CN110851769B - 一种基于网络承载力的电动公交网络可靠性评价方法 - Google Patents

一种基于网络承载力的电动公交网络可靠性评价方法 Download PDF

Info

Publication number
CN110851769B
CN110851769B CN201911167071.XA CN201911167071A CN110851769B CN 110851769 B CN110851769 B CN 110851769B CN 201911167071 A CN201911167071 A CN 201911167071A CN 110851769 B CN110851769 B CN 110851769B
Authority
CN
China
Prior art keywords
road section
flow
capacity
charging station
network
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
CN201911167071.XA
Other languages
English (en)
Other versions
CN110851769A (zh
Inventor
李大韦
武文通
李成
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201911167071.XA priority Critical patent/CN110851769B/zh
Publication of CN110851769A publication Critical patent/CN110851769A/zh
Application granted granted Critical
Publication of CN110851769B publication Critical patent/CN110851769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于网络承载力的电动公交网络可靠性评价方法，步骤如下(1)基于系统可承载最大每小时总出行量构建上层模型的目标函数；(2)设置上层模型约束条件为充电站使用情况、路段和站点容量；(3)基于系统中乘客总出行距离最短构建下层模型目标函数；(4)设置下层模型受站点与路径流量关系和路段与路径流量关系的约束；(5)计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段。本发明计算网络能够容纳的的最大出行需求，以客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束。因此有利于针对这些路段提前采取措施，并对新能源公交系统可靠性进行量化评估。

Description

一种基于网络承载力的电动公交网络可靠性评价方法
技术领域
本发明涉及公共交通领域，特别是涉及一种基于网络承载力的电动公交网络可靠性评价方法。
背景技术
随着工业水平的飞速发展，汽车的保有量不断上升，导致能源快速消耗和环境严重污染。电动公交因其良好的清洁性和技术的逐渐成熟得到了广泛应用。在将电动公交替代传统公交的过程中，确保电动公交网络有效可靠运转是关键问题。电动公交系统的网络承载力是衡量公交网络规划的一个重要指标，衡量系统是否有足够的能力来应对持续的城市日益增长的出行需求的问题，并且可以计算出每个路段在当前状况下的流量和饱和度，对于公交系统的规划管理和应对网络突发情况下科学决策进行有重要的意义。
目前网络容量主要是针对于道路网络，所关注的是整个路网所能承载小汽车的数量。而公交网络作为城市中重要的交通出行方式，其整体承载客流的能力被关注较少。现有的网络可靠性评价多为基于图论知识的网络结构评价，在公交网络可靠性评价中，与网络关键指标-路段流量相关的评价较少。
本发明将路段网络容量的概念应用于电动公交系统承载力问题。通常，网络容量是系统或网络能够处理的最大流量需求。是指系统在现实条件的约束的情况下，能够处理的最大出行需求。这个概念可以通过允许按单个的站点对(OD)来缩放，从而得到最大总需求量。具体表现为，电动公交网络容量概念是，客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束下，网络能够容纳的的最大出行需求。并且在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，对新能源公交系统可靠性进行量化评估。
发明内容
为了解决上述存在的问题，本发明提供一种基于网络承载力的电动公交网络可靠性评价方法，计算新能源公交网络在充电站、路段和站点容量约束的情况下，能够处理的最大出行需求。并且乘客可以选择距离最短的线路到达目的地，以最小化他们的出行成本。并且在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，对新能源公交系统可靠性进行量化评估，为达此目的，本发明提供一种基于网络承载力的电动公交网络可靠性评价方法，包括以下步骤：
以客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束，在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，并对新能源公交系统可靠性进行量化评估；
(1)基于系统可承载最大每小时总出行量构建上层模型的目标函数；
(2)设置上层模型约束条件为充电站使用情况、路段和站点容量；
(3)基于系统中乘客总出行距离最短构建下层模型目标函数；
(4)设置下层模型受站点与路径流量关系和路段与路径流量关系的约束；
(5)计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段。
作为本发明进一步改进，上层模型目标函数，使系统可处理的总OD出行需求量最大，可按以下公式计算：
Figure BDA0002287740420000021
i为出发点i,i∈I；I为出发点的集合；oi为站点i的出行需求量，人/小时。
作为本发明进一步改进，上层模型受充电站使用情况、路段和站点容量的约束，步骤二包括执行以下子步骤；
步骤A1：每个路段都有自己的路段容量，通过该路段的流量不超过其路段容量，计算公式如下：
Figure BDA0002287740420000022
xa≥0
式子中，a表示路网中的一个路段；xa是路段a流量，人/小时，Ca是路段a的容量，人/小时，路段的容量为经过此路段的所有公交线路容量之和，每条公交线路容量为发车频率与每个公交容量的乘积，其计算公式如下：
Figure BDA0002287740420000023
式子中Fn是路线n的发车频率,车/小时，与充电站工作数量有关，充电站工作数量越低，对应车次的发车频率越小；
Figure BDA0002287740420000024
线路n的每个公交车的容量，人/车；n是公交线路n；N为公交线路集合；
步骤A2：路网中的每个站点，其可以有的最大出行产生和出行吸引约束，公式如下：
Figure BDA0002287740420000025
Figure BDA0002287740420000026
oi为站点i的出行需求量，人/小时，每个站点的出行需求为此站点到其他站点出行需求的总和；qij为站点i到站点j的出行量，人/小时；dj为站点j的出行吸引量，人/小时，每个站点的出行吸引为其他站点到此站点的出行量总和。
作为本发明进一步改进，网络中所有用户出行距离之和最短，公式如下所示：
Figure BDA0002287740420000031
l出行者q的出行距离；Q为出行者的集合，在路径流量分配时，每个OD之间的流量都在其最短路上。
作为本发明进一步改进，下层模型受流量约束，步骤四包括执行以下子步骤；
步骤B1：每个站点的出行需求为此站点到其他站点出行需求的总和，公式如下：
Figure BDA0002287740420000032
步骤B2：每两个站点对间，即OD对间的流量等于连接此对站点所有路径上的流量总和，公式为：
Figure BDA0002287740420000033
Figure BDA0002287740420000034
fr ij是OD对ij间路径r的流量，R为OD对ij之间的路径集合；
步骤B3：路段流量与路径流量的关系是，路段流量等于所有包含此路段的路径流量之和，计算公式如下：
Figure BDA0002287740420000035
Figure BDA0002287740420000036
是系数参数，如果OD对ij间路径r中含有路段a，则为1；否则为0。
作为本发明进一步改进，计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段，步骤五包括执行以下子步骤；
步骤C1：充电站突然失效，则公交车的发车频率减小，进而路段容量减小，如步骤A1所述，公式如下：
Figure BDA0002287740420000037
重复步骤二到步骤四，求出充电站失效下的网络承载力；
步骤C2：求出充电站失效前后的路段流量和路段流量饱和度，路段流量饱和度是路段实际流量与路段容量之比，公式如下：
Figure BDA0002287740420000038
式子中，ηa表示路段a的流量饱和度，a表示路网中的一个路段；xa是路段a流量，人/小时，Ca是路段a的容量，人/小时。
Figure BDA0002287740420000041
式子中，Δa是路段a的流量饱和度增长率，
Figure BDA0002287740420000042
是充电站失效后路段流量饱和度，
Figure BDA0002287740420000043
是充电站失效前路段流量饱和度，F′n表示充电站失效时的发车频率，Fn表示充电站正常下发车频率。
本发明公开了一种基于网络承载力的电动公交网络可靠性评价方法，它包括以下步骤(1)基于系统可承载最大每小时总出行量构建上层模型的目标函数；(2)设置上层模型约束条件为充电站使用情况、路段和站点容量；(3)基于系统中乘客总出行距离最短构建下层模型目标函数；(4)设置下层模型受站点与路径流量关系和路段与路径流量关系的约束。(5)计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段。本发明计算网络能够容纳的的最大出行需求，以客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束。在充电站突然失效情况下，找出系统中流量饱和度(V/C)增长过大的关键路段，有利于针对这些路段提前采取措施，并对新能源公交系统可靠性进行量化评估。
附图说明
图1为网络承载力模型流程图；
图2为示例图，电动公交实际网络；
图3为示例图，电动公交拓扑网络；
图4为示例图，不同情况下路段流量饱和度；
图5为示例图，路段流量饱和度增长率。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提供一种基于网络承载力的电动公交网络可靠性评价方法，计算新能源公交网络在充电站、路段和站点容量约束的情况下，能够处理的最大出行需求。并且乘客可以选择距离最短的线路到达目的地，以最小化他们的出行成本。并且在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，对新能源公交系统可靠性进行量化评估。
一种基于网络承载力的电动公交网络可靠性评价方法，其特征在于以客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束。在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，并对新能源公交系统可靠性进行量化评估。其包括以下步骤：
1、基于系统可承载最大每小时总出行量构建上层模型的目标函数；
2、设置上层模型约束条件为充电站使用情况、路段和站点容量；
3、基于系统中乘客总出行距离最短构建下层模型目标函数；
4、设置下层模型受站点与路径流量关系和路段与路径流量关系的约束。
5、计算充电站突然失效情况下的承载力，并寻找饱和度变化过大关键路段。
网络承载力模型流程图如图1所示；本例选用郑州市部分实际公交网络进行说明，如图2所示；运用网络建模将实际网络建成拓扑图，如图3所示；此路网包含27个站点。出行者可以通过换乘在一个站点可以到达任意一点。将路网转换成矩阵，将相连接站点用链接路段编号表示，如表1所示。
表1路网矩阵(局部)
Figure BDA0002287740420000051
步骤一所述上层模型目标函数，使系统可处理的总OD出行需求量最大。可按以下公式计算；
Figure BDA0002287740420000052
式中，i为出发点i,i∈I；I为出发点的集合；oi为站点i的出行需求量，人/小时。
步骤二所述的上层模型约束条件，具体为为充电站使用情况、路段和站点容量。步骤二包括执行以下子步骤；
步骤A1、每个路段都有自己的路段容量，通过该路段的流量不超过其路段容量，计算公式如下：
Figure BDA0002287740420000053
xa≥0 (3)
a表示路网中的一个路段；xa是路段a流量，人/小时。
式子中，Ca,是路段a的容量，人/小时。路段的容量为经过此路段的所有公交线路容量之和，每条公交线路容量为发车频率与每个公交容量的乘积。其计算公式如下：
Figure BDA0002287740420000061
式子中Fn是路线n的发车频率,车/小时，与充电站工作数量有关，充电站工作数量越低，对应车次的发车频率越小；n是公交线路n；N为公交线路集合。
在本例中每条公交线路双向通行，充电站正常时，可以保证的发车频率为Fn＝5分钟/辆，车型分为两种，
Figure BDA0002287740420000062
计算出每个路段的承载力，路段容量单位为人/小时，可得：
表2充电站正常时路段容量
Figure BDA0002287740420000063
步骤A2、路网中的每个站点，其可以有的最大出行产生和出行吸引约束。在本例中，每个站点的出行需求最大为1000人/小时，出行吸引最大为1000人/小时。
Figure BDA0002287740420000064
Figure BDA0002287740420000065
oi为站点i的出行需求量，人/小时，每个站点的出行需求为此站点到其他站点出行需求的总和；dj为站点j的出行吸引量，人/小时，每个站点的出行吸引为其他站点到此站点的出行量总和。
进一步的，步骤三所述的下层模型目标函数，其关键是一种将客流分配在路网上的方法。表示为网络中所有用户出行距离之和最短，公式如下所示：
Figure BDA0002287740420000066
l出行者q的出行距离；Q为出行者的集合。在路径流量分配时，每个OD之间的流量都在其最短路上。在本例中，基于Dijkstra算法求出路网中所有OD对之间的最短路，如表3所示。
表3最短路表(局部)
Figure BDA0002287740420000067
Figure BDA0002287740420000071
进一步的，步骤四所述的下层模型约束条件，包括执行以下子步骤；
步骤B1、首先受站点流量约束，每个站点的出行需求为此站点到其他站点出行需求的总和，公式如下：
Figure BDA0002287740420000072
步骤B2、每两个站点间(即OD对)间的流量等于连接此对站点所有路径上的流量总和。
公式为：
Figure BDA0002287740420000073
Figure BDA0002287740420000074
f r ij是OD对ij间路径r的流量，R为OD对ij之间的路径集合。
步骤B3、路段流量与路径流量的关系是，路段流量等于所有包含此路段的路径流量之和，计算公式如下：
Figure BDA0002287740420000075
Figure BDA0002287740420000076
是系数参数，如果OD对ij间路径r中含有路段a，则为1；否则为0。
本例中任意两个站点间的流量都在连接此站点间的最短路径上，所以路段流量和路径流量的关系可以进一步表示为，路段流量和站点对流量之间的关系，如表4所示。
表4路段流量和站点对流量关系(局部)
Figure BDA0002287740420000077
应用本发明的算法，本案例的最终结果为
Figure BDA0002287740420000078
表明此网络在当前条件下每小时的最大承载力为270000人，对应的公交系统OD矩阵表5所示。
表5充电站正常时公交系统OD矩阵(局部)
Figure BDA0002287740420000081
进一步的，步骤五所述的计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段，包括执行以下子步骤；
步骤C1：充电站突然失效，则公交车的发车频率减小，进而路段容量减小。步骤A1所述，公式如下：
Figure BDA0002287740420000082
重复步骤二到步骤四，求出充电站失效下的网络承载力。
本例中，充电站失效情况下发车频率由原来的12辆/小时降为2辆/小时，对应的路段容量如下表：
表6充电站失效后的路段容量
Figure BDA0002287740420000083
最终网络承载力为
Figure BDA0002287740420000084
表明此网络在当前条件下每小时的最大承载力为12560人，
步骤C2：求出充电站失效前后的路段流量和路段流量饱和度。路段流量饱和度是路段实际流量与路段容量之比，公式如下：
Figure BDA0002287740420000085
式子中，ηa表示路段a的流量饱和度，a表示路网中的一个路段；xa是路段a流量，人/小时。Ca是路段a的容量，人/小时。
Figure BDA0002287740420000086
式子中，Δa是路段a的流量饱和度增长率，
Figure BDA0002287740420000091
是充电站失效后路段流量饱和度，
Figure BDA0002287740420000092
是充电站失效前路段流量饱和度，F′n表示充电站失效时的发车频率，Fn表示充电站正常下发车频率。
在本例中充电站正常，发车频率为12辆/小时时，对应的计算出每个路段的流量，单位为人/小时，如下表：
表7充电站正常时路段流量
Figure BDA0002287740420000093
充电站失效，发车频率为5辆/小时时，对应的计算出每个路段的流量，单位为人/小时，如下表：
表8充电站失效时路段流量
Figure BDA0002287740420000094
充电站失效前后的路段流量饱和度(V/C)如图4所示，饱和度增长表现在具体路网中如图5所示。
本发明基于网络承载力的电动公交网络可靠性评价方法，在于以客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束。在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，并对新能源公交系统可靠性进行量化评估。应当指出的是，
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (1)

1.一种基于网络承载力的电动公交网络可靠性评价方法，包括以下步骤，其特征在于：以客流按最短路分配路网中为前提，并且受充电站工作情况、路段和站点容量约束，在充电站突然失效情况下，找出系统中流量饱和度增长过大的关键路段，有利于针对这些路段提前采取措施，并对新能源公交系统可靠性进行量化评估；
步骤一：基于系统可承载最大每小时总出行量构建上层模型的目标函数；
上层模型目标函数，使系统可处理的总OD出行需求量最大，可按以下公式计算：
Figure FDA0002479050020000011
i为出发点i,i∈I；I为出发点的集合；oi为站点i的出行需求量，人/小时
步骤二：设置上层模型约束条件为充电站使用情况、路段和站点容量；
上层模型受充电站使用情况、路段和站点容量的约束，包括执行以下子步骤；
步骤A1：每个路段都有自己的路段容量，通过该路段的流量不超过其路段容量，计算公式如下：
Figure FDA0002479050020000012
xa≥0
式子中，a表示路网中的一个路段；xa是路段a流量，人/小时，Ca是路段a的容量，人/小时，路段的容量为经过此路段的所有公交线路容量之和，每条公交线路容量为发车频率与每个公交容量的乘积，其计算公式如下：
Figure FDA0002479050020000013
式子中Fn是路线n的发车频率,车/小时，与充电站工作数量有关，充电站工作数量越低，对应车次的发车频率越小；
Figure FDA0002479050020000014
线路n的每个公交车的容量，人/车；n是公交线路n；N为公交线路集合；
步骤A2：路网中的每个站点，其最大出行产生和出行吸引约束，公式如下：
Figure FDA0002479050020000015
Figure FDA0002479050020000016
oi为站点i的出行需求量，人/小时，每个站点的出行需求为此站点到其他站点出行需求的总和；qij为站点i到站点j的出行量，人/小时；dj为站点j的出行吸引量，人/小时，每个站点的出行吸引为其他站点到此站点的出行量总和；
步骤三：基于系统中乘客总出行距离最短构建下层模型目标函数；
网络中所有用户出行距离之和最短，公式如下所示：
Figure FDA0002479050020000021
l为出行者q的出行距离；Q为出行者的集合，在路径流量分配时，每个OD之间的流量都在其最短路上；
步骤四：设置下层模型受站点与路径流量关系和路段与路径流量关系的约束；
下层模型受流量约束，包括执行以下子步骤；
步骤B1：每个站点的出行需求为此站点到其他站点出行需求的总和，公式如下：
Figure FDA0002479050020000022
步骤B2：每两个站点对间，即OD对间的流量等于连接此对站点所有路径上的流量总和，公式为：
Figure FDA0002479050020000023
Figure FDA0002479050020000024
fr ij是OD对ij间路径r的流量，Rij为OD对ij之间的路径集合；
步骤B3：路段流量与路径流量的关系是，路段流量等于所有包含此路段的路径流量之和，计算公式如下：
Figure FDA0002479050020000025
Figure FDA0002479050020000026
是系数参数，如果OD对ij间路径r中含有路段a，则为1；否则为0；
步骤五：计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段；
计算充电站突然失效情况下的网络承载力，并寻找流量饱和度增长过大的关键路段，包括执行以下子步骤；
步骤C1：充电站突然失效，则公交车的发车频率减小，进而路段容量减小，如步骤A1所述，公式如下：
Figure FDA0002479050020000027
重复步骤二到步骤四，求出充电站失效下的网络承载力；
步骤C2：求出充电站失效前后的路段流量和路段流量饱和度，路段流量饱和度是路段实际流量与路段容量之比，公式如下：
Figure FDA0002479050020000028
式子中，ηa表示路段a的流量饱和度，a表示路网中的一个路段；xa是路段a流量，人/小时，Ca是路段a的容量，人/小时；
Figure FDA0002479050020000031
式子中，Δa是路段a的流量饱和度增长率，
Figure FDA0002479050020000032
是充电站失效后路段流量饱和度，
Figure FDA0002479050020000033
是充电站失效前路段流量饱和度，F′n表示充电站失效时的发车频率，Fn表示充电站正常下发车频率。
CN201911167071.XA 2019-11-25 2019-11-25 一种基于网络承载力的电动公交网络可靠性评价方法 Active CN110851769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911167071.XA CN110851769B (zh) 2019-11-25 2019-11-25 一种基于网络承载力的电动公交网络可靠性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911167071.XA CN110851769B (zh) 2019-11-25 2019-11-25 一种基于网络承载力的电动公交网络可靠性评价方法

Publications (2)

Publication Number Publication Date
CN110851769A CN110851769A (zh) 2020-02-28
CN110851769B true CN110851769B (zh) 2020-07-24

Family

ID=69604325

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911167071.XA Active CN110851769B (zh) 2019-11-25 2019-11-25 一种基于网络承载力的电动公交网络可靠性评价方法

Country Status (1)

Country Link
CN (1) CN110851769B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933859A (zh) * 2015-05-18 2015-09-23 华南理工大学 一种基于宏观基本图的确定网络承载力的方法
CN105095993A (zh) * 2015-07-22 2015-11-25 济南市市政工程设计研究院（集团）有限责任公司 一种轨道站点客流量预测系统及方法
CN105760960A (zh) * 2016-02-29 2016-07-13 东南大学 基于轨道交通的停车换乘设施最优选址和容量确定方法
CN105930914A (zh) * 2016-04-01 2016-09-07 东南大学 基于起讫点距离的城市公交最优收费结构的收费确定方法
CN106097226A (zh) * 2016-06-20 2016-11-09 华南理工大学 基于层次规划的城市常规公交线网设计方法
CN107330716A (zh) * 2017-06-01 2017-11-07 华南理工大学 一种考虑系统最优的定制公交定价方法
CN107769199A (zh) * 2017-11-22 2018-03-06 国网福建省电力有限公司 一种公交线路电气化优化配置的线性化建模方法
CN109636008A (zh) * 2018-11-20 2019-04-16 上海电力学院 一种电动公交快充站服务费定价获取方法
CN109753694A (zh) * 2018-12-13 2019-05-14 东南大学 基于全过程出行感知时间的中小城市公交线网设计方法
CN110135755A (zh) * 2019-05-23 2019-08-16 南京林业大学 一种综合优化片区城乡公交时刻表编制与车辆调度的方法
CN110288198A (zh) * 2019-05-29 2019-09-27 东南大学 基于交通分区的租赁自行车交通设施承载力测度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10402983B2 (en) * 2016-11-07 2019-09-03 Nec Corporation Surveillance system using deep network flow for multi-object tracking

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933859A (zh) * 2015-05-18 2015-09-23 华南理工大学 一种基于宏观基本图的确定网络承载力的方法
CN105095993A (zh) * 2015-07-22 2015-11-25 济南市市政工程设计研究院（集团）有限责任公司 一种轨道站点客流量预测系统及方法
CN105760960A (zh) * 2016-02-29 2016-07-13 东南大学 基于轨道交通的停车换乘设施最优选址和容量确定方法
CN105930914A (zh) * 2016-04-01 2016-09-07 东南大学 基于起讫点距离的城市公交最优收费结构的收费确定方法
CN106097226A (zh) * 2016-06-20 2016-11-09 华南理工大学 基于层次规划的城市常规公交线网设计方法
CN107330716A (zh) * 2017-06-01 2017-11-07 华南理工大学 一种考虑系统最优的定制公交定价方法
CN107769199A (zh) * 2017-11-22 2018-03-06 国网福建省电力有限公司 一种公交线路电气化优化配置的线性化建模方法
CN109636008A (zh) * 2018-11-20 2019-04-16 上海电力学院 一种电动公交快充站服务费定价获取方法
CN109753694A (zh) * 2018-12-13 2019-05-14 东南大学 基于全过程出行感知时间的中小城市公交线网设计方法
CN110135755A (zh) * 2019-05-23 2019-08-16 南京林业大学 一种综合优化片区城乡公交时刻表编制与车辆调度的方法
CN110288198A (zh) * 2019-05-29 2019-09-27 东南大学 基于交通分区的租赁自行车交通设施承载力测度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
拥堵交通流分配和道路网络容量计算理论与方法研究;刘晓玲;《中国优秀硕士学位论文全文数据库工程科技II辑》;20180115;全文 *

Also Published As

Publication number Publication date
CN110851769A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
CN109034648B (zh) 一种电动汽车集群需求响应潜力评估方法
CN105205557B (zh) 一种城市常规公交线网设计方法
CN106951978B (zh) 一种基于改进K-means算法的城市集中型充电站规划方法
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
CN109543934B (zh) 城市公交线网的综合指标的评价方法
CN110909434B (zh) 一种低碳导向下的城市公共交通干线网络设计方法
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
CN110874704A (zh) 一种基于Floyd算法的应急救援交通路径优化方法
CN112561304A (zh) 城市常规公交线网的评价方法
CN107609677A (zh) 一种基于出租车gps大数据的定制公交线路规划方法
CN111724076A (zh) 运营中断条件下区域多式轨道交通客流动态分配方法
CN112837172A (zh) 一种计及交通网与配电网信息融合的配电网灾后抢修决策方法
CN110599760A (zh) 一种多模式交通网络下的出行行为模拟方法
CN107527137A (zh) 城市轨道交通网络成熟度确定方法
CN114925483A (zh) 城市交通网络的碳排放测定方法
CN107103169A (zh) 一种用于满足出行续航要求的交通网络均衡计算方法
CN115171382A (zh) 城市路网自动驾驶专用车道部署方法
CN115017658A (zh) 一种基于可达性和节点重要度的轨道交通网络优化方法
CN113345259A (zh) 一种基于数据驱动的地面公交线路调整的方法
CN113724495B (zh) 一种城市共享出行的流量预测方法
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
CN110930037B (zh) 电动出租车充电站与配电设施的协调规划方法
CN109583708B (zh) 多智能体微观交通配流模型的建立方法
CN110674990A (zh) 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN115292866A (zh) 结合实时交通路网的电动汽车充电站规划方法

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