CN111256724A - 一种根据地铁拥挤度的公交地铁换乘路径规划方法 - Google Patents

一种根据地铁拥挤度的公交地铁换乘路径规划方法 Download PDF

Info

Publication number
CN111256724A
CN111256724A CN202010215984.0A CN202010215984A CN111256724A CN 111256724 A CN111256724 A CN 111256724A CN 202010215984 A CN202010215984 A CN 202010215984A CN 111256724 A CN111256724 A CN 111256724A
Authority
CN
China
Prior art keywords
travel
path
subway
travel path
attributes
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.)
Pending
Application number
CN202010215984.0A
Other languages
English (en)
Inventor
吴忠宜
刘向龙
王寒松
刘好德
李成
冯旭杰
钱贞国
宜毛毛
胡雪霏
李香静
祁昊
李晓菲
吴骏
刘荣先
于海洋
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.)
China Academy of Transportation Sciences
Original Assignee
China Academy of Transportation Sciences
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 China Academy of Transportation Sciences filed Critical China Academy of Transportation Sciences
Priority to CN202010215984.0A priority Critical patent/CN111256724A/zh
Publication of CN111256724A publication Critical patent/CN111256724A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/3423Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/343Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484Personalized, e.g. from learned user behaviour or user-defined profiles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通技术领域,尤其涉及一种根据地铁拥挤度的公交地铁换乘路径规划方法,首先建立公共交通出行规划模型,建立公共交通网络拓扑模型,通过对现实中的公交与地铁线路网络进行抽象,对公交与地铁站点的空间位置、线路的走向进行分析,建立公共交通网络拓扑图,然后计算基于公共交通方式的出行路径,再计算公共交通出行路径效用,最后提供出行路径规划结果的集合,依据出行路径效用值,对备选路径集合中的出行路径进行排序,并将路径规划结果和详细信息展示给乘客。本发明为乘客提供更优的公共交通路径规划方案,有序引导客流均衡分布,提升乘客舒适度,改善乘客出行体验,提高公共交通的竞争力和吸引力。

Description

一种根据地铁拥挤度的公交地铁换乘路径规划方法
技术领域
本发明涉及交通技术领域,尤其涉及一种根据地铁拥挤度的公交地铁换乘路径规划方法。
背景技术
城市公共交通具有容量大、效率高、能耗低、污染小、道路资源占用低等比较优势,欧美、日本、新加坡等地经验表明,优先发展城市公共交通是缓解城市交通拥堵、保证人民群众便捷高效出行的根本保障,是实现城市绿色、低碳、可持续发展的必然选择。
随着社会经济的发展和群众生活水平逐步提高,出行乘客对城市公交服务质量提出了更高的要求,要求公交企业能够提供安全、快捷、舒适的出行环境,多元化、个性化公交出行的要求普遍提升。近年来,城市公共交通运力规模不断扩大,有力地支撑了城市社会经济的快速发展,但公交运能发挥不充分、运输效率不高、乘车舒适性较差等问题仍然存在,无法满足快速发展的社会经济速度和居民出行需求,要求公交企业转变发展方式,积极推进科技创新和管理创新,提升城市公交的服务品质。为提升城市公共交通系统的资源利用效率,提高竞争力和吸引力,需要考虑多种服务品质影响因素,包括乘车舒适度、出行时间、出行费用以及步行距离等因素。其中,乘车舒适度对于出行路径规划决策的影响程度较大,引导乘客选择拥挤度较低的出行路线,能够促进公共交通客流合理分布,并能够提升乘客乘坐公共交通的出行体验,提高公共交通出行分担率。
发明内容
有鉴于此,本发明的目的是提供一种根据地铁拥挤度的公交地铁换乘路径规划方法,以解决背景技术中的问题。
本发明的目的在于提出一种根据地铁拥挤度的公交地铁换乘路径规划方法,具体按以下步骤执行:
S1:建立公共交通出行规划模型;
S1.1:建立公共交通网络拓扑模型,通过对现实中的公交与地铁线路网络进行抽象,对公交与地铁站点的空间位置、线路的走向进行分析,建立公共交通网络拓扑图;
S1.2:建立公共交通出行路径模型;公共交通出行路径模型包括节点集合、两点之间边集合、可达性集合和线路数集合;
进一步,计算基于公共交通方式的出行路径;计算公共交通方式的出行路径有两种方法;第一种,通过公共交通出行路径的属性赋值,围绕出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性,计算各属性的值,各属性计量方法如表1所示:
表1属性计量方法
Figure BDA0002424416690000021
进一步,基于路径属性进行公共交通出行路径选择,分别针对出行规划路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性,选择排名前N的规划路径,作为乘客出行规划路径的候选项。
Ck={Ri|Ri,k∈Min(N)},Ck表示各路径属性排名前N的路径集合,Ri表示第i条出行规划路径,Ri,k表示第i条出行规划路径的K属性(K=1表示行程时间、K=2拥挤度、K=3步行距离、K=4出行费用、K=5换乘次数)
进一步,构建公共交通出行路径候选集合,将依据各路径属性进行排序后的规划路径纳入统一的出行路径候选集合,在此过程中合并重复的规划路径;C={∑Ck|1≤k≤5}
进一步,计算基于公共交通方式的出行路径;第二种,计算基于公共交通方式的出行路径,采用传统方法为公共交通出行路径的属性赋值。围绕出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性,计算各属性的值。各属性计量方法如表2所示:
表2属性计量方法
Figure BDA0002424416690000022
Figure BDA0002424416690000031
进一步,采用传统方法计算公共交通出行最优路径
根据某乘客提交的出行起点和终点的位置信息,使用传统方法(即不考虑地铁拥挤度,仅考虑其他几个因素),利用GIS地理信息平台,计算从起点到终点采用公共交通方式(公交+地铁)的出行规划的最优路径VS0,其中S0表示该路径中与公交换乘的地铁站点。
进一步,将地铁换乘站点的上一站点和下一站点纳入备选路径,在使用传统方法获取到的最优路径VS0的基础上,计算选择地铁站点S0的下一站(S1)作为公交与地铁的换乘站点情况下的出行路径,以及选择站点S0的上一站(S-1)作为公交与地铁的换乘站点情况下的出行路径,将这三条路径纳入出行路径候选集合。
C={VS0,VS1,VS-1},C表示公共交通出行路径候选集合,VS0表示传统路径规划方法计算的采用公共交通方式(公交+地铁)最优路径,S0是公交地铁换乘时的地铁站点,VS1表示选择S0的下一地铁站作为换乘站点情况下的规划路径,VS-1表示选择S0的上一地铁站作为换乘站点情况下的规划路径
进一步,为候选集合中的路径增加地铁拥挤度属性并赋值
增加了地铁拥挤度属性后,出行路径属性计量方法如表3所示:
表3出行路径属性计量方法
Figure BDA0002424416690000032
进一步,计算公共交通出行路径效用;
S3.1:设置出行路径属性权重;根据乘客的出行偏好,设置出行路径各属性的权重值;通过问卷调查的方式,获取基于乘客出行偏好的出行路径各属性的权重值,在乘客选择“舒适性优先”的出行偏好时,得出出行路径各属性的权重值;如表4所示:
表4出行路径各属性的权重值
Figure BDA0002424416690000033
Figure BDA0002424416690000041
S3.2:计算出行路径各属性的效用值,根据路径规划数据和路况实时监测数据,以各属性的最小值为基准,为出行路径的各个属性打分;
计算公式如式(1)所示:
Pi,k=Vk,min/Vi,k*100 式(1)
Pi,k表示第i条出行路径K属性的效用值,Vk,min表示所有出行路径K属性的最低计量值,Vi,k表示第i条出行路径K属性的计量值。
S3.3:计算出行路径效用值;
综合考虑出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性值,结合出行路径的属性权重,计算候选路径集合中的各出行路径的综合效用;
计算公式如式(2)所示:
Ei=∑Pi,k*Wk(1≤i≤N,N为集合中的路径条数) 式(2)
Ei表示第i条出行路径的效用值,Pi,k表示第i条出行路径K属性的效用值,Wk表示当前出行路径K属性的权重。
进一步,提供出行路径规划结果的集合,依据出行路径效用值,对备选路径集合中的出行路径进行排序,并将路径规划结果和详细信息展示给乘客。
计算公式如式(3)所示:
Cs={Rj|Rj∈C且j=Sort(E)} (1≤j≤N,N为集合中的路径条数);
Cs表示按照效用E排序后的路径集合,用于信息发布;Sort(E)表示按照效用值E对集合中的路径进行排序;j表示按效用排序后,路径R在集合中的排序位置,如表5所示;
Figure BDA0002424416690000042
本发明的有益效果:针对公共交通出行路径规划问题,在考虑行程时间、出行费用、换乘距离等因素的基础上,引入地铁车厢拥挤度和站台拥挤度,综合考虑乘客的舒适度、行程时间、出行费用、换乘距离等因素,建立公交地铁换乘路径规划模型,为乘客提供更优的公共交通路径规划方案,有序引导客流均衡分布,提升乘客舒适度,改善乘客出行体验,提高公共交通的竞争力和吸引力。
附图说明
图1是本发明的方法流程图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明,显然,所描述的实施例仅仅只是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,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,都属于本申请保护的范围。
本实施例中,本发明的一种根据地铁拥挤度的公交地铁换乘路径规划方法,本实例包括以下步骤:
S1:建立公共交通出行规划模型;
S1.1:建立公共交通网络拓扑模型,通过对现实中的公交与地铁线路网络进行抽象,对公交与地铁站点的空间位置、线路的走向进行分析,建立公共交通网络拓扑图;
S1.2:建立公共交通出行路径模型;公共交通出行路径模型包括节点集合、两点之间边集合、可达性集合和线路数集合;
本实施例中,计算基于公共交通方式的出行路径;计算公共交通方式的出行路径有两种方法;第一种,通过公共交通出行路径的属性赋值,围绕出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性,计算各属性的值,各属性计量方法如表1所示:
表1属性计量方法
Figure BDA0002424416690000051
本实施例中,基于路径属性进行公共交通出行路径选择,分别针对出行规划路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性,选择排名前N的规划路径,作为乘客出行规划路径的候选项。
Ck={Ri|Ri,k∈Min(N)},Ck表示各路径属性排名前N的路径集合,Ri表示第i条出行规划路径,Ri,k表示第i条出行规划路径的K属性(K=1表示行程时间、K=2拥挤度、K=3步行距离、K=4出行费用、K=5换乘次数)
本实施例中,构建公共交通出行路径候选集合,将依据各路径属性进行排序后的规划路径纳入统一的出行路径候选集合,在此过程中合并重复的规划路径;C={∑Ck|1≤k≤5}
本实施例中,计算基于公共交通方式的出行路径;第二种,计算基于公共交通方式的出行路径,采用传统方法为公共交通出行路径的属性赋值。围绕出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性,计算各属性的值。各属性计量方法如表2所示:
表2属性计量方法
出行路径属性 计量方法 计量单位
行程时间 乘车时间+候车时间+步行时间 分钟
步行距离 进入+换乘+离开的步行距离
出行费用 公交费用+地铁费用-换乘优惠
换乘次数 公交换乘地铁、地铁之间换乘次数
本实施例中,采用传统方法计算公共交通出行最优路径
根据某乘客提交的出行起点和终点的位置信息,使用传统方法(即不考虑地铁拥挤度,仅考虑其他几个因素),利用GIS地理信息平台,计算从起点到终点采用公共交通方式(公交+地铁)的出行规划的最优路径VS0,其中S0表示该路径中与公交换乘的地铁站点。
本实施例中,将地铁换乘站点的上一站点和下一站点纳入备选路径,在使用传统方法获取到的最优路径VS0的基础上,计算选择地铁站点S0的下一站(S1)作为公交与地铁的换乘站点情况下的出行路径,以及选择站点S0的上一站(S-1)作为公交与地铁的换乘站点情况下的出行路径,将这三条路径纳入出行路径候选集合。
C={VS0,VS1,VS-1},C表示公共交通出行路径候选集合,VS0表示传统路径规划方法计算的采用公共交通方式(公交+地铁)最优路径,S0是公交地铁换乘时的地铁站点,VS1表示选择S0的下一地铁站作为换乘站点情况下的规划路径,VS-1表示选择S0的上一地铁站作为换乘站点情况下的规划路径
本实施例中,为候选集合中的路径增加地铁拥挤度属性并赋值
增加了地铁拥挤度属性后,出行路径属性计量方法如表3所示:
表3出行路径属性计量方法
出行路径属性 计量方法 计量单位
行程时间 乘车时间+候车时间+步行时间 分钟
步行距离 进入+换乘+离开的步行距离
出行费用 公交费用+地铁费用-换乘优惠
换乘次数 公交换乘地铁、地铁之间换乘次数
地铁拥挤度 (列车人数+站台候车人数)/最大载客人数
本实施例中,计算公共交通出行路径效用;
S3.1:设置出行路径属性权重;根据乘客的出行偏好,设置出行路径各属性的权重值;通过问卷调查的方式,获取基于乘客出行偏好的出行路径各属性的权重值,在乘客选择“舒适性优先”的出行偏好时,得出出行路径各属性的权重值;如表4所示:
表4出行路径各属性的权重值
属性 行程时间 地铁拥挤度 步行距离 出行费用 换乘次数
权重值 W1 W2 W3 W4 W5
S3.2:计算出行路径各属性的效用值,根据路径规划数据和路况实时监测数据,以各属性的最小值为基准,为出行路径的各个属性打分;
计算公式如式(1)所示:
Pi,k=Vk,min/Vi,k*100 式(1)
Pi,k表示第i条出行路径K属性的效用值,Vk,min表示所有出行路径K属性的最低计量值,Vi,k表示第i条出行路径K属性的计量值。
S3.3:计算出行路径效用值;
综合考虑出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性值,结合出行路径的属性权重,计算候选路径集合中的各出行路径的综合效用;
计算公式如式(2)所示:
Ei=∑Pi,k*Wk(1≤i≤N,N为集合中的路径条数) 式(2)
Ei表示第i条出行路径的效用值,Pi,k表示第i条出行路径K属性的效用值,Wk表示当前出行路径K属性的权重。
本实施例中,提供出行路径规划结果的集合,依据出行路径效用值,对备选路径集合中的出行路径进行排序,并将路径规划结果和详细信息展示给乘客。
计算公式如式(3)所示:
Cs={Rj|Rj∈C且j=Sort(E)} (1≤j≤N,N为集合中的路径条数);
Cs表示按照效用E排序后的路径集合,用于信息发布;Sort(E)表示按照效用值E对集合中的路径进行排序;j表示按效用排序后,路径R在集合中的排序位置,如表5所示;
Figure BDA0002424416690000081
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (4)

1.一种根据地铁拥挤度的公交地铁换乘路径规划方法,具体按以下步骤执行:
S1:建立公共交通出行规划模型;
S1.1:建立公共交通网络拓扑模型,通过对现实中的公交与地铁线路网络进行抽象,对公交与地铁站点的空间位置、线路的走向进行分析,建立公共交通网络拓扑图;
S1.2:建立公共交通出行路径模型;公共交通出行路径模型包括节点集合、两点之间边集合、可达性集合和线路数集合;
S2:计算基于公共交通方式的出行路径;
S3:计算公共交通出行路径效用;
S3.1:设置出行路径属性权重;根据乘客的出行偏好,设置出行路径各属性的权重值;通过问卷调查的方式,获取基于乘客出行偏好的出行路径各属性的权重值,在乘客选择“舒适性优先”的出行偏好时,得出行路径各属性的权重占比;
S3.2:计算出行路径各属性的效用值,根据路径规划数据和路况实时监测数据,以各属性的最小值为基准,为出行路径的各个属性打分;
S3.3:计算出行路径效用值;
综合考虑出行路径的行程时间、拥挤度、步行距离、出行费用、换乘次数等属性值,结合出行路径的属性权重,计算候选路径集合中的各出行路径的综合效用;
S4:提供出行路径规划结果的集合,依据出行路径效用值,对备选路径集合中的出行路径进行排序,并将路径规划结果和详细信息展示给乘客。
2.根据权利要求1一种根据地铁拥挤度的公交地铁换乘路径规划方法,其特征在于:
在S3.2中,计算公式如式(1)所示:
Pi,k=Vk,min/Vi,k*100 式(1)
Pi,k表示第i条出行路径K属性的效用值,Vk,min表示所有出行路径K属性的最低计量值,Vi,k表示第i条出行路径K属性的计量值。
3.根据权利要求1一种根据地铁拥挤度的公交地铁换乘路径规划方法,其特征在于:
在S3.3中,计算公式如式(2)所示:
Ei=∑Pi,k*Wk(1≤i≤N,N为集合中的路径条数) 式(2)
Ei表示第i条出行路径的效用值,Pi,k表示第i条出行路径K属性的效用值,Wk表示当前出行路径K属性的权重。
4.根据权利要求1一种根据地铁拥挤度的公交地铁换乘路径规划方法,其特征在于:在步骤S4中,计算公式如式(3)所示:
Cs={Rj|Rj∈C且j=Sort(E)}(1≤j≤N,N为集合中的路径条数);
Cs表示按照效用E排序后的路径集合,用于信息发布;Sort(E)表示按照效用值E对集合中的路径进行排序;j表示按效用排序后,路径R在集合中的排序位置。
CN202010215984.0A 2020-03-25 2020-03-25 一种根据地铁拥挤度的公交地铁换乘路径规划方法 Pending CN111256724A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010215984.0A CN111256724A (zh) 2020-03-25 2020-03-25 一种根据地铁拥挤度的公交地铁换乘路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010215984.0A CN111256724A (zh) 2020-03-25 2020-03-25 一种根据地铁拥挤度的公交地铁换乘路径规划方法

Publications (1)

Publication Number Publication Date
CN111256724A true CN111256724A (zh) 2020-06-09

Family

ID=70953296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010215984.0A Pending CN111256724A (zh) 2020-03-25 2020-03-25 一种根据地铁拥挤度的公交地铁换乘路径规划方法

Country Status (1)

Country Link
CN (1) CN111256724A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861841A (zh) * 2020-06-30 2020-10-30 南昌轨道交通集团有限公司 交通路网客流分布的确定方法、装置、设备和存储介质
CN114593734A (zh) * 2022-01-19 2022-06-07 广州新科佳都科技有限公司 一种基于地铁拥挤度的站内路径规划方法及装置
CN114999668A (zh) * 2022-04-13 2022-09-02 浙江大学 基于整数规划的公共交通系统疫情传播阻断方法
CN115879999A (zh) * 2023-02-06 2023-03-31 成都智元汇信息技术股份有限公司 一种公共交通乘车优惠的动态指引方法及装置及介质
CN117151315A (zh) * 2021-03-30 2023-12-01 福建诺诚数字科技有限公司 一种基于用户实时位置的到店自动排单、订单跟踪方法及系统
CN117252323A (zh) * 2023-11-17 2023-12-19 西华大学 一种基于用户偏好的多模式出行路径规划方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867408A (zh) * 2012-09-17 2013-01-09 北京理工大学 一种公交出行路线的选择方法和系统
US20170059341A1 (en) * 2015-08-31 2017-03-02 Sap Se Diversified route planning for public transportation network
CN108022022A (zh) * 2017-12-20 2018-05-11 东南大学 一种基于出行舒适度的公交出行方案评价系统
CN110009131A (zh) * 2019-02-28 2019-07-12 河海大学 一种考虑多因素影响的网约车派单方法
CN110059861A (zh) * 2019-03-22 2019-07-26 江苏大学 一种考虑拥挤度的公交线路选择方法及系统
CN110119890A (zh) * 2019-04-27 2019-08-13 五邑大学 一种基于ahp-灰色关联分析的铁路乘车方案排序方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102867408A (zh) * 2012-09-17 2013-01-09 北京理工大学 一种公交出行路线的选择方法和系统
US20170059341A1 (en) * 2015-08-31 2017-03-02 Sap Se Diversified route planning for public transportation network
CN108022022A (zh) * 2017-12-20 2018-05-11 东南大学 一种基于出行舒适度的公交出行方案评价系统
CN110009131A (zh) * 2019-02-28 2019-07-12 河海大学 一种考虑多因素影响的网约车派单方法
CN110059861A (zh) * 2019-03-22 2019-07-26 江苏大学 一种考虑拥挤度的公交线路选择方法及系统
CN110119890A (zh) * 2019-04-27 2019-08-13 五邑大学 一种基于ahp-灰色关联分析的铁路乘车方案排序方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
汤书昆等: "《国家创新生态系统的理论与实践》", 31 August 2018, 中国科学技术大学出版社 *
蔺焕泉: "公交乘车最优线路的数学模型与算法", 《长春大学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861841A (zh) * 2020-06-30 2020-10-30 南昌轨道交通集团有限公司 交通路网客流分布的确定方法、装置、设备和存储介质
CN117151315A (zh) * 2021-03-30 2023-12-01 福建诺诚数字科技有限公司 一种基于用户实时位置的到店自动排单、订单跟踪方法及系统
CN114593734A (zh) * 2022-01-19 2022-06-07 广州新科佳都科技有限公司 一种基于地铁拥挤度的站内路径规划方法及装置
CN114999668A (zh) * 2022-04-13 2022-09-02 浙江大学 基于整数规划的公共交通系统疫情传播阻断方法
CN114999668B (zh) * 2022-04-13 2024-06-07 浙江大学 基于整数规划的公共交通系统疫情传播阻断方法
CN115879999A (zh) * 2023-02-06 2023-03-31 成都智元汇信息技术股份有限公司 一种公共交通乘车优惠的动态指引方法及装置及介质
CN115879999B (zh) * 2023-02-06 2023-05-26 成都智元汇信息技术股份有限公司 一种公共交通乘车优惠的动态指引方法及装置及介质
CN117252323A (zh) * 2023-11-17 2023-12-19 西华大学 一种基于用户偏好的多模式出行路径规划方法
CN117252323B (zh) * 2023-11-17 2024-01-30 西华大学 一种基于用户偏好的多模式出行路径规划方法

Similar Documents

Publication Publication Date Title
CN111256724A (zh) 一种根据地铁拥挤度的公交地铁换乘路径规划方法
Nielsen A stochastic transit assignment model considering differences in passengers utility functions
CN105513400B (zh) 动态规划出行路径的方法
US20180032964A1 (en) Transportation system and method for allocating frequencies of transit services therein
CN113780808B (zh) 基于柔性公交接驳系统线的车辆服务属性决策优化方法
CN110414795B (zh) 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法
CN112085249B (zh) 一种基于强化学习的定制公交线路规划方法
CN110909434A (zh) 一种低碳导向下的城市公共交通干线网络设计方法
Cats et al. Effect of real-time transit information on dynamic passenger path choice
CN111368149A (zh) 网络化运营条件下基于图论的行程可达性计算和展示方法、计算机设备及存储介质
CN115713207A (zh) 一种混合公交服务组合优化方法
CN116128172A (zh) 一种空铁联运路线生成方法、系统及设备和存储介质
CN113205213B (zh) 一种基于互联网地图数据的公交评价方法及系统
Deng et al. Optimization of train plan for urban rail transit in the multi-routing mode
CN110879866B (zh) 基于旅客出行多元数据分析的空铁联程中转地点确定方法
Chen et al. A model for taxi pooling with stochastic vehicle travel times
Huang et al. Utility-aware batch-processing algorithms for dynamic carpooling based on double auction
Ma et al. QA-Share: Toward an efficient QoS-aware dispatching approach for urban taxi-sharing
CN114897213A (zh) 一种历史街区公交可达性测算方法与优化方法
Rossit et al. Multiobjective design of sustainable public transportation systems
Massobrio et al. Multiobjective evolutionary algorithms for the taxi sharing problem
Afandizadeh Zargari et al. Optimizing algorithm for allocating passengers in shared taxis
Wu et al. Timetable synchronization optimization for metro networks with the consideration of station centrality
Feng et al. Optimal multi-attribute decision-making method for public bus route selection under interval-valued intuitionistic fuzzy environment
Liu et al. The Algorithm of Multi-source to Multi-sink Traffic scheduling

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200609

RJ01 Rejection of invention patent application after publication