CN113240256B - 车路信息交互环境公交车辆可靠运行优化方法和存储介质 - Google Patents

车路信息交互环境公交车辆可靠运行优化方法和存储介质 Download PDF

Info

Publication number
CN113240256B
CN113240256B CN202110481094.9A CN202110481094A CN113240256B CN 113240256 B CN113240256 B CN 113240256B CN 202110481094 A CN202110481094 A CN 202110481094A CN 113240256 B CN113240256 B CN 113240256B
Authority
CN
China
Prior art keywords
bus
stop
time
line
overflow
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
CN202110481094.9A
Other languages
English (en)
Other versions
CN113240256A (zh
Inventor
李锐
薛鑫
诸葛雪玉
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202110481094.9A priority Critical patent/CN113240256B/zh
Publication of CN113240256A publication Critical patent/CN113240256A/zh
Application granted granted Critical
Publication of CN113240256B publication Critical patent/CN113240256B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种车路信息交互环境公交车辆可靠运行优化方法和存储介质，包括步骤：构建车路信息交互环境下的公交特征数据集；确定公交车辆停靠溢出高风险停靠站；确定公交车辆停站时间强波动公交班线；确定公交车辆运行时间低可靠度路段；确定公交车辆可靠运行优化方法。本发明借助车路信息交互环境下的数据，动态获取公交车辆各类运行信息，确定公交车辆可靠运行优化方法，可以有效揭示公交车辆运行过程对交通流运行扰动的影响，从而提高该区域的通行效率、降低交通系统的失稳风险，为制定高效的交通管理控制措施提供依据，对提高路网整体运行效率将具有十分重要的意义。

Description

车路信息交互环境公交车辆可靠运行优化方法和存储介质
技术领域
本发明涉及一种公交车辆可靠运行优化方法，特别是涉及一种车路信息交互环境公交车辆可靠运行优化方法，属于智能交通管理与控制技术领域。
背景技术
随着我国城镇化、机动化进程不断加快，以交通拥堵为代表的城市交通问题尤为突出，已成为制约城市发展的一大难题，大力发展公共交通，是解决交通问题的重要途径。但是，我国公交的发展现状仍然不容乐观，城市居民公交出行比例一直达不到标准要求，归根到底，是由公交运行不可靠造成的。针对上述问题，本研究分别针对公交停靠站、公交班线以及公交运行路段三个基本单元，开展公交车辆可靠运行优化方法研究。
现有技术大多以整条公交线路作为研究对象，缺乏对公交停靠站和公交运行路段的定点分析，采用的针对整条线路的全线公交可靠运行优化措施，不能准确甄别公交运行薄弱环节提出具体的、有针对性的优化方案，对公交运行可靠度低的停靠站及路段改善效果较弱，从而对公交整体运行可靠度提升不明显。
发明内容
本发明的主要目的在于，克服现有技术中的不足，提供一种车路信息交互环境公交车辆可靠运行优化方法，解决了因缺乏对公交运行风险环节定点优化分析而导致对公交运行可靠度提升不明显的问题。
为了达到上述目的，本发明所采用的技术方案是：一种车路信息交互环境公交车辆可靠运行优化方法，包括步骤：
根据采集的公交车辆溢出特征数据，计算各停靠站公交车辆排队溢出指标值，选择排队溢出指标大于预设比例的停靠站作为公交车辆停靠溢出高风险停靠站；根据采集的公交停靠站特征数据，确定公交车辆停站时间强波动公交班线；根据采集的公交运行特征数据，确定公交车辆运行时间低可靠度路段；
根据所述公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线和公交车辆运行时间低可靠度路段，分别对公交车辆可靠运行进行优化。
进一步的，所述根据采集的公交车辆溢出特征数据，计算各停靠站公交车辆排队溢出指标值，选择排队溢出指标大于预设比例的停靠站作为公交车辆停靠溢出高风险停靠站，包括：
根据采集到的高峰时段T内公交班线k在停靠站m的排队溢出次数
Figure BDA0003048585890000021
公交停靠站m的泊位数
Figure BDA0003048585890000022
以及第D天高峰时段T内公交停靠站m的在站停靠公交车辆数
Figure BDA0003048585890000023
计算停靠站m在高峰时段T内公交车辆排队溢出指标
Figure BDA0003048585890000024
其中，
Figure BDA0003048585890000025
为高峰时段T内停靠站m的公交车总排队溢出次数，
Figure BDA0003048585890000026
为高峰时段T内停靠站m的平均停站车辆数，
Figure BDA0003048585890000027
Dall为采集数据的工作日天数，K表示高峰时段T内公交线路的发车班线；
当停靠站公交车辆排队溢出指标
Figure BDA0003048585890000031
大于设定值时，对应的公交停靠站m为公交车辆停靠溢出高风险停靠站，记为m*，公交车辆停靠溢出高风险停靠站共有M*个。
进一步的，所述根据采集的公交停靠站特征数据，确定公交车辆停站时间强波动公交班线，包括：
根据采集到的公交班线k在停靠站m的到站时刻
Figure BDA0003048585890000032
公交班线k在停靠站m的离站时刻
Figure BDA0003048585890000033
计算公交班线k在停靠站m的停站服务时间
Figure BDA0003048585890000034
并计算所有公交班线在停靠站m停站服务时间的平均值
Figure BDA0003048585890000035
标准差
Figure BDA0003048585890000036
K表示高峰时段T内公交线路的发车班线；
当所有公交班线在停靠站m停站服务时间的标准差
Figure BDA0003048585890000037
大于预设值时，对应的公交停靠站m为公交车辆停站时间高离散停靠站，记为m#，公交车辆停站时间高离散停靠站共有M#个；
当公交班线k在高离散停靠站m#的停站时间大于所有公交班线在停靠站m#停站服务时间的平均值时，计算公交班线k在所有高离散停靠站停站时间
Figure BDA0003048585890000038
超出各高离散停靠站平均停站时间
Figure BDA0003048585890000039
的累计特征值
Figure BDA00030485858900000310
将累计特征值
Figure BDA00030485858900000311
按照从大到小的顺序排序，得到排名前2的公交班线
Figure BDA00030485858900000312
确定为公交车辆停站时间强波动公交班线，分别对应排序前的公交班线ka、kb。
进一步的，所述根据采集的公交运行特征数据，确定公交车辆运行时间低可靠度路段，包括：
根据采集到的公交班线k在路段n下游停靠站的到站时刻
Figure BDA0003048585890000041
公交班线k在路段n上游停靠站的离站时刻
Figure BDA0003048585890000042
计算公交班线k在路段n的实际运行时间
Figure BDA0003048585890000043
并计算路段n公交车辆实际运行时间的平均值
Figure BDA0003048585890000044
计算公交车辆在路段n的时刻表运行时间的平均值
Figure BDA0003048585890000045
表示公交班线k在停靠站m的时刻表到站时刻；
计算路段n公交车辆平均运行时间减去时刻表平均运行时间的特征值
Figure BDA0003048585890000046
计算相邻两个路段的特征值的差值
Figure BDA0003048585890000047
将该差值的绝对值按照从大到小的顺序排序，得到排序后的路段
Figure BDA0003048585890000048
与对应的差值
Figure BDA0003048585890000049
选择前设定位数的差值
Figure BDA00030485858900000410
对应的下游路段
Figure BDA00030485858900000411
作为公交车辆运行时间低可靠度路段，记为n*，公交车辆运行时间低可靠度路段共有N*个。
进一步的，所述根据所述公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线和公交车辆运行时间低可靠度路段，分别对公交车辆可靠运行进行优化，包括：
计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进；
调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进；
设置公交专用道，并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
进一步的，所述计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进，包括：
针对确定的公交车辆停靠溢出高风险停靠站m*，根据采集的溢出高风险停靠站m*存在排队溢出时的在站公交车辆数
Figure BDA0003048585890000051
以及溢出高风险停靠站m*的泊位数
Figure BDA0003048585890000052
计算m*的溢出车辆数
Figure BDA0003048585890000053
并计算高峰时段T内高风险停靠站m*排队溢出x辆车的总次数
Figure BDA0003048585890000054
其中，
Figure BDA0003048585890000055
表示高峰时段T内公交班线k在高风险停靠站m*的排队溢出次数，则高峰时段T内高风险停靠站m*排队溢出x辆车的占比
Figure BDA0003048585890000056
X表示高峰时段T内高风险停靠站m*排队溢出最大车辆数，则高峰时段T内高风险停靠站m*排队溢出不小于y辆车的占比
Figure BDA0003048585890000057
求解β大于设定的比例时对应的y值，为公交车辆停靠溢出高风险停靠站m*增加泊位数y，从而通过增加公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进。
进一步的，所述计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进，包括：
在确定得到的公交车辆停站时间强波动公交班线ka、kb之间增加一班公交车，班线为K+1，当ka<kb时，新的公交班线排序为k1,…,ka-1,ka,…,K+1,…,kb,kb+1,…,k，保证公交班线k1,…,ka-1与kb+1,…,k的发车时刻
Figure BDA0003048585890000058
与
Figure BDA0003048585890000059
不变，其他公交班线车辆ka,…,K+1,…,kb的发车时刻
Figure BDA00030485858900000510
按照均匀分布时间划分；当ka>kb时，新的公交班线排序为k1,…,kb-1,kb,…,K+1,…,ka,ka+1,…,k，保证公交班线k1,…,kb-1与ka+1,…,k的发车时刻
Figure BDA0003048585890000061
与
Figure BDA0003048585890000062
不变，其他公交班线车辆kb,…,K+1,…,ka的发车时刻
Figure BDA0003048585890000063
按照均匀分布时间划分；
从而通过调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进。
进一步的，所述设置公交专用道，并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进，包括：
在确定的公交车辆运行时间低可靠度路段n*设置公交专用道，并设置公交专用道的建议运行车速
Figure BDA0003048585890000064
其中，
Figure BDA0003048585890000065
表示运行时间低可靠度路段n*的公交专用道新增长度，
Figure BDA0003048585890000066
表示N*个运行时间低可靠度路段公交专用道新增总长度，L表示公交线路总长度，
Figure BDA0003048585890000067
表示公交车辆总的实际区间运行时间，
Figure BDA0003048585890000068
表示公交车辆总的时刻表区间运行时间；
Figure BDA0003048585890000069
表示路段n公交车辆实际运行时间的平均值，
Figure BDA00030485858900000610
表示公交车辆在路段n的时刻表运行时间的平均值，N表示停靠站之间的路段数；
从而通过设置公交专用道并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据前述的车路信息交互环境公交车辆可靠运行优化方法中的任一方法。
一种计算设备，包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据前述的车路信息交互环境公交车辆可靠运行优化方法中的任一方法的指令。
本发明的有益效果：
本发明借助车路信息交互环境下人、车、路动态实时信息的交互和共享，高效、准确地获取公交特征数据，为研究公交车辆可靠运行优化方法提供了有力支撑；在此基础上针对公交运行薄弱环节，确定了公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线以及公交车辆运行时间低可靠度路段，并采用公交优先设计手段分别确定了公交车辆可靠运行优化方法，可以有效提升公交的运行效率与稳定性，对于优化城市交通结构，缓解城市交通拥堵压力具有显著意义。
附图说明
图1是本发明实施例的运行优化方法流程图；
图2是本发明实施例的公交停靠站车辆排队溢出情况示意图；
图3是本发明实施例的公交停靠站与路段布局示意图。
具体实施方式
下面结合说明书附图，对本发明作进一步的说明。
实施例1：
本发明提供一种车路信息交互环境公交车辆可靠运行优化方法，如图1所示，包括以下步骤：
步骤1，构建车路信息交互环境下的公交特征数据集；
对于公交车辆可靠运行优化方法，需要通过采集一段时间工作日高峰时段公交线路相关数据，分别构建停靠站公交车辆溢出特征数据集、公交停靠站特征数据集以及公交运行特征数据集；
具体为，
1-1)构建停靠站公交车辆溢出特征数据集
构建停靠站公交车辆溢出特征数据集
Figure BDA0003048585890000081
其中，M表示公交线路经停的停靠站数，K表示高峰时段T内公交线路的发车班线，
Figure BDA0003048585890000082
表示高峰时段T内公交班线k在停靠站m的排队溢出次数，
Figure BDA0003048585890000083
表示停靠站m存在排队溢出时的在站公交车辆数，
Figure BDA0003048585890000084
表示高峰时段T内停靠站m排队溢出时的最大在站公交车辆数；
1-2)构建公交停靠站特征数据集
构建公交停靠站特征数据集
Figure BDA0003048585890000085
其中，
Figure BDA0003048585890000086
表示公交停靠站m的泊位数，
Figure BDA0003048585890000087
表示第D天高峰时段T内公交停靠站m的在站停靠公交车辆数，
Figure BDA0003048585890000088
表示公交班线k在停靠站m的到站时刻，
Figure BDA0003048585890000089
表示公交班线k在停靠站m的离站时刻；
1-3)构建公交运行特征数据集
构建公交运行特征数据集
Figure BDA00030485858900000810
其中，N表示停靠站之间的路段数，
Figure BDA00030485858900000811
表示公交班线k在相邻两个停靠站之间的路段n(停靠站m与停靠站m+1之间的路段)下游停靠站m+1的到站时刻，
Figure BDA00030485858900000812
表示公交班线k在路段n上游停靠站m的离站时刻，
Figure BDA00030485858900000813
表示公交班线k的时刻表发车时刻，
Figure BDA00030485858900000814
表示公交班线k在停靠站m的时刻表到站时刻，L表示公交线路总长度，ln表示公交路段n的长度。
步骤2，根据采集到的公交车辆溢出特征数据，计算各停靠站公交车辆排队溢出指标值，选择排队溢出指标大于预设比例的停靠站作为公交车辆停靠溢出高风险停靠站；
如图2所示，具体为，
2-1)计算停靠站m在高峰时段T内公交车辆排队溢出指标；
根据采集到的高峰时段T内公交班线k在停靠站m的排队溢出次数
Figure BDA0003048585890000091
公交停靠站m的泊位数
Figure BDA0003048585890000092
以及第D天高峰时段T内公交停靠站m的在站停靠公交车辆数
Figure BDA0003048585890000093
计算停靠站m在高峰时段T内公交车辆排队溢出指标
Figure BDA0003048585890000094
其中，
Figure BDA0003048585890000095
为高峰时段T内停靠站m的公交车总排队溢出次数，
Figure BDA0003048585890000096
为高峰时段T内停靠站m的平均停站车辆数，
Figure BDA0003048585890000097
Dall为采集数据的工作日天数；
2-2)根据停靠站公交车辆排队溢出指标确定公交车辆停靠溢出高风险停靠站；
当停靠站公交车辆排队溢出指标
Figure BDA0003048585890000098
(α一般取10％-20％)时，对应的公交停靠站m为公交车辆停靠溢出高风险停靠站，记为m*，公交车辆停靠溢出高风险停靠站共有M*个。
步骤3，根据采集到的公交停靠站特征数据，确定公交车辆停站时间强波动公交班线；
根据采集到的公交停靠站特征数据，计算工作日高峰时段公交车辆在停靠站的停站服务时间，选择公交停站服务时间标准差大于预设值的停靠站作为公交车辆停站时间高离散停靠站，并计算各公交班线在高离散停靠站总的停站时间超出平均停站时间的特征值，对该特征值排序后确定公交车辆停站时间强波动公交班线；
具体为，
3-1)计算工作日高峰时段公交车辆在停靠站的停站服务时间；
根据采集到的公交班线k在停靠站m的到站时刻
Figure BDA0003048585890000101
公交班线k在停靠站m的离站时刻
Figure BDA0003048585890000102
计算公交班线k在停靠站m的停站服务时间
Figure BDA0003048585890000103
并计算所有公交班线在停靠站m停站服务时间的平均值
Figure BDA0003048585890000104
标准差
Figure BDA0003048585890000105
3-2)确定公交车辆停站时间高离散停靠站；
当所有公交班线在停靠站m停站服务时间的标准差
Figure BDA0003048585890000106
(γ一般取10-30s)时，对应的公交停靠站m为公交车辆停站时间高离散停靠站，记为m#，公交车辆停站时间高离散停靠站共有M#个；
3-3)根据公交车辆停站时间高离散停靠站确定公交车辆停站时间强波动公交班线；
分析高离散停靠站服务公交班线停站时间波动特征：
当公交班线k在高离散停靠站m#的停站时间大于所有公交班线在停靠站m#停站服务时间的平均值，即
Figure BDA0003048585890000107
时，计算公交班线k在所有高离散停靠站停站时间
Figure BDA0003048585890000108
超出各高离散停靠站平均停站时间
Figure BDA0003048585890000109
的累计特征值
Figure BDA00030485858900001010
将累计特征值
Figure BDA00030485858900001011
按照从大到小的顺序排序，得到排名前2的公交班线
Figure BDA00030485858900001012
确定为公交车辆停站时间强波动公交班线，分别对应排序前的公交班线ka、kb。
步骤4，根据采集到的公交运行特征数据，确定公交车辆高峰时段运行时间低可靠度路段；
根据采集到的公交运行特征数据，计算工作日高峰时段公交车辆路段实际运行时间与公交车辆路段时刻表运行时间，并计算两个路段运行时间差值的特征值，进而计算相邻两个路段特征值的差值，选择预设差值比例内所对应的下游路段作为公交车辆运行时间低可靠度路段；
具体为，
4-1)计算工作日高峰时段公交车辆路段实际运行时间；
根据采集到的公交班线k在路段n下游停靠站的到站时刻
Figure BDA0003048585890000111
公交班线k在路段n上游停靠站的离站时刻
Figure BDA0003048585890000112
计算公交班线k在路段n的实际运行时间
Figure BDA0003048585890000113
并计算路段n公交车辆实际运行时间的平均值
Figure BDA0003048585890000114
4-2)计算公交车辆路段时刻表运行时间；
根据获取到的公交班线k在停靠站m的时刻表到站时刻以及步骤3-1)计算得到的停靠站m公交车辆停站服务时间的平均值
Figure BDA0003048585890000115
计算公交车辆在路段n的时刻表运行时间的平均值
Figure BDA0003048585890000116
每辆公交车在相邻两个停靠站的时刻表到站时刻差是定值，该定值减去公交车在停靠站m的平均服务时间，即得到公交车在路段的时刻表运行时间平均值。时刻表运行时间是指公交车辆严格按照时刻表规定的到站时刻运行，得到的公交车辆在路段的运行时间。
4-3)分析公交车辆路段实际运行与时刻表运行时间差值特征；
根据步骤4-1)计算得到的公交车辆路段实际运行时间的平均值
Figure BDA0003048585890000121
与步骤4-2)计算得到的公交车辆路段时刻表运行时间的平均值
Figure BDA0003048585890000122
计算路段n公交车辆平均运行时间减去时刻表平均运行时间的特征值
Figure BDA0003048585890000123
4-4)确定公交车辆运行时间低可靠度路段；
根据步骤4-3)计算得到的特征值
Figure BDA0003048585890000124
计算相邻两个路段的特征值的差值(下游路段特征值减去上游路段特征值)
Figure BDA0003048585890000125
将该差值的绝对值按照从大到小的顺序排序，得到排序后的路段
Figure BDA0003048585890000126
与对应的差值
Figure BDA0003048585890000127
选择前RD位(RD一般取20％-40％)的差值
Figure BDA0003048585890000128
对应的下游路段
Figure BDA0003048585890000129
作为公交车辆高峰时段运行时间低可靠度路段，记为n*，公交车辆运行时间低可靠度路段共有N*个。
步骤5，根据公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线和公交车辆运行时间低可靠度路段，分别对公交车辆可靠运行进行优化；
具体为，
5-1)计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进；
针对步骤2-2)确定的公交车辆停靠溢出高风险停靠站m*，根据采集得到的溢出高风险停靠站m*存在排队溢出时的在站公交车辆数
Figure BDA00030485858900001210
Figure BDA00030485858900001211
溢出高风险停靠站m*的泊位数
Figure BDA00030485858900001212
计算m*的溢出车辆数
Figure BDA00030485858900001213
Figure BDA00030485858900001214
并计算高峰时段T内高风险停靠站m*排队溢出x辆车的总次数
Figure BDA0003048585890000131
其中，
Figure BDA0003048585890000132
表示高峰时段T内公交班线k在高风险停靠站m*的排队溢出次数，则高峰时段T内高风险停靠站m*排队溢出x辆车的占比
Figure BDA0003048585890000133
(X表示高峰时段T内高风险停靠站m*排队溢出最大车辆数，
Figure BDA0003048585890000134
表示高峰时段T内高风险停靠站m*排队溢出时的最大在站公交车辆数)，则高峰时段T内高风险停靠站m*排队溢出不小于y辆车的占比
Figure BDA0003048585890000135
求解β>25％时对应的y值，为公交车辆停靠溢出高风险停靠站m*增加泊位数y，从而通过增加公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进；
5-2)调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进；
在步骤3-4)确定得到的公交车辆停站时间强波动公交班线ka、kb之间增加一班公交车，班线为K+1，当ka<kb时，新的公交班线排序为k1,…,ka-1,ka,…,K+1,…,kb,kb+1,…,k，保证公交班线k1,…,ka-1与kb+1,…,k的发车时刻
Figure BDA0003048585890000136
与
Figure BDA0003048585890000137
不变，其他公交班线车辆ka,…,K+1,…,kb的发车时刻
Figure BDA0003048585890000138
按照均匀分布时间划分；当ka>kb时，新的公交班线排序为k1,…,kb-1,kb,…,K+1,…,ka,ka+1,…,k，保证公交班线k1,…,kb-1与ka+1,…,k的发车时刻
Figure BDA0003048585890000139
与
Figure BDA00030485858900001310
不变，其他公交班线车辆kb,…,K+1,…,ka的发车时刻
Figure BDA00030485858900001311
按照均匀分布时间划分；
从而通过调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进；
5-3)设置公交专用道，并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进；
在步骤4-4)确定的公交车辆运行时间低可靠度路段n*设置公交专用道，并设置公交专用道的建议运行车速
Figure BDA0003048585890000141
其中，
Figure BDA0003048585890000142
表示运行时间低可靠度路段n*的公交专用道新增长度，
Figure BDA0003048585890000143
表示N*个运行时间低可靠度路段公交专用道新增总长度，L表示公交线路总长度，
Figure BDA0003048585890000144
表示公交车辆总的实际区间运行时间，
Figure BDA0003048585890000145
表示公交车辆总的时刻表区间运行时间；
从而通过设置公交专用道并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
实施例2：
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据实施例1中的车路信息交互环境公交车辆可靠运行优化方法中的任一方法。
一种计算设备，包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据实施例1中的车路信息交互环境公交车辆可靠运行优化方法中的任一方法的指令。
实施例3：
通过本实例对本发明车路信息交互环境公交车辆可靠运行优化方法给出进一步说明，下面根据本发明车路信息交互环境公交车辆可靠运行优化方法的具体步骤，开展公交车辆可靠运行优化方法研究。
S1：构建车路信息交互环境下的公交特征数据集。
S11：借助调研数据，构建停靠站公交车辆溢出特征数据集，具体为，采集连续10天工作日早高峰7:00-9:00的公交数据，如图3所示，公交线路经停的停靠站共8个，分别为m1,m2,…,m8，早高峰时段内公交线路每5min发一班车，发车班线为24班，分别为k1,k2,…,k24。早高峰时段内各公交班线在各停靠站的排队溢出次数如表1所示(列举部分数据)，各停靠站存在排队溢出时的在站公交车辆数与排队溢出时的最大在站公交车辆数如表2所示(溢出次数为0的停靠站未列出)。
表1各公交班线在各停靠站的排队溢出次数
Figure BDA0003048585890000151
表2各停靠站存在排队溢出时的在站公交车辆数与最大在站公交车辆数
Figure BDA0003048585890000161
S12：借助调研数据，构建公交停靠站特征数据集，具体为，8个公交停靠站的泊位数均为2个。各工作日早高峰时段内各停靠站在站停靠公交车辆数如表3所示(列举部分数据)
表3各工作日早高峰时段内各停靠站在站停靠公交车辆数
Figure BDA0003048585890000162
各公交班线在各停靠站的到站时刻与离站时刻如表4所示(列举部分数据)。
表4各公交班线在各停靠站的到站时刻与离站时刻
Figure BDA0003048585890000163
Figure BDA0003048585890000171
S13：借助调研数据，构建公交运行特征数据集，具体为，如图3所示，8个公交停靠站之间共有7个路段，分别为n1,n2,…,n8，各公交班线在各路段上游停靠站的离站时刻与下游停靠站的到站时刻如表5所示(列举部分数据)。
表5各公交班线在各路段上游停靠站离站时刻与下游停靠站到站时刻
Figure BDA0003048585890000172
早高峰时段内公交线路每5min发一班车，各公交班线的时刻表发车时刻如表6所示(列举部分数据)，各公交班线在各停靠站的时刻表到站时刻如表7所示(列举部分数据)。
表6各公交班线时刻表发车时刻
公交班线 k<sub>1</sub> k<sub>2</sub> ... k<sub>23</sub> k<sub>24</sub>
时刻表发车时刻 7:00:00 7:05:00 ... 8:50:00 8:55:00
表7各公交班线在各停靠站的时刻表到站时刻
Figure BDA0003048585890000173
Figure BDA0003048585890000181
各公交路段的长度与公交线路总长度如表8所示。
表8各公交路段的长度与公交线路总长度
路段编号 n<sub>1</sub> n<sub>2</sub> n<sub>3</sub> n<sub>4</sub> n<sub>5</sub> n<sub>6</sub> n<sub>7</sub> 线路总长度
路段长度(m) 1000 1000 1000 1200 1200 1000 1000 7400
S2：根据采集到的公交车辆溢出特征数据，计算各停靠站公交车辆排队溢出指标值，选择排队溢出指标大于预设比例的停靠站作为公交车辆停靠溢出高风险停靠站。
S21：根据采集得到的早高峰时段内各公交班线在各停靠站的排队溢出次数计算各停靠站的公交车总排队溢出次数如表9所示。
表9各停靠站的公交车总排队溢出次数
停靠站编号 m<sub>1</sub> m<sub>2</sub> m<sub>3</sub> m<sub>4</sub> m<sub>5</sub> m<sub>6</sub> m<sub>7</sub> m<sub>8</sub>
总排队溢出次数 0 0 1 3 4 2 1 0
根据采集得到的10天早高峰时段内各停靠站的在站停靠公交车辆数，计算各停靠站的平均停站车辆数如表10所示。
表10各停靠站的平均停站车辆数
停靠站编号 m<sub>1</sub> m<sub>2</sub> m<sub>3</sub> m<sub>4</sub> m<sub>5</sub> m<sub>6</sub> m<sub>7</sub> m<sub>8</sub>
平均停站车辆数 24 24 25 35 44 26 25 24
根据计算得到的各停靠站的公交车总排队溢出次数与平均停站车辆数计算各停靠站的公交车辆排队溢出指标，如表11所示。
表11各停靠站的公交车辆排队溢出指标
停靠站编号 m<sub>1</sub> m<sub>2</sub> m<sub>3</sub> m<sub>4</sub> m<sub>5</sub> m<sub>6</sub> m<sub>7</sub> m<sub>8</sub>
公交车辆排队溢出指标 0 0 8.3％ 17.1％ 18.2％ 15.4％ 8％ 0
S22：当S21计算的各停靠站的公交车辆排队溢出指标大于15％时，对应的公交停靠站为公交车辆停靠溢出高风险停靠站，则m4、m5、m6为公交车辆停靠溢出高风险停靠站，共有3个公交车辆停靠溢出高风险停靠站。
S3：根据采集到的公交停靠站特征数据，确定公交车辆停站时间强波动公交班线。
S31：根据采集得到的早高峰时段内各公交班线在各停靠站的到站时刻与离站时刻，计算各公交班线在停靠站的停站服务时间如表12所示(列举部分数据)，进而计算所有公交班线在各停靠站停站服务时间的平均值与标准差如表13所示。
表12各公交班线在各停靠站的停站服务时间(s)
Figure BDA0003048585890000191
表13所有公交班线在各停靠站停站服务时间的平均值与标准差
停靠站编号 m<sub>1</sub> m<sub>2</sub> m<sub>3</sub> m<sub>4</sub> m<sub>5</sub> m<sub>6</sub> m<sub>7</sub> m<sub>8</sub>
平均值(s) 35.8 43.3 41.1 44.6 45.2 47.4 44.0 39.8
标准差(s) 12 14.2 17.3 21.4 21.1 23.7 20.6 7.6
S32：当S31计算得到的所有公交班线在各停靠站停站服务时间的标准差大于20s时，对应的公交停靠站为公交车辆停站时间高离散停靠站，则m4、m5、m6、m7为高离散停靠站，共有4个公交车辆停站时间高离散停靠站。
S33：计算各公交班线在4个高离散停靠站停站时间超出各高离散停靠站平均停站时间的累计特征值如表14所示(列举部分数据)。
表14各公交班线在4个高离散停靠站停站时间的累计特征值
停靠站编号 k<sub>1</sub> k<sub>2</sub> ... k<sub>8</sub> ... k<sub>17</sub> ... k<sub>24</sub>
累计特征值(s) 0 6 ... 39 ... 41 ... 0
将得到的累计特征值按照从大到小的顺序排序，得到排名前2的公交班线k17、k8，确定为公交车辆停站时间强波动公交班线。
S4：根据采集到的公交运行特征数据，确定公交车辆运行时间低可靠度路段。
S41：根据采集得到的各公交班线在各路段下游停靠站的到站时刻与上游停靠站的离站时刻，计算各公交班线在各路段的实际运行时间如表15所示(列举部分数据)，进而计算所有公交班线在各路段公交车辆实际运行时间的平均值如表16所示。
表15各公交班线在各路段的实际运行时间(s)
Figure BDA0003048585890000211
表16所有公交班线在各路段公交车辆实际运行时间的平均值
路段编号 n<sub>1</sub> n<sub>2</sub> n<sub>3</sub> n<sub>4</sub> n<sub>5</sub> n<sub>6</sub> n<sub>7</sub>
平均值(s) 192.3 248.1 230.3 349.2 352.8 255.5 277.1
S42：根据获取到的各公交班线在各停靠站的时刻表到站时刻以及根据S31计算得到的各停靠站公交车辆停站服务时间的平均值，计算公交车辆在各路段的时刻表运行时间的平均值如表17所示。
表17各路段的公交车辆时刻表运行时间的平均值
路段编号 n<sub>1</sub> n<sub>2</sub> n<sub>3</sub> n<sub>4</sub> n<sub>5</sub> n<sub>6</sub> n<sub>7</sub>
平均值(s) 204.2 196.7 198.9 255.4 254.8 192.6 196.0
S43：根据S41计算得到的公交车辆路段实际运行时间的平均值与S42计算得到的公交车辆路段时刻表运行时间的平均值，计算各路段公交车辆平均运行时间减去时刻表平均运行时间的特征值如表18所示。
表18各路段公交车辆平均运行时间减去时刻表平均运行时间的特征值
路段编号 n<sub>1</sub> n<sub>2</sub> n<sub>3</sub> n<sub>4</sub> n<sub>5</sub> n<sub>6</sub> n<sub>7</sub>
特征值(s) 11.9 51.4 31.4 93.8 98.0 62.9 81.1
S44：根据S43计算得到的特征值计算相邻两个路段的特征值的差值(下游路段特征值减去上游路段特征值)如表19所示，并将该差值的绝对值按照从大到小的顺序排序，得到排序后的相邻路段与对应的特征值差值的绝对值如表20所示。
表19相邻两个路段的特征值的差值
相邻路段 n<sub>2</sub>-n<sub>1</sub> n<sub>3</sub>-n<sub>2</sub> n<sub>4</sub>-n<sub>3</sub> n<sub>5</sub>-n<sub>4</sub> n<sub>6</sub>-n<sub>5</sub> n<sub>7</sub>-n<sub>6</sub>
特征值差值(s) 39.5 -20 62.4 4.2 -35.1 18.2
表20相邻路段特征值差值的绝对值的排列顺序
相邻路段 n<sub>4</sub>-n<sub>3</sub> n<sub>2</sub>-n<sub>1</sub> n<sub>6</sub>-n<sub>5</sub> n<sub>3</sub>-n<sub>2</sub> n<sub>7</sub>-n<sub>6</sub> n<sub>5</sub>-n<sub>4</sub>
特征值差值(s) 62.4 39.5 35.1 20 18.2 4.2
根据表20，路段n4与路段n3和路段n2与路段n1的特征值差值均位于排序后的前40％位，所以选择路段n4和路段n2作为公交车辆运行时间低可靠度路段，共有2个公交车辆运行时间低可靠度路段。
S5：根据公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线和公交车辆运行时间低可靠度路段，分别对公交车辆可靠运行进行优化。
S51：计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进。针对S22确定的公交车辆停靠溢出高风险停靠站m4、m5、m6，根据采集得到的3个溢出高风险停靠站存在排队溢出时的在站公交车辆数，计算停靠站m4、m5、m6的溢出车辆数如表21所示，并统计停靠站m4、m5、m6溢出任意车辆数的总次数如表22所示，进而计算停靠站m4、m5、m6溢出任意车辆数的占比如表23所示，在此基础上计算停靠站m4、m5、m6溢出不小于任意车辆数的占比如表24所示，
表21溢出高风险停靠站的溢出车辆数
Figure BDA0003048585890000231
表22溢出高风险停靠站溢出任意车辆数的总次数
Figure BDA0003048585890000232
表23溢出高风险停靠站溢出任意车辆数的占比
Figure BDA0003048585890000233
表24溢出高风险停靠站溢出不小于任意车辆数的占比
Figure BDA0003048585890000234
当溢出高风险停靠站溢出不小于任意车辆数的占比大于25％时，则为溢出高风险停靠站增加等同于该车辆数的泊位数，由表24所示，为公交车辆停靠溢出高风险停靠站m4、m5、m6分别增加泊位数2，从而实现对公交车辆停靠溢出高风险停靠站的优化改进。
S52：调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进。在S34确定得到的公交车辆停站时间强波动公交班线k17、k8之间增加一班公交车k25，新的公交班线排序为k1,…,k8,…,k12,k25,k13,…,k17,…,k24，保证公交班线k1,…,k7与k18,…,k24的发车时刻不变，其他公交班线k8,…,k12,k25,k13,…,k17的发车时刻按照均匀分布时间划分，调整前后的公交班线发车时刻表如25所示(发车时刻不变的公交班线未列出)。
表25调整前后的公交班线发车时刻表
Figure BDA0003048585890000241
从而通过调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进。
S53：设置公交专用道，并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
在S44确定的公交车辆运行时间低可靠度路段n2和n4设置公交专用道，并设置公交专用道的建议运行车速。
两个公交车辆运行时间低可靠度路段n2和n4的建议运行车速计算相关参数值如表26所示。
表26公交车辆运行时间低可靠度路段建议运行车速计算相关参数值
Figure BDA0003048585890000251
根据表26，分别计算公交车辆运行时间低可靠度路段n2和n4的建议运行车速
Figure BDA0003048585890000252
从而通过设置公交专用道并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
S6：确定实施优化方法后的公交车辆可靠运行效果。
根据S5实施公交车辆可靠运行优化方法后，重新采集连续5天工作日早高峰7:00-9:00的公交数据，确定实施优化方法后的公交车辆可靠运行效果。
S61：实施优化方法前后，早高峰时段内各停靠站的排队溢出次数与公交进站服务次数如表27所示。
表27优化方法实施前后各停靠站的排队溢出次数与公交进站服务次数
Figure BDA0003048585890000261
根据表27，计算优化方法实施前后8个公交停靠站平均溢出率，其中，优化方法实施前的公交停靠站平均溢出率
Figure BDA0003048585890000262
优化方法实施后的公交停靠站平均溢出率
Figure BDA0003048585890000263
其中，
Figure BDA0003048585890000264
分别表示优化方法实施前后公交停靠站m的溢出率，
Figure BDA0003048585890000265
分别表示优化方法实施前后公交停靠站m的溢出次数，
Figure BDA0003048585890000266
分别表示优化方法实施前后公交停靠站m的公交进站服务次数。
计算结果表明，优化方法实施后，公交停靠站平均溢出率下降52％，优化效果较为显著。
S62：实施优化方法前后，早高峰时段内各停靠站的公交停站时间的平均值和标准差如表28所示。
表28优化方法实施前后各停靠站的公交停站时间的平均值与标准差
Figure BDA0003048585890000267
Figure BDA0003048585890000271
根据表28，计算优化方法实施前后8个停靠站公交停站时间标准差的平均值，其中，优化方法实施前的停靠站公交停站时间标准差的平均值
Figure BDA0003048585890000272
优化方法实施后的停靠站公交停站时间标准差的平均值
Figure BDA0003048585890000273
其中，
Figure BDA0003048585890000274
分别表示优化方法实施前后公交停靠站m公交停站时间的标准差。
计算结果表明，优化方法实施后，停靠站公交停站时间标准差的平均值下降12％，优化效果较为显著。
S63：实施优化方法前后，早高峰时段内各路段公交车辆实际运行时间的平均值与公交车辆时刻表运行时间的平均值如表29所示。
表29优化方法实施前后各路段公交车辆实际运行时间均值与公交车辆时刻表运行时间均值
Figure BDA0003048585890000275
根据表29，计算优化方法实施前后7个路段公交实际运行时间均值与时刻表运行时间均值的差值的平均值，其中优化方法实施前的7个路段公交实际运行时间均值与时刻表运行时间均值的差值的平均值
Figure BDA0003048585890000281
优化方法实施后的7个路段公交实际运行时间均值与时刻表运行时间均值的差值的平均值
Figure BDA0003048585890000282
其中，
Figure BDA0003048585890000283
分别表示优化方法实施前后路段m公交实际运行时间的平均值，
Figure BDA0003048585890000284
分别表示优化方法实施前后路段m公交时刻表运行时间的平均值。
计算结果表明，优化方法实施后，路段公交实际运行时间均值与时刻表运行时间均值的差值的平均值下降29％，优化效果较为显著。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于，包括步骤：
根据采集的公交车辆溢出特征数据，计算各停靠站公交车辆排队溢出指标值，选择排队溢出指标大于预设比例的停靠站作为公交车辆停靠溢出高风险停靠站；根据采集的公交停靠站特征数据，确定公交车辆停站时间强波动公交班线；根据采集的公交运行特征数据，确定公交车辆运行时间低可靠度路段；
根据所述公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线和公交车辆运行时间低可靠度路段，分别对公交车辆可靠运行进行优化。
2.根据权利要求1所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述根据采集的公交车辆溢出特征数据，计算各停靠站公交车辆排队溢出指标值，选择排队溢出指标大于预设比例的停靠站作为公交车辆停靠溢出高风险停靠站，包括：
根据采集到的高峰时段T内公交班线k在停靠站m的排队溢出次数
Figure FDA0003048585880000011
公交停靠站m的泊位数
Figure FDA0003048585880000012
以及第D天高峰时段T内公交停靠站m的在站停靠公交车辆数
Figure FDA0003048585880000013
计算停靠站m在高峰时段T内公交车辆排队溢出指标
Figure FDA0003048585880000014
其中，
Figure FDA0003048585880000015
为高峰时段T内停靠站m的公交车总排队溢出次数，
Figure FDA0003048585880000016
Figure FDA0003048585880000017
为高峰时段T内停靠站m的平均停站车辆数，
Figure FDA0003048585880000021
Dall为采集数据的工作日天数，K表示高峰时段T内公交线路的发车班线；
当停靠站公交车辆排队溢出指标
Figure FDA0003048585880000022
大于设定值时，对应的公交停靠站m为公交车辆停靠溢出高风险停靠站，记为m*，公交车辆停靠溢出高风险停靠站共有M*个。
3.根据权利要求1所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述根据采集的公交停靠站特征数据，确定公交车辆停站时间强波动公交班线，包括：
根据采集到的公交班线k在停靠站m的到站时刻
Figure FDA0003048585880000023
公交班线k在停靠站m的离站时刻
Figure FDA0003048585880000024
计算公交班线k在停靠站m的停站服务时间
Figure FDA0003048585880000025
并计算所有公交班线在停靠站m停站服务时间的平均值
Figure FDA0003048585880000026
标准差
Figure FDA0003048585880000027
K表示高峰时段T内公交线路的发车班线；
当所有公交班线在停靠站m停站服务时间的标准差
Figure FDA0003048585880000028
大于预设值时，对应的公交停靠站m为公交车辆停站时间高离散停靠站，记为m#，公交车辆停站时间高离散停靠站共有M#个；
当公交班线k在高离散停靠站m#的停站时间大于所有公交班线在停靠站m#停站服务时间的平均值时，计算公交班线k在所有高离散停靠站停站时间
Figure FDA0003048585880000029
超出各高离散停靠站平均停站时间
Figure FDA00030485858800000210
的累计特征值
Figure FDA00030485858800000211
将累计特征值
Figure FDA0003048585880000031
按照从大到小的顺序排序，得到排名前2的公交班线
Figure FDA0003048585880000032
确定为公交车辆停站时间强波动公交班线，分别对应排序前的公交班线ka、kb。
4.根据权利要求3所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述根据采集的公交运行特征数据，确定公交车辆运行时间低可靠度路段，包括：
根据采集到的公交班线k在路段n下游停靠站的到站时刻
Figure FDA0003048585880000033
公交班线k在路段n上游停靠站的离站时刻
Figure FDA0003048585880000034
计算公交班线k在路段n的实际运行时间
Figure FDA0003048585880000035
并计算路段n公交车辆实际运行时间的平均值
Figure FDA0003048585880000036
计算公交车辆在路段n的时刻表运行时间的平均值
Figure FDA0003048585880000037
Figure FDA0003048585880000038
表示公交班线k在停靠站m的时刻表到站时刻；
计算路段n公交车辆平均运行时间减去时刻表平均运行时间的特征值
Figure FDA0003048585880000039
计算相邻两个路段的特征值的差值
Figure FDA00030485858800000310
将该差值的绝对值按照从大到小的顺序排序，得到排序后的路段
Figure FDA00030485858800000311
与对应的差值
Figure FDA00030485858800000312
选择前设定位数的差值
Figure FDA00030485858800000313
对应的下游路段
Figure FDA00030485858800000314
作为公交车辆运行时间低可靠度路段，记为n*，公交车辆运行时间低可靠度路段共有N*个。
5.根据权利要求1所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述根据所述公交车辆停靠溢出高风险停靠站、公交车辆停站时间强波动公交班线和公交车辆运行时间低可靠度路段，分别对公交车辆可靠运行进行优化，包括：
计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进；
调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进；
设置公交专用道，并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
6.根据权利要求5所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进，包括：
针对确定的公交车辆停靠溢出高风险停靠站m*，根据采集的溢出高风险停靠站m*存在排队溢出时的在站公交车辆数
Figure FDA0003048585880000041
以及溢出高风险停靠站m*的泊位数
Figure FDA0003048585880000042
计算m*的溢出车辆数
Figure FDA0003048585880000043
并计算高峰时段T内高风险停靠站m*排队溢出x辆车的总次数
Figure FDA0003048585880000044
其中，
Figure FDA0003048585880000045
表示高峰时段T内公交班线k在高风险停靠站m*的排队溢出次数，则高峰时段T内高风险停靠站m*排队溢出x辆车的占比
Figure FDA0003048585880000046
X表示高峰时段T内高风险停靠站m*排队溢出最大车辆数，则高峰时段T内高风险停靠站m*排队溢出不小于y辆车的占比
Figure FDA0003048585880000047
求解β大于设定的比例时对应的y值，为公交车辆停靠溢出高风险停靠站m*增加泊位数y，从而通过增加公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进。
7.根据权利要求5所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述计算需要增加的公交停靠泊位数，实现对公交车辆停靠溢出高风险停靠站的优化改进，包括：
在确定得到的公交车辆停站时间强波动公交班线ka、kb之间增加一班公交车，班线为K+1，当ka<kb时，新的公交班线排序为k1,…,ka-1,ka,…,K+1,…,kb,kb+1,…,k，保证公交班线k1,…,ka-1与kb+1,…,k的发车时刻
Figure FDA0003048585880000051
与
Figure FDA0003048585880000052
不变，其他公交班线车辆ka,…,K+1,…,kb的发车时刻
Figure FDA0003048585880000053
按照均匀分布时间划分；当ka>kb时，新的公交班线排序为k1,…,kb-1,kb,…,K+1,…,ka,ka+1,…,k，保证公交班线k1,…,kb-1与ka+1,…,k的发车时刻
Figure FDA0003048585880000054
与
Figure FDA0003048585880000055
不变，其他公交班线车辆kb,…,K+1,…,ka的发车时刻
Figure FDA0003048585880000056
按照均匀分布时间划分；
从而通过调整公交车发车时刻表，实现对公交车辆停站时间强波动公交班线的优化改进。
8.根据权利要求5所述的一种车路信息交互环境公交车辆可靠运行优化方法，其特征在于：所述设置公交专用道，并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进，包括：
在确定的公交车辆运行时间低可靠度路段n*设置公交专用道，并设置公交专用道的建议运行车速
Figure FDA0003048585880000057
其中，
Figure FDA0003048585880000058
表示运行时间低可靠度路段n*的公交专用道新增长度，
Figure FDA0003048585880000059
表示N*个运行时间低可靠度路段公交专用道新增总长度，L表示公交线路总长度，
Figure FDA00030485858800000510
表示公交车辆总的实际区间运行时间，
Figure FDA0003048585880000061
表示公交车辆总的时刻表区间运行时间；
Figure FDA0003048585880000062
表示路段n公交车辆实际运行时间的平均值，
Figure FDA0003048585880000063
表示公交车辆在路段n的时刻表运行时间的平均值，N表示停靠站之间的路段数；
从而通过设置公交专用道并调整公交专用道的运行车速，实现对公交车辆运行时间低可靠度路段的优化改进。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至8所述的车路信息交互环境公交车辆可靠运行优化方法中的任一方法。
10.一种计算设备，其特征在于：包括，一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至8所述的车路信息交互环境公交车辆可靠运行优化方法中的任一方法的指令。
CN202110481094.9A 2021-04-30 2021-04-30 车路信息交互环境公交车辆可靠运行优化方法和存储介质 Active CN113240256B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110481094.9A CN113240256B (zh) 2021-04-30 2021-04-30 车路信息交互环境公交车辆可靠运行优化方法和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110481094.9A CN113240256B (zh) 2021-04-30 2021-04-30 车路信息交互环境公交车辆可靠运行优化方法和存储介质

Publications (2)

Publication Number Publication Date
CN113240256A CN113240256A (zh) 2021-08-10
CN113240256B true CN113240256B (zh) 2022-08-16

Family

ID=77131780

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110481094.9A Active CN113240256B (zh) 2021-04-30 2021-04-30 车路信息交互环境公交车辆可靠运行优化方法和存储介质

Country Status (1)

Country Link
CN (1) CN113240256B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809554B (zh) * 2015-04-21 2017-11-07 华南理工大学 一种面向道路交通事故应急处置的决策支持系统及方法
CN108597222B (zh) * 2018-04-27 2021-06-18 华东交通大学 一种基于车路协同的公交到站时间预测方法、装置及系统
WO2020014131A1 (en) * 2018-07-10 2020-01-16 Cavh Llc Connected automated vehicle highway systems and methods related to transit vehicles and systems
CN110232821B (zh) * 2019-06-19 2020-06-02 河海大学 一种高峰时段港湾公交停靠站临近车道通行能力计算方法
CN110288828B (zh) * 2019-06-19 2020-06-26 河海大学 上游港湾停靠站影响下交叉口进口道通行能力计算方法
CN111524372B (zh) * 2020-05-06 2021-03-16 亚哲科技股份有限公司 基于人工智能车路协同的公交信号优先实现方法和系统

Also Published As

Publication number Publication date
CN113240256A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN102819955B (zh) 基于车辆行程数据的道路网运行评价方法
CN109543934B (zh) 城市公交线网的综合指标的评价方法
CN108364127B (zh) 一种路网客流协同控制优化系统
CN104064028A (zh) 基于多元信息数据的公交到站时间预测方法及系统
CN107679654A (zh) 一种停车规模预估控制系统及实现方法
CN111539565B (zh) 一种基于车辆和站点拥挤度的公交票价优惠方法
CN103956050A (zh) 基于车辆行程数据的道路网运行评价方法
CN110288827B (zh) 一种考虑停靠站排队溢出影响的公交车辆运行调度方法
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
CN111401614A (zh) 一种城市轨道交通动态客流分配方法及系统
CN108388970A (zh) 一种基于gis的公交站点选址方法
CN113177742A (zh) 基于智能交通的公交服务方法、系统、终端及存储介质
CN115496316A (zh) 一种基于多源数据的公交线路客流动态分配方法
CN113506013A (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
CN113240256B (zh) 车路信息交互环境公交车辆可靠运行优化方法和存储介质
CN112907936A (zh) 一种智能公共交通基于客流的调度方法
CN109740823B (zh) 一种面向实时场景计算的出租车打车决策方法及系统
CN108648441B (zh) 基于站点群的动态公交运行方法
CN108399736B (zh) 一种基于服务时间的区域共享自行车有效车辆数获取方法
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
CN111292535B (zh) 车路协同环境下面向乘客出行的路网交通状态评价方法
CN112004191B (zh) 基于手机信令和公交车gps数据的公交专用道设置方法
CN115713184A (zh) 一种公交线路运营服务评估方法
CN115796337A (zh) 一种基于多源数据的公交运行状态预测方法
CN113361885B (zh) 一种基于多源数据的双目标城市公交效益评价方法

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