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.      

基于站点群体聚集性客流的公交串车调度优化

为提升城市公交准点率、减少延误，解决车辆串车问题，研究基于站点群体聚集性客流的公交调度优化方法。以乘客出行意愿、乘车属性、到站规律等标识公交客流变化特征，以车辆载客限制、站点延误、到达率、下车率等描述串车形成场景。考虑准时性、客流需求、调控策略等约束，采用实时混合控制策略，实现车头时距偏差与乘客总行程时间最小的多目标优化。提出的公交串车调度方法，考虑到乘客到达率的不确定性，并通过调控公交车辆站点驻站时间以及路段平均行驶速度，可满足站点时段性群体聚集公交客流出行需求，防范潜在的公交串车。在模型求解上，考虑到双目标优化视角的差异性，运用超车规则对串车场景下的出站车辆重新排序，设计基于NSGA-II的求解算法，以拥挤距离标定序度关系，以精英策略获取新种群，改进交叉算子，并基于TOPSIS法对获取的Pareto解集择优。最后，以实际公交线路为例进行案例分析，结果表明：基于站点群体聚集性客流的公交串车优化调度模型，系统考虑了乘客乘车属性与车辆载客限制，能够输出最优的车辆滞站与车速调整方案，并且能运算得出车辆离站时间、车头时距偏差、准点率、乘客等待时间以及乘客行程时间等多项运营指标。优化前后对比表...     

基于RFID电子车牌数据的公交行程时间预测方法

为了给公交优先信号配时系统提供足够的"思考"时间和准确的控制依据,基于重庆市RFID电子车牌数据提出了一种采用自适应渐消卡尔曼滤波和小波神经网络组合模型动态预测公交行程时间的方法。综合分析公交行程时间的动态和静态影响因素,选取的模型输入参量为标准车流量、路段车辆平均行程时间、平均车速离散性和前班次公交行程时间。利用RFID电子车牌系统采集重庆市鹅公岩大桥路段车辆行驶数据,选取3 000组实际运行数据完成公交行程时间预测模型的训练,另筛选50组数据验证模型的有效性和准确性。研究结果表明：组合模型可动态自适应预测公交行程时间,预测值平均相对误差为3.23%,绝对误差集中在8 s左右,明显优于2种单一模型和基于传统GPS数据的公交行程时间预测模型,可认为选择RFID电子车牌数据作为组合模型的输入,能够明显改善模型预测精度;组合模型预测值的残差分布更为集中、鲁棒性较好,泛化能力强。选择平均绝对误差值、均方根误差值和平均绝对百分比误差作为模型评价指标,结果进一步表明,组合模型的综合预测效果明显优于单一的自适应渐消卡尔曼滤波和小波神经网络。研究方案可为先进公交信息化系统提供良好的技术支撑。     

A hybrid model based method for bus travel time estimation

Providing accurate information about bus arrival time to passengers can make the public transport system more attractive. Such information helps the passengers by reducing the uncertainty on waiting time and the associated frustrations. However, accurate estimation of bus travel time is still a challenging problem, especially under heterogeneous and lane-less traffic conditions. The accuracy of such information provided to passengers depends mainly on the estimation method used, which in turns depends on the input data used. Hence, developing suitable estimation methods and identifying the most significant/appropriate input data are important. The present study focused on these aspects of development of estimation methods that can accurately estimate travel time by using significant inputs. In order to identify significant inputs, a data mining technique, namely the k-NN classifying algorithm, was used. It is based on the similarity in pattern between the input and historic data. These identified inputs were then used in a hybrid model that combined exponential smoothing technique with recursive estimation scheme based on the Kalman Filtering (KF) technique. The optimal values of the smoothing parameter were dynamically estimated and were updated using the latest measurements available from the field. The performance of the proposed algorithm showed a clear improvement in estimation accuracy when compared with existing methods.     

城市公交区域调度双层优化方法研究

为了实现区域公交行车计划编制优化，构建了一个以区域内乘客候车时间为上层目标、以车队规模为下层目标的双层规划模型。由于上、下层目标之间存在的互相影响关系，导致模型难以获取最优解，选择将下层目标转化为模型的约束条件从而实现对模型的简便求解。对于车队规模的取值，提出了一种基于逆差函数的车队规模搜寻算法。进一步地，为了建立车队规模的约束条件，提出了3类核算时间点，并引入逻辑变量表征发车方案的选择，通过对核算时间点所对应的逆差函数值进行约束从而保证当前的发车方案能够满足既定的车队规模要求。在车队规模取值及约束条件确定的基础上，对模型进行求解即可得到不同车队规模取值情况下所对应的换乘时间表现最佳的发车方案。为了验证模型及求解思路的可行性，以哈尔滨市部分公交线路为例进行验证。结果表明：候车时间最优方案较初始方案能减少换乘时间10.3%，车队规模最优方案能减少初始车队规模15.2%；模型计算结果相当于为公交运营企业提供了可选择方案的效果边界，公交运营方可以通过结合预期的运营目标和实际公交规模选取最佳的发车方案，从而提高实际调度水平和运营效果。     

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.     

Providing personalized system optimum traveler information in a congested traffic network with mixed users

The advancement of information and communication technology allows the use of more sophisticated information provision strategies for real-time traffic management in a congested network. This article proposes a personalized system optimum traveler information (PSOI) system under ubiquitous communication, which allows traffic system operators to fully optimize and coordinate individuals' trip plans according to the personal attributes, such as real-time location, value of time, allowable budgets for congestion tolling, and willingness to take detours. We also developed an efficient queue-based evaluation and solution heuristic algorithm using mesoscopic simulation models to solve for near-optimal PSOI strategies—route suggestions for each individual traveler. The simulation optimization algorithm can account for different information users and provide predictive information that robustly accounts for potential decisions of other travelers in real time. Case studies were carried out on a test network and a real-world network, and the proposed heuristic algorithm is proven effective. Also, sensitivity analyses show that PSOI not only is an effective traffic management method in reducing average system travel time, but also potentially provides travelers with reasonable or even shorter travel times compared with other information users. Further, simulation results showed that even in mixed traffic, PSOI is able to shorten travel times for both users without information and users of other information types. Thus, PSOI is recommended by this article as an advantageous way for next-generation advanced information systems and dynamic traffic management.     

公交联动发车模型的研究

乘客的候车时间可分为2部分(在出发站点的等待时间及在换乘站的换乘时间),仅考虑换乘时间最短的区域公交协调调度模型无法降低乘客在出发站点的等待时间。针对此问题,提出了公交联动发车的概念及需满足的条件。在对乘客类型分类的基础上,分析了弹性乘客候车时间的计算方法,统计了各类型乘客的各部分候车时间,以所有乘客总的候车时间最短为目标建立公交联动发车模型。针对模型变量多的特点,选用遗传算法进行了求解。采用实例对模型的有效性进行了验证。结果表明,在维持发车间隔不变的基础上,联动发车模型较区域协调调度模型在降低乘客候车时间方面具有明显的优势,乘客候车时间降低了15.2%。      

可靠性理论在公交网络分析中的应用

为了研究公交线路的布局及其发车频率两因素对乘客候车难易程度的影响,以公交网络拓扑为基础,借鉴工程可靠性理论,从直达站点对、非直达站点对以及公交网络3个层次提出了乘客候车可靠度概念,建立了相应的计算模型,并设计了可行的计算机程序。其中直达站点对、非直达站点对的乘客候车可靠度指标反映了在给定的公交站点对之间乘客候车难易程度,公交网络乘客候车可靠度反映了所有站点对之间乘客候车难易程度的平均值。乘客候车可靠度图中各站点对之间用线条连接,其宽度表示乘客候车可靠度值大小。该图可反映乘客在站点对之间出行时等候公交车辆难易程度的分布规律。算例证明了乘客候车可靠度及其图形能够为公交网络的定量、定性分析提供依据。     

求解区域公交车辆调度问题的蚁群算法研究

本文待区域公交车辆调度问题为"部分班次被一辆车完成"的集合划分问题,考虑车场容量、允许车辆加油及每辆车任务可靠度不低于某值等现实因素,建立以车辆数、车辆等待和空驶时间最小为目标的混合整数规划模型.根据问题特征,设计求解该问题的蚁群算法,在构建人工蚂蚁随机游走的图基础上定义解构建规则、信息素和启发式信息等.最后,通过一个...     

基于拉格朗日松弛算法的自动驾驶公交调度优化研究

为了解决公交实际运营出现的调度方式单一、车辆配合度较差、串车等问题，降低公交运行中人为因素的影响，提高公交系统的运营效率，提出一种考虑乘客动态需求的调度模型，采用自动驾驶环境下的公交运营方式，结合站点实际乘客需求调配车辆，实现了公交车辆利用程度最大和乘客总体等待时间最小的多目标优化。提出的自动驾驶公交调度方法，获取了乘客个体的实时出行需求，同时实现了对车头时距的调控。在模型求解方面，选取拉格朗日松弛算法，最终获得了多目标优化问题的精确解。以北京公交300路快车作为实际案例进行分析，从公交实际运营数据中提取多项参数作为模型的输入，通过拉格朗日松弛算法的求解，得到自动驾驶条件下公交运行时刻表、乘客等待时间、公交承载量、站点上车乘客人数等多项运营指标。通过与公交实际运营状态的对比，论证了采用自动驾驶公交对于改善公交运营现状的可行性。最后将优化结果与公交实际数据进行了对比分析。结果表明：自动驾驶车辆投入公交运营，能够缓解串车问题，同一线路上公交车的载客量分布更为均衡，在同一断面的客流与车头时距的不均衡程度均有所降低；同时高峰时段发车数量减少了20%，公交车的平均承载量提高了21.7%，车辆平均间隔缩短了29.9%。     

基于粒子群和LSTM模型的变区间短时停车需求预测方法

停车信息是智能停车诱导系统得以成功实施的关键与基础, 被广泛认为能够有效解决当前停车难问题。鉴于停车信息在解决停车问题中的重要性, 研究了基于粒子群和LSTM模型的变区间短时停车需求预测方法。为充分发挥数据在提高模型预测精度的作用, 提出了以马尔可夫生灭过程为基础概率转移模型, 将停车到达率、离开率量化车随时间变化的停车需求, 通过标定实际的停车到达率和离开率, 确定预测模型的动态预测间隔与时段; 采用LSTM网络作为基础预测模型, 并利用粒子群优化算法优化网络参数。以吉林大学南岭校区停车场为研究对象, 按工作日与非工作日分别对停车数据进行预测并与其他预测模型进行对比分析。结果表明: 提出的停车需求预测模型在工作日的预测平均绝对误差为2.53辆, 均方误差为11.89辆; 非工作日的预测平均绝对误差为2.32辆, 均方误差为10.89辆。      

基于M/M/C排队模型的三峡大坝船舶待闸时长预测研究

为研究三峡大坝船舶在锚地长时间滞留待闸的问题,收集并统计了三峡坝区2013年下行方向上不同类型船舶到达上游锚地和通过船闸的流量数据,并对船舶待闸时间进行了频数统计;引入排队论方法,将船舶在三峡坝上锚地排队待闸到离开锚地的过程构建为随机输入多服务台排队系统,利用M/M/C排队模型求解系统的平均等待时间,平均队长等;将2013年船舶到达率和锚地服务率作为输入,模型计算得出的平均停留时间与实际情况的绝对误差为7.3%,表明了模型的适用性;使用不同的船舶到达率和锚地服务率参数,开展模型敏感性分析,结果表明若船舶到达率降低15%(例如15%的船舶采用翻坝运输),锚地泊位由超负荷状态转为能力充足;相反,若达到率增加15%,系统将处于不稳定状态,无法继续运行;但此时若将锚地服务率提高30%,则系统又能够恢复稳定,泊位可以满足需求.      

借用公交专用道左转的主预信号控制方案优化

设置有路中式公交专用道的交叉口进口道存在因公交与其他车辆两股平行车流在路口同时左转、直行和右转而形成的多路交织现象,传统信号控制方案已无法消除这类交叉口相位放行造成的交织冲突问题。为解决该问题,设计了一种借用公交专用道左转的新型交叉口,规定了各流向车辆的运行规则,同时设计了主信号与预信号相位方案及相互协调配时关系。具体来说,根据公交直行车辆和其他左转、直行车辆的到达-驶离图式,分别建立各流向不同情况下车辆的延误与停车次数计算方法,以交叉口车均延误与车均停车次数加权的当量费用最小为目标,建立交叉口信号配时优化模型。为验证该优化控制策略的有效性,结合算例对传统控制方案和优化控制方案进行比较,并分析等待区长度对车辆排队演化过程的影响,确定优化方案适用场景。结果表明：相对于传统方案,优化方案增加了交叉口的通行能力,使得车均当量费用下降比例达到了32.3%;参数灵敏度分析显示,主信号等待区长度宜设置为80 m。所提出的控制策略通过借用公交专用道左转,提高了交叉口的利用效率,最大限度地降低了对公交优先策略实施的影响,能够完全消除设置有路中式公交专用道交叉口相位放行中的交通交织冲突现象,以保证交叉口行车安全。     

基于竞争循环双Q网络的自适应交通信号控制

为了更加有效且可靠地自适应协调交通流量,以减少车辆的停车等待时间为目标,提出了3DRQN(Dueling Double Deep Recurrent Q Network)算法对交通信号进行控制。算法基于深度Q网络,利用竞争架构、双Q网络和目标网络提高算法的学习性能;引入了LSTM网络编码历史状态信息,减少算法对当前时刻状态信息的依赖,使算法具有更强的鲁棒性。同时,针对实际应用中定位精度不高、车辆等待时间难以获取等问题,设计了低分辨率的状态空间和基于车流压力的奖励函数。基于SUMO建立交叉口的交通流模型,使用湖北省赤壁市交叉口收集的车流数据进行测试,并与韦伯斯特固定配时的策略、全感应式的信号控制策略和基于3DQN(Dueling Double Deep Q Network)的自适应控制策略进行比较。结果表明:所提出的3DRQN算法相较上述3种方法的车辆平均等待时间减少了25%以上。同时,在不同车流量及左转比例的场景中,随着左转比例和车流量的增大,3DRQN算法的车辆平均等待时间会有明显上升,但仍能保持较好效果,在车流量为1 800 pcu·h^-1、左转比例为50%的场景下,3DRQN算法的车辆平均等待时间相比3DQN算法减少约15%,相比感应式方法减少约24%,相比固定时长的方法减少约33%。在车流激增、道路通行受限、传感器失效等特殊场景下,该算法具有良好的适应性,即使在传感器50%失效的极端场景下,也优于固定时长的策略10%以上。表明3DRQN算法具有良好的控制效果,能有效减少车辆的停车等待时间,且具有较好的鲁棒性。     

考虑信号优先的相邻公交停靠站最佳布置方法

首先建立了在离线信号配时方案下,单个车辆通过信号控制交叉口群的信号延误计算模型;进而以车均延误最小为目标,建立了停靠站最佳布置的选择模型。通过对优化模型解的分析表明,不同的信号协调配时方案对应不同的停靠站最佳布置方案,单点最优解的叠加并非是全局最优解。以两个交叉口和两个停靠站的实际案例进行计算分析,得出在信号优先协调控制方案下的停靠站最佳布置方案,最佳布置方案的下车辆延误明显低于其他方案。最后通过微观仿真软件VISSIM验证了模型的计算结果。     

港湾式公交停靠站对路段通行能力的影响

在对南昌市城区主干道港湾式公交停靠站调查的基础上,通过 Vissim 仿真模拟得到大量交通流数据,从港湾式站台设置的长度、站台乘客等待数量、路段车道数、路段车辆的平均速度、站台停止车辆数、以及进出口平均延误时间6个方面建立神经网络分析模型,以路段平均延误车辆/路段实际通行能力作为通行能力的影响折减,运用 Matlab 软件编程求得变量因素与输出影响的连接强度权值 W 与偏置值 B ,为港湾式公交站对路段通行能力影响提供了定量化影响系数。      

基于RMA方法的汽车车身CAN总线优化设计

针对汽车车身控制信息的高实时性和车身CAN系统扩充的高灵活性等特殊要求,介绍用于实时系统分析的速率单调分析(RMA)方法,在原总线利用率、信息最坏响应时间等实时性指标基础上引入总线扩展灵活性因子进行车身CAN总线方案的寻优设计,并以典型汽车车身控制系统为例,对单信号方案和信号组合方案进行实时性和扩展灵活性对比分析,在线试验结果验证了理论分析数据的正确性。     

应对突发大规模流行病的城市常规公交管控策略

公共交通内部相对狭小和密闭的空间，使得乘客间频繁发生近距离接触，是流行病扩散的高危环境。面对诸如新型冠状病毒肺炎这类突发大规模流行病时，交通管理者通常采取的方案是全部公交线路停运，彻底阻断流行病通过公共交通系统传播这一个途径，但是对于公交乘客而言，如果缺乏替代的出行方式，将严重降低其移动性，甚至会影响其基本的生活条件。利用北京市公交IC卡刷卡数据，挖掘乘客的个人出行特征和相互之间的接触特征，构建公交乘客动态接触网络，试验数据统计显示北京公交乘客单次出行与他人的平均接触时间为17 min，通勤乘客工作日与他人平均累计接触123次。利用理论传播模型（SEI和SIS）模拟流行病在公共交通系统内的扩散，对比随机网络分析其特征，发现公交乘客间接触的周期性发生规律显著促进了流行病的快速传播。将乘客传播影响力集计至公交线路，针对常规公交网络设计停运部分线路的运营方案，使用站点间平均邻接距离作为指标，衡量部分停运方案导致的常规公交系统可达性损失。研究对比了停运方案实施前后的流行病扩散规模。研究结果表明，只需要停运小部分线路就能使流行病暴发得到遏制，同时公交系统的整体可达性没有明显下降。     

城市车路协同系统下实时交通状态评价方法

交通状态评价方法能够为交通管理系统提供可量化的实时路网信息,为动态引导交通流、缓解交通拥堵提供依据。受限于交通路网的时变性和评价过程的主观性,目前传统评价方法的精度时常无法满足需求。基于城市车路协同系统动态获取路网信息优势,提出一种利用车路信息融合的实时交通状态评价方法。首先,定义了一种网联汽车与路侧终端间的无线交互方式,并确定数据协议以保证实时车辆数据的准确性;其次,从实时数据中选取平均通过时间、平均停车次数、平均停怠时间作为一级评价指标进行模糊综合,应用多算子对计算的一级评价结果构成二级交通状态评价指标,并根据层次分析法确立指标权重,同时根据仿真和试验结果建立适用于各级道路参数的可变隶属度规则,从而融合动态车辆数据与静态路段参数,计算得出交通状态评价结果与评分;最后,由网联汽车、车载终端、路侧终端和无线通信模块搭建实际协同测试系统对该方法进行了试验验证。试验结果表明：测试系统所得到的路段实时交通状态评价得分与对应的交通状态变化趋势一致,能够准确体现城市车路协同环境下的交通状态特点。该评价方法运用信息融合方法提高了交通状态评价结果的实时性与客观性,同时为车路协同技术应用于实时交通诱导,缓解城市交通拥堵提供了理论依据。