CN114997545B - 一种轨道衔接优化方法、电子设备及存储介质 - Google Patents

一种轨道衔接优化方法、电子设备及存储介质 Download PDF

Info

Publication number
CN114997545B
CN114997545B CN202210929598.7A CN202210929598A CN114997545B CN 114997545 B CN114997545 B CN 114997545B CN 202210929598 A CN202210929598 A CN 202210929598A CN 114997545 B CN114997545 B CN 114997545B
Authority
CN
China
Prior art keywords
time
transfer
indicating
passenger flow
line
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210929598.7A
Other languages
English (en)
Other versions
CN114997545A (zh
Inventor
林涛
霍剑光
王祖健
徐巍
周勇
陈振武
刘星
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.)
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Urban Transport Planning Center 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 Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Urban Transport Planning Center Co Ltd
Priority to CN202210929598.7A priority Critical patent/CN114997545B/zh
Publication of CN114997545A publication Critical patent/CN114997545A/zh
Application granted granted Critical
Publication of CN114997545B publication Critical patent/CN114997545B/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation
    • 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

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

Abstract

本发明提出一种轨道衔接优化方法、电子设备及存储介质，属于轨道衔接优化方法技术领域。包括以下步骤：S1.获取换乘客流数据、换乘站点数据和运行线路数据；S2.换乘客流上车时间匹配并获得OD所处时段；S3.建立最大化客流衔接率模型的目标函数；S4.建立最小化乘客候车时长模型的目标函数；S5.建立目标函数的约束条件，包括时刻调整范围约束、上下班次发车时刻延续约束、站点时段下的列车衔接差距约束和全网乘客候车时长不差于现状约束；S6、求解最大化客流衔接率模型和最小化乘客候车时长模型，得到优化后的线路时刻调整方案。提升大客流站点的换乘效率的同时兼顾换乘客流量低站点的衔接质量，解决列车调整的精细程度低的问题。

Description

一种轨道衔接优化方法、电子设备及存储介质
技术领域
本申请涉及轨道链接方法，尤其涉及一种轨道衔接优化方法、电子设备及存储介质，属于轨道衔接优化方法技术领域。
背景技术
城市轨道交通作为城市居民出行的主要公共交通方式，其站点布局、线路规划及班次时刻排布是交通网络发良性发展的关键因素。目前轨道运输计划主要以单线路进行独立编制，缺乏多线路之间的协调规划，实际生活中，换乘出行乘客人数庞大，占全部出行人数约
Figure 605356DEST_PATH_IMAGE001
，另外受站点设计的影响，多线路协调性差的情况下，短时间客流在站台聚集，极大可能引起恶性事故，因此换乘客流安全和服务质量问题亟待受关注。
目前对地铁衔接问题的研究方向与解决方法有以下三种。
1）站点硬件提升：对于面积小、客流多的换乘站点，通过增加栅栏延长排队分散乘客聚集度；对于面积大、客流多的换乘站点，通过增加乘客换乘快速通道、换乘站台改造等方式，提升乘客换乘速度，减少换乘时间。
2）人工运营调整发车间隔：通过实际运营经验积累，为避免客流在换乘站点集聚，考虑换乘时乘客步行时长，将大客流换乘站点的相关线路发车间隔调整为相似的时间，达到换乘客流下车步行至上车站台时候车时长最小。
3）利用算法优化换乘时长：通过对场景抽象，建立数学模型通过优化列车的时刻表，满足固定约束，使得乘客候车时长最小化。
前两种方法由地铁工作人员根据实际营运情况，灵活快速做出调整策略，缓解换乘中的乘客聚集和步行距离过长的问题，但人工调整完全基于历史客流和运营经验，对列车调整的精细程度不高，并且只关注目标站点的换乘线路衔接情况，可能对其他站点衔接造成不利影响，缺乏全局最优性。
第三种方法建立的模型主要从某些具体的参数进行考量优化，如：换乘等待时间最小、运营公司费用成本最小、换乘满意度和换乘站到发时间均衡性等，但是出于算法性能或模型目的等方面的考量，缺乏从全局线网衔接和聚焦乘客换乘的角度对轨道网络进行优化。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
鉴于此，为解决现有技术中存在的列车调整的精细程度低的技术问题，本发明提供一种轨道衔接优化方法、电子设备及存储介质。
方案一、一种轨道衔接优化方法，包括以下步骤：
S1.获取换乘客流数据、换乘站点数据和运行线路数据；
S2.换乘客流上车时间匹配并获得OD所处时段；
S3.建立最大化客流衔接率模型的目标函数；
Figure 129692DEST_PATH_IMAGE002
其中，max为最大化函数，
Figure 581533DEST_PATH_IMAGE003
表示换乘站点集合，
Figure 163693DEST_PATH_IMAGE004
是其中一个元素，
Figure 650169DEST_PATH_IMAGE005
表示某个换乘站点
Figure 659582DEST_PATH_IMAGE006
相关的OD集合，
Figure 129878DEST_PATH_IMAGE007
是其中一个元素，
Figure 515728DEST_PATH_IMAGE008
表示换乘OD需求
Figure 856711DEST_PATH_IMAGE009
是否衔接，
Figure 39955DEST_PATH_IMAGE010
；
Figure 731968DEST_PATH_IMAGE011
表示换乘站点
Figure 921510DEST_PATH_IMAGE012
在时段
Figure 648157DEST_PATH_IMAGE013
下的衔接成功奖励值，为常数；
S4.建立最小化乘客候车时长模型的目标函数；
S5.建立目标函数的约束条件，包括时刻调整范围约束、上下班次发车时刻延续约束、站点时段下的列车衔接差距约束和全网乘客候车时长不差于现状约束；
S6、求解最大化客流衔接率模型和最小化乘客候车时长模型，得到优化后的线路时刻调整方案。
优选的，S1所述获取换乘客流数据、换乘站点数据和运行线路数据，具体方法是：
S11.将全天的营运时间划分为晨间平峰、早高峰、午间平峰、晚高峰和晚间平峰5个时段：使用
Figure 405897DEST_PATH_IMAGE014
表示其中某一个时段，
Figure 834474DEST_PATH_IMAGE015
表示全部时段集合；
S12.获取换乘客流数据，根据历史乘客刷卡数据解析换乘客流OD，包含下车线路、上车线路、下车时间、人数和换乘站点，全部的OD数据集合记为
Figure 906335DEST_PATH_IMAGE016
；
S13.统计全网轨道换乘站点数据，记为集合
Figure 880632DEST_PATH_IMAGE017
，其中任意一个换乘站点记为
Figure 419060DEST_PATH_IMAGE018
，将换乘站点
Figure 334933DEST_PATH_IMAGE019
相关的OD统计出来放入集合，记为
Figure 351430DEST_PATH_IMAGE020
；
S14.获取线路数据，根据实际运行图，将线路信息集合，包含线路号、上下行线路，记为集合L，其中线路经过换乘站点的发车时间集合为
Figure 36358DEST_PATH_IMAGE021
，其中角标
Figure 11268DEST_PATH_IMAGE022
代表某一个线路，是集合
Figure 148857DEST_PATH_IMAGE023
中的一个元素，角标
Figure 969045DEST_PATH_IMAGE024
代表某一个换乘站点，是集合
Figure 245830DEST_PATH_IMAGE025
中的一个元素。
优选的，S2所述换乘客流上车时间匹配并获得OD所处时段，具体方法是：
S21.从集合
Figure 391641DEST_PATH_IMAGE026
中随机抽取一条OD客流，记为d，将OD客流的上车线路记为1，换乘站点记为s；
S21.从集合
Figure 16526DEST_PATH_IMAGE026
中取出S1所述换乘站点的所有发车时间，记为集合
Figure 109247DEST_PATH_IMAGE027
；
S22.将集合
Figure 768767DEST_PATH_IMAGE027
中的发车时间升序排列，按顺序取出集合中的时间，当发车时间大于下车时间和步行时长之和时，作为OD的上车时间，上下车线路发车时间差记为
Figure 413375DEST_PATH_IMAGE028
；
S23.判断OD的上下车时间大小在哪个时段区间内，得到OD所处的时段，记为
Figure 666502DEST_PATH_IMAGE029
。
优选的，S4所述建立最小化乘客候车时长模型的目标函数：
Figure 687548DEST_PATH_IMAGE030
其中，min为最小化函数，
Figure 421148DEST_PATH_IMAGE031
表示换乘站点集合，
Figure 137521DEST_PATH_IMAGE032
是其中一个元素，代表一个换乘站点，
Figure 487731DEST_PATH_IMAGE033
表示某个换乘站点
Figure 702681DEST_PATH_IMAGE034
相关的OD集合，
Figure 212160DEST_PATH_IMAGE035
是其中一个元素，代表一个OD，
Figure 339516DEST_PATH_IMAGE036
表示换乘站点
Figure 691868DEST_PATH_IMAGE037
在时段
Figure 461241DEST_PATH_IMAGE038
下的候车时长惩罚值，为常数，
Figure 952790DEST_PATH_IMAGE039
表示换乘OD需求
Figure 985468DEST_PATH_IMAGE040
上下车线路发车时间差，
Figure 293958DEST_PATH_IMAGE041
表示换乘OD需求
Figure 867022DEST_PATH_IMAGE042
换乘步行时长，
Figure 944569DEST_PATH_IMAGE043
表示换乘OD需求
Figure 679306DEST_PATH_IMAGE044
上车线路，
Figure 740672DEST_PATH_IMAGE045
表示换乘OD需求
Figure 851848DEST_PATH_IMAGE046
上车线路所在的时段，
Figure 786830DEST_PATH_IMAGE047
表示换乘OD需求
Figure 692469DEST_PATH_IMAGE048
下车线路，
Figure 241131DEST_PATH_IMAGE049
表示换乘OD需求
Figure 624839DEST_PATH_IMAGE046
下车线路所在的时段，
Figure 411398DEST_PATH_IMAGE050
表示换乘OD需求
Figure 753518DEST_PATH_IMAGE046
的上车线路
Figure 258318DEST_PATH_IMAGE051
在时段
Figure 304771DEST_PATH_IMAGE052
下的发车时刻平移变量，
Figure 962148DEST_PATH_IMAGE053
表示换乘OD需求
Figure 461787DEST_PATH_IMAGE046
的上车线路
Figure 204615DEST_PATH_IMAGE054
在时段
Figure 444973DEST_PATH_IMAGE055
下的发车时刻平移变量，
Figure 222436DEST_PATH_IMAGE056
表示换乘OD需求
Figure 624467DEST_PATH_IMAGE046
的客流量。
优选的，所述时刻调整范围约束：
Figure 713646DEST_PATH_IMAGE057
Figure 242847DEST_PATH_IMAGE058
Figure 124085DEST_PATH_IMAGE059
Figure 447750DEST_PATH_IMAGE060
其中，
Figure 948526DEST_PATH_IMAGE061
表示高峰时段集合，
Figure 281418DEST_PATH_IMAGE062
是其中一个元素，表示一个高峰时段；
Figure 751583DEST_PATH_IMAGE063
表示平峰时段集合，
Figure 777307DEST_PATH_IMAGE064
是其中一个元素，表示一个平峰时段，
Figure 965712DEST_PATH_IMAGE065
表示线路集合，
Figure 367875DEST_PATH_IMAGE066
是其中的一个元素，
Figure 223704DEST_PATH_IMAGE067
表示线路
Figure 420330DEST_PATH_IMAGE068
在时段
Figure 630119DEST_PATH_IMAGE062
下出班次发车时刻整体平移量。
优选的，所述上下班次发车时刻延续约束：
Figure 39235DEST_PATH_IMAGE069
其中，
Figure 483992DEST_PATH_IMAGE070
表示换乘OD需求
Figure 851519DEST_PATH_IMAGE071
上下车的时间差，
Figure 14516DEST_PATH_IMAGE072
表示换乘OD需求
Figure 227323DEST_PATH_IMAGE073
换乘步行时长，
Figure 667531DEST_PATH_IMAGE074
表示换乘OD需求
Figure 330594DEST_PATH_IMAGE073
上车线路，
Figure 856253DEST_PATH_IMAGE075
表示换乘OD需求
Figure 265893DEST_PATH_IMAGE073
上车线路所在的时段，
Figure 560608DEST_PATH_IMAGE076
表示换乘OD需求
Figure 253627DEST_PATH_IMAGE073
下车线路，
Figure 141948DEST_PATH_IMAGE077
表示换乘OD需求
Figure 211404DEST_PATH_IMAGE073
下车线路所在的时段，
Figure 501571DEST_PATH_IMAGE078
表示换乘OD需求
Figure 365491DEST_PATH_IMAGE073
的上车线路
Figure 475529DEST_PATH_IMAGE079
在时段
Figure 86027DEST_PATH_IMAGE080
下的发车时刻平移变量，
Figure 496280DEST_PATH_IMAGE081
表示换乘OD需求
Figure 796680DEST_PATH_IMAGE073
的上车线路
Figure 394014DEST_PATH_IMAGE082
在时段
Figure 805273DEST_PATH_IMAGE083
下的发车时刻平移变量。
优选的，所述站点时段下的列车衔接差距约束：
Figure 929087DEST_PATH_IMAGE085
Figure 151121DEST_PATH_IMAGE087
Figure 891544DEST_PATH_IMAGE088
表示
Figure 450701DEST_PATH_IMAGE089
时段下线路
Figure 892522DEST_PATH_IMAGE090
的发车间隔，
Figure 551037DEST_PATH_IMAGE091
表示换乘OD需求
Figure 637810DEST_PATH_IMAGE073
是否衔接，
Figure 876025DEST_PATH_IMAGE092
表示正实数；
全网乘客候车时长不差于现状约束：
Figure 833485DEST_PATH_IMAGE093
其中，
Figure 662901DEST_PATH_IMAGE094
表示换乘OD需求
Figure 971391DEST_PATH_IMAGE073
的客流量；
Figure 747718DEST_PATH_IMAGE095
表示现状全网换乘客流的换乘时长。
优选的，S6所述求解最大化客流衔接率模型和最小化乘客候车时长模型的方法是，包括以下步骤：
S61.根据最大化客流衔接率模型目标函数和目标函数的约束条件，构造混合整数规划模型，记为第一阶段模型；
S62.利用分支定界算法求解第一阶段模型，得到变量
Figure 93773DEST_PATH_IMAGE096
的值，其中
Figure 828511DEST_PATH_IMAGE096
表示换乘OD需求
Figure 234084DEST_PATH_IMAGE073
是否衔接；
S63.根据最小化乘客候车时长模型目标函数和目标函数的约束条件，再次构造混合整数规划模型，记为第二阶段模型；
S64.设置第二阶段模型的
Figure 328948DEST_PATH_IMAGE096
变量等于相应的第一阶段模型的变量值；
S65.利用分支定界算法求解第二阶段模型，得到全部变量
Figure 11733DEST_PATH_IMAGE097
、
Figure 901061DEST_PATH_IMAGE096
的值，得到优化后的线路时刻调整方案。
方案二、一种电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现方案一所述的一种轨道衔接优化方法的步骤。
方案三、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述的一种轨道衔接优化方法。
本发明的有益效果如下：本发明基于换乘客流信息，通过调整不同方向线路班次发车时间的方式，优化提升轨道线路的衔接率，降低换乘乘客的候车时长，提升乘客服务质量，本发明在提升大客流站点的换乘效率的同时兼顾换乘客流量低站点的衔接质量，具有实际辅助地铁公司优化日常运营的应用价值。解决现有技术中存在的列车调整的精细程度低技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为一种轨道衔接优化方法流程示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1说明本实施方式一种轨道衔接优化方法，包括以下步骤：
S1.获取换乘客流数据、换乘站点数据和运行线路数据，具体方法是：
S11.将全天的营运时间划分为晨间平峰、早高峰、午间平峰、晚高峰和晚间平峰5个时段：使用
Figure 793930DEST_PATH_IMAGE098
表示其中某一个时段，
Figure 177638DEST_PATH_IMAGE099
表示全部时段集合；
S12.获取换乘客流数据，根据历史乘客刷卡数据解析换乘客流OD，包含下车线路、上车线路、下车时间、人数和换乘站点，全部的OD数据集合记为
Figure 229777DEST_PATH_IMAGE100
；
S13.统计全网轨道换乘站点数据，记为集合
Figure 306317DEST_PATH_IMAGE101
，其中任意一个换乘站点记为
Figure 345205DEST_PATH_IMAGE102
，将换乘站点
Figure 267025DEST_PATH_IMAGE102
相关的OD统计出来放入集合，记为
Figure 173670DEST_PATH_IMAGE103
；
S14.获取线路数据，根据实际运行图，将线路信息集合，包含线路号、上下行线路，记为集合L，其中线路经过换乘站点的发车时间集合为
Figure 421111DEST_PATH_IMAGE104
，其中角标
Figure 678786DEST_PATH_IMAGE105
代表某一个线路，是集合
Figure 935455DEST_PATH_IMAGE106
中的一个元素，角标
Figure 962186DEST_PATH_IMAGE102
代表某一个换乘站点，是集合
Figure 114950DEST_PATH_IMAGE101
中的一个元素。
S2.换乘客流上车时间匹配并获得OD所处时段，具体方法是：
S21.从集合
Figure 331692DEST_PATH_IMAGE107
中随机抽取一条OD客流，记为d，将OD客流的上车线路记为1，换乘站点记为s；
S21.从集合
Figure 985527DEST_PATH_IMAGE107
中取出S1所述换乘站点的所有发车时间，记为集合
Figure 351917DEST_PATH_IMAGE108
；
S22.将集合
Figure 190429DEST_PATH_IMAGE108
中的发车时间升序排列，按顺序取出集合中的时间，当发车时间大于下车时间和步行时长之和时，作为OD的上车时间，上下车线路发车时间差记为
Figure 907850DEST_PATH_IMAGE109
；
S23.判断OD的上下车时间大小在哪个时段区间内，得出OD所处的时段，记为
Figure 755589DEST_PATH_IMAGE110
。
S3.建立最大化客流衔接率模型的目标函数；通过以上步骤，已知现状换乘OD人数、上下车线路和时刻信息，以及换乘步行时长等配置信息，建立优化模型的目标函数如下：
Figure 242065DEST_PATH_IMAGE111
其中，max为最大化函数，
Figure 517057DEST_PATH_IMAGE003
表示换乘站点集合，
Figure 456194DEST_PATH_IMAGE004
是其中一个元素，
Figure 313817DEST_PATH_IMAGE005
表示某个换乘站点
Figure 779433DEST_PATH_IMAGE006
相关的OD集合，
Figure 710480DEST_PATH_IMAGE007
是其中一个元素，
Figure 120601DEST_PATH_IMAGE008
表示换乘OD需求
Figure 795296DEST_PATH_IMAGE009
是否衔接，
Figure 849840DEST_PATH_IMAGE010
；
Figure 935477DEST_PATH_IMAGE011
表示换乘站点
Figure 849206DEST_PATH_IMAGE012
在时段
Figure 186646DEST_PATH_IMAGE013
下的衔接成功奖励值，为常数；
S4.建立最小化乘客候车时长模型的目标函数；已知实际换乘客流上下车时间和步行时长，得到乘客换乘时的候车时长，建立优化模型的目标函数如下：
Figure 485910DEST_PATH_IMAGE112
其中，min为最小化函数，
Figure 24338DEST_PATH_IMAGE031
表示换乘站点集合，
Figure 411982DEST_PATH_IMAGE032
是其中一个元素，代表一个换乘站点，
Figure 428479DEST_PATH_IMAGE033
表示某个换乘站点
Figure 723195DEST_PATH_IMAGE034
相关的OD集合，
Figure 885054DEST_PATH_IMAGE035
是其中一个元素，代表一个OD，
Figure 773376DEST_PATH_IMAGE036
表示换乘站点
Figure 452619DEST_PATH_IMAGE037
在时段
Figure 726474DEST_PATH_IMAGE038
下的候车时长惩罚值，为常数，
Figure 75547DEST_PATH_IMAGE039
表示换乘OD需求
Figure 434853DEST_PATH_IMAGE040
上下车线路发车时间差，
Figure 652208DEST_PATH_IMAGE041
表示换乘OD需求
Figure 531302DEST_PATH_IMAGE042
换乘步行时长，
Figure 569053DEST_PATH_IMAGE043
表示换乘OD需求
Figure 291021DEST_PATH_IMAGE044
上车线路，
Figure 187433DEST_PATH_IMAGE045
表示换乘OD需求
Figure 435881DEST_PATH_IMAGE046
上车线路所在的时段，
Figure 392336DEST_PATH_IMAGE047
表示换乘OD需求
Figure 336021DEST_PATH_IMAGE048
下车线路，
Figure 19812DEST_PATH_IMAGE049
表示换乘OD需求
Figure 873498DEST_PATH_IMAGE046
下车线路所在的时段，
Figure 515701DEST_PATH_IMAGE050
表示换乘OD需求
Figure 946683DEST_PATH_IMAGE046
的上车线路
Figure 184897DEST_PATH_IMAGE051
在时段
Figure 145287DEST_PATH_IMAGE052
下的发车时刻平移变量，
Figure 568178DEST_PATH_IMAGE053
表示换乘OD需求
Figure 96243DEST_PATH_IMAGE046
的上车线路
Figure 387416DEST_PATH_IMAGE054
在时段
Figure 340328DEST_PATH_IMAGE055
下的发车时刻平移变量，
Figure 809487DEST_PATH_IMAGE056
表示换乘OD需求
Figure 339694DEST_PATH_IMAGE046
的客流量。
S5.建立目标函数的约束条件，包括时刻调整范围约束、上下班次发车时刻延续约束、站点时段下的列车衔接差距约束和全网乘客候车时长不差于现状约束；
所述时刻调整范围约束：
Figure 919711DEST_PATH_IMAGE057
Figure 727130DEST_PATH_IMAGE058
Figure 616458DEST_PATH_IMAGE059
Figure 119114DEST_PATH_IMAGE060
其中，
Figure 627456DEST_PATH_IMAGE061
表示高峰时段集合，
Figure 659087DEST_PATH_IMAGE062
是其中一个元素，表示一个高峰时段；
Figure 470048DEST_PATH_IMAGE063
表示平峰时段集合，
Figure 709268DEST_PATH_IMAGE064
是其中一个元素，表示一个平峰时段，
Figure 21301DEST_PATH_IMAGE065
表示线路集合，
Figure 678678DEST_PATH_IMAGE066
是其中的一个元素，
Figure 909808DEST_PATH_IMAGE067
表示线路
Figure 387057DEST_PATH_IMAGE068
在时段
Figure 627414DEST_PATH_IMAGE062
下出班次发车时刻整体平移量。
该约束限制线路时刻调整的幅度满足：平峰时期调整幅度在[-60s,60s]之间，高峰时期调整幅度在[-30s,30s]之间。
所述上下班次发车时刻延续约束：
Figure 998353DEST_PATH_IMAGE069
其中，
Figure 151117DEST_PATH_IMAGE070
表示换乘OD需求
Figure 633438DEST_PATH_IMAGE071
上下车的时间差，
Figure 756115DEST_PATH_IMAGE072
表示换乘OD需求
Figure 388085DEST_PATH_IMAGE073
换乘步行时长，
Figure 961017DEST_PATH_IMAGE074
表示换乘OD需求
Figure 537492DEST_PATH_IMAGE073
上车线路，
Figure 870384DEST_PATH_IMAGE075
表示换乘OD需求
Figure 340549DEST_PATH_IMAGE073
上车线路所在的时段，
Figure 835115DEST_PATH_IMAGE076
表示换乘OD需求
Figure 289099DEST_PATH_IMAGE073
下车线路，
Figure 19158DEST_PATH_IMAGE077
表示换乘OD需求
Figure 360141DEST_PATH_IMAGE073
下车线路所在的时段，
Figure 543385DEST_PATH_IMAGE078
表示换乘OD需求
Figure 828873DEST_PATH_IMAGE073
的上车线路
Figure 503567DEST_PATH_IMAGE079
在时段
Figure 948324DEST_PATH_IMAGE080
下的发车时刻平移变量，
Figure 784693DEST_PATH_IMAGE081
表示换乘OD需求
Figure 557477DEST_PATH_IMAGE073
的上车线路
Figure 285131DEST_PATH_IMAGE082
在时段
Figure 69547DEST_PATH_IMAGE083
下的发车时刻平移变量。
该约束限制调整后的上下车班次发车时间具有前后顺序，即上车班次发车时间要晚于下车班次的发车时间。
所述站点时段下的列车衔接差距约束：
Figure 249525DEST_PATH_IMAGE003
Figure 439197DEST_PATH_IMAGE005
Figure 399400DEST_PATH_IMAGE088
表示
Figure 556099DEST_PATH_IMAGE089
时段下线路
Figure 734271DEST_PATH_IMAGE090
的发车间隔，
Figure 481647DEST_PATH_IMAGE091
表示换乘OD需求
Figure 285524DEST_PATH_IMAGE073
是否衔接，
Figure 310112DEST_PATH_IMAGE092
表示正实数；
换乘OD到达上车站台后候车时长若小于上车线路发车间隔的
Figure 174031DEST_PATH_IMAGE115
倍，则认为该OD衔接成功，反之认为衔接失败，由于模型调整上下车发车时刻，候车时长是变量，因此通过该约束进行判断OD衔接情况；
全网乘客候车时长不差于现状约束：
Figure 408704DEST_PATH_IMAGE093
其中，
Figure 767004DEST_PATH_IMAGE094
表示换乘OD需求
Figure 895366DEST_PATH_IMAGE073
的客流量；
Figure 680919DEST_PATH_IMAGE095
表示现状全网换乘客流的换乘时长。
由于模型针对不同站点、时段下的候车时长设置了不同的惩罚值，模型计算出的最优解可能低于现状，为避免这一现象，约束模型计算出的候车时长不差于现状。
S6、求解最大化客流衔接率模型和最小化乘客候车时长模型，得到优化后的线路时刻调整方案，包括以下步骤：
S61.根据最大化客流衔接率模型目标函数和目标函数的约束条件，构造混合整数规划模型，记为第一阶段模型；
S62.利用分支定界算法求解第一阶段模型，得到变量
Figure 137308DEST_PATH_IMAGE116
的值，其中
Figure 817076DEST_PATH_IMAGE117
表示换乘OD需求
Figure DEST_PATH_IMAGE118
是否衔接；
S63.根据最小化乘客候车时长模型目标函数和目标函数的约束条件，再次构造混合整数规划模型，记为第二阶段模型；
S64.设置第二阶段模型的
Figure 3206DEST_PATH_IMAGE116
变量等于相应的第一阶段模型的变量值；
S65.利用分支定界算法求解第二阶段模型，得到全部变量
Figure 694082DEST_PATH_IMAGE119
、
Figure 559139DEST_PATH_IMAGE116
的值，得到优化后的线路时刻调整方案。
本发明计算出为满足最大限度提升换乘客流服务质量的目标时，实际线路在不同时段下的时刻调整量；即能提升大客流站点的换乘效率，又兼顾换乘客流量低站点的衔接质量，具有实际辅助地铁公司优化日常运营的应用价值，方案提升效果参照表1（深圳地铁晨平峰重点换乘站服务质量提升表）和表2（深圳地铁早高峰重点换乘站服务质量提升表）。
表1：深圳地铁晨平峰重点换乘站服务质量提升表
站点 换乘人数 优化前候车时长 优化后候车时长 候车时长提升 优化前衔接率 优化后衔接率 衔接率提升
红树湾南 6 1520 1508.5 11.5 0.00% 0.00% 0.00%
福田 14 318 249 69 57.14% 100.00% 42.86%
深圳北站 238 19029 18535 494 0.00% 0.00% 0.00%
上梅林 56 5887 5329.5 557.5 8.93% 25.00% 16.07%
西丽 7 500 510.5 -10.5 71.43% 71.43% 0.00%
五和 14 66 10 56 100.00% 100.00% 0.00%
老街 16 1242 1107 135 81.25% 81.25% 0.00%
大剧院 4 649 697 -48 0.00% 0.00% 0.00%
会展中心 23 2674 2330 344 0.00% 34.78% 34.78%
车公庙 78 6832 6373 459 16.67% 20.51% 3.85%
前海湾 30 1540 1550 -10 40.00% 40.00% 0.00%
宝安中心 4 316 374 -58 0.00% 0.00% 0.00%
总计 621 42043 40043.5 1999.5 32.37% 36.55% 4.19%
表2：深圳地铁早高峰重点换乘站服务质量提升表
站点 换乘人数 优化前候车时长 优化后候车时长 候车时长提升 优化前衔接率 优化后衔接率 衔接率提升
红树湾南 6650 630061 628169 1892 10.11% 10.11% 0.00%
福田 11989 360479 366123 -5644 59.45% 59.45% 0.00%
深圳北站 34747 1645393 1636669 8724 16.21% 16.89% 0.68%
上梅林 6035 492882 489513 3369 3.58% 3.58% 0.00%
会展中心 8910 549741 544448 5293 11.21% 11.21% 0.00%
车公庙 19223 519432 522782 -3350 30.95% 30.94% -0.01%
前海湾 21525 693599 692603 996 39.40% 39.73% 0.33%
总计 204376 8869446 8858166 11280 40.28% 40.43% 0.15%
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例3、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机程序时，可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (9)

1.一种轨道衔接优化方法，其特征在于，包括以下步骤：
S1.获取换乘客流数据、换乘站点数据和运行线路数据；
S2.换乘客流上车时间匹配并获得OD所处时段；
S3.建立最大化客流衔接率模型的目标函数：
Figure FDA0003849586720000011
其中，max为最大化函数，S表示换乘站点集合，s是其中一个元素，Ds表示某个换乘站点s相关的OD集合，d是其中一个元素，yd表示换乘OD需求d是否衔接，d∈D；
Figure FDA0003849586720000012
表示换乘站点s在时段td下的衔接成功奖励值，为常数；
S4.建立最小化乘客候车时长模型的目标函数：
Figure FDA0003849586720000013
其中，min为最小化函数，S表示换乘站点集合，s是其中一个元素，代表一个换乘站点，Ds表示某个换乘站点s相关的OD集合，d是其中一个元素，代表一个OD，
Figure FDA0003849586720000014
表示换乘站点s在时段td下的候车时长惩罚值，为常数，Bd表示换乘OD需求d上下车线路发车时间差，wd表示换乘OD需求d换乘步行时长，
Figure FDA0003849586720000015
表示换乘OD需求d上车线路，
Figure FDA0003849586720000016
表示换乘OD需求d上车线路所在的时段，
Figure FDA0003849586720000017
表示换乘OD需求d下车线路，
Figure FDA0003849586720000018
表示换乘OD需求d下车线路所在的时段，
Figure FDA0003849586720000019
表示换乘OD需求d的上车线路
Figure FDA00038495867200000110
在时段
Figure FDA00038495867200000111
下的发车时刻平移变量，
Figure FDA00038495867200000112
表示换乘OD需求d的下车线路
Figure FDA00038495867200000113
在时段
Figure FDA00038495867200000114
下的发车时刻平移变量，hd表示换乘OD需求d的客流量；
S5.建立目标函数的约束条件，包括时刻调整范围约束、上下班次发车时刻延续约束、站点时段下的列车衔接差距约束和全网乘客候车时长不差于现状约束；
S6、求解最大化客流衔接率模型和最小化乘客候车时长模型，得到优化后的线路时刻调整方案。
2.根据权利要求1所述的一种轨道衔接优化方法，其特征在于，S1所述获取换乘客流数据、换乘站点数据和运行线路数据，具体方法是：
S11.将全天的营运时间划分为晨间平峰、早高峰、午间平峰、晚高峰和晚间平峰5个时段：使用t表示其中某一个时段，T表示全部时段集合；
S12.获取换乘客流数据，根据历史乘客刷卡数据解析换乘客流OD，包含下车线路、上车线路、下车时间、人数和换乘站点，全部的OD数据集合记为D；
S13.统计全网轨道换乘站点数据，记为集合S，其中任意一个换乘站点记为s，将换乘站点s相关的OD统计出来放入集合，记为Ds；
S14.获取线路数据，根据实际运行图，将线路信息集合，包含线路号、上下行线路，记为集合L，其中线路经过换乘站点的发车时间集合为As,l，其中角标l代表某一个线路，是集合L中的一个元素，角标s代表某一个换乘站点，是集合S中的一个元素。
3.根据权利要求2所述的一种轨道衔接优化方法，其特征在于，S2所述换乘客流上车时间匹配并获得OD所处时段，具体方法是：
S21.从集合D中随机抽取一条OD客流，记为d，将OD客流的上车线路记为1，换乘站点记为s；
S21.从集合D中取出S1所述换乘站点的所有发车时间，记为集合As,l；
S22.将集合As,l中的发车时间升序排列，按顺序取出集合中的时间，当发车时间大于下车时间和步行时长之和时，作为OD的上车时间，上下车线路发车时间差记为Bd；
S23.判断OD的上下车时间大小在哪个时段区间内，得到OD所处的时段，记为td。
4.根据权利要求3所述的一种轨道衔接优化方法，其特征在于，所述时刻调整范围约束：
Figure FDA0003849586720000021
Figure FDA0003849586720000022
Figure FDA0003849586720000023
Figure FDA0003849586720000024
其中，T1表示高峰时段集合，t是其中一个元素，表示一个高峰时段；T0表示平峰时段集合，t是其中一个元素，表示一个平峰时段，L表示线路集合，l是其中的一个元素，xl,t表示线路l在时段t下的班次发车时刻整体平移量。
5.根据权利要求4所述的一种轨道衔接优化方法，其特征在于，所述上下班次发车时刻延续约束：
Figure FDA0003849586720000025
其中，Bd表示换乘OD需求d上下车的时间差，wd表示换乘OD需求d换乘步行时长，
Figure FDA0003849586720000026
表示换乘OD需求d上车线路，
Figure FDA0003849586720000027
表示换乘OD需求d上车线路所在的时段，
Figure FDA0003849586720000028
表示换乘OD需求d下车线路，
Figure FDA0003849586720000031
表示换乘OD需求d下车线路所在的时段，
Figure FDA0003849586720000032
表示换乘OD需求d的上车线路
Figure FDA0003849586720000033
在时段
Figure FDA0003849586720000034
下的发车时刻平移变量，
Figure FDA0003849586720000035
表示换乘OD需求d的上车线路
Figure FDA0003849586720000036
在时段
Figure FDA0003849586720000037
下的发车时刻平移变量。
6.根据权利要求5所述的一种轨道衔接优化方法，其特征在于，所述站点时段下的列车衔接差距约束：
Figure FDA0003849586720000038
Figure FDA0003849586720000039
Figure FDA00038495867200000310
表示
Figure FDA00038495867200000311
时段下线路
Figure FDA00038495867200000312
的发车间隔，yd表示换乘OD需求d是否衔接，
Figure FDA00038495867200000313
表示正实数；
全网乘客候车时长不差于现状约束：
Figure FDA00038495867200000314
其中，hd表示换乘OD需求d的客流量；q表示现状全网换乘客流的换乘时长。
7.根据权利要求6所述的一种轨道衔接优化方法，其特征在于，S6所述求解最大化客流衔接率模型和最小化乘客候车时长模型的方法是，包括以下步骤：
S61.根据最大化客流衔接率模型目标函数和目标函数的约束条件，构造混合整数规划模型，记为第一阶段模型；
S62.利用分支定界算法求解第一阶段模型，得到变量yd的值，其中yd表示换乘OD需求d是否衔接；
S63.根据最小化乘客候车时长模型目标函数和目标函数的约束条件，再次构造混合整数规划模型，记为第二阶段模型；
S64.设置第二阶段模型的yd变量等于相应的第一阶段模型的变量值；
S65.利用分支定界算法求解第二阶段模型，得到全部变量xl,t、yd的值，得到优化后的线路时刻调整方案。
8.一种电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1-7任一项所述的一种轨道衔接优化方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的一种轨道衔接优化方法。
CN202210929598.7A 2022-08-04 2022-08-04 一种轨道衔接优化方法、电子设备及存储介质 Active CN114997545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210929598.7A CN114997545B (zh) 2022-08-04 2022-08-04 一种轨道衔接优化方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210929598.7A CN114997545B (zh) 2022-08-04 2022-08-04 一种轨道衔接优化方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114997545A CN114997545A (zh) 2022-09-02
CN114997545B true CN114997545B (zh) 2022-11-25

Family

ID=83022074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210929598.7A Active CN114997545B (zh) 2022-08-04 2022-08-04 一种轨道衔接优化方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114997545B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115782985B (zh) * 2022-11-30 2023-10-13 北京轨道交通路网管理有限公司 轨道交通换乘衔接列车时刻表的调整方法及装置
CN115959178A (zh) * 2022-12-26 2023-04-14 卡斯柯信号有限公司 一种双线路同站台换乘的列车调整方法、设备及介质
CN116704778B (zh) * 2023-08-04 2023-10-24 创意(成都)数字科技有限公司 智慧交通数据处理方法、装置、设备及存储介质
CN116957636B (zh) * 2023-09-21 2023-12-26 深圳市城市交通规划设计研究中心股份有限公司 一种城市轨道运能客流匹配方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013116040A2 (en) * 2012-02-03 2013-08-08 Qualcomm Incorporated Downlink data transfer flow control during carrier aggregation
CN113256187A (zh) * 2021-07-15 2021-08-13 广州地铁设计研究院股份有限公司 区域轨道交通互联互通协同性评价交互系统
CN114548604A (zh) * 2022-04-25 2022-05-27 深圳市城市交通规划设计研究中心股份有限公司 一种客流动态引导方法、系统、电子设备及存储介质
CN114662778A (zh) * 2022-04-06 2022-06-24 西南交通大学 一种城市轨道交通线网列车运行间隔协同决策方法
CN114781881A (zh) * 2022-04-26 2022-07-22 北京全路通信信号研究设计院集团有限公司 一种区域轨道交通系统的分析系统及分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11112784B2 (en) * 2016-05-09 2021-09-07 Strong Force Iot Portfolio 2016, Llc Methods and systems for communications in an industrial internet of things data collection environment with large data sets
CN111815166B (zh) * 2020-07-09 2023-10-17 北京交通大学 基于客流分配的城市公共交通系统的协同优化方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013116040A2 (en) * 2012-02-03 2013-08-08 Qualcomm Incorporated Downlink data transfer flow control during carrier aggregation
CN113256187A (zh) * 2021-07-15 2021-08-13 广州地铁设计研究院股份有限公司 区域轨道交通互联互通协同性评价交互系统
CN114662778A (zh) * 2022-04-06 2022-06-24 西南交通大学 一种城市轨道交通线网列车运行间隔协同决策方法
CN114548604A (zh) * 2022-04-25 2022-05-27 深圳市城市交通规划设计研究中心股份有限公司 一种客流动态引导方法、系统、电子设备及存储介质
CN114781881A (zh) * 2022-04-26 2022-07-22 北京全路通信信号研究设计院集团有限公司 一种区域轨道交通系统的分析系统及分析方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A simulation and machine learning based optimization method for integrated pedestrian facilities planning and staff assignment problem in the multi-mode rail transit transfer station;Hongxiang zhang 等;《Simulation Modelling Practice and Theory》;20211201;第1-22页 *
基于大数据的交通规划技术创新应用实践――以深圳市为例;林涛;《城市交通》;20170125(第01期);第43-53页 *
基于衔接性协调的地铁换乘站候车客流优化;白广争 等;《交通运输系统工程与信息》;20150215;第15卷(第1期);第191-197页 *
基于递阶偏好的轨道交通网络化运营换乘协调优化;张铭等;《铁道学报》;20091215(第06期);第9-14页 *
高速铁路枢纽衔接服务水平评价体系;李金梅等;《铁道运输与经济》;20140115(第01期);第42-47页 *

Also Published As

Publication number Publication date
CN114997545A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN114997545B (zh) 一种轨道衔接优化方法、电子设备及存储介质
Frade et al. Bike-sharing stations: A maximal covering location approach
Marcucci et al. Measuring the effects of an urban freight policy package defined via a collaborative governance model
CN105303854B (zh) 一种出行路线数据的处理方法和装置
CN111353639A (zh) 协调列车时刻表的城市轨道交通高峰期限流优化方法
Di Pasquale et al. Innovative public transport in Europe, Asia and Latin America: a survey of recent implementations
CN115049156B (zh) 一种交通线网运行图衔接优化方法、电子设备及存储介质
Onwubolu et al. An ants heuristic for the long—term car pooling problem
CN114548604B (zh) 一种客流动态引导方法、系统、电子设备及存储介质
CN115222297B (zh) 公交线路优化调整方案评估方法、电子设备及存储介质
Von der Heyden et al. Financing IRPTN operations: Considerations for cities implementing I (R) PTNs in South Africa
Loukopoulos et al. Mapping the potential consequences of car-use reduction in urban areas
CN102637355B (zh) 实时交通路网信息的更新方法及装置
CN116957636B (zh) 一种城市轨道运能客流匹配方法、电子设备及存储介质
Hohmann Strategies for a sustainable energy transition: the case of the housing sector in Graz, Austria
Wagner The Billion Dollar Question: How Much Will it Cost to Decarbonise Cities’ Transport Systems?
Wexler et al. The Effects of Highway Improvement Projects on Nearby Business Activity
Pulugurtha et al. Identifying inaccessible areas with potential to enhance transit market
Jace et al. Surrey LRT Optimal Station Locations
Darling et al. Subsidizing Transportation Network Companies to Support Commutes by Rail
Glavić et al. MULTI-CRITERIA ANALYSIS OF COMPROMISE ROAD ALIGNMENT SOLUTION FOR ROUTE 2A-SECTION KRUPA TO BOČAC
Chen et al. Flattening the Traffic Curve: Infrastructure-Light Solutions
Vodolazsky et al. OPTIMIZATION OF TRANSPORT AND LOGISTICS SYSTEM OF RURAL POPULATION MOVEMENT
Winslow Introduction of an information feedback loop to enhance the urban transportation modeling system
Jiang An Origin-Destination matrix prediction-based road dynamic pricing optimization system

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