重庆嘉陵江水上巴士运营策略研究

为缓解日益拥挤的沿江、过江交通,重新开发利用城市水资源,提升城市功能,结合重庆嘉陵江沿江线路走向和交通需求,分析嘉陵江水上巴士运营的优势、劣势、机遇和挑战,在对嘉陵江水上巴士市场定位和乘客定位后,提出重庆嘉陵江水上巴士运营的票价策略、服务策略、推广策略和政府支持策略。     

基于可变线路定制公交软件平台开发

可变线路定制公交软件主要针对城郊区域低密度需求地区乘客的接载不便等问题,利用最短路程、最经济以及乘客等待时间最短3种规划路线方式,开发了一款可变线路运行方式的软件平台。利用仿真对南京江宁区一实验区域进行实验,得到软件测试的偏移系数以及时间延误。结果表明,软件对于路径的抉择、时间的控制均符合要求,验证了软件的可行性。乘客可以根据需求即时定制,公交公司也可根据不同的乘客需求实时调度,实现不同班次不同线路的出行规划方式,可满足不同线路的运营需求。     

基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。     

即时响应式定制公交调度优化

调度是支撑即时响应式定制公交运营的关键技术。针对即时响应式定制公交高度分散和随机的乘客出行需求的特点,建立了即时响应式定制公交两阶段调度决策模型。第1阶段进行定制公交初始线路整体决策,以车辆数(线路数)最少为目标,根据区域内分时段的高概率出行OD点的地理分布,优化定制公交系统的初始线路;第2阶段进行车辆实时调度决策,以乘客延误成本最小、运输企业利润最大以及未服务乘客造成的损失最小为目标,在初始线路的基础上,结合实时乘车请求的时空分布、上/下车站点关系、上/下车时间、车辆容量等限制条件,对各线路车辆的实际行驶路线以及到站时刻进行决策。两阶段调度方法从整体和局部两个层面平衡了运输企业和乘客双方的利益,在车辆实时调度决策中兼顾了实时需求和后续最可能需求对调度决策方案的影响。根据两阶段调度模型的特点,分别设计了改进的遗传算法和带精英策略的快速非支配排序遗传算法(NSGA-II)。最后,以广州市内的高概率出行点为例对即时响应式定制公交两阶段调度模型和算法进行了验证。仿真结果表明:初始线路优化模型能够生成数量最少且覆盖区域内所有高概率出行点的线路,车辆实时调度决策模型能够根据实际乘车请求合理调整车辆的行驶路线和到站时刻。     

基于GIS的网约车乘客安全状态监测模型研究

为提供网约车乘客及时可靠的救险援助,防范网约车司机侵害乘客案件的再度发生,研究基于"潜在危险区域"的多参数安全状态监测模型.从地理时空角度,分析案件发生的区域和时间特征,基于其时空规律,提取城市"潜在危险区域",构建车辆OD距离、异常速度、行驶时间等因子,同时结合乘客信息,实时综合分析乘客安全状态.以南通市港闸区为例,以出租车轨迹、兴趣点、OSM开源路网以及城市影像等作为实验数据,实验结果表明,模型能够有效监测出车辆在"潜在危险区域"内行驶时车辆的异常行为,当不设立"潜在危险区域"时,模型能够准确地识别出司机的异常驾驶,如绕行、异常停止等,实验精度达到92.06%,其中绕行判别精度为90.57%,异常停止判别精度为100%,证明研究的模型能够取得较好的监测效果.      

考虑时间窗的定制公交线路时空分层优化模型

研究定制公交线网布局及调度优化对增强公交系统吸引力, 提高乘客出行效率具有重要意义。针对定制公交乘客需求点在时间和空间上分布离散的特点, 构建了考虑时间窗的定制公交时空分层优化模型, 并设计遗传算法对模型进行求解。通过渔网与核密度分析对需求点在时间和空间上进行了热点识别, 并实现热点区域聚类分析以及合乘站点分类。基于合乘站点集合, 综合考虑公交容量、线路长度、乘客出行距离构建了线路空间优化模型, 以乘客的时间花费最小作为优化目标构建了线路时间优化模型。以济南市城区定制公交为例对模型的性能进行评估, 案例结果表明: 模型优化后的线路方案, 乘客平均服务覆盖率可达96%, 服务区域内每个时段的单个乘客的平均节省时间为15 min, 公交的平均满载率为90%。      

居民出行OD调查数据统计分析方法的研究与实现

目前普遍采用的居民出行OD调查数据统计分析方法是利用Microsoft Office办公套件中Access、Excel等软件对OD数据进行处理和分析,虽然可以满足大部分OD统计分析的功能需求,但是这些软件设计的初衷是通用性,即大众化、简单化、易用化,面向的处理对象是一般的商业数据,对于OD出行这种海量工程数据的处理分析,显得力不从心.文中提出并实现了一种专门适用于OD调查数据统计分析的非过程语言——ODQL,有效的解决了传统软件在OD数据处理方面的不足,覆盖了大多数统计分析需求,其最大的优势在于极大程度的减少了重复劳动,节约数据处理的时间成本.      

运输通道公路旅客中长距离OD模型构造及分段客运量预测

针对运输通道公路旅客中长距离出行特征及调查点OD不一致问题,通过对各运输线路(高速公路、国道等)影响区域交通小区划分及变化的分析,提出利用既有的不同线路上各个调查点的OD调查结果,采用合并、拆分的方法构造通道OD的基本原理及旅客中长距离出行OD模型约束条件和修正方法,进而利用构造的OD模型预测未来年OD分布,推算通道内公路旅客中长距离出行的分段客运量,并结合京郑运输通道的公路分段客运量预测阐述了该方法的具体应用。     

无人驾驶汽车共享调度方法研究

由于无人驾驶汽车不存在人为驾驶的随机性,操控精确性高,组成的交通流通行能力大,合理的调度方法能够提高无人驾驶汽车调度系统的整体收益、降低服务时间、降低乘客的出行费用,并从根本上缓解城市交通安全、交通拥堵、交通污染等社会问题。为使无人驾驶汽车更好地为乘客提供共享乘车服务,在深入了解无人驾驶汽车技术发展的基础上结合共享调度理论,建立了适合于一定区域内满足乘客需求的共享无人驾驶汽车调度模型。对模型中的公式以及限定条件进行了严密的分析,根据模型的限制条件设计了一种新型的乘客合乘的算法,新提出的算法首先研究了如何确定请求-路线-车辆分配情况,动态生成在线需求和无人驾驶车辆的最佳路线,然后利用贪婪分配进行匹配,最后完善已有算法的不足,通过优化约束条件来改进匹配,通过多次迭代后得到最优分配。为了更好地验证新提出算法的运算效率,利用某地区的OD调查数据对新提出的算法和聚类算法从匹配成功率、算法平均运行时间、乘客平均等待时间3个角度应用软件进行模拟分析,表明新提出的算法运算效率得到较大提高。     

基于重力模型的公交OD矩阵估算方法

完整的OD交通流调查数据及OD矩阵,是开展城市公交线路优化与设计的良好开端,本文以云南省玉溪市为的公交出行OD调查结果为数据基础,首先对调查数据进行分析归类,研究OD矩阵估算方法,用无约束重力模型、双约束重力模型分别生成OD矩阵,选用以距离作为交通阻抗系数、以指数函数为阻抗函数建立双约束重力模型,生成准确度较高的公交OD矩阵。这种OD矩阵的生成方法即可支持改进型的线网优化,同时也支持生成型的线网设计,为公交线路的评价与设计提供决策支持。     

移动信息墙 Willie巴士概念车

<正>如果街边高楼大厦中镶嵌的电视屏幕播出的广告都能让开车的你"走神"一两秒,那么当"高楼大厦"变成了距离你更近的"巴士",你又怎么可能不多看它几眼呢?你很少能看见巴士概念车,这可能是因为巴士需要满足大量人群的出行需要,各位乘客除了想要快些到达目的地以外也不会对这个不属于自家的玩意提出更多额外的条件。所以对于这种公共交通工具,便捷、信息化等需求取代了舒适、高科技,于是就有了Willie巴士概念车这面"移动信息墙"的出现。     

青岛推守时公交

<正>【事件回放】5月13日起,青岛交运温馨巴士将在3条公交线路上推出岛城的首批"守时公交",这些线路的每个站点都张贴了公交车到达该站点的具体时间,并且向乘客承诺,如果公交车到站时间误差在3分钟以上,乘客可以在该站点免费乘车。@交运温馨巴士总经理曲国庆:推出守时公交、准点运行,这不仅增加了管理难度,也增加了驾驶员和调度员的运行压力,但是为了市民的出行便利,这些都     

基于IC信息和概率理论的公交OD反推方法

针对现有公交OD调查成本高昂、数据可靠性不高、影响因素考虑不全等问题,通过对公交IC卡信息的处理获得公交站点上下乘客人数及对公交乘客出行特征的分析,结合站点吸引率,提出了单条公交线路站点间OD反推结构化算法,并通过实例分析进行了有效性验证。结果表明该方法经济节约,数据可靠,易于实现。     

城市轨道交通网络中断下的有效路径搜索模型

为应用城市轨道交通有效路径快速、准确地搜索轨道交通网络线路中断下的有效路径,疏散滞留乘客,基于城市轨道交通路网模型,结合轨道网络线路中断的特点,以故障点约束、最大换乘次数、广义费用等约束条件定义有效路径,对深度优先算法进行了改进,建立起网络线路中断下的有效路径搜索模型。以上海轨道交通为例,通过C#语言编写程序实现了线路中断下的有效路径搜索。实例验证表明:当上海轨道交通人民广场站发生线路中断时,以上海西站和浦东国际机场为OD点的区段中可搜索到符合约束条件的5条有效路径。     

基于乘客需求的综合客运枢纽信息重要度模型

为了提高综合客运枢纽的服务水平以及满足乘客对枢纽各类服务信息不同的需求,以现有综合客运枢纽信息系统为研究对象,从枢纽乘客的需求出发,首先基于马洛斯需求层次理论分析乘客对枢纽信息的需求层次;再应用Kano模型设计问卷并展开调查,对枢纽信息需求类别进行分类,筛去乘客需求程度较低的信息;对筛选后的枢纽信息重新设计问卷进行乘客需求重要程度调查,运用熵值法处理调查数据得到枢纽信息需求重要度的初始权重,再通过Kano模型对初始权重进行调整,得到枢纽信息需求重要度的最终权重;最后提出一种基于乘客需求的综合客运枢纽信息需求重要度模型.该方法应用于北京四惠交通枢纽的调查数据,研究结果表明车辆运营状态类信息重要度较高,最终权重为0.091 29;而时间类信息重要度较低,最终权重为0.090 68.最终重要度权重的不同说明了不同枢纽信息类别对于乘客满意度提升效率的差异.      

基于排队论的公交线路调度优化

在分析、总结现有调度模型的基础上,结合中国城市公交常用的调度模式,采用随机服务系统理论(排队论)针对公交线路调度问题进行了研究,建立了以客流需求为基础数据、兼顾公交企业和乘客利益为目标函数的公交线路发车频率求解数学模型.首先描述了模型目标函数的构建过程.接着引入了乘客满意度函数并确定了约束条件中各组成要素的计算方法.最后利用全国数学建模大赛提供的数据对模型进行了案例研究,并利用Matlab进行了模型的求解.结果表明:该模型在求解和适用性方面均具有很好的优势,在现实中对公交调度问题有很强的实用意义.     

多换乘点响应型接驳公交运行线路的协调优化

为尽量降低响应型接驳公交系统的运行费用，提出多换乘点间运行线路协调设计的构想。针对同时包含预约需求和实时需求的混合需求，构建多换乘点响应型接驳公交系统运行线路的2阶段协调优化方法，并设计优化流程。第1阶段仅考虑预约需求，首先将预约乘客按有/无特定换乘点要求进行分类，在此基础上构建预约需求下多换乘点多车辆运行线路的协调优化模型。在协调优化模型中，优化目标是由乘客时间费用、车辆运行费用、以及惩罚费用所构成的系统总成本最小；乘客时间费用包括乘客候车时间的惩罚费用、车内乘客在需求点的等待时间费用以及乘客车上时间的惩罚费用3个部分；车辆运行费用包括车辆启动费用、路段行驶费用、需求点的停靠费用、车辆早到引起的等待费用4个部分；考虑的约束条件包括乘客候车和车上的软时间窗、乘客换乘点要求、车辆容量、车辆出行时长等。第2阶段根据规则判断是否响应实时需求，并根据响应情况重新优化后续各班次的运行线路。针对第1阶段模型，基于模拟退火算法设计求解算法。研究表明：在预约需求或混合需求条件下，与各换乘点运行线路独自优化相比，协调优化方法均能显著降低运送全部响应乘客所需的平均运行距离和平均总成本；仅有预约需求时分别降低5.4%、19.8%，新增实时需求后分别减少1.4%、21.7%；与固定发车间隔相比，分时段调整发车间隔，也能有效降低运送全部响应乘客所需的平均运行距离和平均总成本，仅有预约需求时分别降低18.2%、17.2%，新增实时需求后分别减少19.97%、25.06%，说明多换乘点间车辆路径的协调运行是提升响应型接驳公交运行效率的有效途径。     

公交线路客流 OD 管流类推估算方法的应用

应用管流类推法(fluid analogy method ,FAM )研究公交线路 OD 矩阵的估算,该方法利用管流概念,将公交线路和乘客分别视为管道和流体,利用乘客在各站上下车人数来估算公交线路 OD 矩阵。将该方法应用于北京市分段计价的公交线路中,通过对比估算结果与实际公交 IC 卡的出行 OD分布,结果表明:在早高峰、晚高峰、全日的 OD 估算误差指数在0.75以上,且早高峰、晚高峰、全日估算的公交乘车站距与实际乘车距离的相关系数分别为0.98,0.98,0.99,验证了 FAM 法在公交线路不同时段 OD 估算中的精度与可靠性,与传统的均衡算法等解析模型相比,该方法简单、高效,且能够得到惟一解,在智能公交实时调度中具有较高的实用价值。      

基于GPS与IC卡的公交OD量采集方法

公交OD量是公交调度管理及线网优化的基础。传统的获取公交OD量的方法需要进行大范围的个人出行情况调查，消耗大量人力物力，且数据更新缓慢。随着GPS技术与IC卡在公交系统中的广泛应用，提出了利用公交车GPS定位与乘客IC卡刷卡信息来获取公交OD量的新方法。利用这一方法对广州某段时间的公交车GPS定位和羊城通数据进行了实际分析。试验结果表明这一方法是有效的。     

抓冬防保安全交运温馨巴士决战春运

交运集团青岛温馨巴士有限公司(以下简称:温馨巴士)是全国城市公交行业首例“中国驰名商标”。目前公司拥有职工6000余人,其中公交驾驶员4000余人,线路600多条,拥有公交车4000余辆,公交线网覆盖岛城市区及各地级市。随着1月10日春运拉开帷幕,温馨巴士领导高度重视,多次召开春运工作会议,制定春运工作方案,从人防、物防、技防全面入手,全面抓冬防、保安全,做好各项准备,在雨雪等恶劣天气条件下为乘客安全出行保驾护航。