网络协同限行方法
CN114519933B (zh) 基于无过饱和状态的约定出行管控方法、装置及存储介质
CN115879658A (zh) 定制公交路径优化方法、系统、存储介质及设备
US10956999B2 (en) Service class prioritization within a controllable transit system
CN116109081A (zh) 一种基于物联网的动态公交调度优化方法和装置
CN115169669A (zh) 一种基于轨迹大数据支持的出租车合乘方法
Ben-Akiva et al. Some circumstances in which vehicles will reach their destinations earlier by starting later: Revisited
CN114511937A (zh) 一种基于停车时长的自动驾驶停车收费方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180731

WD01 Invention patent application deemed withdrawn after publication