CN112150802B - 基于地面公交运行状态可靠性的城市道路等级划分方法 - Google Patents

基于地面公交运行状态可靠性的城市道路等级划分方法 Download PDF

Info

Publication number
CN112150802B
CN112150802B CN202010847093.7A CN202010847093A CN112150802B CN 112150802 B CN112150802 B CN 112150802B CN 202010847093 A CN202010847093 A CN 202010847093A CN 112150802 B CN112150802 B CN 112150802B
Authority
CN
China
Prior art keywords
road
bus
time
road section
running
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
CN202010847093.7A
Other languages
English (en)
Other versions
CN112150802A (zh
Inventor
吴娇蓉
刘安娜
王宇沁
林清凯
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 CN202010847093.7A priority Critical patent/CN112150802B/zh
Publication of CN112150802A publication Critical patent/CN112150802A/zh
Application granted granted Critical
Publication of CN112150802B publication Critical patent/CN112150802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0133Traffic data processing for classifying traffic situation
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/065Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于地面公交运行状态可靠性的城市道路等级划分方法,包括步骤:1)确定分级对象道路,采集相关公交线路数据,并对数据进行预处理,并将需要分级的道路划分为若干路段;2)选取研究时段,获取研究时段内的线路计划运行时间,基于划分路段的基础上,计算每个时段内各路段的公交拥堵指数和运行时间波动性;3)基于计算得到的公交拥堵指数和运行时间波动性,将各路段进行聚类和等级划分;4)对等级划分结果进行可视化处理。与现有技术相比,本发明具有可评估公交运行状态的稳定性,有利于公交的实时调度,避免因缺少数据而无法对路段评价,数据成本低等优点。

Description

基于地面公交运行状态可靠性的城市道路等级划分方法
技术领域
本发明涉及交通运输工程领域,尤其是涉及一种基于地面公交运行状态可靠性的城市道路等级划分方法。
背景技术
常规地面公交一般遵循计划时刻表,按照一定的发车间隔发车运行,计划时刻表的制定与线路的客流需求、全程运行时间等因素相关。然而近年来,随着小汽车的保有量逐渐增加,其发展远远快于道路设施的发展,造成了供不应求的矛盾;同时,由于部分路段、节点的设计的不合理,导致机动车包括私家车与地面常规公交的运行状况呈逐年下降的趋势。对于公交运行而言,这往往会导致公交约40%的线路在早晚高峰时段无法按照时刻表准时发车及准时到站服务乘客,高峰时段公交班次完成率常常低于85%,城市道路公交运行稳定性的下降直接导致了城市地面常规公交的客流吸引力、运量和服务水平下降。针对此,对城市道路划分等级是较为重要的环节。
目前对于道路分级的方法,大多基于出租车、小汽车、网约车的实时运行速度、时间等数据对城市道路的拥堵情况进行等级划分,多以小汽车为分级标准参考对象,且侧重于一些简单共性的指标,如小汽车的速度、延误、饱和度等等,例如现有商业地图网站的路况指数,是某一时刻的运行速度与畅通状态下该路段的运行速度的比值。该类指标仅以小汽车为研究对象,弱化了国家倡导的公交都市建设过程中对道路公交的运行状态考量,不具有可持续性,且无法准确地预估道路在研究时段内是否拥堵;此外,对于一些缺少小汽车GPS的时段及路段,或道路等级较低的路段,上述方法的等级划分的准确性及可操作性均受到了限制。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于地面公交运行状态可靠性的城市道路等级划分方法,该方法基于地面公交运行状态数据,数据获取成本低,能够预估道路在研究时段内是否拥堵,评估公交运行状态的稳定性,并有利于公交的实时调度,可避免因缺少数据而无法对路段进行评价等问题。
本发明的目的可以通过以下技术方案来实现:
基于地面公交运行状态可靠性的城市道路等级划分方法,该方法基于地面公交全天(或特定时段)所有车辆经过各站点的GPS到站、离站时间数据、公交运营企业的各条线路公交时刻表、公交车辆正常运营投放量等数据进行城市道路等级划分,具体包括如下步骤:
步骤一:确定分级对象道路,分析道路的基本情况,梳理途经公交线路并采集相关数据,将线路分为上行、下行。
1.1、路段数据采集及预处理:
根据需要分级的道路,梳理经过对象道路的公交线路,将线路分为上行、下行,采集研究日期范围内的所有公交车辆经过各站点的GPS数据,即各站点的到站、离站时间数据,对GPS数据进行数据清洗,筛选出能代表路段公交运行状态的全程车班次数据,分析研究对象道路的基本情况。
1.2、将需要分级的道路划分为若干路段,路段划分遵循以下几点原则:
①线路划分时应以公交站点为路段分界点;②将辅助公交灵活调度的关键站点作为路段分界点,关键站点通常为上下客流大、断面客流大的站点;一般情况下站点的客流不均衡系数和所处断面的断面客流不均衡系数应大于1.2;③同一分段内的相邻两两站点间运行时间及其波动性最小;④为了表征该路段所属道路的公交运行特征,划分后的单条路段不宜落在超过1条道路上,最多落在2条道路上;⑤为减少运行时间数据过小而出现的运行时间波动性数值不正常的现象,划分后的路段的长度不宜过短,1km以上为宜。
公交运行时间的定义:一辆公交车从站点A发车行驶至站点B到站所经过的时间,包括了站点A至站点B间路段的行驶时间和两站间的各站点的停站时间。
步骤二:根据城市地面公交的计划运行时间划分,将一天划分为若干研究时段,选定研究时段,并计算每个时段内各路段的公交拥堵指数和运行时间波动性。
2.1、采用公交运营公司编制线路计划时刻表时划分的各时段作为研究时段。在研究时段内的线路计划运行时间和划分路段的基础上,根据平峰时公交各路段的运行时间占比,将计划运行时间分配至各路段上,得到研究时段内各路段的计划运行时间。
2.2、计算研究时段内各路段的公交拥堵指数:
公交拥堵指数定义为路段内各时段公交车辆运行时间与路况良好时最短运行时间的比值,计算方法为:
Figure GDA0003456789010000031
式中,
Figure GDA0003456789010000032
为k路段第i时段的第j辆公交车拥堵指数,
Figure GDA0003456789010000033
为k路段第i时段的第j辆车的运行时间
Figure GDA0003456789010000034
为k路段在路段畅通的情况下公交车的运行时间。本发明采用该时段内经过的所有公交车的波动指数的平均值作为该时段内的拥堵指数,即:
Figure GDA0003456789010000035
式中,n为k路段在第i时段经过的公交车辆数。
2.3、计算研究时段内各路段的运行时间波动性:
公交运行时间波动性定义为该路段公交车辆运行时间与时刻表所规定的计划运行时间的偏离程度,即:
Figure GDA0003456789010000036
Figure GDA0003456789010000037
式中,
Figure GDA0003456789010000038
为k路段第i时段的公交运行时间波动性,
Figure GDA0003456789010000039
为k路段第i时段的公交运行时间偏离计划运行时间的方差,
Figure GDA00034567890100000310
为k路段第i时段的公交计划运行时间。
步骤三:将各路段进行聚类和等级划分。
3.1、基于拥堵性和波动性的计算结果,对类似时段内的所有数据进行k均值聚类划分,设定阈值,划分为道路过于拥堵、运行时间波动性过大、道路拥堵或缓行(但可以采用公交实时调度手段解决公交运行班次不稳定的问题)、运行畅通且运行时间可以估计四类。具体地:
1)预先将研究时段内的各路段各天数据分为k组,在各组中分别随机选取1个对象作为初始的聚类中心,其中分类的组数k至少为4,不超过8,其具体数值根据所有数据的运行时间、波动性两个指标的二维散点图分布及取不同组数k的聚类呈现的散点分布效果确定。
2)计算每个对象与各个种子聚类中心之间的距离:
Figure GDA0003456789010000041
式中,α0与σ0分别为聚类中心的拥堵指数及运行时间波动性,αi为第i个数据对象的拥堵指数、σi为第i个数据对象的运行时间波动性。
将每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。
3)每将一个样本分配至一组中时,聚类中心会根据聚类中现有的对象被重新计算。该过程将不断重复直到满足终止条件,即各对象与聚类中心的距离误差平方和局部最小。
3.2、根据分类结果产生的阈值与超过日常公交实时调度的阈值进行比较并做微调,获取最后的道路路段公交运行状态可靠性分级。
将公交车拥堵在途中时间超出可采用日常公交实时调度阈值范围的路段、以及运行时间波动性过大以至于无法准确估计公交运行时间的路段,划分为公交运行可靠性差。将运行拥堵或缓行,但运行时间波动性小,可采用日常公交实时调度手段解决公交运行班次不稳定问题的路段标,划分为公交运行可靠性较差。将运行畅通且运行时间预测在容错时间内的路段,划分为公交运行可靠性较好。
其中,日常公交实时调度阈值范围基于公交线路的车辆、线路设计、人员、允许实施的调度方案等实际约束来确定,不同的线路需要进行具体分析。在确定的调度方案基础上,给出预测公交到达时间的容错时间。以该容错时间为标准,如果运动时间波动性的算术平方根超过该值,则属于运动时间波动性过大,反之该波动性可以接受。
步骤四:对道路公交运行可靠性等级划分结果进行可视化,以为后续获取实时道路路段情况提供直观显示。
将道路公交运行可靠性等级分化结果在道路网络图中进行可视化,对于不同等级分化结果以不同的形式标记,如不同颜色、不同形状曲线等形式。例如,将过于拥堵以至于超出可采用日常公交实时调度阈值范围的路段、以及运行时间波动性过大以至于无法准确估计公交运行时间的路段,划分为公交运行可靠性差,标为红色。将运行拥堵或缓行,但运行时间波动性小,可采用日常公交实时调度手段解决公交运行班次不稳定问题的路段标,划分为公交运行可靠性较差,标为黄色。将运行畅通且运行时间可以估计的路段标,划分为公交运行可靠性较好,标为绿色。
本发明提供的基于地面公交运行状态可靠性的城市道路等级划分方法,相较于现有技术至少包括如下有益效果:
一、本发明采用公交运行状态可靠性对城市道路路段进行分级,不仅可以预估道路在研究时段内是否拥堵,还可以评估公交运行状态的稳定性,有利于提前预判出不能按照时刻表运行的公交车辆班次,本发明从公交运行角度提出的道路分级方法与百度地图的小汽车拥堵道路分级方法有较大差异性,早晚高峰分路段乘车的公交乘客认为本发明计算的道路分段公交运行可靠性分级结果与实际主观感受的公交拥堵路段一致性高达95%,符合实际情况;
二、本发明基于公交运行状态稳定性、公交拥堵指数对城市道路路段进行等级划分,公交运行数据可稳定获取,具有数据成本低的优势;
三、本发明填补了目前城市道路对于公交运行影响评价的空缺,可以服务多类智能公交公共交通项目,具有应用广泛的优势。
附图说明
图1为本发明基于地面公交运行状态可靠性的城市道路等级划分方法的流程示意图;
图2为实施例中59路上行路段分段;
图3为实施例中59路下行路段分段;
图4为实施例中59路公交拥堵指数-运行时间波动性散点图;
图5为实施例中采用本发明方法确认的59路早高峰公交运行状态可靠性分级;
图6为实施例中采用本发明方法确认的59路晚高峰公交运行状态可靠性分级;
图7为实施例中采用百度地图确认的59路早高峰路况分级;
图8为实施例中采用百度地图确认的59路晚高峰路况分级。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
本发明涉及一种基于地面公交运行状态可靠性的城市道路等级划分方法,包括下列步骤:
S1:确定分级对象道路,分析道路的基本情况,梳理途经公交线路并采集相关数据,将线路分为上行、下行。
根据需要分级的道路,梳理经过对象道路的公交线路,将线路分为上行、下行,采集研究日期范围内的所有公交车辆经过各站点的GPS数据,即各站点的到站、离站时间数据,对GPS数据进行数据清洗,筛选出能代表路段公交运行状态的全程车班次数据,分析研究对象道路的基本情况。
将需要分级的道路划分为若干路段,路段划分遵循以下几点原则:
1、线路划分时应以公交站点为路段分界点;2、本发明有助于预测公交车辆在特定时刻特定路段下的运行时间,预测后的运行时间与计划的运行时间可用以辅助公交线路实时调度,因此应尽可能将辅助公交灵活调度的关键站点作为路段分界点,关键站点通常为上下客流大、断面客流大的站点;一般情况下站点的客流不均衡系数和所处断面的断面客流不均衡系数应大于1.2;3、同一分段内的相邻两两站点间运行时间及其波动性最小;4、为了表征该路段所属道路的公交运行特征,划分后的单条路段不宜落在超过1条道路上,最多落在2条道路上;5、为减少运行时间数据过小而出现的运行时间波动性数值不正常的现象,划分后的路段的长度不宜过短,1km以上为宜。
S2:选定研究时段,并计算时段内各路段的公交拥堵指数和运行时间波动性。
S3:根据步骤S2计算的时段内各路段的公交拥堵指数和运行时间波动性,对各路段进行聚类和等级划分。
S4:对道路公交运行可靠性等级划分结果进行可视化。
本实施例以上海市中心城区59路公交线路为例,利用上述本发明方法步骤对59路经过的路段进行分级,具体过程为:
一、确定研究对象为59路及其经过的汶水东路、邯郸路、翔殷路、军工路、博山东路、张杨路、灵山路,基于分段原则对其进行路段分段,上行划分为以下十个路段:
表1 59路上行路段划分
Figure GDA0003456789010000061
Figure GDA0003456789010000071
下行划分为以下十个路段:
表2 59路下行路段划分
起点 终点
1 杨高中路民生路 羽山路南洋泾路
2 羽山路南洋泾路 博山东路龙居路
3 博山东路龙居路 金桥路博山东路
4 金桥路博山东路 军工路控江路
5 军工路控江路 军工路佳木斯格
6 军工路佳木斯格 翔殷路沙岗路
7 翔殷路沙岗路 五角场(邯郸路)
8 五角场(邯郸路) 邯郸路运光路
9 邯郸路运光路 汶水东路广纪路
10 汶水东路广纪路 凉城路广灵四路
研究日期为2020年6月6日-7月8日22天工作日,根据时刻表的运行时段的划分,将全天划分为4:50-6:30、6:31-8:30、8:31-16:00、16:01-19:30、19:31-24:00共五个时段,本实施例研究的时段为6:31-8:30和16:01-19:30早晚高峰两个时段。
二、分别计算研究时段内各路段的拥堵指数及运行时间波动性,将22天的数据绘制成散点图,并进行k均值聚类分析,得到四大分类结果,包括公交运行可靠性差、公交运行可靠性较差、公交运行可靠性较好和出现概率小。
表3路段分类结果
Figure GDA0003456789010000072
Figure GDA0003456789010000081
将7月7日早、晚高峰的分类结果呈现至道路地图上。
本实施例的实验效果主要通过采用本发明方法生成的公交运行状态可靠性道路分级与按照传统方法计算的小汽车拥堵路段给分级进行对比,本实施例与百度地图生成的路况图进行比较,结果如图5~8所示。可知相较于百度地图生成的路况图,本发明的公交运行状态可靠性分级更能体现路段对公交运行状态的影响。
早、晚高峰两类分级比较如下表所示:
表4早高峰公交运行状态可靠性分级与百度地图路况分级比较
路段 公交运行可靠性 百度路况
大柏树-五角场上行 缓行
五角场-沙岗路 缓行
军工路隧道下行 畅通
表5晚高峰公交运行状态可靠性分级与百度地图路况分级比较
路段 公交运行可靠性 百度路况
大柏树-五角场下行 优秀 缓行
五角场-沙岗路 中等 拥堵
大柏树-五角场上行 畅通
军工路隧道下行 中等 畅通
根据表4、表5的早、晚高峰公交运行状态可靠性分级显示,道路公交运行可靠性分级与百度地图拥挤度显示结果有差异;早高峰上行方向公交运行可靠性较差、差路段多于下行方向晚高峰下行方向公交运行可靠性较差、差路段多于上行方向;部分在百度地图路况图中显示缓行或畅通的路段公交运行可靠性的分级是较差的。
通过上述比较,百度地图路况路段分级不能完全反映实际路况是否有利于公交运行稳定、是否有利于日常公交实时调度,而利用本发明的公交运行状态可靠性分级可以弥补这一缺点。同时通过59路跟车调研,对100名公交乘客进行早晚高峰分路段乘车感受调研,公交运行可靠性主观感受调研结果与本方法计算结果一致性高达95%;与公交管理部门、公交运营企业交流与调研结果显示,本方法提出的道路分段公交运行可靠性分级符合实际情况,说明本发明提出的分级方法对于道路网、公交运行网二网融合提高公交运行可靠性有较高的借鉴意义。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.基于地面公交运行状态可靠性的城市道路等级划分方法,其特征在于,包括下列步骤:
1)确定分级对象道路,采集相关公交线路数据,并对数据进行预处理,并将需要分级的道路划分为若干路段;
2)选取研究时段,获取研究时段内的线路计划运行时间,基于划分的路段,计算每个时段内各路段的公交拥堵指数和运行时间波动性;
3)基于计算得到的公交拥堵指数和运行时间波动性,将各路段进行聚类和等级划分;
4)对等级划分结果进行不同显示效果的可视化处理;
步骤2)具体包括下列步骤:
21)采用公交运营公司编制线路计划时刻表时划分的各时段作为研究时段,在研究时段内的线路计划运行时间和划分路段的基础上,根据平峰时公交各路段的运行时间占比,将计划运行时间分配至各路段上,获取研究时段内各路段的计划运行时间;
22)根据各路段在畅通的情况下公交车的运行时间和研究时段内各路段上的实际运行时间,计算研究时段内各路段的公交拥堵指数;
研究时段内的公交拥堵指数
Figure FDA0003456788000000011
的计算式为:
Figure FDA0003456788000000012
式中,n为k路段在第i时段经过的公交车辆数;
Figure FDA0003456788000000013
式中,
Figure FDA0003456788000000014
为k路段第i时段的第j辆公交车拥堵指数,
Figure FDA0003456788000000015
为k路段第i时段的第j辆车的运行时间,
Figure FDA0003456788000000016
为k路段在路段畅通的情况下公交车的运行时间;
23)根据研究时段内各路段的公交计划运行时间,以及研究时段内各路段上经过的该线路公交实际运行时间,计算研究时段内各路段的运行时间波动性;
研究时段内各路段的运行时间波动性的计算式为:
Figure FDA0003456788000000021
式中,
Figure FDA0003456788000000022
为k路段第i时段的公交运行时间波动性,
Figure FDA0003456788000000023
为k路段第i时段的公交计划运行时间,
Figure FDA0003456788000000024
为k路段第i时段的公交运行时间偏离计划运行时间的方差;
k路段第i时段的公交运行时间偏离计划运行时间的方差的表达式为:
Figure FDA0003456788000000025
式中,
Figure FDA0003456788000000026
为k路段第i时段的第j辆车的运行时间,n为k路段在第i时段经过的公交车辆数。
2.根据权利要求1所述的基于地面公交运行状态可靠性的城市道路等级划分方法,其特征在于,步骤1)中,采集相关公交线路数据包括研究日期范围内的所有公交车辆经过各站点的GPS数据,包括各站点的到站、离站时间数据,对GPS数据进行数据清洗处理,并筛选出代表路段公交运行状态的全程车班次数据。
3.根据权利要求1所述的基于地面公交运行状态可靠性的城市道路等级划分方法,其特征在于,步骤1)中,将需要分级的道路划分为若干路段的划分标准遵循以下原则:a)以公交站点为路段分界点进行线路划分;b)以客流不均衡系数和所处断面的断面客流不均衡系数均大于1.2的关键站点作为路段分界点;c)同一分段内的相邻两两站点间运行时间及其波动性最小;d)划分后的单条路段最多落在2条道路上;e)划分后的路段的长度在1km以上。
4.根据权利要求1所述的基于地面公交运行状态可靠性的城市道路等级划分方法,其特征在于,步骤3)具体包括下列步骤:
31)基于步骤2)获取的拥堵指数和各路段运行时间波动性的计算结果,对类似时段内的所有数据进行k均值聚类划分,设定阈值,将道路等级划分为道路过于拥堵、运行时间波动性过大、道路拥堵或缓行、运行畅通且运行时间可估计四类;
32)根据分类结果产生的阈值与超过日常公交实时调度的阈值进行比较,获取最后的道路路段公交运行状态可靠性分级。
5.根据权利要求4所述的基于地面公交运行状态可靠性的城市道路等级划分方法,其特征在于,步骤31)具体包括下列步骤:
311)预先将研究时段内的各路段各天数据分为k组,在各组中分别随机选取1个对象作为初始的聚类中心,其中分类的组数k的取值为[4,8],其具体数值根据所有数据的运行时间、波动性两个指标的二维散点图分布及取不同组数k的聚类呈现的散点分布效果确定;
312)计算每个对象与各个种子聚类中心之间的距离;
313)每将一个样本分配至一组中时,根据聚类中现有的对象重新计算聚类中心,不断重复直至满足终止条件,即各对象与聚类中心的距离误差平方和局部最小。
CN202010847093.7A 2020-08-21 2020-08-21 基于地面公交运行状态可靠性的城市道路等级划分方法 Active CN112150802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010847093.7A CN112150802B (zh) 2020-08-21 2020-08-21 基于地面公交运行状态可靠性的城市道路等级划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010847093.7A CN112150802B (zh) 2020-08-21 2020-08-21 基于地面公交运行状态可靠性的城市道路等级划分方法

Publications (2)

Publication Number Publication Date
CN112150802A CN112150802A (zh) 2020-12-29
CN112150802B true CN112150802B (zh) 2022-04-05

Family

ID=73888196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010847093.7A Active CN112150802B (zh) 2020-08-21 2020-08-21 基于地面公交运行状态可靠性的城市道路等级划分方法

Country Status (1)

Country Link
CN (1) CN112150802B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113157797B (zh) * 2021-02-24 2024-03-29 华录智达科技股份有限公司 一种公交线路全日运行状态多维度图形化展示和调度方法
CN113723761B (zh) * 2021-08-01 2024-03-22 北京工业大学 一种基于运行数据的多维度城市公交运行服务可靠度评价方法
CN117495204B (zh) * 2023-12-29 2024-04-16 济南市城市交通研究中心有限公司 基于数据分析的城市公交运行效率评估方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710449A (zh) * 2009-12-04 2010-05-19 吉林大学 基于公交车gps数据的交通流运行状态识别方法
CN103745089A (zh) * 2013-12-20 2014-04-23 北京工业大学 一种多维公共交通运行指数评价方法
CN104240529A (zh) * 2014-09-11 2014-12-24 江苏云控软件技术有限公司 一种预测公交到站时间的方法及系统
CN205508158U (zh) * 2016-04-13 2016-08-24 长安大学 一种基于公交计划时刻表的时间控制点偏离情况提醒装置
CN108629981A (zh) * 2018-05-14 2018-10-09 重庆市通信建设有限公司 自适应公交优先道管控方法
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
CN110363990A (zh) * 2019-07-15 2019-10-22 广东工业大学 一种公交畅行指数获取方法、系统及装置
CN111260926A (zh) * 2020-03-26 2020-06-09 交通运输部科学研究院 一种公交到站时间预测结果可靠度的评价和提示方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101710449A (zh) * 2009-12-04 2010-05-19 吉林大学 基于公交车gps数据的交通流运行状态识别方法
CN103745089A (zh) * 2013-12-20 2014-04-23 北京工业大学 一种多维公共交通运行指数评价方法
CN104240529A (zh) * 2014-09-11 2014-12-24 江苏云控软件技术有限公司 一种预测公交到站时间的方法及系统
CN205508158U (zh) * 2016-04-13 2016-08-24 长安大学 一种基于公交计划时刻表的时间控制点偏离情况提醒装置
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
CN108629981A (zh) * 2018-05-14 2018-10-09 重庆市通信建设有限公司 自适应公交优先道管控方法
CN110363990A (zh) * 2019-07-15 2019-10-22 广东工业大学 一种公交畅行指数获取方法、系统及装置
CN111260926A (zh) * 2020-03-26 2020-06-09 交通运输部科学研究院 一种公交到站时间预测结果可靠度的评价和提示方法

Also Published As

Publication number Publication date
CN112150802A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN112150802B (zh) 基于地面公交运行状态可靠性的城市道路等级划分方法
US20190266891A1 (en) A method to quantitatively analyze the effects of urban built environment on road travel time
CN102819955B (zh) 基于车辆行程数据的道路网运行评价方法
CN103956050B (zh) 基于车辆行程数据的道路网运行评价方法
CN108961804B (zh) 基于多指标分类交集的公交线路调整备选集合确定方法
CN112784000B (zh) 基于出租车轨迹数据的寻客方法
CN110634292B (zh) 一种基于路阻性能函数的行程时间可靠性估计方法
CN112017429B (zh) 一种基于货车gps数据的治超监测布点方法
Lu et al. Characterization of truck traffic in California for mechanistic–empirical design
CN113506013B (zh) 基于多源数据的中运量公共交通系统综合效益评价方法
Kato et al. Latest urban rail demand forecast model system in the Tokyo Metropolitan Area
CN115798189A (zh) 一种交通拥堵指数评价方法
CN111815141A (zh) 获取互通式立交运行风险评估模型的方法及风险评估方法
Abdel-Aty et al. Assessing crash occurrence on urban freeways by applying a system of interrelated equations
CN108197724B (zh) 公交复杂网络中效率权重计算与公交方案性能评估方法
CN113408833A (zh) 一种公共交通重点区域识别方法、装置及电子设备
CN111723871B (zh) 一种公交车实时车厢满载率的估算方法
Devunuri et al. Bus stop spacing statistics: Theory and evidence
Izadi et al. Evaluation of the performance of bus special lines according to indicators of quality and transport and its performance improvement using ultra-innovative intelligent models (Case study: Rasht city)
Ober-Sundermeier et al. Prediction of congestion due to road works on freeways
CN113723761B (zh) 一种基于运行数据的多维度城市公交运行服务可靠度评价方法
Ulberg et al. Evaluation of the cost-effectiveness of HOV lanes
Saw et al. Travel time variability analysis based on level of service: a case study of mixed traffic urban arterial corridors
Bedewy et al. Processing Traffic Jam in Al-Sadrain Intersection in the Holy City of Najaf
Ginting et al. Analysis of Traffic Performance in Arif Rahman Hakim Road Depok City, Indonesia

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