CN112488582A - 一种基于多源数据的地铁列车开行方案设计方法 - Google Patents
一种基于多源数据的地铁列车开行方案设计方法 Download PDFInfo
- Publication number
- CN112488582A CN112488582A CN202011507075.0A CN202011507075A CN112488582A CN 112488582 A CN112488582 A CN 112488582A CN 202011507075 A CN202011507075 A CN 202011507075A CN 112488582 A CN112488582 A CN 112488582A
- Authority
- CN
- China
- Prior art keywords
- passenger
- data
- source data
- subway
- passengers
- 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.)
- Pending
Links
Images
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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明属于轨道交通技术领域,具体为一种基于多源数据的地铁列车开行方案设计方法包括以下步骤:步骤一:多源数据采集与预处理,地铁乘客出行特征问卷调查数据,获取地铁乘客出行目的、出行时间、出行费用、乘坐轨道交通频率等基本出行特征数据;步骤二:基于多源数据的线路分析和客流分析,根据客流的时间分布、断面分布、乘降量、运距,通过计算方向不均衡系数、客流断面不均衡系数、站点集散不均匀系数、乘客平均运距等客流评价指标判断停站方式;以单一交路的地铁线路为研究对象,基于快慢车停站方式,对地铁列车开行方案进行综合优化研究,多源数据,灵活契合客流需求的同时减少运营成本,实现乘客与轨道交通运营公司的共赢。
Description
技术领域
本发明涉及轨道交通技术领域,具体为一种基于多源数据的地铁列车开行方案设计方法。
背景技术
列车开行方案的内容包括确定营业时间内的运行交路、停站方案、编组方案和运力配置计划等,是城市轨道交通线路正常运行的基础。
目前关于地铁开行方案设计的研究大多数把研究重点放在运行交路、停站方案、开行方案优化模型建立和模型求解算法的创新上,却忽视了输入数据的重要性。用地性质与快慢车开行方案是一种源流关系,二者相互制约、相互反馈,输入开行方案优化模型的数据往往只有客流数据而没有考虑线路条件(如用地等)对客流趋势的影响,这就会导致尽管模型已经十分完善,优化后的开行方案在实施时仍不能精确适应实际客流需求。
造成这种情况的部分因素为数据来源单一,大部分研究中的客流数据都只来自传统OD调查数据或地铁IC卡数据,而单一来源的数据并不能完全体现出客流特征;也有一部分因素是客流具有一定的随机性,输入模型的客流数据不完全符合客流的普遍分布情况,数据量越少偏差越大。在列车开行方案设计的过程中只考虑客流量数据而不考虑线路其他条件(如站点周边用地等)会导致设计出的开行方案只适合输入模型某一时段的客流,而不适应于线路实际产生的客流。由于单一客流数据的随机性和波动性,传统OD调查数据或地铁IC卡数据并不能精准、全面地描述客流特征。高德地图POI、居住办公用地统计等可利用爬虫爬取的多源网络数据能够实时反映用地性质的变化,为加强轨道沿线土地利用规划研究,突出TOD开发理念,强调轨道交通站点周边地区的功能复合与高强度开发,实现轨道交通与土地利用的良性互动,本发明提出的将多源数据融合以制定列车开行方案更有前瞻性和普适性,从人性化的角度提出列车开行方案优化建议。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有轨道交通客流需求分布不均衡造成的运力配置不合理中存在的问题,提出了本发明。
因此,本发明的目的是提供一种基于多源数据的地铁列车开行方案设计方法,以单一交路的地铁线路为研究对象,基于快慢车停站方式,对地铁列车开行方案进行综合优化研究,多源数据,灵活契合客流需求的同时减少运营成本,实现乘客与轨道交通运营公司的共赢。
为解决上述技术问题,根据本发明的一个方面,本发明提供了如下技术方案:
一种基于多源数据的地铁列车开行方案设计方法,包括以下步骤:
步骤一:多源数据采集与预处理,地铁乘客出行特征问卷调查数据,获取地铁乘客出行目的、出行时间、出行费用、乘坐轨道交通频率等基本出行特征数据;
步骤二:基于多源数据的线路分析和客流分析,根据客流的时间分布、断面分布、乘降量、运距,通过计算方向不均衡系数、客流断面不均衡系数、站点集散不均匀系数、乘客平均运距等客流评价指标判断停站方式;
步骤三:基于空间权重函数的多源数据融合,在进行站点周边用地分析时引入地理加权回归(GWR)模型中的空间权重函数ω对站点周围用地数据与房地产网站数据进行数据级融合处理;
步骤四:建立列车行车优化模型,考虑各种约束,建立了两个模型:第一个模型以乘客总行程时间最小为目标;第二个模型以乘客总行程时间最小与企业运营成本最低为目标,后将其转化为以乘客时间成本与企业运营成本的总成本最小为目标的单目标规划模型,求解不同目标下快车与慢车的最佳开行发车数;
步骤五:确定最终列车行车方案,比对之前确定的潜在越行站点,确定最终的列车开行方案
作为本发明所述的一种基于多源数据的地铁列车开行方案设计方法的一种优选方案,其中:所述步骤一中:多源数据即多个来源不同的数据集合,包括城市轨道交通AFC数据、高德地图POI数据和地产信息网站楼盘数据。
作为本发明所述的一种基于多源数据的地铁列车开行方案设计方法的一种优选方案,其中:所述步骤三中选用Gussian核函数对站点周围各类用地的指数进行计算。
作为本发明所述的一种基于多源数据的地铁列车开行方案设计方法的一种优选方案,其中:所述步骤四包括乘客类型划分、建立模型和模型总结。
与现有技术相比:本发明以单一交路的地铁线路为研究对象,基于快慢车停站方式,对地铁列车开行方案进行综合优化研究,多源数据,灵活契合客流需求的同时减少运营成本,实现乘客与轨道交通运营公司的共赢。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将结合附图和详细实施方式对本发明进行详细说明,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明方案流程示意图;
图2为本发明确定最终列车行车方案技术流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施方式的限制。
其次,本发明结合示意图进行详细描述,在详述本发明实施方式时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供一种基于多源数据的地铁列车开行方案设计方法,以单一交路的地铁线路为研究对象,基于快慢车停站方式,对地铁列车开行方案进行综合优化研究,多源数据,灵活契合客流需求的同时减少运营成本,实现乘客与轨道交通运营公司的共赢,请参阅图1和图2,包括以下步骤:
步骤一:多源数据采集与预处理,其中,多源数据即多个来源不同的数据集合,以下介绍三种可用于分析轨道交通线路的数据。
(1)城市轨道交通AFC数据:轨道交通自动售检票系统(automated farecollection system,AFC),是实现轨道交通售票、检票、计费、收费、清分结算和运营管理等全过程的自动化系统。AFC系统储存着乘客轨道交通出行的有效信息9项,包括日期、票卡编号、站点名称、交易类型、刷卡时间等,通过对相关信息进行处理,可以得到客流时空分布特征等。AFC数据即乘客进出站刷卡信息,筛选出出站记录,最终得到加入换乘乘客的OD表。
(2)高德地图POI数据:传统的地理信息采集方法需要地图测绘人员采用精密的测绘仪器去获取一个信息点的经纬度,然后再标记下来。每个POI包含四方面信息,名称、类别、坐标、分类,用地性质。TOD模式提出以公交站为中心,以400——800m为半径安排居住、商业等功能区,本专利以地铁站点为中心,500m的缓冲范围为研究范围,通过Python采集POI,,并对POI数据进行分类整理,得到站点附近用地信息。
(3)地产信息网站楼盘数据:通过Python爬取“房天下”、“链家”,得到居住用地和办公用地的距离、户数、建筑面积信息。
地铁乘客出行特征问卷调查数据,获取地铁乘客出行目的、出行时间、出行费用、乘坐轨道交通频率等基本出行特征数据。
步骤二:基于多源数据的线路分析和客流分析,根据客流的时间分布、断面分布、乘降量、运距,通过计算方向不均衡系数、客流断面不均衡系数、站点集散不均匀系数、乘客平均运距等客流评价指标判断停站方式。
步骤三:基于空间权重函数的多源数据融合,在进行站点周边用地分析时引入地理加权回归(GWR)模型中的空间权重函数ω对站点周围用地数据与房地产网站数据进行数据级融合处理,其原理为距离越近的事物联系越紧密(Tobler地理学第一定律)最终输出的融合后数据为各站点的居住指数与办公指数。本专利选用Gussian核函数对站点周围各类用地的指数进行计算,
站点i的居住指数为:
式中pijlive——居住类兴趣点ij的户数。
站点i的办公指数为:
式中pijwork——办公类兴趣点ij的员工数。
在空间权重函数的计算中,窗宽h即步行吸引范围应该定为500m。以AFC数据为主,站点500mPOI、基于空间权重函数POI数据与地产信息数据进行数据层融合,得到反映用地特征的办公指数和居住指数。对标准化后的客流数据与居住指数、办公指数进行系统聚类分析,得到潜在停车点,得到初步停站方案。
步骤四:建立列车行车优化模型,
1乘客类型划分
根据乘客的起讫点,将乘客分为五类:
P1:乘客的起讫点都为快车站AA,且两个快车站之间不存在越行站。对于这部分乘客,乘坐快车和慢车并没有实际区别。
P2:乘客的起讫点都为快车站AB,且两个快车站之间存在越行站。这部分乘客乘坐快慢车都可以,如果乘坐快车可以大幅度减少在车时间。
2建立模型
本节研究的问题为:单一交路下无越行快慢车的开行方案设计。已知条件有:OD客流量、列车开行总对数。考虑各种约束,建立了两个模型:第一个模型以乘客总行程时间最小为目标;第二个模型以乘客总行程时间最小与企业运营成本最低为目标,后将其转化为以乘客时间成本与企业运营成本的总成本最小为目标的单目标规划模型,考虑各种约束后,求解不同目标下快车与慢车的最佳开行发车数。
1)模型假设
1.全部起讫点为快车站的乘客遇到快车坐快车,遇到慢车坐慢车;
2.起讫点站中存在慢车站的乘客会选择慢车直达;
3.乘客进站呈均匀分布;
4.车站无滞留乘客;
5.研究时段为工作日早高峰;
6.车底数和列车开行对数保持不变;
7.快慢车编组相同。
(2)参数描述及决策变量
T——单位时间,3600s;
tstop——列车停站时间,s;
tqt——启停附加时间,s;
I——列车最小间隔时间;
tzhui——列车最小追踪间隔时间,一般取90s;
twi——L1、L2乘客候车时间;
tws——L3乘客候车时间;
Tw——总乘客候车时间;
tod——起讫点间列车纯运行时间,s;
q1q2q3——L1,L2,L3类乘客总数;
f21——L2快车乘客比例;
f22——L2慢车乘客比例;
tod——起讫点间列车纯运行时间,s;
Tin——总乘客在车时间
T——总乘客行程时间
Cstop——停车附加成本;
Cs——停站一次额外消耗的成本,按200元/次计;ns——慢车停站次数;
nr——快车停站次数;
C0——单位时间价值;
A——列车核载;
Pr——快车最大区间客流量
Ps——慢车最大区间客流量;
Hr——快车与前车的最小发车间隔;
Hs——慢车与前车的最小发车间隔;
Pr——可能乘坐快车的乘客量;
Ps——可能乘坐慢车的乘客量。
Dmin—单位时间内最小法定发车数量,列/h;
Imin——列车最小追踪间隔,s。
决策变量:
Xs——列车在s站停车,Xs=1,列车在s站不停车,Xs=0;
Df——单位时间内快车发车数,列/时;
Ds——单位时间内慢车发车数,列/时。
(3)模型总结
模型1:以目标函数为乘客总行程时间最小:
模型2:目标函数为乘客时间成本与企业运营成本之和最小:
行测策略约束进行归纳如下:
Df>1 (3)
Ds>1 (4)
Ds≥Df (5)
tstop+tzhui≤Hs (8)
Hs·DS+Hr·Dr≤T (9)
其中,(1)代表快车停站序列约束,规定快车在线路首末站必停车,在全线至少跨越1站不停车,(2)代表快车的连续跨站数量约束,线路一般不宜设置快车连跨多站不停,以避免全线车站的服务水平差异过大,(3)(4)(5)(6)代表发车频率范围约束,快车发车频率大于慢车,线路内快慢车总发车频率不应小于法定发车频率,不应大于线路通过能力,(7)(8)为发车间隔约束,(9)为通过能力约束,(10)(11)为快慢车满载率约束。
步骤五:确定最终列车行车方案。
具体实施例:以长春市轨道交通一号线为实例,验证本发明的可行性及有效性。
根据发车间隔分配,就可以确定长春轨道交通一号线早高峰上行的发车时间表(以7:30~8:30的发车时间表为例,8:30~9:30的发车时间顺延即可)
相比于站站停车方案的线路,实施快慢车方案的线路因为存在越行站所以会大幅度减小快车乘客的在车时间,但同时也会增加慢车乘客的候车时间。本节将从多角度对上文中确定的开行方案的实施效果进行评价:对比原方案下不同类型乘客的平均等车时间、平均在车时间以及平均总行程时间,也会从费用的角度出发对比企业的成本变化。
1.乘客平均候车时间
由于本文中的开行方案并未改变列车开行对数,所以对于既可以上快车也可以上慢车的快车乘客,他们的平均候车时间没有发生变化;而由于慢车乘客的出发/目的站为越行站,他们只能登上慢车,所以对于这部分乘客他们的平均候车时间增加了。因为快车乘客候车时长不变、慢车乘客候车时长增加,所以对于开行对数不变的快慢车开行方案全部乘客的平均候车时间势必要增加。
乘客平均候车时间对比
原方案全部乘客 | 快慢车全部乘客 | 慢车乘客 | |
平均候车时间/s | 150 | 180 | 225 |
与原方案相比变化时间/s | 0 | 30 | 75 |
由上表可见,开行快慢车后,对于起讫点都为快车站的乘客,其候车时间不变;而对于起讫点存在越行站的乘客,其平均候车时间增加了75s,全部乘客的平均候车时间增加了30s,所以快慢车方案在整体上会令乘客候车时间增加。
2.乘客平均在车时间
对于慢车乘客,开行快慢车与否并不会改变其在车时间;而对于快车乘客,由于快车可以减少在越行站的停站时间和启停附加时间,起讫点都在快车站的乘客的行程时间会明显缩短。
乘客平均在车时间对比
原方案全部乘客 | 快慢车全部乘客 | 快车乘客 | |
平均在车时间/s | 659.12 | 539.76 | 491.41 |
与原方案相比变化时间/s | 0.00 | -119.36 | -167.71 |
实施快车方案后,对于起讫点存在越行站的乘客,其平均在车时间没有变化;而对于起讫点都为快车站的乘客,其平均在车时间减少了167.71秒(33%)。全部乘客的平均在车时间减少了119s(22%),所以快慢车方案在整体上会减少乘客的在车时间。
3.乘客平均行程时间
乘客平均行程时间对比
原方案 | 新方案全部乘客 | |
平均行程时间/s | 719.97 | 719.77 |
与原方案相比变化时间/s | 0 | -0.2043 |
站站停方案下乘客的平均行程时间为719.97s,快慢车方案下乘客平均行程时间为719.77s,相比之下每位乘客的行程时间减少了0.2s,快慢车方案下快车乘客缩短的的行程时间等于缩短的在车时间,即快车乘客的平均行程时间缩短167s,而慢车乘客增加的行程时间相当于增加的候车时间,即慢车乘客的平均行程时间延长了75s。
4.乘客时间成本与企业运营成本
成本对比
快慢车对数 | 0:12 | 8:4 | 每小时节约成本/元 |
乘客 | 89109 | 89083 | 26 |
企业 | 36000 | 31200 | 4800 |
总成本 | 125109 | 120283 | 4826 |
由于开行快慢车后乘客的平均行车时间减少,所以乘客的乘车时间成本也相应降低,从表5.8中可见,在早高峰实施一小时快车:慢车=1:2的列车开行方案相比全站停车方案可以令乘客总行程时间节省1945s,减少乘客时间成本26元,企业每小时运营成本降低4826元,节约总成本4826元。
虽然在上文中已经参考实施方式对本发明进行了描述,然而在不脱离本发明的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本发明并不局限于文中公开的特定实施方式,而是包括落入权利要求的范围内的所有技术方案。
Claims (4)
1.一种基于多源数据的地铁列车开行方案设计方法,其特征在于,包括以下步骤:
步骤一:多源数据采集与预处理,地铁乘客出行特征问卷调查数据,获取地铁乘客出行目的、出行时间、出行费用、乘坐轨道交通频率等基本出行特征数据;
步骤二:基于多源数据的线路分析和客流分析,根据客流的时间分布、断面分布、乘降量、运距,通过计算方向不均衡系数、客流断面不均衡系数、站点集散不均匀系数、乘客平均运距等客流评价指标判断停站方式;
步骤三:基于空间权重函数的多源数据融合,在进行站点周边用地分析时引入地理加权回归(GWR)模型中的空间权重函数ω对站点周围用地数据与房地产网站数据进行数据级融合处理;
步骤四:建立列车行车优化模型,考虑各种约束,建立了两个模型:第一个模型以乘客总行程时间最小为目标;第二个模型以乘客总行程时间最小与企业运营成本最低为目标,后将其转化为以乘客时间成本与企业运营成本的总成本最小为目标的单目标规划模型,求解不同目标下快车与慢车的最佳开行发车数;
步骤五:确定最终列车行车方案,比对之前确定的潜在越行站点,确定最终的列车开行方案。
2.根据权利要求1所述的一种基于多源数据的地铁列车开行方案设计方法,其特征在于,所述步骤一中:多源数据即多个来源不同的数据集合,包括城市轨道交通AFC数据、高德地图POI数据和地产信息网站楼盘数据。
3.根据权利要求1所述的一种基于多源数据的地铁列车开行方案设计方法,其特征在于,所述步骤三中选用Gussian核函数对站点周围各类用地的指数进行计算。
4.根据权利要求1所述的一种基于多源数据的地铁列车开行方案设计方法,其特征在于,所述步骤四包括乘客类型划分、建立模型和模型总结。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011507075.0A CN112488582A (zh) | 2020-12-18 | 2020-12-18 | 一种基于多源数据的地铁列车开行方案设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011507075.0A CN112488582A (zh) | 2020-12-18 | 2020-12-18 | 一种基于多源数据的地铁列车开行方案设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112488582A true CN112488582A (zh) | 2021-03-12 |
Family
ID=74914825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011507075.0A Pending CN112488582A (zh) | 2020-12-18 | 2020-12-18 | 一种基于多源数据的地铁列车开行方案设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488582A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408859A (zh) * | 2021-05-26 | 2021-09-17 | 上海工程技术大学 | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 |
-
2020
- 2020-12-18 CN CN202011507075.0A patent/CN112488582A/zh active Pending
Non-Patent Citations (5)
Title |
---|
GANG CHENG,ETAL: "Estimation of passenger route choices for urban rail transit system based on automatic fare collection mined data", 《TRANSACTIONS OF THE INSTITUTE OF MEASUREMENT AND CONTROL》 * |
刘淯琰: "城市轨道交通网络快慢车运营组织方案研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
吕帝江: "基于多源地理大数据的地铁客流影响因素研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
廖定芳: "城市轨道交通大小交路开行方案设计研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
赵淑芝 等: "城市轨道交通站点分布优化模型与算法", 《哈尔滨工业大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408859A (zh) * | 2021-05-26 | 2021-09-17 | 上海工程技术大学 | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 |
CN113408859B (zh) * | 2021-05-26 | 2022-05-20 | 上海工程技术大学 | 一种考虑客流管控措施的城市轨道交通线路客流与列车匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111260221B (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
Owczarzak et al. | Design of passenger public transportation solutions based on autonomous vehicles and their multiple criteria comparison with traditional forms of passenger transportation | |
Burris et al. | Slugging in Houston—casual carpool passenger characteristics | |
CN103226801A (zh) | 基于多用户配流模型的空港集疏运交通量确定方法 | |
Moschovou et al. | Exploring the effects of economic crisis in road transport: The case of Greece | |
Johnston et al. | The effects of new high-occupancy vehicle lanes on travel and emissions | |
CN116720997A (zh) | 一种基于大数据分析的公交线路评价体系及优化方法 | |
Atoyebi et al. | Analysis of intra-city public transport system of ojuelegba park, lagos state, Nigeria | |
CN112488582A (zh) | 一种基于多源数据的地铁列车开行方案设计方法 | |
Sato et al. | A spatial CGE analysis of road pricing in the Tokyo metropolitan area | |
Roxas Jr et al. | Estimating the environmental effects of the car shifting behavior along EDSA | |
CN113192338B (zh) | 基于多源数据的提升货运车辆通行效率的方法及装置 | |
Hariyani et al. | Urban Transportation: Performance and Problems (Case Study: Route of ABG, CKL, and AT) | |
Gleave | HSIPR Best Practices: Ridership and Revenue Forecasting | |
Duong | Bus Rapid Transit in Hanoi: A Case Study of Applying a New Model of Public Transportation | |
Scholl et al. | A rapid road to employment? The impacts of a bus rapid transit system in Lima | |
Ninomiya et al. | Fare system of urban public transportation services in Davao City, Philippines | |
Vakhovskaya | Organizational and Management Features of the Automated Trip Payment System’s Implementation in Public Transport of the Republic of Crimea | |
Tetik Yediel | Bus stop optimization based on AFCS (Automatic Fare Collection System) and demographic data with GIS | |
Zhang et al. | Bustituted | |
Issa | The Impact of Ministry of Transport Policies on Public Transportation in Palestine | |
Yusuf et al. | ISRG Journal of Multidisciplinary Studies (ISRGJMS) | |
Zhang et al. | Attraction of Urban Rail Transit According to TOD: A Case of Shanghai | |
Handajani et al. | PERFORMANCE ANALYSIS AND MODELING OF PASSENGER PUBLIC TRANSPORT SERVICES IN SALATIGA CITY | |
Kühn | Factors affecting modal choice for long-distance travel in South Africa with a focus on improving rail patronage |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210312 |
|
RJ01 | Rejection of invention patent application after publication |