考虑运营与服务平衡的公交时刻表优化研究

发车时刻表的编制是公交运营调度中的重要工作,为简化公交公司设计发车时刻表的过程与难度,平衡发车运营过程中公交公司与乘客的利益,提出了考虑运营与服务平衡的单线公交时刻表优化方法,将时刻表的制定流程简化为每班车发车时刻的确定.分别建立模型计算发车运营成本与期望服务价值,模型中对各站点乘客累计等待时间的计算考虑了车辆到达各站...     

公交服务可靠性研究

借鉴系统效能模型建立公交服务可靠性评价体系,确定公交服务质量的评价指标、计算公式和评价标准,建立评价模型,并采用层次分析法对公交服务可靠性进行综合评价。利用该模型对哈尔滨市具有代表性的102路公交的服务可靠性进行评价。结果表明,102路公交服务系统效能为0.585,公交服务可靠性较差。     

多模式公交服务模式及时刻表协同优化设计

考虑多模式公交服务模式和时刻表的交互作用,建立了多模式公交双层优化模型,上层协同优化多模式公交服务和时刻表,下层考虑乘客出行选择实现多模式公交的客流分配,为上层提供输入.针对双层模型求解的复杂性,设计了相应启发式的求解算法,采用遗传算法求解上层模型,应用Dial算法求解下层模型.最后,结合江苏省江阴市K1路和上海市73...     

基于公交运行数据的到站时间填充方法

公交实时到站数据是乘客出行行为分析的基础,但是现有公交运行数据存在到站时间缺失问题。以公交实时到站数据为基础,结合公交车辆的运行特性以及拥堵传播特性,建立考虑多因素加权的多项式插值方法,对公交车辆的到站缺失数据进行填补。填补后的到站时间能够更详细地描述车辆运行过程,得到更精确的车辆到站间隔。应用该方法对北京市地面公交运行数据进行补全,得到了修正的时刻表,并对公交运行间隔与串车现象进行分析。     

基于混沌理论的短时公交到站时间预测

为分析公交到站数据的混沌特征及可预测性,选用运行在非公交专用道上连续6日的单线公交到站实测数据,利用能够应用于工程实践的混沌判别手段和预测方法对数据进行分析.结果表明:公交单日到站数据均具有混沌特性,且在工作日和休息日均具有该特性,同时公交多日到站数据同样具有一定的混沌特性证实了混沌特征在公交到站数据中的存在.可见基于混沌理论的预测方法能够对公交到站延误和站点停靠时间的多日数据进行有效预测.     

基于模糊神经网络的短时公交到站时间预测

研究了中国公交运营特点,利用全球定位系统和电子票务收费系统收集的车辆实时信息,建立了路段和站点补偿模糊神经网络模型,分别预测车辆的路段行驶时间和站点停留时间.路段预测模型的输入是所有重合线路的站点行驶数据,改变了现有预测模型只采用单线路数据的不足.以济南市一条实际公交线路为例,利用VISSIM模拟专用道和非专用道两种道...     

基于公交运行数据的到站时间填充方法

公交实时到站数据是乘客出行行为分析的基础,但是现有公交运行数据存在到站时间缺失问题。以公交实时到站数据为基础,结合公交车辆的运行特性以及拥堵传播特性,建立考虑多因素加权的多项式插值方法,对公交车辆的到站缺失数据进行填补。填补后的到站时间能够更详细地描述车辆运行过程,得到更精确的车辆到站间隔。应用该方法对北京市地面公交运行数据进行补全,得到了修正的时刻表,并对公交运行间隔与串车现象进行分析。     

基于门控循环单元神经网络的公交到站时间预测

为提高用户公交出行积极性、方便管理部门合理调度公交班次,利用大数据分析公交浮动车辆历史GPS数据,考虑不同线路、公交站点地理位置、不同驾驶员、气象情况、时间分布等多因素的影响,建立了一种基于门控循环单元(gated recurrent unit, GRU)神经网络的公交到站时间预测模型。该模型结合5 000多万条原始数据,借助分布式Hadoop集群中的Spark弹性分布式数据集进行数据清理,并运用站点匹配算法进行源数据匹配、Lasso算法优化特征选项及去除干扰。实验仿真结果表明:改进的GRU模型R-square拟合度达到94.547%,并且算法效率较传统长短期记忆(long short-term memory,LSTM)神经网络提高了近14%,为进一步提高公交到站时间的预测精度与效率提供了参考。     

基于改进k-means的公交时刻表关键站点选择研究

关键站点是编制公交时刻表的基础,合理地选择能提高公交运营的准点率和公交时刻表的执行率,有效改善公交服务质量。目前公交时刻表的关键站点主要根据人工经验来选择,基此提出一种利用车辆运营GPS数据,采用改进k-means聚类算法分析选择关键站点的方法。通过GPS数据预处理,提取各个站点的时间特征值,对普通k-means聚类算法进行改进,通过粒子群优化算法PSO初始化聚类中心,利用三角形不等式提高运行效率,利用改进的k-means算法聚类分析得到公交时刻表的关键站点。以珠海市公交的案例分析表明,本文所用的改进k-means算法聚类分析具备可行性,改进算法的分析结果更加贴切实际调查数据。     

使用AVL数据的公交到站时间CEEMD-LSTM预测模型

准确的公交到站时间预测具有重要意义，但现实公交运行受突发路况影响，运行速度具有非平稳性，本文结合时序特征处理技术和深度学习，建立一种使用AVL数据预测公交到站时间的互补集合经验模态分解-长短期记忆神经网络模型。模型收集公交自动车辆定位数据，经预处理后引入互补集合经验模态分解平稳化公交运行速度，再借助Adam参数寻优后的长短期记忆神经网络对福州市303路公交某日早高峰公交到站时间进行预测。结果表明：优化的公交到站时间预测模型平均绝对误差比单一模型低了1.69min，预测精度高于长短期记忆神经网络模型和经验模态分解的到站时间预测模型，可有效地为安装车载自动车辆定位系统的公交线路预测公交到站时间提供参考。     

基于随机需求的接运公交时刻表的鲁棒性优化方法研究

接运公交需求的随机性会对接运公交时刻表的编制与投入运营产生扰动影响. 为降低此不利影响,基于鲁棒性思想研究了随机需求下接运公交时刻表的优化方法. 随机接运公交需求的每一组实现为一个情景,情景目标值综合考虑乘客成本与运营成本的最小化. 以接运公交需求为随机变量,建立了接运公交时刻表的鲁棒性优化模型,模型综合考虑情景的期望值与偏差期望值最小化. 模型具有组合优化与随机规划特性,选用遗传算法进行求解. 最后给出算例验证了模型与算法的有效性. 算例结果表明随着偏差权重系数的提高,鲁棒性模型更倾向于降低随机需求带来的扰动.     

基于ε-支持向量机回归的快速公交到站时间预测

选择ε-支持向量机回归(ε-SVR)算法预测快速公交(BRT)车辆的到站时间,以提高公共交通的准点性.分别对BRT的停靠时间和路段行驶时间建立模型.根据分析,在停靠站时间预测建模过程中选取车头时距、时段、天气等7维特征向量作为模型输入,采用人工调查法,对厦门BRT-1路的数据进行采集,归一化处理后建模.仿真结果显示该模型能够比较准确地预测厦门BRT-1路的运行路线到站时间,并验证天气因素对该线路的到站时间预测影响最大.     

公交到站自动提醒系统的应用前景及推广

相信很多人在乘坐公交、地铁、甚至火车的时候,都有坐过站的经历,给人们的出行造成了极大的时间浪费。本文介绍一种到站自动提醒系统,该装置具有极其广泛的应用前景,不仅可以应用在公交上,在地铁上、列车上（尤其是卧铺车厢）,更是能发挥极大的作用。     

基于五元联系度的公交服务满意度评价模型

针对目前公交满意度评价中存在的可靠性不够的问题,提出了能够同时进行定性和定量分析公交满意度的五元联系度方法,并采用可以度量各项指标信息量的熵值法来确定各项指标的权重。通过实证分析以及与不同评价方法的结果进行比较,表明基于熵权重的五元联系度模型的评价结果比较合理、客观。     

面向协同调度的公交时刻表鲁棒优化模型

为实现公共交通网络协同调度,以网络内总换乘负效用最小为目标,构建了考虑公交车辆运行随机性的时刻表鲁棒优化模型.线路间换乘衔接关系、公交车辆首站计划发车时刻、站点间运行时间和站点处停靠时间为模型主要输入参数,用于求解各线路首站计划发车时刻最优偏移量.由于所建优化模型为非凸规划模型,设计了包含蒙特卡洛仿真方法的遗传算法以获取模型近似最优解.最后,基于算例验证了公交时刻表鲁棒优化模型与遗传算法的可行性.结果表明,与现有时刻表相比,优化后时刻表可减少约22%的总换乘负效用,能有效改善公交网络内换乘服务.此外,与枚举算法求解结果的对比分析验证了遗传算法可行且高效.     

评价公交行程时间可靠性价值的Mixed Logit模型

合理评价出行者行程时间可靠性价值有助于深入理解道路交通系统可靠性对出行决策的影响.以天津市区早高峰时段出行活动为背景,采用2种可靠性评价指标,设计包含不同情景的SP(Stated Preference)问卷调查程序.通过调查对象在问卷程序生成的与其日常出行活动类似的决策情景中做出的选择决策,研究以公交方式出行时出行者行程时间可靠性价值的评价特征,采用Mixed Logit模型标定参数.研究结果给出了早高峰时段出行者行程时间可靠性支付意愿的分布情况以及不同社会经济属性的出行者行程时间可靠性偏好特征,可为估算交通建设项目中行程时间可靠性改善给出行者带来的效益和制定交通需求管理政策提供参考.     

微型计算机在编制公交车辆和人员时刻表上的应用

在国内,用计算机解决公共交通问题是一个新的尝试。因此,我们设计的计算机辅助编制时刻表系统就具有更大的意义。考虑到所需的车辆数、总的行车时间和终点的停站时间等因素的适当平衡,本系统将提供较为满意的行车和人员时刻表。本文将叙述和说明计算机在编制时刻表时所采用的步骤和过程。     

考虑不均匀发车间隔的公交网络时刻表优化模型

公交网络时刻表设计就是通过优化各线路车次的发车时间,使不同线路的车辆协同到达换乘站点,以方便乘客换乘.研究了不均匀发车间隔情况下公交网络时刻表设计问题.使用数学不等式描述了乘客的换乘等待时间,构建了以最小化乘客总换乘等待时间为目标的混合整数规划模型,分析了该模型的计算复杂性和可行解的空间结构特征.基于模型特征分析,设计了能缩减求解空间的预处理方法.采用CPLEX优化软件对预处理后的模型进行求解.通过计算不同算例,验证了求解方法和模型的有效性.     

考虑乘客滞站的相交线路公交时刻表优化模型

为了分析公交线路发车时刻优化问题,本文以相交且发生换乘的两条公交线路作为研究对象,在考虑乘客滞站的前提下,以候车总时间、换乘等待时间和非换乘乘客候车时间最短为目标函数,构建公交时刻表优化模型。并选择了呼和浩特市4路公交“金隅环球中心至医科大学附属医院”段、78路“呼市公交公司至赛罕区教育局”段两条线路作为研究对象,利用构建的优化模型通过遗传算法进行求解。结果显示：应用本文提出的公交时刻表优化方案,乘客换乘等待时间和乘客总候车时间分别节省了18.1%和10.7%。可见,本文提出的优化模型可以有效提高相交线路的运行效率。