CN114241770A - 基于精确实时信息的公交调度方法及系统 - Google Patents
基于精确实时信息的公交调度方法及系统 Download PDFInfo
- Publication number
- CN114241770A CN114241770A CN202111574100.1A CN202111574100A CN114241770A CN 114241770 A CN114241770 A CN 114241770A CN 202111574100 A CN202111574100 A CN 202111574100A CN 114241770 A CN114241770 A CN 114241770A
- Authority
- CN
- China
- Prior art keywords
- bus
- getting
- time
- area range
- dispatching
- 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 61
- 238000012937 correction Methods 0.000 claims description 56
- 238000004364 calculation method Methods 0.000 claims description 23
- 101100208381 Caenorhabditis elegans tth-1 gene Proteins 0.000 claims description 22
- 230000007423 decrease Effects 0.000 claims description 19
- 238000012417 linear regression Methods 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 12
- 230000003247 decreasing effect Effects 0.000 claims description 12
- 238000012935 Averaging Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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"
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Landscapes
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于精确实时信息的公交调度方法及系统,通过获取划定的公交调度区域范围内的各公交站点在历史星期的每个时间分段的上车和下车人数去预测下个星期的同一日中的同个时间分段在区域范围内的每个公交站点的上车和下车人数,然后根据预测的上下车人数计算该区域范围内在当前时间分段的乘车增量,并计算当前时间在该区域范围内及未来候车时长内途经该区域范围的所有公交车的继续可载乘客数,然后再根据所计算的乘车增量和继续可载乘客数判断是否需要向该区域范围临时调度公交车,并在判定需调度时按照预设的调度策略调度公交到该区域范围。本发明通过历史获取的各公交站点的上下车人数,实现了对划定的区域范围的精准公交调度。
Description
技术领域
本发明涉及车辆调度技术领域,具体涉及一种基于精确实时信息的公交调度方法及系统。
背景技术
现有的公交调度方式主要为:根据历史每日的各条线路在上行、下行两个方向上各时段内各公交站点的上车乘客数和下车乘客数,确定每条线路在各时段的发车次数以及发车间隔,最后制定出发车时刻表用于指挥公交车辆运营。但当出现道路维修、恶劣天气、节假日等极大影响出行量的特殊情况时,固定的发车计划容易造成班车资源浪费或紧张,因此迫切希望能够基于当前时段各条线路的真实客流情况或精准预估的未来一段时间内的客流情况对发车计划作出及时调整,以避免班车资源浪费或紧张。
目前动态调整发车计划的方式主要为:通过查看每条线路上各个站点的监控视频,人为或根据相关算法自动估计每条线路在当前时段的班车需求。比如,85路车执行的线路为从起始站点A到目的站点B,假设监控到早上8点起始站点A的候车乘客的数量为50人,而85路车的额定载人数量为30人,固定发车间隔为1小时,那么认为当前时间点乘客对于85路车的需求紧张需要调配一辆加班车赶往起始站点A去执行客运目的地为站点B的客运任务。但站点A只有一辆班车经过是公交调度时的一种理想情况,实际中,同个站点通常有多辆执行不同线路的班车经过(比如班车1执行线路a,班车2执行线路b,班车1、班车2都需要经过站点A),因此我们无法准确判断等候在起始站点A的每个人的乘坐目的地。为了解决这个问题,现有的做法是,比如线路a的发车间隔是45分钟,线路b的发车间隔是15分钟,那么按照发车间隔的比值对等候的乘客数进行划分,比如45/15=3,那么将等候的50人/3=16.6(四舍五入取17),将其中的17人判定为等候班车1,将33人判定为等候班车2,然后对等候在每条线路的各站点或者每条线路的某一段中的各站点的候车人数进行累加并判断累加值是否超过预设的阈值,若是,则调配加班车去执行相应线路的客运任务,显然这样的班车动态调度方法准确度不高且存在滞后性,实际应用价值不大。
发明内容
本发明以提高公交调度的精准性和及时性为目的,提供了一种基于精准实时信息的公交调度方法及系统。
为达此目的,本发明采用以下技术方案:
提供一种基于精确实时信息的公交调度方法,步骤包括:
S1,设定公交调度参数,包括公交调度的区域中心ctr和半径r、公交调度的星期wk、时间段tq、在所述时间段tq中划定的公交调度的时间分段ts、人数累加时长以及可接受的候车时长dt,并以设定的所述区域中心ctr为圆心、设定的所述半径r为圆半径画圆以划定公交调度的区域范围;
S2,获取所述区域范围内的所有公交站点信息,并根据各所述公交站点信息从公交线路库中匹配出途经所述区域范围的公交线路,然后计算所匹配的每条所述公交线路停靠的总站点数量以及在所述区域范围内停靠的站点数量,并计算每条所述公交线路在所述区域范围内的停靠站点数量与停靠总站点数量的比值,记为rt;
S3,获取连续历史星期中的每个历史星期wx中的同个所述星期wk的所述时间段tq内的每个时间分段ts的分段时间范围内在所述区域范围内的各公交站点上车以及下车的人数,以预测在当前的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各公交站点上车及下车的人数,
并以实时获取的当前的所述星期wk中的同个所述时间段tq内的第ti-1个所述时间分段ts内在所述公交站点的实际上车或下车人数去分别校正第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数;
S4,根据步骤S3预测的在所划定的区域范围内的各所述公交站点的上车人数和下车人数,计算在设定的所述人数累加时长内在各所述公交站点的预测上车人数和预测下车人数的累加值,分别记为avalue1、avalue2,然后计算avalue1和avalue2的差值作为乘车增量,记为dvalue;
S5,获取当前时间在所述区域范围内及未来候车时长dt内进入所述区域范围内的每辆公交车的最大载客数Nopi,然后计算所有公交车的累积最大载客数,记为 Nopi表示第i辆公交的最大载客数,n表示当前时间在所述区域范围内以及未来候车时长dt内进入所述区域范围内的公交数量;
S6,根据以下公式(1)计算当前时间行驶在所述区域范围内及未来所述候车时长dt内进入所述区域范围内的公交车继续可载的乘客总数call,
S7,判断步骤S4计算的乘车增量dvalue是否大于步骤S6计算的所述乘客总数call,
若是,则判定需要向所述区域范围临时调度公交,并框选出所述区域范围以可视化方式提示调度人员所述区域范围需要增加调度,然后转入步骤S8;
若否,则判定不需要向所述区域范围临时调度公交且不报警提示;
S8,根据预设的调度策略输出公交临时调度计划并展示给所述调度人员。
优选地,步骤S3中,预测在当前的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各所述公交站点上车及下车的人数的方法步骤包括:
A1,计算在所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的每个所述公交站点上车或下车人数增减的规律预测值,记为y′;
A2,根据规律预测值y′,计算在同个所述星期wk的同个所述时间段tq内的每个所述时间分段ts内在划定的所述区域范围内的每个所述公交站点的上车或下车人数的预测值,记为y″;
A3,根据每个所述公交站点在每个所述时间分段ts的真实上车或下车人数和预测值y″,计算上车人数或下车人数的预测误差error;
A4,判断所述时间分段ts是否处于上车或下车人数递增区间,
若是,则对所述预测值y″和所述预测误差error进行求和,所得和值作为在当前的所述星期wk的所述时间分段ts内从所述公交站点上车或下车的人数的最终预测值;
若否,则对所述预测值y″和所述预测误差error进行求差,所得差值作为在当前的所述星期wk的所述时间分段ts内从所述公交站点上车或下车的人数的最终预测值。
优选地,所述步骤A1中,计算所述规律预测值y′的方法步骤包括:
A11,针对所述区域范围内的每个所述公交站点的历史上车和下车人数数据,按照连续历史星期中的同个所述星期wk以及同个所述时间段tq内的每个所述时间分段ts的时间先后顺序进行排序,得到关联每个所述公交站点的历史上车人数序列或历史下车人数序列,记为odi,odi表示所述区域范围内的第i个所述公交站点的历史上车人数序列或历史下车人数序列,odi=(NPt1,NPt2,…,NPti,…,NPtn),NPti表示在ti排序号对应的所述时间分段ts内上车或下车的历史人数,tn表示所述序列odi的元素个数;
A12,从序列odi的首个排序号开始,以连续4个排序号为一组以错“1”方式将所述序列odi划分为若干个第一子序列,记为表示从所述序列odi中划分出的第j个所述第一子序列,然后将各所述第一子序列按照划分顺序进行排序,形成序列odchild1,m表示从所述序列odi中划出的所述第一子序列的数量;
A13,计算所述序列odchild1中的每个所述第一子序列中的各元素对应的人数值的平均值,记为并将各平均值按照所对应的所述第一子序列在所述序列odchild1中的排序顺序进行排序,形成平均值序列 表示第j个所述第一子序列对应的所述平均值
A14,从所述平均值序列的首个排序号开始,以连续2个排序号为一组以错“1”方式将所述平均值序列划分为若干个第二子序列,所述第二子序列记为: 表示从所述平均值序列中划出的第k个所述第二子序列,然后将各所述第二子序列按照划分顺序进行排序,形成序列odchild2,q表示从所述平均值序列中划出的所述第二子序列的数量;
A15,计算序列odchild2中的每个所述第二子序列中的各元素的平均值,记为并将各平均值按照所对应的所述第二子序列在所述序列odchild2中的排序顺序进行排序,形成平均值序列表示第j个所述第二子序列对应的所述平均值
A17,以各所述增减规律值为离散点,通过最小二乘法构建以排序号ti为自变量,以每个所述公交站点在每个所述时间分段ts的上车或下车人数增减的所述规律预测值y′为因变量的直线回归方程,所述直线回归方程通过以下公式(2)表达:
y′=A×ti+B 公式(2)
公式(2)中,A表示所述直线回归方程的截距;
B表示所述直线回归方程的斜率;
A18,将所述序列odi中的每个排序号代入到所述直线回归方程中,得到每个所述排序号所对应的所述时间分段ts在对应的所述公交站点上车或下车人数增减的所述规律预测值y′。
优选地,所述步骤A2中,计算所述区域范围内的每个所述公交站点的上车或下车人数的预测值y″的方法步骤包括:
A21,计算不同的历史星期wx中的同个所述星期wk的同个所述时间段tq内的同个所述时间分段ts对应的所述增减规律值的平均值作为所对应的所述公交站点在对应的所述星期wk中的所述时间分段ts的上车人数或下车人数的初始预测系数;
A22,获取所述星期wk中的所述时间段tq中的所述时间分段ts的校正系数cftts,然后计算所述时间分段ts对应的上车或下车人数的初始预测系数与所述校正系数cfts的乘积,所得乘值记为作为对所述初始预测系数校正后的人数预测系数;
A23,计算所述区域范围内的每个所述公交站点在每个所述时间分段ts上车或下车人数的所述规律预测值y′与对应的所述人数预测系数的乘积作为所述公交站点在对应的所述时间分段ts的上车或下车人数的所述预测值y″。
优选地,步骤A22中,对于星期一,赋予7:30-8:30以及17:00-18:00的所述校正系数cfts=1.1,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的所述校正系数cfts=1.05,赋予7:30以前以及18:30以后的时间段的所述校正系数cfts=1;
对于星期二、三、四,赋予7:30-8:30以及17:00-18:00的所述校正系数cfts=1.05,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的所述校正系数cfts=1.02,赋予7:30以前以及18:30以后的时间段的所述校正系数cfts=1;
对于星期五,赋予7:30-8:30以及17:00-18:00的所述校正系数cfts=1.02,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的所述校正系数cfts=1.01,赋予7:30以前以及18:30以后的时间段的所述校正系数cfts=1。
优选地,所述步骤A3中,所述预测误差error通过以下公式(3)计算而得:
公式(3)中,l表示所述区域范围内的第l个所述公交站点;
nsite表示所述区域范围内的所述公交站点的数量;
yl表示在所述星期wk的同个所述时间段tq内的所述时间分段ts内在所述公交站点的真实上车或下车人数;
y″l表示预测的在所述星期wk的同个所述时间段tq内的所述时间分段ts内在所述公交站点的上车或下车人数。
优选地,所述步骤S3中,校正第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数的方法为:
当同个所述时间段tq内的第ti个时间分段ts处于上车人数或下车人数递增区间时,则计算第ti个时间分段ts内上车或下车的预测人数与第ti-1个时间分段ts内的上车人数误差或下车人数误差的和值作为实时校正后的上车或下车预测人数,否则,计算第ti个时间分段ts内上车或下车的预测人数与第ti-1个时间分段ts内的上车人数误差或下车人数误差的差值作为实时校正后的上车或下车预测人数。
优选地,所述半径r=2km;
所述人数累加时长=所述候车时长dt=所述时间段tq中的每个所述时间分段ts的间隔时长;
所述时间段tq中的每个所述时间分段ts的间隔时长为15分钟。
优选地,步骤S8中,所述调度策略的实现具体包括步骤:
S81,判断在未来的所述候车时长dt内是否有执行公交线路busroutj的公交进入到所述区域范围内,busroutj表示所述区域范围内的第j条所述公交线路,
若是,则过滤掉所述公交线路busroutj,然后转入步骤S82;
若否,则转入步骤S82;
S82,判断经步骤S81过滤剩余的所述区域范围内的各条所述公交线路途经同个公交站点site的数量是否大于等于预设的数量阈值,
若是,则将途经同个所述公交站点site的各条所述公交线路初步判定为拟调度对象,并转入步骤S83,
若否,则将经步骤S81过滤剩余的所述区域范围内的每条所述公交线路初步判定为拟调度对象并转入步骤S83;
S83,在经步骤S82过滤剩余的各条所述公交线路中选定在所述区域范围内设置所述公交站点数量最多的线路作为公交调度对象,然后调度公交前往所述区域范围内的起始站点去执行被最终确定为所述公交调度对象的所述公交线路的剩余路径。
本发明还提供了一种基于精确实时信息的公交调度系统,可实现所述的公交调度方法,所述公交调度系统包括:
参数设置模块,用于提供给调度人员设定公交调度参数,公交调度参数包括公交调度的区域中心ctr和半径r、公交调度的星期wk、时间段tq、在所述时间段tq中划定公交调度的时间分段ts、人数累加时长以及可接受的候车时长dt,并根据设定的所述区域中心ctr和所述半径r划定公交调度的区域范围;
公交站点信息获取模块,用于根据输入的公交站点信息获取指令获取所划定的所述区域范围内的所有公交站点信息并存储;
公交线路匹配模块,连接所述公交站点信息获取模块,用于根据获取的各所述公交站点信息从公交线路库中匹配出途经所述区域范围的公交线路;
停靠站点数量计算模块,分别连接所述公交线路匹配模块和所述公交站点信息获取模块,用于以完成公交线路匹配为指令,计算所匹配的每条所述公交线路停靠的总站点数量以及在所述区域范围内停靠的站点数量;
比值计算模块,连接所述停靠站点数量计算模块,用于根据计算的每条所述公交线路停靠的总站点数量以及在所述区域范围内停靠的站点数量,计算每条所述公交线路在所述区域范围内的停靠站点数量与停靠总站点数量的比值,记为rt;
数据获取模块,用于根据人数获取指令获取连续历史星期中的每个历史星期wx中的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各所述公交站点上车以及下车的人数,并用于实时获取当前所述星期wk中的同个所述时间段tq内的第ti-1个所述时间分段ts内在每个所述公交站点的实际上车或下车人数
上车及下车人数预测模块,连接所述数据获取模块,用于根据获取的上车以及下车人数数据,预测在当前的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各所述公交站点上车及下车的人数;
预测人数校正模块,连接所述上车及下车人数预测模块,用于以实时获取的当前所述星期wk中的同个所述时间段tq内的第ti-1个所述时间分段ts内在所述公交站点的实际上车或下车人数去分别校正当前所述时间段tq中的第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数;
人数累加模块,连接所述上车及下车人数预测模块、所述预测人数校正模块和所述参数设置模块,用于根据预测的在所划定的所述区域范围内的各所述公交站点的上车人数和下车人数,计算在设定的所述人数累加时长内在各所述公交站点的预测上车人数和预测下车人数的累加值,分别记为avalue1、avalue2;
乘车增量计算模块,连接所述人数累加模块,用于计算avalue1和avalue2的差值作为乘车增量,记为dvalue;
最大载客数获取模块,用于获取当前时间在所述区域范围内以及所述未来候车时长dt内进入所述区域范围内的每辆公交车的最大载客数Nopi;
累积最大载客数计算模块,连接所述最大载客数获取模块,用于计算所有公交车的累积最大载客数,记为Nopi表示第i辆公交的最大载客数,n表示当前时间在所述区域范围内以及所述未来候车时长dt内进入所述区域范围内的公交数量;
继续可载人数计算模块,分别连接所述累积最大载客数计算模块和所述比值计算模块,用于根据以下公式(4)计算当前时间行驶在所述区域范围内及所述未来候车时长dt内进入所述区域范围内的公交车继续可载的乘客总数call,
判断模块,连接所述继续可载人数计算模块和所述乘车增量计算模块,用于判断计算的乘车增量dvalue是否大于计算的乘客总数call,
若是,则判定需要向所述区域范围内临时调度公交;
若否,则判定不需要向所述区域范围内临时调度公交;
报警提示模块,连接所述判断模块,用于在判定需要向所述区域范围临时调度公交时,自动框选出设定的所述区域范围并以可视化方式提示调度人员所述区域范围需要临时增加调度;
调度模块,连接所述判断模块、所述公交站点信息获取模块、所述公交线路匹配模块,用于在判定需要向所述区域范围内临时调度公交后,根据预设的调度策略输出临时公交调度计划并展示给调度人员。
本发明通过获取自主划定的公交调度区域范围内的各公交站点在历史星期的同一天的每个时间分段的上车和下车人数,去预测下个星期的同一天中的同个时间分段在区域范围内的每个公交站点的上车和下车人数,然后根据预测的上下车人数计算该区域范围内在当前时间分段的乘车增量,并计算当前时间在该区域范围内以及在设定的未来候车时长内途经该区域范围内的各公交站点的所有公交车的继续可载的乘客总数,然后再根据所计算的乘车增量和继续可载的乘客总数判断是否需要向该区域范围临时调度公交车辆,并在判定需要临时调度时按照预设的调度策略调度公交到该区域范围以满足当前的客运需求。本发明通过历史获取的各公交站点在每个时间分段的精准上下车人数,实现了对所划定的区域范围的精准公交调度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是各公交站点及公交线路在划定的区域范围内的示意图;
图2是本发明一实施例提供的基于精确实时信息的公交调度方法的实现步骤图;
图3是预测每个时间分段ts内在区域范围内的各公交站点的上车人数或下车人数的方法步骤图;
图4是计算每个时间分段ts在区域范围内的每个公交站点的上车或下车人数的增减规律预测值y′的方法步骤图;
图5是计算每个时间分段ts内在区域范围内的每个公交站点的上车或下车人数的预测值y″的方法步骤图;
图6是公交调度策略的具体实现方法步骤图;
图7是本发明一实施例提供的基于精确实时信息的公交调度系统的结构示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若出现术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
在本发明的描述中,除非另有明确的规定和限定,若出现术语“连接”等指示部件之间的连接关系,该术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供的基于精确实时信息的公交调度方法,如图2所示,包括:
步骤S1,设定公交调度参数,包括公交调度的区域中心ctr和半径r、公交调度的星期wk、时间段tq、在时间段tq中划定的公交调度的时间分段ts、人数累加时长以及可接受的候车时长dt,并以设定的区域中心ctr为圆心,设定半径r为圆半径画圆以划定作为公交调度依据的区域范围,
划定的区域范围的示例如图1所示,图1中,“A医院”表示设定的区域中心ctr(即圆心)。我们在设置区域范围的半径r时,综合考虑以下两个因素,将半径r优选设定为2km:
因素一:一般而言,长途汽车站、医院、学校等所在区域乘坐公交的需求比较大,这些区域是公交调度的重点对象,如果区域半径设置的过大,临时调度的公交车从驶入该区域范围到驶达目的公交站点需要较长的时间,这与尽可能缩短等候时长的公交调度目的相悖,因此,区域范围不宜设置的过大。
因素二:通常情况下,公交站点间的间隔是200-500米,我们希望划定的区域范围内的公交站点的数量是合理的,如果区域范围内的公交站点的数量过少,比如只有2个公交站点,那么对仅有的2个公交站点作临时调度并不合理,更加浪费资源。但是如果区域范围内的公交站点数量过多,比如有100个,这100个公交站点可能涉及数十条甚至上百条公交线路,对上百条线路作公交调度的方案计算非常复杂,需要耗费较长时间,与本发明及时出具公交调度计划的目的相悖。
因此,综合考虑以上两个因素,我们将区域范围的半径r设定为2km,直径4km范围内的公交站点数量通常在10-30个之间,涉及的公交线路一般在10余条,能够确保公交调度的及时性,且调度车从直径4km的区域范围驶入到达区域范围内的目的站点的时长基本不会超过15分钟,可以保证调度车能够及时到达区域范围内的目的站点。
此外,为了确保临时调度的公交车可以尽快驶入所划定的区域范围,进一步减少乘客的候车时间,临时调度的公交车的停靠点优选设置在与设定的区域中心ctr的直线距离在阈值距离范围内的地点处(比如,图1中的点“station”表示临时调度公交车的停靠点)。
以下结合表a对公交调度的星期wk、时间段tq、在时间段tq中划定的公交调度的时间分段ts的含义进行解释:
表a
由上表a可知,本发明中所指的历史星期为比如2021年12月13日-19日的一周,星期wk为一周中的某一天比如周一。时间段tq指的是公交调度的时间段,时间段tq的设置根据每个城市的早晚高峰的不同而不同,比如杭州早高峰时段为7:00-9:00,晚高峰时段为16:30-18:30,那么我们将公交调度的时间段设置为7:00以前、7:00-9:00、9:00-16:30、16:30-18:30、18:30以后这5个时间段。表a中的7:00-7:30、7:30-8:00、8:00-8:30、8:30-9:00为在时间段7:00-9:00中划分出的时间分段ts,时间分段ts的设置间隔可以根据公交调度的精度要求合理设置,比如可以间隔10分钟为一个时间分段,也可间隔30分钟或1个小时为一个时间分段,为了平衡临时公交调度的及时性和计算复杂度,本发明优选将时间分段的间隔设置为30分钟。
通常而言,早晚高峰时段,乘坐公交车的人数增减幅度比较大,非早晚高峰时段乘坐公交车的人数变化相对平缓,因此早晚高峰时段需要临时调度公交的可能性更大。所以本实施例以早高峰时段为例,对本发明提供的基于精确实时信息的公交调度方法的具体实现进行说明。
划分好公交调度的区域范围后,如图2所示,本实施例提供的基于精确实时信息的公交调度方法转入:
步骤S2,获取区域范围内的所有公交站点信息,并根据各公交站点信息从公交线路库中匹配出途经该区域范围的公交线路,然后获取所匹配的每条公交线路停靠的总站点数量以及在所划定的区域范围内停靠的站点数量,并计算每条公交线路在区域范围内的停靠站点数量与停靠总站点数量的比值,记为rt;
公交站点信息包括公交站点的名称和设置的位置信息,比如获取到区域范围的公交站点名称为“XX医院站”,系统根据现有的公交线路经查询可得到途经该“XX医院站”的所有公交线路,比如85路公交途经该“XX医院站”,30路公交也途经该“XX医院站”。匹配出途经该区域范围的公交线路后,可以获取到每条公交线路停靠的总站点数量,比如匹配出85路公交途经区域范围内的“XX医院站”后,可以获取到85路公交车沿途停靠的总站点数量,并且根据区域范围在城市地图中的划定范围,可以计算出每条公交线路在该区域范围内的公交站点设置数量(关于公交线路沿途停靠的总站点数的获取方法以及在区域范围内停靠的站点数量的计算方法利用的都是现有的方法,因此不做具体阐述),进而可计算出比值rt。
步骤S3,获取连续历史星期(为了兼顾人数预测的速度和准确度,优选获取连续4个星期的上车及下车人数数据)中的每个历史星期wx中的同个星期wk的时间段tq内的每个时间分段ts的分段时间范围内在区域范围内的各公交站点上车以及下车的人数,以预测在当前的同个星期wk的时间段tq内的每个时间分段ts的分段时间范围内在区域范围内的各公交站点上车及下车的人数,
并以实时获取的当前星期wk中的同个时间段tq内的第ti-1个时间分段ts内在公交站点的实际上车或下车人数去分别校正第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数;
以下以7:00-9:00这一早高峰时段以及间隔30分钟为一个时间分段ts为例,对本实施例如何预测每个分段时间范围内在所划分的区域范围内的各公交站点的上车人数(下车人数预测方法同上车人数)的预测方法进行具体说明:
如图3所示,预测每个分段时间范围内在划定的区域范围内的各公交站点上车的人数的方法包括:
步骤A1,计算在星期wk(如周一)的时间段tq(如7:00-9:00)内的每个时间分段ts的分段时间范围内在区域范围内的每个公交站点上车人数增减的规律预测值,记为y′,y′的计算方法具体如图4所示,包括:
步骤A11,针对区域范围内的每个公交站点的历史上车人数数据,按照连续历史星期中的同个星期wk以及同个时间段tq内的每个时间分段ts的时间先后顺序进行排序,得到关联每个公交站点的历史上车人数序列,记为odi,odi表示区域范围内的第i个公交站点的历史上车人数序列,odi=(NPt1,NPt2,…,NPti,…,NPtn),NPti表示在ti排序号对应的时间分段ts内上车的历史人数,tn表示序列odi的元素个数;
上表a中的第6列为连续4个星期中的同个星期(周一)在7:00-9:00这一同个时间段tq内的每个时间分段ts内在区域范围内的公交站点A的上车人数,我们按照表a中的排序方式对在公交站点A上车的历史人数进行排序(下车人数排序方式相同),得到上车人数序列odi=(5,15,10,8,6,13,8,7,7,12,6,5,4,25,9,10);
步骤A12,从序列odi的首个排序号开始,以连续4个排序号为一组以错“1”方式将序列odi划分为若干个第一子序列,记为表示从序列odi中划分出的第j个第一子序列,然后将各第一子序列按照划分顺序进行排序,形成序列odchild1, m表示从序列odi中划出的第一子序列的数量;
例如,odi=(5,15,10,8,6,13,8,7,7,12,6,5,4,25,9,10),以连续4个排序号为一组以错“1”方式将该序列划分为 这13个第一子序列,然后将这13个第一子序列按照划分顺序排列为序列
步骤A13,计算序列odchild1中的每个第一子序列中的各元素对应的人数值的平均值,记为并将各平均值按照所对应的第一子序列在序列odchild1中的排序顺序进行排序,形成平均值序列表示第j个第一子序列对应的平均值
例如,第一子序列的平均值(四舍五入取“10”)。对于序列odi=(5,15,10,8,6,13,8,7,7,12,6,5,4,25,9,10),通过平均值计算,其对应的平均值序列如表a中的第7列=(10,10,9,9,9,9,9,8,8,7,7,8,12);
步骤A14,从平均值序列的首个排序号开始,以连续2个排序号为一组以错“1”方式将平均值序列划分为若干个第二子序列,第二子序列记为:表示从平均值序列中划出的第k个第二子序列,然后将各第二子序列按照划分顺序进行排序,形成序列odchild2,q表示从平均值序列中划出的第二子序列的数量;
步骤A15,计算序列odchild2中的每个第二子序列中的各元素的平均值,记为并将各平均值按照所对应的第二子序列在序列odchild2中的排序顺序进行排序,形成平均值序列表示第j个第二子序列对应的平均值
例如,表a中的第6列的人数按序排列形成的序列odi=(5,15,10,8,6,13,8,7,7,12,6,5,4,25,9,10)的第3个元素“10”和序列中的第1个元素“10”都对应分段序号“4”,表示odi中的第3个元素与序列中的第1个元素具有对应关系,则计算序列odi中的第3个元素“10”与序列中的第1个元素“10”的比值,即表示在历史星期wx-3的星期一的8:00-8:30这一时间分段内在公交站点A上车的人数增减规律值为100%。又比如,序列odi中的第4个元素为“8”,序列中的第2个元素为“10”,两个元素的比值为表示在历史星期wx-3的星期一的8:30-9:00这一时间分段内在公交站点A上车的人数增减规律值为80%。以此类推,计算出每个时间分段ts内在区域范围内的每个公交站点的上车人数的增减规律值(下车人数的增减规律值计算方法相同)。
y′=A×ti+B 公式(2)
公式(2)中,A表示直线回归方程的截距;
B表示直线回归方程的斜率;
由于最小二乘法拟合直线回归方程的过程并非本发明要求权利保护的范围,因此关于最小二乘法以同个公交站点在不同历史星期的同个星期wk中的同个时间段tq中的不同时间分段ts对应的上车人数增减规律值为离散点拟合直线回归方程的具体原理在此不做说明。
步骤A18,将序列odi中的每个排序号代入到直线回归方程中,得到每个排序号所对应的时间分段ts在对应的公交站点上车人数增减的规律预测值y′。例如,ti=4时,将ti=4代入到公式(2)中,得到y′=8(表示在历史星期wx-3的星期一的8:30-9:00的公交站点A上车的人数增减的规律预测值为8)。
通过步骤A11-A18计算出每个历史星期的同一天的同个时间段中的每个时间分段的关联同个公交站点的上车人数增减的规律预测值y′后,如图3所示,预测每个分段时间范围内在划定的区域范围内的各公交站点的上车人数的方法转入:
步骤A2,根据规律预测值y′,计算在同个星期wk的同个时间段tq内的每个时间分段ts内在划定的区域范围内的每个公交站点的上车人数的预测值,记为y″,具体计算方法如图5所示,包括:
以下结合表b对上车人数的初始预测系数的计算方法进行举例说明:
表b
根据上表a计算得到公交站点A在历史星期wx-2、wx-1、wx的星期一的7:00-7:30的上车人数增减规律值分别为66.67、77.78和50(即表b中的第3列的第3、4、5行记载的数值),我们通过计算这三个增减规律值的平均值,即作为公交站点A在星期一的7:00-7:30的上车人数的初始预测系数;
考虑到周一到周五的不同时间分段的上车或下车人数的增减规律并不相同,一般而言,乘车高峰期比如7:30-8:30的上车或下车人数增减幅度较大,7:30之前以及8:30之后的上车或下车人数增减幅度较小,且周一一般公交乘坐人数最多,周五通常最少,因此本发明赋予不同星期的不同时间分段相对应的校正系数cfts,具体为:
对于星期一,赋予7:30-8:30以及17:00-18:00的校正系数cfts=1.1,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的校正系数cfts=1.05,赋予7:00以前以及18:30以后的时间段的校正系数cfts=1;
对于星期二、三、四,赋予7:30-8:30以及17:00-18:00的校正系数cfts=1.05,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的校正系数cfts=1.02,赋予7:00以前以及18:30以后的时间段的校正系数cfts=1;
对于星期五,赋予7:30-8:30以及17:00-18:00的校正系数cfts=1.02,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的校正系数cfts=1.01,赋予7:00以前以及18:30以后的时间段的校正系数cfts=1。
这里需要说明的是,由于不同城市具有不同的早晚高峰时段,因此校正系数cfts的赋予方式可根据不同的早晚高峰时段进行调整,比如某城市的早高峰时段为6:30-8:30,则当当前天为星期一时,可赋予7:00-8:00的校正系数cfts=1.1,赋予6:30-7:00、8:00-8:30的校正系数cfts=1.05,赋予6:30以前以及8:30以后的时间段的校正系数cfts=1。
表b中的第7行的数值“68.061”为公交站点A在星期一的7:00-7:30的上车人数的初始预测系数“64.82”以及星期一的7:00-7:30这一时间分段对应的校正系数cfts=1.05的乘积;同样地,表b中的第7行的数值“199.63”为公交站点A在星期一的7:30-8:00的上车人数的初始预测系数“181.48”以及星期一的7:30-8:00这一时间分段对应的校正系数cfts=1.1的乘积;
步骤A23,计算区域范围内的每个公交站点在每个时间分段ts上车人数的规律预测值y′与对应的人数预测系数的乘积作为该公交站点的上车人数的预测值y″。例如,根据直线回归方程求得的表a中排序号ti=4(即历史星期wx-3的星期一的8:30-9:00这一时间分段)对应的上车人数的规律预测值y′=8,星期一的8:30-9:00这一时间分段对应的人数预测系数为表b中的第7行的数值“80.22”,那么在历史星期wx-3的星期一的8:30-9:00在公交站点A上车的乘客数的预测值y″=8×80.22%=6.42(四舍五入取“6”)。
预测出同个星期wk的同个时间段tq内的每个时间分段ts内在所划定的区域范围内的每个公交站点的上车人数的预测值后,如图3所示,预测每个分段时间范围内在划定的区域范围内的各公交站点的上车人数的方法转入:
步骤A3,根据每个公交站点在每个时间分段ts的真实上车人数和预测值y″,计算上车人数预测误差error,计算方式通过以下公式(3)表达:
公式(3)中,l表示划定的区域范围内的第l个公交站点;
nsite表示区域范围内的公交站点的数量;
yl表示在所述星期wk的同个所述时间段tq内的所述时间分段ts内在所述公交站点的真实上车或下车人数;
y″l表示预测的在所述星期wk的同个所述时间段tq内的所述时间分段ts内在所述公交站点的上车或下车人数;
步骤A4,判断时间分段ts是否处于上车或下车人数递增区间(对于早晚高峰时间段分别为7:00-9:00、16:30-18:30,本发明将7:00-8:30以及16:30-18:00视为上车人数单调递增区间,将8:30-9:00以及18:00-18:30视为上车人数单调递减区间。另外,在预测每个公交站点在每个时间分段ts的下车人数时,本发明同样将7:00-8:30以及16:30-18:00视为下车人数单调递增区间,将8:30-9:00以及18:00-18:30视为下车人数单调递减区间),
若是,则对预测值y″和预测误差error进行求和,所得和值作为在当前的星期wk的时间分段ts内从公交站点上车的人数的最终预测值;
若否,则对所述预测值y″和所述预测误差error进行求差,所得差值作为在当前的星期wk的时间分段ts内从公交站点上车的人数的最终预测值。
为了进一步提升对每个公交站点的上车人数或下车人数的预测准确性,本发明还通过实时获取当前星期wk中的同个时间段tq内的第ti-1个时间分段ts内在公交站点的实际上车或下车人数去分别校正第ti-1个的下一个第ti个时间分段ts内上车或下车的预测人数,具体校正方法为:
例如,当前时间为星期一的7:45,处于时间分段7:30-8:00中,根据历史的上车人数数据,预测到在公交站点A上车的乘客数为10,而实际截止到7:58,实际在公交站点A的上车人数为9,那么通过计算预测上车人数“10”与实际上车人数“9”的差值,可以得到预测误差为“1”。当处于上车人数变动幅度大的时间分段时,这个误差会更加明显,所以为了进一步提升上车或下车人数的预测准确度,我们通过计算的在第ti-1个时间分段ts内上车的人数误差,比如用7:30-8:00的上车人数误差“1”去校正该公交站点在第ti个时间分段ts(第ti-1个时间分段的下一个时间分段,比如7:30-8:00的下一个时间分段为8:00-8:30)内上车或下车的预测人数,具体校正方法为:
当同个时间段tq内的第ti个时间分段ts处于上车人数或下车人数递增区间时,则计算第ti个时间分段ts内上车或下车的预测人数与第ti-1个时间分段ts内的上车人数误差或下车人数误差的和值作为实时校正后的上车或下车预测人数,否则,计算第ti个时间分段ts内上车或下车的预测人数与第ti-1个时间分段ts内的上车人数误差或下车人数误差的差值作为实时校正后的上车或下车预测人数。
关于每个公交站点的在每个时间分段ts内的下车人数的预测方法同上车人数预测方法,所以不再赘述。
预测出划定的区域范围内的每个公交站点在同个时间段tq内的每个时间分段ts的上车人数及下车人数后,本实施例提供的基于精确实时信息的公交调度方法如图2所示,转入:
步骤S4,根据步骤S3预测的在所划定的区域范围内的各公交站点的上车人数和下车人数,计算在设定的人数累加时长内在各公交站点的预测上车人数和预测下车人数的累加值,分别记为avalue1、avalue2,然后计算avalue1和avalue2的差值作为乘车增量,该差值记为dvalue;
这里需要说明的是,avalue1是在指定的时间段内比如上午8:00-8:30在划定的区域范围内的各公交站点的预测上车人数的累加值,avalue2是在相同时间段内如8:00-8:30在划定的区域范围内的各公交站点的预测下车人数的累加值。
步骤S5,获取当前时间在所划定的区域范围内以及未来候车时长dt内进入该区域范围内的每辆公交车(当前行驶在区域范围内的公交车数量比如可根据设置在公交车上的定位装置获知,比如公交车A上的定位装置定位到38路公交车当前位置处于划定的区域范围内,则38路公交车在区域范围内的数量加“1”,未来候车时长dt内进入该区域范围内的公交车数量则可以根据目前行驶在区域范围外的公交车的定位位置、行驶速度以及公交车当前位置与区域范围的边缘点的距离计算而得)的最大载客数Nopi(确定当前行驶在区域范围内或未来等候时长dt内进入该区域范围的每辆公交车的类型后,我们便可以匹配出每辆公交车的最大载客数),然后计算所有公交车的累积最大载客数,记为Nopi表示第i辆公交的最大载客数,n表示当前时间在区域范围内以及未来候车时长dt内进入区域范围内的公交数量;
步骤S6,根据以下公式(1)计算当前时间行驶在区域范围内及未来候车时长dt内进入区域范围内的公交车继续可载的乘客总数call,
这里需要说明的是,为了便于公交调度的计算,优选地,人数累加时长=候车时长dt=时间段tq中的每个时间分段ts的间隔时长。
步骤S7,判断步骤S4计算的乘车增量dvalue是否大于步骤S6计算的乘客总数call,
若是,则判定需要向该区域范围临时调度公交,并框选出该区域范围以可视化方式提示调度人员该区域范围需要增加调度,然后转入步骤S8;
若否,则判定不需要向该区域范围临时调度公交且不报警提示;
步骤S8,根据预设的调度策略输出公交临时调度计划并展示给调度人员,具体地,如图7所示,调度计划的输出过程包括:
步骤S81,判断在未来的候车时长dt内是否有执行公交线路busroutj的公交进入到区域范围内,busroutj表示区域范围内的第j条公交线路,
若是,则过滤掉公交线路busroutj(本发明将未来候车时长dt内有公交车进入区域范围的公交线路判定为不需要临时增加调度),然后转入步骤S82;
若否,则转入步骤S82;
步骤S82,判断经步骤S81过滤剩余的该区域范围内的各条公交线路途经同个公交站点site的数量是否大于等于预设的数量阈值(优选为3),
若是,则将途经同个公交站点site的各条公交线路初步判定为拟调度对象,并转入步骤S83,
若否,则将经步骤S81过滤剩余的区域范围内的每条公交线路初步判定为拟调度对象并转入步骤S83;
步骤S83,在经步骤S82过滤剩余的各条公交线路中选定在区域范围内设置公交站点数量最多的线路作为公交调度对象,然后输出公交临时调度计划(临时调度计划内容包括需要临时调度的公交线路名称、执行该公交线路的临时调度车的班车号比如83路公交、计划执行时间、临时调度车驶向的起始公交站点的名称、公交车司机信息等)给调度人员,接收到临时调度任务的公交车司机根据调度计划驶向区域范围内的起始站点去执行被最终确定为公交调度对象的公交线路的剩余路径。
假设,图1中的线路a-e分别途经区域范围内的公交站点见下表c:
表c
假设未来等候时长dt内有一辆执行线路a的公交车会进入到划定的区域范围内,则根据调度策略中的步骤S81,直接将线路a判定为不需要增加临时调度而予以过滤,过滤掉线路a后,剩余线路b-e,然后转入步骤S82,;
假设调度策略中的步骤S82中设定的数量阈值为3,根据上表c,经步骤S81过滤剩余的各条线路途经同个公交站点的数量大于等于3的公交站点只有公交站点I,而线路b不停靠公交站点I,则将不途经公交站点I的线路b过滤掉,剩余线路c-e3条线路,然后转入步骤S83;
线路c-e中,线路d在区域范围中的停靠站点数量最多,所以根据步骤S83,将线路d作为公交调度对象,调度执行线路d的公交前往区域范围内的起始站点(比如线路d在区域范围内的起始站点为B)去执行剩余路径。
另外需要说明的是,每个公交站点在每个时间分段ts的真实上车人数可以通过每辆公交车在对应时间分段ts的上车刷卡数计数而得,真实下车人数则可以通过人像自动识别等现有方法计数而得。
本发明还提供了一种基于精确实时信息的公交调度系统,如图7所示,包括:
参数设置模块,用于提供给调度人员设定公交调度参数,公交调度参数包括公交调度的区域中心ctr和半径r、公交调度的星期wk、时间段tq、在所述时间段tq中划定公交调度的时间分段ts、人数累加时长以及可接受的候车时长dt,并根据设定的所述区域中心ctr和所述半径r划定公交调度的区域范围;
公交站点信息获取模块,用于根据输入的公交站点信息获取指令获取所划定的区域范围内的所有公交站点信息并存储;
公交线路匹配模块,连接公交站点信息获取模块,用于根据获取的各公交站点信息从公交线路库中匹配出途经区域范围的公交线路;
停靠站点数量计算模块,分别连接所述公交线路匹配模块和所述公交站点信息获取模块,用于以完成公交线路匹配为指令,计算所匹配的每条公交线路停靠的总站点数量以及在该区域范围内停靠的站点数量(根据匹配到的公交线路停靠的各公交站点的信息和获取的区域范围内的公交站点信息可以计算出每条公交线路在区域范围内停靠的站点数量);
比值计算模块,连接停靠站点数量计算模块,用于根据计算的每条公交线路停靠的总站点数量以及在区域范围内停靠的站点数量,计算每条公交线路在区域范围内的停靠站点数量与停靠总站点数量的比值,记为rt;
数据获取模块,用于根据人数获取指令获取连续历史星期中的每个历史星期wx中的同个星期wk的时间段tq内的每个时间分段ts的分段时间范围内在区域范围内的各公交站点上车以及下车的人数,并用于实时获取当前星期wk中的同个时间段tq内的第ti-1个时间分段ts内在每个公交站点的实际上车或下车人数
上车及下车人数预测模块,连接数据获取模块,用于根据获取的上车以及下车人数数据,预测在当前的同个星期wk的时间段tq内的每个时间分段ts的分段时间范围内在区域范围内的各公交站点上车及下车的人数;
预测人数校正模块,连接上车及下车人数预测模块,用于以实时获取的当前星期wk中的同个时间段tq内的第ti-1个时间分段ts内在公交站点的实际上车或下车人数去分别校正当前时间段tq中的第ti-1个的下一个第ti个时间分段ts内上车或下车的预测人数;
人数累加模块,连接上车及下车人数预测模块、预测人数校正模块和参数设置模块,用于根据预测的在所划定的区域范围内的各公交站点的上车人数和下车人数,计算在设定的人数累加时长内在各公交站点的预测上车人数和预测下车人数的累加值,分别记为avalue1、avalue2;
乘车增量计算模块,连接人数累加模块,用于计算avalue1和avalue2的差值作为乘车增量,记为dvalue;
最大载客数获取模块,用于获取当前时间在区域范围内以及未来候车时长dt内进入区域范围内的每辆公交车的最大载客数Nopi;
继续可载人数计算模块,分别连接累积最大载客数计算模块和比值计算模块,用于根据以下公式(4)计算当前时间行驶在区域范围内及未来候车时长dt内进入区域范围内的公交车继续可载的乘客总数call,
判断模块,连接继续可载人数计算模块和乘车增量计算模块,用于判断计算的乘车增量dvalue是否大于计算的乘客总数call,
若是,则判定需要向该区域范围内临时调度公交;
若否,则判定不需要向该区域范围内临时调度公交;
报警提示模块,连接判断模块,用于在判定需要向区域范围临时调度公交时,自动框选出设定的该区域范围并以可视化方式(比如声光报警、大屏幕显示等方式)提示调度人员该区域范围需要临时增加调度;
调度模块,连接判断模块、公交站点信息获取模块、公交线路匹配模块,用于在判定需要向该区域范围内临时调度公交后,根据预设的调度策略输出临时公交调度计划并展示给调度人员。
本实施例提供的基于精确实时信息的公交调度系统输出临时公交调度计划的方法在上述的公交调度方法中已作了详细阐述,在此不再赘述。
需要声明的是,上述具体实施方式仅仅为本发明的较佳实施例及所运用技术原理。本领域技术人员应该明白,还可以对本发明做各种修改、等同替换、变化等等。但是,这些变换只要未背离本发明的精神,都应在本发明的保护范围之内。另外,本申请说明书和权利要求书所使用的一些术语并不是限制,仅仅是为了便于描述。
Claims (10)
1.一种基于精确实时信息的公交调度方法,其特征在于,步骤包括:
S1,设定公交调度参数,包括公交调度的区域中心ctr和半径r、公交调度的星期wk、时间段tq、在所述时间段tq中划定的公交调度的时间分段ts、人数累加时长以及可接受的候车时长dt,并以设定的所述区域中心ctr为圆心、设定的所述半径r为圆半径画圆以划定公交调度的区域范围;
S2,获取所述区域范围内的所有公交站点信息,并根据各所述公交站点信息从公交线路库中匹配出途经所述区域范围的公交线路,然后计算所匹配的每条所述公交线路停靠的总站点数量以及在所述区域范围内停靠的站点数量,并计算每条所述公交线路在所述区域范围内的停靠站点数量与停靠总站点数量的比值,记为rt;
S3,获取连续历史星期中的每个历史星期wx中的同个所述星期wk的所述时间段tq内的每个时间分段ts的分段时间范围内在所述区域范围内的各公交站点上车以及下车的人数,以预测在当前的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各公交站点上车及下车的人数,
并以实时获取的当前的所述星期wk中的同个所述时间段tq内的第ti-1个所述时间分段ts内在所述公交站点的实际上车或下车人数去分别校正第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数;
S4,根据步骤S3预测的在所划定的区域范围内的各所述公交站点的上车人数和下车人数,计算在设定的所述人数累加时长内在各所述公交站点的预测上车人数和预测下车人数的累加值,分别记为avalue1、avalue2,然后计算avalue1和avalue2的差值作为乘车增量,记为dvalue;
S5,获取当前时间在所述区域范围内及未来候车时长dt内进入所述区域范围内的每辆公交车的最大载客数Nopi,然后计算所有公交车的累积最大载客数,记为 Nopi表示第i辆公交的最大载客数,n表示当前时间在所述区域范围内以及未来候车时长dt内进入所述区域范围内的公交数量;
S6,根据以下公式(1)计算当前时间行驶在所述区域范围内及未来所述候车时长dt内进入所述区域范围内的公交车继续可载的乘客总数call,
S7,判断步骤S4计算的乘车增量dvalue是否大于步骤S6计算的所述乘客总数call,
若是,则判定需要向所述区域范围临时调度公交,并框选出所述区域范围以可视化方式提示调度人员所述区域范围需要增加调度,然后转入步骤S8;
若否,则判定不需要向所述区域范围临时调度公交且不报警提示;
S8,根据预设的调度策略输出公交临时调度计划并展示给所述调度人员。
2.根据权利要求1所述的基于精确实时信息的公交调度方法,其特征在于,步骤S3中,预测在当前的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各所述公交站点上车及下车的人数的方法步骤包括:
A1,计算在所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的每个所述公交站点上车或下车人数增减的规律预测值,记为y′;
A2,根据规律预测值y′,计算在同个所述星期wk的同个所述时间段tq内的每个所述时间分段ts内在划定的所述区域范围内的每个所述公交站点的上车或下车人数的预测值,记为y″;
A3,根据每个所述公交站点在每个所述时间分段ts的真实上车或下车人数和预测值y″,计算上车人数或下车人数的预测误差error;
A4,判断所述时间分段ts是否处于上车或下车人数递增区间,
若是,则对所述预测值y″和所述预测误差error进行求和,所得和值作为在当前的所述星期wk的所述时间分段ts内从所述公交站点上车或下车的人数的最终预测值;
若否,则对所述预测值y″和所述预测误差error进行求差,所得差值作为在当前的所述星期wk的所述时间分段ts内从所述公交站点上车或下车的人数的最终预测值。
3.根据权利要求2所述的基于精确实时信息的公交调度方法,其特征在于,所述步骤A1中,计算所述规律预测值y′的方法步骤包括:
A11,针对所述区域范围内的每个所述公交站点的历史上车和下车人数数据,按照连续历史星期中的同个所述星期wk以及同个所述时间段tq内的每个所述时间分段ts的时间先后顺序进行排序,得到关联每个所述公交站点的历史上车人数序列或历史下车人数序列,记为odi,odi表示所述区域范围内的第i个所述公交站点的历史上车人数序列或历史下车人数序列,odi=(NPt1,NPt2,…,NPti,…,NPtn),NPti表示在ti排序号对应的所述时间分段ts内上车或下车的历史人数,tn表示所述序列odi的元素个数;
A12,从序列odi的首个排序号开始,以连续4个排序号为一组以错“1”方式将所述序列odi划分为若干个第一子序列,记为表示从所述序列odi中划分出的第j个所述第一子序列,然后将各所述第一子序列按照划分顺序进行排序,形成序列odchild1,m表示从所述序列odi中划出的所述第一子序列的数量;
A13,计算所述序列odchild1中的每个所述第一子序列中的各元素对应的人数值的平均值,记为并将各平均值按照所对应的所述第一子序列在所述序列odchild1中的排序顺序进行排序,形成平均值序列 表示第j个所述第一子序列对应的所述平均值
A14,从所述平均值序列的首个排序号开始,以连续2个排序号为一组以错“1”方式将所述平均值序列划分为若干个第二子序列,所述第二子序列记为: 表示从所述平均值序列中划出的第k个所述第二子序列,然后将各所述第二子序列按照划分顺序进行排序,形成序列odchild2,q表示从所述平均值序列中划出的所述第二子序列的数量;
A15,计算序列odchild2中的每个所述第二子序列中的各元素的平均值,记为并将各平均值按照所对应的所述第二子序列在所述序列odchild2中的排序顺序进行排序,形成平均值序列 表示第j个所述第二子序列对应的所述平均值
A17,以各所述增减规律值为离散点,通过最小二乘法构建以排序号ti为自变量,以每个所述公交站点在每个所述时间分段ts的上车或下车人数增减的所述规律预测值y′为因变量的直线回归方程,所述直线回归方程通过以下公式(2)表达:
y′=A×ti+B 公式(2)
公式(2)中,A表示所述直线回归方程的截距;
B表示所述直线回归方程的斜率;
A18,将所述序列odi中的每个排序号代入到所述直线回归方程中,得到每个所述排序号所对应的所述时间分段ts在对应的所述公交站点上车或下车人数增减的所述规律预测值y′。
4.根据权利要求3所述的基于精确实时信息的公交调度方法,其特征在于,所述步骤A2中,计算所述区域范围内的每个所述公交站点的上车或下车人数的预测值y″的方法步骤包括:
A21,计算不同的历史星期wx中的同个所述星期wk的同个所述时间段tq内的同个所述时间分段ts对应的所述增减规律值的平均值作为所对应的所述公交站点在对应的所述星期wk中的所述时间分段ts的上车人数或下车人数的初始预测系数;
A22,获取所述星期wk中的所述时间段tq中的所述时间分段ts的校正系数cfts,然后计算所述时间分段ts对应的上车或下车人数的初始预测系数与所述校正系数cfts的乘积,所得乘值记为作为对所述初始预测系数校正后的人数预测系数;
5.根据权利要求4所述的基于精确实时信息的公交调度方法,其特征在于,步骤A22中,对于星期一,赋予7:30-8:30以及17:00-18:00的所述校正系数cfts=1.1,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的所述校正系数cfts=1.05,赋予7:30以前以及18:30以后的时间段的所述校正系数cfts=1;
对于星期二、三、四,赋予7:30-8:30以及17:00-18:00的所述校正系数cfts=1.05,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的所述校正系数cfts=1.02,赋予7:30以前以及18:30以后的时间段的所述校正系数cfts=1;
对于星期五,赋予7:30-8:30以及17:00-18:00的所述校正系数cfts=1.02,赋予7:00-7:30、8:30-9:00、16:30-17:00、18:00-18:30的所述校正系数cfts=1.01,赋予7:30以前以及18:30以后的时间段的所述校正系数cfts=1。
7.根据权利要求1-6任意一项所述的基于精确实时信息的公交调度方法,其特征在于,所述步骤S3中,校正第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数的方法为:
当同个所述时间段tq内的第ti个时间分段ts处于上车人数或下车人数递增区间时,则计算第ti个时间分段ts内上车或下车的预测人数与第ti-1个时间分段ts内的上车人数误差或下车人数误差的和值作为实时校正后的上车或下车预测人数,否则,计算第ti个时间分段ts内上车或下车的预测人数与第ti-1个时间分段ts内的上车人数误差或下车人数误差的差值作为实时校正后的上车或下车预测人数。
8.根据权利要求1所述的基于精确实时信息的公交调度方法,其特征在于,所述半径r=2km;
所述人数累加时长=所述候车时长dt=所述时间段tq中的每个所述时间分段ts的间隔时长;
所述时间段tq中的每个所述时间分段ts的间隔时长为15分钟。
9.根据权利要求1-8任意一项所述的基于精确实时信息的公交调度方法,其特征在于,步骤S8中,所述调度策略的实现具体包括步骤:
S81,判断在未来的所述候车时长dt内是否有执行公交线路busroutj的公交进入到所述区域范围内,busroutj表示所述区域范围内的第j条所述公交线路,
若是,则过滤掉所述公交线路busroutj,然后转入步骤S82;
若否,则转入步骤S82;
S82,判断经步骤S81过滤剩余的所述区域范围内的各条所述公交线路途经同个公交站点site的数量是否大于等于预设的数量阈值,
若是,则将途经同个所述公交站点site的各条所述公交线路初步判定为拟调度对象,并转入步骤S83,
若否,则将经步骤S81过滤剩余的所述区域范围内的每条所述公交线路初步判定为拟调度对象并转入步骤S83;
S83,在经步骤S82过滤剩余的各条所述公交线路中选定在所述区域范围内设置所述公交站点数量最多的线路作为公交调度对象,然后调度公交前往所述区域范围内的起始站点去执行被最终确定为所述公交调度对象的所述公交线路的剩余路径。
10.一种基于精确实时信息的公交调度系统,可实现如权利要求1-9任意一项所述的公交调度方法,其特征在于,所述公交调度系统包括:
参数设置模块,用于提供给调度人员设定公交调度参数,公交调度参数包括公交调度的区域中心ctr和半径r、公交调度的星期wk、时间段tq、在所述时间段tq中划定公交调度的时间分段ts、人数累加时长以及可接受的候车时长dt,并根据设定的所述区域中心ctr和所述半径r划定公交调度的区域范围;
公交站点信息获取模块,用于根据输入的公交站点信息获取指令获取所划定的所述区域范围内的所有公交站点信息并存储;
公交线路匹配模块,连接所述公交站点信息获取模块,用于根据获取的各所述公交站点信息从公交线路库中匹配出途经所述区域范围的公交线路;
停靠站点数量计算模块,分别连接所述公交线路匹配模块和所述公交站点信息获取模块,用于以完成公交线路匹配为指令,计算所匹配的每条所述公交线路停靠的总站点数量以及在所述区域范围内停靠的站点数量;
比值计算模块,连接所述停靠站点数量计算模块,用于根据计算的每条所述公交线路停靠的总站点数量以及在所述区域范围内停靠的站点数量,计算每条所述公交线路在所述区域范围内的停靠站点数量与停靠总站点数量的比值,记为rt;
数据获取模块,用于根据人数获取指令获取连续历史星期中的每个历史星期wx中的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各所述公交站点上车以及下车的人数,并用于实时获取当前所述星期wk中的同个所述时间段tq内的第ti-1个所述时间分段ts内在每个所述公交站点的实际上车或下车人数
上车及下车人数预测模块,连接所述数据获取模块,用于根据获取的上车以及下车人数数据,预测在当前的同个所述星期wk的所述时间段tq内的每个所述时间分段ts的分段时间范围内在所述区域范围内的各所述公交站点上车及下车的人数;
预测人数校正模块,连接所述上车及下车人数预测模块,用于以实时获取的当前所述星期wk中的同个所述时间段tq内的第ti-1个所述时间分段ts内在所述公交站点的实际上车或下车人数去分别校正当前所述时间段tq中的第ti-1个的下一个第ti个所述时间分段ts内上车或下车的预测人数;
人数累加模块,连接所述上车及下车人数预测模块、所述预测人数校正模块和所述参数设置模块,用于根据预测的在所划定的所述区域范围内的各所述公交站点的上车人数和下车人数,计算在设定的所述人数累加时长内在各所述公交站点的预测上车人数和预测下车人数的累加值,分别记为avalue1、avalue2;
乘车增量计算模块,连接所述人数累加模块,用于计算avalue1和avalue2的差值作为乘车增量,记为dvalue;
最大载客数获取模块,用于获取当前时间在所述区域范围内以及所述未来候车时长dt内进入所述区域范围内的每辆公交车的最大载客数Nopi;
累积最大载客数计算模块,连接所述最大载客数获取模块,用于计算所有公交车的累积最大载客数,记为Nopi表示第i辆公交的最大载客数,n表示当前时间在所述区域范围内以及所述未来候车时长dt内进入所述区域范围内的公交数量;
继续可载人数计算模块,分别连接所述累积最大载客数计算模块和所述比值计算模块,用于根据以下公式(4)计算当前时间行驶在所述区域范围内及所述未来候车时长dt内进入所述区域范围内的公交车继续可载的乘客总数call,
判断模块,连接所述继续可载人数计算模块和所述乘车增量计算模块,用于判断计算的乘车增量dvalue是否大于计算的乘客总数call,
若是,则判定需要向所述区域范围内临时调度公交;
若否,则判定不需要向所述区域范围内临时调度公交;
报警提示模块,连接所述判断模块,用于在判定需要向所述区域范围临时调度公交时,自动框选出设定的所述区域范围并以可视化方式提示调度人员所述区域范围需要临时增加调度;
调度模块,连接所述判断模块、所述公交站点信息获取模块、所述公交线路匹配模块,用于在判定需要向所述区域范围内临时调度公交后,根据预设的调度策略输出临时公交调度计划并展示给调度人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111574100.1A CN114241770B (zh) | 2021-12-21 | 2021-12-21 | 基于精确实时信息的公交调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111574100.1A CN114241770B (zh) | 2021-12-21 | 2021-12-21 | 基于精确实时信息的公交调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114241770A true CN114241770A (zh) | 2022-03-25 |
CN114241770B CN114241770B (zh) | 2022-11-18 |
Family
ID=80760700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111574100.1A Active CN114241770B (zh) | 2021-12-21 | 2021-12-21 | 基于精确实时信息的公交调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241770B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116245571A (zh) * | 2023-02-09 | 2023-06-09 | 杭州凯宇信息技术有限公司 | 基于服务半径的精准广告推送方法 |
CN116597638A (zh) * | 2023-07-18 | 2023-08-15 | 山东华夏高科信息股份有限公司 | 一种基于大数据的智慧交通监测调度系统 |
WO2024125253A1 (zh) * | 2022-12-12 | 2024-06-20 | 中国科学院深圳先进技术研究院 | 公交车到达时间不确定性可视化方法、系统、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573849A (zh) * | 2014-12-12 | 2015-04-29 | 安徽富煌和利时科技股份有限公司 | 基于arima模型预测客流的公交调度优化方法 |
US9562785B1 (en) * | 2015-07-20 | 2017-02-07 | Via Transportation, Inc. | Continuously updatable computer-generated routes with continuously configurable virtual bus stops for passenger ride-sharing of a fleet of ride-sharing vehicles and computer transportation systems and computer-implemented methods for use thereof |
CN108922178A (zh) * | 2018-07-01 | 2018-11-30 | 北京工业大学 | 基于公交多源数据的公交车辆实时满载率计算方法 |
CN109035770A (zh) * | 2018-07-31 | 2018-12-18 | 上海世脉信息科技有限公司 | 一种大数据环境下公交载客量实时分析预测方法 |
CN109034566A (zh) * | 2018-07-11 | 2018-12-18 | 南京行者易智能交通科技有限公司 | 一种基于公交站点上下客流的智能调度方法及装置 |
CN109886491A (zh) * | 2019-02-26 | 2019-06-14 | 北京工业大学 | 一种海量运行数据驱动的地面公交两阶段优化调度方法 |
JP2020194366A (ja) * | 2019-05-28 | 2020-12-03 | 株式会社バイタルリード | 配車処理システム |
WO2021004115A1 (zh) * | 2019-07-11 | 2021-01-14 | 北京航空航天大学 | 一种人工驾驶公交和自动驾驶公交联合调度优化方法 |
CN113470364A (zh) * | 2021-09-01 | 2021-10-01 | 南通华锐软件技术有限公司 | 一种基于人工智能和大数据的公交车调度方法及系统 |
-
2021
- 2021-12-21 CN CN202111574100.1A patent/CN114241770B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573849A (zh) * | 2014-12-12 | 2015-04-29 | 安徽富煌和利时科技股份有限公司 | 基于arima模型预测客流的公交调度优化方法 |
US9562785B1 (en) * | 2015-07-20 | 2017-02-07 | Via Transportation, Inc. | Continuously updatable computer-generated routes with continuously configurable virtual bus stops for passenger ride-sharing of a fleet of ride-sharing vehicles and computer transportation systems and computer-implemented methods for use thereof |
CN108922178A (zh) * | 2018-07-01 | 2018-11-30 | 北京工业大学 | 基于公交多源数据的公交车辆实时满载率计算方法 |
CN109034566A (zh) * | 2018-07-11 | 2018-12-18 | 南京行者易智能交通科技有限公司 | 一种基于公交站点上下客流的智能调度方法及装置 |
CN109035770A (zh) * | 2018-07-31 | 2018-12-18 | 上海世脉信息科技有限公司 | 一种大数据环境下公交载客量实时分析预测方法 |
CN109886491A (zh) * | 2019-02-26 | 2019-06-14 | 北京工业大学 | 一种海量运行数据驱动的地面公交两阶段优化调度方法 |
JP2020194366A (ja) * | 2019-05-28 | 2020-12-03 | 株式会社バイタルリード | 配車処理システム |
WO2021004115A1 (zh) * | 2019-07-11 | 2021-01-14 | 北京航空航天大学 | 一种人工驾驶公交和自动驾驶公交联合调度优化方法 |
CN113470364A (zh) * | 2021-09-01 | 2021-10-01 | 南通华锐软件技术有限公司 | 一种基于人工智能和大数据的公交车调度方法及系统 |
Non-Patent Citations (3)
Title |
---|
刘星程等: "一种基于云计算的公交车实时调度算法改进", 《电脑知识与技术》 * |
胡坚明等: "公交智能化调度系统实时调度形式确定方法研究", 《公路交通科技》 * |
陈涛: "基于大数据和混合启发式算法的公交调度方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024125253A1 (zh) * | 2022-12-12 | 2024-06-20 | 中国科学院深圳先进技术研究院 | 公交车到达时间不确定性可视化方法、系统、设备及介质 |
CN116245571A (zh) * | 2023-02-09 | 2023-06-09 | 杭州凯宇信息技术有限公司 | 基于服务半径的精准广告推送方法 |
CN116245571B (zh) * | 2023-02-09 | 2023-10-27 | 杭州凯宇信息技术有限公司 | 基于服务半径的精准广告推送方法 |
CN116597638A (zh) * | 2023-07-18 | 2023-08-15 | 山东华夏高科信息股份有限公司 | 一种基于大数据的智慧交通监测调度系统 |
CN116597638B (zh) * | 2023-07-18 | 2023-09-29 | 山东华夏高科信息股份有限公司 | 一种基于大数据的智慧交通监测调度系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114241770B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114241770B (zh) | 基于精确实时信息的公交调度方法及系统 | |
CN108932862B (zh) | 一种自动驾驶车辆调度方法和装置 | |
CN105575108B (zh) | 一种智能公交调度运营方法 | |
US20190108468A1 (en) | Method and apparatus to operate smart mass transit systems with on-demand rides, dynamic routes and coordinated transfers | |
CN107045783B (zh) | 一种基于约定出行的道路路网精准行车运行方法和系统 | |
CN113920769B (zh) | 一种基于公交多源数据分析的智能排班表生成方法 | |
CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
CN106503869A (zh) | 一种基于站点短时需求预测的公共自行车动态调度方法 | |
CN105632222B (zh) | 预报到站时间的方法及其系统 | |
CN102890869A (zh) | 车辆行车路线预测通知方法及移动智能终端 | |
CN110675032A (zh) | 一种车辆调度方法及其装置 | |
CN112988847B (zh) | 一种基于大数据的景区人数预测系统以及方法 | |
CN115472011B (zh) | 基于预约数据的公交智能线路规划算法 | |
CN114662801B (zh) | 一种公交车辆的运营精准管理方法及其系统 | |
CN114037158A (zh) | 一种基于od路径的客流预测方法及应用方法 | |
CN107248280A (zh) | 一种基于实时客流预测的公交车发车调度方法 | |
CN111311950B (zh) | 公交车高峰期智能调度方法及系统 | |
CN111882254A (zh) | 基于互联网无人驾驶车的约车方法 | |
CN114613182A (zh) | 一种基于物联网的网约无人驾驶车辆系统及方法 | |
CN109308539A (zh) | 实时估算轨道交通线网中换乘站的乘客滞留状态的方法 | |
CN111547113B (zh) | 一种地铁司机正线多点值乘的自动排班方法 | |
CN113592272A (zh) | 一种公交及巡游小巴的调度方法 | |
Pratelli et al. | Comparing route deviation bus operation with respect to dial-a-ride service for a low-demand residential area | |
Vlasov et al. | Ground urban passenger transport in a period of digital transformation | |
CN110930079A (zh) | 一种基于实绩图的高速铁路列车运行图综合评价方法 |
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 |