CN111599180B - 城市公交线路韧性评估方法及系统 - Google Patents
城市公交线路韧性评估方法及系统 Download PDFInfo
- Publication number
- CN111599180B CN111599180B CN202010489997.7A CN202010489997A CN111599180B CN 111599180 B CN111599180 B CN 111599180B CN 202010489997 A CN202010489997 A CN 202010489997A CN 111599180 B CN111599180 B CN 111599180B
- Authority
- CN
- China
- Prior art keywords
- time
- data
- toughness
- bus
- arrival time
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交线路韧性评估方法及系统,方法包括:S1、数据采集步骤;S2、数据预处理步骤;S3、中间站应到时间计算步骤;S4、判断步骤,根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;S5、韧性指标计算步骤,计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标。本发明方法及系统充分利用可获取的数据挖掘有效运行信息,构建了公交线路韧性评估方法。既可对历史数据进行韧性挖掘分析,也可对实时数据进行韧性计算和监控,从而为公交路线调整优化提供了决策支持。
Description
技术领域
本发明涉及智能交通技术,尤其涉及一种城市公交线路韧性评估方法及系统。
背景技术
优先发展公共交通是解决我国城市拥堵问题的必要途径,为了鼓励更多的市民选择公共交通出行,需要持续不断地改善公交服务。而改善公交服务需要通过对历史数据的挖掘得到可以表征线路服务水平的各种指标,现有的公交服务常规指标主要有可靠性、舒适性、便捷性等反应乘客感知的指标,评价内容、指标和方法并未从线路自身的属性出发,导致评价结果不够全面,难以确定问题源头和解决措施。
以可靠性为例,车辆可靠性低本质上是由于线路运行对时刻表的遵守能力低导致的,很可能是由于时刻表安排不合理、缺少公交专用道等原因使得车辆遭遇拥堵等情况无法自我调节以遵守其承诺的运输服务。此外,在实际的公交运营过程中,由于外部不可控制的因素,如交通拥堵、事故或车辆故障等,公交路线的服务可能会陷入″崩溃″状态。但是,在经过线路自身一定的调整后,例如经验丰富的驾驶员、公交车信号优先级、公交专用道等,中断的服务将会自行恢复。
因此,如何对公交线路的数据进行挖掘,建立模型来量化公交线路从服务不可靠的状态自我恢复的能力,并建立系统对韧性进行评价和监控,以为公交路线调整优化提供决策支持,就成为亟需解决的问题。
发明内容
本发明的目的在于提供一种能够量化评价公交线路韧性的城市公交线路韧性评估方法及系统。
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
根据本发明的一方面,提供了一种公交线路韧性评估方法,包括:
S1、数据采集步骤,获取公交线路的静态基础数据和动态实时数据;
S2、数据预处理步骤,对静态基础数据和动态实时数据进行预处理,并将动态实时数据与静态基础数据进行匹配;
S3、中间站应到时间计算步骤,根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;
S4、判断步骤,判断公交线路的服务状态,所述服务状态包括稳定状态和崩溃状态,设定车辆到达时间的稳定区间,当公交实际到达时间超出该稳定区间,则为崩溃状态,当公交实际到达时间在该稳定区间内,则为稳定状态;
S5、韧性指标计算步骤,计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标,所述韧性指标与恢复程度和恢复时间的比值有关。
在一实施例中,该方法的所述静态基础数据包括GIS地图、公交站点基础数据、路段基础数据、线路基础数据和时刻表。
在一实施例中,该方法的所述动态实时数据包括公交GPS数据、公交班次和调度数据。
在一实施例中,该方法的所述S2数据预处理步骤包括:筛选、剔除静态基础数据中的异常值,校对各类静态基础数据,若一种数据源存在缺失,通过其他数据进行修复;对动态实时数据进行数据筛选、异常数据剔除及修复、数据融合,并将动态实时数据与静态基础数据进行匹配。
在一实施例中,该方法的所述S3中间站应到时间计算步骤包括:
S31、采集至少一个月的GPS数据,对GPS数据进行预处理,匹配公交GPS数据道路网,识别车辆到站时间得到分线路的车辆到站时间中间表;
S32、读取班次数据及时刻表数据,若读取目标线路每日的班次量为n,则对于任何一天该线路的任何一个站点都应该有n个班次的车辆停站,对应n个到站时间点;
S33、对中间表的到站时间使用K-Means算法进行聚类,该算法簇数量为n;
S34、对照时刻表和排班计划对得到的数据进行检查,保证车辆行驶到站时间和空间上的连续性,若得到的时刻表数据无法匹配,则返回S33调整收敛参数继续迭代,直到得到符合的聚类结果。
S35、依次读取每个簇的到站时间,并计算到站时间均值,作为车辆的应到时间。
在一实施例中,该方法的S5中所述韧性指标包括最大恢复韧性,所述最大恢复韧性的计算步骤包括:
S511、寻找距离稳定区间外最远的一个点mmax;
S512、寻找mmax后第一次回到稳定区间的点,到S514,若此后没有在稳定区间的点则到S513:
S513、寻找mmax之后距离稳定区间最近的点;
S514、记录该点为nmax,确定韧性三角形;
S515、计算韧性值RRIR:
在一实施例中,该方法的S5中所述韧性指标包括均匀韧性,所述均匀韧性的计算步骤包括:
S521、找到第一个在稳定区间外的的点,记录其为m1,以及m1之后的第一次回到安全区的点,记录为n1;
S522、找到n1之后最近的一个安全区外的点,记录其为m2,以及m2之后第一次回到安全区的点,记录为n2;
S523、继续寻找这样的点,直到结束;
S524、计算斜率的加权平均和,得到均匀韧性MRIR:
在一实施例中,该方法的S5中所述韧性指标包括区间加权韧性,所述区间加权韧性的计算步骤包括:
式中:ζ1为稳定区间下限,ζ2为稳定区间上限;
S535、将所有存在韧性值区间的RII进行加权平均,即可得到WRIR的值,其公式为:
根据本发明的另一方面,还提供了一种公交线路韧性评估系统,包括:数据采集模块,用于获取公交线路的静态基础数据和动态实时数据;数据预处理模块,用于对静态基础数据和动态实时数据进行预处理,并将动态实时数据与静态基础数据进行匹配;中间站应到时间计算模块,用于根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;判断模块,用于判断公交线路的服务状态,所述服务状态包括稳定状态和崩溃状态,设定车辆到达时间的稳定区间,当公交实际到达时间超出该稳定区间,则为崩溃状态,当公交实际到达时间在该稳定区间内,则为稳定状态;韧性指标计算模块,用于计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标,所述韧性指标与恢复程度和恢复时间的比值有关。
本发明方法及系统实施例的有益效果是:充分利用可获取的数据挖掘有效运行信息,构建了公交线路韧性评估方法。既可对历史数据进行韧性挖掘分析,也可对实时数据进行韧性计算和监控,从而为公交路线调整优化提供了决策支持。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
在结合以下附图阅读本公开的实施例的详细描述之后,能够更好地理解本发明的上述特征和优点。在附图中,各组件不一定是按比例绘制,并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1为本发明方法实施例的流程图;
图2为本发明方法实施例中间站应到时间计算过程流程图;
图3为本发明中公交服务状态判断与韧性三角形的识别示意图;
图4为本发明中最大恢复韧性场景示意图;
图5为本发明中均匀韧性场景示意图;
图6为本发明中区间加权韧性场景示意图;
图7为本发明系统实施例的模块示意图。
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意,以下结合附图和具体实施例描述的诸方面仅是示例性的,而不应被理解为对本发明的保护范围进行任何限制。
如图1所示,本发明公开了一种公交线路韧性评估方法,包括:
S1、数据采集步骤,获取公交线路的静态基础数据和动态实时数据;
在可能的实施例中,静态基础数据包括GIS地图、公交站点基础数据、路段基础数据、线路基础数据、时刻表等,动态实时数据包括公交GPS数据、公交班次及调度数据等。GIS地图、公交站点等基础数据可通过购买或调用接口爬取获得;公交GPS、班次及调度数据可通过接口服务器连接至城市的公交车数据中心的数据接口获得。
S2、数据预处理步骤,对静态基础数据和动态实时数据进行预处理,并将动态实时数据与静态基础数据进行匹配;
在可能的实施例中,数据预处理包括(1)筛选、剔除静态基础数据中的异常值,校对各类静态基础数据,若一种数据源存在缺失,可通过其他数据进行修复;(2)对实时输入的公交GPS数据、班次及调度数据进行预处理,包括数据筛选、异常数据剔除及修复、数据融合,并将其与静态基础数据进行匹配。
S3、中间站应到时间计算步骤,根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;
计算公交线路韧性的核心指标是计算车辆在每一个站点实际到站时间和应到时间的偏差,应到时间取决于车辆排班形成的时刻表,欧美发达国家一般公布中间站到站时刻表,便于乘客安排出行计划,提高乘客服务感知,由于我国大部分城市未公布中间站时刻表,因此基于多源历史数据结合车辆时刻表数据计算中间站的应到时间是计算韧性的第一个关键点。
在可能的实施例中,中间站应到时间计算过程如图2所示,包括:
(1)采集至少一个月的GPS数据,对数据进行预处理,匹配公交GPS数据道路网,识别车辆到站时间得到分线路的车辆到站时间中间表T_arrive;
(2)读取班次数据及时刻表数据,读取目标线路每日的班次量为n,则对于任何一天该线路的任何一个站点都应该有n个班次的车辆停站,对应n个到站时间点;
(3)对中间表T_arrive的到站时间使用K-Means等算法进行聚类,该算法簇数量与站点数量相同为m个;
(4)对照时刻表和排班计划对得到的数据进行检查,保证车辆行驶到站时间和空间上的连续性,若得到的时刻表数据无法匹配,则返回(3)调整收敛参数继续迭代,直到得到符合的聚类结果。
(5)依次读取每个簇的到站时间,并计算到站时间均值,作为车辆的应到时间。
S4、判断步骤,判断公交线路的服务状态,所述服务状态包括稳定状态和崩溃状态,设定车辆到达时间的稳定区间,当公交实际到达时间超出该稳定区间,则为崩溃状态,当公交实际到达时间在该稳定区间内,则为稳定状态;
具体而言,将公交线路服务分为″稳定状态″和″崩溃状态″,为了方便说明,把某一班次的车辆运行情况抽象为图3过程,横轴代表该班次车辆到达所服务线路上各个站点的时间,纵轴表示车辆到达对应站点的实际时间与计划时间的差值,即当纵轴对应值为0时,代表车辆正好与计划时间到达,ζ1、ζ2分别表示稳定区间的上限和下限,根据《公共交通通行能力与服务质量手册》中对于服务可靠性快一慢三的规定,通常取ζ1=-60,ζ2=180。若-60<Td<180则公交服务在该站点的服务处于可接受的状态,超过这一区间可以认为公交服务从稳定状态转换为崩溃状态。
S5、韧性指标计算步骤,计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标。
例如,图3中车辆在19站与20站时间遭遇外部事件的刺激,导致车辆到达20站的时间晚于计划时间,且差值远远小于可接受的ζ1,车辆在20到27站之间的区间进行了自我调节,最终到达27站时的实际到达时间与计划到达时间的差值在区间(ζ1,ζ2)内,使得公交服务从崩溃状态恢复到稳定状态,这一过程形成的三角形称为韧性三角形,三角形的边a代表了恢复的程度,边b代表恢复的时间。
对于给定的韧性三角形,恢复程度a的计算公式为:
a=|Di-Dj|,
式中Di、Dj分别代表车辆到达站点i(图中20站),j(图中27站)的到站时间偏差。
对于改定的韧性三角形,恢复时间b的计算公式为:
b=tj-ti,
其中tj、ti分别代表车辆到达站点i(图中20站),j(图中27站)的实际到达时间。
从而,一种较为简单的韧性指标计算公式为:
除了上述较为简单的韧性指标,针对较为复杂的韧性评价,还可以计算较为高阶的韧性指标。
参见图4,在可能的实施例中,可以通过计算最大恢复韧性Recover resiliencein route(RRIR)来评估线路韧性,最大恢复韧性RRIR的计算步骤包括:
S511、寻找距离稳定区间外最远的一个点mmax;
S512、寻找mmax后第一次回到稳定区间的点,到S514,若此后没有在稳定区间的点则到S513:
S513、寻找mmax之后距离稳定区间最近的点;
S514、记录该点为nmax,确定韧性三角形;
S515、计算韧性值RRIR:
式中分别代表车辆到达点mmax,nmax对应站点的计划到达时间与实际到达时间之差,分别代表车辆实际到达站点mmax,nmax的时间。RRIR的值越大,线路从偏离计划状态向遵守计划状态的恢复能力越强;RRIR的值越小,线路从偏离计划状态向遵守计划状态的恢复能力越弱。
如图5所示,在可能的实施例中,可以通过计算均匀韧性Mean resilience inroute(MRIR)来评估线路韧性,从均衡的角度给出线路运营中所有″崩溃状态″(图4中A到C和D到F)的线路层面均衡韧性(MRIR)。均匀韧性的计算步骤包括:
S521、找到第一个在稳定区间外的的点,记录其为m1,以及m1之后的第一次回到安全区的点,记录为n1;
S522、找到n1之后最近的一个安全区外的点,记录其为m2,以及m2之后第一次回到安全区的点,记录为n2;
S523、继续寻找这样的点,直到结束;
S524、计算斜率的加权平均和,得到均匀韧性MRIR:
如图6所示,在可能的实施例中,可以通过计算区间加权韧性weighted averageresilience in route(WRIR)来评估线路韧性,基于MRIR的局限性和问题,为了更好的计算各个区间的韧性,本专利提出了的区间层面韧性指数(RII)。
区间加权韧性WRIR的计算步骤包括:
式中:ζ1为稳定区间下限,ζ2为稳定区间上限;RII为正时,说明线路运行过程中如果偏离计划,线路有能力向计划方向自我调节;RII为负时,说明线路运行过程中如果偏离计划,线路无法自我调节,将会偏离得越来越远。
S535、将所有存在韧性值区间的RII进行加权平均,即可得到WRIR的值,其公式为:
进一步地,为了直观的看出线路韧性,可以将上述韧性指标化为0~100的指数形式。小于60视为韧性差,60~74视为韧性中等,75~84视为韧性良好,85~100视为韧性优秀。
与上述方法相对应地,本发明还公开了一种公交线路韧性评估系统,包括:
数据采集模块701,用于获取公交线路的静态基础数据和动态实时数据;
数据预处理模块702,用于对静态基础数据和动态实时数据进行预处理,并将动态实时数据与静态基础数据进行匹配;
中间站应到时间计算模块703,用于根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;
优选地,可以在中间站应到时间计算模块703上建立历史数据挖掘接口用于接入历史数据并计算线路过去的韧性表现情况;建立实时数据接入接口用于韧性指标的实时计算和监控。
判断模块704,用于判断公交线路的服务状态,所述服务状态包括稳定状态和崩溃状态,设定车辆到达时间的稳定区间,当公交实际到达时间超出该稳定区间,则为崩溃状态,当公交实际到达时间在该稳定区间内,则为稳定状态;
韧性指标计算模块705,用于计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标。
在可能的实施例中,还可能包括信息查询与发布模块706,用于对公交线路韧性信息的查询和可视化展示发布,并支持分线路搜索查询等基础功能。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的,且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此,本公开并非旨在被限定于本文中所描述的示例和设计,而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
以上所述仅为本申请的较佳实例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (9)
1.一种公交线路韧性评估方法,其特征在于,包括:
S1、数据采集步骤,获取公交线路的静态基础数据和动态实时数据;
S2、数据预处理步骤,对静态基础数据和动态实时数据进行预处理,并将动态实时数据与静态基础数据进行匹配;
S3、中间站应到时间计算步骤,根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;
S4、判断步骤,判断公交线路的服务状态,所述服务状态包括稳定状态和崩溃状态,设定车辆到达时间的稳定区间,当公交实际到达时间超出该稳定区间,则为崩溃状态,当公交实际到达时间在该稳定区间内,则为稳定状态;
S5、韧性指标计算步骤,计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标,所述韧性指标包括恢复程度与恢复时间之比、最大恢复韧性、均匀韧性或区间加权韧性。
2.根据权利要求1所述的公交线路韧性评估方法,其特征在于:所述静态基础数据包括GIS地图、公交站点基础数据、路段基础数据、线路基础数据和时刻表。
3.根据权利要求1所述的公交线路韧性评估方法,其特征在于:所述动态实时数据包括公交GPS数据、公交班次和调度数据。
4.根据权利要求1所述的公交线路韧性评估方法,其特征在于,所述S2数据预处理步骤包括:
筛选、剔除静态基础数据中的异常值,校对各类静态基础数据,若一种数据源存在缺失,通过其他数据进行修复;
对动态实时数据进行数据筛选、异常数据剔除及修复、数据融合,并将动态实时数据与静态基础数据进行匹配。
5.根据权利要求1所述的公交线路韧性评估方法,其特征在于,所述S3中间站应到时间计算步骤包括:
S31、采集至少一个月的GPS数据,对GPS数据进行预处理,匹配公交GPS数据道路网,识别车辆到站时间得到分线路的车辆到站时间中间表;
S32、读取班次数据及时刻表数据,若读取目标线路每日的班次量为n,则对于任何一天该线路的任何一个站点都应该有n个班次的车辆停站,对应n个到站时间点;
S33、对中间表的到站时间使用K-Means算法进行聚类,该算法簇数量为n;
S34、对照时刻表和排班计划对得到的数据进行检查,保证车辆行驶到站时间和空间上的连续性,若得到的时刻表数据无法匹配,则返回S33调整收敛参数继续迭代,直到得到符合的聚类结果;
S35、依次读取每个簇的到站时间,并计算到站时间均值,作为车辆的应到时间。
8.根据权利要求1所述的公交线路韧性评估方法,其特征在于,S5中所述区间加权韧性的计算步骤包括:
式中:ζ1为稳定区间下限,ζ2为稳定区间上限;
S535、将所有存在韧性值区间的RII进行加权平均,即可得到WRIR的值,其公式为:
9.一种公交线路韧性评估系统,其特征在于,包括:
数据采集模块,用于获取公交线路的静态基础数据和动态实时数据;
数据预处理模块,用于对静态基础数据和动态实时数据进行预处理,并将动态实时数据与静态基础数据进行匹配;
中间站应到时间计算模块,用于根据处理后的静态基础数据和动态实时数据得到车辆到站时间中间表,对车辆到站时间中间表中的到站时间使用算法进行聚类,计算得到中间站应到时间;
判断模块,用于判断公交线路的服务状态,所述服务状态包括稳定状态和崩溃状态,设定车辆到达时间的稳定区间,当公交实际到达时间超出该稳定区间,则为崩溃状态,当公交实际到达时间在该稳定区间内,则为稳定状态;
韧性指标计算模块,用于计算从崩溃状态到稳定状态的恢复程度和恢复时间,根据恢复程度和恢复时间计算韧性指标,所述韧性指标包括恢复程度与恢复时间之比、最大恢复韧性、均匀韧性或区间加权韧性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010489997.7A CN111599180B (zh) | 2020-06-02 | 2020-06-02 | 城市公交线路韧性评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010489997.7A CN111599180B (zh) | 2020-06-02 | 2020-06-02 | 城市公交线路韧性评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111599180A CN111599180A (zh) | 2020-08-28 |
CN111599180B true CN111599180B (zh) | 2020-12-01 |
Family
ID=72188280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010489997.7A Active CN111599180B (zh) | 2020-06-02 | 2020-06-02 | 城市公交线路韧性评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111599180B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149919B (zh) * | 2020-10-15 | 2024-01-16 | 武汉市公用电子工程有限责任公司 | 公交运营线路评测方法、装置、设备及存储介质 |
CN114141017B (zh) * | 2021-12-14 | 2022-09-27 | 北京航空航天大学 | 一种考虑长短期路段性能的道路韧性衡量方法 |
CN114446051A (zh) * | 2022-01-06 | 2022-05-06 | 东南大学 | 一种城市路网交通韧性薄弱识别方法 |
CN115311858B (zh) * | 2022-08-08 | 2023-07-21 | 长安大学 | 基于交通流韧性的城市路段分级管制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180074028A (ko) * | 2016-12-23 | 2018-07-03 | 차경환 | 감사칭찬인성교육 교재에 의한 인성교육 실천방법 |
CN110135093A (zh) * | 2019-05-22 | 2019-08-16 | 北京城市系统工程研究中心 | 面向暴雨内涝的城市道路交通系统韧性评估方法 |
CN111191872A (zh) * | 2019-11-22 | 2020-05-22 | 国家电网有限公司 | 一种电网多维度韧性评估系统及方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8390325B2 (en) * | 2006-06-21 | 2013-03-05 | Element Cxi, Llc | Reconfigurable integrated circuit architecture with on-chip configuration and reconfiguration |
CN103678917B (zh) * | 2013-12-13 | 2016-11-23 | 杭州易和网络有限公司 | 一种基于模拟退火算法的公交实时到站时间预测方法 |
CN109767640A (zh) * | 2017-11-09 | 2019-05-17 | 深圳大学 | 一种基于历史数据匹配的公交运行时间预测方法 |
CN109948856A (zh) * | 2019-03-22 | 2019-06-28 | 东南大学 | 以提升韧性为目标的轨道交通网络修复决策系统及方法 |
CN110276977B (zh) * | 2019-07-29 | 2021-01-26 | 广东工业大学 | 一种公交站点匹配方法、装置、设备及可读存储介质 |
-
2020
- 2020-06-02 CN CN202010489997.7A patent/CN111599180B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180074028A (ko) * | 2016-12-23 | 2018-07-03 | 차경환 | 감사칭찬인성교육 교재에 의한 인성교육 실천방법 |
CN110135093A (zh) * | 2019-05-22 | 2019-08-16 | 北京城市系统工程研究中心 | 面向暴雨内涝的城市道路交通系统韧性评估方法 |
CN111191872A (zh) * | 2019-11-22 | 2020-05-22 | 国家电网有限公司 | 一种电网多维度韧性评估系统及方法 |
Non-Patent Citations (1)
Title |
---|
架空输电线路韧性分析模型及提升策略研究;李鹏;《计算机工程与应用》;20191231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111599180A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111599180B (zh) | 城市公交线路韧性评估方法及系统 | |
CN102394008B (zh) | 使用来自移动数据源的数据估算道路交通状况 | |
EP1927963B1 (en) | Incident resolution judgment system | |
CN107798876B (zh) | 基于事件的道路交通异常拥堵判断方法 | |
CN111341095B (zh) | 一种基于边缘侧在线计算的交通信号控制系统及方法 | |
CN101661532A (zh) | 从总量数据计算车况指数的系统和方法 | |
CN112382098A (zh) | 交通拥堵检测方法、装置、电子设备及存储介质 | |
CN111047858A (zh) | 一种融合算法的公交客流出行od确定方法及装置 | |
CN113177742A (zh) | 基于智能交通的公交服务方法、系统、终端及存储介质 | |
CN117974129A (zh) | 一种基于乘车行为智能补登的对账方法及系统 | |
CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
CN113344268B (zh) | 一种城市交通出行数据分析方法 | |
DE112016007166T5 (de) | Kraftstoffwirkungsgrad-Schätzsystem, Kraftstoffwirkungsgrad-Schätzverfahren und Kraftstoffwirkungsgrad-Schätzprogramm | |
CN116844341B (zh) | 一种基于互联网的汽车出行监控系统 | |
CN113177780A (zh) | 一种数据处理方法、装置、网络设备及可读存储介质 | |
CN107038857A (zh) | 一种公交数据获取方法及公交数据平台 | |
KR101369371B1 (ko) | 차량 단말기를 통한 운전자 운전습관 실시간 제공 시스템 | |
CN111391859A (zh) | 车主识别预警方法及系统 | |
CN111723871A (zh) | 一种公交车实时车厢满载率的估算方法 | |
CN111292536A (zh) | 一种基于串车现象分析的常规公交运行稳定性优化方法 | |
CN112197781B (zh) | 一种基于云计算的车载数据管理系统 | |
JP2019192102A (ja) | 車両運行評価装置及び車両運行評価方法 | |
CN112614345B (zh) | 车辆速度的计算方法、装置、设备及存储介质 | |
CN114020808A (zh) | 基于多日客流融合的城市轨道交通行车方案计算方法 | |
CN112017433B (zh) | 对电子地图拥堵程度显示结果进行修正的系统及方法 |
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 |