CN111191900B - 公共交通出行服务车头时距和可靠性价值评估方法和装置 - Google Patents

公共交通出行服务车头时距和可靠性价值评估方法和装置 Download PDF

Info

Publication number
CN111191900B
CN111191900B CN201911340694.2A CN201911340694A CN111191900B CN 111191900 B CN111191900 B CN 111191900B CN 201911340694 A CN201911340694 A CN 201911340694A CN 111191900 B CN111191900 B CN 111191900B
Authority
CN
China
Prior art keywords
headway
service
value
function
travel
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
CN201911340694.2A
Other languages
English (en)
Other versions
CN111191900A (zh
Inventor
张俊杰
李虹波
于海洋
任毅龙
杨灿
冀浩杰
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.)
Hefei Innovation Research Institute of Beihang University
Original Assignee
Hefei Innovation Research Institute of Beihang 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 Hefei Innovation Research Institute of Beihang University filed Critical Hefei Innovation Research Institute of Beihang University
Priority to CN201911340694.2A priority Critical patent/CN111191900B/zh
Publication of CN111191900A publication Critical patent/CN111191900A/zh
Application granted granted Critical
Publication of CN111191900B publication Critical patent/CN111191900B/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的一种公共交通出行服务车头时距和可靠性价值评估方法和装置，可解决现有技术并没有将考虑等待时间对出行者的旅行成本的影响，导致公共交通出行服务可靠性低的技术问题。本发明实施例是在考虑等待时间对出行者的旅行成本的影响下，以等待时间和早到时间作为外生变量，基于时间调度模型建立了一种一般出行成本价值函数，并在此基础上，利用车头时距和等待时间分布函数关系模型，推导出公共交通出行服务车头时距和可靠性价值的估计式。该发明将为交通规划和交通管理控制部门在公共交通项目经济评价中提供评价指标计算方法。

Description

公共交通出行服务车头时距和可靠性价值评估方法和装置
技术领域
本发明涉及交通规划技术领域，具体涉及一种公共交通出行服务车头时距和可靠性价值评估方法和装置。
背景技术
交通系统的不可靠性将不能完全保证准确地预测旅行时间，因此，对旅行者来说可能使得出行者们错过最佳的出行方式，并影响着他们的出行规划。在实际出行过程中，主要影响因素通常是去目的地的潜在延误。针对这种情况，旅行者通常通过调整他们的出发时间、改变路线或出行模式来保证准时或者早到目的地的时间需求。
根据Gaver和Knight的开创性贡献，Bates等人研究了旅行时间变异性对出发时间选择和旅行成本的影响，扩展了Small的调度模型构建了一种时间不确定的调度模型，并推导出了期望旅行成本和可靠性价值。然而，目前研究大多数集中于小汽车使用者，尽管一些学者在一定程度上对调度模型进行了调整来考虑公交使用者(通常将离开时间作为一个离散变量)，但他们仍然没有考虑到公共交通系统特有特性包括：(1)区分等待时间和在车时间，Wardman曾指出大多数公交用户对这两种时间的评价不同；(2)拥堵与等待时间是与车头间距的大小密切相关。但是，这些工作并没有现有模型中体现。
发明内容
本发明提出的一种公共交通出行服务车头时距和可靠性价值评估方法和装置，可解决现有技术并没有将考虑等待时间对出行者的旅行成本的影响，导致公共交通出行服务可靠性低的技术问题。
为实现上述目的，本发明采用了以下技术方案：
一种公共交通出行服务车头时距和可靠性价值评估方法，包括以下步骤：
S100、构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
S200、通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
S300、基于S100和S200计算最小期望成本价值函数；
S400、给出车头时距和等待时间的分布函数关系模型；
S500、分别通过S300最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式；
S600、基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况。
另一方面，本发明还包括一种公共交通出行服务车头时距和可靠性价值评估装置，包括以下单元：
出行成本价值模型构建单元，用于实现构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
最优发车时间函数计算单元，用于通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
最小期望成本价值计算单元，用于计算最小期望成本价值函数；
车头时距和等待时间的分布函数关系建立单元，用于给出车头时距和等待时间的分布函数关系模型；
服务车头时距价值和服务可靠性价值分析处理单元，用于通过最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式，并基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况。
同时，本发明还公开一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述的公共交通出行服务车头时距和可靠性价值评估方法的步骤。
由上述技术方案可知，本发明的公共交通出行服务车头时距和可靠性价值评估方法以等待时间和早到时间作为外生变量，来估计公共交通出行服务车头时距和可靠性价值，具体是将等待时间作为出行者出行成本的一个外生变量，建立出行者的最小期望出行成本模型，进而估计公共交通出行服务车头时距和可靠性价值，此方法可广泛应用于交通规划和交通管理与控制等领域。
本发明基于时间调度模型，考虑等待时间对出行者的旅行成本的影响，以等待时间和早到时间作为外生变量建立了一种一般出行成本价值函数，在此基础上，通过车头时距和等待时间的分布函数关系模型，进而推导出公共交通出行服务车头时距和可靠性价值的估计式。本发明将为交通规划和交通管理控制部门在公共交通项目经济评价中提供评价指标计算方法。
附图说明
图1是本发明的方法流程图；
图2是本发明实施例中服务车头时距和可靠性价值的变化图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
本发明实施例是在考虑等待时间对出行者的旅行成本的影响情况下，基于时间调度模型，以等待时间和早到时间作为外生变量建立一般出行成本价值函数，从而构建一种公共交通出行服务车头时距和可靠性价值的估计方法。
如图1所示，本实施例所述的公共交通出行服务车头时距和可靠性价值评估方法，通过计算机设备执行以下步骤：
S100、构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
S200、通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
S300、基于S100和S200计算最小期望成本价值函数；
S400、给出车头时距和等待时间的分布函数关系模型；
S500、分别通过S300最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式；
S600、基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况。
以下具体说明：
(1)构建出行成本价值函数：
Figure BDA0002332181710000041
式中，pi(·)表示在出行模式i下一般出行成本价值函数，τ＝tDi-ti，tDi表示在出行模式i下的期望到达时间，ti表示在选择出行模式i下的在车时间，
Figure BDA0002332181710000042
表示等待时间，Δ、
Figure BDA0002332181710000043
和ψ都是常参量。
(2)给出车头时距和等待时间的分布函数关系模型：
h＝μh+σhΘ,σh≤μh
Figure BDA0002332181710000044
Figure BDA0002332181710000045
式中，(h)i∈Z表示随机变量车头时距，
Figure BDA0002332181710000046
和Φh分别表示车头时距的概率密度函数和累计分布函数，其均值和方差分别为μh和σh，Θ表示均值为0方差为1的随机变量，
Figure BDA0002332181710000047
表示等待时间的概率密度函数，其均值和方差分别记为μw和σw。
(3)计算最优发车时间函数
根据建立的出行成本价值函数期望的一阶条件，可推导出最优发车时间函数，其函数表达式为：
Figure BDA0002332181710000051
式中，
Figure BDA0002332181710000052
表示最优发车时间，
Figure BDA0002332181710000053
表示等待时间分布函数的逆函数。
(4)最小期望成本价值函数：
Figure BDA0002332181710000054
式中，
Figure BDA0002332181710000055
表示最小期望成本价值函数。
(5)服务车头时距和服务可靠性价值估计式：
Figure BDA0002332181710000056
Figure BDA0002332181710000057
式中，
Figure BDA0002332181710000058
表示服务车头时距价值，
Figure BDA0002332181710000059
表示服务可靠性价值。
根据建立的服务车头时距和服务可靠性价值函数，选取参数为：等待时间服从指数分布，即
Figure BDA00023321817100000510
通过计算可得
Figure BDA00023321817100000512
式中，κ＝10，
Figure BDA00023321817100000511
ψ＝1和μh＝1；
分析实施例中服务车头时距价值和服务可靠性价值的变化情况。
图2是本发明实施例中服务车头时距和可靠性价值的变化图，由图2可知服务车头时距价值随着车头时距方差的增大而减小，而服务可靠性价值随着车头时距方差的增大呈现不规则的增大趋势。因此，车头时距对公共交通服务水平有着重要的影响，公共交通运营商可通过调整车头时距来控制等待时间，所以，利用图1技术路线图我们可以得到一种公共交通出行服务车头时距和可靠性价值的估计方法。
另一方面本发明实施例公开一种公共交通出行服务车头时距和可靠性价值评估装置，包括以下单元：
出行成本价值模型构建单元，用于实现构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
最优发车时间函数计算单元，用于通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
最小期望成本价值计算单元，用于计算最小期望成本价值函数；
车头时距和等待时间的分布函数关系建立单元，用于给出车头时距和等待时间的分布函数关系模型；
服务车头时距价值和服务可靠性价值分析处理单元，用于通过最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式，并基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况。
可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本申请实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信，
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述用于公共交通出行服务车头时距和可靠性价值评估方法，所述方法包括：
S100、构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
S200、通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
S300、基于S100和S200计算最小期望成本价值函数；
S400、给出车头时距和等待时间的分布函数关系模型；
S500、分别通过S300最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式；
S600、基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况。
上述电子设备提到的通信总线可以是外设部件互连标准(英文：PeripheralComponent Interconnect，简称：PCI)总线或扩展工业标准结构(英文：Extended IndustryStandard Architecture，简称：EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(英文：Random Access Memory，简称：RAM)，也可以包括非易失性存储器(英文：Non-Volatile Memory，简称：NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(英文：Central ProcessingUnit，简称：CPU)、网络处理器(英文：Network Processor，简称：NP)等；还可以是数字信号处理器(英文：Digital Signal Processing，简称：DSP)、专用集成电路(英文：ApplicationSpecific Integrated Circuit，简称：ASIC)、现场可编程门阵列(英文：Field-Programmable GateArray，简称：FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一用于公共交通出行服务车头时距和可靠性价值评估方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一用于公共交通出行服务车头时距和可靠性价值评估方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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 (3)

1.一种公共交通出行服务车头时距和可靠性价值评估方法，其特征在于：通过计算机设备执行以下步骤：
S100、构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
S200、通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
S300、基于S100和S200计算最小期望成本价值函数；
S400、给出车头时距和等待时间的分布函数关系模型；
S500、分别通过S300最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式；
S600、基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况；
所述S100构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
其中，出行成本价值函数如下：
Figure FDA0004133333990000011
式中，pi(·)表示在出行模式i下一般出行成本价值函数，τ＝tDi-ti，tDi表示在出行模式i下的期望到达时间，ti表示在选择出行模式i下的在车时间，
Figure FDA0004133333990000012
表示等待时间，Δ、l、
Figure FDA0004133333990000013
Figure FDA0004133333990000014
和ψ都是常参量；
所述S200通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
其中，最优发车时间函数表达式为：
Figure FDA0004133333990000015
式中，
Figure FDA0004133333990000016
表示最优发车时间，
Figure FDA0004133333990000017
表示等待时间分布函数的逆函数；
所述S300基于S100和S200计算最小期望成本价值函数；
其中，最小期望成本价值函数表达式为：
Figure FDA0004133333990000018
式中，
Figure FDA0004133333990000019
表示最小期望成本价值函数；
所述S400给出车头时距和等待时间的分布函数关系模型；
其中，车头时距和等待时间的分布函数关系模型如下：
h＝μh+σhΘ,σh≤μh，
Figure FDA0004133333990000021
Figure FDA0004133333990000022
式中，h表示随机变量车头时距，
Figure FDA0004133333990000023
和Φh分别表示车头时距的概率密度函数和累计分布函数，其均值和方差分别为μh和σh，Θ表示均值为0方差为1的随机变量，
Figure FDA0004133333990000024
表示等待时间的概率密度函数，其均值和方差分别记为μw和σw；
所述S500分别通过S300最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式；
其中，服务车头时距和服务可靠性价值的数学表达式为：
Figure FDA0004133333990000025
Figure FDA0004133333990000026
其中，
Figure FDA0004133333990000027
表示最小期望成本价值函数，
Figure FDA0004133333990000028
表示服务车头时距价值，
Figure FDA0004133333990000029
表示服务可靠性价值，
Figure FDA00041333339900000210
表示最优发车时间，Φw(·)表示等待时间的累计分布函数，Φh(·)表示车头时距的累计分布函数，μh和σh分别表示车头时距的均值和方差，
Figure FDA00041333339900000211
和ψ表示常参数；
所述S600基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况；
具体包括：
根据建立的服务车头时距和服务可靠性价值函数，选取参数为：
等待时间服从指数分布，即
Figure FDA00041333339900000212
通过计算得Φw(x)＝1-e-κx，
Figure FDA00041333339900000213
则
Figure FDA00041333339900000214
和
Figure FDA00041333339900000215
可得：
Figure FDA00041333339900000216
Figure FDA00041333339900000217
式中，κ＝10，
Figure FDA0004133333990000031
ψ＝1和μh＝1；
进而分析服务车头时距价值和服务可靠性价值的变化情况。
2.一种公共交通出行服务车头时距和可靠性价值评估装置，用于实现权利要求1所述的公共交通出行服务车头时距和可靠性价值评估方法，其特征在于：包括以下单元：
出行成本价值模型构建单元，用于实现构建出行成本价值函数，以等待时间和早到时间作为外生变量建立一般出行者出行成本价值函数；
最优发车时间函数计算单元，用于通过推导出一般出行成本价值函数的一阶条件，从而得出最优发车时间函数；
最小期望成本价值计算单元，用于计算最小期望成本价值函数；
车头时距和等待时间的分布函数关系建立单元，用于给出车头时距和等待时间的分布函数关系模型；
服务车头时距价值和服务可靠性价值分析处理单元，用于通过最小的期望成本价值函数对车头时距均值和方差求偏导，得出服务车头时距和服务可靠性价值的数学表达式，并基于服务车头时距和服务可靠性价值的数学表达式，分析服务车头时距价值和服务可靠性价值的变化情况。
3.一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1所述的公共交通出行服务车头时距和可靠性价值评估方法的步骤。
CN201911340694.2A 2019-12-23 2019-12-23 公共交通出行服务车头时距和可靠性价值评估方法和装置 Active CN111191900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911340694.2A CN111191900B (zh) 2019-12-23 2019-12-23 公共交通出行服务车头时距和可靠性价值评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911340694.2A CN111191900B (zh) 2019-12-23 2019-12-23 公共交通出行服务车头时距和可靠性价值评估方法和装置

Publications (2)

Publication Number Publication Date
CN111191900A CN111191900A (zh) 2020-05-22
CN111191900B true CN111191900B (zh) 2023-04-25

Family

ID=70707489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911340694.2A Active CN111191900B (zh) 2019-12-23 2019-12-23 公共交通出行服务车头时距和可靠性价值评估方法和装置

Country Status (1)

Country Link
CN (1) CN111191900B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860804B (zh) * 2023-02-07 2023-05-26 西南交通大学 一种公交运营不可靠性成本计算方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107978153A (zh) * 2017-11-29 2018-05-01 北京航空航天大学 一种基于空间向量自回归模型的多模式交通需求影响分析方法
CN110288821A (zh) * 2019-07-11 2019-09-27 北京航空航天大学 一种人工驾驶公交和自动驾驶公交联合调度优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170169373A1 (en) * 2015-12-14 2017-06-15 Xerox Corporation System and method for measuring perceived impact of schedule deviation in public transport
US20180032964A1 (en) * 2016-08-01 2018-02-01 Nec Europe Ltd. Transportation system and method for allocating frequencies of transit services therein

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107978153A (zh) * 2017-11-29 2018-05-01 北京航空航天大学 一种基于空间向量自回归模型的多模式交通需求影响分析方法
CN110288821A (zh) * 2019-07-11 2019-09-27 北京航空航天大学 一种人工驾驶公交和自动驾驶公交联合调度优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Cervero Robert ; Arrington G.等.Vehicle Trip Reduction Impacts of Transit-Oriented Housing[.《Journal of Public Transportation》.2008,全文. *
李军等.基于指向惩罚的交通信息发布下随机交通分配.《中山大学学报（自然科学版）》.2013,全文. *

Also Published As

Publication number Publication date
CN111191900A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
JP6939911B2 (ja) 適応的に車両を制御する方法及び装置
CN107480028B (zh) 磁盘可使用的剩余时长的获取方法及装置
US20190303755A1 (en) Water quality prediction
US20180159727A1 (en) Systems and methods for identifying cloud configurations
CN106709588B (zh) 预测模型构建方法和设备以及实时预测方法和设备
JP5867349B2 (ja) 品質予測装置、操業条件決定方法、品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体
CN110782659A (zh) 路况确定方法、装置、服务器及存储介质
US11252044B2 (en) Network traffic prediction method, apparatus, and electronic device
CN112801231B (zh) 用于业务对象分类的决策模型训练方法和装置
CN111160959B (zh) 一种用户点击转化预估方法及装置
CN111191900B (zh) 公共交通出行服务车头时距和可靠性价值评估方法和装置
WO2023134188A1 (zh) 指标确定方法、装置、电子设备和计算机可读介质
CN114333317B (zh) 一种交通事件的处理方法、装置、电子设备及存储介质
Ma et al. Bayesian Dynamic Linear Model with Adaptive Parameter Estimation for Short‐Term Travel Speed Prediction
CN117370065B (zh) 一种异常任务确定方法、电子设备及存储介质
WO2020235520A1 (ja) 情報処理装置、情報処理システム、および情報処理プログラム
CN114693052A (zh) 风险预测模型的训练方法、装置、计算设备和介质
JP2015184818A (ja) サーバ、モデル適用可否判定方法およびコンピュータプログラム
CN116992253A (zh) 与目标业务关联的目标预测模型中超参数的取值确定方法
CN116091111A (zh) 产品需求量预测方法、装置、电子设备及存储介质
JP2020071493A (ja) 結果予測装置、結果予測方法、及びプログラム
JP4820747B2 (ja) 旅行時間算出装置、プログラム、および記録媒体
CN114117785A (zh) 态势感知的实现方法、装置、设备及介质
CN108985526B (zh) 运力预测方法及装置、计算机可读存储介质、终端
CN112866129A (zh) 根据时效标志自动调节间隔的组包方法、装置及系统

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