CN114613123A - 一种基于大数据的公交智能调度方法 - Google Patents

一种基于大数据的公交智能调度方法 Download PDF

Info

Publication number
CN114613123A
CN114613123A CN202210145580.8A CN202210145580A CN114613123A CN 114613123 A CN114613123 A CN 114613123A CN 202210145580 A CN202210145580 A CN 202210145580A CN 114613123 A CN114613123 A CN 114613123A
Authority
CN
China
Prior art keywords
bus
urban
area
public transport
gathering area
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.)
Withdrawn
Application number
CN202210145580.8A
Other languages
English (en)
Inventor
张世强
刘华
栾丰
孙宏飞
王金刚
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.)
Hualu Zhida Technology Co Ltd
Original Assignee
Hualu Zhida Technology Co Ltd
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 Hualu Zhida Technology Co Ltd filed Critical Hualu Zhida Technology Co Ltd
Priority to CN202210145580.8A priority Critical patent/CN114613123A/zh
Publication of CN114613123A publication Critical patent/CN114613123A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于大数据的公交智能调度方法。本发明包括：初始化城市公交线网指标；基于公交大数据系统，统计城市人员聚集区域数据；城市人员聚集区域数据，包括聚集区域人口数量、区域重要度、集散地、交通枢纽；根据城市人员聚集区域数据计算聚集区域质点；根据聚集区域质点，计算城市人员聚集区域关联的公交站点和公交线路走向；通过公交站点和公交线路走向，优化城市公交线网指标，获得最优城市公交线网指标；根据最优城市公交线网指标确定城市公交调度方案。本发明解决了现有技术中，因对城市人口居住动态不掌握，导致公交站点、线路设置不科学、不合理，造成线路覆盖不全面、居民乘车换乘不方便、公交线网运营成本高等问题。

Description

一种基于大数据的公交智能调度方法
技术领域
本发明涉及公交车智能调度技术，尤其涉及一种基于大数据的公交智能调度方法，属于道路车辆的交通控制系统技术领域。
背景技术
城市智能公交调度领域，随着信息化建设的不断升级，对于各方面的基础信息建设智能化，自动化提出了更高的要求。线网，作为公交运营的关键组成要素，科学和合理的线网，能够最有效的保障公众的出行安全与便利，节约公交运营成本，也能确保交通监管部门有效引导及监管。如何科学和合理的进行线网规划，是一个城市公交线路有效管理的不可或缺的要素。
公交运营的目的是方便大容量的公众日常出行需要。随着城市规模的不断发展，城市人口居住动态特征越来越频繁，新开小区、人口迁移、外来人员流动都不断地考验着公交线网的合理性和科学性。如果站点不合理、不科学，会带来线路过长，增加运营成本；如果线路网密度过高或过低，会造成非车内出行时间的增加。如何进行线路的调、延、改，也考验着公交运营监管单位的规划和管理能力。
发明内容
本发明的目的在于针对上述随着城市规模的不断发展，城市人口居住动态特征越来越频繁，新开小区、人口迁移、外来人员流动的问题，通过本发明的方法科学合理的设置公交站点和公交线路方向，以实现降低运营成本和方便居民出行的效果。
为实现上述目的，本发明采用的技术方案是：
一种基于大数据的公交智能调度方法，包括：
初始化城市公交线网指标；
基于公交大数据系统，统计城市人员聚集区域数据；所述城市人员聚集区域数据，包括：聚集区域人口数量、区域重要度、集散地、交通枢纽；
根据所述城市人员聚集区域数据计算聚集区域质点；
根据所述聚集区域质点，计算城市人员聚集区域关联的公交站点和公交线路走向；
通过所述公交站点和公交线路走向，优化所述城市公交线网指标，获得最优城市公交线网指标；
根据所述最优城市公交线网指标确定城市公交调度方案。
进一步地，所述城市公交线网指标，包括：公交线网总长度、营运路网长度、公交线路平均长度、直线系数、公交线网密度、高峰小时线路总流量、直达的乘客总量、直达率、一次换乘率、车辆拥有率及线网覆盖率。
进一步地，所述根据所述城市人员聚集区域数据计算聚集区域质点，包括：
通过式(1)获得所述聚集区域质点；
Figure BDA0003508160760000021
式中，M表示聚集区域质点，m1表示居民数量，m2表示区域重要度，m3表示集散地，m4表示交通枢纽，w表示加权系数，i为不小于1的常数。
进一步地，所述根据所述聚集区域质点，计算城市人员聚集区域关联的公交站点和公交线路走向，包括：
通过式(2)获得聚集区域质点半径r；
Figure BDA0003508160760000022
式中，G为常量；m为途径城市人员聚集区域的公交车辆，在计算时，设定m、F为定值。
进一步地，根据所述聚集区域质点半径r确定所述城市人员聚集区域关联的公交站点和公交线路走向。
进一步地，所述根据所述聚集区域质点半径r确定所述城市人员聚集区域关联的公交站点和公交线路走向，包括：以各个聚集区域质点M为圆心，r为半径画圆；取各个所述圆的切线相连接形成所述公交线路走向；所述圆与所述切线的切点为所述公交站点。
进一步地，所述城市人员聚集区域数据，还包括：居民平均年龄m5、人员流动频度m6、居民平均收入水平m7中任意一个或多个。
本发明基于大数据的公交智能调度方法，与现有技术相比较具有以下优点：
1)本发明能够根据公交大数据信息，统计分析城市聚集区域的人口居住动态变化情况，及时制定科学、合理的公交调度方案。
2)本发明能够科学的确定站点和线路走向，确保站点全面覆盖城市关键区域，合理便捷，有效疏导公众客源。
3)本发明能够优化城市公交线网，提供最优公交线路和线网密度策略，改善乘客的出行可达性，缩短公交出行者到达目的地的出行时间，同时可降低公交公司的运营成本。
附图说明
图1为本发明基于大数据的公交智能调度方法流程图；
图2为本发明中计算城市人员聚集区域关联的公交站点和公交线路走向的方法示意图。
具体实施方式
以下结合实施例对本发明进一步说明：
如图1所示，本实施例公开了一种基于大数据的公交智能调度方法，包括：
101、初始化城市公交线网指标；
具体而言，城市公交线网指标，包括：公交线网总长度、营运路网长度、公交线路平均长度、直线系数、公交线网密度、高峰小时线路总流量、直达的乘客总量、直达率、一次换乘率、车辆拥有率及线网覆盖率。城市公交线网指标如表1所示：
表1
Figure BDA0003508160760000031
Figure BDA0003508160760000041
在评价城市公交线网指标时，需考虑乘客乘车方便性、公交发车间隔时间、线网疏密均衡度、路段满载率、线路重复率等诸多方面因素。
从社会性和经济性方面，需要考虑适应社会需求，满足乘客要求，而且能带来更多的公交效益。
从直达率方面，需要考虑更改站点、线路，填补原有的公交空白区，尽量实现居民从家门口上下车，方便居民出行。从而使直达率和直达的乘客总量两项指标均有所增加。
从换乘率方面，直达率增加了，换乘率会相应的降低。
从公交线网总长度方面，弥补公交空白区会导致公交线网总长度增加，但是通过科学、合理的设置，经济效益反而会增加，而且满足了社会性的需求。
102、基于公交大数据系统，统计城市人员聚集区域数据；城市人员聚集区域数据，包括：聚集区域人口数量、区域重要度、集散地、交通枢纽；
具体而言，公交大数据系统在城市公交线网方面的应用，主要通过采集到的线路、站点、公交车上下车客流数据，结合公交站台人流数据、IC卡刷机数据、投币机和客流调查器采集的数据，运用大数据技术进行分析，诊断未完全覆盖线路的道路，结合城市道路状况、规划发展及线路运力配置情况等信息，辅助对线路、站点进行布局优化和调整；对新开、撤销、延长、缩短以及调整线路走向等方案实施效果进行客流均衡性、线路间协调性和设施供需平衡性等方面的评估；分析城区出行人口分布、出行特征、客流聚散点、高峰期站点断面客流、客流走廊等，建立影响乘客的出行因素模型，为不同出行特征的乘客推送个性化出行服务。
在统计城市人员聚集区域数据时，可以协调与政府行政部门、公安部门相关数据库系统连接，调用相关数据，以便更加准确的掌握城市居民情况以及居住情况。重点需要统计的城市人员聚集区域数据，包括聚集区域人口数量、区域重要度、集散地、交通枢纽。
103、根据城市人员聚集区域数据计算聚集区域质点；
具体而言，通过式(1)获得聚集区域质点；
Figure BDA0003508160760000051
式中，M表示聚集区域质点，m1表示居民数量，m2表示区域重要度，m3表示集散地，m4表示交通枢纽，w表示加权系数，i为不小于1的常数。
进一步地，为了能够更加准确的确定聚集区域质点，可以增加要素，并配置相应的加权系数，例如：增加要素居民平均年龄m5和相应的加权系数w5，或是增加要素人员流动频度m6和相应的加权系数w6，增加要素居民平均收入水平m7和相应的加权系数w7，通过增加要素可以更加准确的分析出聚集区域居民对乘坐公交的需求量大小。
104、根据聚集区域质点，计算城市人员聚集区域关联的公交站点和公交线路走向；
具体而言，如图2所示，通过式(2)获得聚集区域质点半径r；
Figure BDA0003508160760000052
式中，G为常量；m为途径城市人员聚集区域的公交车辆，在计算时，设定m、F为定值。
再根据聚集区域质点半径r确定城市人员聚集区域关联的公交站点和公交线路走向，包括：
以各个聚集区域质点M为圆心，r为半径画圆；取各个圆的切线相连接形成公交线路走向；圆与所述切线的切点为公交站点。如图2所示，聚集区域M1，通过本方法确定半径r1，线路与圆相切于S1点，S1为设站点。同理，可以确定聚集区域M2、M3的站点S2、S3。
105、通过公交站点和公交线路走向，优化城市公交线网指标，获得最优城市公交线网指标；
具体而言，将以上计算得到的公交站点和公交线路代入，重新计算城市公交线网指标。为了更加准确的得到最优计算城市公交线网指标，可以重复执行步骤103－105，通过选取最优的公交站点和公交线路来获得最优城市公交线网指标。
106、根据最优城市公交线网指标确定城市公交调度方案。
具体而言，通过最优城市公交线网指标确定的城市公交调度方案，完全能够满足以下主要要求：一是线路覆盖全面、换乘容易、不绕路；二是线网简洁，容易实施；三是发车频率高；四是公交线网经济性高。
另外，在以最优城市公交线网指标确定城市公交调度方案时，需要考虑城市整体规划，根据城市整体规划，调整合适的站点设置，再根据站点设置，重新来调整线路。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种基于大数据的公交智能调度方法，其特征在于，包括：
初始化城市公交线网指标；
基于公交大数据系统，统计城市人员聚集区域数据；所述城市人员聚集区域数据，包括：聚集区域人口数量、区域重要度、集散地、交通枢纽；
根据所述城市人员聚集区域数据计算聚集区域质点；
根据所述聚集区域质点，计算城市人员聚集区域关联的公交站点和公交线路走向；
通过所述公交站点和公交线路走向，优化所述城市公交线网指标，获得最优城市公交线网指标；
根据所述最优城市公交线网指标确定城市公交调度方案。
2.如权利要求1所述的基于大数据的公交智能调度方法，其特征在于，
所述城市公交线网指标，包括：公交线网总长度、营运路网长度、公交线路平均长度、直线系数、公交线网密度、高峰小时线路总流量、直达的乘客总量、直达率、一次换乘率、车辆拥有率及线网覆盖率。
3.如权利要求1所述的基于大数据的公交智能调度方法，其特征在于，
所述根据所述城市人员聚集区域数据计算聚集区域质点，包括：
通过式(1)获得所述聚集区域质点；
Figure FDA0003508160750000011
式中，M表示聚集区域质点，m1表示居民数量，m2表示区域重要度，m3表示集散地，m4表示交通枢纽，w表示加权系数，i为不小于1的常数。
4.如权利要求3所述的基于大数据的公交智能调度方法，其特征在于，
所述根据所述聚集区域质点，计算城市人员聚集区域关联的公交站点和公交线路走向，包括：
通过式(2)获得聚集区域质点半径r；
Figure FDA0003508160750000021
式中，G为常量；m为途径城市人员聚集区域的公交车辆，在计算时，设定m、F为定值。
5.如权利要求4所述的基于大数据的公交智能调度方法，其特征在于，根据所述聚集区域质点半径r确定所述城市人员聚集区域关联的公交站点和公交线路走向。
6.如权利要求5所述的基于大数据的公交智能调度方法，其特征在于，所述根据所述聚集区域质点半径r确定所述城市人员聚集区域关联的公交站点和公交线路走向，包括：
以各个聚集区域质点M为圆心，r为半径画圆；
取各个所述圆的切线相连接形成所述公交线路走向；
所述圆与所述切线的切点为所述公交站点。
7.如权利要求3所述的基于大数据的公交智能调度方法，其特征在于，所述城市人员聚集区域数据，还包括：居民平均年龄m5、人员流动频度m6、居民平均收入水平m7中任意一个或多个。
CN202210145580.8A 2022-02-17 2022-02-17 一种基于大数据的公交智能调度方法 Withdrawn CN114613123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210145580.8A CN114613123A (zh) 2022-02-17 2022-02-17 一种基于大数据的公交智能调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210145580.8A CN114613123A (zh) 2022-02-17 2022-02-17 一种基于大数据的公交智能调度方法

Publications (1)

Publication Number Publication Date
CN114613123A true CN114613123A (zh) 2022-06-10

Family

ID=81858387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210145580.8A Withdrawn CN114613123A (zh) 2022-02-17 2022-02-17 一种基于大数据的公交智能调度方法

Country Status (1)

Country Link
CN (1) CN114613123A (zh)

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010111244A (ko) * 2000-06-09 2001-12-17 이계안 시내버스의 위치 확인 시스템
JP2003272085A (ja) * 2002-03-15 2003-09-26 Toshiba Corp 路線バスの運行方法および運行システム
CN102147252A (zh) * 2010-12-30 2011-08-10 中铁三局集团电务工程有限公司 客运专线接触网支柱位置的测定方法
CN102609807A (zh) * 2012-01-18 2012-07-25 东南大学 一种城市中心区位置和聚集强度的确定方法
WO2013096675A1 (en) * 2011-12-20 2013-06-27 Via Analytics, Inc. Automated system for preventing vehicle bunching
CN105468595A (zh) * 2014-08-12 2016-04-06 中国科学院深圳先进技术研究院 公交线路规划方法及系统
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
WO2017138019A1 (en) * 2016-02-12 2017-08-17 Latha Yakkanti Vijaya City transit solution
CN107481511A (zh) * 2017-08-16 2017-12-15 深圳先进技术研究院 一种计算候选公交站点的方法及系统
CN107609677A (zh) * 2017-08-17 2018-01-19 华侨大学 一种基于出租车gps大数据的定制公交线路规划方法
CN108647910A (zh) * 2018-06-15 2018-10-12 武汉轻工大学 城市公交站点的设置方法、装置、终端及计算机存储介质
CN109165787A (zh) * 2018-09-04 2019-01-08 深圳市东部公共交通有限公司 公交路线定制方法、装置以及设备
CN109325614A (zh) * 2018-08-28 2019-02-12 浙江工业大学 一种基于gis的汽车站选址方法
CN109359682A (zh) * 2018-10-11 2019-02-19 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法
CN109543882A (zh) * 2018-10-24 2019-03-29 上海市政工程设计研究总院（集团）有限公司 一种基于最优公交平均站间距的公交线网密度计算方法
CN109978267A (zh) * 2019-03-28 2019-07-05 东南大学 基于城市轨道交通数据的城市微循环公交线路规划方法
US10515549B1 (en) * 2018-07-11 2019-12-24 Here Global B.V. Method, apparatus, and computer program product for evaluating public transportation use
CN111489017A (zh) * 2020-03-26 2020-08-04 哈尔滨工业大学 一种基于带状乘客吸引区的接运公交网络优化方法
CN111950777A (zh) * 2020-07-28 2020-11-17 深圳北斗应用技术研究院有限公司 定制公交线路设计方法及装置
CN112668858A (zh) * 2020-12-23 2021-04-16 中国地铁工程咨询有限责任公司 一种确定区域内目标站点的方法、装置、设备及存储介质
CN113053156A (zh) * 2021-03-31 2021-06-29 华录智达科技股份有限公司 一种智能公交半径法站点寻址方法
CN113160600A (zh) * 2020-09-14 2021-07-23 盐城工学院 一种用于城市微循环公交系统的车辆调度方法
CN113283754A (zh) * 2021-05-27 2021-08-20 哈尔滨工业大学（深圳） 一种车站选址方法、装置、计算设备和存储介质
CN113850442A (zh) * 2021-10-01 2021-12-28 安徽富煌科技股份有限公司 一种考虑地铁接驳站点的城市公交线网优化方法
CN113962615A (zh) * 2021-12-22 2022-01-21 华睿交通科技有限公司 一种交通资源管控系统、方法及存储介质

Patent Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010111244A (ko) * 2000-06-09 2001-12-17 이계안 시내버스의 위치 확인 시스템
JP2003272085A (ja) * 2002-03-15 2003-09-26 Toshiba Corp 路線バスの運行方法および運行システム
CN102147252A (zh) * 2010-12-30 2011-08-10 中铁三局集团电务工程有限公司 客运专线接触网支柱位置的测定方法
WO2013096675A1 (en) * 2011-12-20 2013-06-27 Via Analytics, Inc. Automated system for preventing vehicle bunching
CN102609807A (zh) * 2012-01-18 2012-07-25 东南大学 一种城市中心区位置和聚集强度的确定方法
CN105468595A (zh) * 2014-08-12 2016-04-06 中国科学院深圳先进技术研究院 公交线路规划方法及系统
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
WO2017138019A1 (en) * 2016-02-12 2017-08-17 Latha Yakkanti Vijaya City transit solution
CN107481511A (zh) * 2017-08-16 2017-12-15 深圳先进技术研究院 一种计算候选公交站点的方法及系统
CN107609677A (zh) * 2017-08-17 2018-01-19 华侨大学 一种基于出租车gps大数据的定制公交线路规划方法
CN108647910A (zh) * 2018-06-15 2018-10-12 武汉轻工大学 城市公交站点的设置方法、装置、终端及计算机存储介质
US10515549B1 (en) * 2018-07-11 2019-12-24 Here Global B.V. Method, apparatus, and computer program product for evaluating public transportation use
CN109325614A (zh) * 2018-08-28 2019-02-12 浙江工业大学 一种基于gis的汽车站选址方法
CN109165787A (zh) * 2018-09-04 2019-01-08 深圳市东部公共交通有限公司 公交路线定制方法、装置以及设备
CN109359682A (zh) * 2018-10-11 2019-02-19 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法
CN109543882A (zh) * 2018-10-24 2019-03-29 上海市政工程设计研究总院（集团）有限公司 一种基于最优公交平均站间距的公交线网密度计算方法
CN109978267A (zh) * 2019-03-28 2019-07-05 东南大学 基于城市轨道交通数据的城市微循环公交线路规划方法
CN111489017A (zh) * 2020-03-26 2020-08-04 哈尔滨工业大学 一种基于带状乘客吸引区的接运公交网络优化方法
CN111950777A (zh) * 2020-07-28 2020-11-17 深圳北斗应用技术研究院有限公司 定制公交线路设计方法及装置
CN113160600A (zh) * 2020-09-14 2021-07-23 盐城工学院 一种用于城市微循环公交系统的车辆调度方法
CN112668858A (zh) * 2020-12-23 2021-04-16 中国地铁工程咨询有限责任公司 一种确定区域内目标站点的方法、装置、设备及存储介质
CN113053156A (zh) * 2021-03-31 2021-06-29 华录智达科技股份有限公司 一种智能公交半径法站点寻址方法
CN113283754A (zh) * 2021-05-27 2021-08-20 哈尔滨工业大学（深圳） 一种车站选址方法、装置、计算设备和存储介质
CN113850442A (zh) * 2021-10-01 2021-12-28 安徽富煌科技股份有限公司 一种考虑地铁接驳站点的城市公交线网优化方法
CN113962615A (zh) * 2021-12-22 2022-01-21 华睿交通科技有限公司 一种交通资源管控系统、方法及存储介质

Similar Documents

Publication Publication Date Title
CN107679654B (zh) 一种停车规模预估控制系统及实现方法
CN109543934B (zh) 城市公交线网的综合指标的评价方法
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
CN107766969B (zh) 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法
CN104809112B (zh) 一种基于多源数据的城市公交发展水平综合评价方法
CN109993408B (zh) 一种基于服务区域划分的网约车运力调配方法
CN110197335A (zh) 一种基于概率od分布模型的下车站点人数计算方法
CN113344380A (zh) 一种公交营运指标分类及评价方法
WO2024174566A1 (zh) 一种用于智能公交系统的多车型时刻表设计方法及系统
CN107085939A (zh) 一种基于路网等级划分的高速公路vms布局优化方法
CN108583626A (zh) 基于效能的城轨线路列车群协同运营控制方法
CN115860594A (zh) 一种应用于智能公交排班调度的仿真系统及方法
CN114943484A (zh) 一种轨道客流运能匹配方法及其电子设备及其存储介质
CN114154801A (zh) 智慧公交组合调度方法、装置及存储介质
CN110705746B (zh) 电动出租车快速充电站优化配置方法
CN111914940A (zh) 一种共享车辆站点分群聚类方法、系统、装置及存储介质
CN101231718A (zh) 轨道交通换乘的票务清分方法
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
CN114819633A (zh) 一种应用于国土空间规划的交通设施布局评价方法
CN112116124B (zh) 一种基于出行者视角的公交线网优化方案的审计方法
CN114613123A (zh) 一种基于大数据的公交智能调度方法
CN116129651B (zh) 一种基于居民出行行为选择的交通容量计算方法
Tzeng et al. Multiple objective programming for bus operation: a case study for Taipei city
CN116204576B (zh) 一种公共交通数据生成gtfs格式数据的生成方法及系统
CN114626682A (zh) 一种考虑聚集区域的城市公交线网规划方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220610

WW01 Invention patent application withdrawn after publication