CN110288827B - 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 - Google Patents

一种考虑停靠站排队溢出影响的公交车辆运行调度方法 Download PDF

Info

Publication number
CN110288827B
CN110288827B CN201910530065.XA CN201910530065A CN110288827B CN 110288827 B CN110288827 B CN 110288827B CN 201910530065 A CN201910530065 A CN 201910530065A CN 110288827 B CN110288827 B CN 110288827B
Authority
CN
China
Prior art keywords
time
bus
station
target station
stop
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
CN201910530065.XA
Other languages
English (en)
Other versions
CN110288827A (zh
Inventor
李锐
薛鑫
王梦琪
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910530065.XA priority Critical patent/CN110288827B/zh
Publication of CN110288827A publication Critical patent/CN110288827A/zh
Application granted granted Critical
Publication of CN110288827B publication Critical patent/CN110288827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种考虑停靠站排队溢出影响的公交车辆运行调度方法，包括步骤：构建公交车辆优化调度特征数据集；确定全天各时段内公交车辆在目标站的停靠及前序运行特征，包括公交车辆在目标站的停靠时间以及从前序站到目标站的运行时间；确定全天各时段内公交车辆在目标站的概率停靠时间；确定全天各时段内公交车从前序站到目标站的概率运行时间；通过比较目标站同时在站公交车辆数与停车泊位数，确定公交运行优化调度条件；确定目标站公交运行优化调度目标，通过调整每辆相关公交车辆的调度优化时间，寻找最佳调度优化方案。本发明可减小公交车辆溢出排队现象对社会车辆通行的影响，降低车辆运行过程的延误，提高车辆通行效率、缓解交通拥堵。

Description

一种考虑停靠站排队溢出影响的公交车辆运行调度方法
技术领域
本发明涉及一种公交车辆调度方法，特别是涉及一种考虑停靠站排队溢出影响的公交车辆运行调度方法，属于智能交通管理与控制技术领域。
背景技术
近年来，随着我国城镇化、机动化进程不断加快，以交通拥堵为代表的城市交通问题尤为突出，已成为制约城市发展的一大难题。大力发展公共交通，提高乘客选择公共交通方式在城市交通系统中的分担率，是解决交通问题的重要途径。
然而，由于公交车辆在进出公交停靠站时，若同时到达公交车辆数量超过停靠站停车泊位数，后达到公交车辆将会在停靠站外排队等待进站(形成公交车辆在停靠站处的“排队溢出”现象)，从而阻断社会车流正常运行，影响社会车辆在该车道的通行效率，并在较大程度上降低道路通行能力，在高峰时段的影响尤为突出。
因此，需要分析公交车辆在停靠站处的运行特征，通过对公交车辆运行过程进行合理调度来控制公交车辆到达停靠站的时间，减少公交停靠站处公交车辆排队溢出的时间，从而降低“公交车辆排队溢出”现象对机动车道社会车辆通行效率的影响，降低车辆运行过程的延误、缓解交通拥堵。
发明内容
本发明的主要目的在于，克服现有技术中的不足，提供一种考虑停靠站排队溢出影响的公交车辆运行调度方法，能降低“公交车辆排队溢出”现象对机动车道社会车辆通行效率的影响，降低车辆运行过程的延误、缓解交通拥堵，极具有产业上的利用价值。
为了达到上述目的，本发明所采用的技术方案是：
一种考虑停靠站排队溢出影响的公交车辆运行调度方法，包括以下步骤：
1)构建公交车辆优化调度特征数据集；
对于公交车辆运行过程在停靠站处的调度，需要通过采集相关数据，分别构建公交线路特征数据集以及停靠站特征数据集；
2)确定全天各时段内公交车辆在目标站的停靠及前序运行特征；
将全天公交运行时间按照一定时间间隔划分成若干时段，并分别统计分析各时段内交通特征参数；借助停靠站特征数据集中目标站各条公交线路每辆公交车的到站时刻与离站时刻，分别计算全天各时段内公交车辆在目标站的停靠时间；借助停靠站特征数据集中各条公交线路在目标站的到站时刻与在前序站的离站时刻，分别计算全天各时段内公交车辆从前序站到目标站的运行时间；
3)确定全天各时段内公交车辆在目标站的概率停靠时间；
对一定时段内公交车在目标站的停靠时间进行排序，并确定该时段内公交车辆在目标站的概率停靠时间；
4)确定全天各时段内公交车从前序站到目标站的概率运行时间；
对一定时段内公交车从前序站到目标站的运行时间进行排序，并确定该时段内公交车从前序站到目标站的概率运行时间；
5)确定目标站公交运行优化调度条件；
借助目标站公交线路概率停靠时间、从前序站到达目标站的概率运行时间，预估各条线路公交车辆在目标站的停站时间；通过比较目标站各条公交线路车辆的停站时段，预估目标站同时在站公交车数量与停站时间；并通过比较目标站同时在站公交车辆数与停车泊位数，确定公交运行优化调度条件；
6)确定目标站公交运行优化调度方案；
确定目标站公交运行优化调度目标，借助“枚举法”求解，通过调整每辆相关公交车辆的调度优化时间，确定最佳调度优化方案。
本发明进一步设置为：所述步骤1)中构建公交车辆优化调度特征数据集，具体为，
构建公交线路特征数据集I＝{L,Kl}，其中，L表示目标站停靠公交线路数，Kl表示公交线路l每天的发车班次；
构建停靠站特征数据集
Figure BDA0002099464580000031
其中，Nb为目标停靠站的泊位数，
Figure BDA0002099464580000032
表示第n天c时段内公交线路l的第k辆公交车在目标站的到站时刻，
Figure BDA0002099464580000033
表示第n天c时段内公交线路l的第k辆公交车在目标站的离站时刻，目标站指作为主要优化对象，研究公交线路在其停靠特征的站点；
Figure BDA0002099464580000034
表示第n天c时段内公交线路l的第k辆公交车在前序站的离站时刻，前序站指目标站停靠的每条公交线路的上游一个站点。
本发明进一步设置为：所述步骤2)确定全天各时段内公交车辆在目标站的停靠及前序运行特征，具体为，
2-1)将全天公交运行时间按照时间间隔tc划分成若干时段
由于在一定的时间间隔内，公交运行特征参数(停站时间、站间运行时间等)具有一定的相似性，在此将全天时间用tc作为间隔(tc一般可取值为900-3600秒)，划分为c个时段，并分别统计并分析各时段内交通特征参数；
2-2)计算全天各时段内公交车辆在目标站的停靠时间
借助已采集的第n天c时段内的第k辆公交车(公交线路l)在目标站的到站时刻
Figure BDA0002099464580000049
和离站时刻
Figure BDA0002099464580000048
计算出第n天c时段内的第k辆公交车(公交线路l)的在站停靠时间
Figure BDA0002099464580000043
2-3)计算全天各时段内公交车辆从前序站到目标站的运行时间
借助已采集的第n天c时段内的第k辆公交车(公交线路l)在目标站的到站时间
Figure BDA0002099464580000044
与该公交车在前序站的离站时间
Figure BDA0002099464580000045
计算出第n天c时段内的第k辆公交车(公交线路l)从前序站到达目标站的运行时间
Figure BDA0002099464580000046
本发明进一步设置为：所述步骤3)确定全天各时段内公交车辆在目标站的概率停靠时间，具体为，
3-1)对一定时段内公交车在目标站的停靠时间进行排序
将已确定的N天内时段c的所有公交车在目标站的停靠时间
Figure BDA0002099464580000047
按照从小到大进行排序；
3-2)确定一定时段内公交车在目标站的概率停靠时间
按照已排序的公交车在目标站的停靠时间
Figure BDA0002099464580000051
选择第Rdt位(一般来说，Rdt取80％-90％)的公交停靠时间
Figure BDA0002099464580000052
作为N天内时段c中第l条公交线路的概率停靠时间。
本发明进一步设置为：所述步骤4)确定全天各时段内公交车从前序站到目标站的概率运行时间，具体为，
4-1)对一定时段内公交车从前序站到目标站的运行时间进行排序
将已确定的N天内时段c的所有公交车从前序站到目标站的运行时间
Figure BDA0002099464580000053
按照从小到大进行排序；
4-2)确定一定时段内公交车从前序站到目标站的概率运行时间
按照已排序的公交车运行时间
Figure BDA0002099464580000054
以排序中位(50％位)运行时间
Figure BDA0002099464580000055
作为中间值，分别向该值前后各选取Rrt位(一般来说，Rrt取25％-45％)的运行时间
Figure BDA0002099464580000056
确定N天内时段c中第l条公交线路公交车从前序站到目标站的概率运行时间
Figure BDA0002099464580000057
本发明进一步设置为：所述步骤5)确定目标站公交运行优化调度条件，具体为，
5-1)预估公交车辆在目标站的停站时间
借助实时采集到的c时段中公交线路l的第k辆公交车在前序站的离站时间
Figure BDA0002099464580000058
借助已计算出的时段c中公交线路l的公交车在目标站的概率停靠时间
Figure BDA0002099464580000061
和从前序站到目标站的概率运行时间
Figure BDA0002099464580000062
预估出c时段中公交线路l的第k辆公交车在目标站的停站时间
Figure BDA0002099464580000063
本发明进一步设置为：所述步骤6)确定公交车辆优化调度的方案，具体为，
6-1)确定调度优化目标
通过调整每辆相关的公交车辆运行速度，从而改变相关公交车辆到达目标站的时间tg，调度优化目标如下
Figure BDA0002099464580000064
其中，
Figure BDA0002099464580000065
表示同时在站的公交车辆数量
Figure BDA0002099464580000066
大于目标站停车泊位数Nb的公交车辆的停靠持续时间，Δtg为相关公交车辆(即直接构成同时在站的公交车数量大于停靠泊位数量的这些公交车辆)通过改变运行车速来调整的运行时间(考虑道路运行状态，一般无法较大改变公交车辆的运行时间，一般减速滞后到站时间不大于20秒，加速提前到站时间不大于10秒)，其中g为涉及到的相关公交车总数量G中的其中一辆；
6-2)确定调度优化方案
利用“枚举法”求解，通过调整Δtg(-20≤Δtg≤10，每次Δtg变化的步长为1秒)分别改变相关公交车辆各自的运行时间，并分别确定相关公交车辆优化调度后
Figure BDA0002099464580000071
找到这两个指标最小时，每辆相关公交车辆的调度优化时间Δtg，该调度方案即为最佳调度优化方案。
与现有技术相比，本发明具有的有益效果是：
本发明提供的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，将全天公交运行时间按照一定时间间隔划分成若干时段，分析确定公交车辆在目标站的概率停靠时间以及从前序站到目标站的概率运行时间，借助“枚举法”求解，通过调整每辆相关公交车辆的调度优化时间，确定公交车在停靠站处的最佳调度方案；因此，本发明能减小“公交车辆排队溢出”现象对机动车道社会车辆通行效率的影响，从而提高道路整体通行效率与城市交通运行服务水平。
上述内容仅是本发明技术方案的概述，为了更清楚的了解本发明的技术手段，下面结合附图对本发明作进一步的描述。
附图说明
图1是本实施例的流程图；
图2是本实施例步骤1)中目标站、前序站布局以及公交线路关系示意图；
图3是本实施例步骤3)中确定公交车辆在目标站的概率停靠时间示意图；
图4是本实施例步骤4)中确定公交车从前序站到目标站的概率运行时间示意图；
图5是另一实施例的目标站、前序站布局以及公交线路实际运行图；
具体实施方式
下面结合说明书附图，对本发明作进一步的说明。
本发明提供一种考虑停靠站排队溢出影响的公交车辆运行调度方法，如图1所示，包括以下步骤：
1)构建公交车辆优化调度特征数据集；
对于公交车辆运行过程在停靠站处的调度，需要通过采集相关数据，分别构建公交线路特征数据集以及停靠站特征数据集；
构建公交线路特征数据集I＝{L,Kl}，其中，L表示目标站停靠公交线路数，Kl表示公交线路l每天的发车班次；
构建停靠站特征数据集
Figure BDA0002099464580000081
其中，Nb为目标停靠站的泊位数，
Figure BDA0002099464580000082
表示第n天c时段内公交线路l的第k辆公交车在目标站的到站时刻，
Figure BDA0002099464580000083
表示第n天c时段内公交线路l的第k辆公交车在目标站的离站时刻，目标站指作为主要优化对象，研究公交线路在其停靠特征的站点；
Figure BDA0002099464580000084
表示第n天c时段内公交线路l的第k辆公交车在前序站的离站时刻，前序站指目标站停靠的每条公交线路的上游一个站点；
如图2所示为目标站、前序站以及公交线路关系示意图：图中停靠站A为目标停靠站，#1、#2、#3、#4路公交车均经过前序站到达目标站A；#1路公交车的前序站点为B站，#2路公交车的前序站点为C站，#3路公交车与#4路公交车公用一个前序站点D站。
2)确定全天各时段内公交车辆在目标站的停靠及前序运行特征；
将全天公交运行时间按照一定时间间隔划分成若干时段，并分别统计分析各时段内交通特征参数；借助停靠站特征数据集中目标站各条公交线路每辆公交车的到站时刻与离站时刻，分别计算全天各时段内公交车辆在目标站的停靠时间；借助停靠站特征数据集中各条公交线路在目标站的到站时刻与在前序站的离站时刻，分别计算全天各时段内公交车辆从前序站到目标站的运行时间；
具体为，
2-1)将全天公交运行时间按照时间间隔tc划分成若干时段
由于在一定的时间间隔内，公交运行特征参数(停站时间、站间运行时间等)具有一定的相似性，在此将全天时间用tc作为间隔(tc一般可取值为900-3600秒)，划分为c个时段，并分别统计并分析各时段内交通特征参数；
2-2)计算全天各时段内公交车辆在目标站的停靠时间
借助已采集的第n天c时段内的第k辆公交车(公交线路l)在目标站的到站时刻
Figure BDA0002099464580000091
和离站时刻
Figure BDA0002099464580000092
计算出第n天c时段内的第k辆公交车(公交线路l)的在站停靠时间
Figure BDA0002099464580000093
2-3)计算全天各时段内公交车辆从前序站到目标站的运行时间
借助已采集的第n天c时段内的第k辆公交车(公交线路l)在目标站的到站时间
Figure BDA0002099464580000094
与该公交车在前序站的离站时间
Figure BDA0002099464580000095
计算出第n天c时段内的第k辆公交车(公交线路l)从前序站到达目标站的运行时间
Figure BDA0002099464580000101
3)确定全天各时段内公交车辆在目标站的概率停靠时间；
对一定时段内公交车在目标站的停靠时间进行排序，并确定该时段内公交车辆在目标站的概率停靠时间；
具体为，
3-1)对一定时段内公交车在目标站的停靠时间进行排序
将已确定的N天内时段c的所有公交车在目标站的停靠时间
Figure BDA0002099464580000102
按照从小到大进行排序；
3-2)确定一定时段内公交车在目标站的概率停靠时间
按照已排序的公交车在目标站的停靠时间
Figure BDA0002099464580000103
选择第Rdt位(一般来说，Rdt取80％-90％)的公交停靠时间
Figure BDA0002099464580000104
作为N天内时段c中第l条公交线路的概率停靠时间，如图3所示。
4)确定全天各时段内公交车从前序站到目标站的概率运行时间；
对一定时段内公交车从前序站到目标站的运行时间进行排序，并确定该时段内公交车从前序站到目标站的概率运行时间；
具体为，
4-1)对一定时段内公交车从前序站到目标站的运行时间进行排序
将已确定的N天内时段c的所有公交车从前序站到目标站的运行时间
Figure BDA0002099464580000105
按照从小到大进行排序；
4-2)确定一定时段内公交车从前序站到目标站的概率运行时间
按照已排序的公交车运行时间
Figure BDA0002099464580000111
以排序中位(50％位)运行时间
Figure BDA0002099464580000112
作为中间值，分别向该值前后各选取Rrt位(一般来说，Rrt取25％-45％)的运行时间
Figure BDA0002099464580000113
确定N天内时段c中第l条公交线路公交车从前序站到目标站的概率运行时间
Figure BDA0002099464580000114
如图4所示。
5)确定目标站公交运行优化调度条件；
借助目标站公交线路概率停靠时间、从前序站到达目标站的概率运行时间，预估各条线路公交车辆在目标站的停站时间；通过比较目标站各条公交线路车辆的停站时段，预估目标站同时在站公交车数量与停站时间；并通过比较目标站同时在站公交车辆数与停车泊位数，确定公交运行优化调度条件；
具体为，
5-1)预估公交车辆在目标站的停站时间
借助实时采集到的c时段中公交线路l的第k辆公交车在前序站的离站时间
Figure BDA0002099464580000115
借助已计算出的时段c中公交线路l的公交车在目标站的概率停靠时间
Figure BDA0002099464580000116
和从前序站到目标站的概率运行时间
Figure BDA0002099464580000117
预估出c时段中公交线路l的第k辆公交车在目标站的停站时间
Figure BDA0002099464580000118
5-2)预估同时在站公交车数量与持续时间
结合预估的c时段中公交线路l在目标站的停站时间
Figure BDA0002099464580000119
预估c时段中每秒钟目标站公交车辆同时在站的数量
Figure BDA0002099464580000121
(其中，i＝1,2,…,tc)，进而预估同时
Figure BDA0002099464580000122
辆公交车在站的停靠持续时间
Figure BDA0002099464580000123
5-3)确定公交调度优化条件
当预估c时段中目标站公交车辆同时在站的数量
Figure BDA0002099464580000124
大于目标站停车泊位数Nb时，则达到调度优化条件，需要对此时还未到达目标站的相关线路的公交车辆行驶车速进行调控，来保证目标站同时在站公交车数量小于停靠泊位数(从而减少“公交车辆溢出排队”现象对机动车道社会车辆的影响)。
6)确定目标站公交运行优化调度方案；
确定目标站公交运行优化调度目标，借助“枚举法”求解，通过调整每辆相关公交车辆的调度优化时间，寻找最佳调度优化方案；
具体为，
6-1)确定调度优化目标
通过调整每辆相关的公交车辆运行速度，从而改变相关公交车辆到达目标站的时间tg，调度优化目标如下
Figure BDA0002099464580000125
其中，
Figure BDA0002099464580000126
表示同时在站的公交车辆数量
Figure BDA0002099464580000127
大于目标站停车泊位数Nb的公交车辆停靠持续时间，Δtg为相关公交车辆通过改变运行车速来调整的运行时间(考虑道路运行状态，一般无法较大改变公交车辆的运行时间，一般减速滞后到站时间不大于20秒，加速提前到站时间不大于10秒)，其中g为涉及到的相关公交车辆总数量G中的其中一辆；
6-2)确定调度优化方案
利用“枚举法”求解，通过调整Δtg(-20≤Δtg≤10，每次Δtg变化的步长为1秒)分别改变相关公交车辆各自的运行时间，并分别确定相关公交车辆优化调度后同时在站的公交车辆数量
Figure BDA0002099464580000131
大于目标站停车泊位数Nb的公交车辆停靠持续时间
Figure BDA0002099464580000132
公交车辆总的调度时间之和
Figure BDA0002099464580000133
找到这两个指标最小时，每辆相关公交车辆的调度优化时间Δtg，该调度方案即为最佳调度优化方案。
实施例：
通过一个实例对本发明公交车辆运行过程在停靠站处的调度方法给出进一步说明，图5所示为目标站、前序站布局以及公交线路实际运行图，其中新天地广场站为目标停靠站，泰金宝电子站和吴江高级中学站为新天地广场的前序站，91路公交车经过泰金宝电子站到达新天地广场站、701路公交车经过吴江高级中学站到达新天地广场站。下面根据本发明公交车辆运行过程在停靠站处的调度方法具体步骤，计算获得目标站公交运行优化调度方案。
S1：构建公交车辆优化调度特征数据集。
借助实际调研数据，构建公交线路特征数据集，具体是确定目标站(新天地广场站)停靠公交线路数为91路和701路，91路和701路公交车每天发车班次均为50次；
借助实地调研及公交车辆GPS数据，构建停靠站特征数据集，具体为确定目标停靠站(新天地广场站)泊位数为1，采集91路和701路公交车在2018年12月17日-2018年12月20日连续4天的运行数据，每一天每个时间段每条线路每辆公交车在目标站的到站时刻
Figure BDA0002099464580000141
在目标站的离站时刻
Figure BDA0002099464580000142
以及在前序站的离站时刻
Figure BDA0002099464580000143
信息如表1所示(列举部分数据)。
Figure BDA0002099464580000144
Figure BDA0002099464580000151
Figure BDA0002099464580000161
表1
S2：确定全天各时段内公交车辆在目标站的停靠及前序运行特征。
S21：将全天公交运行时间按照时间间隔3600s划分成若干时段，本实施例取10:00-11:00时间段数据作为案例进行分析；
S22：借助采集的公交车辆在目标站的到站时刻和离站时刻，计算公交车辆在目标站的停靠时间，如表2所示：
Figure BDA0002099464580000162
Figure BDA0002099464580000171
表2
S22：借助采集的公交车辆在前序站的离站时刻和在目标站的到站时刻，计算公交车辆从前序站到达目标站的运行时间，如表3所示：
Figure BDA0002099464580000172
Figure BDA0002099464580000181
Figure BDA0002099464580000191
表3
S3：确定全天各时段内公交车辆在目标站的概率停靠时间。
S31：将S21计算得到的公交车辆在目标站的停靠时间按照从小到大顺序进行排序，排序结果如表4所示：
Figure BDA0002099464580000192
Figure BDA0002099464580000201
表4
S32：按照已排序的公交车在目标站的停靠时间，选择第85％位的公交停靠时间作为4天内10:00-11:00中公交线路的概率停靠时间，则91路公交车辆的概率停靠时间为32s，701路公交车辆的概率停靠时间为53s。
S4：确定全天各时段内公交车从前序站到目标站的概率运行时间。
S41：将S22计算得到的公交车辆从前序站到达目标站的运行时间按照从小到大顺序进行排序，排序结果如表5所示：
Figure BDA0002099464580000202
Figure BDA0002099464580000211
表5
S42：按照已排序的公交车运行时间，选择排序中位(50％位)运行时间作为中间值，则91和701路公交车辆的中位值分别为0:01:38和0:01:37，分别在中位值前后各取25％的运行时间作为该时段内的公交车辆概率运行时间，则91路公交车辆从前序站到目标站的概率运行时间范围为(0:01:28，0:02:20)、701路公交车辆从前序站到目标站的概率运行时间范围为(0:01:28，0:01:48)。
S5：确定目标站公交运行优化调度条件。
S51：借助采集到的公交车辆在前序站的离站时间，借助S32计算得到的公交车辆在目标站的概率停靠时间和S42计算得到的从前序站到目标站的概率运行时间，预估2018年12月21日10:00-11:00时间段内91路公交车和701路公交车在目标站的停站时间范围，如表6所示：
Figure BDA0002099464580000221
表6
S52：结合S51确定的公交车辆在目标的停站时间，预估该时段内每秒钟公交车辆同时在站的数量，具体为，分析表6可知，在10:03:53，编号为1的公交车辆到达目标站，此时目标站在站公交车数量为1辆，在10:05:06该辆公交车驶离停靠站；在10:05:10，编号为2的公交车辆到达目标站，此时目标站在站公交车数量为1辆；在10:06:25，编号为3的公交车辆到达目标站，此时目标站在站公交车数量为2辆，持续时间为9s。
S53：当预估时段内目标站公交车辆同时在站的数量大于目标站停车泊位数1时，则达到调度优化条件，具体为：分析表6可知，在10:06:25，编号为3的公交车辆到达目标站，此时目标站在站公交车数量为2辆，依次为编号2、3的公交车辆，达到调度优化条件，需要对此时还未到达目标站的相关线路的公交车辆行驶车速进行调控，来保证目标站同时在站公交车数量小于停靠泊位数。
S6：确定目标站公交运行优化调度方案。
S61：确定调度优化目标：
通过调整每辆相关的公交车辆运行速度，从而改变相关公交车辆到达目标站的时间tg，调度优化目标如下
Figure BDA0002099464580000231
其中，
Figure BDA0002099464580000232
表示同时在站的公交车辆数量
Figure BDA0002099464580000233
大于目标站停车泊位数Nb的公交车辆停靠持续时间，Δtg为相关公交车辆通过改变运行车速来调整的运行时间(考虑道路运行状态，一般无法较大改变公交车辆的运行时间，一般减速滞后到站时间不大于20秒，加速提前到站时间不大于10秒)，其中G为涉及到的公交车数量。
S62：确定调度优化方案，利用“枚举法”求解，通过调整Δtg(-20≤Δtg≤10，每次Δtg变化的步长为1秒)分别改变相关公交车辆各自的运行时间，并分别确定相关公交车辆优化调度后同时在站的公交车辆数量
Figure BDA0002099464580000234
大于目标站停车泊位数Nb的公交车辆停靠持续时间
Figure BDA0002099464580000235
公交车辆总的调度时间之和
Figure BDA0002099464580000236
找到这两个指标最小时，每辆相关公交车辆的调度优化时间Δtg，该调度方案即为最佳调度优化方案，具体为，S53分析得到的最先到达目标停靠站的前三位公交车的停站时间范围见表7：
Figure BDA0002099464580000237
表7
对编号为1、2、3三辆公交车进行调度，并利用“枚举法”求解，计算方案与计算结果如表8所示。
Figure BDA0002099464580000241
Figure BDA0002099464580000251
表8
由表8可知，当满足相关公交车辆优化调度后同时在站的公交车辆数量
Figure BDA0002099464580000252
大于目标站停车泊位数Nb的公交车辆停靠持续时间最小，即
Figure BDA0002099464580000253
时，公交车辆总的调度时间之和最小值为9s，即
Figure BDA0002099464580000254
此时方案9、方案23、方案24、方案25和方案26均为最佳调度优化方案。

Claims (7)

1.一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于，包括以下步骤：
1)构建公交车辆优化调度特征数据集；
对于公交车辆运行过程在停靠站处的调度，需要通过采集相关数据，分别构建公交线路特征数据集以及停靠站特征数据集；
2)确定全天各时段内公交车辆在目标站的停靠及前序运行特征；
将全天公交运行时间按照一定时间间隔划分成若干时段，并分别分析各时段内交通特征参数；根据停靠站特征数据集中目标站各条公交线路每辆公交车的到站时刻与离站时刻，分别计算全天各时段内公交车辆在目标站的停靠时间；根据停靠站特征数据集中各条公交线路公交车辆在目标站的到站时刻与在前序站的离站时刻，分别计算全天各时段内公交车辆从前序站到目标站的运行时间；
3)确定全天各时段内公交车辆在目标站的概率停靠时间；
对一定时段内公交车在目标站的停靠时间进行排序，并确定该时段内公交车辆在目标站的概率停靠时间；
4)确定全天各时段内公交车从前序站到目标站的概率运行时间；
对一定时段内公交车从前序站到目标站的运行时间进行排序，并确定该时段内公交车从前序站到目标站的概率运行时间；
5)确定目标站公交运行优化调度条件；
根据目标站公交线路概率停靠时间、从前序站到达目标站的概率运行时间，预估各条线路公交车辆在目标站的停站时间；通过比较目标站各条公交线路车辆的停站时段，预估目标站同时在站公交车数量与停站时间；并通过比较目标站同时在站公交车辆数与停车泊位数，确定公交运行优化调度条件；
6)确定目标站公交运行优化调度方案；
确定目标站公交运行优化调度目标，通过调整每辆相关公交车辆的调度优化时间，选择出调度目标最佳的调度优化方案。
2.根据权利要求1所述的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于：所述步骤1)构建公交车辆优化调度特征数据集，具体为，
构建公交线路特征数据集I＝{L,Kl}，其中，L表示目标站停靠公交线路数，Kl表示公交线路l每天的发车班次；
构建停靠站特征数据集
Figure FDA0002412316800000021
其中，Nb为目标停靠站的泊位数，
Figure FDA0002412316800000022
表示第n天c时段内公交线路l的第k辆公交车在目标站的到站时刻，
Figure FDA0002412316800000023
表示第n天c时段内公交线路l的第k辆公交车在目标站的离站时刻，目标站指作为主要优化对象，研究公交线路在其停靠特征的站点；
Figure FDA0002412316800000024
表示第n天c时段内公交线路l的第k辆公交车在前序站的离站时刻，前序站指目标站停靠的每条公交线路的上游一个站点。
3.根据权利要求2所述的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于：所述步骤2)确定全天各时段内公交车辆在目标站的停靠及前序运行特征，具体为，
2-1)将全天公交运行时间按照时间间隔tc划分成若干时段
将全天时间用tc作为间隔，划分为c个时段，并分别分析各时段内交通特征参数；
2-2)计算全天各时段内公交车辆在目标站的停靠时间
根据已采集的第n天c时段内的公交线路l中第k辆公交车在目标站的到站时刻
Figure FDA0002412316800000031
和离站时刻
Figure FDA0002412316800000032
计算出第n天c时段内的公交线路l中第k辆公交车的在站停靠时间
Figure FDA0002412316800000033
2-3)计算全天各时段内公交车辆从前序站到目标站的运行时间
根据已采集的第n天c时段内的公交线路l中第k辆公交车在目标站的到站时间
Figure FDA0002412316800000034
与该公交车在前序站的离站时间
Figure FDA0002412316800000035
计算出第n天c时段内的公交线路l中第k辆公交车从前序站到达目标站的运行时间
Figure FDA0002412316800000036
4.根据权利要求3所述的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于：所述步骤3)确定全天各时段内公交车辆在目标站的概率停靠时间，具体为，
3-1)对一定时段内公交车在目标站的停靠时间进行排序
将已确定的N天内时段c的所有公交车在目标站的停靠时间
Figure FDA0002412316800000037
按照从小到大进行排序；
3-2)确定一定时段内公交车在目标站的概率停靠时间
按照已排序的公交车在目标站的停靠时间
Figure FDA0002412316800000038
选择第Rdt位的公交停靠时间
Figure FDA0002412316800000039
作为N天内时段c中第l条公交线路的概率停靠时间。
5.根据权利要求4所述的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于：所述步骤4)确定全天各时段内公交车从前序站到目标站的概率运行时间，具体为，
4-1)对一定时段内公交车从前序站到目标站的运行时间进行排序
将已确定的N天内时段c的所有公交车从前序站到目标站的运行时间
Figure FDA0002412316800000041
按照从小到大进行排序；
4-2)确定一定时段内公交车从前序站到目标站的概率运行时间
按照已排序的公交车运行时间
Figure FDA0002412316800000042
以排序中位运行时间
Figure FDA0002412316800000043
作为中间值，分别向该值前后各选取Rrt位的运行时间
Figure FDA0002412316800000044
确定N天内时段c中第l条公交线路公交车从前序站到目标站的概率运行时间
Figure FDA0002412316800000045
6.根据权利要求5所述的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于：所述步骤5)确定目标站公交运行优化调度条件，具体为，
5-1)预估公交车辆在目标站的停站时间
根据实时采集到的c时段中公交线路l的第k辆公交车在前序站的离站时间
Figure FDA0002412316800000046
根据已计算出的时段c中公交线路l的公交车在目标站的概率停靠时间
Figure FDA0002412316800000047
和从前序站到目标站的概率运行时间
Figure FDA0002412316800000048
预估出c时段中公交线路l的第k辆公交车在目标站的停站时间
Figure FDA0002412316800000049
5-2)预估同时在站公交车数量与持续时间
结合预估的c时段中公交线路l在目标站的停站时间
Figure FDA0002412316800000051
预估c时段中每秒钟目标站公交车辆同时在站的数量
Figure FDA0002412316800000052
其中，i＝1,2,…,tc，进而预估同时
Figure FDA0002412316800000053
辆公交车在站的持续时间
Figure FDA0002412316800000054
5-3)确定公交调度优化条件
当预估c时段中目标站公交车辆同时在站的数量
Figure FDA0002412316800000055
大于目标站停车泊位数Nb时，则达到调度优化条件，对此时还未到达目标站的相关线路的公交车辆行驶车速进行调控，使目标站同时在站公交车数量小于停靠泊位数。
7.根据权利要求1所述的一种考虑停靠站排队溢出影响的公交车辆运行调度方法，其特征在于：所述步骤6)确定目标站公交运行优化调度方案，具体为，
6-1)确定调度优化目标
通过调整每辆相关的公交车辆运行速度，从而改变相关公交车辆到达目标站的时间tg，调度优化目标如下
Figure FDA0002412316800000056
其中，
Figure FDA0002412316800000057
表示同时在站的公交车辆数量
Figure FDA0002412316800000058
大于目标站停车泊位数Nb的公交车辆停靠持续时间，Δtg为相关公交车辆通过改变运行车速来调整的运行时间，其中g为涉及到的相关公交车辆总数量G中的其中一辆；
6-2)确定调度优化方案
利用枚举法求解，通过调整Δtg分别改变相关公交车辆各自的运行时间，并分别确定指标
Figure FDA0002412316800000061
最小时，每辆相关公交车辆的调度优化时间Δtg，即为最佳调度优化方案。
CN201910530065.XA 2019-06-19 2019-06-19 一种考虑停靠站排队溢出影响的公交车辆运行调度方法 Active CN110288827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910530065.XA CN110288827B (zh) 2019-06-19 2019-06-19 一种考虑停靠站排队溢出影响的公交车辆运行调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910530065.XA CN110288827B (zh) 2019-06-19 2019-06-19 一种考虑停靠站排队溢出影响的公交车辆运行调度方法

Publications (2)

Publication Number Publication Date
CN110288827A CN110288827A (zh) 2019-09-27
CN110288827B true CN110288827B (zh) 2020-05-05

Family

ID=68004517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910530065.XA Active CN110288827B (zh) 2019-06-19 2019-06-19 一种考虑停靠站排队溢出影响的公交车辆运行调度方法

Country Status (1)

Country Link
CN (1) CN110288827B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110782694B (zh) * 2019-10-31 2021-10-08 同济大学 一种网联公交车到站停靠管理优化方法
CN111311909B (zh) * 2020-02-19 2020-09-29 河海大学 一种车路协同环境下港湾公交停靠站车辆离站控制方法
CN112562379A (zh) * 2020-12-01 2021-03-26 沈阳建筑大学 一种智能公交站牌设置方法
CN113627743B (zh) * 2021-07-21 2024-03-05 青岛海信网络科技股份有限公司 一种公交车辆协同调度的方法及设备
CN113570869B (zh) * 2021-09-27 2021-12-28 江苏梦想物联有限公司 一种基于物联网的路侧停车监管系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2840993B2 (ja) * 1992-03-02 1998-12-24 株式会社日立製作所 列車運行管理システム
CN104408908A (zh) * 2014-11-05 2015-03-11 东南大学 公交车辆越站调度方法及系统
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
CN106504516A (zh) * 2016-10-24 2017-03-15 东南大学 一种基于公交站点信息化的多形式公交动态调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2840993B2 (ja) * 1992-03-02 1998-12-24 株式会社日立製作所 列車運行管理システム
CN104408908A (zh) * 2014-11-05 2015-03-11 东南大学 公交车辆越站调度方法及系统
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
CN106504516A (zh) * 2016-10-24 2017-03-15 东南大学 一种基于公交站点信息化的多形式公交动态调度方法

Also Published As

Publication number Publication date
CN110288827A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN110288827B (zh) 一种考虑停靠站排队溢出影响的公交车辆运行调度方法
CN107730922B (zh) 一种单向干线绿波协调控制自适应调整方法
CN109598950B (zh) 一种智能网联车辆的匝道协同汇入控制方法及系统
CN107016857B (zh) 一种信控交叉口左转交通组合设计优化方法
CN107248299B (zh) 一种基于驻站时间的专用道公交优先干线协调控制方法
WO2021208484A1 (zh) 一种面向公交信号优先高频多申请的动态控制方法
CN110232821B (zh) 一种高峰时段港湾公交停靠站临近车道通行能力计算方法
CN107919014B (zh) 面向多载客里程的出租车运行线路优化方法
CN104077919A (zh) 一种需求车道组合相位的优化方法
CN101702262A (zh) 一种城市交通流畅通性指标的数据融合方法
CN111899534A (zh) 基于道路实时容量的交通灯智能控制方法
CN104778834A (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN114241751B (zh) 一种面向大型停车场的多出入口动静态交通协调优化方法
CN104408948A (zh) 基于车载gps的城市道路交通公交优先信号控制方法
CN104851287A (zh) 基于视频检测器的城市道路路段行程时间检测方法
CN112885088A (zh) 一种基于动态交通流的多匝道协调控制方法
CN103106790A (zh) 一种基于秩和比法的平面交叉口设计变权综合评价方法
CN114664103A (zh) 一种自动驾驶下交叉口进出口车道方向动态控制方法
CN109584546B (zh) 一种快速-常规公交共享车道发车流量阈值的确定方法
CN105741585A (zh) 面向节油的基于车联网的车辆轨迹平滑控制方法
Yang et al. A transit signal priority algorithm under connected vehicle environment
CN112669628B (zh) 一种基于需求-供给双波动的交叉口信号设计方法
CN113781820B (zh) 一种机场特种车辆保障航班效率的分析方法
Christofa et al. Traffic signal optimization with conditional transit signal priority for conflicting transit routes
CN113611132A (zh) 一种基于车路协同系统的饱和单路口公交信号控制方法

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