An Approach on Station ID and Trade Record Match Based on GPS and IC Card Data

一票制(单次刷卡)公交线路IC卡数据中缺少乘客上车站点信息,为获得乘客上车站点信息,需要将IC卡交易数据与公交站点进行匹配.首先根据公交车辆GPS数据和公交IC卡数据分别推算站点间运行时间,建立匹配约束规则完成首次站点匹配,并求得公交车辆GPS系统与公交IC卡收费系统的时间平均偏差值,再将时间平均偏差嵌入数据匹配模型,利用禁忌搜索算法对其他未匹配的交易记录进行二次匹配.为作比较,数据试验还包括仅根据站点间运行时间对GPS和IC卡数据进行匹配,从而找到IC卡交易记录与公交站点对应关系.数据试验表明:在GPS数据较完整的条件下,该方法能够精确实现IC卡交易记录与上车站点的匹配,而对比试验方法的匹配精度为80％,低于本文所研究方法.     

基于多目标优化的公交运行速度优化控制方法

为了在保证城市公交运行准时性的基础上提高燃油经济性,研究了基于多目标优化的公交运行区间速度控制方法.基于公交车辆运行与信号灯交叉口和公交站点之间的动态时空关系,建立了公交到站准时性区域判断模型;采用基于车辆比功率的油耗模型,建立了公交燃油经济性优化模型;利用分层序列法,设计了基于多目标优化的区间速度优化控制方法.在基于Matlab软件搭建的公交运行仿真平台开展了仿真实验,结果表明,所提出的方法在多种参数组合下不同控制场景中均可给出可靠速度建议;在所有场景中均降低了时间偏差,最大降低值为26 s,提升了公交线路服务可靠性;所提出方法平均降低燃油消耗7.32 mL,在一定程度上节约了公交运营成本,进一步证明了所提出方法的有效性和适用性.      

基于数据融合的公交到站时间组合预测模型

为优化公交系统运营时间管理,提升公交系统信息化服务水平,针对多公交线路共线的情况开展研究,提出了一种基于多公交线路数据融合的公交到站时间组合预测模型。该模型由公交行驶时间预测子模型和公交站点停靠时间预测子模型组成,旨在最大限度地提取公交运行相关信息用于公交到站时间预测,进而减少预测的误差。为了混合和充分利用多公交路线的时间数据,提出了3个加权平均时间作为模型的输入变量,并引入了遗忘因子函数(FFF)体现数据对加权平均时间计算的不同贡献。根据支持向量机(SVM)在预测到站时间时的良好表现,采用了SVM预测公交停靠与行驶时间。为验证并评价文中提出的模型,采集了江西省宜春市的公交运行数据,数据覆盖11个路段、12个公交站、16条公交线路。预测的结果表明,引入多线路数据融合的组合预测模型可以显著提高公交到站时间的预测精度,最优的行驶时间预测子模型和停靠时间预测子模型分别为R1和D7,而最佳的公交到站时间预测模型则为R1+D1。相比以往研究的结果,基于多公交线路数据融合的公交到站时间组合预测模型R1+D1在到站时间预测精度方面的提升为13. 92%(MAPE)和14. 48%(RMSE)。此外,FFF的变化及其参数取值会影响时间预测模型的预测结果。     

基于深度学习的公交到站时间预测研究

大数据背景下传统的公交到站时间预测方法在预测精度和训练速度方面已经不能满足人们的期望.文章以衡水市公交运行实际数据为例,运用深度学习中的长短时记忆网络(LSTM)和人工神经网络(ANN)混合模型,综合考虑运行时段、天气状况、道路基础设施、是否交叉路口、是否高峰路段等因素,对公交车的到站时间进行预测研究,结果显示混合模型...     

城市道路公交站点设置关键技术研究

我国城市道路公交停靠站的设置距离交叉口太近、公交站台长度不合理及路段公交停靠站对站布置等,导致公交站点处成为道路的交通瓶颈,造成通行能力下降、公交站台处交通拥堵及交通安全差等现象。通过对公交停靠站设置位置进行选择,根据公交站点通行能力模型给出标准公交停靠站在不同道路等级条件下的设置尺寸,进而通过模型计算给出路段和交叉口公交停靠站在不同断面情况下的设计模式,成为城市道路公交停靠站设计的标准,并为城市道路的规划与设计提供设计参考。     

公交到站时间预测研究现状与发展趋势

实时的公交到站时间预测是智能公交的重要组成部分,准确的预测有利于帮助居民进行出行规划和减少等待时间.通过研究公交到站时间预测的原理和方法,系统总结了基于GPS、APC等数据的统计学方法和分析模型.对历史平均法、神经网络、卡尔曼滤波、支持向量机和基于概率的预测模型等几种典型方法的预测原理进行了介绍,从预测精度、实时性、计算复杂性等几个方面对模型的优缺点进行了比较.分析了公交到站时间预测发展趋势,提出了该领域需要进一步研究的问题.      

基于非参数回归-粒子滤波模型的公交到站时间预测

为进一步提高公交到站时间的预测精度,提出了一种基于非参数回归-粒子滤波模型的组合预测方法。首先利用非参数回归预测方法,对公交站间速度顺序进行了预测。考虑到速度自身的时变特性,采用了扩展欧式距离作为度量相似度大小的准则来预测下一个站间速度,保证了速度曲线的相似性和模型的鲁棒性。然后利用采样-重要性重采样思想,构建了基于粒子滤波的公交车辆到站时间预测模型。最后以北京市区内3条典型公交线路为例,利用其工作日早高峰时段的历史运行数据检验模型的准确性。结果表明:(1)基于非参数回归方法预测得出的公交站间速度与实际值更为接近,预测精度显著优于加权平均法的预测结果;(2)基于非参数回归-粒子滤波算法得出的公交到站时间预测结果,线路平均绝对误差在1.5 min内,标准误差在3 min内,平均绝对百分误差均小于4%,预测精度也显著高于加权平均法-粒子滤波、非参数回归-卡尔曼滤波和加权平均法-卡尔曼滤波3种组合算法。模型的敏感度分析结果也进一步显示,预测误差会随着粒子数目的增加而逐渐趋于稳定状态,进而证明提出的方法能有效预测公交到站时间。     

基于SVM和Kalman滤波的公交车到站时间预测模型

提出一种基于支持向量机(SVM)和Kalman滤波的公交车辆到站时间预测模型.在该模型中,SVM基于历史数据,按照时间段、天气和路段3个输入特性,预测各路段车辆运行时间的基线;然后通过Kalman滤波利用最新的车辆运行信息,结合SVM输出的基线时间来动态预测车辆到达各时间点的实际时间;最后,应用大连市经济技术开发区7路公交线的数据对该模型进行了校验.实例验证结果表明:该模型具有较高的预测精度.     

基于当前统计模型的地图匹配车辆跟踪研究

为提高车辆跟踪系统的精度，减小差分全球定位系统（DGPS）的定位误差，通过分析行驶在城市道路上的车辆运动过程及其相应的运动模型，提出采用当前统计模型作为车辆运动模型。通过地图辅助位置择近和速度择角算法来修正卡尔曼滤波，为运行在道路上的车辆确定地图匹配估计。实际运行结果表明；整个车辆跟踪系统的精度有明显的提高。     

基于公交IC卡数据的区域公交压力指数研究

公共交通系统在运行中产生的IC卡刷卡及车辆运行GPS数据为量化描述区域公交系统的压力提供了数据支持。基于公交系统在运行中产生的大量的GPS数据和IC卡刷卡数据,选取了包括满载率、停靠时间、单位时间内的进、出站量和地铁剩余运能等压力模型的评价指标,基于加权平均理论建立了地面公交及地铁压力指数模型;根据公交及地铁站点的等级及登降量因素提出了不同类型站点的权重系数阈值;取地面公交和地铁站压力均值建立了区域公交运行压力模型,并划分了压力分级体系。最后以北京市的国贸和东单区域为例进行了压力指数的计算,分析了两区域压力指数差异的时间及空间原因,并提取2个区域的实际公交登降量数据对压力指数进行了验证,证明该压力指数模型能够有效反映公交系统的运行压力。     

非港湾式公交停车对道路交通流的影响分析

公交车进出站点不仅影响本身,也给其他车辆运行带来很大干扰。文章首先比较全面地分析非港湾式公交停车影响下道路交通流特征,然后借助于EXCEL软件,构建关于公交停车频率、公交停车时间、最大公交停车长度及其存在时间、道路流量的车速和车头时距多元线性模型,并进行了严格的数学检验。该研究为合理分析路段交通流状况、正确计算区间行驶车速与车头时距提供了依据。     

武汉常规公交运行监测与服务效能评价研究

在国内外研究现状的基础上结合武汉现有数据资源重点从公交线网结构合理性、客流动态监测分析、运行效率和运营服务管理4个方面构建常规公交运行监测与服务效能评价指标体系,并结合实际数据和相关规范分别对其评价分析.研究表明:武汉市公交线网发展水平近年来有较大幅度提升,线网结构合理性各项指标符合规范要求;常规公交日均吸引乘客200～500万人次,较大部分为通勤乘客,占比67%;公交运行速度处于轻度拥堵状态,为15～19 km/h;公交运营服务管理各项指标值较高,但发车间隔合格率和准点率指标值相对不高.最后针对站点客流大、秩序混乱、公交运送速度低、部分线路方向不均衡系数大等问题分别提出设置港湾式公交站、分站扩容,设置公交专用道,增设区间车等改善建议.     

中小城市常规公交线网优化方法研究

针对中小城市公交线网的特点,提出了基于路线优选的公交线网优化方法.根据中小城市公交的实际情况,以线网单位效益最大为目标,并选择约束条件建立了中小城市公交线网优化模型.在进行线网优化时,将优化过程分解为公交站点合并、公交起讫站点的选择与配对、候选公交线路集的生成、线路优选几个步骤,降低了模型求解的难度.并针对各个步骤分别利用匈牙利算法、Yen算法和穷举法设计了相应的计算程序,使优化方法具备实际应用的可操作性.      

基于交通流理论的公交站点间行程时间预测

分析了公交站点间车辆运行过程,将行程预测时间划分为交叉口排队等待时间、路段行驶时间和停站时间3个部分,利用交通波理论和延误三角形,分别建立了无公交专用车道和有公交专用车道2种情况下排队等待时间的动态预测模型;根据乘客到站规律和上下车规律,提出了公交车进站停靠时间模型;针对无公交专用车道条件下的时间预测方法进行了实例演算.实验数据表明,基于交通波行程时间预测方法具有较高的精度,可以满足站点间行程时间预报要求.     

公交车辆运行微观交通仿真模型研究

介绍了上海交通大学与吉林大学共同开发的微观交通仿真系统MTSS的体系结构;建立了公交网络描述模型、公交车辆产生模型、乘客需求模型、公交站点事件反应模型和公交车辆运行模型;以微观交通仿真系统MTSS为仿真平台构建了公交车辆运行微观仿真模型;对上海市斜土路非港湾式站点与华山路港湾式站点进行了实地数据调查,利用实测数据对建立的公交车辆运行微观交通仿真模型进行了验证,测量值与仿真值之间的误差在10%以内。验证结果表明,建立的公交车辆运行微观交通仿真模型可以较好的描述公交车辆的运行过程以及与其他交通流之间的相互影响关系。     

一种基于GPS和RFID的智能公交站台定位方法

目前,将智能网联技术、自动驾驶技术应用到城市公共交通领域已经成为一个重要的研究方向,然而,车辆实时位置监测,作为这两项技术最重要的基础之一,仍旧主要依赖GPS定位系统,该系统受天气及环境影响较大,无法独立提供完善及精确的位置信息。文章提出了一种基于GPS和RFID的智能公交站台定位方法,该方法采用GPS与RFID两者协同、矫正的方式,克服了单一GPS定位的不足,对于提高公交车辆站台定位的精确性、及时性,实现公交车辆站台提前播报及自动停靠,具有重要的研究意义。     

适用于公交车辆的定位技术研究

智能交通系统包含许多研究内容,其中车辆定位技术是目前的主要研究与开发热点之一.本文介绍了各种定位方法,阐述了公交车辆定位的特点,着重探讨适用于公交车辆的定位技术.在分析全球定位技术和站点信标定位技术的基础之上,文章提出了一种新思路--驾驶员辅助定位技术,由驾驶员在停靠公交站点时操纵车载装置,将定位信息通过通讯链路发送给监控调度中心.文章综合此较了全球定位技术、站点信标定位技术、驾驶员辅助定位技术的性能.     

基于LightGBM-LSTM的公交到站时间预测

公交到站时间预测能够为公共交通智能调度和公众出行提供技术服务,具有重要意义.提出一种基于轻量级梯度提升机(LightGBM)和长短期记忆网络(LSTM)的公交到站时间预测模型,其中LSTM模型用来区分时序数据的高平峰模式,LightGBM模型用来预测公交到站的时长.以广州市某典型公交线路为例,从公交调度系统中提取大量的...     

公交站点设置对道路通行能力的影响分析

分析了现有道路通行能力计算方法,认为其在计算的过程中忽略了公交停靠站对通行能力的影响,使得计算结果偏大,针对这一明显的不足,提出了改进思路。列举了国内常见的6种公交停靠站点设置形式,并对其进行了比较分析,按照公交站点对道路通行能力的影响方式的不同,将它们分为4类。研究各类公交停靠站处交通流的运行特征,指出车辆在公交站点处的排队现象可以用M/M/C系统进行近似分析,在此基础上,就3个主要类别的公交站点对道路通行能力的影响程度进行量化,得到了相应的修正系数。最后,通过实例的验算,证明了所得修正系数的可行性及正确性。     

基于K-means聚类的城郊公交网络设计

为改变现有城郊公交线网规划不合理的状况,通过将物流领域的Milk-run和Hub-spoke的设计方法应用到公交网络优化和设计中,构建了新的城郊公交线网优化模型。同时,为求解所构建的城郊公交线网优化模型,设计了相应的启发式算法。首先通过k-means聚类方法将城区公交站点进行聚类,同类站点即为Milk-run线路的组成站点,再将同类站点的公交线路长度优化问题转化为经典TSP问题进行求解,结合多种局部搜索的操作方式,得到每条Milk-run线路的最短设计方案。然后依据规划好的Milk-run线路,通过遍历Milk-run线路中所有站点,确定每条Milk-run线路hub的站点所在的位置。最后结合客流需求,为各线路分配相应的车辆数量,结合线路的运行时间,可以获得各线路相应的发车频率。为验证所提出的模型和算法的实用性和有效性,将提出的方法应用到香港天水围区域的实际城郊公交线网优化,通过Matlab编程实现了方案求解。案例求解结果表明:与现有的实际公交服务对比,在不改变现有的站点布局及车辆配置数量的条件下,当客流需求维持现有的水平时,应用Milk-run和Hub-spoke方法对现有的公交服务进行优化,能够减少乘客4.2%总的出行时间;通过Milk-run线路及hub站点的设置,可以产生规模效应,能够有效提高城郊公交系统的服务水平,使居民出行更加方便快捷。