CN111292536A - 一种基于串车现象分析的常规公交运行稳定性优化方法 - Google Patents

Abstract

本发明公开了一种基于串车现象分析的常规公交运行稳定性优化方法，包括步骤：时段划分；评价指标选取，选取车头时距变异系数对常规公交串车现象进行分析；常规公交运行数据集搭建；构建常规公交串车现象判断模型；通过计算判断公交站点在某时段内是否发生串车现象，若发生串车现象，则通过调整相应时段的发车间隔优化串车现象，若不发生串车现象，说明该时段内的公交运行可靠性高，无需进行优化；本发明利用对发生串车现象的公交站点采取调整发车间隔的方法，实现对整条公交线路运行可靠性的提高，为公交线路运行优化提供参考。

Description

一种基于串车现象分析的常规公交运行稳定性优化方法

技术领域

本发明属于公交优化技术领域，具体涉及一种基于串车现象分析的常规公交运行稳定性优化方法。

背景技术

随着经济的发展，私家车数量的急剧增加，城市交通拥堵问题也日益突出。为此国家大力发展公共交通，常规公交的运行可靠性会影响乘客是否选择公交出行，若公交运行可靠性差，会导致公交出行在城市交通中的分担率低，也会影响到道路上其他车辆的运行，造成交通拥堵。

目前对常规公交运行可靠性的分析主要是从公交网络分析网络拓扑结构的可靠性，以及从乘客角度的分析站台等候时间可靠性，未从公交运行线路上公交停靠的站点进行分析。分析公交站点是否发生串车现象可以从侧面反映该公交站点的服务水平，因此，十分需要从公交站点串车现象的角度对公交运行可靠性进行分析。又由于中国大多数城市的公交发车时间间隔不一定，故优化公交运行可靠性最直接的方法是调整公交的发车时间间隔。而一天中各个不同时段公交运行可靠性不同，于是分时段进行分析会使结果更为可靠。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于串车现象分析的常规公交运行稳定性优化方法。

本发明通过以下技术方案实现：

一种基于串车现象分析的常规公交运行稳定性优化方法，包括以下步骤：

1)时段划分；

根据公交线路相关道路上的道路交通的运行水平，将一天的时间划分为早高峰、平峰、晚高峰三个时段；

2)评价指标选取；

根据《公共交通通行能力和质量服务手册》中对串车现象的描述——当实时的车头时距大于计划车头时距的

时，即可判断为串车现象；

选取车头时距变异系数Cov(h)对常规公交站点串车现象进行评价；

3)常规公交运行数据集搭建；

通过常规公交实际运行数据搭建常规公交运行数据集，包括每辆公交车在各站点的到发时间以及计算出的每相邻两辆公交车到达站点S的车头时距及其平均值和标准差；

4)构建常规公交串车现象判断模型；

根据选取的评价指标——车头时距变异系数Cov(h)构建常规公交串车现象判断模型，包括评价指标的计算方法以及判断是否发生串车现象的标准；

5)通过计算判断公交站点在某时段内是否发生串车现象；

根据已搭建数据集中的数据对所选取指标进行计算，再通过常规公交串车现象判断模型判断公交站点是否发生串车现象，若发生串车现象，则通过调整相应时段的发车间隔优化串车现象，若不发生串车现象，说明该时段内的公交运行可靠性高，无需进行优化。

本发明进一步设置为：所述步骤1)中的时段划分，具体为，

根据公交线路相关道路上的道路交通运行水平，将一天的时间划分为早高峰、平峰和晚高峰三个时段，早高峰为7:00-9:00，晚高峰为16:30-18:30，平峰为5:00-7:00，9:00-16:30，18:30-23:00。

本发明进一步设置为：所述步骤2)中的评价指标选取，选取车头时距变异系数Cov(h)对某时段内公交站点是否发生串车现象进行判断，其计算公式为，

其中，S_h为车头时距的标准差；D_h为车头时距的平均值。

本发明进一步设置为：所述步骤3)中的常规公交运行数据集搭建，具体为，

对于三个不同时段需分别搭建数据集，分别搭建早高峰建常规公交运行数据集G₁、平峰建常规公交运行数据集G₂和晚高峰建常规公交运行数据集G₃，统一为常规公交运行数据集G_i，

G_i＝{T_ij,M_ij,S_ij,D_h,S_h}

其中，G_i表示三个时段分别搭建的数据集，i取早高峰、平峰、晚高峰；T_ij表示第i辆公交车到达第j个公交站点的时间，M_ij表示第i辆公交车在第j个公交站点出发的时间，S_ij表示第i辆公交车和第i+1辆公交车到达第个公交站点的车头时距；D_h表示车头时距的平均值；S_h表示车头时距的标准差。

本发明进一步设置为：所述步骤4)中的构建常规公交串车现象判断模型，具体为，

4-1)车头时距变异系数Cov(h)的计算公式如下，

其中，S_h为车头时距的标准差；D_h为车头时距的平均值；

4-2)通过车头时距变异系数Cov(h)判断公交站点是否发生串车现象的标准如下表1所示：

表1

表中，P(abs[h_i-h]>0.5h)表示给定车辆车头时距h_i偏离0.5倍规定车头时距h的概率；应用于计划发车时间间隔小于或等于10min的公交路线。

本发明进一步设置为：所述步骤5)中的通过计算判断公交站点在某时段内是否发生串车现象，具体为，

5-1)根据已搭建数据集中的数据通过步骤4-1)计算该时段内不同发车时间间隔下各公交站点的车头时距变异系数Cov(h)；

5-2)通过步骤4-2)判断在不同发车时间间隔下公交站点是否发生串车现象以及发生串车现象的频率；

5-3)若该时段内在所有发车时间间隔下各公交站点发生串车现象的频率较高，则选取发生串车现象最少的发车时间间隔作为该时段最佳发车时间间隔，将该时段内公交发车时间间隔统一为该最佳发车时间间隔；若该时段内在所有发车时间间隔下各公交站点发生串车现象的频率都很低，则说明该时段内该公交路线的公交运行可靠性高，无需进行优化。

与现有技术相比，本发明的有益效果是：

本发明提供的一种基于串车现象分析的常规公交运行稳定性优化方法，将一天的时间划分为早高峰、平峰和晚高峰三个时段，基于实际公交运行数据，对一天中的各个时段公交站点是否发生串车现象进行分析，进一步进行公交运行可靠性分析，从而有效避免片面地研究一整天公交的运行可靠性，可以根据各个时段不同的交通流特征以及道路交通的服务水平对公交运行稳定性进行比较分析并提出优化方案；因此，本发明的常规公交运行可靠性优化方法，能更加准确的反映不同时段公交运行可靠性，能为公交线路优化提供参考。

本发明与之前的常规公交运行可靠性分析与优化方法相比，该方法分时段判断公交路线上各站点发生串车现象的概率以及频率，进而分析整条公交线路运行可靠性，可以准确分析出一天中不同时段公交线路运行可靠性高低，同时可以通过调整不同时段内公交发车时间间隔来优化公交线路，不必对整天的发车时间间隔都进行调整。

附图说明

图1为本发明的流程图；

图2为本发明实施例发车间隔5分钟车头时距变异系数折线图；

图3为本发明实施例发车间隔4分钟车头时距变异系数折线图。

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：

如图1，一种基于串车现象分析的常规公交运行稳定性优化方法，,包括以下步骤：

1)时段划分；

根据公交线路相关道路上的道路交通的运行水平，将一天的时间划分为早高峰、平峰、晚高峰三个时段；

2)评价指标选取；

根据《公共交通通行能力和质量服务手册》中对串车现象的描述——当实时的车头时距大于计划车头时距的

时，即可判断为串车现象；

选取车头时距变异系数Cov(h)对常规公交站点串车现象进行评价；

3)常规公交运行数据集搭建；

通过常规公交实际运行数据搭建常规公交运行数据集，包括每辆公交车在各站点的到发时间以及计算出的每相邻两辆公交车到达站点S的车头时距及其平均值和标准差；

4)构建常规公交串车现象判断模型；

根据选取的评价指标——车头时距变异系数Cov(h)构建常规公交串车现象判断模型，包括评价指标的计算方法以及判断是否发生串车现象的标准；

5)通过计算判断公交站点在某时段内是否发生串车现象；

根据已搭建数据集中的数据对所选取指标进行计算，再通过常规公交串车现象判断模型判断公交站点是否发生串车现象，若发生串车现象，则通过调整相应时段的发车间隔优化串车现象，若不发生串车现象，说明该时段内的公交运行可靠性高，无需进行优化。

从公交站点是否发生串车现象的角度对公交运行可靠性进行优化，选取车头时距变异系数Cov(h)作为计算指标，通过搭建的实际公交运行数据集中的数据计算选取指标的值，并绘制该指标数值的折线图，从而对一天中不同时段内公交运行可靠性高低进行判断，进一步通过调整公交运行可靠性低的时段内公交车的发车间隔来优化该公交线路。

实施例

选取南京市3号公交路线(往山西路方向)作为一个实例，对本发明常规公交运行可靠性分析与优化方法给出进一步说明，该线路起始站以及终点站均为随家仓，为环形公交线路。

根据公交线路所用道路在一天中不同时间的道路交通服务水平，对一天中的时段进行划分的结果如表2所示。

表2

根据实际公交运行数据分别搭建早高峰常规公交运行数据集G₁、平峰常规公交运行数据集G₂和晚高峰常规公交运行数据集G₃，本实施例中选取早高峰时段作为优化实施例进行分析。选取早高峰常规公交运行数据集G₁中发车时间间隔为5分钟的数据，如表3所示。

表3

表3中车头时距1表示第1辆公交车和第2辆公交车到达公交站点的车头时距；Z2表示该公交路线上的第2个公交站点，起始站为第1站。

根据表3中的数据计算该公交路线上各站点的车头时距变异系数Cov(h)的数值如表4所示。

表4

根据表4中的数值绘制车头时距变异系数Cov(h)折线图，如图2所示。

根据图2可以看出在早高峰时该公交路线相邻公交车发车时间间隔为5分钟时，该公交线路上大部分站点的车头时距变异系数Cov(h)的值在0.31-0.39之间，根据评价标准，说明公交车在该站点的车头时距经常偏离规定值。还有一大部分站点的车头时距变异系数Cov(h)的值在0.53-0.74之间，说明公交车在该站点的会有经常性的串车现象。故可以判断该公交线路上大部分站点会经常产生串车现象，这会导致公交车到达站点的准点率低，进而会导致乘客在该站点的等车时间长，这说明该公交线路公交运行可靠性低，需进行优化。

再选取早高峰常规公交运行数据集G₁中发车时间间隔为4分钟的数据，如表5所示。

表5

根据表5中的数据计算该公交路线上各站点的车头时距变异系数Cov(h)的数值如表6所示。

表6

根据表6中的数值绘制车头时距变异系数Cov(h)折线图，如图3所示。

根据图3可以看出在早高峰时该公交路线相邻公交车发车时间间隔为4分钟时，该公交线路上大部分站点的车头时距变异系数Cov(h)的值在0.00-0.21之间，部分在0.22-0.30之间，根据评价标准，说明公交车在该站点的车头时距与规定值基本一致，有时会稍微偏离规定值，进一步说明早高峰时段内发车时间间隔为4分钟时该公交路线的公交运行可靠性高。

根据两个发车时间间隔下该路线公交运行可靠性的高低比较，可知在早高峰时，若将所有公交车辆的发车时间间隔均调为4分钟，会减少公交站点串车现象的发生，提高公交运行可靠性。实例验证该方法有效。

本发明的创新点在于，与之前的常规公交运行可靠性分析与优化方法相比，该方法分时段判断公交路线上各站点发生串车现象的概率以及频率，进而分析整条公交线路运行可靠性，可以准确分析出一天中不同时段公交线路运行可靠性高低，同时可以通过调整不同时段内公交发车时间间隔来优化公交线路，不必对整天的发车时间间隔都进行调整。

本发明中涉及的未说明部份与现有技术相同或采用现有技术加以实现。

Claims (6)

1.一种基于串车现象分析的常规公交运行稳定性优化方法，其特征是：包括以下步骤：

1)时段划分；

根据公交线路相关道路上的道路交通的运行水平，将一天的时间划分为早高峰、平峰、晚高峰三个时段；

2)评价指标选取；

根据《公共交通通行能力和质量服务手册》中对串车现象的描述——当实时的车头时距大于计划车头时距的

时，即可判断为串车现象；

选取车头时距变异系数Cov(h)对常规公交站点串车现象进行评价；

3)常规公交运行数据集搭建；

通过常规公交实际运行数据搭建常规公交运行数据集，包括每辆公交车在各站点的到发时间以及计算出的每相邻两辆公交车到达站点S的车头时距及其平均值和标准差；

4)构建常规公交串车现象判断模型；

根据选取的评价指标——车头时距变异系数Cov(h)构建常规公交串车现象判断模型，包括评价指标的计算方法以及判断是否发生串车现象的标准；

5)通过计算判断公交站点在某时段内是否发生串车现象；

根据已搭建数据集中的数据对所选取指标进行计算，再通过常规公交串车现象判断模型判断公交站点是否发生串车现象，若发生串车现象，则通过调整相应时段的发车间隔优化串车现象，若不发生串车现象，说明该时段内的公交运行可靠性高，无需进行优化。

2.根据权利要求1所述的一种基于串车现象的常规公交运行可靠性优化方法，其特征在于：所述步骤1)中的时段划分，具体为：

根据公交线路相关道路上的道路交通运行水平，将一天的时间划分为早高峰、平峰和晚高峰三个时段，早高峰为7:00-9:00，晚高峰为16:30-18:30，平峰为5:00-7:00，9:00-16:30，18:30-23:00。

3.根据权利要求1所述的一种基于串车现象的常规公交运行可靠性优化方法，其特征在于：所述步骤2)中的评价指标选取，选取车头时距变异系数Cov(h)对某时段内公交站点是否发生串车现象进行判断，其计算公式为：

其中，S_h为车头时距的标准差；D_h为车头时距的平均值。

4.根据权利要求1所述的一种基于串车现象的常规公交运行可靠性优化方法，其特征在于：所述步骤3)中的常规公交运行数据集搭建，对于三个不同时段需分别搭建数据集，分为早高峰常规公交运行数据集G₁、平峰常规公交运行数据集G₂和晚高峰常规公交运行数据集G₃，具体为：

通过常规公交实际运行数据搭建常规公交运行数据集G_i，

G_i＝{T_ij,M_ij,S_ij,D_h,S_h}

其中，G_i表示三个时段分别搭建的数据集，i取早高峰、平峰、晚高峰；T_ij表示第i辆公交车到达第j个公交站点的时间，M_ij表示第i辆公交车在第j个公交站点出发的时间，S_ij表示第i辆公交车和第i+1辆公交车到达第个公交站点的车头时距；D_h表示车头时距的平均值；S_h表示车头时距的标准差。

5.根据权利要求1所述的一种基于串车现象的常规公交运行可靠性优化方法，其特征在于：所述步骤4)中的构建常规公交串车现象判断模型，具体为：

4-1)车头时距变异系数Cov(h)的计算公式如下：

其中，S_h为车头时距的标准差；D_h为车头时距的平均值；

4-2)通过车头时距变异系数Cov(h)判断公交站点是否发生串车现象的标准如下表1所示：

表1

表中，P(abs[h_i-h]>0.5h)表示给定车辆车头时距h_i偏离0.5倍规定车头时距h的概率；应用于计划发车时间间隔小于或等于10min的公交路线。

6.根据权利要求1所述的一种基于串车现象的常规公交运行可靠性优化方法，其特征在于：所述步骤5)中的通过计算判断公交站点在某时段内是否发生串车现象，具体为：

5-1)根据已搭建数据集中的数据通过步骤4-1)计算该时段内不同发车时间间隔下各公交站点的车头时距变异系数Cov(h)；

5-2)通过步骤4-2)判断在不同发车时间间隔下公交站点是否发生串车现象以及发生串车现象的频率；

5-3)若该时段内在所有发车时间间隔下各公交站点发生串车现象的频率较高，则选取发生串车现象最少的发车时间间隔作为该时段最佳发车时间间隔，将该时段内公交发车时间间隔统一为该最佳发车时间间隔；若该时段内在所有发车时间间隔下各公交站点发生串车现象的频率都很低，则说明该时段内该公交路线的公交运行可靠性高，无需进行优化。

Images