JP2018022488A - 輸送システム及びその輸送サービスの頻度割り当て方法関連出願の相互参照 - Google Patents
輸送システム及びその輸送サービスの頻度割り当て方法関連出願の相互参照 Download PDFInfo
- Publication number
- JP2018022488A JP2018022488A JP2017148257A JP2017148257A JP2018022488A JP 2018022488 A JP2018022488 A JP 2018022488A JP 2017148257 A JP2017148257 A JP 2017148257A JP 2017148257 A JP2017148257 A JP 2017148257A JP 2018022488 A JP2018022488 A JP 2018022488A
- Authority
- JP
- Japan
- Prior art keywords
- frequency setting
- bus
- time
- frequency
- solution
- 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 98
- 230000002068 genetic effect Effects 0.000 claims abstract description 19
- 230000009467 reduction Effects 0.000 claims abstract description 16
- 230000035945 sensitivity Effects 0.000 claims abstract description 16
- 238000012546 transfer Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 9
- 230000001413 cellular effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 42
- 238000005457 optimization Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000010006 flight Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 6
- 238000013439 planning Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002986 genetic algorithm method Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000013341 scale-up Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】輸送サービスの頻度設定を動的に割り当てる方法は、一日の移動時間及び需要のばらつきを決定するためにAVL/APCを利用し、これに基づき時間帯のクラスタが形成され、一日が分割される。新しい頻度設定が割り当てられるべき各時間帯について、マルチモーダル乗換停留所での待ち時間が軽減される頻度割り当てが算出され、乗客需要カバリッジ及び運行コスト削減を含む基準を用いて頻度割り当てが選択される。逐次二次計画法(SQP)付き分枝限定法又は外点ペナリゼーション付き逐次遺伝的アルゴリズムを用いて、複数の頻度設定解が算出される。新しい頻度設定について、運行上最も信頼性の高い頻度設定解を決定するに頻度設定解の感度をテストし、これに伴い輸送サービスの時刻表が更新される。
【選択図】図1
Description
ここで、fp(x1,...,xn)は、乗客需要カバリッジ、事業コスト削減、乗客の過度な待ち時間削減、及び乗換待ち時間としてのサービス協調の改善のような複数の優先度を有する時間帯pのスカラ目的関数である。上記目的は、目的関数を最小化することで、上記時間内に運行する各バスサービスx1, …,xnの最適頻度を見出すことにあり、上記目的関数において、全ての優先度は、都市のバス事業者に対する優先度に基づき決定される、異なる重み係数W1, …,W4を有する。
は、満たされない任意の制約にペナルティを課すことなく、満たされない全ての制約にペナルティを課す。重み係数Wは、全ての制約を満たすことが目的関数fp(x1,...,xn)の最小化よりも重要であることを保証する。
x = (x[1],x[2],…,x[n]) = 長さnのランダムベクトル #これは親A。
x‘ = 長さnのランダムベクトル #これは親B。
while(改善が発見される)、
{
x‘’ = 長さnのランダムベクトル #これは子
各 i = 1…n に対して、 {
k = x’’[i]
確率 pで, x’’[i] に新しいランダム値を割り当てる。#これは変異ステップ
確率1-pで, x’’[i] に {x[i],x’[i],x’’[i]}の値を割り当てる
ペナルティを最小化する #クロスオーバステップ
P(x)>P(x’) and P(x)>P(x’’)であれば、
x をx’’に置き換える
それ以外の場合、P(x’) > P(x) and P(x’)>P(x’’)であれば、
x’ をx’’に置き換える
それ以外の場合、P(x’)<P(x’’) and P(x)<P(x’’)であれば、
変異/クロスオーバの前に x’’[i]を以前の値に戻す:
x’’[i] = k
(条件が保持される)ならば、
pを増加させる
}
}
1)AVL/APCデータ及びユーザが生成したセルラ/ソーシャルメディアデータによる需要/移動時間に基づく、様々な頻度設定割り当てのための、異なる日毎の自動的かつ動的な時間帯の分割と、
2)都市ネットワーク全体の全バス便の需要/移動時間変動確率距離に基づく、時間帯の自動的かつ動的な分割と、
3)乗換時の待ち時間の重み係数を導入し、需要カバリッジ/運行コストに過剰なペナルティが課せられないように異なる日毎の時間帯での協調にどの程度重要度を置くかについての情報を提供する範囲を確立することで、バス便と他のモビリティサービスとの協調を向上させる、特定の方法を使用した頻度の割り当てと、
4)いくつかの想定移動時間/乗客需要シナリオを(多項式時間で)迅速に評価し、実際の運行での移動時間/乗客需要の変化の際、性能の損失が最も少なく、最も信頼性の高い頻度割り当てに近づけるための、外点ペナリゼーション化に基づく逐次遺伝的アルゴリズム方法の使用と、
5)より効率的な利用可能な資源の開発及びより高い細分性の提供(例えば、必要に応じてバス/乗務員数の稼働を抑え、及び/又はバスを増便する)と、
6)多モードの移動時の待ち時間の軽減と、
7)他のモビリティサービスの、バスサービスへの統合改良、及び/又は
8)移動時間と需要レベルの運行のばらつきに対する影響が少ない、信頼性を有する頻度設定割り当ての提供。
1)一日の需要/移動時間の空間‐時間パターンを取り込むため、AVL/APCデータを利用する。
2)全バス路線の需要/移動時間の変動距離に基づいて時間帯クラスタを形成し、一日をいくつかの時間帯に分割することで、別の頻度設定に適用すべき時間帯を導出する。
3)多モードの乗換場所での待ち時間が減るような頻度割り当て範囲を算出し、(a)乗客需要カバリッジと、(b)運行コスト削減と、(c)多モードの移動時間の合計値の減少との間の最適頻度割り当てトレードオフを選択する。
4)外点ペナリゼーションに基づく逐次遺伝的アルゴリズム方法によるいくつかの頻度設定解を迅速に算出し、異なる需要/移動時間シナリオに対する感度を試験する。
5)運行上最も信頼性の高い(運行時の変更に影響されにくい)頻度設定解を取得し、このアプローチを一日の各時間帯で繰り返す。
6)オプションとして、個々のユーザや、都市部で発生する他のイベント(道路工事、デモ、イベント)からのセルラ/ソーシャルメディアのデータを利用して、今後の日毎の時間帯を分割し、高い信頼性でバス頻度を設定する。
7)運行指令センタに新たな頻度を提供し、時間帯及び各バス路線に割り当てられた頻度値を更新する。
(a)頻度割り当ての基本事例の潜在的能力の改善
(b)頻度割り当て変更に対する、乗客需要カバリッジなどの異なる基準の感度
(c)ヒューリスティック法との比較における、提案された解の正確さ。
バス頻度設定を対象とした信頼性に基づく最適化フレームワークが開発、適用される。以下では、バス停留所間の需要及び移動時間の経時的なばらつきを考慮して、問題が再度説明されている。更に、多目的頻度設定問題も定式化されている。離散的非線形プログラミングバス頻度設定問題のための具体的な解法が説明されている。上記方法は、ストックホルムの17の中央バス路線からのGTFSデータと、中央バス路線1と3からの詳細なAVL及びAPCデータを使用することで適用される。計算の必要条件を評価しつつ、解の正確さの点で、最適化フレームワークが評価される。
ここで、パラメータγは、利用可能なバス台数の合計値で、正の整数である。頻度設定問題の目的関数については、三つの重要な要素が考慮される。第一は、各停留所j∈Slでの乗客の待機コストである。各停留所jでの均一な乗車レベルbl,jの時間帯と、停留所jでのバスの運行間隔を決める、選択されたバス頻度の関係を以下に示す:
乗客がランダムに停留所に到着することを前提とすれば、hl,j/2は、停留所jでの想定された待ち時間である。この例では、頻度設定問題は、需要の高い都市部を想定して考慮されている。従って、車両の到着に合わせて停留所に着くような調整を乗客がしなくてもよいように、全路線の頻度は十分高くなっている(例えば、少なくとも一時間あたり4本)。
ここで、wl,jは停留所j∈Slでの想定される待ち時間のばらつきである。予想できない待ち時間のコストは遅れとして経験され、予想された待ち時間よりも、より否定的な影響を乗客に与える。従って、想定される待ち時間のばらつきのコストは切り離されている。更に、ロンドンやシンガポールなど、信頼性運行計画が採用されている(定時制の代わり)大都市部において、本数の多いバス運行では、発着所での想定された待ち時間からの待ち時間のばらつきが最も重要であり、想定された待ち時間を固守するレベルに応じて、バス事業者に対してペナルティ/ボーナスが割り当てられる。ネットワーク上の特定のバス停は他のバス停よりも重要であることから(例:貨物駅)、異なる発着所でのペナルティ/ボーナスによる金銭上のコストの重みもそれぞれ異なる。従って、ボーナス/ペナルティの重みcl,jは、停留所により異なる。
であり、αはコストパラメータである。各路線l∈Lに割り当てられたバスの台数qlは整数で、出発する発着所での想定されたバスの運行間隔hl,plannedは、巡回バスの時刻表の設計要求事項を遵守するため、予め定められた許容可能な設定値
バス路線ごとの最適頻度flを見つけることは組み合せ問題である。これは、一つのバス路線の予定運行間隔の変動が他の全ての路線に影響を及ぼし、そのために、単純な列挙(力まかせ方式)で全スペースを評価しようとすると、最適解を算出するために組合せ|q|Lの指数関数的な数の探索を必要とするからである。予定された運行間隔の各組合せに対して、目的関数の値が算出される必要であり、これが総数
となる演算を必要とするからである。ここで、|q|は、予定された運行間隔が選択されうる離散集合qの長さである。指数的な時間の複雑性ゆえに、上記問題は計算上手に負えないものとなり、バスの路線数が少ない小規模のネットワークにおいてのみ、最適解が得られる。
上記不等式QP問題を解いた後、反復値が更新される(hk+1,λk+1)=(hk+pk,λk+1)。ここでpkは解、λk+1は不等式QPの対応するラグランジュ乗数である。収束基準のステップ方向が停滞を示すまで、反復は継続する(例えば、不等式QP下位問題の解がpk={0,…,0}に戻る状態に達すると、これは現在より良い方向がないことを示す)。
i) 他の全ての重みをゼロに設定することで、a1=a2=a3=0、待ち時間のばらつきを最適化する;
ii)
を設定することで、稼働バスの台数を最適化する。
図12は、上記四個の各シナリオについて頻度を設定することで得られる結果の違いを示す。上記分析から、頻度設定の変更に対する乗客/バス事業者の感度についての洞察が得られる。上記四つのシナリオ全てについて、非対応シナリオと比較して、最適頻度設定割り当てによる潜在的なゲインを計算し、図12のように、各ポイントをプロットする。シナリオi)では、最適頻度設定の割り当てはF1:(h1,h2)=(60,60)分となり、シナリオii)ではF2:(h1,h2)=(5,6)分、シナリオiii)ではF3:(h1,h2)=(60,60)分、シナリオiv)ではF4:(h1,h2)=(3,20)分となる。乗客需要カバリッジのみを考慮する場合、ストックホルムの現行の頻度設定方針は最適化に近い。具体的な観察結果を以下に記載する。
・乗客需要満足度は、頻度の増加に対して強く敏感である。
・(h1,h2)>=(10,10)分では、運行コストはそれほど変化しない。
・(h1,h2)>=(12,12)分では、待ち時間のばらつきも、それほど変化せず、(h1,h2)>=(15,15)分では、稼働バスの台数はバス事業者のコストをより控えめに上昇させるが、(h1,h2)>=(4,4)分になると、バス事業者に重いペナルティを課す。
以上より、頻度設定問題の任意の最適解は、(h1,h2)∈{4,10}分の範囲内にあると考えるのが妥当である。
Claims (15)
- 輸送サービスの頻度設定を動的に割り当てる方法であって、
一日の移動時間及び需要のばらつきを決定するために自動車両位置(AVL)及び自動乗客集計(APC)データを利用し、
前記決定された移動時間及び需要のばらつきに基づいて前記一日における時間帯のクラスタを形成し、前記一日を前記時間帯に分割し、
新たな頻度設定が割り当てられるべき各時間帯に対して、マルチモーダルの乗換停留所での待ち時間が軽減される頻度割り当て範囲を算出し、少なくとも乗客需要カバリッジおよび運行コスト削減を含む基準を用いて頻度割り当てを選択し、
逐次二次計画法(SQP)付き分枝限定法又は外点ペナリゼーション付き逐次遺伝的アルゴリズムを用いて複数の頻度設定解を算出し、
運行上最も信頼性の高い頻度設定解を決定するために、異なる移動時間及び需要シナリオに対して、前記頻度設定解の感度をテストし、
前記運行上最も信頼性の高い設定解を、新しい頻度設定として、前記輸送サービスの指令センタに提供し、
前記新しい頻度設定を含めるように前記輸送サービスの時刻表を更新する、
ことを特徴とする方法。 - 請求項1に記載の方法であって、前記輸送サービスは、バス路線を含むバスサービスであり、前記新しい頻度設定は、前記バス路線の少なくとも一つに適用され、前記指令センタの自動バス配車装置により前記更新が実行されることを特徴とする方法。
- 請求項1または2に記載の方法であって、前記算出は、前記外点ペナリゼーション付き逐次遺伝的アルゴリズムを用いて実行されることを特徴とする方法。
- 請求項1または2に記載の方法であって、前記算出は、前記SQP付き分枝限定法を用いて実行されることを特徴とする方法。
- 請求項1−4のいずれか1項に記載の方法であって、さらに、前記輸送サービスの一つ以上の乗換停留所において前記更新された時刻表を電子表示装置に表示することを特徴とする方法。
- 請求項1−5のいずれか1項に記載の方法であって、さらに、前記時間帯の少なくとも一つについて、前記更新された時刻表に基づき稼働している前記輸送サービスの全車両に対して車両の増減を実行することを特徴とする方法。
- 請求項1−6のいずれか1項に記載の方法であって、さらに、前記新しい頻度設定が適用される輸送路線上の輸送サービスの車両に対して、前記新たな頻度設定に基づいて新たな指示又は前記車両が運行する新たなルートを示すアラートを通知することを特徴とする方法。
- 請求項1−7のいずれか1項に記載の方法であって、前記一日を前記時間帯に分割するために、個々のユーザからのセルラ又はソーシャルメディアデータあるいは前記輸送サービスの都市部で発生する他のイベントの少なくとも一つを利用することを特徴とする方法。
- 請求項1−8のいずれか1項に記載の方法であって、前記更新された時刻表が前記時間帯の各々に対して一つの新しい頻度設定を含むように、前記時間帯の各々について個別に前記新しい頻度設定が決められ割り当てられることを特徴とする方法。
- 請求項1−9のいずれか1項に記載の方法であって、前記基準はマルチモーダルな移動時間全体の低減を更に含むことを特徴とする方法。
- 一つ以上のコンピュータプロセッサを有する指令センタであって、前記一つ以上のコンピュータプロセッサが、単一又は組み合わせて、
一日の移動時間及び需要のばらつきを決定するために自動車両位置(AVL)及び自動乗客集計(APC)データを利用し、
前記決定された移動時間及び需要のばらつきに基づいて前記一日における時間帯のクラスタを形成し、前記一日を前記時間帯に分割し、
新たな頻度設定が割り当てられるべき各時間帯に対して、マルチモーダルの乗換停留所での待ち時間が軽減される頻度割り当て範囲を算出し、少なくとも乗客需要カバリッジおよび運行コスト削減を含む基準を用いて頻度割り当てを選択し、
逐次二次計画法(SQP)付き分枝限定法又は外点ペナリゼーション付き逐次遺伝的アルゴリズムを用いて複数の頻度設定解を算出し、
運行上最も信頼性の高い頻度設定解を決定するために、異なる移動時間及び需要シナリオに対して、前記頻度設定解の感度をテストし、
前記運行上最も信頼性の高い設定解を、新しい頻度設定として、前記輸送サービスの指令センタに提供し、
前記新しい頻度設定を含めるように前記輸送サービスの時刻表を更新する、
ように構成されたことを特徴とする指令センタ。 - 請求項11に記載の指令センタであって、前記外点ペナリゼーション付き逐次遺伝的アルゴリズムを用いて前記複数の頻度設定解を算出するように構成されたことを特徴とする指令センタ。
- 請求項11に記載の指令センタであって、前記SQP付き分枝限定法を用いて前記複数の頻度設定解を算出するように構成されたことを特徴とする指令センタ。
- 請求項11−13のいずれか1項に記載の指令センタであって、前記輸送サービスの一つ以上の乗換停留所において、前記更新された時刻表を電子表示装置に表示するように構成された自動バス配車装置を有することを特徴とする指令センタ。
- 請求項11−14のいずれか1項に記載の指令センタであって、前記新しい頻度設定が適用される輸送サービスのバス送路線上のバスに対して、前記新たな頻度設定に基づいて新たな指示又は前記バスが運行する新たなルートを示すアラートを電子的に通信するように構成された自動バス配車装置を有することを特徴とする指令センタ。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662369232P | 2016-08-01 | 2016-08-01 | |
US62/369,232 | 2016-08-01 | ||
US15/439,979 | 2017-02-23 | ||
US15/439,979 US20180032964A1 (en) | 2016-08-01 | 2017-02-23 | Transportation system and method for allocating frequencies of transit services therein |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018022488A true JP2018022488A (ja) | 2018-02-08 |
JP6406729B2 JP6406729B2 (ja) | 2018-10-17 |
Family
ID=61009858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017148257A Active JP6406729B2 (ja) | 2016-08-01 | 2017-07-31 | 輸送システム及びその輸送サービスの頻度割り当て方法関連出願の相互参照 |
Country Status (2)
Country | Link |
---|---|
US (2) | US20180032964A1 (ja) |
JP (1) | JP6406729B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020004404A (ja) * | 2018-06-23 | 2020-01-09 | 三菱電機株式会社 | 乗客に通勤用車両を割り当てるシステム |
JP2020060870A (ja) * | 2018-10-05 | 2020-04-16 | 株式会社パインベース | サイネージ |
EP4071029A4 (en) * | 2019-12-02 | 2024-01-10 | Hitachi Ltd | PLANNING SYSTEM AND PLANNING METHOD |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11300416B2 (en) | 2017-11-22 | 2022-04-12 | Uber Technologies, Inc. | Dynamic route recommendation and progress monitoring for service providers |
US10559211B2 (en) | 2017-11-27 | 2020-02-11 | Uber Technologies, Inc. | Real-time service provider progress monitoring |
WO2020000126A1 (en) * | 2018-06-25 | 2020-01-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for generating a wide table |
CN109412658A (zh) * | 2018-11-20 | 2019-03-01 | 重庆邮电大学 | 一种基于阴影域的改进型bb搜索树检测方法 |
CN111667087A (zh) * | 2019-03-08 | 2020-09-15 | 南京农业大学 | 一种考虑污染排放的公交跳站运行方法 |
CN109859475B (zh) * | 2019-03-14 | 2021-08-31 | 江苏中设集团股份有限公司 | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 |
CN110097478B (zh) * | 2019-04-09 | 2023-07-18 | 华南理工大学 | 一种基于按需服务的多对多需求分配方法 |
CN110148297B (zh) * | 2019-04-24 | 2021-09-28 | 河海大学 | 一种使用班车接驳的停车换乘系统及优化方法 |
WO2020252395A1 (en) * | 2019-06-14 | 2020-12-17 | Uber Technologies, Inc. | Computing timing intervals for vehicles through directional route corridors |
US11482111B2 (en) | 2019-07-17 | 2022-10-25 | Uber Technologies, Inc. | Computing timing intervals for vehicles through directional route corridors |
CN110545204B (zh) * | 2019-08-30 | 2022-09-23 | 海南电网有限责任公司 | 一种基于外罚函数与果蝇优化的资源分配方法及服务器 |
US10824694B1 (en) * | 2019-11-18 | 2020-11-03 | Sas Institute Inc. | Distributable feature analysis in model training system |
CN111191900B (zh) * | 2019-12-23 | 2023-04-25 | 北京航空航天大学合肥创新研究院 | 公共交通出行服务车头时距和可靠性价值评估方法和装置 |
CN111612309B (zh) * | 2020-04-28 | 2022-11-15 | 合肥工业大学 | 一种铁路运输任务生成方法、装置及铁路运输调度系统 |
CN112509357B (zh) * | 2020-11-19 | 2022-06-14 | 北京清研宏达信息科技有限公司 | 一种基于遗传算法的公交发车时间间隔优化方法 |
CN112927005A (zh) * | 2021-01-12 | 2021-06-08 | 同程网络科技股份有限公司 | 基于多目标遗传算法的用车调价方法、系统及存储介质 |
CN112907935A (zh) * | 2021-01-31 | 2021-06-04 | 安徽达尔智能控制系统股份有限公司 | 一种基于遗传算法的公交车智能调度系统和方法 |
CN113053119A (zh) * | 2021-03-18 | 2021-06-29 | 重庆交通开投科技发展有限公司 | 一种基于公交运行历史数据的圈次时间预测方法 |
CN113256032B (zh) * | 2021-06-28 | 2021-10-01 | 北京交通大学 | 典型场景下高速铁路乘务排班计划调整的优化方法和装置 |
CN113792945B (zh) * | 2021-11-17 | 2022-02-08 | 西南交通大学 | 一种营运车辆的派遣方法、装置、设备及可读存储介质 |
CN114037175B (zh) * | 2021-11-19 | 2023-05-05 | 电子科技大学 | 一种基于多尺度聚类的大规模公交线网分级优化方法 |
CN115409388B (zh) * | 2022-09-02 | 2023-04-07 | 北京化工大学 | 多车型定制公交运营优化方法 |
CN115641722B (zh) * | 2022-12-22 | 2023-04-28 | 吉林大学 | 一种基于动态等待时间的班车出行服务系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02272484A (ja) * | 1989-04-13 | 1990-11-07 | Toshiba Corp | バスの運行ダイヤ作成装置 |
US20040153682A1 (en) * | 2001-03-15 | 2004-08-05 | Thomas Fuehrer | Method and device for preparing a time schedule for transmission of messages to a bus system |
JP2006185046A (ja) * | 2004-12-27 | 2006-07-13 | Canon Inc | 計算方法及び計算装置 |
JP2009301078A (ja) * | 2008-06-10 | 2009-12-24 | Av Planning Center:Kk | 車両運行システム |
JP2014115956A (ja) * | 2012-12-12 | 2014-06-26 | Toyota Motor Corp | 交通計画作成支援装置、交通計画作成支援方法 |
JP2015140122A (ja) * | 2014-01-30 | 2015-08-03 | 株式会社日立製作所 | ダイヤ計画立案システム及びダイヤ計画立案方法 |
JP2015184779A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社日立製作所 | 運行計画サーバ、およびダイヤ作成方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1775591A1 (en) * | 2004-07-14 | 2007-04-18 | Ebara Corporation | Microchannel chip reaction control system, micro total reaction system including the control system, and micro total analysis system |
CA2554651A1 (en) * | 2006-07-31 | 2008-01-31 | Trapeze Software Inc. | System and method for optimizing a transit network |
US9195953B2 (en) * | 2011-08-16 | 2015-11-24 | Walk Score Management LLC | System and method for the calculation and use of travel times in search and other applications |
DE102012016119A1 (de) * | 2012-08-15 | 2014-02-20 | Lawo Informationssysteme Gmbh | Verfahren zum Aufbereiten und Anzeigen von Fahrplaninformation |
US20150006072A1 (en) * | 2013-06-30 | 2015-01-01 | Jeremy Kasile Goldberg | Dynamically Optimized Transportation System |
US10175681B2 (en) * | 2014-05-01 | 2019-01-08 | Johnson Controls Technology Company | High level central plant optimization |
CN105224992A (zh) * | 2014-05-28 | 2016-01-06 | 国际商业机器公司 | 对等待乘客数进行预测的方法和系统以及评价方法和系统 |
US20160026935A1 (en) * | 2014-07-24 | 2016-01-28 | International Business Machines Corporation | Multiple individual travel scheduling |
-
2017
- 2017-02-23 US US15/439,979 patent/US20180032964A1/en not_active Abandoned
- 2017-07-31 JP JP2017148257A patent/JP6406729B2/ja active Active
-
2021
- 2021-12-20 US US17/555,558 patent/US20220172175A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02272484A (ja) * | 1989-04-13 | 1990-11-07 | Toshiba Corp | バスの運行ダイヤ作成装置 |
US20040153682A1 (en) * | 2001-03-15 | 2004-08-05 | Thomas Fuehrer | Method and device for preparing a time schedule for transmission of messages to a bus system |
JP2006185046A (ja) * | 2004-12-27 | 2006-07-13 | Canon Inc | 計算方法及び計算装置 |
JP2009301078A (ja) * | 2008-06-10 | 2009-12-24 | Av Planning Center:Kk | 車両運行システム |
JP2014115956A (ja) * | 2012-12-12 | 2014-06-26 | Toyota Motor Corp | 交通計画作成支援装置、交通計画作成支援方法 |
JP2015140122A (ja) * | 2014-01-30 | 2015-08-03 | 株式会社日立製作所 | ダイヤ計画立案システム及びダイヤ計画立案方法 |
JP2015184779A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社日立製作所 | 運行計画サーバ、およびダイヤ作成方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020004404A (ja) * | 2018-06-23 | 2020-01-09 | 三菱電機株式会社 | 乗客に通勤用車両を割り当てるシステム |
JP7166222B2 (ja) | 2018-06-23 | 2022-11-07 | 三菱電機株式会社 | 乗客に通勤用車両を割り当てるシステム |
JP2020060870A (ja) * | 2018-10-05 | 2020-04-16 | 株式会社パインベース | サイネージ |
EP4071029A4 (en) * | 2019-12-02 | 2024-01-10 | Hitachi Ltd | PLANNING SYSTEM AND PLANNING METHOD |
Also Published As
Publication number | Publication date |
---|---|
JP6406729B2 (ja) | 2018-10-17 |
US20180032964A1 (en) | 2018-02-01 |
US20220172175A1 (en) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6406729B2 (ja) | 輸送システム及びその輸送サービスの頻度割り当て方法関連出願の相互参照 | |
US10580309B2 (en) | Resilient enhancement of trajectory-based operations in aviation | |
Ibarra-Rojas et al. | Planning, operation, and control of bus transport systems: A literature review | |
Zografos et al. | Increasing airport capacity utilisation through optimum slot scheduling: review of current developments and identification of future needs | |
Nuzzolo et al. | A mesoscopic transit assignment model including real-time predictive information on crowding | |
Miz et al. | Smart traffic light in terms of the cognitive road traffic management system (CTMS) based on the Internet of Things | |
Riley et al. | Real-time dispatching of large-scale ride-sharing systems: Integrating optimization, machine learning, and model predictive control | |
Espinosa-Aranda et al. | High-speed railway scheduling based on user preferences | |
CN112534488A (zh) | 用于提供在途中改变路线的系统和方法 | |
Sun et al. | Transit-hub: A smart public transportation decision support system with multi-timescale analytical services | |
Dean et al. | Synergies between repositioning and charging strategies for shared autonomous electric vehicle fleets | |
Zhou et al. | A scalable vehicle assignment and routing strategy for real-time on-demand ridesharing considering endogenous congestion | |
Wei et al. | Bi-level programming model for multi-modal regional bus timetable and vehicle dispatch with stochastic travel time | |
Wang et al. | A chance-constrained programming model for airport ground movement optimisation with taxi time uncertainties | |
Cecen | Multi-objective optimization model for airport gate assignment problem | |
Singh et al. | Solving fixed-charge transportation problem using a modified particle swarm optimization algorithm | |
La Rocca et al. | Heuristics for electric taxi fleet management at Teo Taxi | |
Wu et al. | Customized bus scheme design of large transport terminals with jointly optimization of departure time, vehicle allocation and routing | |
Liang et al. | Sequence assignment model for the flight conflict resolution problem | |
Babicheva et al. | Empty vehicle redistribution in autonomous taxi services | |
Zhou et al. | Real-time route planning and online order dispatch for bus-booking platforms | |
Zhou et al. | A New City Air Terminal Service Mode: Urban Mobile Station for Luggage Check-in Service and Evolutionary Approach | |
EP4213081A1 (en) | Demand forecasting for transportation services | |
Mahdavi et al. | Integrated Production and Distribution Scheduling in Mobile Facilities | |
US20230009568A1 (en) | Systems and methods for accelerated computations in data-driven energy management systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20180207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180529 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180802 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180821 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6406729 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |