上海公交925路到站时刻表化运行可行性探讨

对公交时刻表的类型以及影响公交准时到站的因素作了介绍,通过上海市925路公交车的到站时刻信息,统计得出相应的区间标准差和95％置信区间,对各站的到站情况进行了分析,研究发布站点时刻表的可行性,并提出了保障时刻表可行性的一些建议.     

出行策略与行程时间不确定下的公交客流分配方法

利用杭州市公交线路站点GIS数据和车辆运行GPS数据进行分析,将公交车到站时间分为站点停靠时间和站间行程时间,得到公交车站点之间运行可能总时间的分布概率.通过实际的公交路网结构,定义扩展的公交网络有效路径.在考虑公交线路联合发车频率和根据乘客路径选择的广义成本下,建立出行策略与行程时间不确定下的公交客流分配模型,并将公交线路发车时刻表引入用户均衡模型中,设计了基于扩展网络最短路的Method of Successive Average(MSA)算法求解,通过对两个交通小区间高峰小时的客流分配结果验证模型和算法的有效性.     

基于前车数据的动态公交车辆到站时间预测模型研究

在以往研究成果基础上,基于采集获取的实时车辆定位信息,提出了一种基于前车的公交车辆到站时间动态预测模型。在建立路段行程时间计算模型时考虑了前车的平均瞬时速度,在计算站点区域停留时间时建立了基于前车的预测模型,提出了一种参数容易获取、便于实际计算的模型,用于预测公交车辆在信号控制交叉口的延误。用上海市58路公交车的GPS数据对预测模型进行了验证,结果表明预测模型具有较高的预测精度,能够较为准确地预测公交车辆到站时间。     

城市公交车到站规律及站台服务水平研究

城市公共交通是城市可持续发展的必由之路,对城市交通具有重大意义.本文从公交车的运行特点入手,用数学方法描述公交车从发车到到站的运行过程,建立公交车到站模型,并利用简化模型分析公交站台车辆到站规律,计算车辆到站频次.最后,利用排队理论建立公交站台服务水平的计算模型.运用排队论模型对北京市某公交站台进行评价,证明对站点设置位置和停靠模式以及站台的线路数和线路发车频率的合理设置,可以有效地控制站台内公交车的排队情况,提高公交站台的运行效率,缓解交通拥堵.     

基于公交专用道的准点到站预测方法

公交准时定点到站是衡量公交服务质量的重要指标,也是居民公交出行的最大期盼。公交日常运营能产生海量的GPS定位数据,运用海量公交车辆GPS数据,基于站点、路段及线路维度,精准计算公交车辆运行时长及速度变化特征,并计算公交运行时间的可靠度,从而评估公交准点到站的可靠性。以厦门市公交专用道的开通为背景,提出基于公交专用道背景的公交准点到站预测方法,预测公交专用道上公交线路的定点到站时间,实现公交专用道沿线线路的"定点发车,准时到站"目标。     

公交公司首推“守时公交”服务举措

5月9日，济南公交面向社会发放《济南公交便民服务手册》，公开发布20条郊区线路出行时刻表，承诺到站时间前后误差不超过1分钟。这标志着。济南公交在国内同行业中率先推出了“定点发车、准时到站”的“守时公交”服务举措。     

基于极限学习机的公交行程时间预测方法

以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.     

考虑前序路段状态的公交到站时间双层BPNN 预测模型

为提高公交到站时间预测精度，提出基于双层BPNN与前序路段状态的综合预测模型. 基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间，利用K-means 聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间；将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量，基于底层BPNN模型预测车辆在目标路段的行程时间，进而动态调整车辆到达每个站点的时间. 以上海市791 路公交车早晚高峰各路段的行程时间为例进行模型测试，并与其他4 种模型进行比较. 结果表明，所提模型具有较高的预测精度，尤其在雨天，比传统BPNN模型预测精度提高57.25%.     

四通八达的芬兰交通

位于欧州北部的芬兰,道路交通四通八达.公交车覆盖全国90％的道路,出行效率高,运行时间也非常准时.不论是运行在城乡之间的公交普通班次,还是中途不停站的特快班次,都可把乘客直接送达目的地.首都赫尔辛基的公共交通工具,主要是公共汽车、有轨电车、地铁和轻轨列车.为了使公交车准点运营,赫尔辛基市区主要干道上都设有公交专用道,每个公交车站牌上都标有运行时刻表,公交车实际到站时间与运行表上的时间误差很小.此外,赫尔辛基的每个地铁站不仅有时刻表,还有最近一趟地铁到站时间的倒计时显示牌.一些有轨电车和公交车站也正在尝试使用这种倒计时显示装置.赫尔辛基的公交车上没有售票员,乘客从前门上车,用电子乘车卡刷卡或从司机那里购买车票.车票打卡后一小时内有效,交通卡在公交车、有轨电车、地铁、轻轨列车和轮渡上通用,可以随意换乘.为了方便乘客,公交车的每个座位扶手上都有一个"停止"按钮,乘客在下车前只要按一下它,司机就会适时停车.     

巴士之窗

正沪上智慧公交服务升级中运量试点乘车舒适度预告不断改善沪上公交服务质量,提升公交出行体验,让更多的市民选择绿色公交环保出行,9月22日,巴士集团率先在中运量公交71路华山路站试点公交车乘车舒适度预报信息。在中运量71路华山路站点,一些细心的乘客发现候车区域内55寸屏到站信息预告出现了新内容:除了原有的天气预报、途经线路、轨交换乘信息及车辆到站时间预告外,     

考虑弹性需求的城市枢纽间多方式时刻表优化

针对城市客运枢纽间综合运输通道协同性欠缺、运输效率低等问题,提出考虑弹性需求的城市客运枢纽间多方式时刻表协同优化方法。基于多项Logit模型对枢纽间乘客出行方式选择行为进行建模,分析各方式时刻表变动对出行需求的影响;以乘客等待总时间,时刻调整总数量,时刻调整总时间最小为优化目标,考虑弹性需求、时间窗、容量限制等约束,构建枢纽间多方式时刻表协同优化模型,并基于非支配排序遗传算法,结合客流加载仿真过程设计模型求解算法;最 后,以“北京南站-北京首都国际机场”多方式通道为例检验模型的有效性。结果表明,时刻表优化方案的实施使各方式产生了较为明显的需求弹性变化效果,模型求解得到10种时刻表优化方案,其评价结果整体优于传统模型,最终筛选方案可缩短乘客等待时间10.36%。     

基于时间便利性的行程选择

出行者基于广义成本最小化选择最佳的出行方式。广义成本包含资金成本、时间成本与舒适成本。随着社会的发展。出行者对时间成本看的越来越重。时间成本与时间长度和时间起始点有关,时间成本不仅包含出行者的时间价值也包括早到或晚到的损失。相对于频率较快的地铁与公交,满足乘客长距离出行的火车的时间点对乘客出行的影响很大。本文通过对杭州与上海之间的城际高铁后,出行者在汽车、自驾车及高铁三种方式之间的选择进行调查。得出列车行程安排应考虑旅行时间长度来安排起讫点的时间点,并通过两个例子来佐证合理的时间安排可增加列车的竞争力。优化出行结构同时也保证了列车的客源。本文的研究对于其他的城际列车有借鉴作用。     

考虑运行图约束的有轨电车干线信号协调优化模型

为了保证有轨电车在交叉口享有信号优先的同时,使其按照运行图行车,在有轨电车干线信号协调模型BAM-TRAMBAND的基础上,增加运行图对行车的约束,包括发车间隔、停站时分、站间运行时分和干线旅行时间,提出2类不同约束的有轨电车干线信号协调优化模型,严格运行图约束的优化模型(HT-TRAM)和宽松运行图约束的优化模型(ST-TRAM). 经算例验证和仿真结果表明,改进的模型能够得到在运行图约束下的有轨电车上下行绿波带,且在算例条件下,两者的路段平均绿波带宽与没有运行图约束的带宽结果相比,相差在1s以内.     

考虑节能目标的有轨电车时刻表优化

研究了半独立路权下有轨电车时刻表的优化问题, 基于运行区间速度限制及区间首、末端节点构成, 对有轨电车运行区间进行了分类; 考虑有轨电车区间运行过程的复杂性, 构建了以减小列车总旅行时间和总能耗为目标的有轨电车区间车速引导节能优化模型; 为了使2个优化目标拥有相同的趋优满意程度, 提出了采用模糊数学规划的方法将双目标优化问题转化为单目标优化问题; 针对节能优化模型非线性特点, 设计了基于仿真的遗传算法对优化模型进行求解; 为了验证模型的有效性, 以南京市麒麟有轨电车1号线实际数据为基础, 选取某工作日早高峰7:00~8:00作为研究时段, 采用设计优化方法对既有时刻表进行了优化; 考虑企业管理者运营服务理念侧重性对优化结果的影响, 分别以最小旅行时间、最小能耗为目标的方案与本文模型对比。优化结果表明: 采用节能优化模型综合优化后的时刻表与既有运营时刻表相比, 其上行方向总旅行时间节省了124.9 s, 减少约7.7%, 下行方向总旅行时间节省了394.9 s, 减少约24.3%, 有效提升了有轨电车运行效率; 节能优化模型与最小旅行时间方案相比, 有轨电车上、下行总能耗分别降低了56.7%和53.5%, 与最小能耗方案相比, 上、下行有轨电车总旅行时间分别降低了14.9%和14.1%, 有效消解了旅行时间目标与能耗目标的冲突。      

基于公交数据挖掘的时刻表排班协同换乘优化

为实现公交换乘协同排班,减少乘客出行换乘时间,本文对公交信息系统的IC卡数据及车辆GPS数据进行数据挖掘,提取换乘信息并对现有的发车排班进行优化.首先,构建了公交运行状态信息提取模型,提取现有的公交运行状态信息.在此基础上,设计了邻域搜索的公交时刻排班优化算法,得到最佳发车排班时刻表.为验证所提出方法的有效性,选取了成都市的56路和3路公交线路的实际数据进行案例验证.结果表明:通过优化排班的方法,在不改变现有的公交供需条件的前提下,可以有效实现协同换乘;与原有的公交服务相比,优化之后的公交服务能够更加贴近出行需求,提升线路之间的换乘衔接效率,从而提高公交服务质量.     

考虑定制化列车的运行图与能力协同优化方法

基于调查数据建立旅客在不同时间段的乘车概率函数,分析旅客对定制化列车的开行时间及坐席类型等具体需求。考虑需求、停站、运行时间等约束条件建立定制化列车开行备选集,整合可行的定制化列车开行方案。建立加开定制化列车情况下,同时满足企业收益最大化和剩余可用能力最大化的双层协同优化模型。构建优化算法进行模型求解,得到基于定制化列车,且同时考虑既有列车调整成本和能力使用情况的运行图。最后,以内蒙古自治区呼和浩特-乌海线路为例进行分析,结果表明,既有列车的单位调整成本会影响定制化列车的开行,定制化列车的开行对运行图的整体结构和剩余可用能力也均有影响。     

基于非均匀发车间隔的大小交路时刻表优化模型

基于客流时空分布规律，考虑列车平均发车间隔、运行时间、最大载客量等约束条件，将列车在车站的停站时间与上、下车客流量相关联，建立城市轨道交通高峰时段基于非均匀发车间隔的大小交路时刻表优化模型，对乘客平均旅行时间及列车发车间隔平均偏离值进行协同优化。以某城市轨道交通线路实际运营数据验证模型的有效性。结果表明，优化后乘客在各个车站平均等待时间较优化前减少幅度为0.4%~13.1%，其中全线客流量较大的第7、8、9站优化幅度较为明显，分别为 11.7%、13.1%、11.9%。优化后列车在各个车站最大满载率较优化前降低幅度为1.8%~8.5%，且所有车站站台均无滞留乘客，体现了优化后列车运输能力与客流需求的良好匹配。灵敏度分析讨论了目标函数权重系数及列车平均发车间隔值对模型的影响，表明本模型具有良好的可用性及稳定性，能够为城市轨道交通列车时刻表优化提供参考。     

考虑运行能效的公交区域时刻表优化

为准确计量公交区域时刻表优化过程中,客流出行与企业运营博弈产生的社会效益,构建兼顾随机客流需求和时刻表运行能效的双层规划模型。从公交乘客出行量与质的角度,分析随机客流需求与时刻表之间的互动关系;依据出行性质将客流需求分层细化,作为下层弹性需求交通网络流模型的输入;考虑客流需求、乘客出行效率及企业运营成本间的波动关系,设计公交区域时刻表运行能效作为上层模型的优化目标;采用Dial-MSA与遗传算法求解双层规划模型。实例计算结果表明,优化后的公交区域时刻表运行能效提高了7.3%。可见,优化后的公交区域时刻表更能满足客流需求,有效地提高时刻表运行能效,更好地实现动态适应性。     

考虑行程时间波动的电动公交可变行车计划

为解决因运行时间不确定性导致的公交到发时间不准点问题,本文基于公交线路双方向发车趟次和运营时间的不对称特征,提出一种可变行车计划优化问题。以最小化车辆使用数和乘客等待时间为目标,考虑车次链的行程接续和电动公交车辆电量等约束,构建公交时刻表和车辆排班一体化优化模型。根据可变行车计划优化问题特性设计改进的粒子群算法(Modified Particle Swarm Optimization for Timetabling and Scheduling, MPSO-TS)进行求解,定制粒子编码和子代更新方式。采用“基于优势车次链”的子代更新机制,以“车次链”为纽带最大程度地保留父代被继承信息中时刻表与车辆调度方案之间的关联性。使用连云港市某公交线路验证模型和算法,案例结果表明：可变行车计划能够有效保证车辆到发准点性,通过更紧密的排班计划将使用车数由35辆减少至31辆,车辆使用效率提升了28.1%;所提出的MPSO-TS算法求解效率较高,具有较好的稳定性,可有效避免计算结果陷入“局部最优”。     

大城市客运铁路枢纽客流分配模型

不同时段内,不同区位的旅客会根据不同的接驳方式及城际列车班次进行城际出 行.只根据城际间的出行成本无法准确地刻画旅客的出行.在已知不同时段内城市间各分区 OD客流、城际列车时刻表和铁路枢纽布局的前提下,构建城市内接驳交通网络;利用多项 Logit 模型,建立各个交通分区到铁路车站的接驳子模型;进而利用列车时刻表得到城际出行 成本,并考虑列车拥挤造成的成本增加,根据总成本最小原则及接驳子模型,构建分时段的铁 路枢纽客流分配模型.通过改进的MSA算法进行求解,得到各时段内各交通分区到铁路车站、 以及铁路车站之间的客流量.最后通过算例,对方法的可行性及有效性进行了验证.