CN111898909B - 一种基于实时需求的无人驾驶公交派车方法 - Google Patents

一种基于实时需求的无人驾驶公交派车方法 Download PDF

Info

Publication number
CN111898909B
CN111898909B CN202010755992.4A CN202010755992A CN111898909B CN 111898909 B CN111898909 B CN 111898909B CN 202010755992 A CN202010755992 A CN 202010755992A CN 111898909 B CN111898909 B CN 111898909B
Authority
CN
China
Prior art keywords
bus
dispatching
time
vehicle
real
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
CN202010755992.4A
Other languages
English (en)
Other versions
CN111898909A (zh
Inventor
沈煜
翟志康
暨育雄
杜豫川
刘成龙
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.)
Tongji University
Original Assignee
Tongji 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 Tongji University filed Critical Tongji University
Priority to CN202010755992.4A priority Critical patent/CN111898909B/zh
Publication of CN111898909A publication Critical patent/CN111898909A/zh
Application granted granted Critical
Publication of CN111898909B publication Critical patent/CN111898909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能公共交通系统技术领域的一种基于实时需求的无人驾驶公交派车方法，包括如下步骤：(1)基于计算机与通信技术，汇总各站点乘客需求信息；(2)基于公交车的车载终端设备，追踪车辆状态信息；(3)通过车辆信息与各站点乘客需求信息，实时计算下一公交班次的待运总需求；(4)基于派车算法计算派车数量，设置最大发车间隔、最小发车条件参数、最大发车条件参数与单位时间，每间隔单位时间，基于实时的需求信息、车辆状态信息计算派车数；(5)根据历史客流数据，基于智能体仿真的方法测试不同参数下算法的实施效果，选取合理的参数，优化算法。采用本发明的方案能够克服现有公交的运营模式和调度方法的局限性。

Description

一种基于实时需求的无人驾驶公交派车方法
技术领域
本发明涉及智能公共交通系统技术领域，具体来说，是一种基于实时需求的无人驾驶公交派车方法。
背景技术
随着我国经济的快速发展以及城市化进一步加强，城市交通拥堵问题日益严峻，城市公共交通的作用日益凸显，尤其是公共汽车，其适应性更高、成本更低，不仅适用于大城市，也适用于中小型城市。
目前，我国众多公交线路运营采用固定发车间隔的“静态模式”，即固定发车间隔，这种模式产生许多问题。其中关键的问题是乘坐公交的需求分布具有显著的时间不均衡性，均匀的发车间隔难以适应变化的需求，造成需求高峰时间段“供不应求”，车辆过度拥挤、乘客等待时间过长；需求较少的时间段公交车辆空载率过高，造成公共资源的浪费。为了改善“静态模式”公交运营模式的问题，部分线路采取了“差异化公交发车间隔”的模式：根据历史需求分布特征在不同时间段设定不同的发车间隔。这种模式很大程度改善了供需不匹配问题，但是依然存在不足。其一是公交发车间隔设置往往依靠经验，缺乏定量化的科学方法，降低了该模式的实施效果。其二是依据历史需求设置发车间隔的方法难以适应“突发客流”，例如大型公共活动。因此“动态公交”应运而生，即根据实际需求动态调整公交的发车间隔，以减少乘客的等待时间、提高公共资源的利用效率。目前，我国的公交动态发车调度方法主要还是依靠公交调度员的日常经验、根据客流调整发车间隔，这不是一种科学的决策方式，给公交运营带来风险。
实现完全的基于实时需求的动态公交的挑战之一是有司机操控的“常规公交”，因为司机无法精准执行调度指令。进入21世纪，无人驾驶技术与“5G”通讯技术进一步成熟为实现“动态公交”带来希望，例如百度旗下无人驾驶巴士“阿波罗”已经在部分地区投入测试。
发明内容
本发明的目的是提供一种基于实时需求的无人驾驶公交派车方法，以解决供需不平衡问题，减少乘客等待时间，提高公交资源利用效率。
本发明的目的是这样实现的：一种基于实时需求的无人驾驶公交派车方法，包括如下步骤：
(1)基于计算机与通信技术，汇总各站点乘客需求信息；
(2)基于公交车的车载终端设备，追踪车辆状态信息，所述车辆状态信息包括车辆位置、车载乘客人数；
(3)通过车辆信息与各站点乘客需求信息，实时计算下一公交班次的待运总需求，所述待运总需求为待运乘客人数；
(4)基于派车算法计算派车数量，设置最大发车间隔、最小发车条件参数、最大发车条件参数与单位时间，每间隔单位时间，基于实时的需求信息、车辆状态信息计算派车数，若派车数等于0，则表明当前需求下不需要派车；若派车数等于1，起点站发出一辆公交车；若派车数大于1，那么将多辆公交车编组运行；
(5)根据历史客流数据，基于智能体仿真的方法测试不同参数下算法的实施效果，选取合理的参数，优化算法。
进一步地，步骤(1)中，乘客到达公交站台后将自己的需求信息通过智能终端上传，用于该乘客预约公交车，所述需求信息包括乘客唯一编号、起点站、终点站、到达时间，所述需求信息的数据保存至公交调度中心，作为派车算法计算的基础条件。
进一步地，步骤(2)中，公交车的车载终端设备实时更新并向公交调度中心提供车辆的位置信息、车辆内人数。
进一步地，步骤(3)中，下一公交班次的待运总需求包括起点至临近公交之间的所有站点总需求、临近公交无法完成的剩余需求。
进一步地，步骤(4)所述的计算派车数量方法如下：
其中E(x)为向下取整函数，D为下一公交班次的待运总需求，S是车辆座位数，最小发车条件参数cmin与最大发车条件参数cmax共同决定了当前派车数量，若n等于0，那么当前未达到派车条件，不发车；若n等于1，那么当前需要派车1辆；若n大于1，那么派出n辆公交车编组运行。
进一步地，步骤(5)中，使用仿真软件AnyLogic建立智能体仿真模型，从乘客平均等待时间、公交车辆平均装载率、公交车对道路资源的占用值三个方面评价算法的实施效果，基于仿真结果选取较优的参数；其中，乘客平均等待时间为乘客从到达车站至上车的时间，公交车辆平均装载率为总运输乘客数与所有车辆所提供的总座位数的比值，公交车对道路资源的占用值为公交的标准车当量数PCU与该车行驶里程之积。
本发明的有益效果在于：
1、适应性强，不仅可以适应时间分布不均衡的客流，也适应重大公共事件引起的突发客流；
2、定量派车条件，不受人的因素干扰；
3、有利于解决不同时间段公交供需不平衡问题，减少乘客等待时间，提高公交车辆的装载率，降低公交车辆对道路资源的占用；
4、基于计算机技术、通信技术、全球定位技术，汇总统计实时需求信息、车辆状态信息，根据派车算法计算每一单位时间的派车数，同时可以使用仿真的方法测试不同的模型参数，改善方法实施效果。
附图说明
图1是本发明的系统结构示意图。
图2是本发明的算法流程示意图。
具体实施方式
下面结合附图1-2和具体实施例对本发明进一步说明。本实施例中采用的公交车是无人驾驶巴士。
一种基于实时需求的无人驾驶公交派车方法，包括如下步骤：
(1)基于计算机与通信技术，汇总各站点乘客需求信息；
(2)基于公交车的车载终端设备，追踪车辆状态信息，所述车辆状态信息包括车辆位置、车载乘客人数，也可以是其他相关信息；
(3)通过车辆信息与各站点乘客需求信息，实时计算下一公交班次的待运总需求，待运总需求为待运乘客人数；
(4)基于派车算法计算派车数量，设置最大发车间隔、最小发车条件参数、最大发车条件参数与单位时间，每间隔单位时间，基于实时的需求信息、车辆状态信息计算派车数，若派车数等于0，则表明当前需求下不需要派车；若派车数等于1，起点站发出一辆无人驾驶巴士；若派车数大于1，那么将多辆无人驾驶巴士编组运行；
(5)根据历史客流数据，基于智能体仿真的方法测试不同参数下算法的实施效果，选取合理的参数，优化算法。
其中，上述步骤(1)中，乘客到达公交站台后将自己的需求信息通过智能终端(可以是智能手机APP)上传，用于该乘客预约公交，所述需求信息包括乘客唯一编号、起点站、终点站、到达时间，所述需求信息的数据保存至公交调度中心，作为派车算法计算的基础条件。同样的，若乘客放弃等待离开站台，也需取消预约。同时乘客也可通过智能终端获取实时公交状态信息，包括公交车辆是否发车、车辆位置信息、车辆载客人数等。
步骤(2)中，公交的车载终端设备实时向公交调度中心提供车辆的位置信息。同时智能终端设备根据上车与下车乘客数量实时计算车载乘客数，并基于无线通信技术提供给公交调度中心。车辆状态信息是计算当前发车数量的依据之一。
步骤(3)中，下一公交班次的待运总需求包括起点至临近公交之间的所有站点总需求、临近公交无法完成的剩余需求。
当前公交线路对下一班次的总需求与线路的需求分布以及当前运营中的公交车辆运力相关。作为优选，在所述步骤(3)中，下一公交班次的总需求可以按照以下方法求出。在一条公交线路上，存在m个公交站台，从起点到终点编号分别是1至m。若线路上有q个正在运行的公交将线路划分为(q+1)个区域(公交车辆从起点至终点依次编号为1至q)。Zi+1表示第(i+1)个区域，是第i辆公交与第(i+1)辆公交车之间的区域，区域内站点编号是u至v,其中u<v。从距离终点最近的公交q开始依次计算剩余需求量，即该公交由于容量限制而不能完成运输的乘客数，那么第i辆公交所不能承受的剩余需求量为：
其中Pi表示第i个站台的乘客需求，Ri+1为第(i+1)辆公交的剩余需求量；Ci表示第i辆公交的剩余运力，即公交最大容量与当前车载乘客的数量之差。若当前第i辆公交剩余运力大于总需求之和，那么该公交可以运输当前所有乘客，剩余需求量为0；否则等于待运总需求与该公交剩余运力之差。依此类推，那么公交起始站派车待运的总需求为：
其中k表示在第一辆公交后方最近的一个站，即正在运行的公交无法运输第1站至第k站的乘客。因此待运总需求是前k站的总需求与第一辆在运行公交的剩余需求量之和。综上所述，基于通信与计算机技术，调度中心每隔单位时间计算待运总需求，为是否派车与派车规模提供决策依据。
步骤(4)中，计算派车数量方法如下：
a)确定单位计算间隔时间。单位计算间隔时间是指间隔单位时间根据实时的需求数计算派车数，以判断是否达到派车条件或者需要派车的数量。间隔时间过大会导致乘客等待时间过长，无法充分展现派车算法的效果；间隔时间过小则增加计算成本。因此单位计算间隔时间可以根据该公交线路的客流大小决定，客流较大那么间隔较小；反之则设置较大的间隔。同一线路也可在不同时间段设置不同的单位计算间隔时间，高峰期设置大间隔，平峰期设置小间隔。
b)确定最小发车条件参数cmin与最大发车条件参数cmax。发车条件参数是计算派车数的重要基础，不同的参数对实施效果存在重要影响，具体取值可以根据仿真结果决定。
c)计算派车数。为了提升乘客满意度，设置最大发车间隔T，若当前发车间隔大于T，即使待运总需求未达到发车条件，也要派出一辆公交；若当前发车间隔小于T，已知发车条件参数，每隔单位时间计算派车数n方法是:
其中E(x)为向下取整函数，D为下一公交班次的待运总需求，S是车辆座位数，最小发车条件参数cmin与最大发车条件参数cmax共同决定了当前派车数量，若n等于0，那么当前未达到派车条件，不发车；若n等于1，那么当前需要派车1辆车；若n大于1，那么派出n辆车编组运行。
步骤(5)中，通过仿真选取合理参数的方法是:使用仿真软件AnyLogic建立智能体仿真模型，仿真评估不同的参数实施效果，选取较优的参数。模型主要包括三类智能体，车、乘客以及调度中心。其中车按照算法计算结果决定是否运行；模型中乘客基于客流调查结果；调度中心根据反馈信息不断计算派车数。最后，从乘客平均等待时间(乘客从到达车站至上车的时间)、公交车辆平均装载率(总运输乘客数与所有车辆所提供的总座位数的比值)、公交车对道路资源的占用值(公交的标准车当量数PCU与该车行驶里程之积)三个方面评价算法的实施效果，基于仿真结果选取较优的参数。
本实施例达到了如下的目的：将公交派车方法与无人驾驶技术相结合，利用计算机与通信技术，根据实时需求决定公交运行策略，减少乘客等候时间，提高公交装载率，减少占用公共道路资源，以改善城市公交供需不平衡问题。
以上是本发明的优选实施例，本领域普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本发明总的构思的前提下，这些变换或改进都应当属于本发明要求保护范围之内。

Claims (5)

1.一种基于实时需求的无人驾驶公交派车方法，其特征在于，包括如下步骤：
(1)基于计算机与通信技术，汇总各站点乘客需求信息；
(2)基于公交车的车载终端设备，追踪车辆状态信息，所述车辆状态信息包括车辆位置、车载乘客人数；
(3)通过车辆信息与各站点乘客需求信息，实时计算下一公交班次的待运总需求，所述待运总需求为待运乘客人数；
(4)基于派车算法计算派车数量，设置最大发车间隔、最小发车条件参数、最大发车条件参数与单位时间，每间隔单位时间，基于实时的需求信息、车辆状态信息计算派车数，若派车数等于0，则表明当前需求下不需要派车；若派车数等于1，起点站发出一辆公交车；若派车数大于1，那么将多辆公交车编组运行；
(5)根据历史客流数据，基于智能体仿真的方法测试不同参数下算法的实施效果，选取合理的参数，优化算法；
其中，步骤(4)所述的计算派车数量方法如下：
其中E(x)为向下取整函数，D为下一公交班次的待运总需求，S是车辆座位数，最小发车条件参数cmin与最大发车条件参数cmax共同决定了当前派车数量，若n等于0，那么当前未达到派车条件，不发车；若n等于1，那么当前需要派车1辆；若n大于1，那么派出n辆公交车编组运行。
2.根据权利要求1所述的一种基于实时需求的无人驾驶公交派车方法，其特征在于，步骤(1)中，乘客到达公交站台后将自己的需求信息通过智能终端上传，用于该乘客预约公交车，所述需求信息包括乘客唯一编号、起点站、终点站、到达时间，所述需求信息的数据保存至公交调度中心，作为派车算法计算的基础条件。
3.根据权利要求1所述的一种基于实时需求的无人驾驶公交派车方法，其特征在于，步骤(2)中，公交车的车载终端设备实时更新并向公交调度中心提供车辆的位置信息、车辆内人数。
4.根据权利要求1所述的一种基于实时需求的无人驾驶公交派车方法，其特征在于，步骤(3)中，下一公交班次的待运总需求包括起点至临近公交之间的所有站点总需求、临近公交无法完成的剩余需求。
5.根据权利要求1所述的一种基于实时需求的无人驾驶公交派车方法，其特征在于，步骤(5)中，使用仿真软件AnyLogic建立智能体仿真模型，从乘客平均等待时间、公交车辆平均装载率、公交车对道路资源的占用值三个方面评价算法的实施效果，基于仿真结果选取较优的参数；其中，乘客平均等待时间为乘客从到达车站至上车的时间，公交车辆平均装载率为总运输乘客数与所有车辆所提供的总座位数的比值，公交车对道路资源的占用值为公交的标准车当量数PCU与该车行驶里程之积。
CN202010755992.4A 2020-07-31 2020-07-31 一种基于实时需求的无人驾驶公交派车方法 Active CN111898909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010755992.4A CN111898909B (zh) 2020-07-31 2020-07-31 一种基于实时需求的无人驾驶公交派车方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010755992.4A CN111898909B (zh) 2020-07-31 2020-07-31 一种基于实时需求的无人驾驶公交派车方法

Publications (2)

Publication Number Publication Date
CN111898909A CN111898909A (zh) 2020-11-06
CN111898909B true CN111898909B (zh) 2023-09-01

Family

ID=73183827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010755992.4A Active CN111898909B (zh) 2020-07-31 2020-07-31 一种基于实时需求的无人驾驶公交派车方法

Country Status (1)

Country Link
CN (1) CN111898909B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541675A (zh) * 2020-12-11 2021-03-23 中车唐山机车车辆有限公司 一种车辆系统的调度控制方法，装置及系统
CN112927493B (zh) * 2021-01-20 2022-06-07 重庆长安车联科技有限公司 一种用于无人驾驶公交车模式的调度计算方法
CN113112800B (zh) * 2021-04-10 2022-06-10 杭州华量软件有限公司 一种基于乘客信息完善采集的交通工具动态调度系统
CN114925911A (zh) * 2022-05-19 2022-08-19 广州交信投科技股份有限公司 一种基于无人驾驶公交车精准客流预测的自适应动态排班方法及系统
CN116704778B (zh) * 2023-08-04 2023-10-24 创意(成都)数字科技有限公司 智慧交通数据处理方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105448082A (zh) * 2015-12-30 2016-03-30 清华大学 一种可变间隔发车的快速公交车组合调度方法
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
CN109615112A (zh) * 2018-11-16 2019-04-12 上海理工大学 一种响应型社区公交行车调度优化方法
CN111340289A (zh) * 2020-02-25 2020-06-26 杭州电子科技大学 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10102485B2 (en) * 2015-01-29 2018-10-16 Conduent Business Services, Llc Method and system for predicting demand for vehicles

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
CN105448082A (zh) * 2015-12-30 2016-03-30 清华大学 一种可变间隔发车的快速公交车组合调度方法
CN109615112A (zh) * 2018-11-16 2019-04-12 上海理工大学 一种响应型社区公交行车调度优化方法
CN111340289A (zh) * 2020-02-25 2020-06-26 杭州电子科技大学 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于感知的公交调度发车频率和车型优化模型;杨熙宇;《同济大学学报（自然科学版）》;全文 *

Also Published As

Publication number Publication date
CN111898909A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN111898909B (zh) 一种基于实时需求的无人驾驶公交派车方法
CN111340406B (zh) 基于od客流的公交动态编排模型的实现方法及系统
CN107393329B (zh) 一种公交车智能调度方法、装置及系统
CN104021667B (zh) 整合预约服务与实时打车的出租车合乘调度系统及调度方法
CN103531018B (zh) 公交车发车调度方法及公交车发车调度系统
CN103956041B (zh) 一种公交调度系统及其控制方法
Bischoff et al. Proactive empty vehicle rebalancing for Demand Responsive Transport services
CN100483476C (zh) 一种车辆调度方法和系统
CN111553530B (zh) 一种城际网约车包车出行运力预测与出行推荐方法及系统
CN109859459A (zh) 一种自动驾驶公交调度优化方法
CN107618381A (zh) 基于移动互联网的汽车综合补能系统和方法、存储介质
CN105551233A (zh) 智慧变线公交系统及其动态调度优化方法
CN108320494B (zh) 一种公交动态调度方法、存储介质及设备
CN106530677B (zh) 一种基于实时信息的校车调度方法及系统
CN111161560B (zh) 一种公交廊道营运秩序管理方法及装置
CN115130779A (zh) 一种基于移动充电桩的智能调度方法
CN113763695A (zh) 一种自动驾驶车辆的调度方法和系统
CN113450242B (zh) 一种路径偏离式公交调度系统及存储介质和设备
CN114971136A (zh) 一种公交及巡游小巴调度方法
CN115663867B (zh) 基于智能充电网络系统的电动汽车充电调度方法
CN111898863A (zh) 轨道交通的车辆的动态调度方法和装置
CN116151538A (zh) 一种应用于智能公交需求均衡式调度的仿真系统及方法
CN114925911A (zh) 一种基于无人驾驶公交车精准客流预测的自适应动态排班方法及系统
CN114091932A (zh) 一种资源调度方法、装置、介质及电子设备
CN116110220B (zh) 一种应用于智慧公交系统的需求响应式调度的仿真方法及系统

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