CN115472011B - 基于预约数据的公交智能线路规划算法 - Google Patents
基于预约数据的公交智能线路规划算法 Download PDFInfo
- Publication number
- CN115472011B CN115472011B CN202211076802.1A CN202211076802A CN115472011B CN 115472011 B CN115472011 B CN 115472011B CN 202211076802 A CN202211076802 A CN 202211076802A CN 115472011 B CN115472011 B CN 115472011B
- Authority
- CN
- China
- Prior art keywords
- bus
- time
- planning
- station
- shift
- 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
Links
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于预约数据的公交智能线路规划算法,涉及公交线路规划领域。为了解决现有技术不能合理的规划公交线路,容易造成公共资源的浪费,容易造成公交车拥堵,乘客体验感不佳。本发明的基于预约数据的公交智能线路规划算法,通过居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,并通过交线路规划模块定制公交线路,充分利用公共资源,且能根据居民居住地大数据来制定相应的线路,使得线路规划更加合理,避免造成公共资源的浪费,能够及时缓解城市的交通压力,及提高了公共交通服务质量,展示了如何生成公交车智能智能排班,实现减缓乘客等车时间、车厢拥挤度,实现车辆资源的最优利用的目的。
Description
技术领域
本发明涉及公交线路规划领域,特别涉及基于预约数据的公交智能线路规划算法。
背景技术
目前,城市居民工作生活出行半径增加,出行需求增加,城市拥堵加剧,因此对于公交车路线的规划尤为重要,申请号为CN201610614474.4的发明提供一种基于预约数据的定制公交自动布线系统及方法,改变了目前公司定线、乘客选乘为主的“拟定制”模式,给出了基于预约数据的精准定线方法,有助于提升定制巴士的上座率,减少公交运力的浪费,增加公交企业的利润但是该系统在使用时还存在以下缺陷:
1、不能根据居民职住地大数据知识库与公交线路规则数据库匹配,合理的规划公交线路,容易造成公共资源的浪费;
2、当出现公交站点乘客较多,公交车不能满足当前的乘坐条件时,不能及时有效的进行相应的调整,容易造成公交车拥堵,乘客体验感不佳。
发明内容
本发明的目的在于提供基于预约数据的公交智能线路规划算法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
基于预约数据的公交智能线路规划算法,包括以下步骤:
S1:通过乘客需求信息采集模块采集乘客需求信息,将乘车需求按照目标地点进行分组得到目标乘车需求集合,并将采集的信息发送至公交线路规划模块。
S2:公交线路规划模块根据乘客需求信息采集模块采集的信息,乘客需求信息采集模块包括用户端APP,分析处理乘客的信息以及给出精准的公交定制线路,并将定制的线路发送至公交智能排班模块和公交线路公示模块,公交线路规划模块包括数据处理服务器,公交线路公示模块包括用户端APP以及电子地图。
S3:公交智能排班模块根据定制的公交线路制定排班信息,并将结果发送至公交智能调度模块。
S4:公交智能调度模块根据公交车站的实时乘客等待数据确定公交调度策略,公交调度策略包括增加公交线路的公交车辆。
进一步地,所述乘客需求信息采集模块包括以下步骤:
S101:乘客使用用户端APP提交出行需求数据,出行需求数据包括出行起点、出行时间、出行终点。
S102:接收乘客输入的出行起点信息,或让用户选择是否对其实时所在地点进行识别同时结合电子地图,对乘客出行的起始点和终止点进行识别,且与电子地图进行对应。
S103:根据与电子地图对应后的具体位置,对其附近的公交站点进行匹配,选定乘客上车地点与下车地点,将初步匹配后的数据信息与其他所需信息上传至数据处理服务器。
S104:用户端APP将乘客出行需求数据上传至数据处理服务器,数据处理服务器将数据输入公交线路规划模块。
进一步地,根据与电子地图对应后的具体位置,对其附近的公交站点进行匹配,选定乘客上车地点与下车地点,包括:
基于电子地图对应后的具体位置中的起点位置和终点位置之间的最短行驶距离,计算出站点筛选距离阈值,将电子地图中的起点位置和终点位置分别作为圆心,将站点筛选距离阈值作为半径,确定出上车站点的第一筛选范围区域和下车站点的第二筛选范围区域;
确定出第一筛选范围区域中的所有待选上车站点,获得待选上车站点集合,确定出第二筛选范围区域中的所有待选下车站点,获得待选下车站点集合;
基于待选上车站点集合中包含的待选上车站点和待选下车站点集合中包含的待选下车站点,确定出多组预测乘车起终点组合;
基于公交路线历史规划记录,确定出每个预测乘车起终点组合满足等车时间阈值的公交班次和对应的班次规划时间,基于对应的出行时间和班次规划时间确定出对应公交班次的等车时间;
基于对应公交班次的历史行驶记录确定出对应公交班次在对应预测乘车起终点组合之间的行驶时间,基于用户输入的出行起点和出行终点以及预测乘车起终点组合确定出总步行时间,基于行驶时间和等车时间以及总步行时间,确定出对应公交班次的出行总时间;
基于公交路线历史规划记录分析出对应公交班次按照对应班次规划时间被规划的可能系数,基于可能系数和出行总时间计算出对应公交班次的第一权重,基于用户的出行偏好系数列表和总步行时间以及基于行驶时间和等车时间确定出的总乘车时间,计算出对应公交班次的第二权重;
基于第一权重和第二权重计算出对应公交班次的总权重,基于预测乘车起终点组合中包含的所有公交班次的总权重计算出对应预测乘车起终点组合的筛选权重;
将最大筛选权重对应的预测乘车起终点组合中包含的待选上车站点作为乘客上车地点,将最大筛选权重对应的预测乘车起终点组合中包含的待选下车站点作为乘客下车地点。
进一步地,基于公交路线历史规划记录分析出对应公交班次按照对应班次规划时间被规划的可能系数,包括:
基于公交路线历史规划记录确定出对应公交班次按照对应班次规划时间被规划的历史时间和被规划总次数;
将被规划总次数和历史规划记录的总规划次数计的比值作为对应公交班次按照对应班次规划时间被规划的第一可能权值;
基于公交路线历史规划记录的时间容量生成对应的时间记录线程,将对应班次规划时间被规划的历史时间标记于时间记录线程,获得历史规划标记线程;
基于在历史规划标记线程中依次确定出的每相邻两次历史时间之间的时间间隔,拟合出时间间隔变化曲线;
确定出时间间隔变化曲线对应的时间间隔变化函数,基于时间间隔变化函数和历史规划记录中对应公交班次按照对应班次规划时间最后一次被规划时的最新历史时间确定出最新时间间隔;
基于最新间隔时间和最新历史时间,确定出预测被规划时间;
基于预测被规划时间和当前时间以及最新间隔时间,计算出对应公交班次按照对应班次规划时间被规划的第二可能权值;
基于第一可能权值和第二可能权值确定出对应公交班次按照对应班次规划时间被规划的可能系数。
进一步地,所述公交线路规划模块包括获取模块、计算模块及匹配规划模块,获取模块用于获取途经始发站和终点站的每条公交线路信息,计算模块用于计算班次和线路站点的距离值,确定公交车的到站时间,基于到站时间获取乘客上车的站点信息和时间信息和计算每个停靠站的上车乘客数量或下车乘客数量总数,匹配规划模块用于将上述得到的需要建立公交站点的居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案。
进一步地,所述匹配规划模块具体用于根据公交线路设计规则设定检索条件,从需要建立公交站点的居民职住地大数据知识库中查询符合公交线路站点设置规则的职住点,选择符合首末站设定规则的职住点作为公交线路的首末站,采用最短路径算法将首末站作为两个顶点计算得到各条公交线路上所包含的点,最终将这些点关联起来组成公交线路网。
进一步地,所述公交线路规划模块包括以下步骤:
S201:通过获取模块获取指定区域内的样本信息,同时设置客流量阈值、运行时刻阈值和车程阈值,同时获取途经始发站和终点站的每条公交线路信息,在运行时刻阈值内,确定目标地点与公交站点集合中每个公交站点之间的行驶时长集合,公交站点集合为目标区域内的公交站点。
S202:通过计算模块来计算班次和线路站点的距离值,确定公交车的到站时间,同时计算每个停靠站的上车乘客数量或下车乘客数量总数,并判断每个停靠站的上车乘客数量或下车乘客数量总数是否在客流量阈值内,若上车乘客数量或下车乘客数量总数在客流量阈值内,则生成停靠站信息。
S203:根据始发站信息、终点站信息和停靠站信息,通过匹配规划模块将上述得到的需要建立公交站点的居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,并生成公交线路。
进一步地,所述样本信息包括公交车在其每个停靠站的站点信息和上下车信息,上下车信息包括在每个停靠站的上车乘客数量、下车乘客数量,上下车信息包括乘客上车时刻和乘客下车时刻,判断乘客上车时刻和乘客下车时刻是否在运行时刻阈值范围内,在判断为是的情况下,计入上车乘客数量和下车乘客数量,运行时刻阈值可以设置为早7:00-9:30早高峰时期,通过客户刷卡、刷码的时间来确定乘车时间,车程阈值可以用来筛选关联站点过于相近的线路,所述公交车程为根据交通规定公交车可以运行的线路。
进一步地,所述公交智能排班模块包括以下步骤:
S301:获取公交的历史客流数据,通过历史客流大数据,统计数天内某一班次某个时间段首末站的开关门时间差的平均值和末站的平均停车时间,得到此时间段车辆的单程运营时间和车辆的周转时间,从而获得不同时间段的车辆的单程运营时间和不同时间段的车辆周转时间,历史客流数据包括每个公交站点的上车人数及上车时间、下车人数及下车时间。
S302:获取到的早中晚高峰时间段、线路繁忙情况、线路客流量数据分析得到每条线路早中晚高峰时间段,通过排班优解算法得到智能排班表中的配车数、计划发车班次、计划周圈时间和上下行。
S303:利用线路号、开始时间和结束时间,智能排班表中的配车数、计划发车班次、计划周圈时间和上下行以及断面客流量,并通过发车间隔计算算法得到初始发车间隔,并通过实时发车间隔调节算法来调节发车间隔时间,实现公交智能排班。
进一步地,所述公交智能调度模块用于根据公交车站的实时乘客等待数据确定公交调度策略,公交智能调度模块包括设置在公交车上的公交车载终端机和与公交车载终端机之间进行通信的现场调度台,公交车载终端机和现场调度台与公交系统管理控制中心连接,智能调度模块自动将调度指令发送给接收单元,接收单元将接收的结果传递至公交系统管理控制中心,公交系统管理控制中心连接接收调度任务后进行公交车的调度,公交车载终端机实时采集公交车的客流状况和经过公交站点时乘客等待人数,现场调度台用于接收并显示公交系统管理控制中心发出的运营计划信息的智能调度显示屏,显示现场调度台发出的应急调度预案信息的应急调度预案启动模块,若实时乘客等待数据显示出等待乘客数据大于第一乘客等待数阈值且小于第二乘客等待数阈值时,不需要增加公交车辆,第一乘客等待数阈值设置为15人,第二乘客等待数阈值为25人,若实时乘客等待数据显示出等待乘客数据大于或等于第二乘客等待数阈值时,则根据超出的人数,结合一辆公交的核载乘客数量来进行相应数量公交车辆的调度。
与现有技术相比,本发明的有益效果是:
1、本发明的基于预约数据的公交智能线路规划算法,通过用户端APP采集乘客需求信息,无需人力通过实地考察来了解用户的需求,有效提高了工作效率,通过居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,并通过交线路规划模块定制公交线路,充分利用公共资源,且能根据居民居住地大数据来制定相应的线路,使得线路规划更加合理,避免造成公共资源的浪费。
2、本发明的基于预约数据的公交智能线路规划算法,通过公交智能调度模块根据公交车站的实时乘客等待数据确定公交调度策略,并根据实时乘客等待数据结合一辆公交的核载乘客数量来进行相应数量公交车辆的调度,能够及时缓解城市的交通压力,及提高了公共交通服务质量,同时通过公交智能排班模块根据定制的公交线路制定排班信息,展示了如何生成公交车智能智能排班的方法,实现减缓乘客等车时间、车厢拥挤度,实现车辆资源的最优利用的目的。
3、本发明通过在电子地图中对应后的具体位置中的起点位置和终点位置各自对应的筛选范围区域内,筛选出多个待选上车站点和下车站点,再基于待选上车站点和待选下车站点之间的自由组合确定出多个预测乘车起终点组合,再结合公交路线历史规划记录确定出公交班次和班次规划时间,再基于公交班次的历史行驶记录和历史规划记录预测出对应的出行总时间,结合基于公交路线历史规划记录分析出的可能系数,计算出第一权重,再通过考虑用户的出行偏好计算出第二权重,基于第一权重和二权重对预测乘车起终点组合进行筛选,实现基于公交路线历史规划记录和用户出行偏好,合理确定出用户的上车地点和下车地点。
4、本发明基于共焦路线历史规划记录,对对应公交班次按照对应班次规划时间被规划的次数的分析,以及对规划时间间隔的变化过程的分析,预测出被规划的最新时间间隔,进而准确合理地预测出表征对应公交班次按照对应班次规划时间被规划的可能程度的可能系数。
附图说明
图1为本发明的基于预约数据的公交智能线路规划算法的模块示意图;
图2为本发明的基于预约数据的公交智能线路规划算法的流程图;
图3为本发明的基于预约数据的公交智能线路规划算法部分流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决现有技术不能根据居民职住地大数据知识库与公交线路规则数据库匹配,合理的规划公交线路,容易造成公共资源的浪费当出现公交站点乘客较多,公交车不能满足当前的乘坐条件时,不能及时有效的进行相应的调整,容易造成公交车拥堵,乘客体验感不佳的技术问题,请参阅图1-图3,本实施例提供以下技术方案:
基于预约数据的公交智能线路规划算法,包括乘客需求信息采集模块,乘客需求信息采集模块用来采集乘客需求信息,公交线路规划模块包括获取模块、计算模块及匹配规划模块,获取模块用于获取途经始发站和终点站的每条公交线路信息,计算模块用于计算班次和线路站点的距离值,确定公交车的到站时间,基于到站时间获取乘客上车的站点信息和时间信息和计算每个停靠站的上车乘客数量或下车乘客数量总数,匹配规划模块用于将上述得到的需要建立公交站点的居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,匹配规划模块具体用于根据公交线路设计规则设定检索条件,从需要建立公交站点的居民职住地大数据知识库中查询符合公交线路站点设置规则的职住点,选择符合首末站设定规则的职住点作为公交线路的首末站,采用最短路径算法将首末站作为两个顶点计算得到各条公交线路上所包含的点,最终将这些点关联起来组成公交线路网。
具体的,通过用户端APP采集乘客需求信息,无需人力通过实地考察来了解用户的需求,有效提高了工作效率,通过居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,并通过交线路规划模块定制公交线路,充分利用公共资源,且能根据居民居住地大数据来制定相应的线路,使得线路规划更加合理,避免造成公共资源的浪费。
样本信息包括公交车在其每个停靠站的站点信息和上下车信息,上下车信息包括在每个停靠站的上车乘客数量、下车乘客数量,上下车信息包括乘客上车时刻和乘客下车时刻,判断乘客上车时刻和乘客下车时刻是否在运行时刻阈值范围内,在判断为是的情况下,计入上车乘客数量和下车乘客数量,运行时刻阈值可以设置为早7:00-9:30早高峰时期,通过客户刷卡、刷码的时间来确定乘车时间,车程阈值可以用来筛选关联站点过于相近的线路,所述公交车程为根据交通规定公交车可以运行的线路。
公交智能调度模块用于根据公交车站的实时乘客等待数据确定公交调度策略,公交智能调度模块包括设置在公交车上的公交车载终端机和与公交车载终端机之间进行通信的现场调度台,公交车载终端机和现场调度台与公交系统管理控制中心连接,智能调度模块自动将调度指令发送给接收单元,接收单元将接收的结果传递至公交系统管理控制中心,公交系统管理控制中心连接接收调度任务后进行公交车的调度,公交车载终端机实时采集公交车的客流状况和经过公交站点时乘客等待人数,现场调度台用于接收并显示公交系统管理控制中心发出的运营计划信息的智能调度显示屏,显示现场调度台发出的应急调度预案信息的应急调度预案启动模块,若实时乘客等待数据显示出等待乘客数据大于第一乘客等待数阈值且小于第二乘客等待数阈值时,不需要增加公交车辆,第一乘客等待数阈值设置为15人,第二乘客等待数阈值为25人,若实时乘客等待数据显示出等待乘客数据大于或等于第二乘客等待数阈值时,则根据超出的人数,结合一辆公交的核载乘客数量来进行相应数量公交车辆的调度。
具体的,通过公交智能调度模块根据公交车站的实时乘客等待数据确定公交调度策略,并根据实时乘客等待数据结合一辆公交的核载乘客数量来进行相应数量公交车辆的调度,能够及时缓解城市的交通压力,及提高了公共交通服务质量,同时通过公交智能排班模块根据定制的公交线路制定排班信息,展示了如何生成公交车智能智能排班的方法,实现减缓乘客等车时间、车厢拥挤度,实现车辆资源的最优利用的目的。
为了能够更好实现基于预约数据的公交智能线路规划算法,包括以下步骤:
S1:通过乘客需求信息采集模块采集乘客需求信息,将乘车需求按照目标地点进行分组得到目标乘车需求集合,并将采集的信息发送至公交线路规划模块。
S101:乘客使用用户端APP提交出行需求数据,出行需求数据包括出行起点、出行时间、出行终点。
S102:接收乘客输入的出行起点信息,或让用户选择是否对其实时所在地点进行识别同时结合电子地图,对乘客出行的起始点和终止点进行识别,且与电子地图进行对应。
S103:根据与电子地图对应后的具体位置,对其附近的公交站点进行匹配,选定乘客上车地点与下车地点,将初步匹配后的数据信息与其他所需信息上传至数据处理服务器。
S104:用户端APP将乘客出行需求数据上传至数据处理服务器,数据处理服务器将数据输入公交线路规划模块。
S2:公交线路规划模块根据乘客需求信息采集模块采集的信息,乘客需求信息采集模块包括用户端APP,分析处理乘客的信息以及给出精准的公交定制线路,并将定制的线路发送至公交智能排班模块和公交线路公示模块,公交线路规划模块包括数据处理服务器,公交线路公示模块包括用户端APP以及电子地图。
S201:通过获取模块获取指定区域内的样本信息,同时设置客流量阈值、运行时刻阈值和车程阈值,同时获取途经始发站和终点站的每条公交线路信息,在运行时刻阈值内,确定目标地点与公交站点集合中每个公交站点之间的行驶时长集合,公交站点集合为目标区域内的公交站点。
S202:通过计算模块来计算班次和线路站点的距离值,确定公交车的到站时间,同时计算每个停靠站的上车乘客数量或下车乘客数量总数,并判断每个停靠站的上车乘客数量或下车乘客数量总数是否在客流量阈值内,若上车乘客数量或下车乘客数量总数在客流量阈值内,则生成停靠站信息。
S203:根据始发站信息、终点站信息和停靠站信息,通过匹配规划模块将上述得到的需要建立公交站点的居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,并生成公交线路。
S3:公交智能排班模块根据定制的公交线路制定排班信息,并将结果发送至公交智能调度模块。
S301:获取公交的历史客流数据,历史客流数据包括每个公交站点的上车人数及上车时间、下车人数及下车时间,通过历史客流大数据,统计数天内某一班次某个时间段首末站的开关门时间差的平均值和末站的平均停车时间,得到此时间段车辆的单程运营时间和车辆的周转时间,从而获得不同时间段的车辆的单程运营时间和不同时间段的车辆周转时间,历史客流数据包括每个公交站点的上车人数及上车时间、下车人数及下车时间。
S302:获取到的早中晚高峰时间段、线路繁忙情况、线路客流量数据分析得到每条线路早中晚高峰时间段,通过排班优解算法得到智能排班表中的配车数、计划发车班次、计划周圈时间和上下行。
S303:利用线路号、开始时间和结束时间,智能排班表中的配车数、计划发车班次、计划周圈时间和上下行以及断面客流量,并通过发车间隔计算算法得到初始发车间隔,并通过实时发车间隔调节算法来调节发车间隔时间,实现公交智能排班。
S4:公交智能调度模块根据公交车站的实时乘客等待数据确定公交调度策略,公交调度策略包括增加公交线路的公交车辆。
根据与电子地图对应后的具体位置,对其附近的公交站点进行匹配,选定乘客上车地点与下车地点,包括:
基于电子地图对应后的具体位置中的起点位置和终点位置之间的最短行驶距离,计算出站点筛选距离阈值,将电子地图中的起点位置和终点位置分别作为圆心,将站点筛选距离阈值作为半径,确定出上车站点的第一筛选范围区域和下车站点的第二筛选范围区域;
确定出第一筛选范围区域中的所有待选上车站点,获得待选上车站点集合,确定出第二筛选范围区域中的所有待选下车站点,获得待选下车站点集合;
基于待选上车站点集合中包含的待选上车站点和待选下车站点集合中包含的待选下车站点,确定出多组预测乘车起终点组合;
基于公交路线历史规划记录,确定出每个预测乘车起终点组合满足等车时间阈值的公交班次和对应的班次规划时间,基于对应的出行时间和班次规划时间确定出对应公交班次的等车时间;
基于对应公交班次的历史行驶记录确定出对应公交班次在对应预测乘车起终点组合之间的行驶时间,基于用户输入的出行起点和出行终点以及预测乘车起终点组合确定出总步行时间,基于行驶时间和等车时间以及总步行时间,确定出对应公交班次的出行总时间;
基于公交路线历史规划记录分析出对应公交班次按照对应班次规划时间被规划的可能系数,基于可能系数和出行总时间计算出对应公交班次的第一权重,基于用户的出行偏好系数列表和总步行时间以及基于行驶时间和等车时间确定出的总乘车时间,计算出对应公交班次的第二权重;
基于第一权重和第二权重计算出对应公交班次的总权重,基于预测乘车起终点组合中包含的所有公交班次的总权重计算出对应预测乘车起终点组合的筛选权重;
将最大筛选权重对应的预测乘车起终点组合中包含的待选上车站点作为乘客上车地点,将最大筛选权重对应的预测乘车起终点组合中包含的待选下车站点作为乘客下车地点。
该实施例中,起点位置即为在电子地图对应后的具体位置中包括的在电子地图中确定的用户的出发位置。
该实施例中,终点位置即为在电子地图对应后的具体位置中包括的在电子地图中确定的用户的到达位置。
该实施例中,最短行驶距离即为电子地图中起点位置和终点位置之间的最短路线对应的行驶距离。
该实施例中,基于电子地图对应后的具体位置中的起点位置和终点位置之间的最短行驶距离,计算出站点筛选距离阈值,即为:
将最短行驶距离和预设的站点筛选距离占比(即为预设的站点筛选距离和最短形式距离的比值)的乘积作为对应的第一站点筛选距离,判断第一站点筛选距离是否超过站点最大筛选距离阈值,若是,则将最大筛选距离阈值作为对应的站点筛选距离阈值,否则,将对应的第一站点筛选距离作为对应的站点筛选距离阈值。
该实施例中,第一筛选范围区域即为以电子地图中的起点位置为圆心、以站点筛选距离阈值为半径,在电子地图确定出的圆区域。
该实施例中,第二筛选范围区域即为以电子地图中的终点位置为圆心、以站点筛选距离阈值为半径,在电子地图确定出的圆区域。
该实施例中,待选上车站点即为在第一筛选范围区域中的所有站点。
该实施例中,待选下车站点即为在第二筛选范围区域中的所有站点。
该实施例中,待选上车站点集合即为由所有待选上车站点汇总获得的集合。
该实施例中,待选下车站点集合即为由所有待选下车站点汇总获得的集合。
该实施例中,预测乘车起终点组合即为将待选上车站点集合中的站点作为乘车起点,将待选下车站点集合中的站点作为乘车终点,进行随意组合后获得的乘车起终点组合。
该实施例中,公交路线历史规划记录即为包含一定历史时间内所有公交路线的规划记录的记录。
该实施例中,等车时间阈值即为预先设定的最长等车时间。
该实施例中,确定出每个预测乘车起终点组合满足等车时间阈值的公交班次和对应的班次规划时间,即为:
在公交路线历史规划记录中筛选出所有依次经过预测乘车起终点组合的乘车起点和乘车终点的公交路线对应的公交班次;
基于出行时间和用户到达对应乘车起点的步行时间确定出开始等车时间,将开始等车时间到开始等车时间加上等车时间阈值后的停止等车时间作为允许到达对应乘车起点的时间范围;
在第一筛选出的公交班次的所有班次规划时间中筛选出到达对应乘车起点的时间满足对应时间范围的公交班次和班次规划时间,作为对应预测乘车起终点组合满足等车时间阈值的公交班次和对应的班次规划时间。
该实施例中,基于对应的出行时间和班次规划时间确定出对应公交班次的等车时间,即为:
基于班次规划时间确定出对应公交班次到达对应乘车起点的到达时间,将到达时间和开始等车时间之间的时间差值作为对应的等车时间。
该实施例中,行驶时间即为基于对应公交班次的历史行驶记录确定出对应公交班次从对应预测乘车起终点组合中的乘车起点开始到到达乘车终点位址之间的持续时间。
该实施例中,基于用户输入的出行起点和出行终点以及预测乘车起终点组合确定出总步行时间,即为:
将出行起点和预测乘车起终点组合中乘车起点之间的距离以及出行终点和预测乘车起终点组合中乘车终点之间的距离进行加和处理后,获得总步行距离;
将总步行距离与预设步行速度的比值作为总步行时间。
该实施例中,出行总时间即为驶时间和等车时间以及总步行时间的时间总和。
该实施例中,可能系数即为基于公交路线历史规划记录分析出的表征对应公交班次按照对应班次规划时间被规划的可能程度的数值。
该实施例中,第一权重即为被规划可能系数和出行总时间的乘积。
该实施例中,出行偏好系数列表即为包含用户喜欢采用步行方式出行的偏好系数以及用户喜欢采用乘车方式出行的偏好系数的列表。
该实施例中,总乘车时间即为行驶时间和等车时间的总和。
该实施例中,基于用户的出行偏好系数列表和总步行时间以及基于行驶时间和等车时间确定出的总乘车时间,计算出对应公交班次的第二权重,包括:
式中,α为对应公交班次的第二权重,α1为基于用户的出行偏好系数列表确定出的用户喜欢采用步行方式出行的偏好系数,tb为总步行时间,tc为总乘车时间,α2为用户喜欢采用乘车方式出行的偏好系数;
基于以上公式,可以在计算表征用户采用对应公交班次的优选程度的第二权重时充分考虑到用户出行偏好。
该实施例中,总权重即为对应的第一权重和第二权重的平均值,也是表征用户按照对应公交班次和对应班次规划时间进行乘车的优选程度的数值。
该实施例中,筛选权重即为预测乘车起终点组合中包含的所有公交班次的总权重的平均值,也是表征对应用户采用对应预测乘车起终点组合进行乘车的优选程度的数值。
该实施例中,乘客上车地点即为最大筛选权重对应的预测乘车起终点组合中包含的待选上车站点。
该实施例中,乘客下车地点即为最大筛选权重对应的预测乘车起终点组合中包含的待选下车站点。
以上技术的有益效果为:通过在电子地图中对应后的具体位置中的起点位置和终点位置各自对应的筛选范围区域内,筛选出多个待选上车站点和下车站点,再基于待选上车站点和待选下车站点之间的自由组合确定出多个预测乘车起终点组合,再结合公交路线历史规划记录确定出公交班次和班次规划时间,再基于公交班次的历史行驶记录和历史规划记录预测出对应的出行总时间,结合基于公交路线历史规划记录分析出的可能系数,计算出第一权重,再通过考虑用户的出行偏好计算出第二权重,基于第一权重和二权重对预测乘车起终点组合进行筛选,实现基于公交路线历史规划记录和用户出行偏好,合理确定出用户的上车地点和下车地点。
基于公交路线历史规划记录分析出对应公交班次按照对应班次规划时间被规划的可能系数,包括:
基于公交路线历史规划记录确定出对应公交班次按照对应班次规划时间被规划的历史时间和被规划总次数;
将被规划总次数和历史规划记录的总规划次数计的比值作为对应公交班次按照对应班次规划时间被规划的第一可能权值;
基于公交路线历史规划记录的时间容量生成对应的时间记录线程,将对应班次规划时间被规划的历史时间标记于时间记录线程,获得历史规划标记线程;
基于在历史规划标记线程中依次确定出的每相邻两次历史时间之间的时间间隔,拟合出时间间隔变化曲线;
确定出时间间隔变化曲线对应的时间间隔变化函数,基于时间间隔变化函数和历史规划记录中对应公交班次按照对应班次规划时间最后一次被规划时的最新历史时间确定出最新时间间隔;
基于最新间隔时间和最新历史时间,确定出预测被规划时间;
基于预测被规划时间和当前时间以及最新间隔时间,计算出对应公交班次按照对应班次规划时间被规划的第二可能权值;
基于第一可能权值和第二可能权值确定出对应公交班次按照对应班次规划时间被规划的可能系数。
该实施例中,历史时间即为基于公交路线历史规划记录确定出的对应公交班次按照对应班次规划时间被规划的日期。
该实施例中,被规划总次数即为基于公交路线历史规划记录确定出的对应公交班次按照对应班次规划时间被规划的总天数。
该实施例中,第一可能权值即为被规划总次数和历史规划记录的总规划次数计的比值。
该实施例中,时间容量即为公交路线历史规划记录中包含的总天数。
该实施例中,时间记录线程即为记录公交路线历史规划记录中的历史日期的线程。
该实施例中,历史规划标记线程即为将对应班次规划时间被规划的历史时间标记于时间记录线程后获得的线程。
该实施例中,时间间隔即为在历史规划标记线程中确定出的相邻两次历史时间之间的间隔天数。
该实施例中,时间间隔变化曲线即为基于在历史规划标记线程中依次确定出的每相邻两次历史时间之间的时间间隔拟合出的表征相邻两次历史时间之间的时间间隔变化情况的曲线。
该实施例中,时间间隔变化函数即为描述对应时间间隔变化曲线的函数。
该实施例中,时间间隔变化曲线中的最新时间即为对应公交班次按照对应班次规划时间最后一次被规划的时间。
该实施例中,基于时间间隔变化函数和历史规划记录中对应公交班次按照对应班次规划时间最后一次被规划时的最新历史时间确定出最新时间间隔,即为:
将时间间隔变化曲线中的最新时间代入至时间间隔变化函数后获得的时间间隔。
该实施例中,最新时间间隔即为基于时间间隔变化函数和历史规划记录中对应公交班次按照对应班次规划时间最后一次被规划时的最新历史时间预测出的对应公交班次按照对应班次规划时间最后一次被规划的时间至对应公交班次按照对应班次规划时间下一次规划的时间之间的时间间隔。
该实施例中,最新历史时间即为对应公交班次按照对应班次规划时间最后一次被规划时的时间。
该实施例中,预测被规划时间即为最新间隔时间和最新历史时间的和。
该实施例中,基于预测被规划时间和当前时间以及最新间隔时间,计算出对应公交班次按照对应班次规划时间被规划的第二可能权值,包括:
式中,β为对应公交班次按照对应班次规划时间被规划的第二可能权值,ty为预测被规划时间,t0为当前时间,Δt为最新间隔时间;
基于上述公式,可以在计算表征对应公交班次按照对应班次规划时间被规划的可能程度时考虑到了预测规划时间与当前时间重合的可能性。
该实施例中,基于第一可能权值和第二可能权值确定出对应公交班次按照对应班次规划时间被规划的可能系数,即为:
将第一可能权值和第二可能权值的平均值作为对应公交班次按照对应班次规划时间被规划的可能系数。
以上技术的有益效果为:基于共焦路线历史规划记录,对对应公交班次按照对应班次规划时间被规划的次数的分析,以及对规划时间间隔的变化过程的分析,预测出被规划的最新时间间隔,进而准确合理地预测出表征对应公交班次按照对应班次规划时间被规划的可能程度的可能系数。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.基于预约数据的公交智能线路规划算法,其特征在于,包括以下步骤:
S1:通过乘客需求信息采集模块采集乘客需求信息,将乘车需求按照目标地点进行分组得到目标乘车需求集合,并将采集的信息发送至公交线路规划模块;
S2:公交线路规划模块根据乘客需求信息采集模块采集的信息,乘客需求信息采集模块包括用户端APP,分析处理乘客的信息以及给出精准的公交定制线路,并将定制的线路发送至公交智能排班模块和公交线路公示模块,公交线路规划模块包括数据处理服务器,公交线路公示模块包括用户端APP以及电子地图;
S3:公交智能排班模块根据定制的公交线路制定排班信息,并将结果发送至公交智能调度模块;
S4:公交智能调度模块根据公交车站的实时乘客等待数据确定公交调度策略,公交调度策略包括增加公交线路的公交车辆;
所述乘客需求信息采集模块包括以下步骤:
S101:乘客使用用户端APP提交出行需求数据,出行需求数据包括出行起点、出行时间、出行终点;
S102:接收乘客输入的出行起点信息,或让用户选择是否对其实时所在地点进行识别同时结合电子地图,对乘客出行的起始点和终止点进行识别,且与电子地图进行对应;
S103:根据与电子地图对应后的具体位置,对其附近的公交站点进行匹配,选定乘客上车地点与下车地点,将初步匹配后的数据信息与其他所需信息上传至数据处理服务器;
S104:用户端APP将乘客出行需求数据上传至数据处理服务器,数据处理服务器将数据输入公交线路规划模块;
根据与电子地图对应后的具体位置,对其附近的公交站点进行匹配,选定乘客上车地点与下车地点,包括:
基于电子地图对应后的具体位置中的起点位置和终点位置之间的最短行驶距离,计算出站点筛选距离阈值,将电子地图中的起点位置和终点位置分别作为圆心,将站点筛选距离阈值作为半径,确定出上车站点的第一筛选范围区域和下车站点的第二筛选范围区域;
确定出第一筛选范围区域中的所有待选上车站点,获得待选上车站点集合,确定出第二筛选范围区域中的所有待选下车站点,获得待选下车站点集合;
基于待选上车站点集合中包含的待选上车站点和待选下车站点集合中包含的待选下车站点,确定出多组预测乘车起终点组合;
基于公交路线历史规划记录,确定出每个预测乘车起终点组合满足等车时间阈值的公交班次和对应的班次规划时间,基于对应的出行时间和班次规划时间确定出对应公交班次的等车时间;
基于对应公交班次的历史行驶记录确定出对应公交班次在对应预测乘车起终点组合之间的行驶时间,基于用户输入的出行起点和出行终点以及预测乘车起终点组合确定出总步行时间,基于行驶时间和等车时间以及总步行时间,确定出对应公交班次的出行总时间;
基于公交路线历史规划记录分析出对应公交班次按照对应班次规划时间被规划的可能系数,基于可能系数和出行总时间计算出对应公交班次的第一权重,基于用户的出行偏好系数列表和总步行时间以及基于行驶时间和等车时间确定出的总乘车时间,计算出对应公交班次的第二权重;
基于第一权重和第二权重计算出对应公交班次的总权重,基于预测乘车起终点组合中包含的所有公交班次的总权重计算出对应预测乘车起终点组合的筛选权重;
将最大筛选权重对应的预测乘车起终点组合中包含的待选上车站点作为乘客上车地点,将最大筛选权重对应的预测乘车起终点组合中包含的待选下车站点作为乘客下车地点;
基于公交路线历史规划记录分析出对应公交班次按照对应班次规划时间被规划的可能系数,包括:
基于公交路线历史规划记录确定出对应公交班次按照对应班次规划时间被规划的历史时间和被规划总次数;
将被规划总次数和历史规划记录的总规划次数计的比值作为对应公交班次按照对应班次规划时间被规划的第一可能权值;
基于公交路线历史规划记录的时间容量生成对应的时间记录线程,将对应班次规划时间被规划的历史时间标记于时间记录线程,获得历史规划标记线程;
基于在历史规划标记线程中依次确定出的每相邻两次历史时间之间的时间间隔,拟合出时间间隔变化曲线;
确定出时间间隔变化曲线对应的时间间隔变化函数,基于时间间隔变化函数和历史规划记录中对应公交班次按照对应班次规划时间最后一次被规划时的最新历史时间确定出最新时间间隔;
基于最新间隔时间和最新历史时间,确定出预测被规划时间;
基于预测被规划时间和当前时间以及最新间隔时间,计算出对应公交班次按照对应班次规划时间被规划的第二可能权值;
基于第一可能权值和第二可能权值确定出对应公交班次按照对应班次规划时间被规划的可能系数;
所述公交线路规划模块包括,
获取模块用于获取途经始发站和终点站的每条公交线路信息;
计算模块用于计算班次和线路站点的距离值,确定公交车的到站时间,基于到站时间获取乘客上车的站点信息和时间信息和计算每个停靠站的上车乘客数量或下车乘客数量总数;
匹配规划模块用于将上述得到的需要建立公交站点的居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案;
所述匹配规划模块具体用于根据公交线路设计规则设定检索条件,从需要建立公交站点的居民职住地大数据知识库中查询符合公交线路站点设置规则的职住点,选择符合首末站设定规则的职住点作为公交线路的首末站,采用最短路径算法将首末站作为两个顶点计算得到各条公交线路上所包含的点,最终将这些点关联起来组成公交线路网;
所述公交线路规划模块包括以下步骤:
S201:通过获取模块获取指定区域内的样本信息,同时设置客流量阈值、运行时刻阈值和车程阈值,同时获取途经始发站和终点站的每条公交线路信息,在运行时刻阈值内,确定目标地点与公交站点集合中每个公交站点之间的行驶时长集合,公交站点集合为目标区域内的公交站点;
S202:通过计算模块来计算班次和线路站点的距离值,确定公交车的到站时间,同时计算每个停靠站的上车乘客数量或下车乘客数量总数,并判断每个停靠站的上车乘客数量或下车乘客数量总数是否在客流量阈值内,若上车乘客数量或下车乘客数量总数在客流量阈值内,则生成停靠站信息;
S203:根据始发站信息、终点站信息和停靠站信息,通过匹配规划模块将上述得到的需要建立公交站点的居民职住地大数据知识库与公交线路规则数据库匹配,得到公交线路规划方案,并生成公交线路;
所述样本信息包括公交车在其每个停靠站的站点信息和上下车信息,上下车信息包括在每个停靠站的上车乘客数量、下车乘客数量,上下车信息包括乘客上车时刻和乘客下车时刻,判断乘客上车时刻和乘客下车时刻是否在运行时刻阈值范围内,在判断为是的情况下,计入上车乘客数量和下车乘客数量,运行时刻阈值可以设置为早7:00-9:30早高峰时期,通过客户刷卡、刷码的时间来确定乘车时间,车程阈值可以用来筛选关联站点过于相近的线路,公交车程为根据交通规定公交车可以运行的线路。
2.如权利要求1所述的基于预约数据的公交智能线路规划算法,其特征在于,所述公交智能排班模块包括以下步骤:
S301:获取公交的历史客流数据,通过历史客流大数据,统计数天内某一班次某个时间段首末站的开关门时间差的平均值和末站的平均停车时间,得到此时间段车辆的单程运营时间和车辆的周转时间,从而获得不同时间段的车辆的单程运营时间和不同时间段的车辆周转时间,历史客流数据包括每个公交站点的上车人数及上车时间、下车人数及下车时间;
S302:获取到的早中晚高峰时间段、线路繁忙情况、线路客流量数据分析得到每条线路早中晚高峰时间段,通过排班优解算法得到智能排班表中的配车数、计划发车班次、计划周圈时间和上下行;
S303:利用线路号、开始时间和结束时间,智能排班表中的配车数、计划发车班次、计划周圈时间和上下行以及断面客流量,并通过发车间隔计算算法得到初始发车间隔,并通过实时发车间隔调节算法来调节发车间隔时间,实现公交智能排班。
3.如权利要求1所述的基于预约数据的公交智能线路规划算法,其特征在于,所述公交智能调度模块用于根据公交车站的实时乘客等待数据确定公交调度策略,公交智能调度模块包括设置在公交车上的公交车载终端机和与公交车载终端机之间进行通信的现场调度台,公交车载终端机和现场调度台与公交系统管理控制中心连接,智能调度模块自动将调度指令发送给接收单元,接收单元将接收的结果传递至公交系统管理控制中心,公交系统管理控制中心连接接收调度任务后进行公交车的调度,公交车载终端机实时采集公交车的客流状况和经过公交站点时乘客等待人数,现场调度台用于接收并显示公交系统管理控制中心发出的运营计划信息的智能调度显示屏,显示现场调度台发出的应急调度预案信息的应急调度预案启动模块,若实时乘客等待数据显示出等待乘客数据大于第一乘客等待数阈值且小于第二乘客等待数阈值时,不需要增加公交车辆,第一乘客等待数阈值设置为15人,第二乘客等待数阈值为25人,若实时乘客等待数据显示出等待乘客数据大于或等于第二乘客等待数阈值时,则根据超出的人数,结合一辆公交的核载乘客数量来进行相应数量公交车辆的调度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2022110101272 | 2022-08-23 | ||
CN202211010127 | 2022-08-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115472011A CN115472011A (zh) | 2022-12-13 |
CN115472011B true CN115472011B (zh) | 2023-09-22 |
Family
ID=84368410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211076802.1A Active CN115472011B (zh) | 2022-08-23 | 2022-09-05 | 基于预约数据的公交智能线路规划算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115472011B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419128B (zh) * | 2020-12-16 | 2024-03-05 | 武汉元光科技有限公司 | 一种线路规划方法以及相关设备 |
CN116757339B (zh) * | 2023-08-21 | 2023-11-14 | 倍施特科技(集团)股份有限公司 | 一种基于定制客运的运营优化方法及定制运输装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1614995A1 (de) * | 2004-07-05 | 2006-01-11 | Siemens Aktiengesellschaft | Verfahren und Routenplanungssystem zur Generierung und Speicherung von für eine dynamische Routenplanung benötigten Daten |
KR101358454B1 (ko) * | 2013-12-16 | 2014-02-05 | (주)한성개발공사 | 시계열 보기가 가능한 도시계획 이력정보 제공방법이 적용된 도시계획 이력정보 제공시스템 |
CN105253170A (zh) * | 2015-09-08 | 2016-01-20 | 国电南瑞科技股份有限公司 | 城市轨道交通行车计划管理和运行图显示方法 |
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 |
WO2018029642A1 (en) * | 2016-08-11 | 2018-02-15 | BALARAJU, Siva Prasad | Scenario based scheduling system with predictive intelligence |
CN109657843A (zh) * | 2018-11-28 | 2019-04-19 | 深圳市综合交通设计研究院有限公司 | 一种城市接驳公交系统的一体化规划决策支持系统 |
CN110135755A (zh) * | 2019-05-23 | 2019-08-16 | 南京林业大学 | 一种综合优化片区城乡公交时刻表编制与车辆调度的方法 |
CN111915920A (zh) * | 2020-08-07 | 2020-11-10 | 广州立信电子科技有限公司 | 一种基于云计算的智慧城市公共交通系统建设协调管理系统 |
CN112241871A (zh) * | 2020-10-12 | 2021-01-19 | 安徽富煌科技股份有限公司 | 一种基于分割组合优化的公交驾驶员智能排班方法 |
CN112330192A (zh) * | 2020-11-20 | 2021-02-05 | 山东师范大学 | 一种能够描述交替班次连续数量的排班优化方法及系统 |
CN113129588A (zh) * | 2021-03-26 | 2021-07-16 | 武汉元光科技有限公司 | 公交车运行线路的确定方法、确定装置及电子设备 |
CN113628473A (zh) * | 2021-07-02 | 2021-11-09 | 东南大学 | 一种智能公交车辆响应式停站计划与动态调度系统 |
CN113722874A (zh) * | 2020-12-29 | 2021-11-30 | 京东城市(北京)数字科技有限公司 | 车辆排班优化方法、装置和电子设备 |
CN114781267A (zh) * | 2022-04-28 | 2022-07-22 | 中国移动通信集团浙江有限公司杭州分公司 | 基于多源大数据的职住接驳动态公交管理方法及系统 |
CN114841428A (zh) * | 2022-04-26 | 2022-08-02 | 上海闻政管理咨询有限公司 | 一种公交线路规划方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160140508A1 (en) * | 2014-11-18 | 2016-05-19 | Microsoft Technology Licensing, Llc | Managing dynamically schedulable meetings |
US20170286173A1 (en) * | 2016-03-29 | 2017-10-05 | Mckesson Corporation | Method, apparatus, and computer program product for scheduling resources |
-
2022
- 2022-09-05 CN CN202211076802.1A patent/CN115472011B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1614995A1 (de) * | 2004-07-05 | 2006-01-11 | Siemens Aktiengesellschaft | Verfahren und Routenplanungssystem zur Generierung und Speicherung von für eine dynamische Routenplanung benötigten Daten |
KR101358454B1 (ko) * | 2013-12-16 | 2014-02-05 | (주)한성개발공사 | 시계열 보기가 가능한 도시계획 이력정보 제공방법이 적용된 도시계획 이력정보 제공시스템 |
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 |
CN105253170A (zh) * | 2015-09-08 | 2016-01-20 | 国电南瑞科技股份有限公司 | 城市轨道交通行车计划管理和运行图显示方法 |
WO2018029642A1 (en) * | 2016-08-11 | 2018-02-15 | BALARAJU, Siva Prasad | Scenario based scheduling system with predictive intelligence |
CN109657843A (zh) * | 2018-11-28 | 2019-04-19 | 深圳市综合交通设计研究院有限公司 | 一种城市接驳公交系统的一体化规划决策支持系统 |
CN110135755A (zh) * | 2019-05-23 | 2019-08-16 | 南京林业大学 | 一种综合优化片区城乡公交时刻表编制与车辆调度的方法 |
CN111915920A (zh) * | 2020-08-07 | 2020-11-10 | 广州立信电子科技有限公司 | 一种基于云计算的智慧城市公共交通系统建设协调管理系统 |
CN112241871A (zh) * | 2020-10-12 | 2021-01-19 | 安徽富煌科技股份有限公司 | 一种基于分割组合优化的公交驾驶员智能排班方法 |
CN112330192A (zh) * | 2020-11-20 | 2021-02-05 | 山东师范大学 | 一种能够描述交替班次连续数量的排班优化方法及系统 |
CN113722874A (zh) * | 2020-12-29 | 2021-11-30 | 京东城市(北京)数字科技有限公司 | 车辆排班优化方法、装置和电子设备 |
CN113129588A (zh) * | 2021-03-26 | 2021-07-16 | 武汉元光科技有限公司 | 公交车运行线路的确定方法、确定装置及电子设备 |
CN113628473A (zh) * | 2021-07-02 | 2021-11-09 | 东南大学 | 一种智能公交车辆响应式停站计划与动态调度系统 |
CN114841428A (zh) * | 2022-04-26 | 2022-08-02 | 上海闻政管理咨询有限公司 | 一种公交线路规划方法及系统 |
CN114781267A (zh) * | 2022-04-28 | 2022-07-22 | 中国移动通信集团浙江有限公司杭州分公司 | 基于多源大数据的职住接驳动态公交管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
带权值的规划图在物流车辆规划调度系统中的运用;谭前进;谷文祥;勾维民;;航空计算技术(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115472011A (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115472011B (zh) | 基于预约数据的公交智能线路规划算法 | |
US11674811B2 (en) | Assigning on-demand vehicles based on ETA of fixed-line vehicles | |
US11859988B2 (en) | Detecting the number of vehicle passengers | |
JP7432649B2 (ja) | ライドシェアリング(相乗り)を管理するためのシステムと方法 | |
CN107330547B (zh) | 一种城市公交动态调度优化方法及系统 | |
US20220120572A9 (en) | Real-time ride sharing solutions for unanticipated changes during a ride | |
CN111815189A (zh) | 模块化公交调度系统 | |
EP3574459A1 (en) | Systems and methods for vehicle ridesharing | |
CN110210652B (zh) | 一种轨道交通站点客流控制方法及装置 | |
CN109255972B (zh) | 一种基于大数据的地面公交固定线路时刻表的优化方法 | |
CN110444008B (zh) | 一种车辆调度方法及装置 | |
US20220229442A9 (en) | Accounting for driver reaction time when providing driving instructions | |
CN114971136A (zh) | 一种公交及巡游小巴调度方法 | |
Mátrai et al. | Route planning based on urban mobility management | |
Pratelli et al. | Comparing route deviation bus operation with respect to dial-a-ride service for a low-demand residential area | |
CN116153060A (zh) | 一种应用于智能公交的乘客周期性行为模式的需求响应车辆调度方法及系统 | |
JP2021015379A (ja) | 配車処理装置 | |
Zhu et al. | Algorithm for Headway of Fixed Route Buses in Bus Stations Based on Bus Big Data | |
CN116432386B (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 | |
CN117371596A (zh) | 一种基于多源数据的智慧城市用公共交通综合调控系统 | |
CN117576943A (zh) | 一种停车场车辆信息智能分析管理系统 | |
Friedrich et al. | Analysing and optimising public transport supply | |
Gonzales et al. | ADA Paratransit Service Geographic Realignment (2012-19) | |
冯文浩 et al. | Decision support methods for constructing sustainable taxi business in rural areas |
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 |