CN109472392B - 一种形成无人驾驶公交接驳环线的方法 - Google Patents

一种形成无人驾驶公交接驳环线的方法 Download PDF

Info

Publication number
CN109472392B
CN109472392B CN201811116496.3A CN201811116496A CN109472392B CN 109472392 B CN109472392 B CN 109472392B CN 201811116496 A CN201811116496 A CN 201811116496A CN 109472392 B CN109472392 B CN 109472392B
Authority
CN
China
Prior art keywords
node
value
data
open list
forming
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
CN201811116496.3A
Other languages
English (en)
Other versions
CN109472392A (zh
Inventor
姚宝珍
谷晓宁
陈超
贾慧忠
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.)
Dalian University of Technology
Original Assignee
Dalian 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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201811116496.3A priority Critical patent/CN109472392B/zh
Publication of CN109472392A publication Critical patent/CN109472392A/zh
Application granted granted Critical
Publication of CN109472392B publication Critical patent/CN109472392B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • 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)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种形成无人驾驶公交接驳环线的方法。本发明方法，包括以下步骤：S1：获取乘客公交刷卡OD数据，将所述OD数据形成OD矩阵；S2：根据所述OD矩阵，建立模型筛选目标站点；S3：采用A*算法，将目标站点形成接驳环线；S4：根据所述接驳环线提供接驳服务，实时通讯到路线导航平台，并按照周期统计，刷新OD数据；S5：返回到步骤S1。本发明的技术方案解决了现有技术中的公交线路覆盖面不足、换乘困难的问题。

Description

一种形成无人驾驶公交接驳环线的方法
技术领域
本发明涉及无人驾驶技术领域，具体而言，尤其涉及一种形成无人驾驶公交接驳环线的方法。
背景技术
目前无人驾驶公交车在国内外取得了广泛的关注和重大突破，并且在多地区取得成功试验。同时美、日、法等各国都在积极推动相关法律法规的修订，为“无人驾驶”提供政策保障，我国也在努力推动无人驾驶的发展，并且在北京已经开放智能网联汽车潮汐道路。随着国家支持，相关法案的完善和各个试点的逐步建成，无人驾驶技术日益完善。公共交通是一种社会群体型交通，对社会及经济发展有着重要作用。公共交通是公认的效率最高的交通方式，随着创建公交都市建设的推行及政府在公共交通事业投入的加大，近年来城市公共交通在运营线路、线网长度、线网密度、公交运营车辆总数及班次方面都有了较大的发展。交通运输本身具有复杂性和综合性，使得无人驾驶的上路存在较多制约，但是无人驾驶公交能够胜任路线固定和路况相对简单的城际公交。
现有技术中存在的问题、不足：
1.现有城市配套设施不完善，公交线路覆盖面有限，固定公交线路不可调整，灵活性差；
2.增加固定线路会造成人员、能源的极大消耗；
3.目前公交出行仍需要多次换乘、步行等；
4.部分线路安排乱，换乘困难；
5.线路调整更新不及时，外地人出行不熟悉环境，乘车困难；
6.城市道路、设施等情况限制，不能合理改变公交线路；
7.现有固定公交线路更改到实施的周期较长；
发明内容
根据上述提出现有公交线路覆盖面不足、换乘困难的技术问题，而提供一种无人驾驶公交接驳环线。本发明主要利用无人驾驶公交车作为公交线路换乘的接驳环线。环线根据居民公交出行的OD数据(起止点及上下车点信息)设计，周期统计各线路及站点的乘客出行及换乘情况，调整无人驾驶公交环线线路，从而起到缓解现有公交线路覆盖面不足、换乘困难等问题。
本发明采用的技术手段如下：
一种形成无人驾驶公交接驳环线的方法，包括以下步骤：
S1：获取乘客公交刷卡OD数据，将所述OD数据形成OD矩阵；
S2：根据所述OD矩阵，建立模型筛选目标站点；
S3：采用A*算法，将目标站点形成接驳环线；
S4：根据所述接驳环线提供接驳服务，实时通讯到路线导航平台，并按照周期统计，刷新OD数据；
S5：返回到步骤S1。
进一步地，所述步骤S2中筛选目标站点的过程如下：
S21：根据OD数据建立影响指标
Figure BDA0001810710510000021
其中，Q为客流量；N为换乘次数；D为步行距离；P1，P2，P3为增强系数；i表示第i个站点；
S22：对所述影响指标进行无量纲化处理，处理公式为：
Figure BDA0001810710510000022
其中，xij表示站点i的第j个影响指标(j＝1,2,3)，影响指标分别为客流量、换乘次数、步行距离；max表示第j个影响指标的最大值；min表示第j个影响指标的最小值；R表示最大值与最小值的差；
S23：将处理后的各站点指标进行整合，整合过程采用决策指标Wi＝k1wi1+k2wi2+k3wi3，并确定k1，k2，k3，使得在k1＞0，k2＞0，k3＞0，k1+k2+k3＝1的条件下，决策指标取值最大，选取目标起始站点。
进一步地，所述步骤S3中的将目标站点形成接驳环线的过程如下：
开放列表：将路径规划过程中待检测的节点存放于开放列表中，而已检测过的格子则存放于关闭列表中。
父节点：在路径规划中用于回溯的节点，开发时可考虑为双向链表结构中的父节点指针。
路径排序：具体往哪个节点移动由以下公式确定：F＝G+H。G代表的是从初始位置A沿着已生成的路径到指定待检测格子的移动开销。H指定待测格子到目标节点B的估计移动开销。
S31：将上述步骤S203中选取出的目标起始站点作为起始格加入开放列表；
S32：遍历开放列表，找到F值最小的节点，将其作为当前处理的节点，并将所述节点加入关闭列表中；F值越小，开放列表中找到的格子越靠谱
S33：对所述节点的8个相邻格子进行判断，如果格子是不可抵达的或者在关闭列表中，则忽略所述格子，否则进行如下操作：
S331：如果相邻格子不在开放列表中，把它加入开放列表，将父节点设置为所述节点进而计算F、G、H值；F＝G+H，其中，G表示从起点移动到网格上指定方格的移动耗费；H表示从指定的方格移动到终点的预计耗费；
S332：如果相邻格子已在开放列表中，并且新的G值比旧的G值小，则把相邻格子的父节点设置为该节点，并且重新计算F值；
S34：重复步骤S32、S33，直到终点站点作为终点格加入到开放列表中，表示找到路径，如果开放列表中为空，表示没有路径；如果开放列表已经为空，表示路径不存在；
S35：从终点格开始，沿着每一格子的父节点移动直到回到起始格，这就是路径。
较现有技术相比，本发明具有以下优点：
1.无人驾驶公交节省增加公交线路的人力支出、避免疲劳驾驶；
2.线路灵活可调整，能够根据需求满足不同线路站点之间的换乘环线服务；
3.增设换乘环线，方便居民出行，丰富城市服务；
4.通达性强，线路更加通畅灵活，可调节，可分布通达更多地点；
5.无人驾驶公交的通讯性强，可将路线、位置信息实时的传送到导航平台，进而更新路线信息；
6.能够为公交网络的线路更改的制定到实施过程提供缓冲服务；在现有公交线路不变的基础上，提供接驳、运输等功能；
7.周期调控，有利于改善网络化运营，提高无人驾驶公交接驳的运营效率和服务水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
图1为本发明方法步骤流程图。
图2为本发明一个实施例无人驾驶公交车接驳环线示意图。
图3为本发明另一个实施例无人驾驶公交车接驳环线示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，本发明提供了一种形成无人驾驶公交接驳环线的方法，包括以下步骤：
S1：获取乘客公交刷卡OD数据，将所述OD数据形成OD矩阵；
S2：根据所述OD矩阵，建立模型筛选目标站点；
步骤S2中筛选目标站点的过程如下：
S21：根据OD数据建立影响指标
Figure BDA0001810710510000051
其中，Q为客流量；N为换乘次数；D为步行距离；P1，P2，P3为增强系数；i表示第i个站点；
S22：对所述影响指标进行无量纲化处理，处理公式为：
Figure BDA0001810710510000052
其中，xij表示站点i的第j个影响指标(j＝1,2,3)，影响指标分别为客流量、换乘次数、步行距离；max表示第j个影响指标的最大值；min表示第j个影响指标的最小值；R表示最大值与最小值的差；
S23：将处理后的各站点指标进行整合，整合过程采用决策指标Wi＝k1wi1+k2wi2+k3wi3，并确定k1，k2，k3，使得在k1＞0，k2＞0，k3＞0，k1+k2+k3＝1的条件下，决策指标取值最大，选取目标起始站点。
S3：采用A*算法，将目标站点形成接驳环线；
S31：将上述步骤S203中选取出的目标起始站点作为起始格加入开放列表；
S32：遍历开放列表，找到F值最小的节点，将其作为当前处理的节点，并将所述节点加入关闭列表中；F值越小，开放列表中找到的格子越靠谱。
S33：对所述节点的8个相邻格子进行判断，如果格子是不可抵达的或者在关闭列表中，则忽略所述格子，否则进行如下操作：
S331：如果相邻格子不在开放列表中，把它加入开放列表，将父节点设置为所述节点进而计算F、G、H值；F＝G+H，其中，G表示从起点移动到网格上指定方格的移动耗费；H表示从指定的方格移动到终点的预计耗费；
S332：如果相邻格子已在开放列表中，并且新的G值比旧的G值小，则把相邻格子的父节点设置为该节点，并且重新计算F值；
S34：重复步骤S32、S33，直到终点站点作为终点格加入到开放列表中，表示找到路径，如果开放列表中为空，表示没有路径；如果开放列表已经为空，表示路径不存在；
S35：从终点格开始，沿着每一格子的父节点移动直到回到起始格，这就是路径。
S4：根据所述接驳环线提供接驳服务，实时通讯到路线导航平台，并按照周期统计，刷新OD数据；
S5：返回到步骤S1。
实施例1
如图2所示，本发明提供了一种无人驾驶公交接驳环线，目标起始站点：站点3、4、7、10、12、13、14、15、21、23。
具体步骤如下：
S1：交通部门获取线路1-6在A月份的乘客公交出行的刷卡数据，清理无效数据，形成OD矩阵；
表1线路1-6的IC卡数据格式
卡编码 上车点 上车时间 下车点 下车时间
53724532 3 08:15 15 09:22
45342242 5 08:11 13 09:15
58687344 23 14:23 3 15:02
82134786 14 09:14 2 10:07
41234865 21 11:19 10 11:54
76437868 2 10:02 7 10:21
76343877 4 13:51 15 14:23
76343783 6 16:36 21 17:11
13456766 17 12:33 10 12:58
…… …… …… …… ……
根据站点客流量及上下车点识别，建立站间出行OD矩阵：
Figure BDA0001810710510000061
Figure BDA0001810710510000071
S2：根据所述OD矩阵，建立模型筛选目标站点；
S21：根据OD数据建立影响指标：
Figure BDA0001810710510000072
其中，Q为客流量；N为换乘次数；D为步行距离；P1，P2，P3为增强系数；i表示第i个站点；
S22：对所述影响指标进行无量纲化处理，处理公式为：
Figure BDA0001810710510000073
其中，xij表示站点i的第j个影响指标(j＝1,2,3)，影响指标分别为客流量、换乘次数、步行距离；max表示第j个影响指标的最大值；min表示第j个影响指标的最小值；R表示最大值与最小值的差；
S23：将处理后的各站点指标进行整合，整合过程采用决策指标：Wi＝k1wi1+k2wi2+k3wi3，并确定k1，k2，k3，使得在k1＞0，k2＞0，k3＞0，k1+k2+k3＝1的条件下，决策指标取值最大，选取目标起始站点。
此处，若决策者更加重视换乘次数，可增大换乘次数的比重，即增大k2比例；本例调整k1＝0.3，k2＝0.5，k3＝0.3，得出各站点的决策指标整合结果如下：
站点 整合结果
1 0.601
2 0.307
3 0.644
4 0.639
5 0.502
……
选出整合结果值较高的站点：3、4、7、10、12、13、14、15、21、23。
S3：采用A*算法，将目标站点形成接驳环线：3→4→10→23→21→15→14→13→12→7→3。
S4：根据接驳环线提供接驳服务，实时通讯到路线导航平台，并按照周期统计，刷新OD数据；
S5：返回到步骤1。
实施例2
如图3所示，在实施例1的基础上，本发明还提供了一种无人驾驶公交接驳环线，目标起始站点：站点1、2、3、7、10、13、16、29。
具体步骤如下：
S1：交通部门获取线路1-6在B月份的乘客公交出行的刷卡数据，清理无效数据，形成OD矩阵；
表2线路1-6的IC卡数据格式
卡编码 上车点 上车时间 下车点 下车时间
13857313 5 09:22 4 09:34
23455240 1 09:15 14 10:01
42123434 4 15:02 12 15:23
20135476 12 10:07 3 10:55
84316315 24 11:54 21 12:12
13548754 15 10:21 23 10:43
98741315 19 14:23 11 14:53
98745614 21 17:11 9 17:59
12348687 3 12:58 10 13:30
…… …… …… …… ……
根据站点客流量及上下车点识别，建立站间出行OD矩阵：
Figure BDA0001810710510000081
Figure BDA0001810710510000091
S2：根据所述OD矩阵，建立模型筛选目标站点；
S21：根据OD数据建立影响指标：
Figure BDA0001810710510000092
其中，Q为客流量；N为换乘次数；D为步行距离；P1，P2，P3为增强系数；i表示第i个站点；
S22：对所述影响指标进行无量纲化处理，处理公式为：
Figure BDA0001810710510000093
其中，xij表示站点i的第j个影响指标(j＝1,2,3)，影响指标分别为客流量、换乘次数、步行距离；max表示第j个影响指标的最大值；min表示第j个影响指标的最小值；R表示最大值与最小值的差；
S23：将处理后的各站点指标进行整合，整合过程采用决策指标：Wi＝k1wi1+k2wi2+k3wi3，并确定k1，k2，k3，使得在k1＞0，k2＞0，k3＞0，k1+k2+k3＝1的条件下，决策指标取值最大，选取目标起始站点。
此处，若决策者更加重视换乘次数，可增大换乘次数的比重，即增大k2比例；本例调整k1＝0.3，k2＝0.5，k3＝0.3，得出各站点的决策指标整合结果如下：
站点 整合结果
1 0.611
2 0.608
3 0.632
4 0.501
5 0.499
……
选出整合结果值较高的站点：1、2、3、7、10、13、16、29。
S3：采用A*算法，将目标站点形成接驳环线：1→2→3→10→16→29→13→7→1。
S4：根据接驳环线提供接驳服务，实时通讯到路线导航平台，并按照周期统计，刷新OD数据；
S5：返回到步骤1。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。

Claims (1)

1.一种形成无人驾驶公交接驳环线的方法，其特征在于，包括以下步骤：
S1：获取乘客公交刷卡OD数据，将所述OD数据形成OD矩阵；
S2：根据所述OD矩阵，建立模型筛选目标站点；
所述步骤S2中筛选目标站点的过程如下：
S21：根据OD数据建立影响指标
Figure FDA0003201993000000011
其中，Q为客流量；N为换乘次数；D为步行距离；P1，P2，P3为增强系数；i表示第i个站点；
S22：对所述影响指标进行无量纲化处理，处理公式为：
Figure FDA0003201993000000012
其中，xij表示站点i的第j个影响指标(j＝1,2,3)，影响指标分别为客流量、换乘次数、步行距离；max表示第j个影响指标的最大值；min表示第j个影响指标的最小值；R表示最大值与最小值的差；
S23：将处理后的各站点指标进行整合，整合过程采用决策指标Wi＝k1wi1+k2wi2+k3wi3，并确定k1，k2，k3，使得在k1＞0，k2＞0，k3＞0，k1+k2+k3＝1的条件下，决策指标取值最大，选取目标起始站点；
S3：采用A*算法，将目标站点形成接驳环线；
所述步骤S3中的将目标站点形成接驳环线的过程如下：
S31：将上述步骤S23中选取出的目标起始站点作为起始格加入开放列表；
S32：遍历开放列表，找到F值最小的节点，将其作为当前处理的节点，并将所述节点加入关闭列表中；
S33：对所述节点的8个相邻格子进行判断，如果格子是不可抵达的或者在关闭列表中，则忽略所述格子，否则进行如下操作：
S331：如果相邻格子不在开放列表中，把它加入开放列表，将父节点设置为所述节点进而计算F、G、H值，F＝G+H；其中，G表示从起点移动到网格上指定方格的移动耗费；H表示从指定的方格移动到终点的预计耗费；
S332：如果相邻格子已在开放列表中，并且新的G值比旧的G值小，则把相邻格子的父节点设置为该节点，并且重新计算F值；
S34：重复步骤S32、S33，直到终点站点作为终点格加入到开放列表中，表示找到路径，如果开放列表中为空，表示没有路径；如果开放列表已经为空，表示路径不存在；
S35：从终点格开始，沿着每一格子的父节点移动直到回到起始格，即为接驳路线；
S4：根据所述接驳环线提供接驳服务，实时通讯到路线导航平台，并按照周期统计，刷新OD数据；
S5：返回到步骤S1。
CN201811116496.3A 2018-09-25 2018-09-25 一种形成无人驾驶公交接驳环线的方法 Active CN109472392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811116496.3A CN109472392B (zh) 2018-09-25 2018-09-25 一种形成无人驾驶公交接驳环线的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811116496.3A CN109472392B (zh) 2018-09-25 2018-09-25 一种形成无人驾驶公交接驳环线的方法

Publications (2)

Publication Number Publication Date
CN109472392A CN109472392A (zh) 2019-03-15
CN109472392B true CN109472392B (zh) 2021-10-15

Family

ID=65663192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811116496.3A Active CN109472392B (zh) 2018-09-25 2018-09-25 一种形成无人驾驶公交接驳环线的方法

Country Status (1)

Country Link
CN (1) CN109472392B (zh)

Family Cites Families (5)

* 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
CN102097002B (zh) * 2010-11-22 2013-09-18 东南大学 一种基于ic卡数据获取公交站点od的方法及系统
KR20140142804A (ko) * 2013-06-04 2014-12-15 명지대학교 산학협력단 도시부 및 지역간 통합 복합환승 통행배정방법
CN103679286A (zh) * 2013-11-29 2014-03-26 华为技术有限公司 路径优化方法及装置
CN106651034B (zh) * 2016-12-23 2020-10-27 中山大学 一种公交线网规划方法

Also Published As

Publication number Publication date
CN109472392A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN110648022B (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
CN109034465B (zh) 考虑充电站选址与出行路径耦合的充电站两层规划方法
CN103530694B (zh) 基于时空网络构建的城市地铁动态客流分配方法
CN109711630A (zh) 一种基于出行概率矩阵的电动汽车快充站选址定容方法
CN105489002A (zh) 一种基于智能匹配和路径优化的拼车方法及系统
CN106097226A (zh) 基于层次规划的城市常规公交线网设计方法
CN107944611B (zh) 面向个性化出行需求的跨模式组合出行规划方法
CN105809962A (zh) 一种基于手机数据的交通出行方式划分的方法
CN107036617A (zh) 一种出租车与地铁组合的出行路线规划方法及系统
CN104217129A (zh) 一种城轨路网客流估算方法
CN106203725A (zh) 基于启发式搜索的门到门出行路径方案个性化推荐方法
CN109543882B (zh) 一种基于最优公交平均站间距的公交线网密度计算方法
CN101650705A (zh) 一种公交换乘网络构建的方法和装置
CN112085249A (zh) 一种基于强化学习的定制公交线路规划方法
CN103241268B (zh) 一种减少通道换乘站换乘时间的地铁发车时刻优化方法
CN111695225A (zh) 一种公交复合复杂网络模型及其公交调度优化方法
CN110909434A (zh) 一种低碳导向下的城市公共交通干线网络设计方法
CN104966135A (zh) 基于可达性和可达强度的公交线路网络优化方法
Vuchic et al. Timed transfer system planning, design and operation
CN109472392B (zh) 一种形成无人驾驶公交接驳环线的方法
Sierpiński et al. The model of modal split organisation in wide urban areas using contemporary telematic systems
Poulhès et al. User assignment in a smart vehicles’ network: Dynamic modelling as an agent-based model
CN115081153A (zh) 一种考虑车载容量和站点容量的公交网络设计优化方法
CN107545761B (zh) 一种用于采集公交车留站客流的方法
CN110851769B (zh) 一种基于网络承载力的电动公交网络可靠性评价方法

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