CN117371596A - 一种基于多源数据的智慧城市用公共交通综合调控系统 - Google Patents

一种基于多源数据的智慧城市用公共交通综合调控系统 Download PDF

Info

Publication number
CN117371596A
CN117371596A CN202311336957.9A CN202311336957A CN117371596A CN 117371596 A CN117371596 A CN 117371596A CN 202311336957 A CN202311336957 A CN 202311336957A CN 117371596 A CN117371596 A CN 117371596A
Authority
CN
China
Prior art keywords
public transportation
data
index
passenger flow
event
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.)
Pending
Application number
CN202311336957.9A
Other languages
English (en)
Inventor
李燕
洪嘉捷
冯锡源
兰泽勇
皮梦远
周烈辉
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.)
Zhongtong Service Zhongrui Technology Co ltd
Original Assignee
Zhongtong Service Zhongrui 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 Zhongtong Service Zhongrui Technology Co ltd filed Critical Zhongtong Service Zhongrui Technology Co ltd
Priority to CN202311336957.9A priority Critical patent/CN117371596A/zh
Publication of CN117371596A publication Critical patent/CN117371596A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06315—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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

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

Abstract

本发明公开了一种基于多源数据的智慧城市用公共交通综合调控系统。该基于多源数据的智慧城市用公共交通综合调控系统，包括数据获取整合模块、指数计算模块、高峰期判定调控模块和调控预测模块。本发明通过基于城市的公共交通网络获取公共交通数据，同时获取当日事件数据，从而使得能够实时计算客流量指数、高峰持续指数和事件影响指数，以调整公共交通车辆的排班，最后根据历史数据建立调控预测模型以预测是否调整班次，如果需要调整，则自动通知相关人员，进而更好地了解每个站点的客流情况，优化班次调度，减少拥挤和等待时间，提升乘客的出行体验，解决了现有技术中公共交通高峰时段乘客出行体验感较差的问题。

Description

一种基于多源数据的智慧城市用公共交通综合调控系统
技术领域
本发明涉及智慧城市交通调控技术领域，尤其涉及一种基于多源数据的智慧城市用公共交通综合调控系统。
背景技术
在当今城市化迅速发展的背景下，智慧城市的建设已成为提高城市运行效率和居民生活质量的关键目标。城市中的公共交通系统，包括公交车、地铁、有轨电车等，公共交通作为城市基础设施的重要组成部分，直接关系到城市的可持续性和居民的出行体验。多源数据是指来自不同渠道和来源的数据，包括公交车辆GPS定位、交通流量传感器、乘客智能卡数据等。
目前GPS定位技术允许公交车辆实时跟踪和位置共享，帮助城市监测车辆位置和运行情况。交通流量传感器可以用于实时监测交通拥堵和道路流量，为公共交通调度提供数据支持。智能卡数据分析可以帮助公交系统了解乘客出行习惯和需求，从而优化线路和时刻表。
例如公告号为：CN110309700B公告的公交路线数据调控系统，包括：发车调控设备，设置在公交管理部门的控制室内，用于通过频分双工通信接口接收公交站台的参考等车人数，并基于接收到的参考等车人数以及公交站台距离其所在公交路线发车点的距离对公交站台所在公交路线的发车频率进行调整，接收到的参考等车人数越多，调整的发车频率越密集。
例如公开号为：CN115759673A公开的一种电动公交车协同调控方法及系统，包括：获取电动公交车实时信息和充电站储能装置储能信息；基于电动公交车实时信息，生成电动公交车状态值；基于使光伏消纳剩余最小的目标函数，构建电动公交车排班优化模型建立电动公交车约束条件，对电动公交车排班优化模型进行求解，生成一轮排班周期关于电动公交车与充电站储能装置的调控方案，并由电动公交车和储能装置响应该调控方案。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中，由于城市人口增长、经济发展和出行需求的不断增加，以及公共交通系统的有限容量和运营限制，公共交通高峰时段乘客激增，导致车站拥挤、排队等候时间过长，乘客出行体验较差，存在公共交通高峰时段乘客出行体验感较差的问题。
发明内容
本申请实施例通过提供一种基于多源数据的智慧城市用公共交通综合调控系统，解决了现有技术中公共交通高峰时段乘客出行体验感较差的问题，实现了更好地满足高峰时段的需求，减少拥挤和等待时间，提升乘客的出行体验，增加用户满意度。
本申请实施例提供了一种基于多源数据的智慧城市用公共交通综合调控系统，包括：数据获取整合模块、指数计算模块、高峰期判定调控模块和调控预测模块：其中，所述数据获取整合模块用于：获取指定城市的公共交通网络，从公共交通网络获取对应的公共交通数据，获取当日事件数据，并将公共交通数据和当日事件数据集成存储到同一个数据库；所述指数计算模块用于：根据公共交通数据和当日事件数据计算出客流量指数、高峰持续指数和事件影响指数；所述高峰期判定调控模块用于：根据客流量指数判定出每个公共交通的站点当前是否处于高峰期，若不处于高峰期，则不调整公共交通的出行班次，若处于高峰期，则根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次；所述调控预测模块用于：对历史指数数据、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据进行学习得出调控预测模型，通过调控预测模型预测是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知。
进一步的，所述公共交通数据包括公共交通车辆的分类、公共交通车辆的路线、公共交通车辆对应的站点信息、每个公共交通车辆在各个站点的客流量数据和公共交通车辆对应的排班数据。
进一步的，所述数据获取整合模块包括车辆分类模块、实时车辆追踪单元、客流量监测单元和历史数据存储单元；所述车辆分类模块：用于对各个公共交通车辆进行分类，并对每个分类下的公共交通工具进行编号；所述实时车辆追踪单元：用于实时获取各个公共交通车辆的实时位置；所述客流量监测单元：用于实时监测各个公共交通车辆在各个站点的客流量数据；所述历史数据存储单元：用于存储公共交通车辆的站点信息、各时刻每个公共交通车辆在各个站点对应的客流量数据以及各个时刻每个公共交通车辆所在位置。
进一步的，所述指数计算模块包括客流量指数计算单元、高峰持续指数计算单元和事件影响指数计算单元；所述客流量指数计算单元：用于根据每个公共交通车辆在各个站点的客流量数据计算出每个公共交通车辆在各个站点对应的客流量指数；所述高峰持续指数计算单元：用于根据同分类下连续班次公共交通车辆客流量指数计算出各个站点对应的高峰持续指数；所述事件影响指数计算单元：用于根据当日事件数据和各个站点数据计算出各个站点事件影响指数。
进一步的，所述客流量指数的具体获取流程为：从每个公共交通车辆Qa在各个站点w的客流量数据中提取出交付数据和车门处监控数据，并通过交付数据得出分类Q下第a个公共交通车辆在第w个站点的上车人数通过车门处监控数据得出分类Q下第a个公共交通车辆在第w个站点的下车人数/>Q为公共交通车辆对应的分类，a为在分类下公共交通车辆的编号，a＝1,2,...,A，A为在分类Q下公共交通车辆的总数，w为公共交通网中各个站点的编号，w＝1,2,...,W，W为站点总数；通过客流量指数公式计算出客流量指数具体的客流量指数公式为：
e为自然常数，和/>分别为分类Q下第a个至第A个公共交通车辆在第w个站点的客流量的最小值和最大值，/>对于客流量的影响误差值，δ为客流量指数的修正影响因子。
进一步的，所述高峰持续指数的具体获取流程为：获取分类Q下连续班次第a个至第A个公共交通车辆第w个站点的客流量指数和第w个站台的参考客流量指数/>将超过参考客流量指数/>的客流量指数集合记为/>否则记为/>提取超过参考客流量指数/>的客流量指数对应的时间间隔ΔT″(w-1，w)和未超过参考客流量指数/>的客流量指数对应的时间间隔ΔT′(w-1,w)；通过高峰持续指数公式计算出各个站点对应的高峰持续指数Yw，具体的高峰持续指数公式为：
γ为高峰持续指数的修正影响因子。
进一步的，所述事件影响指数的具体获取流程为：获取当日事件数据中的天气类型数据μ、节假日判定数据θ和事件数据，事件数据指事件Sj发生地点Gj，j为每个事件编号，j＝1,2,...,J，J为当日发生的事件总数，提取第w个站点的位置Dw；通过事件影响指数公式计算出事件影响指数Θw，具体的事件影响指数公式为：
和/>分别为天气类型数据、节假日判定数据和事件数据对于事件影响指数的影响权重因子，d(Gj→Dw)为事件Sj发生地点Gj到第w个站点的位置Dw的欧几里得距离，/>表示单位欧几里得距离，λ为事件影响指数的修正影响因子。
进一步的，所述根据客流量指数判定出每个公共交通站点当前是否处于高峰期的具体过程指：获取分类Q下第a个至第A个公共交通车辆在第w个站点的客流量指数和公共交通车辆对应的排班数据，当达到连续n个公共交通车辆的客流量指数超过设定客流常规阈值N，则判断为当前已处于高峰期，当达到连续m个公共交通车辆的客流量指数不超过设定客流常规阈值M，则判断为当前已结束高峰期。
进一步的，所述根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次的具体过程为：分别为客流量指数高峰持续指数Yw和事件影响指数Θw设置增派等级，同时设置增派等级阈值和阈值上限Ψp、Yp和Θp，为不同的增派等级对应不同的增派数量，同时设置增派等级上限Bc和增派数量上限bv；当/>Y0≤Yw<Y1、Θ0≤Θw<Θ1时，达到增派等级B1级，增派b1个公共交通车辆；当/>Y1≤Yw<Y2、Θ1≤Θw<Θ2，达到增派等级B2级，增派b2个公共交通车辆；同理，当/>Yp≤Yw、Θp≤Θw，达到增派等级Bc级，增派bv个公共交通车辆。
进一步的，所述调控预测模型的具体获得步骤为：获取历史客流量指数、历史高峰持续指数和历史事件影响指数、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据；对历史指数数据和历史调整公共交通的出行班次数据进行预处理和特征提取，并通过机器学习构建出调控预测模型；基于公共交通数据和当日事件数据对调控预测模型进行调整；实时获取公共交通数据和当日事件数据，通过调控预测模型预测出公共交通车辆是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、通过基于城市的公共交通网络获取公共交通数据，同时获取当日事件数据，从而使得能够实时计算客流量指数、高峰持续指数和事件影响指数，并调整公共交通车辆的排班，进而实现了更好地了解每个站点的客流情况，优化班次调度，减少拥挤和等待时间，提升乘客的出行体验，有效解决了现有技术中公共交通高峰时段乘客出行体验感较差的问题。
2、通过根据客流量指数判定出每个公共交通站点是否处于高峰期，从而根据不同站点的情况调整出行班次，进而实现了针对不同站点的客流高峰期调整公共交通的出行班次。
3、通过对历史数据进行学习，构建调控预测模型，从而能够实时监测公共交通数据和当日事件数据，预测出是否需要调整公共交通的出行班次，如果需要调整，则自动通知相关人员，进而实现了更智能、高效的公共交通运营。
附图说明
图1为本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统的结构示意图；
图2为本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统中数据获取整合模块的结构示意图；
图3为本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统中指数计算模块的结构示意图。
具体实施方式
本申请实施例通过提供一种基于多源数据的智慧城市用公共交通综合调控系统，解决了现有技术中公共交通高峰时段乘客出行体验感较差的问题，通过基于城市的公共交通网络获取公共交通数据，同时获取当日事件数据，从而使得能够实时计算客流量指数、高峰持续指数和事件影响指数，并调整公共交通车辆的排班，实现了更好地了解每个站点的客流情况，优化班次调度，减少拥挤和等待时间，提升乘客的出行体验。
本申请实施例中的技术方案为解决上述公共交通高峰时段乘客出行体验感较差的问题，总体思路如下：
获取指定城市的公共交通网络，从而公共交通数据，同时获取当日事件数据，根据公共交通数据和当日事件数据计算出客流量指数、高峰持续指数和事件影响指数。根据客流量指数判定出每个公共交通的站点当前是否处于高峰期，若不处于高峰期，则不调整公共交通的出行班次，若处于高峰期，则根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次；对历史指数数据、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据进行学习得出调控预测模型，通过调控预测模型预测是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知，达到了更好地满足高峰时段的需求，减少拥挤和等待时间，提升乘客的出行体验，增加用户满意度。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
如图1所示，为本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统的结构示意图，本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统包括：数据获取整合模块、指数计算模块、高峰期判定调控模块和调控预测模块：其中，数据获取整合模块用于：获取指定城市的公共交通网络，从公共交通网络获取对应的公共交通数据，获取当日事件数据，并将公共交通数据和当日事件数据集成存储到同一个数据库；指数计算模块用于：根据公共交通数据和当日事件数据计算出客流量指数、高峰持续指数和事件影响指数；高峰期判定调控模块用于：根据客流量指数判定出每个公共交通的站点当前是否处于高峰期，若不处于高峰期，则不调整公共交通的出行班次，若处于高峰期，则根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次；调控预测模块用于：对历史指数数据、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据进行学习得出调控预测模型，通过调控预测模型预测是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知。
进一步的，公共交通数据包括公共交通车辆的分类、公共交通车辆的路线、公共交通车辆对应的站点信息、每个公共交通车辆在各个站点的客流量数据和公共交通车辆对应的排班数据。
在本实施例中，公共交通网络指的是对应公共交通方式的线网规划，一个城市包括多种公共交通方式，不同的公共交通方式有对应的线网规划。因此需要从目标调控的公共交通方式对应的线网规划中获取公共交通数据。当时事件数据可以从该城市的多个新闻网和天气网等信息传播网络中通过自然语言处理抓取重要事件的时间和地点等数据。
进一步的，如图2所示，为本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统中数据获取整合模块的结构示意图，数据获取整合模块包括车辆分类模块、实时车辆追踪单元、客流量监测单元和历史数据存储单元；车辆分类模块：用于对各个公共交通车辆进行分类，并对每个分类下的公共交通工具进行编号；实时车辆追踪单元：用于实时获取各个公共交通车辆的实时位置；客流量监测单元：用于实时监测各个公共交通车辆在各个站点的客流量数据；历史数据存储单元：用于存储公共交通车辆的站点信息、各时刻每个公共交通车辆在各个站点对应的客流量数据以及各个时刻每个公共交通车辆所在位置。
在本实施例中，给车辆分类可以根据路线、类型和方向等进行详细分类，并对详细分类后的公共交通车辆进行编号，同时按照其编号顺序对其进行排班，因此，此处记编号连续的公共交通车辆为前后相接的排班车辆。
进一步的，如图3所示，为本申请实施例提供的基于多源数据的智慧城市用公共交通综合调控系统中指数计算模块的结构示意图，指数计算模块包括客流量指数计算单元、高峰持续指数计算单元和事件影响指数计算单元；客流量指数计算单元：用于根据每个公共交通车辆在各个站点的客流量数据计算出每个公共交通车辆在各个站点对应的客流量指数；高峰持续指数计算单元：用于根据同分类下连续班次公共交通车辆客流量指数计算出各个站点对应的高峰持续指数；事件影响指数计算单元：用于根据当日事件数据和各个站点数据计算出各个站点事件影响指数。
在本实施例中，客流量指数由每个公共交通在各个站点的客流量数据得出，客流量数据包括上车人数和下车人数。
进一步的，客流量指数的具体获取流程为：从每个公共交通车辆Qa在各个站点w的客流量数据中提取出交付数据和车门处监控数据，并通过交付数据得出分类Q下第a个公共交通车辆在第w个站点的上车人数通过车门处监控数据得出分类Q下第a个公共交通车辆在第w个站点的下车人数/>Q为公共交通车辆对应的分类，a为在分类下公共交通车辆的编号，a＝1,2,...,A，A为在分类Q下公共交通车辆的总数，w为公共交通网中各个站点的编号，w＝1,2,...,W，W为站点总数；通过客流量指数公式计算出客流量指数/>具体的客流量指数公式为：
e为自然常数，分别为分类Q下第a个至第A个公共交通车辆在第w个站点的客流量的最小值和最大值，/>对于客流量的影响误差值，δ为客流量指数的修正影响因子。
在本实施例中，通过交付数据得出每个站点w的上车人数URw具体可以通过统计上车的支付次数，每一次支付代表一位乘客上车，或者可以通过脱统计上车支付的总金额，根据总金额除以每个乘客的单价得出上车乘客的总人数，从而得出上车总人数。若由于路程远近导致每个乘客的支付单价不一，则统计每个乘客的用于支付的特殊标签(例如乘客刷卡/码数据、车票销售数据等)，以此代替在第w个站点上车的乘客人数。通过车门处监控数据得出每个站点w的下车人数DRw具体可以通过在车门处安装摄像头用于监控下车的乘客人数，利用图像识别技术来检测乘客上下车情况，通过分析摄像头捕捉到的图像，识别出乘客的下车行为。
进一步的，高峰持续指数的具体获取流程为：获取分类Q下连续班次第a个至第A个公共交通车辆第w个站点的客流量指数和第w个站台的参考客流量指数/>将超过参考客流量指数/>的客流量指数集合记为/>否则记为/>提取超过参考客流量指数的客流量指数对应的时间间隔ΔT″(w-1,w)和未超过参考客流量指数/>的客流量指数对应的时间间隔ΔT′(w-1,w)；通过高峰持续指数公式计算出各个站点对应的高峰持续指数Yw，具体的高峰持续指数公式为：
γ为高峰持续指数的修正影响因子。
在本实施例中，和/>分别表示超标的客流量指数集合/>和未超标的客流量指数集合/>中的分别包括的客流量指数总数。时间间隔ΔT″(w-1,w)和时间间隔ΔT′(w-1,w)指公共交通车辆从第w-1个站点行驶到第w个站点所需的时长。
进一步的，事件影响指数的具体获取流程为：获取当日事件数据中的天气类型数据μ、节假日判定数据θ和事件数据，事件数据指事件Sj发生地点Gj，j为每个事件编号，j＝1,2,...,J，J为当日发生的事件总数，提取第w个站点的位置Dw；通过事件影响指数公式计算出事件影响指数Θw，具体的事件影响指数公式为：
和/>分别为天气类型数据、节假日判定数据和事件数据对于事件影响指数的影响权重因子，d(Gj→Dw)为事件Sj发生地点Gj到第w个站点的位置Dw的欧几里得距离，/>表示单位欧几里得距离，λ为事件影响指数的修正影响因子。
在本实施例中，d(Gj→Dw)的获取过程为：为城市的公共交通网络设置x－y平面坐标轴，从而确定事件Sj发生地点Gj到第w个站点的位置Dw各自的坐标轴，例如Gj＝(xj,yj)和Dw＝(xw,yw)，从而根据欧几里得距离公式得出对应的欧几里得距离 表示的单位欧几里得距离，即/>为标准单位距离的缩放因子，例如：如果d(Gj→Dw)的距离计算单位是千米(km)，那么/>表示的单位欧几里得距离为1千米(km)，如果d(Gj→Dw)的距离计算单位是米(m)，那么/>表示的单位欧几里得距离为1米(m)。
进一步的，根据客流量指数判定出每个公共交通站点当前是否处于高峰期的具体过程指：获取分类Q下第a个至第A个公共交通车辆在第w个站点的客流量指数和公共交通车辆对应的排班数据，当达到连续n个公共交通车辆的客流量指数超过设定客流常规阈值N，则判断为当前已处于高峰期，当达到连续m个公共交通车辆的客流量指数不超过设定客流常规阈值M，则判断为当前已结束高峰期。
进一步的，根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次的具体过程为：分别为客流量指数高峰持续指数Yw和事件影响指数Θw设置增派等级，同时设置增派等级阈值和阈值上限Ψp、Yp和Θp，为不同的增派等级对应不同的增派数量，同时设置增派等级上限Bc和增派数量上限bv；当/>Y0≤Yw<Y1、Θ0≤Θw<Θ1时，达到增派等级B1级，增派b1个公共交通车辆；当/>Y1≤Yw<Y2、Θ1≤Θw<Θ2，达到增派等级B2级，增派b2个公共交通车辆；同理，当/>Yp≤Yw、Θp≤Θw，达到增派等级Bc级，增派bv个公共交通车辆。
在本实施例中，阈值上限Ψp、Yp和Θp分别为客流量指数、高峰持续指数和事件影响指数对应的上限。
进一步的，调控预测模型的具体获得步骤为：获取历史客流量指数、历史高峰持续指数和历史事件影响指数、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据；对历史指数数据和历史调整公共交通的出行班次数据进行预处理和特征提取，并通过机器学习构建出调控预测模型；基于公共交通数据和当日事件数据对调控预测模型进行调整；实时获取公共交通数据和当日事件数据，通过调控预测模型预测出公共交通车辆是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知。
在本实施例中，通过分析历史数据和事件影响，预测何时和何地需要调整公共交通的出行班次，从而更有效地配置公共交通车辆资源，减少浪费并提高运营效率。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：相对于公告号为：CN110309700B公告的公交路线数据调控系统，本申请实施例通过基于城市的公共交通网络获取公共交通数据，同时获取当日事件数据，从而使得能够实时计算客流量指数、高峰持续指数和事件影响指数，并调整公共交通车辆的排班，进而实现了更好地了解每个站点的客流情况，优化班次调度，减少拥挤和等待时间，提升乘客的出行体验；相对于公开号为：CN115759673A公开的一种电动公交车协同调控方法及系统，本申请实施例通过根据客流量指数判定出每个公共交通站点是否处于高峰期，从而根据不同站点的情况调整出行班次，进而实现了针对不同站点的客流高峰期调整公共交通的出行班次。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD－ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的系统、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，包括数据获取整合模块、指数计算模块、高峰期判定调控模块和调控预测模块：
其中，所述数据获取整合模块用于：获取指定城市的公共交通网络，从公共交通网络获取对应的公共交通数据，获取当日事件数据，并将公共交通数据和当日事件数据集成存储到同一个数据库；
所述指数计算模块用于：根据公共交通数据和当日事件数据计算出客流量指数、高峰持续指数和事件影响指数；
所述高峰期判定调控模块用于：根据客流量指数判定出每个公共交通的站点当前是否处于高峰期，若不处于高峰期，则不调整公共交通的出行班次，若处于高峰期，则根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次；
所述调控预测模块用于：对历史指数数据、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据进行学习得出调控预测模型，通过调控预测模型预测是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知。
2.如权利要求1所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于：所述公共交通数据包括公共交通车辆的分类、公共交通车辆的路线、公共交通车辆对应的站点信息、每个公共交通车辆在各个站点的客流量数据和公共交通车辆对应的排班数据。
3.如权利要求2所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于：所述数据获取整合模块包括车辆分类模块、实时车辆追踪单元、客流量监测单元和历史数据存储单元；
所述车辆分类模块：用于对各个公共交通车辆进行分类，并对每个分类下的公共交通工具进行编号；
所述实时车辆追踪单元：用于实时获取各个公共交通车辆的实时位置；
所述客流量监测单元：用于实时监测各个公共交通车辆在各个站点的客流量数据；
所述历史数据存储单元：用于存储公共交通车辆的站点信息、各时刻每个公共交通车辆在各个站点对应的客流量数据以及各个时刻每个公共交通车辆所在位置。
4.如权利要求3所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述指数计算模块包括客流量指数计算单元、高峰持续指数计算单元和事件影响指数计算单元；
所述客流量指数计算单元：用于根据每个公共交通车辆在各个站点的客流量数据计算出每个公共交通车辆在各个站点对应的客流量指数；
所述高峰持续指数计算单元：用于根据同分类下连续班次公共交通车辆客流量指数计算出各个站点对应的高峰持续指数；
所述事件影响指数计算单元：用于根据当日事件数据和各个站点数据计算出各个站点事件影响指数。
5.如权利要求4所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述客流量指数的具体获取流程为：
从每个公共交通车辆Qa在各个站点w的客流量数据中提取出交付数据和车门处监控数据，并通过交付数据得出分类Q下第a个公共交通车辆在第w个站点的上车人数通过车门处监控数据得出分类Q下第a个公共交通车辆在第w个站点的下车人数/>Q为公共交通车辆对应的分类，a为在分类下公共交通车辆的编号，a＝1,2,...,A，A为在分类Q下公共交通车辆的总数，w为公共交通网中各个站点的编号，w＝1,2,...,W，W为站点总数；
通过客流量指数公式计算出客流量指数具体的客流量指数公式为：
e为自然常数，和/>分别为分类Q下第a个至第A个公共交通车辆在第w个站点的客流量的最小值和最大值，/>对于客流量的影响误差值，δ为客流量指数的修正影响因子。
6.如权利要求5所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述高峰持续指数的具体获取流程为：
获取分类Q下连续班次第a个至第A个公共交通车辆第w个站点的客流量指数和第w个站台的参考客流量指数/>将超过参考客流量指数/>的客流量指数集合记为/>否则记为/>
提取超过参考客流量指数的客流量指数对应的时间间隔ΔT”(w-1,w)和未超过参考客流量指数/>的客流量指数对应的时间间隔ΔT'(w-1,w)；
通过高峰持续指数公式计算出各个站点对应的高峰持续指数Yw，具体的高峰持续指数公式为：γ为高峰持续指数的修正影响因子。
7.如权利要求6所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述事件影响指数的具体获取流程为：
获取当日事件数据中的天气类型数据μ、节假日判定数据θ和事件数据，事件数据指事件Sj发生地点Gj，j为每个事件编号，j＝1,2,...,J，J为当日发生的事件总数，提取第w个站点的位置Dw；
通过事件影响指数公式计算出事件影响指数Θw，具体的事件影响指数公式为：
和/>分别为天气类型数据、节假日判定数据和事件数据对于事件影响指数的影响权重因子，d(Gj→Dw)为事件Sj发生地点Gj到第w个站点的位置Dw的欧几里得距离，/>表示单位欧几里得距离，λ为事件影响指数的修正影响因子。
8.如权利要求7所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述根据客流量指数判定出每个公共交通站点当前是否处于高峰期的具体过程指：获取分类Q下第a个至第A个公共交通车辆在第w个站点的客流量指数和公共交通车辆对应的排班数据，当达到连续n个公共交通车辆的客流量指数超过设定客流常规阈值N，则判断为当前已处于高峰期，当达到连续m个公共交通车辆的客流量指数不超过设定客流常规阈值M，则判断为当前已结束高峰期。
9.如权利要求8所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述根据客流量指数、高峰持续指数和事件影响指数调整公共交通的出行班次的具体过程为：
分别为客流量指数高峰持续指数Yw和事件影响指数Θw设置增派等级，同时设置增派等级阈值和阈值上限Ψp、Yp和Θp，为不同的增派等级对应不同的增派数量，同时设置增派等级上限Bc和增派数量上限bv；
当Y0≤Yw<Y1、Θ0≤Θw<Θ1时，达到增派等级B1级，增派b1个公共交通车辆；
当Y1≤Yw<Y2、Θ1≤Θw<Θ2，达到增派等级B2级，增派b2个公共交通车辆；
同理，当Yp≤Yw、Θp≤Θw，达到增派等级Bc级，增派bv个公共交通车辆。
10.如权利要求9所述基于多源数据的智慧城市用公共交通综合调控系统，其特征在于，所述调控预测模型的具体获得步骤为：
获取历史客流量指数、历史高峰持续指数和历史事件影响指数、历史公共交通数据、历史当日事件数据和历史调整公共交通的出行班次数据；
对历史指数数据和历史调整公共交通的出行班次数据进行预处理和特征提取，并通过机器学习构建出调控预测模型；
基于公共交通数据和当日事件数据对调控预测模型进行调整；
实时获取公共交通数据和当日事件数据，通过调控预测模型预测出公共交通车辆是否需要调整公共交通的出行班次，若需要则通知相关人员，若不需要则不作通知。
CN202311336957.9A 2023-10-16 2023-10-16 一种基于多源数据的智慧城市用公共交通综合调控系统 Pending CN117371596A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311336957.9A CN117371596A (zh) 2023-10-16 2023-10-16 一种基于多源数据的智慧城市用公共交通综合调控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311336957.9A CN117371596A (zh) 2023-10-16 2023-10-16 一种基于多源数据的智慧城市用公共交通综合调控系统

Publications (1)

Publication Number Publication Date
CN117371596A true CN117371596A (zh) 2024-01-09

Family

ID=89401759

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311336957.9A Pending CN117371596A (zh) 2023-10-16 2023-10-16 一种基于多源数据的智慧城市用公共交通综合调控系统

Country Status (1)

Country Link
CN (1) CN117371596A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118036868A (zh) * 2024-01-17 2024-05-14 西藏沐风文化有限公司 智能化会展客流分析与调控方法
CN118607882A (zh) * 2024-08-02 2024-09-06 安徽阿瑞特汽车电子科技有限公司 一种城市智能公交客流分析系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118036868A (zh) * 2024-01-17 2024-05-14 西藏沐风文化有限公司 智能化会展客流分析与调控方法
CN118036868B (zh) * 2024-01-17 2024-09-17 西藏沐风文化有限公司 智能化会展客流分析与调控方法
CN118607882A (zh) * 2024-08-02 2024-09-06 安徽阿瑞特汽车电子科技有限公司 一种城市智能公交客流分析系统

Similar Documents

Publication Publication Date Title
CN107330547B (zh) 一种城市公交动态调度优化方法及系统
CN105894847B (zh) 一种云平台环境下无监督学习的实时公交动态调度系统及方法
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
CN101127158B (zh) 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端
CN102509449B (zh) 基于模糊决策的车辆调度方法
US20020019760A1 (en) Method of operating a vehicle redistribution system based upon predicted ride demands
CN110348614B (zh) 一种获取乘客od的方法及公交客流的预测方法
CN107194491A (zh) 一种基于公交客流和站间行程时间预测的动态调度方法
CN109637134B (zh) 一种公交设备匹配方法
CN110675032A (zh) 一种车辆调度方法及其装置
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
CN110570656B (zh) 定制公共交通线路方法及装置
CN109816978B (zh) 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法
CN115472011B (zh) 基于预约数据的公交智能线路规划算法
CN111311950B (zh) 公交车高峰期智能调度方法及系统
CN115860594A (zh) 一种应用于智能公交排班调度的仿真系统及方法
CN116109081A (zh) 一种基于物联网的动态公交调度优化方法和装置
CN116050581A (zh) 一种智慧城市地铁行车调度优化方法和物联网系统
CN116013059A (zh) 一种营运车辆的调度方法、装置、电子设备及存储介质
CN113450242B (zh) 一种路径偏离式公交调度系统及存储介质和设备
CN114971136A (zh) 一种公交及巡游小巴调度方法
CN117022028A (zh) 一种充电桩智能管理系统及方法
CN115762131A (zh) 一种应用于公共交通的智能行车计划编制方法及系统
CN117592788B (zh) 一种公交运行风险的识别方法及装置
CN115409288B (zh) 基于区域数字经济的物联网服务管理系统

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