[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107330547A - 一种城市公交动态调度优化方法及系统 - Google Patents

一种城市公交动态调度优化方法及系统 Download PDF

Info

Publication number
CN107330547A
CN107330547A CN201710454501.0A CN201710454501A CN107330547A CN 107330547 A CN107330547 A CN 107330547A CN 201710454501 A CN201710454501 A CN 201710454501A CN 107330547 A CN107330547 A CN 107330547A
Authority
CN
China
Prior art keywords
mrow
website
bus
msub
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
Application number
CN201710454501.0A
Other languages
English (en)
Other versions
CN107330547B (zh
Inventor
彭勇
周欣
袁发涛
李睿
宋雨
王欢
甘元艺
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.)
Chongqing Jiaotong University
Original Assignee
Chongqing Jiaotong University
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 Chongqing Jiaotong University filed Critical Chongqing Jiaotong University
Priority to CN201710454501.0A priority Critical patent/CN107330547B/zh
Publication of CN107330547A publication Critical patent/CN107330547A/zh
Application granted granted Critical
Publication of CN107330547B publication Critical patent/CN107330547B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

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

Abstract

本发明属于数据处理技术领域，公开了一种城市公交动态调度优化方法及系统，城市公交动态调度优化方法包括：在获取公交车内拥挤度、道路拥挤状况和公交车实时定位等信息的基础上；建立包括时段车次数模型、发车时刻决策模型以及路径变更模型的三层调度决策模型；借助互联网技术实现人、车、路信息交互；时段车次数模型从平衡公交运营成本、乘客等车时间以及乘车舒适性出发，确定最优的时段车次数；发车时刻确定模型以区域总相遇次数最大和总相遇站点数最小为目标调整发车时刻，有效降低换乘等车概率；路径变更模型采用远离拥堵路段的思路，可有效提高行车速度和减少后面站点乘客等车时间，并设置响应站点，供越过路段乘客下车。

Description

一种城市公交动态调度优化方法及系统
技术领域
本发明属于数据处理技术领域，尤其涉及一种城市公交动态调度优化方法及系统。
背景技术
改革公交运营调度模式，来提高公交吸引力成为当前的热点，目前现有的调度技术主要有三种方式，一种就是调度员完全依靠个人经验进行调度，这是最普遍的调度模式，该模式具有调度效率低，反应速度慢以及针对性差等缺点；另一种是调度员在调度中心，在实时获取道路、客流信息的基础上，人工进行调度，目前国内少量应用，该模式同样具有主观性强、调度效率较低以及人工成本高的缺点；最后一种是利用计算机软件依靠历史数据进行制作公交调度计划，该种模式在国内几乎没有，该模式不具有以乘客换乘优先为目的确定发车时刻、实时调整路径，躲避拥堵的优点，针对性不强的缺点也较为突出。
综上所述，现有技术存在的问题是：
现有技术存在的技术问题：1、未考虑公交运营时段的差异，调度结果适应性差；(原因：未采用计算机技术进行调度，增加的工作量，人工难以完成。)2、没有实现定量评估调度方案；(其解决的难度在于定量评估模型的确定以及实时数据的获取)；3、没有最大化利用发车时刻来对公交换乘进行优化(其最大的解决难度在于相关模型的建立与无法保证公交车在途中的行驶时间，本方案的发车时刻确定模型和路径变更决策模型很好的解决了该问题，路径决策模型使公交车的行驶时间较为稳定，受外界的干扰少)；4、无法保证在公交线路出现交通拥堵等意外情况时，及时作出正确决策，保证公交服务水平和公交营运时间。(目前还未有考虑城市道路拥堵情况和因此作出变更路径的调度模式出现)。5、没有考虑设置响应站点，供乘客下车。
本方案相对于以上调度技术，能够解决如下问题：1、对公交营运时间进行了时段划分，实现了精准化调度，提高了调度效果；2、该方案综合考虑了公司、乘客利益，建立量化模型，确定时段车次数，实现了综合利益最大化；3、在时段车次数确定的情况下，调整发车时刻，提升乘客换乘效率。4、建立了变更行驶路径决策模型，极大地降低了交通拥堵对公交运行和服务质量的影响。5、设置响应站点，解决越过站点带来的车内到达越过站点乘客下车的问题。
发明内容
针对现有技术存在的问题，本发明提供了一种城市公交动态调度优化方法及系统。
本发明是这样实现的，一种城市公交动态调度优化方法，所述城市公交动态调度优化方法包括：
通过实时数据获取系统结合红外线和图像识别技术，实时采集乘客到站时刻和数量、公交车内拥挤度、道路拥挤状况和公交车实时定位信息；
建立时段车次数模型、发车时刻决策模型以及变更行驶路径模型的三层调度决策模型；利用信息共享系统实现人、车、路信息交互。
进一步，所述时段车次数模型从平衡公交运营成本、乘客等车时间以及乘车舒适性出发，确定最优的时段车次数；
发车时刻决策模型以区域总的相遇次数最大和总的相遇站点数最小为目标，降低乘客换乘等车概率，确定发车时刻；
变更行驶路径模型以城市道路经常发生交通拥堵和小区开放政策出台为背景，远离拥堵，实现车内乘客、变更路段站点候车乘客及后面站点候车乘客整体最优。
进一步，所述时段车次模型得建立方法包括：
由投资收益率指标以及相应的权重，构建目标函数如式(1)
maxZ＝ω1×μ1+ω2×μ2+ω3×μ3…(1)；
其中，μ1,μ2,μ3分别表示投资收益率、候车时间满意率和拥挤度满意率，具体表达式如下式(2)、(3)、(4)；ω1,ω2,ω3分别为三项指标的权重，由层次分析原理求得；
其中：
自变量为时段车次数正整数n，找到自变量的上下限后，求出最优解；确定忍受的最低满载率rmin和该线路乘客接受的最高满载率rmax；由式(5)得时段车次数n的上下限。
进一步，所述发车时刻优化模型的建立方法包括：
构造换乘站点集
不同的公交线路相互交汇，其交汇点往往就是换乘站点，这些换乘站点组成粗换乘站点集。但在现实生活中，相同两条公交线路可能存在2个及以上的换乘站点，但两线路同一班次公交车不可能在所有站点都相遇，现实情况是基本只能在一个换乘站点相遇。考虑乘客选择换乘站点的特性，当公交车相遇随机发生在各个换乘站点时，乘客选择对换乘站点的选择也呈随机分布；当将公交车相遇控制在同一换乘站点时，乘客也会自发的选择到该换乘站点换乘。如说明书内仅存2个换乘站点的例子，单个换乘站点方案与随机多个换乘站点的方案分别的等车概率为和因此，固定换乘站点可有效提高乘客换乘的便利性。本发明在粗换乘站点集的基础上，筛选出在其所在的两条公交线路的换乘集中，所能容纳同时停靠多辆公交车的站点，将该站点设置为该线路的换乘站点，这些换乘站点组成细换乘站点集。
在确定了细换乘站点集之后，先以使在该时段、该区域内两辆公交车在细换乘站点集内的站点总的相遇次数最大为目标，初步确定发车时刻；接着以使相遇点数最小(即使尽可能多的公交车在同一站点、相近时间相遇)调整公交发车时刻，确定最优发车时刻。具体模型如下：
以公交车区域内站点总相遇次数和所有线路总相遇点数作为目标函数，通过公式：
计算每两辆车总的相遇次数最大值；
其中：Z—总的相遇次数；
Xki—线路k的第i辆车的发车时间；
Xqj—线路q上第j辆车的发车时间；
Tkn—线路k从起点到站点n的时间；
Xki+Tkn+Tkin—线路k上第i辆车离开站点n的时间；
Dntki—线路k第i辆车在时间t到达终点n取1，否则取0；
线路上总的相遇点的最小值确定每条线路上的最佳发车时间，可根据公式
计算总相遇点数，Ynt表示时间t到达站点n的车辆数
其中，M为该区域公交线路的条数；
Fk为该时段线路k的时段车次数；
该模型存在如下的约束条件：
1).时段第一辆公交车发车时间限制：
Tk1≤Sk；
其中，Tk1为线路k在该时段第一辆车的发车时间；
Sk为线路k所规定的该时段第一辆车的最迟发车时间；
2).时段最后一辆公交车发车时间限制：
其中，T为该时段结束时的时间点；
Hk该线路k所允许的最大发车间隔；
为该时段最后一辆车的发车时间；
Fk为该时段的发车车次数；
3).时段内相邻公交发车时间间隔限制：
hk≤Xk(i+1)-Xki≤Hk(k＝1,2,…,M,i＝1,2,…,Fk-1)；
其中，hk表示线路k所允许的最小发车间隔；
Xki表示线路k在该时段第i车次的发车时刻；
4).站点所能接受的最大相遇车辆数限制：
Ynt≤Rn；
其中，Rn表示站点n所允许同时停靠的公交车辆数；
5).判断公交车是否在某时刻到达站点：
Dntki＝max{0,(0.5-|t-(Xki+Tkn)|)}；
其中：(n＝1,2,……,N；t＝1,2,……,T；k＝1,2,……M；i＝1,2,……,Fk)。
公交车实际到达的时刻与t相比，误差小于0.5分钟，则认为公交车到达。
进一步，路径决策模型的建立方法包括：
该路径变更决策模式是在公交线路上发生的交通拥堵时，进行一定程度的行驶路径变更的一种新型城市公交调度模式。他在保留常规公交低成本性的基础上，提高了公交巴士运行的灵活性。远离拥堵路段可以提高公交巴士的行驶速度和降低后面站点(公交车还未到达的公交站点)乘客等待时间，满足乘客公交出行快捷性和及时性的需求，大大提高公交吸引力。
该模式主要由站台单元、车载单元、路侧单元以及调度控制中心等构成(这4者之间的关系。站台单元、车载单元以及路侧单元分别采集站点乘客到达数、公交车位置以及道路交通状况等信息，并汇总形成数据库，调度控制中心根据信息，做出决策，实现公共巴士合理调度，降低交通拥堵产生的影响，提升公共巴士吸引力。
构造路径集与响应站点：
以是否存在可替代备选路径为标准进行路段划分，交叉口是公交车驶入、驶出规定线路的关键节点。因此，本发明首先将该公交线路上的所有交叉口汇总形成交叉口集；交叉口之间的路径组成粗路径集，接着剔除粗路径集中高于3倍规定路径长度的备选路径，剩余路径组成路径集(路径越长，被采用的概率就越低，限制长度可提高运算效率)。
当公共巴士做出变更行驶路径的决策时，对应的原路径可能没有、可能存在1个或者多个公交车站的情况，没有公交车站的情况不必考虑。当存在公交车站时，公交车内可能有在被越过站点(原路径内的公交车站)下车的乘客，我们采用了设置响应站点的方案，公交车辆在该响应站点停靠，乘客在响应站点下车，乘客可以在响应站点等待下一班车(仅允许变更行驶路径公交车的后一辆公交车在响应站点停靠)。乘客也可以选择步行或自行车出行到达目的站点，因为公交车变更行驶路径的决策是在原路径出现因交通拥堵的情况下做出的，步行等慢性交通与公交车行驶的时间相差不大，甚至会低于公交车行驶时间，响应站点也尽可能选在离被越过站点近的地方。
分析路径变化的影响，建立反应调度综合影响的目标函数如下式：
minz＝wa×ta+wb×tb+wc×tc…(8)；
其中ta,tb,tc分别为车内乘客乘车时间、变更路段站点乘客的等车时间及后面站点乘客的等车时间，具体表达式如式(9),(10),(11)；wa,wb,wc为对应变量权重，由调度员依照层次分析法原理确定；
ta＝m1×(tz+ta2)…(9)；
其中，m1车内乘客数，tz为变更路段的交通阻抗，ta2为后面路段的交通阻抗；Tg为下一公交车到达变更路段站点的时刻，Tci为第i个乘客到达变更路段站点时刻，m2为在公交车到达站点前到达的乘客数；Tgj为公交车到达后面第j个站点的时刻，Tji为第i乘客到达第j站点的时刻，n为后面站点数，mj为在公交车到达后面第j个站点到站的乘客数；
交通阻抗采用美国的BPR函数和交叉口影响修正系数确定,取α＝0.15,β＝4；
由上可得，表示调度综合影响的目标函数的自变量与交通阻抗有关，设该路段可供选择的行驶路径为自变量；并将其设为x＝(x1,x2,,…,xH),H表示有H条路径可供选择；
其中x1+x2+…+xH＝1,
自变量对应的交通阻抗向量为：t＝(t1,t2,…,tH),
则变更路径的阻抗为：tz＝x×tT,
在表示出变更路径的交通阻抗后，结合预测的其他路段阻抗，乘客到站等信息，将目标函数表示为关于x的函数，利用模拟退火算法求出最优路径，并将其发送给驾驶员。
进一步，路径决策配套的方法包括：
路段划分与路径集的构建：
路段划分以是否存在可替代备选路径为标准进行，交叉口是公交车驶入、驶出规定线路的关键节点；该模型首先将该公交线路上的所有交叉口汇总形成交叉口集；交叉口之间的路径组成粗路径集，接着剔除粗路径集中高于3倍规定路径长度的备选路径，剩余路径组成路径集；
响应站点的设置：
采取变更路径决策时，若有站点被越过，则公交车辆在该响应站点停靠，被越过站点乘客在响应站点下车，乘客可以在响应站点等待下一班车，仅允许变更行驶路径公交车的后一辆公交车在响应站点停靠；响应站点以离被越过站点距离最近为原则进行设置；
当前一辆公交车越过该站点时，强制要求下一辆公交车必须途径该站点，避免该站点乘客等待过久。
本发明的另一目的在于提供城市公交动态调度优化系统包括：
同于结合红外线和图像识别技术，实时采集乘客到站时刻和数量、公交车内拥挤度、道路拥挤状况和公交车实时定位信息的实时数据获取系统；
用于建立时段车次数模型、发车时刻决策模型以及变更行驶路径模型的三层调度决策模型的调度决策系统；
用于实现人、车、路信息交互的信息共享系统。
本发明的优点及积极效果为：
本发明的公交调度模式以数据为导向，具有成本低廉、调度科学以及地区适应性强等优点，能有效提高公交的运营调度效率，具有广阔的应用前景。
本发明的时段车次数模型投资收益率、拥挤度满意率分别高0.8％、9.4％，候车时间满意率低3.5％。
本发明的发车时刻确定模型可有效提高换乘效率，在下述实例中，本模型至少降低了的等车概率。
本发明的变更路径决策模型，在较少增加被越过站点乘客候车时间的基础上，极大地提高了公交车的运行速度和减少了后面站点乘客的候车时间。而且，发车间隔越密集、原始路径越拥堵、被越过站点乘客到达数越少、后面乘客到达数越多以及后面站点数越多，变更行驶路径的负面影响就越小、正面效应就越大。
本发明采集数据涵盖站台、车内及道路等客流数据，更加准确地了解客流分布状况。人、车、路实现信息交互，根据反馈的信息乘客可自主调节出行方式，公交企业实现精准调度。调度模式的选择的考虑了地区之间的差异，拓宽了调度的适用范围。建立了路径变更模型，可有效降低道路拥堵造成的危害。
本发明提供的模型特征应该包括相较于其他可变线路和越站模型，是否越过站点取决于道路拥堵状况和乘客到达情况。为解决越过站点乘客下车问题，提出响应站点的方案。路径变更也有限制，不管道路拥堵状况如何，不能进行连续变更路径。
附图说明
图1是本发明实施例提供的城市公交动态调度优化方法流程图。
图2是本发明实施例提供的城市公交动态调度优化系统示意图。
图中：1、实时数据获取系统；2、调度决策系统；3、信息共享系统。
图3是本发明实施例提供的车内及上下车客流数据获取原理流程图。
图4是本发明实施例提供的换乘站点分布示意图。
图5是本发明提供的城市公交动态调度优化系统中路径变更部分示意图。
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，以下结合实施例，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例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细描述。
如图1所示，本发明实施例提供的城市公交动态调度优化方法，包括：
S101：通过实时数据获取系统结合红外线和图像识别技术，实时采集乘客到站时刻和数量、公交车内拥挤度、道路拥挤状况和公交车实时定位信息；
S102：建立时段车次数模型、发车时刻决策模型以及变更行驶路径模型的三层调度决策模型；实现人、车、路信息交互。
如图2所示，本发明实施例提供的城市公交动态调度优化系统，包括：
实时数据获取系统1、调度决策系统2及信息共享系统3；实时数据获取系统同时结合红外线和图像识别技术，实时采集乘客到站时刻和数量、公交车内拥挤度、道路拥挤状况和公交车实时定位信息；
调度决策系统用于建立时段车次数模型、发车时刻决策模型以及变更行驶路径模型的三层调度决策模型；
信息共享系统用于实现人、车、路信息交互。
1)实时数据获取系统1：
本发明将实时数据获取分为三部分：(1)乘客到站时刻和数量；(2)公交车内拥挤度；(3)道路拥挤状况和公交车实时定位。数据获取的关键技术以图像识别为主，红外线、车载GPS等为辅，多种方法综合运用。
本发明结合红外线和图像识别技术：在公交站台除广告牌的其它三面分别安装红外线设备，顶棚一角安装摄像头。当有乘客到达站台时，红外线设备被触动，激发站台顶棚的摄像头立即拍摄此刻画面并记录时间，拍摄画面经过处理便能识别出站台内的候车人数。当有乘客持续挡在红外线发射器前，摄像设备不会连续拍摄画面，造成不必要的内存浪费。
车内数据的采集主要依靠双目摄像设备，分别在公交车前门和后门相应位置安装摄像头。当乘客上、下车时，摄像设备可清晰记录所有乘客的上下车数量和时间，运用计算机视觉技术，采集视频中人体头部形状为分析目标，得到车内拥挤度。
确定车内拥挤度的流程为：(1)双目摄像机捕捉到视频图像，发送到服务器；(2)服务器将运动物体从视频背景中检测、分离出来，进行筛选、过滤，获得真实的运动物体；(3)服务器将识别出来的人体精确地累加进出的人数，并叠加日期和时间，生成一条进出记录，可得到车内拥挤度。
当公交车到达起点站或终点站后，通过车内摄像头拍摄车内状况，进行图像识别，如若识别出车内有乘客，则进行乘客数的分析确认，否则将这一数据清零，继续下一班次的数据采集。其流程图3所示。
公交车载GPS每一时间间隔就发送当前位置数据至服务器。服务器先根据相邻两次经纬度，算出该间隔内车辆的行驶路程，再由公式：路程＝速度×时间，得出平均速度，时间间隔很小时，可将其视为瞬时速度。
路网数据信息的获取不仅对公交调度有重要作用，对于紧急状况发生的预测和处理也尤为重要，通过测得车辆速度可预测所在路线路网交通量，更有利于合理调度。路况数据的监测流程：(1)公交车将车载终端采集到的速度信息发送给处理器；(2)服务器计算出车辆的实时速度和位置，并将线路状况进行处理，通过红(非常拥堵)、黄(拥堵)、浅绿(常规)、绿色(畅通)来表示；(3)服务器将拥堵信息通过App等展示给乘客，并将车辆实时位置等反馈给调度系统。如表1.
表1路况信息采集反馈
2)时段车次确定模型：
公交客流量具有时间特性，故可由历史客流数据，将公交营运时间分为多个时段。为使企业和乘客整体利益最大化，本发明构建了投资收益率等三个指标。各地区存在差异，参照层次分析法原理，调度员可由实际情况确定指标权重。最后由指标和权重确定目标函数，自变量为时段发车车次数。如表2。
表2主要变量说明
由投资收益率等指标以及相应的权重，构建了目标函数如式(1)
max Z＝ω1×μ1+ω2×μ2+ω3×μ3…(1)
其中，μ1,μ2,μ3分别表示投资收益率、候车时间满意率和拥挤度满意率，其具体表达式如下三式；ω1,ω2,ω3分别为三项指标的权重，由层次分析原理求得。
其中：
自变量为时段车次数n(正整数)，找到了他的上下限过后，便可以编写程序求出最优解。通过财务分析和交通调查，确定公交公司可以忍受的最低满载率rmin该和线路乘客可以接受的最高满载率rmax。由式(5)可得时段车次数n的上下限，最后运用李发智的发车间隔模型和本模型对一实例进行计算，本模型投资收益率、拥挤度满意率分别高0.8％、9.4％，候车时间满意率低3.5％。
3)发车时刻优化模型：
考虑乘客换乘，本模型以总相遇次数最大和总相遇站点数最小为目标。相遇次数一定，减少相遇站点数可降低换乘时间。
构造换乘站点集：
不同的公交线路相互交汇，其交汇点往往就是换乘站点，这些换乘站点组成粗换乘站点集。但在现实生活中，相同两条公交线路可能存在2个及以上的换乘站点，但两线路同一班次公交车不可能在所有站点都相遇，现实情况是基本只能在一个换乘站点相遇。考虑乘客选择换乘站点的特性，当公交车相遇随机发生在各个换乘站点时，乘客选择对换乘站点的选择也呈随机分布；当将公交车相遇控制在同一换乘站点时，乘客也会自发的选择到该换乘站点换乘。如图4，1路乘客在换乘站点仅为A站点和A,B站点均分相遇次数情况下的等车概率分别为因此，固定换乘站点可有效提高乘客换乘的便利性。本发明在粗换乘站点集的基础上，筛选出在其所在的两条公交线路的换乘集中，所能容纳同时停靠多辆公交车的站点，将该站点设置为该线路的换乘站点，这些换乘站点组成细换乘站点集。
在确定了细换乘站点集之后，先以使在该时段、该区域内两辆公交车在细换乘站点集内的站点总的相遇次数最大为目标，初步确定发车时刻；接着以使相遇点数最小(即使尽可能多的公交车在同一站点、相近时间相遇)调整公交发车时刻，确定最优发车时刻。具体模型如下：
以公交车区域内站点总相遇次数和所有线路总相遇点数作为目标函数，通过公式：
计算每两辆车总的相遇次数最大值；
其中：Z—总的相遇次数；
Xki—线路k的第i辆车的发车时间；
Xqj—线路q上第j辆车的发车时间；
Tkn—线路k从起点到站点n的时间；
Xki+Tkn+Tkin—线路k上第i辆车离开站点n的时间；
Dntki—线路k第i辆车在时间t到达终点n取1，否则取0；
线路上总的相遇点的最小值确定每条线路上的最佳发车时间，根据公式
计算总相遇点数，Ynt表示时间t到达站点n的车辆数
其中，M为该区域公交线路的条数；
Fk为该时段线路k的时段车次数；
该模型的约束条件包括：
1)时段第一辆公交车发车时间限制：
Tk1≤Sk；
其中，Tk1为线路k在该时段第一辆车的发车时间；
Sk为线路k所规定的该时段第一辆车的最迟发车时间；
2)时段最后一辆公交车发车时间限制：
其中，T为该时段结束时的时间点；
Hk该线路k所允许的最大发车间隔；
为该时段最后一辆车的发车时间；
Fk为该时段的发车车次数；
3)时段内相邻公交发车时间间隔限制：
hk≤Xk(i+1)-Xki≤Hk(k＝1,2,…,M,i＝1,2,…,Fk-1)；
其中，hk表示线路k所允许的最小发车间隔；
Xki表示线路k在该时段第i车次的发车时刻；
4)站点所能接受的最大相遇车辆数限制：
Ynt≤Rn；
其中，Rn表示站点n所允许同时停靠的公交车辆数；
5)判断公交车是否在某时刻到达站点：
Dntki＝max{0,(0.5-|t-(Xki+Tkn)|)}；
其中：(n＝1,2,……,N；t＝1,2,……,T；k＝1,2,……M；i＝1,2,……,Fk)；
公交车实际到达的时刻与t相比，误差小于0.5分钟，则认为公交车到达。
对四条不同线路Ⅰ、Ⅱ、Ⅲ、Ⅳ)进行模拟分析，结果为选择线路Ⅰ在节点2换乘将会花费更久的时间，等车概率为结合时段车次数模型，确定科学的发车时刻，缩小了乘客的换乘等待时间，提高了公交车调度效率，使得公交调度更加合理化。
4)路径决策模型：
该路径变更决策模式是在公交线路上发生的交通拥堵时，进行一定程度的行驶路径变更的一种新型城市公交调度模式。该调度模式在保留常规公交低成本性的基础上，提高了公交巴士运行的灵活性。远离拥堵路段可以提高公交巴士的行驶速度和降低后面站点(公交车还未到达的公交站点)乘客等待时间，满足乘客公交出行快捷性和及时性的需求，大大提高公交吸引力。
该系统主要由站台单元、车载单元、路侧单元以及调度控制中心等构成(这4者之间的关系如图5。站台单元、车载单元以及路侧单元分别采集站点乘客到达数、公交车位置以及道路交通状况等信息，并汇总形成数据库，调度控制中心根据信息，做出决策，实现公共巴士合理调度，降低交通拥堵产生的影响，提升公共巴士吸引力。
构造路径集与响应站点：
以是否存在可替代备选路径为标准进行路段划分，交叉口是公交车驶入、驶出规定线路的关键节点。因此，本文首先将该公交线路上的所有交叉口汇总形成交叉口集；交叉口之间的路径组成粗路径集，接着剔除粗路径集中高于3倍规定路径长度的备选路径，剩余路径组成路径集(路径越长，被采用的概率就越低，限制长度可提高运算效率)。
当公共巴士做出变更行驶路径的决策时，对应的原路径可能没有、可能存在1个或者多个公交车站的情况，没有公交车站的情况不必考虑。当存在公交车站时，公交车内可能有在被越过站点(原路径内的公交车站)下车的乘客，我们采用了设置响应站点的方案，公交车辆在该响应站点停靠，乘客在响应站点下车，乘客可以在响应站点等待下一班车(仅允许变更行驶路径公交车的后一辆公交车在响应站点停靠，不允许同一公交站点被连续两次越过)。乘客也可以选择步行或自行车出行到达目的站点，因为公交车变更行驶路径的决策是在原路径出现因交通拥堵的情况下做出的，步行等慢性交通与公交车行驶的时间相差不大，甚至会低于公交车行驶时间，响应站点也尽可能选在离被越过站点近的地方。
通过分析路径变化的影响，建立目标函数如下式：
minz＝wa×ta+wb×tb+wc×tc…(8)
其中ta,tb,tc分别为车内乘客乘车时间、变更路段站点乘客的等车时间及后面站点乘客的等车时间，具体表达式如式(9),(10),(11)；wa,wb,wc为对应变量权重，由调度员依照层次分析法原理确定。
ta＝m1×(tz+ta2)…(9)；
其中，m1车内乘客数，tz为变更路段的交通阻抗，ta2为后面路段的交通阻抗；Tg为下一公交车到达变更路段站点的时刻，Tci为第i个乘客到达变更路段站点时刻，m2为在公交车到达站点前到达的乘客数；Tgj为公交车到达后面第j个站点的时刻，Tji为第i乘客到达第j站点的时刻，n为后面站点数，mj为在公交车到达后面第j个站点到站的乘客数。交通阻抗采用美国的BPR函数(取α＝0.15β＝4)和交叉口影响修正系数确定。
由上可得，目标函数的自变量与交通阻抗有关，故设该路段可供选择的行驶路径为自变量。并将其设为x＝(x1,x2,,…,xH),H表示有H条路径可供选择。其中x1+x2+…+xH＝1,自变量对应的交通阻抗向量为：t＝(t1,t2,…,tH),则变更路径的阻抗为：tz＝x×tT,在表示出变更路径的交通阻抗后，结合预测的其他路段阻抗，乘客到站等信息，可以将目标函数表示为关于x的函数，利用智能算法求出最优路径，并将其发送给驾驶员。
变更行驶路径的实例分析：
重庆607路公交车是由鸳鸯开往盘龙转盘的一票制常规公交线路。本文选取由金渝路公园1号至人和实验校这一路段(该路段包括龙宁路、金福路两站点)为例进行分析，龙健路口为公交路径与金渝大道的交叉口，位于金渝路公园1号与龙宁路，公交车可龙健路口驶出线路经金渝大道、龙政路越过龙宁路驶入线路，该路径设为备选路径；由龙健路口沿公交线路至驶入交叉口的路径设为原路径；驶入交叉口至金福路的路段称为后面路径1，金福路至人和实验校的路段称为后面路段2。
对该路径进行高峰时期的交通调查，获取信息如下：至龙健路口时公交车的载客量为21人，假设本班公交车较上一辆公交车在原路径的交通阻抗增加5min，龙健路口至龙宁路的交通阻抗约为原路径的15，其他路径交通阻抗基本不变。若上一辆公交车在原路径、后面路径1和后面路径2的平均交通阻抗为8min、6min和5min。备选路径的交通阻抗为8min。高峰时期公交车的平均发车间隔为5min。各站点乘客到达服从泊松分布，龙宁路、金福路以及人和实验校三个站点的平均乘客到达率分别为1(人/min)、1.2(人/min)和1.6(人/min)。利用以上数据和公式(1)、(2)和(3)求得是否变更行驶路径的三个决策指标的取值如下表：
表1两种方案决策指标取值
若各车内乘客乘车时间、越过站点候车时间以及后面站点候车时间的权重分别为0.2,0.4,0.4，则采用原路径和备选路径行驶的z值分别为225.6和147，在该决策指标中，z值越小，则乘客的整体利益最大，故在该情况下，采取变更行驶路径的决策方案。
由上可知，采用变更行驶路径的方案对乘客在公交站点的候车时间影响较大，大幅度增加了变更路段站点乘客的候车时间，但也大幅度减少了后面站点乘客的候车时间。分析表达式发现，影响程度与发车间隔、城市道路拥挤状况、公交站点乘客的到达率相关以及涉及站点数相关。发车间隔越密集、原始路径越拥堵、被越过站点乘客到达数越少、后面乘客到达数越多以及后面站点数越多，变更行驶路径的负面影响就越小、正面效应就越大。
本发明(1)采集数据涵盖站台、车内及道路等客流数据，更加准确地了解客流分布状况。(2)人、车、路实现信息交互，根据反馈的信息乘客可自主调节出行方式，公交企业实现精准调度。(3)调度模式的选择的考虑了地区之间的差异，拓宽了调度的适用范围。(4)基于换乘优先的发车时刻确定模型可有效降低换乘等车概率。(5)建立了路径变更模型，可有效降低道路拥堵造成的危害。
本发明采集数据种类全面、采集设备成本低，可有效反映客流情况；指标权重的确定考虑了地区差异，拓宽了应用范围，利于推广；作品以乘客为导向，可提高公交吸引力，并减少了调度员的工作量，提高运营调度水平，降低了人工成本；本作品还考虑了城市道路拥挤对公交运营的影响，对大中城市有较大的吸引力，具有良好的应用前景。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种城市公交动态调度优化方法，其特征在于，所述城市公交动态调度优化方法包括：
在实时采集乘客到站时刻和数量、公交车内拥挤度、道路拥挤状况和公交车实时定位信息的基础上；建立时段车次数模型、发车时刻决策模型以及变更行驶路径模型的三层调度决策模型；并利用互联网通信技术，实现人、车、路信息交互；
所述时段车次数模型从平衡公交运营成本、乘客等车时间以及乘车舒适性出发，确定最优的时段车次数；
在时段车次数确定的情况下，发车时刻决策模型以区域总的相遇次数最大和总的相遇站点数最小为目标，降低换乘等车概率，确定发车时刻；
变更行驶路径模型以城市道路经常发生交通拥堵和小区开放政策出台为背景，绕开拥堵路段，提高车辆运行速度和降低后面站点乘客等车时间，实现车内乘客、变更路段站点候车乘客及后面站点候车乘客整体最优。
2.如权利要求1所述的城市公交动态调度优化方法，其特征在于，所述发车时刻优化模型的建立方法包括：
构造换乘站点集：不同的公交线路相互交汇，其交汇点往往就是换乘站点，这些换乘站点组成粗换乘站点集；在粗换乘站点集中，筛选出某两条线路中所能容纳同时停靠最多公交车辆数的站点，并将该站点设置为两条线路的换乘站点，这些换乘站点组成细换乘站点集；
在确定细换乘站点集之后，先以使在该时段、该区域内两辆公交车在细换乘站点集内的站点总的相遇次数最大为目标，初步确定发车时刻；接着以使相遇点数最小调整公交发车时刻，确定最优发车时刻；具体模型如下：
以公交车区域内站点总相遇次数和所有线路总相遇点数作为目标函数，通过公式：
<mrow> <mi>Z</mi> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>M</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>F</mi> <mi>k</mi> </mrow> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>q</mi> <mo>=</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>F</mi> <mi>q</mi> </mrow> </munderover> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>max</mi> <mo>{</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mo>|</mo> <msub> <mi>X</mi> <mrow> <mi>k</mi> <mi>i</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>T</mi> <mrow> <mi>k</mi> <mi>n</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>T</mi> <mrow> <mi>k</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>X</mi> <mrow> <mi>q</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>T</mi> <mrow> <mi>q</mi> <mi>n</mi> </mrow> </msub> <mo>|</mo> <mo>)</mo> </mrow> <mo>,</mo> <mn>0</mn> <mo>}</mo> <mn>...</mn> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
计算每两辆车总的相遇次数最大值；
其中：Z—总的相遇次数；
Xki—线路k的第i辆车的发车时间；
Xqj—线路q上第j辆车的发车时间；
Tkn—线路k从起点到站点n的时间；
Xki+Tkn+Tkin—线路k上第i辆车离开站点n的时间；
Dntki—线路k第i辆车在时间t到达终点n取1，否则取0；
线路上总的相遇点的最小值确定每条线路上的最佳发车时间，根据公式
<mrow> <mi>Q</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>{</mo> <mn>1</mn> <mo>-</mo> <mi>m</mi> <mi>a</mi> <mi>x</mi> <mo>(</mo> <mrow> <mo>{</mo> <mrow> <mo>(</mo> <mrow> <msub> <mi>Y</mi> <mrow> <mi>n</mi> <mi>t</mi> </mrow> </msub> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> </mrow> <mo>,</mo> <mn>0</mn> <mo>}</mo> </mrow> <mo>)</mo> <mo>,</mo> <mn>0</mn> <mo>}</mo> <mo>)</mo> </mrow> </mrow>
计算总相遇点数，Ynt表示时间t到达站点n的车辆数
<mrow> <msub> <mi>Y</mi> <mrow> <mi>n</mi> <mi>t</mi> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>F</mi> <mi>k</mi> </msub> </munderover> <msub> <mi>D</mi> <mrow> <mi>n</mi> <mi>t</mi> <mi>k</mi> <mi>i</mi> </mrow> </msub> </mrow>
其中，M为该区域公交线路的条数；
Fk为该时段线路k的时段车次数；
该模型的约束条件包括：
1)时段第一辆公交车发车时间限制：
Tk1≤Sk；
其中，Tk1为线路k在该时段第一辆车的发车时间；
Sk为线路k所规定的该时段第一辆车的最迟发车时间；
2)时段最后一辆公交车发车时间限制：
<mrow> <mi>T</mi> <mo>-</mo> <msub> <mi>H</mi> <mi>k</mi> </msub> <mo>&amp;le;</mo> <msub> <mi>X</mi> <mrow> <msub> <mi>kF</mi> <mi>k</mi> </msub> </mrow> </msub> <mo>&amp;le;</mo> <mi>T</mi> <mo>,</mo> <mrow> <mo>(</mo> <mi>k</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>M</mi> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，T为该时段结束时的时间点；
Hk该线路k所允许的最大发车间隔；
为该时段最后一辆车的发车时间；
Fk为该时段的发车车次数；
3)时段内相邻公交发车时间间隔限制：
hk≤Xk(i+1)-Xki≤Hk(k＝1,2,…,M,i＝1,2,…,Fk-1)；
其中，hk表示线路k所允许的最小发车间隔；
Xki表示线路k在该时段第i车次的发车时刻；
4)站点所能接受的最大相遇车辆数限制：
Ynt≤Rn；
其中，Rn表示站点n所允许同时停靠的公交车辆数；
5)判断公交车是否在某时刻到达站点：
Dntki＝max{0,(0.5-|t-(Xki+Tkn)|)}；
其中：(n＝1,2,……,N；t＝1,2,……,T；k＝1,2,……M；i＝1,2,……,Fk)；
公交车实际到达的时刻与t相比，误差小于0.5分钟，则认为公交车到达。
3.如权利要求1所述的城市公交动态调度优化方法，其特征在于，路径决策模型的建立方法包括：
分析路径变化的影响，建立反应调度综合影响的目标函数如下式：
min z＝wa×ta+wb×tb+wc×tc…(8)
其中ta,tb,tc分别为车内乘客乘车时间、变更路段站点乘客的等车时间及后面站点乘客的等车时间，具体表达式如式(9),(10),(11)；wa,wb,wc为对应变量权重，由调度员依照层次分析法原理确定；
ta＝m1×(tz+ta2)…(9)；
<mrow> <msub> <mi>t</mi> <mi>b</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>m</mi> <mn>2</mn> </msub> </munderover> <msub> <mi>T</mi> <mi>g</mi> </msub> <mo>-</mo> <msub> <mi>T</mi> <mrow> <mi>c</mi> <mi>i</mi> </mrow> </msub> <mo>...</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
<mrow> <msub> <mi>t</mi> <mi>c</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>m</mi> <mi>j</mi> </msub> </munderover> <msub> <mi>T</mi> <mrow> <mi>g</mi> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>T</mi> <mrow> <mi>j</mi> <mi>i</mi> </mrow> </msub> <mo>...</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
其中，m1车内乘客数，tz为变更路段的交通阻抗，ta2为后面路段的交通阻抗；Tg为下一公交车到达变更路段站点的时刻，Tci为第i个乘客到达变更路段站点时刻，m2为在公交车到达站点前到达的乘客数；Tgj为公交车到达后面第j个站点的时刻，Tji为第i乘客到达第j站点的时刻，n为后面站点数，mj为在公交车到达后面第j个站点到站的乘客数；
交通阻抗采用BPR函数和交叉口影响修正系数确定,取α＝0.15,β＝4；
表示调度综合影响的目标函数的自变量与交通阻抗有关，设该路段可供选择的行驶路径为自变量；并将其设为x＝(x1,x2,,…,xH),H表示有H条路径可供选择；
其中x1+x2+…+xH＝1,
自变量对应的交通阻抗向量为：t＝(t1,t2,…,tH),
则变更路径的阻抗为：tz＝x×tT,
在表示出变更路径的交通阻抗后，结合预测的其他路段阻抗，乘客到站信息，将目标函数表示为关于x的函数，利用模拟退火算法求出最优路径，并将其发送给驾驶员。
4.如权利要求3所述的城市公交动态调度优化方法，其特征在于，路径决策配套的方法包括：
路段划分与路径集的构建：
路段划分以是否存在可替代备选路径为标准进行，交叉口是公交车驶入、驶出规定线路的关键节点；该模型首先将该公交线路上的所有交叉口汇总形成交叉口集；交叉口之间的路径组成粗路径集，接着剔除粗路径集中高于3倍规定路径长度的备选路径，剩余路径组成路径集；
响应站点的设置：
采取变更路径决策时，若有站点被越过，则公交车辆在该响应站点停靠，被越过站点乘客在响应站点下车，乘客可以在响应站点等待下一班车，仅允许变更行驶路径公交车的后一辆公交车在响应站点停靠；响应站点以离被越过站点距离最近为原则进行设置；
当前一辆公交车越过该站点时，强制要求下一辆公交车必须途径该站点，避免该站点乘客等待过久。
5.一种如权利要求1所述的城市公交动态调度优化方法的城市公交动态调度优化系统，其特征在于，所述城市公交动态调度优化系统包括：
实时数据获取系统、调度决策系统及信息共享系统；实时数据获取系统结合红外线和图像识别技术，实时采集乘客到站时刻和数量、公交车内拥挤度、道路拥挤状况和公交车实时定位信息；
调度决策系统用于建立时段车次数模型、发车时刻决策模型以及变更行驶路径模型的三层调度决策模型；
信息共享系统用于实现人、车、路信息交互。
CN201710454501.0A 2017-06-15 2017-06-15 一种城市公交动态调度优化方法及系统 Expired - Fee Related CN107330547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710454501.0A CN107330547B (zh) 2017-06-15 2017-06-15 一种城市公交动态调度优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710454501.0A CN107330547B (zh) 2017-06-15 2017-06-15 一种城市公交动态调度优化方法及系统

Publications (2)

Publication Number Publication Date
CN107330547A true CN107330547A (zh) 2017-11-07
CN107330547B CN107330547B (zh) 2020-07-28

Family

ID=60195263

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710454501.0A Expired - Fee Related CN107330547B (zh) 2017-06-15 2017-06-15 一种城市公交动态调度优化方法及系统

Country Status (1)

Country Link
CN (1) CN107330547B (zh)

Cited By (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108151757A (zh) * 2017-12-28 2018-06-12 安徽科硕智谷信息科技有限公司 一种基于智慧城市公交线路构建系统及构建方法
CN108399779A (zh) * 2018-04-26 2018-08-14 中国联合网络通信集团有限公司 车辆调度处理方法、装置、设备及存储介质
CN108876028A (zh) * 2018-06-08 2018-11-23 山东交通学院 一种基于生存分析的公共交通周转时间预测方法及装置
CN109064205A (zh) * 2018-06-22 2018-12-21 华南理工大学 一种考虑站点热度互联网定制公交动态定价方法
CN109615112A (zh) * 2018-11-16 2019-04-12 上海理工大学 一种响应型社区公交行车调度优化方法
CN109800902A (zh) * 2018-12-11 2019-05-24 华南理工大学 一种不间断往复式灵活线路长度的无人驾驶公交优化方法
CN109902848A (zh) * 2017-12-11 2019-06-18 北京京东尚科信息技术有限公司 班车站点规划的方法和装置
CN110033634A (zh) * 2019-05-15 2019-07-19 东南大学 一种可变线路公交协同接驳乘客方法
CN110148297A (zh) * 2019-04-24 2019-08-20 河海大学 一种使用班车接驳的停车换乘系统及优化方法
CN110309700A (zh) * 2019-04-03 2019-10-08 泰州阿法光电科技有限公司 公交路线数据调控系统
CN110390556A (zh) * 2019-06-03 2019-10-29 东南大学 一种可变线路公交票价动态制定方法
CN110458331A (zh) * 2019-07-18 2019-11-15 南京行者易智能交通科技有限公司 一种基于od客流数据的过绕公交线路的拉直优化方法及装置
CN110544040A (zh) * 2019-09-06 2019-12-06 江苏物联网研究发展中心 一种车辆调度优化决策系统
CN110555568A (zh) * 2019-09-12 2019-12-10 重庆交通大学 一种基于社交网络信息的道路交通运行状态实时感知方法
CN110675032A (zh) * 2019-09-02 2020-01-10 杭州博信智联科技有限公司 一种车辆调度方法及其装置
CN111127936A (zh) * 2019-12-25 2020-05-08 大连理工大学 一种共享巴士的动态车辆调度和线路规划方法
CN111292536A (zh) * 2020-02-28 2020-06-16 河海大学 一种基于串车现象分析的常规公交运行稳定性优化方法
CN111340318A (zh) * 2020-05-22 2020-06-26 深圳市城市交通规划设计研究中心股份有限公司 一种车辆动态调度方法、装置及终端设备
CN111738490A (zh) * 2020-05-21 2020-10-02 郑州天迈科技股份有限公司 柔性公交线路资源复用分配调度方法
CN111932034A (zh) * 2020-09-22 2020-11-13 北京全路通信信号研究设计院集团有限公司 一种区域多制式轨道交通列车开行方案编制方法及其系统
CN112116241A (zh) * 2020-09-16 2020-12-22 山东炎黄工业设计有限公司 一种公共交通智能调度方法
CN112541989A (zh) * 2020-12-01 2021-03-23 中南民族大学 一路一线模式用于实时调度的客流数据描述方法
CN112669604A (zh) * 2020-12-17 2021-04-16 广东南方通信建设有限公司 城市交通调度方法及装置
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
CN113034890A (zh) * 2021-03-15 2021-06-25 重庆交通开投科技发展有限公司 一种跨线运行情况下的公交圈次时间计算及预测方法
CN113053118A (zh) * 2021-03-18 2021-06-29 重庆交通开投科技发展有限公司 一种集中调度跨线运行圈次时间的预测方法
CN113160600A (zh) * 2020-09-14 2021-07-23 盐城工学院 一种用于城市微循环公交系统的车辆调度方法
CN113408790A (zh) * 2021-05-31 2021-09-17 银江股份有限公司 一种模块化车辆运行路径及组合策略协同优化方法及系统
CN113496612A (zh) * 2020-04-02 2021-10-12 丰田自动车株式会社 自主行驶车辆的运行管理装置以及运行管理方法
CN114299746A (zh) * 2021-12-30 2022-04-08 武汉长飞智慧网络技术有限公司 基于图像识别的公交车辆调度方法、装置、设备及介质
CN114358408A (zh) * 2021-12-29 2022-04-15 北京百度网讯科技有限公司 线路生成方法、装置、电子设备及存储介质
CN114662912A (zh) * 2022-03-23 2022-06-24 华录智达科技股份有限公司 一种基于公交数字化转型的智能公交运营服务平台
CN114841424A (zh) * 2022-04-26 2022-08-02 合肥工业大学 一种基于引力模型的国际多式联运可达性测量方法
CN114970993A (zh) * 2019-03-21 2022-08-30 华侨大学 一种轨道交通沿线常规公交线路调整方法
CN114999139A (zh) * 2022-05-25 2022-09-02 新驱动重庆智能汽车有限公司 公交运营线路动态调度的方法、系统、存储介质及设备
CN115909722A (zh) * 2022-10-27 2023-04-04 东风悦享科技有限公司 一种应用于智能公交的路阻调度方法及系统
CN116127210A (zh) * 2023-04-12 2023-05-16 深圳柯赛标识智能科技有限公司 一种信息数据推送系统及方法
CN116432887A (zh) * 2023-06-15 2023-07-14 华侨大学 一种动态需求响应式公交的线路优化方法、设备和介质
CN116504089A (zh) * 2023-06-27 2023-07-28 东风悦享科技有限公司 一种基于路面破损因素的无人公交集群灵活调度系统
CN117371629A (zh) * 2023-09-28 2024-01-09 广东艾百智能科技有限公司 基于机器学习的公交线路优化方法
CN117854276A (zh) * 2023-12-29 2024-04-09 淮阴工学院 一种智能分布式胶囊公交系统
CN118504783A (zh) * 2024-07-16 2024-08-16 吉林大学 网联模块化公交运行时刻表与编组方案优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520946A (zh) * 2008-02-29 2009-09-02 厦门雅迅网络股份有限公司 城市公交动态线路规划方法
CN101572011A (zh) * 2009-06-10 2009-11-04 上海理工大学 城市公交智能化调度管理系统及方法
CN102044149A (zh) * 2011-01-12 2011-05-04 北京交通大学 一种基于时变客流的城市公交运营协调方法与装置
CN103531018A (zh) * 2013-09-25 2014-01-22 青岛海信网络科技股份有限公司 公交车发车调度方法及公交车发车调度系统
CN103956041A (zh) * 2014-03-28 2014-07-30 东南大学 一种公交调度系统及其控制方法
CN104157132A (zh) * 2014-08-18 2014-11-19 东南大学 一种自适应式公交发车时刻表的动态优化方法
CN104573849A (zh) * 2014-12-12 2015-04-29 安徽富煌和利时科技股份有限公司 基于arima模型预测客流的公交调度优化方法
CN105046379A (zh) * 2015-09-09 2015-11-11 东南大学 一种城市公交发车时刻表优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101520946A (zh) * 2008-02-29 2009-09-02 厦门雅迅网络股份有限公司 城市公交动态线路规划方法
CN101572011A (zh) * 2009-06-10 2009-11-04 上海理工大学 城市公交智能化调度管理系统及方法
CN102044149A (zh) * 2011-01-12 2011-05-04 北京交通大学 一种基于时变客流的城市公交运营协调方法与装置
CN103531018A (zh) * 2013-09-25 2014-01-22 青岛海信网络科技股份有限公司 公交车发车调度方法及公交车发车调度系统
CN103956041A (zh) * 2014-03-28 2014-07-30 东南大学 一种公交调度系统及其控制方法
CN104157132A (zh) * 2014-08-18 2014-11-19 东南大学 一种自适应式公交发车时刻表的动态优化方法
CN104573849A (zh) * 2014-12-12 2015-04-29 安徽富煌和利时科技股份有限公司 基于arima模型预测客流的公交调度优化方法
CN105046379A (zh) * 2015-09-09 2015-11-11 东南大学 一种城市公交发车时刻表优化方法

Cited By (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109902848A (zh) * 2017-12-11 2019-06-18 北京京东尚科信息技术有限公司 班车站点规划的方法和装置
CN108151757A (zh) * 2017-12-28 2018-06-12 安徽科硕智谷信息科技有限公司 一种基于智慧城市公交线路构建系统及构建方法
CN108399779A (zh) * 2018-04-26 2018-08-14 中国联合网络通信集团有限公司 车辆调度处理方法、装置、设备及存储介质
CN108876028A (zh) * 2018-06-08 2018-11-23 山东交通学院 一种基于生存分析的公共交通周转时间预测方法及装置
CN108876028B (zh) * 2018-06-08 2020-09-04 山东交通学院 一种基于生存分析的公共交通周转时间预测方法及装置
CN109064205A (zh) * 2018-06-22 2018-12-21 华南理工大学 一种考虑站点热度互联网定制公交动态定价方法
CN109064205B (zh) * 2018-06-22 2021-10-26 华南理工大学 一种考虑站点热度互联网定制公交动态定价方法
CN109615112A (zh) * 2018-11-16 2019-04-12 上海理工大学 一种响应型社区公交行车调度优化方法
CN109615112B (zh) * 2018-11-16 2023-07-07 上海理工大学 一种响应型社区公交行车调度优化方法
CN109800902A (zh) * 2018-12-11 2019-05-24 华南理工大学 一种不间断往复式灵活线路长度的无人驾驶公交优化方法
CN114970993A (zh) * 2019-03-21 2022-08-30 华侨大学 一种轨道交通沿线常规公交线路调整方法
CN110309700A (zh) * 2019-04-03 2019-10-08 泰州阿法光电科技有限公司 公交路线数据调控系统
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
CN110148297A (zh) * 2019-04-24 2019-08-20 河海大学 一种使用班车接驳的停车换乘系统及优化方法
CN110033634A (zh) * 2019-05-15 2019-07-19 东南大学 一种可变线路公交协同接驳乘客方法
CN110390556A (zh) * 2019-06-03 2019-10-29 东南大学 一种可变线路公交票价动态制定方法
CN110390556B (zh) * 2019-06-03 2023-04-28 东南大学 一种可变线路公交票价动态制定方法
CN110458331B (zh) * 2019-07-18 2020-06-05 南京行者易智能交通科技有限公司 一种基于od客流数据的过绕公交线路的拉直优化方法及装置
CN110458331A (zh) * 2019-07-18 2019-11-15 南京行者易智能交通科技有限公司 一种基于od客流数据的过绕公交线路的拉直优化方法及装置
CN110675032A (zh) * 2019-09-02 2020-01-10 杭州博信智联科技有限公司 一种车辆调度方法及其装置
CN110544040A (zh) * 2019-09-06 2019-12-06 江苏物联网研究发展中心 一种车辆调度优化决策系统
CN110555568B (zh) * 2019-09-12 2022-12-02 重庆交通大学 一种基于社交网络信息的道路交通运行状态实时感知方法
CN110555568A (zh) * 2019-09-12 2019-12-10 重庆交通大学 一种基于社交网络信息的道路交通运行状态实时感知方法
CN111127936A (zh) * 2019-12-25 2020-05-08 大连理工大学 一种共享巴士的动态车辆调度和线路规划方法
CN111292536A (zh) * 2020-02-28 2020-06-16 河海大学 一种基于串车现象分析的常规公交运行稳定性优化方法
CN113496612B (zh) * 2020-04-02 2022-12-30 丰田自动车株式会社 自主行驶车辆的运行管理装置以及运行管理方法
CN113496612A (zh) * 2020-04-02 2021-10-12 丰田自动车株式会社 自主行驶车辆的运行管理装置以及运行管理方法
CN111738490A (zh) * 2020-05-21 2020-10-02 郑州天迈科技股份有限公司 柔性公交线路资源复用分配调度方法
CN111340318B (zh) * 2020-05-22 2020-11-17 深圳市城市交通规划设计研究中心股份有限公司 一种车辆动态调度方法、装置及终端设备
CN111340318A (zh) * 2020-05-22 2020-06-26 深圳市城市交通规划设计研究中心股份有限公司 一种车辆动态调度方法、装置及终端设备
CN113160600A (zh) * 2020-09-14 2021-07-23 盐城工学院 一种用于城市微循环公交系统的车辆调度方法
CN113160600B (zh) * 2020-09-14 2022-12-30 盐城工学院 一种用于城市微循环公交系统的车辆调度方法
CN112116241A (zh) * 2020-09-16 2020-12-22 山东炎黄工业设计有限公司 一种公共交通智能调度方法
CN111932034B (zh) * 2020-09-22 2024-03-29 北京全路通信信号研究设计院集团有限公司 一种区域多制式轨道交通列车开行方案编制方法及其系统
CN111932034A (zh) * 2020-09-22 2020-11-13 北京全路通信信号研究设计院集团有限公司 一种区域多制式轨道交通列车开行方案编制方法及其系统
CN112541989A (zh) * 2020-12-01 2021-03-23 中南民族大学 一路一线模式用于实时调度的客流数据描述方法
CN112669604A (zh) * 2020-12-17 2021-04-16 广东南方通信建设有限公司 城市交通调度方法及装置
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
CN113034890A (zh) * 2021-03-15 2021-06-25 重庆交通开投科技发展有限公司 一种跨线运行情况下的公交圈次时间计算及预测方法
CN113053118A (zh) * 2021-03-18 2021-06-29 重庆交通开投科技发展有限公司 一种集中调度跨线运行圈次时间的预测方法
CN113408790A (zh) * 2021-05-31 2021-09-17 银江股份有限公司 一种模块化车辆运行路径及组合策略协同优化方法及系统
CN113408790B (zh) * 2021-05-31 2022-09-30 银江技术股份有限公司 一种模块化车辆运行路径及组合策略协同优化方法及系统
CN114358408A (zh) * 2021-12-29 2022-04-15 北京百度网讯科技有限公司 线路生成方法、装置、电子设备及存储介质
CN114299746B (zh) * 2021-12-30 2023-04-14 武汉长飞智慧网络技术有限公司 基于图像识别的公交车辆调度方法、设备及介质
CN114299746A (zh) * 2021-12-30 2022-04-08 武汉长飞智慧网络技术有限公司 基于图像识别的公交车辆调度方法、装置、设备及介质
CN114662912A (zh) * 2022-03-23 2022-06-24 华录智达科技股份有限公司 一种基于公交数字化转型的智能公交运营服务平台
CN114841424A (zh) * 2022-04-26 2022-08-02 合肥工业大学 一种基于引力模型的国际多式联运可达性测量方法
CN114841424B (zh) * 2022-04-26 2024-08-09 合肥工业大学 一种基于引力模型的国际多式联运可达性测量方法
CN114999139A (zh) * 2022-05-25 2022-09-02 新驱动重庆智能汽车有限公司 公交运营线路动态调度的方法、系统、存储介质及设备
CN115909722A (zh) * 2022-10-27 2023-04-04 东风悦享科技有限公司 一种应用于智能公交的路阻调度方法及系统
CN116127210A (zh) * 2023-04-12 2023-05-16 深圳柯赛标识智能科技有限公司 一种信息数据推送系统及方法
CN116127210B (zh) * 2023-04-12 2023-07-07 深圳柯赛标识智能科技有限公司 一种信息数据推送系统及方法
CN116432887B (zh) * 2023-06-15 2023-09-05 华侨大学 一种动态需求响应式公交的线路优化方法、设备和介质
CN116432887A (zh) * 2023-06-15 2023-07-14 华侨大学 一种动态需求响应式公交的线路优化方法、设备和介质
CN116504089B (zh) * 2023-06-27 2023-09-12 东风悦享科技有限公司 一种基于路面破损因素的无人公交集群灵活调度系统
CN116504089A (zh) * 2023-06-27 2023-07-28 东风悦享科技有限公司 一种基于路面破损因素的无人公交集群灵活调度系统
CN117371629A (zh) * 2023-09-28 2024-01-09 广东艾百智能科技有限公司 基于机器学习的公交线路优化方法
CN117371629B (zh) * 2023-09-28 2024-04-26 广东艾百智能科技有限公司 基于机器学习的公交线路优化方法
CN117854276A (zh) * 2023-12-29 2024-04-09 淮阴工学院 一种智能分布式胶囊公交系统
CN117854276B (zh) * 2023-12-29 2024-06-21 淮阴工学院 一种智能分布式胶囊公交系统
CN118504783A (zh) * 2024-07-16 2024-08-16 吉林大学 网联模块化公交运行时刻表与编组方案优化方法
CN118504783B (zh) * 2024-07-16 2024-10-15 吉林大学 网联模块化公交运行时刻表与编组方案优化方法

Also Published As

Publication number Publication date
CN107330547B (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN107330547A (zh) 一种城市公交动态调度优化方法及系统
Liu et al. Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems
CN106448233B (zh) 基于大数据的公交线路时刻表协同优化方法
CN104809112B (zh) 一种基于多源数据的城市公交发展水平综合评价方法
CN105303854B (zh) 一种出行路线数据的处理方法和装置
CN107331200A (zh) 一种cbd地下车库停车智能引导系统、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
CN107564269B (zh) 一种基于支付意愿的半灵活公交调度方法
CN106530677B (zh) 一种基于实时信息的校车调度方法及系统
CN103177575A (zh) 城区出租车动态在线调度优化系统及其方法
CN106127357A (zh) 一种基于预约数据的定制公交自动布线系统及方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN108022022A (zh) 一种基于出行舒适度的公交出行方案评价系统
CN109703389B (zh) 基于新能源公交车的车桩网一体化充电调度装置及方法
CN106228275A (zh) 基于蚁群算法定制公交线路的方法
CN103714257B (zh) 一种公共交通问题线路识别技术
CN105930914A (zh) 基于起讫点距离的城市公交最优收费结构的收费确定方法
CN105913653A (zh) 一种云平台环境下公共交通智能行车计划排班系统及方法
CN113194138A (zh) 基于ai深度学习的出行管理方法和系统
CN108364127A (zh) 一种路网客流协同控制优化系统
CN103606299A (zh) 基于智能手机的停车位信息共享方法
CN109934380A (zh) 基于双层规划的共享电动汽车车辆及人员调度优化方法
CN114548723A (zh) 基于云边协同的实时车货匹配与路径推荐方法及其系统
CN110570656B (zh) 定制公共交通线路方法及装置
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

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
CB02 Change of applicant information

Address after: 402247 No.1 Fuxing Avenue, Fuxin district, Jiangjin District, Chongqing

Applicant after: CHONGQING JIAOTONG University

Address before: 400074 No. 66, Xuefu Avenue, Nan'an District, Chongqing

Applicant before: CHONGQING JIAOTONG University

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200728

CF01 Termination of patent right due to non-payment of annual fee