CN108898872A - 基于车载智能终端设备和历史客流大数据的班次调整方法 - Google Patents

基于车载智能终端设备和历史客流大数据的班次调整方法 Download PDF

Info

Publication number
CN108898872A
CN108898872A CN201811059858.XA CN201811059858A CN108898872A CN 108898872 A CN108898872 A CN 108898872A CN 201811059858 A CN201811059858 A CN 201811059858A CN 108898872 A CN108898872 A CN 108898872A
Authority
CN
China
Prior art keywords
shift
time
vehicle
adjustment
period
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
Application number
CN201811059858.XA
Other languages
English (en)
Other versions
CN108898872B (zh
Inventor
贺健
周金明
周宇
赵丽
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.)
Nanjing Walker Intelligent Traffic Technology Co Ltd
Original Assignee
Nanjing Walker Intelligent Traffic 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 Nanjing Walker Intelligent Traffic Technology Co Ltd filed Critical Nanjing Walker Intelligent Traffic Technology Co Ltd
Priority to CN201811059858.XA priority Critical patent/CN108898872B/zh
Publication of CN108898872A publication Critical patent/CN108898872A/zh
Application granted granted Critical
Publication of CN108898872B publication Critical patent/CN108898872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/123Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/127Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于车载智能终端设备和历史客流大数据的班次调整方法,包括以下步骤:步骤1,车载智能终端设备接收司机上报的事件类型的指令;步骤2,调度中心的调度人员判断是否要发出调整班次的指令;步骤3,调度中心接收调度人员的班次调整的详细指令,步骤4,生成调整后所述时间段内的车辆司机集合和班次的发车时间点的集合;步骤,5,将车辆司机集合X依次填充到班次时间点集合Y中;步骤6,调整后的排班计划的发送和执行;本发明的方法增加了公交公司针对实时事件的掌控和应变能力;增加了班次调整的的稳定性、准确性、合理性和及时性;充分利用客流大数据分析结果,使得班次调整更加贴合客流的变化规律。

Description

基于车载智能终端设备和历史客流大数据的班次调整方法
技术领域
本发明涉及智能交通研究领域,尤其是客流大数据分析和智能公交领域,具体涉及一种基于车载智能终端设备和历史客流大数据的班次调整方法。
背景技术
随着我国的城市化进程加快、城市人口密集度增高、公共交通复杂度提升,公交行业的突发状况发生率呈急剧上升态势。而当前公交公司的调度中心面对公交运营中出现的种种突发状况,主要的处理方式是司机通过电话上报事件类型,依赖调度人员的经验,进行手动班次调整。而司机向调度中心上报事件时,往往对事件的描述不够清晰、不全面、不及时;调度人员手动调整班次的经验和应变能力直接决定了公交行业的服务水平,效率相对较低;无法全面的考虑以往客流规律,造成调整结果的不合理性;同时调整结果电话或短信通知司机效率低下。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于车载智能终端设备和历史客流大数据的班次调整方法,本发明有效解决了过分依赖调度人员经验、计算量大、结果不稳定性高和效率低等问题,保证了调度中心能精确掌握现场事件的具体情况,并对延误车辆进行是否有调换班次的判断,避免了因故减少班次的可能,提高公交出行的可靠性;同时有效的验证机制,保证了班次调整的合理性;通过使用客流大数据分析得出的客流峰段来分割要调整班次的时间段,使得公交班次的调整充分考虑了不同环境因素、不同时间、不同站点的上下车客流量,更加符合客流规律,使公交排班或者班次调整更加合理、准确。另外,班次调整结构的呈现支持声音提醒和屏幕显示等方式,增加了实时性和实用性。
为达到上述目的,本发明是通过以下的技术方案来实现的。
基于车载智能终端设备和历史客流大数据的班次调整方法,包含以下步骤:
步骤1,通过车载智能终端设备接收司机上报的事件类型的指令,并将所述事件类型和所述车载智能终端设备采集到的事件发生时的详细信息传输至调度中心,所述事件类型包括车辆故障、司机原因、设备故障、班次晚点、司机请求恢复运营,所述事件发生时的详细信息包括时间、客流人数、位置、速度、车辆、司机;
车载智能终端设备上报事件,解决了人为上报中出现的信息错误和上报不及时的问题,保证了调度中心能精确掌握现场事件的情况。
步骤2,调度中心的调度人员判断是否要发出调整班次的指令,若发出指令,则进行下一步操作,若不发出指令,则班次不调整,流程结束;
步骤3,调度中心接收调度人员的班次调整的详细指令,所述详细指令包括根据事件类型确定的增加班次或减少班次,及对应增加或者减少的班次数、时间段、车辆司机、线路、班次号;
优选的,调度中心判断班次调整的详细指令的合理性,具体为:
判断所述时间段是否是未到来的某段时间,并且在该时间段内线路是否处于运营状态;
当增加班次时,判断对应增加的车辆司机在所述时间段内是否有其他班次安排,且判断所述车辆司机在所述时间段内,在时间维度上是否能够完成所分配的班次数,即其发车时间是否小于其上一班次的预计到达时间;
当减少班次时,判断对应减少的班次数是否超出了所述时间段内的原总班次数;
进一步,当减少班次是由于车辆故障、司机原因、设备故障等原因时,则考虑是否有可调换的其他车辆司机,若有,则按照调换车辆司机的方式进行班次调整;当减少班次是由于班次晚点时,判断是否有可调换班次,若有,则按照调换班次的方式进行调整,具体方法为:当车辆A时间维度上赶不上其下一班次的发车时间时,若存在车辆B赶得上车辆A的下一班次的发车时间,同时车辆A赶得上车辆B的下一班次的发车时间,则调换A车辆和B车辆接下来的所有班次。
为调度人员提供多维度的指令选择条件,极大的提升了调度人员调整班次的灵活性,满足了多种需要;同时对指令的数据合理性验证,避免了不合理的调整。
步骤4,调度中心后台生成调整后所述时间段内的车辆司机集合X{(车辆1,司机1),(车辆2,司机2),(车辆3,司机3),……},和调整后所有班次的发车时间点的集合Y{(发班时间1,到站时间1),(发班时间2,到站时间2),(发班时间3,到站时间3),……};
步骤41,调度中心后台生成调整后所述时间段内的车辆司机集合X,具体为,用所述时间段内原所有未发车班次对应的车辆司机,按照原来的顺序形成的集合加上或者减去要调整的班次对应的车辆司机的集合;
步骤42,调度中心后台调整所有班次的发车时间点的集合Y,具体方法为:根据增加或者减少的班次数量,按照客流量大的时间分段增加或者减少的班次多,客流量小的时间分段增加或者减少的班次少的原则,重新制定的发车时间点的集合,所述时间分段为根据历史客流大数据的时间峰段模型对所述时间段匹配拆分成的数个小段时间;所述峰段模型是根据历史客流大数据的特点划分的不同条件下的客流峰段,包括高峰、次高峰、平峰、谷峰,所述历史客流大数据为不同环境因素(如节假日、天气、季节)、不同时间、不同站点的上下车客流数据;所述历史客流大数据可以通过车载智能终端设备采集,也可以通过其他渠道获取;
优选的,所述步骤42的生成所述班次时间点的集合的具体方法如下:若所述时间段拆分成n个时间分段,调整前每个时间分段的班次数量为Ni,则时间段内的班次总数为则时间分段的调整系数为Ci,Ci=Ni/sum,若增加或者减少的班次数量为m,则每个时间分段增加或者减少的班次数为mi,mi=Round(m*Ci),其中Round为四舍五入函数,进一步判断∑mi是否与m相同,如果不同,mi的值重新确定,mi=INT(m*Ci)+λ,其中INT为取整函数,λ取值0或1:按照((m*Ci)-INT(m*Ci)的数值从大到小的顺序排列,前(m-INT(m*Ci))个的Ci对应的λ取值1,剩余的Ci对应的λ取值0;即每个时间分段调整后的班次数为Ni±mi;把所述时间分段按照其调整后的班次数平均,即得到时间分段内的发车间隔和发车时间,从而得到整个时间段的发车间隔和发车时间。
通过客流大数据分析得出的客流峰段来分割要调整班次的时间段,使得公交班次的调整充分考虑了不同环境因素、不同时间、不同站点的上下车客流量,更加符合客流规律,使公交排班或者班次调整更加合理、准确。
步骤5,调度中心后台将车辆司机集合X填充到班次时间点集合Y中,当增加班次时,优先填充增加的班次,再依次填充原来班次,当减少班次时,依次填充剩余班次,填充的同时判断时间维度的合理性,即依次判断某车辆司机的班次出发时间是否早于其上一班次的预计到达时间,若是,则更换后续班次的车辆司机或者与后面班次进行调整;有效的杜绝了调度员主观排班中不合理性和倒挂现象的出现。
步骤6,调整后的排班计划经过调度人员进一步确认或修改后,由调度中心将其发送至车载智能终端设备,车载智能终端设备通过语音提示和屏幕显示的方式呈现调整后的排班计划;班次调整经过调度人员进一步的确认或修改保留了调度人员的决定性作用,同时语音提示的方式相比传统的电话通知更加快捷和安全。
优选的,所述班次的预计到站时间的计算方法具体为:
统计该班次所在线路在相同环境条件下的数天历史班次用时信息,在其发车时间前后各0.5~1小时的时间段内的所有发车记录,去除班次用时较少或用时较多的各0~20%,剩余的班次用时Ti的集合用M表示:M{T1、T2、T3、T4、……Tm};其中Ti为该n个站点的线路上相邻两站的用时ti的加和:
(1)对于未发车班次,班次用时集合M的平均值A即为所述未发车班次的预计用时,则未发班次的到达时间即为其发车时间加上其预计用时;
(2)对于目前到达n'站的已发班次,分别计算该线路上此站之前的用时T'i,则此站之前的平均用时A1 则此站之后的平均用时A2=A-A1;该班车到达此站的实际用时为B1,则此站之后的预计用时B2=A2*B1/A1,则已发班次的预计到达时间为到达n'站的时间加上此站之后的预计用时B2
与现有技术相比,本发明具有如下有益效果:
(1)增加了公交公司针对实时事件的掌控和应变能力;
(2)增加了班次调整的的稳定性、准确性、合理性和及时性,同时降低了人员操作复杂度,杜绝了倒挂的问题;
(3)充分利用客流大数据分析结果,班次调整更加贴合客流的变化规律;
附图说明
图1为本发明的公交班次调整的方法示意图;
具体实施方式
为了阐明本发明的技术方案和工作原理,下面结合附图与具体实施例对本发明做详细的介绍。本实施例中,所述公交班次调整包括但不限于公交领域,也包括与公交班次调整采用类似运行模式的客车领域、地铁领域、旅游交通领域等。
下面结合附图和具体实施例对本发明作进一步的详细说明,目的是使得本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解。
实施例一:
附图1为本发明实施例的公交班次调整的方法示意图,结合该图,该方法主要包括以下步骤:
步骤1,车载智能终端设备接收司机上报的司机请求恢复运营的事件类型的指令,并将其和事件发生时的时间、客流人数、位置、速度、车辆、司机等详细信息传输至调度中心。
步骤2,调度中心的调度人员通过判断发出调整班次的指令。
步骤3,调度中心接收调度人员的班次调整的详细指令,调度人员的详细指令为增加班次、增加班次数为4班,增加的车辆司机数为4,增加的车辆司机为车辆b和司机d(车辆和司机是一一对应的),增加线路为19路,时间段为2018年08月20日下午15:00:00到17:30:00,表1为此时间段内19路的原公交排班情况,其中方向:1上行、2下行。
表1 19路公交2018年08月20日15:00:00到17:30:00原排班情况
步骤31,调度中心判断班次调整的详细指令的合理性,具体为:
通过判断,所述时间段是未到来的某段时间,车辆b和司机d在指定时间内没有其他的安排,这个时间段内19路车仍然在运行中,满足条件。并初步判断车辆在时间维度的合理性:如车辆b于15:03:30准时按照上行方向发车,且不休息来回运行,可以得出车辆b和司机d满负荷运行时的结果,如表2所示,从表2可以看出车辆b和司机d满负荷运行时增加的四班次的发车时间都没有超出15:00:00到17:30:00的限制,因此在时间维度上能够完成所分配的班次数;
表2车辆b和司机d满负荷运行时的结果
步骤4,调度中心后台生成调整后所述时间段内的车辆司机集合X{(车辆1、司机1),(车辆2、司机2),(车辆3、司机3),……},和调整后所有班次的发车时间点的集合Y{班次时间1,班次时间2,班次时间3,……};
步骤41,调度中心后台生成调整后所述时间段内的车辆司机集合X,具体为,所述时间段内原所有未发车班次对应的车辆司机的集合(如表1所示)加上要调整的班次对应的车辆司机的集合,调整后的结果如表3所示,得到62个班次信息,其中前。
表3生成的调整后所述时间段内的车辆司机集合X
序号 车辆编号 计划运行时间/min 司机编号
1 1209 30 115
2 1150 30 101
3 1196 30 102
…… …… …… ……
56 1201 30 107
57 1202 30 108
58 1203 30 109
59 b 30 d
60 b 30 d
61 b 30 d
62 b 30 d
步骤42,调度中心后台生成调整后所有班次的发车时间点的集合Y,具体为:根据增加的班次数量,按照客流量大的时间分段增加的班次多,客流量小的时间分段增加的班次少的原则,重新制定的发车时间点的集合,所述时间分段为根据历史客流大数据的时间峰段模型对所述时间段内的58个班次匹配拆分成的3个小段时间,并且可以得出其中的班次数量和发班间隔,如表4所示:
表4根据时间峰段模型匹配拆分结果
从上表可以看出时间段(15:00:00到17:30:00)被拆分成3个时间分段,调整前三个时间分段的的班次数量分别为18、24、16,则时间段内的班次总数为58,则时间分段的调整系数分别为18/58、24/58、16/58,增加的班次数量为4,通过计算可以得出时间分段1增加班次为1(4*18/58=1.24≈1),时间分段2增加班次为2(4*24/58=1.66≈2),时间分段3增加班次为1(4*16/58=1.10≈1)。关于增加的班次的方向,取决于原有的上下行班次数量,优先增加班次少的方向,若两方向班次相同,则从上行开始增加;增加班次后的发车间隔结果如表5所示:把所述时间分段按照其调整后的班次数平均,即得到时间分段内的发车间隔和发车时间,从而得到整个时间段的发车间隔和发车时间,其中客流模型1中增班后上行发班间隔为(9-1)*7'/(10-1)≈6'13”,其中(9-1)为客流模型1中原发车间隔数,7'为原发车间隔,(10-1)为增班后发车间隔数,同理可以得出客流模型2中增班后上行发班间隔为4'35”,增班后下行发班间隔为4'35”,客流模型3中增班后下行发班间隔为3'4”,计算结果如表5所示:
表5每个时间分段增加班次的发车间隔情况表
按照表5中的发车间隔生成调整后所有班次的发车时间点的集合Y,如表6所示,上述计算调整后发车间隔的方法使得每个时间分段的首班车的发车时间不变,末班车的发车时间基本不变,仅仅当发班间隔的计算有四舍五入时,会出现微小的变动。
表6增班调整后所有班次的发车时间点的集合Y
步骤5,调度中心后台将车辆司机集合X依次填充到班次时间点集合Y中,优先填充安排新增的车辆,使得新增班车满足时间维度的合理性即可,比如根据预计到站时间到站后停留10min,反向发车按照10min之后的首个发车时间发车;之后填充原有班次,保持原有的班次的顺序不变,按照原有车辆司机的顺序依次填充,同时依次判断时间维度的合理性,即依次判断某车辆司机的班次出发时间是否早于其上一班次的预计到达时间,若是,则更换后续班次的车辆司机或者与后面班次进行调整;而本次调整的班次中不存在时间维度的不合理性,即得到调整排班的结果,如表7所示。
表7增班调整排班结果
步骤6,调整后的排班计划经过调度人员进一步确认或修改后,由调度中心将其发送至车载智能终端设备,车载智能终端设备通过语音提示和屏幕显示的方式呈现调整后的排班计划。
实施例二:
此实施例与实施例一不同的地方是针对减少班次的班次调整情况,其中涉及到的与实施例一相同的表格,此处不再重复。
步骤1,车载智能终端设备接收司机上报的司机车辆故障的事件类型的指令,并将其和事件发生时的时间、客流人数、位置、速度、车辆、司机等详细信息传输至调度中心。
步骤2,调度中心的调度人员通过判断发出调整班次的指令。
步骤3,调度中心接收调度人员的班次调整的详细指令,调度人员的详细指令为减少班次数为4班,减少的车辆司机为车辆编号为1208和司机编号为114(车辆和司机是一一对应的),减少的线路为19路,时间段为2018年08月20日下午15:00:00到17:30:00(车辆故障时间段),表1为此时间段内原公交排班情况。
步骤31,调度中心判断班次调整的详细指令的合理性,具体为:
通过判断,所述时间段是未到来的某段时间,并且在该时间段内线路处于运营状态;且对应减少的班次数没有超出所述时间段内的原总班次数。将要减少的车辆编号为1208和司机编号为114的班次情况如表8所示:
表8减少班次的具体情况表
步骤32,因为减少班次的原因是由于车辆故障,所以进一步判断是否有可调换班次,若有可调换车辆司机,则优先通过调换方式调整,如果没有存在可调换车辆司机,则减去相关车辆,并对原排班进行时间上的均匀化。
步骤4,调度中心后台生成调整后所述时间段内的车辆司机集合X{(车辆1、司机1),(车辆2、司机2),(车辆3、司机3),……},和调整后所有班次的发车时间点的集合Y{班次时间1,班次时间2,班次时间3,……};
步骤41,调度中心后台生成调整后所述时间段内的车辆司机集合X,即在表1的基础上去掉表8中的四个班次,其他班次顺序不变,即可得到调整后的所述时间段内的车辆司机集合X。
步骤42,调度中心后台生成调整后所有班次的发车时间点的集合Y,具体为:根据减少的班次数量,按照客流量大的时间分段减少的班次多,客流量小的时间分段减少的班次少的原则,重新制定的发车时间点的集合,所述时间分段为根据历史客流大数据的时间峰段模型对所述时间段匹配拆分成的3个小段时间,并且可以得出其中的班次数量和发班间隔,如实施例1中的表4所示。
从表4可以看出时间段(15:00:00到17:30:00)被拆分成3个时间分段,调整前三个时间分段的的班次数量分别为18、24、16,则时间段内的班次总数为58,则时间分段的调整系数分别为18/58、24/58、16/58,减少的班次数量为4,通过计算可以得出时间分段1减少班次为1(4*18/58=1.24≈1),时间分段2减少班次为2(4*24/58=1.66≈2),时间分段3减少班次为1(4*16/58=1.10≈1)。关于减少的班次的方向,决定于原有的上下行班次数量,优先较少班次多的方向,若两方向班次相同,则从上行开始减少;减少班次后的发车间隔结果如表9所示:把所述时间分段按照其调整后的班次数平均,即得到时间分段内的发车间隔和发车时间,从而得到整个时间段的发车间隔和发车时间,如客流模型1中减班次后上行发班间隔为(9-1)*7'/(8-1)=8',其中(9-1)为原发车间隔数,7'为原发车间隔,(10-1)为增班后发车间隔数,同理可以得出客流模型2中增班后上行发班间隔为4'35”,增班后下行发班间隔为4'35”,客流模型3中增班后下行发班间隔为3'4”。
表9每个时间分段减少班次的发车间隔情况表
按照表5中的发车间隔生成调整后所有班次的发车时间点的集合Y,如表10所示,上述计算调整后发车间隔的方法使得每个时间分段的首班车的发车时间不变,末班车的发车时间基本不变,仅仅当发班间隔的计算有四舍五入时,会出现微小的变动。
表10减班调整后所有班次的发车时间点的集合Y
步骤5,调度中心后台将车辆司机集合X依次填充到班次时间点集合Y中,尽量保持原有的班次的顺序不变,减少班次不存在时间维度上的不合理性,即得到调整排班的结果,如表11所示。
表11减班调整排班结果
步骤6,调整后的排班计划经过调度人员进一步确认或修改后,由调度中心将其发送至车载智能终端设备,车载智能终端设备通过语音提示和屏幕显示的方式呈现调整后的排班计划。
以上结合附图对本发明进行了示例性描述,显然,本发明具体实现并不受上述方式的限制,凡是采用了本发明的方法构思和技术方案进行的各种非实质性的改进;或者未经改进、等同替换,将本发明的上述构思和技术方案直接应用于其他场合的,均在本发明的保护范围之内。

Claims (5)

1.基于车载智能终端设备和历史客流大数据的班次调整方法,其特征在于,包含以下步骤:
步骤1,车载智能终端设备接收司机上报的事件类型的指令,并将所述事件类型和所述车载智能终端设备采集到的事件发生时的详细信息传输至调度中心,所述事件类型包括车辆故障、司机原因、设备故障、班次晚点、司机请求恢复运营,所述事件发生时的详细信息包括时间、位置、客流人数、线路、速度、车辆、司机;
步骤2,调度中心的调度人员判断是否要发出调整班次的指令,若发出指令,则进行下一步操作,若不发出指令,则班次不调整,流程结束;
步骤3,调度中心接收调度人员的班次调整的详细指令,所述详细指令包括根据事件类型确定的增加班次或减少班次,及对应增加或者减少的班次数、时间段、车辆司机、线路、班次号;
步骤4,生成调整后所述时间段内的车辆司机集合X{(车辆1,司机1),(车辆2,司机2),(车辆3,司机3),……},和调整后所有班次的发车时间点的集合Y{(发班时间1,到站时间1),(发班时间2,到站时间2),(发班时间3,到站时间3),……};
步骤41,生成调整后所述时间段内的车辆司机集合X,具体为,用所述时间段内原所有未发车班次对应的车辆司机,按照原来的顺序形成的集合加上或者减去要调整的班次对应的车辆司机的集合;
步骤42,调整所有班次的发车时间点的集合Y,具体方法为:根据增加或者减少的班次数量,按照客流量大的时间分段增加或者减少的班次多,客流量小的时间分段增加或者减少的班次少的原则,重新制定的发车时间点的集合,所述时间分段为根据历史客流大数据的时间峰段模型对所述时间段匹配拆分成的数个小段时间;所述峰段模型是根据历史客流大数据的特点划分的不同条件下的客流峰段,包括高峰、次高峰、平峰、谷峰,所述历史客流大数据为不同环境因素、不同时间、不同站点的上下车客流数据;
步骤5,将车辆司机集合X填充到班次时间点集合Y中,当增加班次时,优先填充增加的班次,再依次填充原来班次,当减少班次时,依次填充剩余班次,填充的同时判断时间维度的合理性,即依次判断某车辆司机的班次出发时间是否早于其上一班次的预计到达时间,若是,则更换后续班次的车辆司机或者与后面班次进行调整;
步骤6,调整后的排班计划经过调度人员进一步确认或修改后,由调度中心将其发送至车载智能终端设备,车载智能终端设备通过语音提示和屏幕显示的方式呈现调整后的排班计划。
2.根据权利要求1所述的基于车载智能终端设备和历史客流大数据的班次调整方法,其特征在于,所述步骤3还包括如下步骤:
步骤31,调度中心判断班次调整的详细指令的合理性,具体为:
判断所述时间段是否是未到来的某段时间,并且在该时间段内线路是否处于运营状态;
当增加班次时,判断对应增加的车辆司机在所述时间段内是否有其他班次安排,且判断所述车辆司机在所述时间段内,在时间维度上是否能够完成所分配的班次数,即其发车时间是否小于其上一班次的预计到达时间;
当减少班次时,判断对应减少的班次数是否超出了所述时间段内的原总班次数。
3.根据权利要求2所述的基于车载智能终端设备和历史客流大数据的班次调整方法,其特征在于,所述步骤3还包括步骤32:
步骤32,当减少班次是由于车辆故障、司机原因、设备故障等原因时,则考虑是否有可调换的其他车辆司机,若有,则按照调换车辆司机的方式进行班次调整;当减少班次是由于班次晚点时,判断是否有可调换班次,具体方法为:当车辆A时间维度上赶不上其下一班次的发车时间时,若存在车辆B赶得上车辆A的下一班次的发车时间,同时车辆A赶得上车辆B的下一班次的发车时间,则调换A车辆和B车辆接下来的所有班次。
4.根据权利要求1所述的基于车载智能终端设备和历史客流大数据的班次调整方法,其特征在于,所述步骤42的生成所述班次时间点的集合的具体方法如下:若所述时间段拆分成n个时间分段,调整前每个时间分段的班次数量为Ni,则时间段内的班次总数为则时间分段的调整系数为Ci,Ci=Ni/sum,若增加或者减少的班次数量为m,则每个时间分段增加或者减少的班次数为mi,mi=Round(m*Ci),其中Round为四舍五入函数,进一步判断∑mi是否与m相同,如果不同,mi的值重新确定,mi=INT(m*Ci)+λ,其中INT为取整函数,λ取值0或1:按照((m*Ci)-INT(m*Ci))的数值从大到小的顺序排列,前(m-INT(m*Ci))个的Ci对应的λ取值1,剩余的Ci对应的λ取值0;即每个时间分段调整后的班次数为Ni±mi;把所述时间分段按照其调整后的班次数平均,即得到时间分段内的发车间隔和发车时间,从而得到整个时间段的发车间隔和发车时间。
5.根据权利要求1-4所述的任一基于车载智能终端设备和历史客流大数据的班次调整方法,其特征在于,所述班次的预计到站时间的计算方法具体为:统计该班次所在线路在相同环境条件下的数天历史班次用时信息,在其发车时间前后各0.5~1小时的时间段内的所有发车记录,去除班次用时较少或用时较多的各0~20%,剩余的班次用时Ti的集合用M表示:M{T1、T2、T3、T4、……Tm};其中Ti为该n个站点的线路上相邻两站的用时ti的加和:
(1)对于未发车班次,班次用时集合M的平均值A即为所述未发车班次的预计用时,则未发班次的到达时间即为其发车时间加上其预计用时;
(2)对于目前到达n'站的已发班次,分别计算该线路上此站之前的用时T'i,则此站之前的平均用时A1 则此站之后的平均用时A2=A-A1;该班车到达此站的实际用时为B1,则此站之后的预计用时B2=A2*B1/A1,则已发班次的预计到达时间为到达n'站的时间加上此站之后的预计用时B2
CN201811059858.XA 2018-09-12 2018-09-12 基于车载智能终端设备和历史客流大数据的班次调整方法 Active CN108898872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811059858.XA CN108898872B (zh) 2018-09-12 2018-09-12 基于车载智能终端设备和历史客流大数据的班次调整方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811059858.XA CN108898872B (zh) 2018-09-12 2018-09-12 基于车载智能终端设备和历史客流大数据的班次调整方法

Publications (2)

Publication Number Publication Date
CN108898872A true CN108898872A (zh) 2018-11-27
CN108898872B CN108898872B (zh) 2019-06-14

Family

ID=64359025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811059858.XA Active CN108898872B (zh) 2018-09-12 2018-09-12 基于车载智能终端设备和历史客流大数据的班次调整方法

Country Status (1)

Country Link
CN (1) CN108898872B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009153A (zh) * 2019-04-04 2019-07-12 南京行者易智能交通科技有限公司 一种基于od客流的公交排班优化方法及系统
CN111160720A (zh) * 2019-12-11 2020-05-15 青岛海信网络科技股份有限公司 一种公交调度事件自动处置方法及装置
CN111161534A (zh) * 2019-12-19 2020-05-15 南京行者易智能交通科技有限公司 一种基于WiFi探针的公交精准OD数据的采集系统及方法
CN111275316A (zh) * 2020-01-17 2020-06-12 海南太美航空股份有限公司 一种航班时刻优化的方法和系统
CN111891182A (zh) * 2020-08-10 2020-11-06 天津七一二通信广播股份有限公司 一种基于分段的地铁调度方法
CN112288205A (zh) * 2019-10-18 2021-01-29 南京行者易智能交通科技有限公司 一种驾驶员实时调度方法、装置,及移动端设备
CN112396271A (zh) * 2019-08-16 2021-02-23 顺丰科技有限公司 车辆排班时间还原的方法及系统
CN112419705A (zh) * 2020-11-06 2021-02-26 杭州图软科技有限公司 一种基于大数据的公交智能调度系统
CN113256960A (zh) * 2021-04-16 2021-08-13 四川锐明智通科技有限公司 一种车辆的调度方法、装置、终端设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520945A (zh) * 2008-02-29 2009-09-02 厦门雅迅网络股份有限公司 城市公交线路自动排班方法
CN101571996A (zh) * 2009-06-10 2009-11-04 上海理工大学 城市公交智能化应急管理方法
CN102157075A (zh) * 2011-03-15 2011-08-17 上海交通大学 公交到站的预测方法
KR20110117041A (ko) * 2011-09-19 2011-10-26 서울대학교산학협력단 서비스주기율표 생성방법
CN203217788U (zh) * 2013-03-26 2013-09-25 天津斯凯沃德信息科技有限公司 公交汽车的调度系统
CN103886743A (zh) * 2014-04-16 2014-06-25 湖州朗讯信息科技有限公司 一种城市公交运营方案优化方法
CN104217582A (zh) * 2014-09-02 2014-12-17 南通北城科技创业管理有限公司 一种公交智能调度系统
CN107563563A (zh) * 2017-09-07 2018-01-09 深圳市蓝泰源信息技术股份有限公司 一种公交系统的基于大数据客流预测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520945A (zh) * 2008-02-29 2009-09-02 厦门雅迅网络股份有限公司 城市公交线路自动排班方法
CN101571996A (zh) * 2009-06-10 2009-11-04 上海理工大学 城市公交智能化应急管理方法
CN102157075A (zh) * 2011-03-15 2011-08-17 上海交通大学 公交到站的预测方法
KR20110117041A (ko) * 2011-09-19 2011-10-26 서울대학교산학협력단 서비스주기율표 생성방법
CN203217788U (zh) * 2013-03-26 2013-09-25 天津斯凯沃德信息科技有限公司 公交汽车的调度系统
CN103886743A (zh) * 2014-04-16 2014-06-25 湖州朗讯信息科技有限公司 一种城市公交运营方案优化方法
CN104217582A (zh) * 2014-09-02 2014-12-17 南通北城科技创业管理有限公司 一种公交智能调度系统
CN107563563A (zh) * 2017-09-07 2018-01-09 深圳市蓝泰源信息技术股份有限公司 一种公交系统的基于大数据客流预测方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009153A (zh) * 2019-04-04 2019-07-12 南京行者易智能交通科技有限公司 一种基于od客流的公交排班优化方法及系统
CN110009153B (zh) * 2019-04-04 2020-07-03 南京行者易智能交通科技有限公司 一种基于od客流的公交排班优化方法及系统
CN112396271A (zh) * 2019-08-16 2021-02-23 顺丰科技有限公司 车辆排班时间还原的方法及系统
CN112288205B (zh) * 2019-10-18 2024-02-27 南京行者易智能交通科技有限公司 一种驾驶员实时调度方法、装置,及移动端设备
CN112288205A (zh) * 2019-10-18 2021-01-29 南京行者易智能交通科技有限公司 一种驾驶员实时调度方法、装置,及移动端设备
CN111160720A (zh) * 2019-12-11 2020-05-15 青岛海信网络科技股份有限公司 一种公交调度事件自动处置方法及装置
CN111161534A (zh) * 2019-12-19 2020-05-15 南京行者易智能交通科技有限公司 一种基于WiFi探针的公交精准OD数据的采集系统及方法
CN111275316A (zh) * 2020-01-17 2020-06-12 海南太美航空股份有限公司 一种航班时刻优化的方法和系统
CN111275316B (zh) * 2020-01-17 2021-05-25 海南太美航空股份有限公司 一种航班时刻优化的方法和系统
CN111891182B (zh) * 2020-08-10 2022-05-17 天津七一二移动通信有限公司 一种基于分段的地铁调度方法
CN111891182A (zh) * 2020-08-10 2020-11-06 天津七一二通信广播股份有限公司 一种基于分段的地铁调度方法
CN112419705A (zh) * 2020-11-06 2021-02-26 杭州图软科技有限公司 一种基于大数据的公交智能调度系统
CN112419705B (zh) * 2020-11-06 2021-10-19 杭州图软科技有限公司 一种基于大数据的公交智能调度系统
CN113256960A (zh) * 2021-04-16 2021-08-13 四川锐明智通科技有限公司 一种车辆的调度方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN108898872B (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN108898872B (zh) 基于车载智能终端设备和历史客流大数据的班次调整方法
US7706968B2 (en) System and method for characterizing traffic behavior at an airport
CN103218681B (zh) 航空枢纽应急管控方法
US10279818B2 (en) Method for directing passengers of public means of transport
US6058370A (en) Method of forecasting ambulance service demand
US6393359B1 (en) System and method for estimating aircraft flight delay
CN102737129A (zh) 一种公交车辆区域行车时刻表编制的方法
CN102883374A (zh) 一种卫星通信系统的资源分配方法
CN108615391A (zh) 一种公交智能调度方法、系统及介质
CN107085749B (zh) 预测性多模式陆上运输监管
CN103793760A (zh) 多模式综合交通枢纽内部客流换乘分配比例优化方法
CN103332542A (zh) 一种电梯群控系统的客流峰值感知方法与自适应派梯方法
CN105959233A (zh) 基于流式计算的移动终端流量分发系统及方法
CN109660465A (zh) 一种路侧单元辅助的车联网负载均衡路由方法
CN111047228B (zh) 公交站点的分站方法及系统
D’Acierno et al. Assumptions and simulation of passenger behaviour on rail platforms
CN107147734A (zh) 一种基于两级转发的网络流量线程级动态负载均衡方法及系统
CN112465177B (zh) 一种基于大数据分析的公交线路优化系统及方法
CN111243198A (zh) 一种民航机场市区内移动值机站点方法和系统
CN113223330B (zh) 一种基于航班流量限制的航班调减方法和系统
Kukkalli et al. Evaluation of multi-operator dynamic 5G network slicing for vehicular emergency scenarios
CN112784204A (zh) 面向不确定需求的列车时刻表与客流控制鲁棒优化方法
CN108831147B (zh) 一种基于数据驱动的城市公交宏观行驶波动性的观测方法
CN109272204B (zh) 一种城市地铁网络储备容量的评估方法
Shuib et al. TAZ_OPT: A goal programming model for ambulance location and allocation

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