CN111341138A - 优化公交运行效率的方法 - Google Patents
优化公交运行效率的方法 Download PDFInfo
- Publication number
- CN111341138A CN111341138A CN202010211200.7A CN202010211200A CN111341138A CN 111341138 A CN111341138 A CN 111341138A CN 202010211200 A CN202010211200 A CN 202010211200A CN 111341138 A CN111341138 A CN 111341138A
- Authority
- CN
- China
- Prior art keywords
- bus
- station
- getting
- time
- passenger flow
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000004308 accommodation Effects 0.000 claims abstract description 4
- 230000002068 genetic effect Effects 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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
- G06F17/15—Correlation function computation including computation of convolution 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
技术领域
本发明涉及公共交通领域,更具体地,涉及优化公交运行效率的方法。
背景技术
随着城市公交专用道的大力建设及推广,专用道公交优先区域化控制需求逐渐增大,而车联网技术的兴起,使得公交优先的动态控制有了新的技术支撑。基于车联网技术对专用道公交车辆实行速度诱导,一来可以减少公交运行过程中的停车次数,二来可以提高专用道公交到站的准点率。专用道公交驻站时间的预测对公交车辆的准时到站控制有着至关重要的作用。
发明内容
本发明基于公交准时到站的控制需求,结合车联网车速诱导技术,提出一种专用道公交驻站时间预测及运行时刻表优化方法。
本发明提供了一种优化公交运行效率的方法,包括:
获取车站客流到达分布:以1min为统计间隔,统计每分钟到达公交站台的人数,构建目标时段的客流到达情况,连续统计30天,采用相位型分布算法,通过对时间及该时间段的客流到达量进行拟合分析,确定客流到站分布为Q=H(t);
获取候车客流数:若公交发车频率为f辆/时,因此同一公交站的公交到站时刻表间隔为tp=60/fmin;第n,(1≤n≤f)辆车经过第i个车站时的站台候车人数为其中表示第n-1辆车在第i个车站经过后的站台滞留人数;
预测下一个车站的下车人数:利用神经网络算法对历史同期数据和历史同期公交车内承载关联性分析,并确定其关联关系为其中ξ(i)为第i个车站的下车人数同车内承载之间的关联系数,综合分析历史同期下车人数、ξ(i)以及残差补偿修正,确定下车客流人数预测模型为:其中为第i个车站的预测下车人数,α,β为模型参数;
其中λ1,λ2分别为常态分量系数和细节分量系数。
在上述方法中,还包括:
计算最佳函数效率:采用遗传算法对上述客运效率函数求最优,获取载客量和行程时间的最佳组合。
本发明通过预测公交驻站时长以及优化公交运行时刻表,可以减少公交运行过程中的停车次数,提高专用道公交到站的准点率,提高公交运行效率。
附图说明
图1示出了本发明的获得驻站时长的预测值的示意流程图。
图2示出了公交运行过程花费时间的示意图。
图3示出了优化当前发车间隔及时刻表的示意流程图。
具体实施方式
下面的实施例可以使本领域技术人员更全面地理解本发明,但不以任何方式限制本发明。
基于车联网技术对专用道公交车辆实行速度诱导,一来可以减少公交运行过程中的停车次数,二来可以提高专用道公交到站的准点率。
下面分别描述公交驻站时间预测以及公交运行时刻表优化。
公交驻站时间预测
步骤1:获取车站客流到达分布
以1min为统计间隔,统计每分钟到达公交站台的人数,构建目标时段的客流到达情况,连续统计30天;
采用相位型分布(Phase-type,PH)算法,通过对时间及该时间段的客流到达量进行拟合分析,确定客流到站分布为Q=H(t)。
步骤2:获取候车客流数
若公交发车频率为f辆/时,因此同一公交站的公交到站时刻表间隔为tp=60/fmin。
步骤3:获取公交乘客剩余容纳量
步骤4:预测下一个车站的上车人数
步骤5:预测下一个车站的下车人数
综合分析历史同期下车人数、ξ(i)以及残差补偿修正,确定下车客流人数预测模型为:
步骤6:确定上下车客流最大值
步骤7:驻站时长预测
其中λ1,λ2分别为常态分量系数和细节分量系数,λ1,λ2∈R,具体赋值根据历史同期数据分析得出。一个反应的是总体趋势,一个反应的是不均匀分布。图1示出了本发明的获得驻站时长的预测值的示意流程图。
公交运行时刻表优化
步骤1:确定站间行程时间
在车联网车速诱导的状态下,可以实时获知公交车辆路段平均速度vi,并结合交叉口配时信号状态,能够获取公交车辆在交叉口的等待耗时tred,据此可以获知站间公交车辆的行程时间为其中为站间行程时间,si为站间距离。图2示出了公交运行过程花费时间的示意图。
步骤2:构建客运效率函数
步骤3:计算最佳函数效率
采用遗传算法对上述客运效率函数求最优,就可以获取载客量和行程时间的最佳组合,而载客量又跟发车时间间隔相关联,因此可以通过最优解来优化当前发车间隔及时刻表。图3示出了优化当前发车间隔及时刻表的示意流程图。
遗传算法具体步骤如下:
步骤1:依照公交驻站时间预测步骤和公交运行时刻表优化步骤建立优化模型;
步骤2:优化变量和约束条件,变量为行程时间和载客量,约束条件前文已经介绍;
步骤3:确定编码方式,使用实数编码方式;
步骤4:确定个体评价方法,适应度函数即为目标函数,即
步骤5:设计遗传算子,选择运算使用比例选择算子,交叉运算使用单点交叉算子,变异运算使用基本位变异算子;
步骤6:确定遗传算法运行参数,种群大小M,迭代次数G,交叉概率Pe,变异概率Pm。
本领域技术人员应理解,以上实施例仅是示例性实施例,在不背离本申请的精神和范围的情况下,可以进行多种变化、替换以及改变。
Claims (2)
1.一种优化公交运行效率的方法,包括:
获取车站客流到达分布:以1min为统计间隔,统计每分钟到达公交站台的人数,构建目标时段的客流到达情况,连续统计30天,采用相位型分布算法,通过对时间及该时间段的客流到达量进行拟合分析,确定客流到站分布为Q=H(t);
获取候车客流数:若公交发车频率为f辆/时,因此同一公交站的公交到站时刻表间隔为tp=60/f min;第n辆车经过第i个车站时的站台候车人数为其中表示第n-1辆车在第i个车站经过后的站台滞留人数,1≤n≤f;
预测下一个车站的下车人数:利用神经网络算法对历史同期数据和历史同期公交车内承载关联性分析,并确定其关联关系为其中ξ(i)为第i个车站的下车人数同车内承载之间的关联系数,综合分析历史同期下车人数、ξ(i)以及残差补偿修正确定下车客流人数预测模型为:其中为第i个车站的预测下车人数,α,β为模型参数,α,β∈R,具体求解可以根据多组带入求得不同车内承载情况下的αξ(i)+β值,可以确定方程组
求解可以获取α,β的值。
2.根据权利要求1所述的方法,还包括:
计算最佳函数效率:采用遗传算法对上述客运效率函数求最优,获取载客量和行程时间的最佳组合;
其中,遗传算法具体步骤如下:
步骤1:依照公交驻站时间预测步骤和公交运行时刻表优化步骤建立优化模型;
步骤2:优化变量和约束条件,变量为行程时间和载客量;
步骤3:确定编码方式,使用实数编码方式;
步骤4:确定个体评价方法,适应度函数即为目标函数,即
步骤5:设计遗传算子,选择运算使用比例选择算子,交叉运算使用单点交叉算子,变异运算使用基本位变异算子;
步骤6:确定遗传算法运行参数,种群大小M,迭代次数G,交叉概率Pe,变异概率Pm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010211200.7A CN111341138B (zh) | 2020-03-24 | 2020-03-24 | 优化公交运行效率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010211200.7A CN111341138B (zh) | 2020-03-24 | 2020-03-24 | 优化公交运行效率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111341138A true CN111341138A (zh) | 2020-06-26 |
CN111341138B CN111341138B (zh) | 2021-05-28 |
Family
ID=71184535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010211200.7A Expired - Fee Related CN111341138B (zh) | 2020-03-24 | 2020-03-24 | 优化公交运行效率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111341138B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034890A (zh) * | 2021-03-15 | 2021-06-25 | 重庆交通开投科技发展有限公司 | 一种跨线运行情况下的公交圈次时间计算及预测方法 |
CN113628455A (zh) * | 2021-06-29 | 2021-11-09 | 东南大学 | 车联网环境下考虑车内人数的交叉口信号优化控制方法 |
CN114202190A (zh) * | 2021-12-09 | 2022-03-18 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的超载监控系统、方法 |
CN115050199A (zh) * | 2022-06-08 | 2022-09-13 | 长沙理工大学 | 一种多线路公交区段优先设计方法 |
CN115691196A (zh) * | 2022-10-19 | 2023-02-03 | 扬州大学 | 智能网联环境下公交运行多策略融合控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016123661A1 (en) * | 2015-02-06 | 2016-08-11 | University Of Technology Sydney | Devices, frameworks and methodologies configured to enable automated monitoring and analysis of dwell time |
CN106652434A (zh) * | 2016-12-02 | 2017-05-10 | 东南大学 | 一种基于轨道交通协调的公交调度方法 |
CN107194491A (zh) * | 2017-04-06 | 2017-09-22 | 广东工业大学 | 一种基于公交客流和站间行程时间预测的动态调度方法 |
US20180286223A1 (en) * | 2017-03-31 | 2018-10-04 | Traffic Technology Services, Inc. | System and method for providing real-time and predictive speed, traffic signal timing, station dwell time, and departure window information to transit vehicle |
CN108877263A (zh) * | 2018-07-11 | 2018-11-23 | 中国联合网络通信集团有限公司 | 无人驾驶公交车的控制方法、装置和调度系统 |
-
2020
- 2020-03-24 CN CN202010211200.7A patent/CN111341138B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016123661A1 (en) * | 2015-02-06 | 2016-08-11 | University Of Technology Sydney | Devices, frameworks and methodologies configured to enable automated monitoring and analysis of dwell time |
CN106652434A (zh) * | 2016-12-02 | 2017-05-10 | 东南大学 | 一种基于轨道交通协调的公交调度方法 |
US20180286223A1 (en) * | 2017-03-31 | 2018-10-04 | Traffic Technology Services, Inc. | System and method for providing real-time and predictive speed, traffic signal timing, station dwell time, and departure window information to transit vehicle |
CN107194491A (zh) * | 2017-04-06 | 2017-09-22 | 广东工业大学 | 一种基于公交客流和站间行程时间预测的动态调度方法 |
CN108877263A (zh) * | 2018-07-11 | 2018-11-23 | 中国联合网络通信集团有限公司 | 无人驾驶公交车的控制方法、装置和调度系统 |
Non-Patent Citations (3)
Title |
---|
XINKAI JIANG ET AL.: "Regression-Based Models for Bus Dwell Time", 《17TH INTERNATIONAL IEEE CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》 * |
丁勇等: "遗传算法在公交调度中的应用", 《计算机科学》 * |
王旭等: "公交站点停靠时间预测模型研究", 《交通信息与安全》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034890A (zh) * | 2021-03-15 | 2021-06-25 | 重庆交通开投科技发展有限公司 | 一种跨线运行情况下的公交圈次时间计算及预测方法 |
CN113628455A (zh) * | 2021-06-29 | 2021-11-09 | 东南大学 | 车联网环境下考虑车内人数的交叉口信号优化控制方法 |
CN113628455B (zh) * | 2021-06-29 | 2022-08-05 | 东南大学 | 车联网环境下考虑车内人数的交叉口信号优化控制方法 |
CN114202190A (zh) * | 2021-12-09 | 2022-03-18 | 安徽达尔智能控制系统股份有限公司 | 一种基于v2x的超载监控系统、方法 |
CN115050199A (zh) * | 2022-06-08 | 2022-09-13 | 长沙理工大学 | 一种多线路公交区段优先设计方法 |
CN115050199B (zh) * | 2022-06-08 | 2023-07-21 | 长沙理工大学 | 一种多线路公交区段优先设计方法 |
CN115691196A (zh) * | 2022-10-19 | 2023-02-03 | 扬州大学 | 智能网联环境下公交运行多策略融合控制方法 |
CN115691196B (zh) * | 2022-10-19 | 2023-10-03 | 扬州大学 | 智能网联环境下公交运行多策略融合控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111341138B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111341138B (zh) | 优化公交运行效率的方法 | |
Bie et al. | Dynamic headway control for high‐frequency bus line based on speed guidance and intersection signal adjustment | |
CN111582691B (zh) | 基于双层规划的客运枢纽多交通方式的运力匹配方法 | |
CN104408908B (zh) | 公交车辆越站调度方法及系统 | |
CN111340289B (zh) | 一种基于遗传算法的公交发车与车速调整优化方法及系统 | |
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
Li et al. | Modeling and implementation of adaptive transit signal priority on actuated control systems | |
CN108151756A (zh) | 一种城市公共交通系统的行程时间计算方法和装置 | |
CN110084397B (zh) | 一种地铁直达线路规划方法 | |
CA2530909A1 (en) | System and method of optimizing a fixed route transit network | |
CN115409388B (zh) | 多车型定制公交运营优化方法 | |
CN110675032A (zh) | 一种车辆调度方法及其装置 | |
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 | |
CN114037158A (zh) | 一种基于od路径的客流预测方法及应用方法 | |
CN115809729B (zh) | 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法 | |
CN113442778B (zh) | 基于车联网的电动汽车充电调配方法、装置和系统 | |
CN112562377A (zh) | 一种基于随机机会约束的客运车辆实时调度方法 | |
CN110979342A (zh) | 一种用于车辆全局能量管理控制的工况信息获取方法 | |
Seman et al. | Integrated headway and bus priority control in transit corridors with bidirectional lane segments | |
CN112926768A (zh) | 基于时空注意力机制的地面道路车道级交通流预测方法 | |
CN107564322A (zh) | 单向双公交专用道条件下分离式站台停靠车辆分配方法 | |
CN113420926A (zh) | 一种城市枢纽间多交通方式运力协同优化方案编制方法 | |
CN114742340A (zh) | 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法 | |
CN115099716A (zh) | 一种面向不同线路的大站快车与全程车调度方法及系统 | |
KR101656145B1 (ko) | 경로 정보 제공 방법 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210528 |
|
CF01 | Termination of patent right due to non-payment of annual fee |