CN115409295A - 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 - Google Patents
一种基于瓶颈分析的公交调度方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115409295A CN115409295A CN202211354334.XA CN202211354334A CN115409295A CN 115409295 A CN115409295 A CN 115409295A CN 202211354334 A CN202211354334 A CN 202211354334A CN 115409295 A CN115409295 A CN 115409295A
- Authority
- CN
- China
- Prior art keywords
- bus
- station
- passenger
- passenger flow
- time
- 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 69
- 238000004458 analytical method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005206 flow analysis Methods 0.000 claims abstract description 36
- 238000012546 transfer Methods 0.000 claims abstract description 34
- 230000029305 taxis Effects 0.000 claims abstract description 22
- 230000005855 radiation Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract 1
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 230000007704 transition Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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"
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于瓶颈分析的公交调度方法、电子设备及存储介质，属于公共交通领域。为解决公交车辆调度智能化的问题。本发明客流分析根据公交IC卡数据和公交GPS数据，进行区域、线路、站点、车辆、廊道客流分析；需求预测推测乘客当前上车站点的换乘站点和下车站点，基于历史大客流事件完成公交需求预警；运力分析以历史大客流事件地点为中心800‑1200米为半径，搜索辐射范围内公交线路、覆盖的公交站点及出租车，统计覆盖范围内公交车辆数、巡游出租车辆数、网约出租车辆数、线路发车频次、断面满载率；瓶颈分析搜索公交需求大于周边公共交通运力的大客流事件，识别为瓶颈点；公交调度：动态调整公交班次的发车时间，实时调度区域出租车。
Description
技术领域
本发明属于公共交通领域，具体涉及一种基于瓶颈分析的公交调度方法、电子设备及存储介质。
背景技术
随着经济的快速发展，小汽车及电动车保有量大幅增长，城市交通流量不断激增，现有的城市交通设施难以适应日益攀升的出行需求，交通供需矛盾日益凸显，城市交通拥堵形势日益严峻，市民交通出行获得感、安全感、幸福感进一步降低，亟需进行综合治理。在新基建背景下公交面临必然的转变，表现在供给侧向需求侧的转变，重运营向重服务的转变，重设施向重数据的转变，大众化服务向个性化、定制化转变，线下向线上转变，信息延迟向信息实时、对称性转变。现阶段，公交准点率低、稳定性差、服务水平差等问题导致常规公交出行分担率下降明显，公交企业运营中供需不平衡与行车计划制定不合理问题明显。传统的公交调度方法主要依靠经验判断，行车计划制作费时、费力且方式老化，缺少交通运行整体调控治理能力，难以精准调节交通出行分布，实现有限交通资源的最大化利用。因此，实现公交车辆调度智能化、数字化，对于实现公交资源有效利用和提升公交运营服务水平具有一定的理论和现实意义。
在公交调度方法上，国内外学者在发车间隔与行车计划优化等方面进行了深入研究，这些研究大多从乘客出行角度、公交企业运营角度出发，大大提升了公交运营效率。但现有的研究仍存在一些棘手问题，比如调度计划赶不上实际路况的变化、单一的调度策略不能同时优化所有的线路。在大数据时代，通过信息技术将公交实时位置数据、客流数据以及与路况关联的相关数据接入服务管理系统，不仅能够根据实时运行数据进行公交运行状态预测，还能生成相应的调度解决方案作用于实际公交系统，从而实现公交运行的全周期闭环式动态管控，这为解决以上问题提供了有效途径。
公开号为CN114219193A，发明名称为“一种基于实时客流的公交调度方法及装置”，该专利方法包括：获取目标乘车区域的客流信息；客流信息包括多个欲乘车乘客、每一欲乘车乘客对应的目的地和预乘车时间；根据客流信息，以及预设的公交发车规则，确定出可调度公交信息和需调度公交信息；可调度公交信息包括至少一个第一目的地对应的可调度公交类型和可调度公交类型对应的可调度公交的数量；需调度公交信息包括至少一个第二目的地对应的需调度公交类型和需调度公交类型对应的需调度公交的数量；根据可调度公交信息和需调度公交信息，确定出调度方案。该发明能够提升公交调度效率和公交资源使用效率，进而提高公交的服务质量和公交运营效益。但是该方法存在以下不足：仅通过多个欲乘车乘客、每一欲乘车乘客对应的目的地和预乘车时间获取目标乘车区域的客流信息，未考虑乘客从出发点到公交站点的距离；该公交调度方法只能满足公交可达性较高的区域客流，对于距离公交站点较远的偏僻地区，大部分乘客会优先选择乘坐网约车或出租车，该方法没有考虑网约车或出租车等公共交通方式对公交调度系统的影响，适用范围具有一定的局限性；仅根据可调度公交信息和需调度公交信息确定调度方案，调度方案未考虑公交的直达率和换乘率等指标。
发明内容
本发明针对以上不足，对基于综合客流与瓶颈分析的公交调度方法进行研究，充分挖掘公交线路客流、站点分布、满载率、公交班次等多维度指标，根据线路实际运营具体情况进行车辆运营时间安排计划的智能管理功能，为运管人员排班方案调整提供参考，提出一种基于瓶颈分析的公交调度方法、电子设备及存储介质。
为实现上述目的，本发明通过以下技术方案实现：
一种基于瓶颈分析的公交调度方法，包括如下步骤：
S1、客流分析，根据公交IC卡数据和公交GPS数据，进行以下公交客流分析：
S1.1、区域客流分析；
S1.2、线路客流分析；
S1.3、站点客流分析；
S1.4、车辆客流分析；
S1.5、廊道客流分析；
S2、需求预测：根据公交IC卡数据，推测乘客当前上车站点的换乘站点和下车站点，预测公交需求，然后基于步骤S1的站点客流分析、线路客流分析及区域客流分析，获取历史大客流事件，完成公交需求预警；
S3、运力分析：基于步骤S2获取的历史大客流事件，以历史大客流事件地点为中心，以800米-1200米为半径，搜索历史大客流事件中心辐射范围内公交线路、覆盖的公交站点及出租车，并统计覆盖范围内公交车辆数、巡游出租车辆数、网约出租车辆数、线路发车频次、断面满载率；
S4、瓶颈分析：基于步骤S2的需求预测，步骤S3的运力分析，搜索公交需求大于周边公共交通运力的大客流事件，识别瓶颈点及其形成原因；
S5、公交调度：基于步骤S4识别的瓶颈点，动态调整公交班次的发车时间，实时调度区域出租车，具体方法如下：
S5.1、首先查看步骤S4得到的瓶颈原因；
S5.2、若瓶颈原因为公交匹配程度好，但公交出行需求大，则查询瓶颈点辐射范围内所有公交线路、覆盖的公交站点，计算车厢满载率，优先对车厢满载率高的公交线路进行调度，通过增加公交车数量，满足出行需求，综合客流分析过程中得到的断面客流和公交车辆额定车容量计算车厢满载率，车厢满载率的计算公式为：
其中，通过车次的客位数通过公交信息数据获得；
S5.3、若瓶颈原因为公交匹配程度低，地点偏僻，出租车数量少，查询一定范围内符合条件的空驶出租车，按时间优先、顺路、就近原则向符合条件的空车下发调度信息﹐驾驶员收到调度信息进行反馈，乘客上车后返回确认信息，完成区域出租车调度。
进一步的，步骤S1中区域客流分析基于公交IC卡数据和公交GPS数据，进行公交乘客上下车站点推算，得到公交线路的站点OD，具体实现方法包括如下步骤：
S1.1.1、根据GPS数据和公交IC卡数据，以时间为主要匹配因子，IC卡上车站点为刷卡时间最接近的GPS停靠站；
S1.1.2、根据同一乘客在同一天中公交乘车的终点接近下一次乘车的起点的假设，判别连续两次乘坐公交时后一次公交出行的上车站点是前一次公交出行的终点；
S1.1.3、根据同一乘客在同一天中最后一次乘车的终点接近同一天第一次乘车的起点的假设，判别最后一次出行的下车站点为该天第一次乘车的起点；
S1.1.4、根据同一乘客在同一天中连续两次乘车的线路相同方向相反的假设，判别连续两次乘坐同一条线路时，第一次乘车的下车站点为第二次乘车的上车站点，第一次乘车的上车站点为第二次乘车的下车站点；
S1.1.5、根据步骤S1.1.1-1.1.4得到公交出行的上车站点和下车站点数据，统计得到公交线路不同站点之间一天内的客流量，从而得到公交线路站点的OD矩阵。
进一步的，步骤S1中线路客流分析为分析路网上断面公交客流分布，包括线路各站点上下行站点客流量与断面客流量，通过公交GPS数据和公交上下客计数器获取公交站点的上客量与下客量，计算得到站点客流量，然后通过公交站点客流量计算得到断面客流量；
站点客流量计算公式如下：
站点客流量=上客量+下客量
断面客流量计算公式如下：
其中，
为公交线路经过第
站后的区间断面客流量，
为第
站的上车人数，
为第
站的下车人数；
步骤S1中站点客流分析为分析所有站点客流量大小，包括站点运营时间内客流变化及途径线路上下客流量分布；通过公交GPS数据和上下客计数器获取各站点的上客量与下客量，计算得到站点总上客量与总下客量；
站点总上客量计算公式如下：
站点总上客量=
其中，
为途径线路
的上客量，
为途径线路总数；
站点总下客量计算公式如下：
站点总下客量=
其中，
为途径线路
的下客量。
进一步的，步骤S1中车辆客流分析为分析公交车车辆及其运行数据，具体包括以下步骤：
S1.4.1、通过交通车辆识别获取车牌号数据；
S1.4.2、通过对接公交公司数据获取公交线路、发车时间、公交车辆的额定车容量数据；
S1.4.3、通过断面客流量计算公式得到断面客流量，即为公交在该断面的实际载客量，并通过公交满载率公式计算得到公交满载率；
公交满载率计算公式如下：
S1.4.4、通过实时公交GPS数据，采用地图匹配算法，计算公交运行速度、预测公交到站时间：
S1.4.4.1、路段公交车速计算：首先采用地图匹配方法，得到公交的行驶轨迹点；采集相邻轨迹点的距离
、行程时间
，计算路段公交车速
，计算公式为：
分别将相同时段内的路段公交车速进行平均，即得到路段各时段的公交平均速度；
S1.4.4.2、公交站间车速：
a、从公交GPS数据中提取同一线路的各车辆GPS数据；
b、如果有GPS点的位置与车站位置相同，则以该GPS的时刻作为车辆的到站时刻与出站时刻；如果没有GPS点的位置与车站位置相同，则分别选取距离车站最近的上游与下游GPS点的时刻，作为车辆的到站时刻与出站时刻，得到车辆的到站时刻和出站时刻；
c、通过同一车辆在前一站点的出站时刻、后一站点的到站时刻，计算得到公交站间行程时间；
d、计算公交站间的行程车速=公交站间的线路长度/公交站间行程时间；
e、按小时将各时段由该线路多辆车辆GPS数据计算得到的行程车速求平均值，即得到公交站间的平均速度；
S1.4.4.3、公交到站时间预测：根据公交GPS数据实时判断公交车的位置及运行速度，结合步骤S1.4.4.2得到的公交站间车速，预测公交到站时间。
进一步的，步骤S1中廊道客流分析分别通过早高峰、晚高峰、平峰和全天的断面客流量计算得到早高峰、晚高峰、平峰和全天的廊道客流量：
廊道客流量计算如下：
廊道客流量=
式中，
为公交线路
的断面客流量，
为廊道中所有的公交线路数。
进一步的，步骤S2中具体实现方法包括如下步骤：
S2.1、乘客一次出行下车站点推演：根据公交IC卡数据，在历史日期中搜索与当前上车站点上车时间最接近的历史上车站点，将该历史上车站点对应的下车站点确定为当前上车站点即将到达的下车站点；
S2.2、乘客多次出行换乘站点推演：根据公交IC卡数据，在历史日期中搜索公交刷卡数据和当前上车站点，确定即将到达的下车站点位置，然后分析上车站点与下车站点是否在同一条线路上，若不在同一条线路上，则分别对上下车站点所在的公交线路进行匹配分析，确定公交线路换乘方式，再选择线路间步行距离和时间最近的两个站点为换乘站点；
S2.3、根据步骤S2.1、S2.2通过当前上车站点推导出对应的下车站点和换乘站点后，根据步骤S1的方法获得站点客流量和公交OD分布、计算线路的断面客流量；
S2.4、定义历史大客流事件为同一区域某时间段的客流超过该时间段的平均客流，则认定为该时间段发生了历史大客流事件，以历史大客流事件地点为中心，从零开始依次增加10m扩大半径，搜索历史大客流事件中心辐射范围内所有公交线路及覆盖的公交站点，当公交站点的数量大于5时暂停搜索，完成公交需求预警。
进一步的，步骤S3中的数据通过公交公司对接数据和实时公交GPS数据获得，公交线路信息数据包括：线路批文、线路编号、线路类型、发车间隔、售票方式、票价、线路首末站、中途停靠站、单边里程、途经道路、区间线、运营时间、配车数；车辆位置监控信息数据包括：根据公交GPS数据，实现公交与出租车辆实时定位跟踪功能，以一定的时间间隔接收GPS定位信息及车辆状态信息；行车计划信息数据包括：发车时间、首站名称、单向运营时间、末站名称、到站时间。
进一步的，步骤S4中的瓶颈分析的具体实现方法包括如下步骤：
S4.1、根据不同大客流事件分析各个时间段下的客流需求规模与周边公共交通运力匹配程度，确定服务供给的瓶颈点：基于步骤S2的需求预测，步骤S3的运力分析，依次判断历史大客流事件处的公共交通出行需求与公共交通运力大小：公共交通出行需求为步骤S2需求预测中上车站点在该大客流事件范围内的乘客人数；
公共交通运力=公交车辆数×额定车容量
其中公共交通车辆数为步骤S3运力分析中大客流事件覆盖范围内的公交车辆数和出租车辆数；
若公共交通出行需求>公共交通运力，则该历史大客流事件为瓶颈点；
S4.2、对瓶颈点进行公交出行需求匹配，通过以下计算公式计算覆盖范围内的公交直达率和换乘率：
公交直达率计算公式如下：
公交换乘率计算公式如下：
其中公交直达人数、公交换乘人数及公交总乘车人数根据步骤S2的乘客一次出行下车站点推演和乘客多次出行换乘站点推演得到，若乘客为一次出行，则统计在公交直达人数中，若乘客为多次出行，则统计在公交换乘人数中；
S4.3、当步骤S4.2计算结果为公交直达率不低于0.7，则确定瓶颈原因为：公交匹配程度较好，但公交出行需求大；
S4.4、若公交直达率低于0.7，再根据步骤S3的运力分析进行出租车出行需求匹配，如果出租车数量不足以满足客流需求，则确定瓶颈原因为：公交匹配程度低，地点偏僻，出租车数量少。
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所述的一种基于瓶颈分析的公交调度方法的步骤。
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所述的一种基于瓶颈分析的公交调度方法。
本发明的有益效果：
本发明所述的一种基于瓶颈分析的公交调度方法，首先全面分析包括区域客流、线路客流、站点客流、车辆客流、廊道客流在内的综合客流，可从多角度全局展示公交客流信息；其次，将出租车考虑在调度系统中，可解决偏僻地区公交可达性较差的问题，从而提升公交资源的利用效率；最后，在出行需求匹配中，从乘客角度出发考虑公交直达率和换乘率多维度指标，有助于提高城市公交的乘客满意度。
附图说明
图1为本发明所述的一种基于瓶颈分析的公交调度方法的流程图；
图2为本发明所述的一种基于瓶颈分析的公交调度方法的出行下车站点推导示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅用以解释本发明，并不用于限定本发明，即所描述的具体实施方式仅仅是本发明一部分实施方式，而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计，本发明还可以具有其他实施方式。
因此，以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
为能进一步了解本发明的发明内容、特点及功效，兹例举以下具体实施方式，并配合附图1-2详细说明如下：
具体实施方式一：
一种基于瓶颈分析的公交调度方法（参见图1），包括如下步骤：
S1、客流分析，根据公交IC卡数据和公交GPS数据，进行以下公交客流分析：
S1.1、区域客流分析；
进一步的，步骤S1中区域客流分析基于公交IC卡数据和公交GPS数据，进行公交乘客上下车站点推算，得到公交线路的站点OD，具体实现方法包括如下步骤：
S1.1.1、根据GPS数据和公交IC卡数据，以时间为主要匹配因子，IC卡上车站点为刷卡时间最接近的GPS停靠站；
S1.1.2、根据同一乘客在同一天中公交乘车的终点接近下一次乘车的起点的假设，判别连续两次乘坐公交时后一次公交出行的上车站点是前一次公交出行的终点；
S1.1.3、根据同一乘客在同一天中最后一次乘车的终点接近同一天第一次乘车的起点的假设，判别最后一次出行的下车站点为该天第一次乘车的起点；
S1.1.4、根据同一乘客在同一天中连续两次乘车的线路相同方向相反的假设，判别连续两次乘坐同一条线路时，第一次乘车的下车站点为第二次乘车的上车站点，第一次乘车的上车站点为第二次乘车的下车站点；
S1.1.5、根据步骤S1.1.1-1.1.4得到公交出行的上车站点和下车站点数据，统计得到公交线路不同站点之间一天内的客流量，从而得到公交线路站点的OD矩阵；
S1.2、线路客流分析；
进一步的，步骤S1中线路客流分析为分析路网上断面公交客流分布，包括线路各站点上下行站点客流量与断面客流量，通过公交GPS数据和公交上下客计数器获取公交站点的上客量与下客量，计算得到站点客流量，然后通过公交站点客流量计算得到断面客流量；
站点客流量计算公式如下：
站点客流量=上客量+下客量
断面客流量计算公式如下：
其中，
为公交线路经过第
站后的区间断面客流量，
为第
站的上车人数，
为第
站的下车人数；
S1.3、站点客流分析；
进一步的，步骤S1中站点客流分析为分析所有站点客流量大小，包括站点运营时间内客流变化及途径线路上下客流量分布；通过公交GPS数据和上下客计数器获取各站点的上客量与下客量，计算得到站点总上客量与总下客量；
站点总上客量计算公式如下：
站点总上客量=
其中，
为途径线路
的上客量，
为途径线路总数；
站点总下客量计算公式如下：
站点总下客量=
其中，
为途径线路
的下客量，
为途径线路总数；
S1.4、车辆客流分析；
进一步的，步骤S1中车辆客流分析为分析公交车车辆及其运行数据，具体包括以下步骤：
S1.4.1、通过交通车辆识别获取车牌号数据；
S1.4.2、通过对接公交公司数据获取公交线路、发车时间、公交车辆的额定车容量数据；
S1.4.3、通过断面客流量计算公式得到断面客流量，即为公交在该断面的实际载客量，并通过公交满载率公式计算得到公交满载率；
公交满载率计算公式如下：
S1.4.4、通过实时公交GPS数据，采用地图匹配算法，计算公交运行速度、预测公交到站时间：
S1.4.4.1、路段公交车速计算：首先采用地图匹配方法，得到公交的行驶轨迹点；采集相邻轨迹点的距离
、行程时间
，计算路段公交车速
，计算公式为：
分别将相同时段内的路段公交车速进行平均，即得到路段各时段的公交平均速度；
S1.4.4.2、公交站间车速：
a、从公交GPS数据中提取同一线路的各车辆GPS数据；
b、如果有GPS点的位置与车站位置相同，则以该GPS的时刻作为车辆的到站时刻与出站时刻；如果没有GPS点的位置与车站位置相同，则分别选取距离车站最近的上游与下游GPS点的时刻，作为车辆的到站时刻与出站时刻，得到车辆的到站时刻和出站时刻；
c、通过同一车辆在前一站点的出站时刻、后一站点的到站时刻，计算得到公交站间行程时间；
d、计算公交站间的行程车速=公交站间的线路长度/公交站间行程时间；
e、按小时将各时段由该线路多辆车辆GPS数据计算得到的行程车速求平均值，即得到公交站间的平均速度；
S1.4.4.3、公交到站时间预测：根据公交GPS数据实时判断公交车的位置及运行速度，结合步骤S1.4.4.2得到的公交站间车速，预测公交到站时间
S1.5、廊道客流分析；
进一步的，步骤S1中廊道客流分析分别通过早高峰、晚高峰、平峰和全天的断面客流量计算得到早高峰、晚高峰、平峰和全天的廊道客流量：
廊道客流量计算如下：
廊道客流量=
式中，
为公交线路
的断面客流量，
为廊道中所有的公交线路数；
S2、需求预测：根据公交IC卡数据，推测乘客当前上车站点的换乘站点和下车站点，预测公交需求，然后基于步骤S1的站点客流分析、线路客流分析及区域客流分析，获取历史大客流事件，完成公交需求预警；
进一步的，步骤S2中具体实现方法包括如下步骤：
S2.1、乘客一次出行下车站点推演（参见图2）：根据公交IC卡数据，在历史日期中搜索与当前上车站点上车时间最接近的历史上车站点，将该历史上车站点对应的下车站点确定为当前上车站点即将到达的下车站点；
S2.2、乘客多次出行换乘站点推演：根据公交IC卡数据，在历史日期中搜索公交刷卡数据和当前上车站点，确定即将到达的下车站点位置，然后分析上车站点与下车站点是否在同一条线路上，若不在同一条线路上，则分别对上下车站点所在的公交线路进行匹配分析，确定公交线路换乘方式，再选择线路间步行距离和时间最近的两个站点为换乘站点；
S2.3、根据步骤S2.1、S2.2通过当前上车站点推导出对应的下车站点和换乘站点后，根据步骤S1的方法获得站点客流量和公交OD分布、计算线路的断面客流量；
S2.4、定义历史大客流事件为同一区域某时间段的客流超过该时间段的平均客流，则认定为该时间段发生了历史大客流事件，以历史大客流事件地点为中心，从零开始依次增加10m扩大半径，搜索历史大客流事件中心辐射范围内所有公交线路及覆盖的公交站点，当公交站点的数量大于5时暂停搜索，完成公交需求预警；基于大客流事件，展示区域公交需求量，实现需求预警功能；
S3、运力分析：基于步骤S2获取的历史大客流事件，以历史大客流事件地点为中心，以800米-1200米为半径，搜索历史大客流事件中心辐射范围内公交线路、覆盖的公交站点及出租车，并统计覆盖范围内公交车辆数、巡游出租车辆数、网约出租车辆数、线路发车频次、断面满载率；
进一步的，步骤S3中的数据通过公交公司对接数据和实时公交GPS数据获得，公交线路信息数据包括：线路批文、线路编号、线路类型、发车间隔、售票方式、票价、线路首末站、中途停靠站、单边里程、途经道路、区间线、运营时间、配车数；车辆位置监控信息数据包括：根据公交GPS数据，实现公交与出租车辆实时定位跟踪功能，以一定的时间间隔接收GPS定位信息及车辆状态信息；行车计划信息数据包括：发车时间、首站名称、单向运营时间、末站名称、到站时间；
S4、瓶颈分析：基于步骤S2的需求预测，步骤S3的运力分析，搜索公交需求大于周边公共交通运力的大客流事件，识别瓶颈点及其形成原因；
进一步的，步骤S4中的瓶颈分析的具体实现方法包括如下步骤：
S4.1、根据不同大客流事件分析各个时间段下的客流需求规模与周边公共交通运力匹配程度，确定服务供给的瓶颈点：基于步骤S2的需求预测，步骤S3的运力分析，依次判断历史大客流事件处的公共交通出行需求与公共交通运力大小：公共交通出行需求为步骤S2需求预测中上车站点在该大客流事件范围内的乘客人数；
公共交通运力=公交车辆数×额定车容量
其中公共交通车辆数为步骤S3运力分析中大客流事件覆盖范围内的公交车辆数和出租车辆数；
若公共交通出行需求>公共交通运力，则该历史大客流事件为瓶颈点；
S4.2、对瓶颈点进行公交出行需求匹配，通过以下计算公式计算覆盖范围内的公交直达率和换乘率：
公交直达率计算公式如下：
公交换乘率计算公式如下：
其中公交直达人数、公交换乘人数及公交总乘车人数根据步骤S2的乘客一次出行下车站点推演和乘客多次出行换乘站点推演得到，若乘客为一次出行，则统计在公交直达人数中，若乘客为多次出行，则统计在公交换乘人数中；
S4.3、当步骤S4.2计算结果为公交直达率不低于0.7，则确定瓶颈原因为：公交匹配程度较好，但公交出行需求大；
S4.4、若公交直达率低于0.7，再根据步骤S3的运力分析进行出租车出行需求匹配，如果出租车数量不足以满足客流需求，则确定瓶颈原因为：公交匹配程度低，地点偏僻，出租车数量少；
S5、公交调度：基于步骤S4识别的瓶颈点，动态调整公交班次的发车时间，实时调度区域出租车，具体方法如下：
S5.1、首先查看步骤S4得到的瓶颈原因；
S5.2、若瓶颈原因为公交匹配程度较好，但公交出行需求大，则查询瓶颈点辐射范围内所有公交线路、覆盖的公交站点，计算车厢满载率，优先对车厢满载率高的公交线路进行调度，通过增加公交车数量，满足出行需求，综合客流分析过程中得到的断面客流和公交车辆额定车容量计算车厢满载率，车厢满载率的计算公式为：
其中，通过车次的客位数通过公交信息数据获得；
S5.3、若瓶颈原因为公交匹配程度低，地点偏僻，出租车数量少，查询一定范围内符合条件的空驶出租车，按时间优先、顺路、就近原则向符合条件的空车下发调度信息﹐驾驶员收到调度信息进行反馈，乘客上车后返回确认信息，完成区域出租车调度。
具体实施方式二：
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具体实施方式一所述的一种基于瓶颈分析的公交调度方法的步骤。
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。
具体实施方式三：
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具体实施方式一所述的一种基于瓶颈分析的公交调度方法。
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。
本发明的技术关键点和欲保护点为：
1、本发明的客流分析系统从区域客流、线路客流、站点客流、车辆客流和廊道客流多个角度，全局展示历史、实时、预测的常规公交客流关键性指标，使得公交客流信息更全面。
2、本发明针对公交匹配程度低、地点偏僻的瓶颈点，将出租车考虑在调度系统中，可解决偏僻地区公交可达性较差的问题，得调度方案更合理。
3、本发明中的公交车出行需求匹配从乘客角度出发，使用出行需求、直达率和换乘率结合的方式，使得乘客便捷出行需求可以更好的被满足。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然在上文中已经参考具体实施方式对本申请进行了描述，然而在不脱离本申请的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本申请并不局限于文中公开的特定具体实施方式，而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种基于瓶颈分析的公交调度方法，其特征在于：包括如下步骤：
S1、客流分析，根据公交IC卡数据和公交GPS数据，进行以下公交客流分析：
S1.1、区域客流分析；
S1.2、线路客流分析；
S1.3、站点客流分析；
S1.4、车辆客流分析；
S1.5、廊道客流分析；
S2、需求预测：根据公交IC卡数据，推测乘客当前上车站点的换乘站点和下车站点，预测公交需求，然后基于步骤S1的站点客流分析、线路客流分析及区域客流分析，获取历史大客流事件，完成公交需求预警；
S3、运力分析：基于步骤S2获取的历史大客流事件，以历史大客流事件地点为中心，以800米-1200米为半径，搜索历史大客流事件中心辐射范围内公交线路、覆盖的公交站点及出租车，并统计覆盖范围内公交车辆数、巡游出租车辆数、网约出租车辆数、线路发车频次、断面满载率；
S4、瓶颈分析：基于步骤S2的需求预测，步骤S3的运力分析，搜索公交需求大于周边公共交通运力的大客流事件，识别瓶颈点及其形成原因；
S5、公交调度：基于步骤S4识别的瓶颈点，动态调整公交班次的发车时间，实时调度区域出租车，具体方法如下：
S5.1、首先查看步骤S4得到的瓶颈原因；
S5.2、若瓶颈原因为公交匹配程度好，但公交出行需求大，则查询瓶颈点辐射范围内所有公交线路、覆盖的公交站点，计算车厢满载率，优先对车厢满载率高的公交线路进行调度，通过增加公交车数量，满足出行需求，综合客流分析过程中得到的断面客流和公交车辆额定车容量计算车厢满载率，车厢满载率的计算公式为：
其中，通过车次的客位数通过公交信息数据获得；
S5.3、若瓶颈原因为公交匹配程度低，地点偏僻，出租车数量少，查询一定范围内符合条件的空驶出租车，按时间优先、顺路、就近原则向符合条件的空车下发调度信息﹐驾驶员收到调度信息进行反馈，乘客上车后返回确认信息，完成区域出租车调度。
2.根据权利要求1所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S1中区域客流分析基于公交IC卡数据和公交GPS数据，进行公交乘客上下车站点推算，得到公交线路的站点OD，具体实现方法包括如下步骤：
S1.1.1、根据GPS数据和公交IC卡数据，以时间为主要匹配因子，IC卡上车站点为刷卡时间最接近的GPS停靠站；
S1.1.2、根据同一乘客在同一天中公交乘车的终点接近下一次乘车的起点的假设，判别连续两次乘坐公交时后一次公交出行的上车站点是前一次公交出行的终点；
S1.1.3、根据同一乘客在同一天中最后一次乘车的终点接近同一天第一次乘车的起点的假设，判别最后一次出行的下车站点为该天第一次乘车的起点；
S1.1.4、根据同一乘客在同一天中连续两次乘车的线路相同方向相反的假设，判别连续两次乘坐同一条线路时，第一次乘车的下车站点为第二次乘车的上车站点，第一次乘车的上车站点为第二次乘车的下车站点；
S1.1.5、根据步骤S1.1.1-1.1.4得到公交出行的上车站点和下车站点数据，统计得到公交线路不同站点之间一天内的客流量，从而得到公交线路站点的OD矩阵。
3.根据权利要求1或2所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S1中线路客流分析为分析路网上断面公交客流分布，包括线路各站点上下行站点客流量与断面客流量，通过公交GPS数据和公交上下客计数器获取公交站点的上客量与下客量，计算得到站点客流量，然后通过公交站点客流量计算得到断面客流量；
站点客流量计算公式如下：
站点客流量=上客量+下客量
断面客流量计算公式如下：
其中，
为公交线路经过第
站后的区间断面客流量，
为第
站的上车人数，
为第
站的下车人数；
步骤S1中站点客流分析为分析所有站点客流量大小，包括站点运营时间内客流变化及途径线路上下客流量分布；通过公交GPS数据和上下客计数器获取各站点的上客量与下客量，计算得到站点总上客量与总下客量；
站点总上客量计算公式如下：
站点总上客量=
其中，
为途径线路
的上客量，
为途径线路总数；
站点总下客量计算公式如下：
站点总下客量=
其中，
为途径线路
的下客量。
4.根据权利要求3所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S1中车辆客流分析为分析公交车车辆及其运行数据，具体包括以下步骤：
S1.4.1、通过交通车辆识别获取车牌号数据；
S1.4.2、通过对接公交公司数据获取公交线路、发车时间、公交车辆的额定车容量数据；
S1.4.3、通过断面客流量计算公式得到断面客流量，即为公交在该断面的实际载客量，并通过公交满载率公式计算得到公交满载率；
公交满载率计算公式如下：
S1.4.4、通过实时公交GPS数据，采用地图匹配算法，计算公交运行速度、预测公交到站时间：
S1.4.4.1、路段公交车速计算：首先采用地图匹配方法，得到公交的行驶轨迹点；采集相邻轨迹点的距离
、行程时间
，计算路段公交车速
，计算公式为：
分别将相同时段内的路段公交车速进行平均，即得到路段各时段的公交平均速度；
S1.4.4.2、公交站间车速：
a、从公交GPS数据中提取同一线路的各车辆GPS数据；
b、如果有GPS点的位置与车站位置相同，则以该GPS的时刻作为车辆的到站时刻与出站时刻；如果没有GPS点的位置与车站位置相同，则分别选取距离车站最近的上游与下游GPS点的时刻，作为车辆的到站时刻与出站时刻，得到车辆的到站时刻和出站时刻；
c、通过同一车辆在前一站点的出站时刻、后一站点的到站时刻，计算得到公交站间行程时间；
d、计算公交站间的行程车速=公交站间的线路长度/公交站间行程时间；
e、按小时将各时段由该线路多辆车辆GPS数据计算得到的行程车速求平均值，即得到公交站间的平均速度；
S1.4.4.3、公交到站时间预测：根据公交GPS数据实时判断公交车的位置及运行速度，结合步骤S1.4.4.2得到的公交站间车速，预测公交到站时间。
5.根据权利要求4所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S1中廊道客流分析分别通过早高峰、晚高峰、平峰和全天的断面客流量计算得到早高峰、晚高峰、平峰和全天的廊道客流量：
廊道客流量计算如下：
廊道客流量=
式中，
为公交线路
的断面客流量，
为廊道中所有的公交线路数。
6.根据权利要求5所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S2中具体实现方法包括如下步骤：
S2.1、乘客一次出行下车站点推演：根据公交IC卡数据，在历史日期中搜索与当前上车站点上车时间最接近的历史上车站点，将该历史上车站点对应的下车站点确定为当前上车站点即将到达的下车站点；
S2.2、乘客多次出行换乘站点推演：根据公交IC卡数据，在历史日期中搜索公交刷卡数据和当前上车站点，确定即将到达的下车站点位置，然后分析上车站点与下车站点是否在同一条线路上，若不在同一条线路上，则分别对上下车站点所在的公交线路进行匹配分析，确定公交线路换乘方式，再选择线路间步行距离和时间最近的两个站点为换乘站点；
S2.3、根据步骤S2.1、S2.2通过当前上车站点推导出对应的下车站点和换乘站点后，根据步骤S1的方法获得站点客流量和公交OD分布、计算线路的断面客流量；
S2.4、定义历史大客流事件为同一区域某时间段的客流超过该时间段的平均客流，则认定为该时间段发生了历史大客流事件，以历史大客流事件地点为中心，从零开始依次增加10m扩大半径，搜索历史大客流事件中心辐射范围内所有公交线路及覆盖的公交站点，当公交站点的数量大于5时暂停搜索，完成公交需求预警。
7.根据权利要求6所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S3中的数据通过公交公司对接数据和实时公交GPS数据获得，公交线路信息数据包括：线路批文、线路编号、线路类型、发车间隔、售票方式、票价、线路首末站、中途停靠站、单边里程、途经道路、区间线、运营时间、配车数；车辆位置监控信息数据包括：根据公交GPS数据，实现公交与出租车辆实时定位跟踪功能，以一定的时间间隔接收GPS定位信息及车辆状态信息；行车计划信息数据包括：发车时间、首站名称、单向运营时间、末站名称、到站时间。
8.根据权利要求7所述的一种基于瓶颈分析的公交调度方法，其特征在于：步骤S4中的瓶颈分析的具体实现方法包括如下步骤：
S4.1、根据不同大客流事件分析各个时间段下的客流需求规模与周边公共交通运力匹配程度，确定服务供给的瓶颈点：基于步骤S2的需求预测，步骤S3的运力分析，依次判断历史大客流事件处的公共交通出行需求与公共交通运力大小：公共交通出行需求为步骤S2需求预测中上车站点在该大客流事件范围内的乘客人数；
公共交通运力=公交车辆数×额定车容量
其中公共交通车辆数为步骤S3运力分析中大客流事件覆盖范围内的公交车辆数和出租车辆数；
若公共交通出行需求>公共交通运力，则该历史大客流事件为瓶颈点；
S4.2、对瓶颈点进行公交出行需求匹配，通过以下计算公式计算覆盖范围内的公交直达率和换乘率：
公交直达率计算公式如下：
公交换乘率计算公式如下：
其中公交直达人数、公交换乘人数及公交总乘车人数根据步骤S2的乘客一次出行下车站点推演和乘客多次出行换乘站点推演得到，若乘客为一次出行，则统计在公交直达人数中，若乘客为多次出行，则统计在公交换乘人数中；
S4.3、当步骤S4.2计算结果为公交直达率不低于0.7，则确定瓶颈原因为：公交匹配程度较好，但公交出行需求大；
S4.4、若公交直达率低于0.7，再根据步骤S3的运力分析进行出租车出行需求匹配，如果出租车数量不足以满足客流需求，则确定瓶颈原因为：公交匹配程度低，地点偏僻，出租车数量少。
9.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1-8任一项所述的一种基于瓶颈分析的公交调度方法的步骤。
10.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1-8任一项所述的一种基于瓶颈分析的公交调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211354334.XA CN115409295B (zh) | 2022-11-01 | 2022-11-01 | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211354334.XA CN115409295B (zh) | 2022-11-01 | 2022-11-01 | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115409295A true CN115409295A (zh) | 2022-11-29 |
| CN115409295B CN115409295B (zh) | 2023-02-14 |
Family
ID=84169329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211354334.XA Active CN115409295B (zh) | 2022-11-01 | 2022-11-01 | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115409295B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115798246A (zh) * | 2023-02-07 | 2023-03-14 | 北京清研宏达信息科技有限公司 | 一种基于大客流区间的公交调度方法和公交调度系统 |
| CN116485137A (zh) * | 2023-04-20 | 2023-07-25 | 浪潮智慧科技有限公司 | 一种基于大数据的智慧公交调度方法、设备及介质 |
| CN116778739A (zh) * | 2023-06-20 | 2023-09-19 | 深圳市中车智联科技有限公司 | 一种基于需求响应的公共交通调度方法和系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101180024B1 (ko) * | 2012-02-22 | 2012-09-05 | 주식회사 쿠토 | 교통카드의 고속처리 방법 |
| CN105608896A (zh) * | 2016-03-14 | 2016-05-25 | 西安电子科技大学 | 城市交通网络中的交通瓶颈识别方法 |
| CN107766969A (zh) * | 2017-09-28 | 2018-03-06 | 东南大学 | 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 |
| CN108364127A (zh) * | 2018-02-01 | 2018-08-03 | 北京市地铁运营有限公司 | 一种路网客流协同控制优化系统 |
| CN110704993A (zh) * | 2019-09-11 | 2020-01-17 | 东南大学 | 一种疏解地铁客流压力的定制公交线路设计方法 |
| CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
| CN111276002A (zh) * | 2020-02-28 | 2020-06-12 | 河海大学 | 一种基于服务瓶颈站点识别的公交调度方法 |
| CN111508220A (zh) * | 2020-04-10 | 2020-08-07 | 重庆交通开投科技发展有限公司 | 基于公交人口分布精准进行末端接驳的方法 |
| CN111582691A (zh) * | 2020-04-28 | 2020-08-25 | 北京交通大学 | 基于双层规划的客运枢纽多交通方式的运力匹配方法 |
| CN112819316A (zh) * | 2021-01-29 | 2021-05-18 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
| CN114132363A (zh) * | 2021-11-11 | 2022-03-04 | 北京市地铁运营有限公司技术创新研究院分公司 | 基于客流时空状态精细化分析的列车运行图编制方法 |
| WO2022116447A1 (zh) * | 2020-12-01 | 2022-06-09 | 平安科技（深圳）有限公司 | 公交车调度方法、装置、计算机设备及介质 |
-
2022
- 2022-11-01 CN CN202211354334.XA patent/CN115409295B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101180024B1 (ko) * | 2012-02-22 | 2012-09-05 | 주식회사 쿠토 | 교통카드의 고속처리 방법 |
| CN105608896A (zh) * | 2016-03-14 | 2016-05-25 | 西安电子科技大学 | 城市交通网络中的交通瓶颈识别方法 |
| CN107766969A (zh) * | 2017-09-28 | 2018-03-06 | 东南大学 | 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 |
| CN108364127A (zh) * | 2018-02-01 | 2018-08-03 | 北京市地铁运营有限公司 | 一种路网客流协同控制优化系统 |
| CN110704993A (zh) * | 2019-09-11 | 2020-01-17 | 东南大学 | 一种疏解地铁客流压力的定制公交线路设计方法 |
| CN110751366A (zh) * | 2019-09-12 | 2020-02-04 | 西南交通大学 | 一种干线铁路与城市轨道交通运能匹配度计算方法 |
| CN111276002A (zh) * | 2020-02-28 | 2020-06-12 | 河海大学 | 一种基于服务瓶颈站点识别的公交调度方法 |
| CN111508220A (zh) * | 2020-04-10 | 2020-08-07 | 重庆交通开投科技发展有限公司 | 基于公交人口分布精准进行末端接驳的方法 |
| CN111582691A (zh) * | 2020-04-28 | 2020-08-25 | 北京交通大学 | 基于双层规划的客运枢纽多交通方式的运力匹配方法 |
| WO2022116447A1 (zh) * | 2020-12-01 | 2022-06-09 | 平安科技（深圳）有限公司 | 公交车调度方法、装置、计算机设备及介质 |
| CN112819316A (zh) * | 2021-01-29 | 2021-05-18 | 西南交通大学 | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 |
| CN114132363A (zh) * | 2021-11-11 | 2022-03-04 | 北京市地铁运营有限公司技术创新研究院分公司 | 基于客流时空状态精细化分析的列车运行图编制方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115798246A (zh) * | 2023-02-07 | 2023-03-14 | 北京清研宏达信息科技有限公司 | 一种基于大客流区间的公交调度方法和公交调度系统 |
| CN115798246B (zh) * | 2023-02-07 | 2023-04-28 | 北京清研宏达信息科技有限公司 | 一种基于大客流区间的公交调度方法和公交调度系统 |
| CN116485137A (zh) * | 2023-04-20 | 2023-07-25 | 浪潮智慧科技有限公司 | 一种基于大数据的智慧公交调度方法、设备及介质 |
| CN116485137B (zh) * | 2023-04-20 | 2023-10-13 | 浪潮智慧科技有限公司 | 一种基于大数据的智慧公交调度方法、设备及介质 |
| CN116778739A (zh) * | 2023-06-20 | 2023-09-19 | 深圳市中车智联科技有限公司 | 一种基于需求响应的公共交通调度方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115409295B (zh) | 2023-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115409295B (zh) | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 | |
| Tirachini et al. | Bus congestion, optimal infrastructure investment and the choice of a fare collection system in dedicated bus corridors | |
| CN108831149B (zh) | 一种基于历史od信息定制公交线路开行方法及系统 | |
| CN110047279B (zh) | 一种基于订单数据确定共享单车调度量的方法 | |
| Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
| CN111079875A (zh) | 基于多源数据的公共交通客流监测方法、装置和存储介质 | |
| CN109993408B (zh) | 一种基于服务区域划分的网约车运力调配方法 | |
| CN111553530A (zh) | 一种城际网约车包车出行运力预测与出行推荐方法及系统 | |
| Bie et al. | Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data | |
| Filippi et al. | Trends in passenger transport optimisation | |
| CN114154801A (zh) | 智慧公交组合调度方法、装置及存储介质 | |
| Chen et al. | Exploring the operational performance discrepancies between online ridesplitting and carpooling transportation modes based on DiDi data | |
| TW201608518A (zh) | 一種雲端智慧型公共自行車泊車調配系統 | |
| CN110826009B (zh) | 一种云物流模式下面向客户需求的调度优化方法 | |
| CN116090785B (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 | |
| Christoforou et al. | Investigation of taxi travel time characteristics. | |
| Zhang et al. | Efficiency of connected semi-autonomous platooning bus services in high-demand transit corridors | |
| Sun et al. | Subway passenger flow analysis and management optimization model based on AFC data | |
| CN111612927A (zh) | 一种高速公路预约通行系统 | |
| Bunker | Assessment of transit quality of service with occupancy load factor and passenger travel time measures | |
| CN114819413B (zh) | 一种网约车定制客运路线的推荐系统及方法 | |
| Zhang et al. | Dynamic Ridesharing Strategy for Shared Autonomous Vehicles Based on Maximum Similarity of Trajectories | |
| Zhu et al. | Algorithm for Headway of Fixed Route Buses in Bus Stations Based on Bus Big Data | |
| CN115798246B (zh) | 一种基于大客流区间的公交调度方法和公交调度系统 | |
| CN116168530B (zh) | 一种出租车智能调度分配系统 |
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 |