CN109255972A - 一种基于大数据的地面公交固定线路时刻表的优化方法 - Google Patents
一种基于大数据的地面公交固定线路时刻表的优化方法 Download PDFInfo
- Publication number
- CN109255972A CN109255972A CN201811055557.XA CN201811055557A CN109255972A CN 109255972 A CN109255972 A CN 109255972A CN 201811055557 A CN201811055557 A CN 201811055557A CN 109255972 A CN109255972 A CN 109255972A
- Authority
- CN
- China
- Prior art keywords
- bus
- station
- data
- time
- conllinear
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000001680 brushing effect Effects 0.000 claims abstract description 15
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000004020 conductor Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic 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
-
- 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"
-
- G06Q50/40—
Abstract
本发明公开了一种基于大数据的地面公交固定线路时刻表的优化方法,首先,针对所要研究的目标线路,根据GPS轨迹数据,提取出所有共线公交线路;提取共线公交线路的IC刷卡数据,单位时间内到各站的车辆数数据;提取车辆运行时间数据。其次,对提取出的各项数据进行分析和处理。基于客流数据计算出乘客偏好系数,确定公交线路的全天工作时段、公交服务车辆的最大载客量、标准满载率、首末车发车时间以及最大、最小发车间隔。再次,将处理好的数据输入到构建好的多目标优化模型当中得到优化的公交发车时刻表。本发明提出的地面公交固定线路时刻表的优化方法,能够满足客流需求,增强公交运营效率,降低公交行驶延误,提高服务可靠性,提高乘客满意度。
Description
技术领域
有效的公交发车时刻表是平衡乘客的服务需求与公交企业的运营成本之间矛盾的重要手段。本发明在不增加公交运营成本的前提下,利用海量的IC卡刷卡数据与GPS轨迹数据,对共线公交线路的客流进行OD客流分配,对公交发车时刻表进行优化,将公交发车间隔和可变的公交出行需求进行关联匹配,提高上座率,控制满载率,得到目标路线的最佳运营时刻表,对提高公交运营效率及满意度有重要作用,属于城市公共交通系统领域。
背景技术
公交是城市基础设施建设的重要组成部分。时刻表优化对于提高公交企业经济效益、提升市民出行质量具有重要意义。
公交数据来自基础设施、IC卡、车载GPS、手机基站等多个数据源,具有体量大、种类多、速度快、真实性强等显著特征,能够透视复杂现象真实地记录乘客、车辆、线路与路网行为。然而,目前我国大部分公交企业在调度管理环节很少借力公交数据,引发诸多问题。例如,调度人员依据主观经验确定发车时刻表与司乘人员配班计划,缺乏科学依据;采用人工计数方式统计客流,在高峰时段误差很大。同时,在我国地铁运营里程持续增长、规模不断扩大的背景下,公交上座率持续下降。
因此,当前公交企业如果能够在内外部因素的共同作用下,有效地利用公交数据进行客流分配,时刻表优化研究,这样就可以提高公交上座率,真正实现公交数据的决策有用性。
发明内容
针对目前国内公交时刻表人工定制为主,以及沿线公交运行和客流需求数据获取困难等问题,本发明提出了一种基于大数据的地面公交固定线路时刻表的优化方法,该方法基于城市公交调度中同型车的公交车辆分配与发车频率优化的问题进行建模;同时基于多条公交线路的发车频率及客流量数据,提出了在目标线路的客流运载量最大化,总在途运行时间最小化,满载率最接近标准满载率的目标下,建立公交发车频率优化问题的模型,对原有的公交时刻表进行优化,以得到适应沿线交通状况和公交客流需求的公交时刻表。
本发明提出的一种基于大数据的地面公交固定线路时刻表的优化方法,通过以下步骤实现:
(1)根据道路信息,对目标线路中的站点信息进行筛选,提取出具体交通地点的GPS点坐标;通过对交通地点的GPS点坐标的中心坐标地图进行匹配,识别出所研究的目标线路的单趟公交车的GPS轨迹数据;
(2)针对所研究的目标线路,基于GPS轨迹数据提取出所有与目标线路有重合部分的公交线路即共线公交线路;对所有共线公交线路的IC卡刷卡数据、GPS轨迹数据进行收集;
(3)对步骤(2)收集的IC卡刷卡数据、GPS轨迹数据进行预处理,所述预处理包括通过清洗、转换和/或规约化处理解决底层数据冗余、缺失、噪音等问题;
(4)通过对公交车行驶方向进行标注,将步骤(3)预处理后的IC卡刷卡数据与预处理后GPS轨迹数据进行交叉匹配,并基于上下车时间记录校正上下车位置数据,得到精准的IC卡刷卡数据。
(5)针对既有公交线路,处理IC卡刷卡数据,得到OD客流数据,开展大样本个体统计分析,刻画群体乘客在共线公交线路之间的选择偏好,构建共线客流时空分配模型,预测不同调度计划下的共线公交线路的客流量;
(6)结合步骤(5)预测的客流量,综合考虑客流量、运营效率目标及乘客舒适度、安全性的满载率约束,避开拥堵时段,调整公交运营时刻表。
进一步的,上述基于大数据的地面公交固定线路时刻表的优化方法中,所述步骤(5)中所述刻画群体乘客在共线公交线路之间的选择偏好。具体为:基于历史数据,刻画群体乘客在共线公交线路之间的选择偏好系数为:
其中,λij为群体乘客在共线公交线路中从第i站到第j站选择目标线路的偏好系数;i,j为公交停靠站点,i,j=1,2,…,I;nli为目标公交线的服务车辆在第l个时间段内到达第i站的车次;mlij为除所优化线路的其它共线公交线路在第l个时间段内到达第i站并经过j站的车次;Qlij为在目标线路第l个时间段内从第i站并去往j站的乘客数量;Pij为所有共线公交线路在第l个时间段内从第i站并去往第j站的乘客总数。
进一步的,上述基于大数据的地面公交固定线路时刻表的优化方法中,所述步骤(5)中的共线客流时空分配模型具体为:
其中,Q为一天运行时间内,目标线路所承载的总客流量;l为一天中的第l个时间段,l=1,2,…,L;λij为群体乘客在共线公交线路中从i站到j站选择目标线路的偏好系数;i,j为公交停靠站点,i,j=1,2,…,I;nli为目标公交线车辆在第l个时间段内到达第i站的车次;mlij为其它共线公交线路在第l个时间段内到达第i站并经过j站的车次;Qlij为在目标线路第l个时间段内从第i站并去往j站的乘客数量。
进一步的,上述基于大数据的地面公交固定线路时刻表的优化方法中,通过车辆运行总时间最小化来提高运营效率目标:
其中,k为一天中发出的第k次车,k=1,2,…,K;tk,1为第k趟车在第一站的时刻即发出时间;tk,I为第k趟车在第I站的时刻即到站时间。
进一步的,上述基于大数据的地面公交固定线路时刻表的优化方法中,结合客流量预测结果,综合考虑客流量、运营效率目标及乘客舒适度、安全性,满载率αp应尽量接近一个预设的期望满载率α0,即min d++d-;其中:αp-α0+d--d+=0其中:车辆在高峰期的满载率,αp可以通过以下公式计算:
其中,C为目标线路的公交车所能容纳的最大乘客数量;αp为在l时段内车辆的满载率;f为站点,p为高峰期,p1为早高峰,p2为晚高峰,Qlij为在目标线路第l个时间段内从第i站并去往j站的乘客数量。
进一步的,上述基于大数据的地面公交固定线路时刻表的优化方法中,考虑公交线路的全天工作时段,即首班车发出时间Ts,末班车发出时间Te,相邻两班车之间的最大发车间隔Hmax,相邻两班车之间的最小发车间隔Hmin。结合目标线路的运行时间数据,时间流约束为:
其中:tk,i-1为第k次车在第i-1站的时刻,Ti i-1(tk,i-1)表示第k次车在第i-1站的时刻为tk,i-1,则其从第i-1站到第i站的运行时间,且:
其中:H(h=1,2,...,H)为将一天的公交运行时间的时间段,Th i-1表示在第h个时段内到达i-1站,则从第i-1站到第i站所需要的时间。
公交公司在实际运营中对最大最小发车间隔的限制约束:
Hmin≤tk,1-tk-1,1≤Hmax,k=2,3,...,K,
公交公司在实际运营中对首末班发车时间的限制约束:
t1,1=Ts,tK,1=Te.
进一步的,上述基于大数据的地面公交固定线路时刻表的优化方法中,通过构建发车时刻优化的多目标模型来调整公交的发车时间。
本发明采用上述技术方案,具有以下有益效果:
1.无需进行大规模的交通调查,节省了大量的人力和时间。只要公交车上装有AFC刷卡系统与GPS设备,即可基于IC刷卡数据与GPS轨迹数据,提取出所研究的目标线路所处的公交网即其所有的共线公交线路的OD客流数据,各线路车辆单位时间段内到各站频率及目标线路的车辆运行时间。
2.基于实际的公交运行数据和现实中对公交运行的约束,通过构建发车时刻优化的多目标模型来调整公交发车时间,无需人工主观制定,在极大提高公交时刻表优化科学性的同时,也有效减少了公交调度人员的工作负担。
3.基于大数据的公交时刻表优化研究,利用真实的历史数据,将最新的历史数据输入模型并得到最新的优化时刻表,提高了时刻表的可靠性。
4.建立“用数据规划、用数据决策、用数据管理”的公交调度方法,全面提升城市公交的调度与管理水平。并且没有严格的交通状况限制,在各种城市公交系统中都具有普适性。
附图说明
图1为基于大数据的公交时刻表优化过程示意图;
图2为共线公交线路的客流分配图;
图3为数据处理过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
由于“基于大数据的地面公交固定线路时刻表的优化方法”,首先需要确定的是与研究的目标线路共线的所有公交线路,然后根据实时反馈的客流,路网运行时间等数据,不断更新每一天的公交发车时刻表。
如图2所示,为共线公交线路的客流分配图。若研究线路共经过5个公交站,则乘客的OD为从站1到站2、3、4、5,从站2到站3、4、5,从站3到站4、5,从站4到站5。在这些OD对中,所研究的目标线路与其所有共线公交线路共同分享客流。而目标线路能够获得的客流量与其到达每一站的频率、所有共线公交线路到达每一站的频率和乘客偏好系数有关。
如图3所示,为数据处理过程示意图。基于公交GPS轨迹数据和公交IC刷卡数据,提取模型中需要的相关数据并对其进行数据处理,得到OD共线客流数据,目标车辆运行时间数据,乘客乘车偏好数据和车辆到站频率数据。
构建多目标模型优化公交运营时刻表来调整公交车辆的发车时间,基于大数据的公交时刻表优化过程如图1所示。首先,基于公交路网大数据提取车辆运行时间数据,基于公交运营大数据提取GPS轨迹数据和IC刷卡数据。对GPS轨迹数据和IC刷卡数据进行处理,提取出所有共线公交线路,并对共线公交线路特征、共线客流的OD站、客流时空分布特点和乘客乘车偏好特征进行分析。其次,构建客流量、运行时间和满载率三个目标;分析实际运营中的五峰,并结合实际中易用性要求、容错性要求、司乘人员工作时长限制、合理停站时长限制等来建立约束条件,得到完整的多目标公交时刻表优化模型。再次,将处理好的数据输入到构建好的多目标优化模型当中,运用运筹学优化方法,得到优化的公交发车时刻表。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于大数据的地面公交固定线路时刻表的优化方法,其特征在于,通过以下步骤实现:
(1)根据道路信息,对目标线路中的站点信息进行筛选,提取出具体交通地点的GPS点坐标;通过对交通地点的GPS点坐标的中心坐标地图进行匹配,识别出所研究的目标线路的单趟公交车的GPS轨迹数据;
(2)针对所研究的目标线路,基于GPS轨迹数据提取出所有与目标线路有重合部分的公交线路即共线公交线路;对所有共线公交线路的IC卡刷卡数据、GPS轨迹数据进行收集;
(3)对步骤(2)收集的IC卡刷卡数据、GPS轨迹数据进行预处理,包括:清洗、转换和/或规约化处理;
(4)对公交车行驶方向进行标注,将步骤(3)预处理后的IC卡刷卡数据与预处理后GPS轨迹数据进行交叉匹配,并基于上下车时间记录校正上下车位置数据,得到精准的IC卡刷卡数据;
(5)针对既有公交线路,处理IC卡刷卡数据,得到OD客流数据,开展大样本个体统计分析,刻画群体乘客在共线公交线路之间的选择偏好,构建共线客流时空分配模型,预测不同调度计划下的共线公交线路的客流量;
(6)结合步骤(5)预测的客流量,综合考虑客流量、运营效率目标及乘客舒适度、安全性的满载率约束,避开拥堵时段,调整公交运营时刻表。
2.根据权利要求1所述的基于大数据的地面公交固定线路时刻表的优化方法,其特征在于:所述步骤(5)中所述刻画群体乘客在共线公交线路之间的选择偏好,具体为:基于历史数据,刻画群体乘客在共线公交线路之间的选择偏好系数为:
其中,λij为群体乘客在共线公交线路中从第i站到第j站选择目标线路的偏好系数;i,j为公交停靠站点,i,j=1,2,…,I;nli为目标公交线的服务车辆在第l个时间段内到达第i站的车次;mlij为除所优化线路的其它共线公交线路在第l个时间段内到达第i站并经过j站的车次;Qlij为在目标线路第l个时间段内从第i站并去往j站的乘客数量;Pij为所有共线公交线路在第l个时间段内从第i站并去往第j站的乘客总数。
3.根据权利要求1所述的基于大数据的地面公交固定线路时刻表的优化方法,其特征在于:所述步骤(5)中的共线客流时空分配模型具体为:
其中,Q为一天运行时间内,目标线路所承载的总客流量;l为一天中的第l个时间段,l=1,2,…,L;λij为群体乘客在共线公交线路中从i站到j站选择目标线路的偏好系数;i,j为公交停靠站点,i,j=1,2,…,I;nli为目标公交线车辆在第l个时间段内到达第i站的车次;mlij为其它共线公交线路在第l个时间段内到达第i站并经过j站的车次;Qlij为在目标线路第l个时间段内从第i站并去往j站的乘客数量。
4.根据权利要求1所述的基于大数据的地面公交固定线路时刻表的优化方法,其特征在于:通过车辆运行总时间最小化来提高运营效率目标:
其中,k为一天中发出的第k次车,k=1,2,…,K;tk,1为第k趟车在第一站的时刻即发出时间;tk,I为第k趟车在第I站的时刻即到站时间。
5.根据权利要求1所述的基于大数据的地面公交固定线路时刻表的优化方法,其特征在于:结合客流量预测结果,综合考虑客流量、运营效率目标及乘客舒适度、安全性,满载率αp应尽量接近一个预设的期望满载率α0,即min d++d-;其中:αp-α0+d--d+=0其中:车辆在高峰期的满载率,αp可以通过以下公式计算:
其中,C为目标线路的公交车所能容纳的最大乘客数量;αp为在l时段内车辆的满载率;f为站点,p为高峰期,p1为早高峰,p2为晚高峰,Qlij为在目标线路第l个时间段内从第i站并去往j站的乘客数量。
6.根据权利要求1所述的基于大数据的地面公交固定线路时刻表的优化方法,其特征在于:考虑公交线路的全天工作时段,即首班车发出时间Ts,末班车发出时间Te,相邻两班车之间的最大发车间隔Hmax,相邻两班车之间的最小发车间隔Hmin;
结合目标线路的运行时间数据,时间流约束为:
其中:tk,i-1为第k次车在第i-1站的时刻,Ti i-1(tk,i-1)表示第k次车在第i-1站的时刻为tk,i-1,则其从第i-1站到第i站的运行时间,且:
其中:H(h=1,2,...,H)为将一天的公交运行时间的时间段,Th i-1表示在第h个时段内到达i-1站,则从第i-1站到其下一站第i站所需要的运行时间;
公交公司在实际运营中对最大最小发车间隔的限制约束:
Hmin≤tk,1-tk-1,1≤Hmax,k=2,3,...,K,
公交公司在实际运营中对首末班发车时间的限制约束:
t1,1=Ts,tK,1=Te。
7.根据权利要求1所述的基于大数据的地面公交固定线路时刻表的优化方法,其特征在于,构建发车时刻优化的多目标模型来调整公交的发车时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811055557.XA CN109255972B (zh) | 2018-09-11 | 2018-09-11 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811055557.XA CN109255972B (zh) | 2018-09-11 | 2018-09-11 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255972A true CN109255972A (zh) | 2019-01-22 |
CN109255972B CN109255972B (zh) | 2019-12-10 |
Family
ID=65046671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811055557.XA Active CN109255972B (zh) | 2018-09-11 | 2018-09-11 | 一种基于大数据的地面公交固定线路时刻表的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255972B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886491A (zh) * | 2019-02-26 | 2019-06-14 | 北京工业大学 | 一种海量运行数据驱动的地面公交两阶段优化调度方法 |
CN110084505A (zh) * | 2019-04-22 | 2019-08-02 | 南京行者易智能交通科技有限公司 | 一种基于客流的智能排班方法及装置、移动端设备、服务器 |
CN112509357A (zh) * | 2020-11-19 | 2021-03-16 | 北京清研宏达信息科技有限公司 | 一种基于遗传算法的公交发车时间间隔优化方法 |
CN112801433A (zh) * | 2019-11-13 | 2021-05-14 | 武汉微品致远信息科技有限公司 | 公交集团智能一体化运营支撑平台 |
CN113033896A (zh) * | 2021-03-25 | 2021-06-25 | 福州市电子信息集团有限公司 | 一种智能公交调度方法及装置 |
CN113657672A (zh) * | 2021-08-18 | 2021-11-16 | 北京航空航天大学 | 一种基于动态规划的综合枢纽末班车衔接方法 |
CN115239030A (zh) * | 2022-09-23 | 2022-10-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市轨道交通交路时刻表优化方法、设备及存储介质 |
CN115691092A (zh) * | 2022-11-02 | 2023-02-03 | 中咨数据有限公司 | 一种针对公交数量指标运行状态的监测方法、系统及应用 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0877494A (ja) * | 1994-09-06 | 1996-03-22 | Matsushita Electric Ind Co Ltd | 交通案内装置 |
CN104573849A (zh) * | 2014-12-12 | 2015-04-29 | 安徽富煌和利时科技股份有限公司 | 基于arima模型预测客流的公交调度优化方法 |
CN105046379A (zh) * | 2015-09-09 | 2015-11-11 | 东南大学 | 一种城市公交发车时刻表优化方法 |
CN105894847A (zh) * | 2016-06-27 | 2016-08-24 | 华南理工大学 | 一种云平台环境下无监督学习的实时公交动态调度系统及方法 |
CN105913653A (zh) * | 2016-06-27 | 2016-08-31 | 华南理工大学 | 一种云平台环境下公共交通智能行车计划排班系统及方法 |
CN106448233A (zh) * | 2016-08-19 | 2017-02-22 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
CN106485912A (zh) * | 2016-10-24 | 2017-03-08 | 东南大学 | 一种基于公交站点信息化的普通公交动态调度方法 |
KR20170101491A (ko) * | 2016-02-29 | 2017-09-06 | 주식회사 씨엘 | 셔틀버스 도착예정안내 및 노선 최적화 방법 |
-
2018
- 2018-09-11 CN CN201811055557.XA patent/CN109255972B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0877494A (ja) * | 1994-09-06 | 1996-03-22 | Matsushita Electric Ind Co Ltd | 交通案内装置 |
CN104573849A (zh) * | 2014-12-12 | 2015-04-29 | 安徽富煌和利时科技股份有限公司 | 基于arima模型预测客流的公交调度优化方法 |
CN105046379A (zh) * | 2015-09-09 | 2015-11-11 | 东南大学 | 一种城市公交发车时刻表优化方法 |
KR20170101491A (ko) * | 2016-02-29 | 2017-09-06 | 주식회사 씨엘 | 셔틀버스 도착예정안내 및 노선 최적화 방법 |
CN105894847A (zh) * | 2016-06-27 | 2016-08-24 | 华南理工大学 | 一种云平台环境下无监督学习的实时公交动态调度系统及方法 |
CN105913653A (zh) * | 2016-06-27 | 2016-08-31 | 华南理工大学 | 一种云平台环境下公共交通智能行车计划排班系统及方法 |
CN106448233A (zh) * | 2016-08-19 | 2017-02-22 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
CN106485912A (zh) * | 2016-10-24 | 2017-03-08 | 东南大学 | 一种基于公交站点信息化的普通公交动态调度方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886491A (zh) * | 2019-02-26 | 2019-06-14 | 北京工业大学 | 一种海量运行数据驱动的地面公交两阶段优化调度方法 |
CN109886491B (zh) * | 2019-02-26 | 2021-02-26 | 北京工业大学 | 一种海量运行数据驱动的地面公交两阶段优化调度方法 |
CN110084505A (zh) * | 2019-04-22 | 2019-08-02 | 南京行者易智能交通科技有限公司 | 一种基于客流的智能排班方法及装置、移动端设备、服务器 |
CN112801433A (zh) * | 2019-11-13 | 2021-05-14 | 武汉微品致远信息科技有限公司 | 公交集团智能一体化运营支撑平台 |
CN112509357A (zh) * | 2020-11-19 | 2021-03-16 | 北京清研宏达信息科技有限公司 | 一种基于遗传算法的公交发车时间间隔优化方法 |
CN113033896A (zh) * | 2021-03-25 | 2021-06-25 | 福州市电子信息集团有限公司 | 一种智能公交调度方法及装置 |
CN113657672A (zh) * | 2021-08-18 | 2021-11-16 | 北京航空航天大学 | 一种基于动态规划的综合枢纽末班车衔接方法 |
CN115239030A (zh) * | 2022-09-23 | 2022-10-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市轨道交通交路时刻表优化方法、设备及存储介质 |
CN115239030B (zh) * | 2022-09-23 | 2023-02-14 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市轨道交通交路时刻表优化方法、设备及存储介质 |
CN115691092A (zh) * | 2022-11-02 | 2023-02-03 | 中咨数据有限公司 | 一种针对公交数量指标运行状态的监测方法、系统及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN109255972B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255972A (zh) | 一种基于大数据的地面公交固定线路时刻表的优化方法 | |
Vansteenwegen et al. | A survey on demand-responsive public bus systems | |
US20160231128A1 (en) | System and method for integrated trip planning based on fixed and flexible itinerary components | |
CN107036617B (zh) | 一种出租车与地铁组合的出行路线规划方法及系统 | |
CN107330547A (zh) | 一种城市公交动态调度优化方法及系统 | |
CN105225472A (zh) | 一种拼车方法与设备 | |
CN112819316B (zh) | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 | |
CN112085249B (zh) | 一种基于强化学习的定制公交线路规划方法 | |
WO2019003672A1 (ja) | 交通需要予測装置、及び交通需要予測方法 | |
JP2018084855A (ja) | 交通需給マッチングシステムおよび交通需給マッチング方法 | |
US20170011629A1 (en) | Public transit vehicle route schedule and notification system | |
Bie et al. | Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data | |
Huang et al. | Customized bus route optimization with the real-time data | |
JP7289949B2 (ja) | 公共輸送システムの制御装置、公共輸送システム、適応出発時間決定方法およびコンピュータプログラム製品 | |
Shan et al. | A framework for railway transit network design with first-mile shared autonomous vehicles | |
CN106530679B (zh) | 微公交运行管理系统及方法 | |
CN113408942B (zh) | 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法 | |
CN114154801A (zh) | 智慧公交组合调度方法、装置及存储介质 | |
CN112767685A (zh) | 基于定位和刷卡信息的公交客流分析系统 | |
CN116090785B (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 | |
Mátrai et al. | Route planning based on urban mobility management | |
Guo et al. | Trajectory data driven transit-transportation planning | |
Edwards et al. | The network-inspired transportation system: A hierarchical approach to integrated transit | |
CN114444789A (zh) | 一种基于多源数据的公交线网供需矩阵自主化构建方法 | |
Lei et al. | Research on multi-objective bus route planning model based on taxi GPS data |
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 |