CN112288122A - 一种基于客流od大数据的公交快速通勤线路设计方法 - Google Patents
一种基于客流od大数据的公交快速通勤线路设计方法 Download PDFInfo
- Publication number
- CN112288122A CN112288122A CN201911194967.7A CN201911194967A CN112288122A CN 112288122 A CN112288122 A CN 112288122A CN 201911194967 A CN201911194967 A CN 201911194967A CN 112288122 A CN112288122 A CN 112288122A
- Authority
- CN
- China
- Prior art keywords
- station
- passenger flow
- commuting
- site
- line
- 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 40
- 238000013461 design Methods 0.000 title claims abstract description 8
- 238000012546 transfer Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于客流OD大数据的公交快速通勤线路设计方法,包括以下方法:获取目标城市公交线路信息、站点信息,以及全网客流OD数据;选择需要设置快速通勤线路的2个目标区域,选出多对起终点备选集合,确定快速通勤线路途经站点,得到多条备选快速通勤线路;并确定最佳快速通勤线路;通过以客观的客流数据作为开设线路的依据,极大地降低了线路开设的风险,提高了线路开设的科学性和可靠性,规划开设的通勤线路具有更强的可实施性,极大地提升公交线路、站点、司机、车辆等资源的利用率。
Description
技术领域
本发明涉及智能交通研究领域,尤其是根据客流大数据进行线路规划设计的方法,具体涉及一种基于客流OD大数据的公交快速通勤线路设计方法。
背景技术
随着城市经济发展、人口增长、面积扩张,作为承载城市社会经济活动的城市交通面临着新的挑战,优先发展城市公共交通,可提供高效快速交通服务、优化城市结构、促进经济社会发展、缓解城市交通拥堵,是城市可持续发展的必然选择。
城市早晚高峰时段,拥堵尤其严重,公众依赖公交通勤出行的需求与城市拥堵的矛盾日益突出,通勤出行需求指的是工作日上下班的稳定通行需求。如何规划开行快速通勤公交线路,更好地满足乘客快速通勤的需求,同时符合公交运营的要求,目前还缺少科学合理的开设方法。在实现本发明过程中,发明人发现现有技术中至少存在如下问题:当前快速通勤线路通常是由传统规划设计院或公交公司凭借行业经验进行规划开通,缺乏对客流OD数据的细致分析,无法估测线路预计的客流量,无法合理设置站点,开通后常常出现客流较少、资源浪费、运营亏损,开通风险较大,方案落地实施较困难。
发明内容
为了克服现有技术的不足,本公开实施例提供了一种基于客流OD大数据的公交快速通勤线路设计方法,可以基于客流OD大数据进行快速通勤线路的设计,提高站点设计的合理性,更好地满足乘客快速通勤的需求,提高公众公交出行的满意度,有效提升公交出行分担率,减少交通污染,缓解城市拥堵。
所述技术方案如下:
提供了一种基于客流OD大数据的公交快速通勤线路设计方法,所述方法包括:
获取目标城市公交线路信息、站点信息,以及全网客流OD数据;
选择需要设置快速通勤线路的2个目标区域,并确定两个目标区域内的站点集合A:{A1,A2,……,An}与站点集合B:{B1,B2,……,Bm},并获取站点集合A和站点集合B之间的高峰时段内的客流OD数据集合M;
选出多对起终点备选集合:在2个目标区域中各选择一个站点,为快速通勤线路的一对起点站和终点站;
确定快速通勤线路途经站点:根据站点位置和站点客流量确定途经站点,依次选择顺路的站点、且站点客流量较大的站点为途经站点;根据多对起终点备选集合,得到多条备选快速通勤线路;
确定最佳快速通勤线路。
优选的,所述选择需要设置快速通勤线路的2个目标区域,有以下方法:可以是选取城市的2个功能片区,作为快速通勤线路设置的目标区域;也可以是获取公众提供的起始站点需求情况,选取需求集中的2个区域;也可以是根据城市线网中,高峰时段内的客流OD数据流向图,选择客流流向相对集中的两个区域;也可以是上述三种方法中任意两种或者三种方法的组合。
优选的,选择需要设置快速通勤线路的2个目标区域之前,还包括:获取两个区域之间的最短公交驾驶时间和最短驾驶时间,当最短公交驾驶时间和最短驾驶时间的差值大于Tmin时,确定这2个区域为2个目标区域。
优选的,所述选出多对起终点备选集合,具体为:对每个站点Ai和每个站点Bj进行站点聚合,站点Ai∈站点集合A、站点Bj∈站点集合B:根据两个站点位置,搜索距两站点一定距离内的其他站点,分别组成站点集合Ai:{Ai1,Ai2,……,Aix}、站点集合Bj:{Bj1,Bj2,……,Bjy};其中站点集合Ai∈站点集合A,站点集合Bj∈站点集合B;从客流OD数据集合M中,获取起终点分别属于站点集合Ai与站点集合Bj的客流OD数据,得到站点集合Ai与站点集合Bj间的日均OD总量,并过滤OD总量较小的站点集合Ai与站点集合Bj,从而确定多对起终点备选集合。
进一步的,所述起点站和终点站附近有场站。
进一步,对确定的多对起终点备选集合进一步过滤,过滤掉起终点站距离小于L公里的起终点对,L∈[6,12]。
优选的,所述确定快速通勤线路途经站点,具体为:
获取高峰时段内,站点集合A所有站点至站点集合B各站点的OD量;
寻找中间站点C1,使其满足条件:站点C1∈站点集合A;计算两站点Ai和Bj的经度差与纬度差,并比较大小,若经度差大,则站点C1的经度在Ai、Bj的经度之间,若纬度差大,则站点C1的纬度在Ai、Bj纬度之间;站点C1至站点集合B的OD总量最大,且OD总量大于Q人次,若存在,即可得到中间站点C1;
即得到Ai-C1-Bj站点序列,划分为Ai-C1、C1-Bj两个区间,寻找中间站点C2,分别寻找Ai-C1之间的站点C2’,C1-Bj之间的站点C2”,其中C2’满足条件:①站点C2’∈站点集合A;②计算两站点Ai和C1的经度差与纬度差,并比较大小,若经度差大,则站点C2’的经度在Ai、C1的经度之间,若纬度差大,则站点C2’的纬度在Ai、C1纬度之间;③站点C2’至站点集合B的OD总量最大,且OD总量大于Q人次;若存在,即可得到中间C2’;同样的方法,得到中间站点C2”,选取C2’和C2”中至站点集合B的OD总量较大的一个为中间站点C2;
即得到Ai-C1-C2-Bj或Ai-C2-C1-Bj站点序列,划分为三个区间,按照寻找C2同样的方法寻找,若存在,即得到C3;依次选取得到站点集合A中n1个中间站点:C1、C2、……Cn1,及中间站点的循序;
获取工作日上下班高峰时段内,站点集合B所有站点至站点集合A各站点的OD量,同样的方式,选取得到站点集合B中的n2个中间站点:D1、D2、……Dn2,及中间站点的循序;按照循序组合即得到备选的快速通勤线路;
根据多对起终点备选集合,得到多条备选快速通勤线路。
优选的,所述确定最佳快速通勤线路为根据客流量和/或路准时间确定最佳通勤线路,具体为,可以根据客流OD数据集合M,选取备选快速通勤线路中客流总量最值最大的为快速通勤线路;也可兼顾客流量和路准时间进行选取,选取通勤线路的OD客流总量较大的,同时考虑线路路准时间较小的,为快速通勤线路。
优选的,所述确定最佳快速通勤线路,还结合快速通勤线路的效益,选择收益成本比较大的备选快速通勤线路为最佳快速通勤线路。进一步的,具体包含:获取成本和获取收益;
获取成本:根据运营班次数、线路里程、单公里直接成本计算快速通勤线路运营日均直接成本;
获取收益,收益包含两部分:
①针对原线路转入的客流量,根据原有客流所属线路平均票价、快速通勤线路新票价计算运营收益;
所述原线路转入的客流量=原客流OD总量*客流转入率;所述原客流OD总量为:根据工作日上下班高峰时段内的客流OD数据集合,得到的所有可能通过备选快速通勤线路出行的OD客流总量最值;客流转入率=α*平均节约时间系数+β*平均站点属性系数+γ*平均客流时间段系数,其中α+β+γ=1。
②针对吸引其他交通方式的出行客流量,根据票价计算运营收益,所述吸引其他交通方式的出行客流量=私家车出行量*吸引系数。
与现有技术相比,上述技术方案中的一个技术方案具有如下有益效果:针对两个通行需求较大、但距离较远的两个目标区域,通过开设快速通勤线路,以客观的客流数据作为开设线路的依据,极大地降低了线路开设的风险,提高了线路开设的科学性和可靠性,规划开设的通勤线路具有更强的可实施性,极大地提升公交线路、站点、司机、车辆等资源的利用率。快速通勤线路的站点一般设置在两个目标区域,中间线路部分可以设置在高架或者绕城高速上,从而减少绕行和换乘,大大节约相对原有公交出行的时间,有效提升了公交出行满意度;同时可吸引大量的私家车出行人员,减少私家车出行,有效提升公交出行分担率,从而缓解城市拥堵,减少交通污染。
具体实施方式
为了阐明本发明的技术方案和工作原理,下面将对本公开实施方式做进一步的详细描述。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。该技术方案不仅可以用于公交领域,还可以用于与公交采用类似运行模式的企业班车、大巴车辆、地铁等。
本公开实施例提供了一种****方法:
一种基于客流OD大数据的公交快速通勤线路设计方法,所述方法包括:
步骤1,获取目标城市公交线路信息、站点信息,以及全网客流OD数据:
所述线路信息包括线路名称、线路轨迹点坐标;所述站点信息包括站点名称、站点位置、所述客流OD数据包括某乘客的出发站点、出发时间、到达站点、到达时间,所乘坐线路;
步骤2:选择需要设置快速通勤线路的2个目标区域,并确定两个目标区域内的站点集合A:{A1,A2,……,An}与站点集合B:{B1,B2,……,Bm},并获取站点集合A和站点集合B之间的工作日上下班高峰时段内的客流OD数据集合M;
优选的,所述选择需要设置快速通勤线路的2个目标区域为,选取城市的两个功能片区,作为快速通勤线路设置的目标区域,即在目标城市范围内划定想要开通快速通勤线路的两个区域。
优选的,所述选择需要设置快速通勤线路的2个目标区域,具体方法为:获取公众提供的起始站点需求情况,选取需求集中的2个区域;
优选的,所述选择需要设置快速通勤线路的2个目标区域,具体方法为:根据城市线网中,工作日上下班高峰时段内的客流OD数据流向图,选择客流流向相对集中的两个片区;
选择需要设置快速通勤线路的2个目标区域,也可以是上述三种方法中任意两种或者三种方法的组合。
优选的,选择需要设置快速通勤线路的2个目标区域之前,还包括:获取两个区域之间的最短公交驾驶时间和最短驾驶时间,当最短公交驾驶时间和最短驾驶时间的差值大于Tmin时,确定这2个区域为2个目标区域。从而进一步保证快速通勤线路快速的效果,切实为公众提供快捷的公共交通服务。
步骤3:快速通勤线路站点设计
步骤31:选出多对起终点备选集合:在2个目标区域中各选择一个站点,为快速通勤线路的一对起点站和终点站;选择多对起点站和终点站作为备选集合。
对每个站点Ai和每个站点Bj进行站点聚合,站点Ai∈站点集合A、站点Bj∈站点集合B:根据两个站点位置,搜索距两站点一定距离内的其他站点,分别组成站点集合Ai:{Ai1,Ai2,……,Aix}、站点集合Bj:{Bj1,Bj2,……,Bjy};其中站点集合Ai∈站点集合A,站点集合Bj∈站点集合B;
优选的,所述搜索距两站点一定距离内的其他站点,具体为搜索距离两站点200-1000米范围内的其他站点;
从客流OD数据集合M中,获取起终点分别属于站点集合Ai与站点集合Bj的客流OD数据,得到站点集合Ai与站点集合Bj间的日均OD总量,并过滤OD总量较小的站点集合Ai与站点集合Bj,从而确定多对起终点备选集合;从而找到片区内多个相对客流集中的以某个站点为中心的小区域;
优选的,所述起点站和终点站附近有场站。
优选的,对确定的多对起终点备选集合进一步过滤,从备选集合中过滤掉起终点站距离小于L公里的起终点对(L∈[6,12]);为了防止设计的通勤线路长度过短,不能很好起到分担早晚高峰客流的作用;
步骤32:确定快速通勤线路途经站点:优先选择顺路的站点、且站点客流量较大的站点为途经站点。
获取工作日上下班高峰时段内,站点集合A所有站点至站点集合B各站点的OD量;
寻找中间站点C1,使其满足条件:站点C1∈站点集合A;计算两站点Ai和Bj的经度差与纬度差,并比较大小,若经度差大,则站点C1的经度在Ai、Bj的经度之间,若纬度差大,则站点C1的纬度在Ai、Bj纬度之间;站点C1至站点集合B的OD总量最大,且OD总量大于Q人次,Q值根据实际情况确定和调整;若存在,即可得到中间站点C1。通过经纬度位置的限制条件是为了防止设计的通勤线路过绕,以保证线路规划的合理性,通过客流量的限制条件使得设计的通勤线路可以运载尽可能多的高峰客流。
即得到Ai-C1-Bj站点序列,划分为Ai-C1、C1-Bj两个区间,寻找中间站点C2,分别寻找Ai-C1之间的站点C2’,C1-Bj之间的站点C2”,其中C2’满足条件:①站点C2’∈站点集合A;②计算两站点Ai和C1的经度差与纬度差,并比较大小,若经度差大,则站点C2’的经度在Ai、C1的经度之间,若纬度差大,则站点C2’的纬度在Ai、C1纬度之间;③站点C2’至站点集合B的OD总量最大,且OD总量大于Q人次;若存在,即可得到中间C2’;同样的方法,得到中间站点C2”,选取C2’和C2”中至站点集合B的OD总量较大的一个为中间站点C2;
即得到Ai-C1-C2-Bj或Ai-C2-C1-Bj站点序列,划分为三个区间,按照寻找C2同样的方法寻找,若存在,即得到C3;依次选取得到站点集合A中n1个中间站点:C1、C2、……Cn1,及中间站点的循序;
获取工作日上下班高峰时段内,站点集合B所有站点至站点集合A各站点的OD量,同样的方式,选取得到站点集合B中的n2个中间站点:D1、D2、……Dn2,及中间站点的循序;按照循序组合即得到备选的快速通勤线路;
根据多对起终点备选集合,得到多条备选快速通勤线路
步骤33,确定最佳快速通勤线路;
优选的,根据客流量和/或路准时间确定最佳通勤线路,具体为:根据客流OD数据集合M,计算所有可能通过备选快速通勤线路出行的OD客流总量最值,选取备选快速通勤线路中客流总量最值最大的为快速通勤线路;也可兼顾客流量和路准时间进行选取,选取通勤线路的OD客流总量较大的,同时考虑线路路准时间较小的,为快速通勤线路。
优选的,所述确定最佳快速通勤线路方法替换为:
对快速通勤线路进行效益分析,选择收益成本比最大的备选快速通勤线路为最佳快速通勤线路;以客观的客流数据和影响评估作为开设线路的依据,极大地降低了线路开设的风险,提高了线路开设的科学性和可靠性,规划开设方案具有更强的可实施性。
具体为:获取成本:根据运营班次数、线路里程、单公里直接成本计算快速通勤线路运营日均直接成本;
获取收益:
①针对原线路转入的客流量,根据原有客流所属线路平均票价、快速通勤线路新票价计算运营收益;
所述原线路转入的客流量=原客流OD总量*客流转入率;所述原客流OD总量为:根据工作日上下班高峰时段内的客流OD数据集合,得到的所有可能通过备选快速通勤线路出行的OD客流总量最值;客流转入率=α(平均节约时间系数)+β(平均站点属性系数)+γ(平均客流时间段系数),其中α+β+γ=1。
平均节约时间为备选快速通勤线路相对原有线路所节约的时间,平均节约时间系数为根据专家评分法,对不同节约时间给定不同的系数,如节约0-10min,平均节约时间系数为0.5,节约10-20min,平均节约时间系数为0.7,节约20-30min,平均节约时间系数为0.9,节约30min以上,平均节约时间系数为1;
站点属性分为办公、居住、商业、教育、医疗、休闲,根据站点属性可以定性判断此站点的客流被转入到快速通勤线路的可能性,比如办公类的站点属性系数为0.9、居住类的站点属性系数为0.8、商业类的站点属性系数为0.6、教育类的站点属性系数为0.4、医疗类的站点属性系数为0.4、休闲类的站点属性系数为0.2等,进而得到平均站点属性系数;
客流时间段系数为根据客流高峰的程度定性判断原有客流被转入到快速通勤线路的可能性,如06:00-07:00,客流时间段系数为0.6,07:00-08:00,客流时间段系数为0.8,08:00-09:00,客流时间段系数为0.6等,则平均客流时间段系数为
②针对吸引其他交通方式的出行客流量,根据票价计算运营收益,所述吸引其他交通方式的出行客流量=私家车出行量*吸引系数
根据城市出行方式的结构,即针对某个城市公交出行和私家车出行都有着固定的比例,比如某城市的公交出行比例为23%,私家车出行比例为25%,从而得到私家车出行量,所述吸引系数的影响因素有:私家车出行所消耗的平均出行时间与快速通勤线路出行的平均出行时间的差值,私家车出行所消耗的费用与快速通勤线路出行的费用的差值。
以上对本发明进行了示例性描述,显然,本发明具体实现并不受上述方式的限制,凡是采用了本发明的方法构思和技术方案进行的各种非实质性的改进;或者未经改进、等同替换,将本发明的上述构思和技术方案直接应用于其他场合的,均在本发明的保护范围之内。
Claims (10)
1.一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,包括如下步骤:
获取目标城市公交线路信息、站点信息,以及全网客流OD数据;
选择需要设置快速通勤线路的2个目标区域,并确定两个目标区域内的站点集合A:{A1,A2,……,An}与站点集合B:{B1,B2,……,Bm},并获取站点集合A和站点集合B之间的高峰时段内的客流OD数据集合M;
选出多对起终点备选集合:在2个目标区域中各选择一个站点,为快速通勤线路的一对起点站和终点站;
确定快速通勤线路途经站点:根据站点位置和站点客流量确定途经站点;根据多对起终点备选集合,得到多条备选快速通勤线路;
确定最佳快速通勤线路。
2.根据权利要求1所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述选择需要设置快速通勤线路的2个目标区域,有以下方法:可以是选取城市的2个功能片区,作为快速通勤线路设置的目标区域;也可以是获取公众提供的起始站点需求情况,选取需求集中的2个区域;也可以是根据城市线网中,高峰时段内的客流OD数据流向图,选择客流流向相对集中的两个区域;也可以是上述三种方法中任意两种或者三种方法的组合。
3.根据权利要求1或2任一项所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,选择需要设置快速通勤线路的2个目标区域之前,还包括:获取两个区域之间的最短公交驾驶时间和最短驾驶时间,当最短公交驾驶时间和最短驾驶时间的差值大于Tmin时,确定这2个区域为目标区域。
4.根据权利要求1所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述选出多对起终点备选集合,具体为:对每个站点Ai和每个站点Bj进行站点聚合,站点Ai∈站点集合A、站点Bj∈站点集合B:根据两个站点位置,搜索距两站点一定距离内的其他站点,分别组成站点集合Ai:{Ai1,Ai2,……,Aix}、站点集合Bj:{Bj1,Bj2,……,Bjy};其中站点集合Ai∈站点集合A,站点集合Bj∈站点集合B;从客流OD数据集合M中,获取起终点分别属于站点集合Ai与站点集合Bj的客流OD数据,得到站点集合Ai与站点集合Bj间的日均OD总量,并过滤OD总量较小的站点集合Ai与站点集合Bj,从而确定多对起终点备选集合。
5.根据权利要求4所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述起点站和终点站附近有场站。
6.根据权利要求4-5任一项所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,对确定的多对起终点备选集合进一步过滤,过滤掉起终点站距离小于L公里的起终点对,L∈[6,12]。
7.根据权利要求1所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述确定快速通勤线路途经站点,具体为:
获取高峰时段内,站点集合A所有站点至站点集合B各站点的OD量;
寻找中间站点C1,使其满足条件:站点C1∈站点集合A;计算两站点Ai和Bj的经度差与纬度差,并比较大小,若经度差大,则站点C1的经度在Ai、Bj的经度之间,若纬度差大,则站点C1的纬度在Ai、Bj纬度之间;站点C1至站点集合B的OD总量最大,且OD总量大于Q人次,若存在,即可得到中间站点C1;
即得到Ai-C1-Bj站点序列,划分为Ai-C1、C1-Bj两个区间,寻找中间站点C2,分别寻找Ai-C1之间的站点C2’,C1-Bj之间的站点C2”,其中C2’满足条件:①站点C2’∈站点集合A;②计算两站点Ai和C1的经度差与纬度差,并比较大小,若经度差大,则站点C2’的经度在Ai、C1的经度之间,若纬度差大,则站点C2’的纬度在Ai、C1纬度之间;③站点C2’至站点集合B的OD总量最大,且OD总量大于Q人次;若存在,即可得到中间C2’;同样的方法,得到中间站点C2”,选取C2’和C2”中至站点集合B的OD总量较大的一个为中间站点C2;
即得到Ai-C1-C2-Bj或Ai-C2-C1-Bj站点序列,划分为三个区间,按照寻找C2同样的方法寻找,若存在,即得到C3;依次选取得到站点集合A中n1个中间站点:C1、C2、……Cn1,及中间站点的循序;
获取工作日上下班高峰时段内,站点集合B所有站点至站点集合A各站点的OD量,同样的方式,选取得到站点集合B中的n2个中间站点:D1、D2、……Dn2,及中间站点的循序;按照循序组合即得到备选的快速通勤线路;
根据多对起终点备选集合,得到多条备选快速通勤线路。
8.根据权利要求1-7任一项所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述确定最佳快速通勤线路为根据客流量和/或路准时间确定最佳通勤线路,具体为,可以根据客流OD数据集合M,选取备选快速通勤线路中客流总量最值最大的为快速通勤线路;也可兼顾客流量和路准时间进行选取,选取通勤线路的OD客流总量较大的,同时考虑线路路准时间较小的,为快速通勤线路。
9.根据权利要求8所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述确定最佳快速通勤线路,还结合快速通勤线路的效益,选择收益成本比较大的备选快速通勤线路为最佳快速通勤线路。
10.根据权利要求8所述的一种基于客流OD大数据的公交快速通勤线路设计方法,其特征在于,所述收益成本比的确定方法为:
获取成本:根据运营班次数、线路里程、单公里直接成本计算快速通勤线路运营日均直接成本;
获取收益,收益包含两部分:
①针对原线路转入的客流量,根据原有客流所属线路平均票价、快速通勤线路新票价计算运营收益;
所述原线路转入的客流量=原客流OD总量*客流转入率;所述原客流OD总量为:根据工作日上下班高峰时段内的客流OD数据集合,得到的所有可能通过备选快速通勤线路出行的OD客流总量最值;客流转入率=α*平均节约时间系数+β*平均站点属性系数+γ*平均客流时间段系数,其中α+β+γ=1;
②针对吸引其他交通方式的出行客流量,根据票价计算运营收益,所述吸引其他交通方式的出行客流量=私家车出行量*吸引系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194967.7A CN112288122B (zh) | 2019-11-28 | 2019-11-28 | 一种基于客流od大数据的公交快速通勤线路设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911194967.7A CN112288122B (zh) | 2019-11-28 | 2019-11-28 | 一种基于客流od大数据的公交快速通勤线路设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288122A true CN112288122A (zh) | 2021-01-29 |
CN112288122B CN112288122B (zh) | 2024-02-27 |
Family
ID=74418917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911194967.7A Active CN112288122B (zh) | 2019-11-28 | 2019-11-28 | 一种基于客流od大数据的公交快速通勤线路设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288122B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393355A (zh) * | 2021-04-29 | 2021-09-14 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 轨道交通相对客流分布计算方法、系统、电子设备及介质 |
CN114399233A (zh) * | 2022-03-25 | 2022-04-26 | 南京大学 | 基于深度学习和od补全的交通规划方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002329285A (ja) * | 2001-04-27 | 2002-11-15 | Sumitomo Electric Ind Ltd | Od間走行経路決定装置及び方法 |
JP2006099674A (ja) * | 2004-09-30 | 2006-04-13 | Nikko Business Systems Co Ltd | 通勤経路演算システム及び演算方法 |
JP2010061321A (ja) * | 2008-09-03 | 2010-03-18 | Railway Technical Res Inst | 乗客流動予測システム |
US20150371336A1 (en) * | 2014-06-24 | 2015-12-24 | Hartford Fire Insurance Company | System and method for telematics based driving route optimization |
CN105321341A (zh) * | 2015-12-03 | 2016-02-10 | 北京航空航天大学 | 一种基于城市移动模式的资源供应方法 |
US20160335894A1 (en) * | 2013-12-25 | 2016-11-17 | Shuxia LIU | Bus Station Optimization Evaluation Method and System |
CN106570595A (zh) * | 2016-11-10 | 2017-04-19 | 深圳市数字城市工程研究中心 | 一种基于空间大数据的地铁站点选址方法及系统 |
US20180240047A1 (en) * | 2015-08-19 | 2018-08-23 | Tianjin University | Planning method of electric vehicle fast charging stations on the expressway |
CN110298516A (zh) * | 2019-07-04 | 2019-10-01 | 南京行者易智能交通科技有限公司 | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 |
-
2019
- 2019-11-28 CN CN201911194967.7A patent/CN112288122B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002329285A (ja) * | 2001-04-27 | 2002-11-15 | Sumitomo Electric Ind Ltd | Od間走行経路決定装置及び方法 |
JP2006099674A (ja) * | 2004-09-30 | 2006-04-13 | Nikko Business Systems Co Ltd | 通勤経路演算システム及び演算方法 |
JP2010061321A (ja) * | 2008-09-03 | 2010-03-18 | Railway Technical Res Inst | 乗客流動予測システム |
US20160335894A1 (en) * | 2013-12-25 | 2016-11-17 | Shuxia LIU | Bus Station Optimization Evaluation Method and System |
US20150371336A1 (en) * | 2014-06-24 | 2015-12-24 | Hartford Fire Insurance Company | System and method for telematics based driving route optimization |
US20180240047A1 (en) * | 2015-08-19 | 2018-08-23 | Tianjin University | Planning method of electric vehicle fast charging stations on the expressway |
CN105321341A (zh) * | 2015-12-03 | 2016-02-10 | 北京航空航天大学 | 一种基于城市移动模式的资源供应方法 |
CN106570595A (zh) * | 2016-11-10 | 2017-04-19 | 深圳市数字城市工程研究中心 | 一种基于空间大数据的地铁站点选址方法及系统 |
CN110298516A (zh) * | 2019-07-04 | 2019-10-01 | 南京行者易智能交通科技有限公司 | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393355A (zh) * | 2021-04-29 | 2021-09-14 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 轨道交通相对客流分布计算方法、系统、电子设备及介质 |
CN113393355B (zh) * | 2021-04-29 | 2024-01-16 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 轨道交通相对客流分布计算方法、系统、电子设备及介质 |
CN114399233A (zh) * | 2022-03-25 | 2022-04-26 | 南京大学 | 基于深度学习和od补全的交通规划方法及装置 |
CN114399233B (zh) * | 2022-03-25 | 2022-06-07 | 南京大学 | 基于深度学习和od补全的交通规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112288122B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564226B (zh) | 一种基于出租车gps及手机信令数据的公交线路优化方法 | |
CN103996300A (zh) | 一种交叉口处公交车辆不停车通过的公交诱导方法 | |
CN112561379A (zh) | 一种面向区域性网约车的调度方法 | |
Bie et al. | Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data | |
CN112288122B (zh) | 一种基于客流od大数据的公交快速通勤线路设计方法 | |
Zwick et al. | Impact of service design on urban ridepooling systems | |
CN112289065B (zh) | 一种基于精准od大数据的定制公交线路设计方法及系统 | |
CN110245774A (zh) | 一种根据员工家庭住址进行班车线路优化的方法 | |
Chen et al. | Exploring the operational performance discrepancies between online ridesplitting and carpooling transportation modes based on DiDi data | |
Liu et al. | Modelling and simulation of cooperative control for bus rapid transit vehicle platoon in a connected vehicle environment | |
CN109615848A (zh) | 一种基于大数据的跨地域用户出行问题解决系统 | |
Xie et al. | A solution for the last mile problem of the Beijing rapid transit network: Local shuttle bus system | |
Abramović et al. | A preparatory survey in integrated passenger transport planning: A case study | |
CN115169669A (zh) | 一种基于轨迹大数据支持的出租车合乘方法 | |
Khan et al. | An evaluation of cost optimization strategies for BRT projects in Pakistan | |
CN115472008A (zh) | 一种基于k-means聚类的网约车出行时空特性分析方法 | |
Yang et al. | Central Decision Intellective Taxi System and Multi Ride Algorithm | |
Istrate et al. | The reduction of the fuel consumption and of the pollution through the city public transport | |
Putri et al. | Study of Public Transport Development in South Bali Districts: Potential Public Transport Mode | |
CN110443737A (zh) | 一种用于智能公交系统的公交营运速度计算方法 | |
SIREGAR et al. | OPTIMAL SCHEDULE IN URBAN TRANSPORTATION TO REDUCE THE PASSENGER CROWDED AREA. | |
Tang | Designing a personal rapid transit system for the University of Delaware based on student schedule data | |
CN113066304B (zh) | 一种应用城市大脑云平台的交通容量配置系统 | |
Lei et al. | Research on the prediction method of residents' waiting time: taking the Jiaozuo bus as an example | |
CN115798246B (zh) | 一种基于大客流区间的公交调度方法和公交调度系统 |
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 |