CN108491979A - 基于等强度分配的高速铁路旅客出行时变需求预测方法 - Google Patents
基于等强度分配的高速铁路旅客出行时变需求预测方法 Download PDFInfo
- Publication number
- CN108491979A CN108491979A CN201810291117.8A CN201810291117A CN108491979A CN 108491979 A CN108491979 A CN 108491979A CN 201810291117 A CN201810291117 A CN 201810291117A CN 108491979 A CN108491979 A CN 108491979A
- Authority
- CN
- China
- Prior art keywords
- riding scheme
- time
- riding
- travelling
- scheme
- 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 27
- 230000036962 time dependent Effects 0.000 title claims abstract description 27
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000008520 organization Effects 0.000 abstract description 3
- 238000000926 separation method Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 235000000396 iron Nutrition 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于等强度分配的高速铁路旅客出行时变需求预测方法,包括:从铁路售票系统中统计高速铁路旅客出行相关数据;根据旅客出行相关数据,对应于购票时间阶段划分构建乘车方案子集,并确定乘车方案子集中各乘车方案的吸流区间;按照等强度客流分配的思想将各个乘车方案的客流量分配至各乘车方案的吸流区间中;由各个吸流区间分配的客流量进行叠加,获得旅客出行时变需求。本发明所需的旅客出行相关数据获取难度和获取成本低,预测得到的结果精度高,预测结果为高速铁路的运营组织优化工作提供了必要的基础数据支持。
Description
技术领域
本发明涉及高速铁路旅客出行时变需求预测方法,具体涉及一种基于高速铁路旅客的乘车方案和客流量,将各个乘车方案的客流量等强度分配到吸流区间并进行叠加的旅客出行时变需求预测方法。
背景技术
旅客出行需求是高速铁路运营管理的一项基础性数据,也是组织旅客列车运行的重要依据。在旅客列车运行计划(包括列车开行方案和列车运行图)的传统编制方法中,仅仅注重于各O-D对间每天的出行总量。然而,高速铁路的运输能力比普速铁路高出很多,在需求总量上满足旅客出行的同时,还能较好地满足旅客计划出行时间的需求。对于任意给定O-D对间的出行旅客,在一天内不同时间的出行强度存在差异,一天内旅客计划出行强度分布称之为时变需求分布。随着铁路旅客运输能力的提升,满足旅客时变需求变得可能,铁路企业越来越重视对旅客计划出行时间的服务。基于时变需求优化旅客列车运行计划越来越受到铁路运营管理部门的重视。但如何获得高铁出行时变需求,却成了亟待解决的关键技术问题。
传统获得旅客出行需求的信息主要是采用调查的方式,该调查方法工作量大、持续时间长、成本高、调查数据生命期短、难于多次重复利用,并且精度不高。本发明所提出的方法能够较好的弥补上述缺陷,为高速铁路的运营组织优化工作提供基础的数据支持。
发明内容
为解决现有技术中存在的技术缺陷,本发明提供了一种基于等强度分配的高速铁路旅客出行时变需求预测方法,包括以下步骤:
S1:从铁路售票系统中采用统计分析方法,获取高速铁路旅客出行的指定起始车站至终到车站O-D对(r,s)间高铁的运营时段[T0,T1]、(r,s)间高铁出行的乘车方案集P,以及各乘车方案pk∈P的上车时间tk、乘车时间与换乘时间之和τk、客流量qk、票价等旅客出行相关数据,由居民单位时间平均收入确定单位时间价值θ,乘车方案pk的旅客出行费用ck等于对应票价与旅客出行时间价值之和,其中旅客出行时间价值等于旅客出行时间与单位时间价值θ之积,而旅客出行时间包括两部分,其一为旅客出行时间偏差,即旅客的计划出行时间x∈[T0,T1]与上车时间tk之差的绝对值|tk-x|,其二为乘车时间与换乘时间之和τk。
高速铁路旅客出行的起始车站至终到车站构成一个O-D对,所谓O-D对即交通起止点对,“O”来源于英文ORIGIN,指出行的出发地点,“D”来源于英文DESTINATION,指出行的目的地。这些数据主要从铁路售票系统中统计获得,从O-D两个端点城市的统计年鉴可以获得居民当年每月平均收入,按照每月平均工作22天,每天工作8小时,换算得到居民的平均收入,以此作为旅客的单位时间价值。
S2:根据旅客出行相关数据,将整个购票过程划分为若干个购票阶段,同时构建各购票阶段的乘车方案子集L(m)∈P,m=1,2,…,M。
S3:根据旅客出行相关数据,确定乘车方案子集L(m)中各个乘车方案pk的吸流区间tm(pk),pk∈L(m),m=1,2,…,M。
S4:将旅客各个乘车方案pk∈P的客流量qk分配至各乘车方案对应的吸流区间tm(pk),获得分配到x∈tm(pk)的客流量Qk(m),pk∈L(m),m=1,2,…,M。
S5:将各个吸流区间tm(pk)中x∈tm(pk)处的客流量Qk(m),按照时间x∈[T0,T1]进行叠加,获得旅客出行时变需求Q(x),x∈[T0,T1]。
优选地,在S2中,乘车方案子集L(m)按照如下思想构建:
旅客乘车方案P可以按旅客购票阶段进行划分,一个乘车方案属于一个购票阶段需要具备2个条件,其一是存在时间x∈[T0,T1],计划出行时间为x的旅客选择该乘车方案的出行费用达到最小;其二是该乘车方案在这个购票阶段仍然未饱和。一个乘车方案在一个购票阶段是否饱和具有不确定性,考虑到不同旅客选择的购票时间存在差异,我们认为旅客购票时间持续了足够长的时间,因此一个乘车方案属于一个购票阶段只需要验证前一个条件即可。
按照m=1,2,…的顺序,循环求解购票阶段m的最小乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足
θ|tk-th|+ch≥θ|tk-tk|+ck (1)
直至时循环终止。
式(1)表明,计划出行时间x=tk的旅客选择任何乘车方案都不会比选择乘车方案具有更低的出行费用。所以,乘车方案pk在购票阶段m至少存在计划出行时间x=tk的旅客选择出行,所以乘车方案
将满足的最大m值记为M;对于任意乘车方案pk∈P,存在唯一的使得
按照m=M,M-1,…,1的顺序,循环求解购票阶段m的最大乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足
θ|th-th|+ch≤θ|th-tk|+ck (2)
式(2)表明,对于任何乘车方案计划出行时间x=th的旅客选择乘车方案ph都不会比选择乘车方案具有更高的出行费用。所以,乘车方案pk在购票阶段m只有计划出行时间x=tk的旅客选择出行,所以乘车方案
对于任意乘车方案pk∈P,存在唯一的使得
综上所述,若乘车方案集P按照购票阶段划分为若干个乘车方案子集L(m),则乘车方案pk∈L(m)当且仅当即
优选地,在S3中,乘车方案子集L(m)中各个乘车方案的吸流区间的确定方法如下:
对于乘车方案集L(m),将L(m)中全体乘车方案pk按照其发车时刻tk排序,将排序后的乘车方案序集记为乘车方案的发车时刻分别记为
对于L(m)中第i个乘车方案记的吸流区间为显然吸流区间与的分界点ti满足并且计划出行时间x=ti的旅客选择乘车方案和的出行费用相等,即
由此可推出ti的求解公式
并且t0=T0,tIm=T1。
优选地,在S4中,乘车方案的客流量按照以下方法分配至的相应吸流区间:
对于乘车方案pk∈P,在购票阶段存在吸流区间tm(pk),按照等强度的思想,在x∈tm(pk)分配的客流量是一个与x无关的常量Qk(m),即
其中,|tm(pk)|表示tm(pk)的时间长度。显然满足
即各个吸流区间分配流量之和等于乘车方案的客流总量qk。
优选地,在S5中,各个吸流区间分配的客流量按照以下方法叠加获得旅客出行时变需求:
叠加运算需要对任意时间x∈[T0,T1]进行。对于任意购票阶段m=1,2,…,M,总存在一个乘车方案pk∈P,乘车方案pk的吸流区间包含时间x,只要把这些吸流区间上各点的客流分配量Qk(m)汇总起来,便可获得时变需求在x的总量。具体操作如下:
令Q(x)=0,x∈[T0,T1];
对于m=1,2,…,M和x∈tm(pk),pk∈P,循环执行Q(x)←Q(x)+Qk(m)。
由此求得的Q(x),x∈[T0,T1]就是高铁O-D对间(r,s)的时变出行需求。
本发明具有以下有益效果:
1、本发明的基于等强度分配的高速铁路旅客出行时变需求预测方法操作性强,大大减少了高铁旅客出行时变需求估计的工作量。
2、本发明所需的基础数据获取难度和获取成本低,预测得到的结果精度高,为高速铁路的运营组织优化工作提供基础的数据支持。
下面通过具体的实施例并结合附图,对本发明作进一步详细的说明。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明优选实施例的基于等强度分配的高速铁路旅客出行时变需求预测方法流程图;
图2是本发明优选实施例的各旅客购票阶段各乘车方案的费用分布与吸流区间划分图;
图3是本发明优选实施例的各个购票阶段等强度客流分配结果分布图;
图4是本发明优选实施例的等强度客流分配结果汇总分布图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
为实现上述目的,本发明提供了一种基于等强度分配的高速铁路旅客出行时变需求预测方法,包括以下步骤:
S1:统计获取旅客出行相关数据
从铁路售票系统中采用统计分析方法,获取高速铁路旅客出行的指定起始车站至终到车站O-D对(r,s)间高铁的运营时段[T0,T1]、(r,s)间高铁出行的乘车方案集P,以及各乘车方案pk∈P的上车时间tk、乘车时间与换乘时间之和τk、客流量qk、票价等旅客出行相关数据,由居民单位时间平均收入确定单位时间价值θ,乘车方案pk的旅客出行费用ck等于对应票价与旅客出行时间价值之和,其中旅客出行时间价值等于旅客出行时间与单位时间价值θ之积,而旅客出行时间包括两部分,其一为旅客出行时间偏差,即旅客的计划出行时间x∈[T0,T1]与上车时间tk之差的绝对值|tk-x|,其二为乘车时间与换乘时间之和τk;
S2:构建各个购票阶段的乘车方案子集L(m)
按照m=1,2,…的顺序,循环求解最小购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|tk-th|+ch≥θ|tk-tk|+ck,直至时循环终止;将满足的最大m值记为M;对于任意乘车方案pk∈P,存在唯一的使得
按照m=M,M-1,…,1的顺序,循环求解最大购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|th-th|+ch≤θ|th-tk|+ck;对于任意乘车方案pk∈P,存在唯一的使得
对于m=1,2,…,M,求解购票阶段m的乘车方案集
S3:确定乘车方案子集L(m)中各个乘车方案的吸流区间
对于乘车方案集L(m),将L(m)中全体乘车方案pk按照其发车时刻tk排序,将排序后的乘车方案序集记为乘车方案的发车时刻分别记为
对于L(m)中第i个乘车方案记的吸流区间为区间端点ti由以下公式求解:
S4:将乘车方案的客流量分配至的相应吸流区间
对于乘车方案pk∈P,以及乘车方案pk对应的各个吸流区间 在x∈tm(pk)处分配客流量
其中,|tm(pk)|表示tm(pk)的时间长度;
S5:叠加各个吸流区间分配的客流量获得旅客出行时变需求
令Q(x)=0,x∈[T0,T1];
对于和x∈tm(pk),pk∈P,循环执行Q(x)←Q(x)+Qk(m);
输出高铁O-D对间(r,s)的时变出行需求Q(x),x∈[T0,T1]。
实施例
以京沪高铁2015年12月1日的运营情况为例,北京至上海当天共有34个乘车方案,任意乘车方案的发车时刻费用和客流量见如下表1。记该O-D的有效运营时段[T0,T1]=[6:00,20:00];根据北京市统计年鉴和上海市统计年鉴,北京和上海2015年月平均收入分别为7086元和6504元,按照每月工作22天,每天工作8小时,换算得到北京和上海居民的平均收入分别为0.67元/min和0.62元/min,取两者的平均值作为该O-D对间旅客提前或者推迟出行的单位时间费率,即θ=0.65元/min。
表1:京沪高速铁路北京至上海O-D对间34个乘车方案的相关基础数据表
对于表1的34个乘车方案,求得3个最小购票阶段的乘车方案集如表2所示,求得3个最大购票阶段的乘车方案集如表3所示。根据表2和表3,求得3个购票阶段的乘车方案集L(1),L(2),L(3)(已按照发车时刻排序),如表4所示。
表2:最小购票阶段的乘车方案集
表3:最大购票阶段的乘车方案集
表4:购票阶段的乘车方案集
在表4的3个购票阶段中,各乘车方案的费用分布与吸流区间划分图见图2,图2中的竖直实线高度表示乘车方案的费用,相邻两条竖直实线顶端的斜虚线的交叉点为吸流区间分界点,吸流区间分界点处的竖直虚线的高度为旅客出行费用,相邻两个吸流区间分界点组成吸流区间。
各购票阶段乘车方案吸流区间的等强度客流分配分布图如图3所示,将每个阶段的等强度客流分配结果累计叠加获得旅客出行时变需求分布图如图4所示。图4所示的旅客出行时变需求表示一个阶梯函数,阶梯函数的数值形式见表5。
表5:京沪高速铁路北京至上海O-D对间时变需求分布阶梯函数表
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于等强度分配的高速铁路旅客出行时变需求预测方法,其特征在于包括以下步骤:
S1:从铁路售票系统中采用统计分析方法,获取高速铁路旅客出行的指定起始车站至终到车站O-D对(r,s)间高铁的运营时段[T0,T1]、(r,s)间高铁出行的乘车方案集P,以及各乘车方案pk∈P的上车时间tk、乘车时间与换乘时间之和τk、客流量qk、票价等旅客出行相关数据,由居民单位时间平均收入确定单位时间价值θ,乘车方案pk的旅客出行费用ck等于对应票价与旅客出行时间价值之和,其中旅客出行时间价值等于旅客出行时间与单位时间价值θ之积,而旅客出行时间包括两部分,其一为旅客出行时间偏差,即旅客的计划出行时间x∈[T0,T1]与上车时间tk之差的绝对值|tk-x|,其二为乘车时间与换乘时间之和τk;
S2:根据旅客出行相关数据,将整个购票过程划分为若干个购票阶段,同时构建各购票阶段的乘车方案子集L(m)∈P,m=1,2,…,M;
S3:根据旅客出行相关数据,确定乘车方案子集L(m)中各个乘车方案pk的吸流区间tm(pk),pk∈L(m),m=1,2,…,M;
S4:将旅客各个乘车方案pk∈P的客流量qk分配至各乘车方案对应的吸流区间tm(pk),获得分配到x∈tm(pk)的客流量Qk(m),pk∈L(m),m=1,2,…,M;
S5:将各个吸流区间tm(pk)中x∈tm(pk)处的客流量Qk(m),按照时间x∈[T0,T1]进行叠加,获得旅客出行时变需求Q(x),x∈[T0,T1]。
2.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法,其特征在于所述S2中,乘车方案子集L(m)按照以下方法构建:
按照m=1,2,…的顺序,循环求解最小购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|tk-th|+ch≥θ|tk-tk|+ck,直至时循环终止;将满足的最大m值记为M;对于任意乘车方案pk∈P,存在唯一的使得
按照m=M,M-1,…,1的顺序,循环求解最大购票阶段m的乘车方案集乘车方案当且仅当并且对于任何乘车方案均满足θ|th-th|+ch≤θ|th-tk|+ck;对于任意乘车方案pk∈P,存在唯一的使得
对于m=1,2,…,M,求解购票阶段m的乘车方案集
3.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法,其特征在于所述S3中,乘车方案子集L(m)中每一个乘车方案的吸流区间按照以下方法确定:
对于乘车方案集L(m),将L(m)中全体乘车方案pk按照其发车时刻tk排序,将排序后的乘车方案序集记为乘车方案的发车时刻分别记为
对于L(m)中第i个乘车方案记的吸流区间为区间端点ti由以下公式求解:
4.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法,其特征在于所述S4中,乘车方案的客流量按照以下方法分配至相应的吸流区间:
对于乘车方案pk∈P,以及pk对应的各个吸流区间在x∈tm(pk)处分配的客流量
其中,|tm(pk)|表示tm(pk)的时间长度。
5.根据权利要求1所述的基于等强度分配的高速铁路旅客出行时变需求预测方法,其特征在于所述S5中,各个吸流区间分配的客流量叠加产生旅客出行时变需求的方法如下:
令Q(x)=0,x∈[T0,T1];
对于和x∈tm(pk),pk∈P,循环执行Q(x)←Q(x)+Qk(m);
输出高铁O-D对间(r,s)的时变出行需求Q(x),x∈[T0,T1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810291117.8A CN108491979B (zh) | 2018-04-03 | 2018-04-03 | 基于等强度分配的高速铁路旅客出行时变需求预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810291117.8A CN108491979B (zh) | 2018-04-03 | 2018-04-03 | 基于等强度分配的高速铁路旅客出行时变需求预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491979A true CN108491979A (zh) | 2018-09-04 |
CN108491979B CN108491979B (zh) | 2021-11-30 |
Family
ID=63318264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810291117.8A Expired - Fee Related CN108491979B (zh) | 2018-04-03 | 2018-04-03 | 基于等强度分配的高速铁路旅客出行时变需求预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491979B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190826A (zh) * | 2018-09-05 | 2019-01-11 | 中国联合网络通信集团有限公司 | 列车售票优化方法和列车售票优化系统 |
CN112819388A (zh) * | 2021-03-10 | 2021-05-18 | 西南交通大学 | 一种基于乘客需求重识别的长距离优先票额分配方法 |
CN112836996A (zh) * | 2021-03-10 | 2021-05-25 | 西南交通大学 | 一种识别乘客潜在购票需求的方法 |
CN112949926A (zh) * | 2021-03-10 | 2021-06-11 | 西南交通大学 | 一种基于乘客需求重识别的收入最大化票额分配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
US20140236957A1 (en) * | 2013-02-15 | 2014-08-21 | Norfolk Southern Corporation | System and method for terminal capacity management |
US20140257882A1 (en) * | 2013-03-08 | 2014-09-11 | Us Airways, Inc. | Demand forecasting systems and methods utilizing prime class remapping |
US20140257925A1 (en) * | 2013-03-08 | 2014-09-11 | Us Airways, Inc. | Demand forecasting systems and methods utilizing unobscuring and unconstraining |
CN105718755A (zh) * | 2016-04-14 | 2016-06-29 | 中南大学 | 基于客流动态分配的高铁网络能力适用性评价方法 |
CN106056242A (zh) * | 2016-05-25 | 2016-10-26 | 中南大学 | 基于客流动态分配的高铁列车开行方案评价方法 |
CN106651170A (zh) * | 2016-12-19 | 2017-05-10 | 中南大学 | 高铁列车运行图与旅客时变需求吻合性的评价方法 |
CN107103142A (zh) * | 2017-07-11 | 2017-08-29 | 交通运输部公路科学研究所 | 面向公路和铁路网的综合交通网络运行态势推演仿真技术 |
-
2018
- 2018-04-03 CN CN201810291117.8A patent/CN108491979B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140236957A1 (en) * | 2013-02-15 | 2014-08-21 | Norfolk Southern Corporation | System and method for terminal capacity management |
US20140257882A1 (en) * | 2013-03-08 | 2014-09-11 | Us Airways, Inc. | Demand forecasting systems and methods utilizing prime class remapping |
US20140257925A1 (en) * | 2013-03-08 | 2014-09-11 | Us Airways, Inc. | Demand forecasting systems and methods utilizing unobscuring and unconstraining |
CN103632212A (zh) * | 2013-12-11 | 2014-03-12 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
CN105718755A (zh) * | 2016-04-14 | 2016-06-29 | 中南大学 | 基于客流动态分配的高铁网络能力适用性评价方法 |
CN106056242A (zh) * | 2016-05-25 | 2016-10-26 | 中南大学 | 基于客流动态分配的高铁列车开行方案评价方法 |
CN106651170A (zh) * | 2016-12-19 | 2017-05-10 | 中南大学 | 高铁列车运行图与旅客时变需求吻合性的评价方法 |
CN107103142A (zh) * | 2017-07-11 | 2017-08-29 | 交通运输部公路科学研究所 | 面向公路和铁路网的综合交通网络运行态势推演仿真技术 |
Non-Patent Citations (2)
Title |
---|
何南 等: ""考虑运输方式间影响关系的公路客运交通需求预测"", 《公路交通科技》 * |
袁隽 等: ""高铁列车密度与旅客需求强度的关联分析"", 《铁道科学与工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190826A (zh) * | 2018-09-05 | 2019-01-11 | 中国联合网络通信集团有限公司 | 列车售票优化方法和列车售票优化系统 |
CN112819388A (zh) * | 2021-03-10 | 2021-05-18 | 西南交通大学 | 一种基于乘客需求重识别的长距离优先票额分配方法 |
CN112836996A (zh) * | 2021-03-10 | 2021-05-25 | 西南交通大学 | 一种识别乘客潜在购票需求的方法 |
CN112949926A (zh) * | 2021-03-10 | 2021-06-11 | 西南交通大学 | 一种基于乘客需求重识别的收入最大化票额分配方法 |
CN112819388B (zh) * | 2021-03-10 | 2022-03-04 | 西南交通大学 | 一种基于乘客需求重识别的长距离优先票额分配方法 |
CN112949926B (zh) * | 2021-03-10 | 2022-03-04 | 西南交通大学 | 一种基于乘客需求重识别的收入最大化票额分配方法 |
CN112836996B (zh) * | 2021-03-10 | 2022-03-04 | 西南交通大学 | 一种识别乘客潜在购票需求的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108491979B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108491979A (zh) | 基于等强度分配的高速铁路旅客出行时变需求预测方法 | |
Fu et al. | A hierarchical line planning approach for a large-scale high speed rail network: The China case | |
CN103318185B (zh) | 一种地铁或轻轨超长列车编组运行和站台长度确定的方法 | |
CN110648022A (zh) | 一种考虑站点全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法 | |
CN108564226A (zh) | 一种基于出租车gps及手机信令数据的公交线路优化方法 | |
CN107516147A (zh) | 一种高速铁路本线列车开行方案优化方法及其系统 | |
CN105761492B (zh) | 一种基于网络流的大范围高速路网动态配流方法 | |
CN108805344A (zh) | 一种考虑时变需求的高速铁路网络列车开行方案优化方法 | |
CN106056242A (zh) | 基于客流动态分配的高铁列车开行方案评价方法 | |
CN105718755B (zh) | 基于客流动态分配的高铁网络能力适用性评价方法 | |
CN101236642A (zh) | 基于票务数据的分级客流监控系统及其方法 | |
CN108492608A (zh) | 一种基于云模型的公交车客流量的分析方法及系统 | |
CN102169512A (zh) | 基于时间窗约束的城市轨道交通网络动态可达性计算方法 | |
CN109389243A (zh) | 结合联网收费数据的高速公路交通情况调查站点布设方法 | |
CN106651027A (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
CN101763612A (zh) | 一种轨道交通系统运费清分方法 | |
CN107527137A (zh) | 城市轨道交通网络成熟度确定方法 | |
CN112580866B (zh) | 基于全程车与区间车组合调度的公交线路串车优化方法 | |
CN109377037A (zh) | 基于分时列车数量序列的地铁峰期设置方法及系统 | |
CN111985814A (zh) | 间歇式供电的城际列车开行方案的优化方法及系统 | |
CN101231718A (zh) | 轨道交通换乘的票务清分方法 | |
CN104899654B (zh) | 一种用于缓解轨道交通拥挤的路径选择方法 | |
CN111105078B (zh) | 一种定制公交网络优化方法 | |
Milan | The trans European railway network: Three levels of services for the passengers | |
CN116090785A (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211130 |
|
CF01 | Termination of patent right due to non-payment of annual fee |