基于准实时信息的公交调度优化系统

文章提出了发展基于准实时信息的公交调度优化系统的设想，并进行了相应的设计。该优化系统能有效提高我国城市公交调度管理水平，而且投入少，易于实现。     

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...     

基于Vissim的快速公交到站间隔波动性分析

快速公交在运营中一般采用均匀发车频率。但由于受各方因素影响,其实际到站间隔往往存在一定波动性。应用Vissim仿真软件,建立一条快速公交线路仿真模型。通过分组试验,采集车辆到达车站的时间间隔,分析不同车站位置、发车频率以及信控方案影响下快速公交到站间隔的波动性。     

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...     

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.     

公交实时信息对乘客出行的影响

以近几年迅速普及的实时公交APP为研究对象,研究公交实时信息对乘客出行产生的影响。通过站点调查(步行调查和候车调查)和跟车调查的数据收集方式,主要调查其对乘客的步行速度、感知候车/乘车时间、实际候车/乘车时间及乘客在候车/乘车时的情绪水平的影响,然后用平均差检验分析调查数据。结果表明:使用实时公交APP和不使用的乘客在步行速度、感知候车和乘车时间及候车和乘车情绪水平等方面存在显著差异;公交实时信息不仅可以降低乘客的感知候车/乘车时间,同时还可以降低乘客的实际候车时间。     

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。     

基于实时多模态时空数据的时空图卷积网络精准鲁棒交通流预测模型

随着我国城市规模的不断扩张,绕城高速公路被各大城市相继采用,在疏导城市过境交通、缓解市内拥堵、提高通行效率等方面起到积极作用.然而,少有学者针对绕城高速公路开展全面和系统的研究,在其交通流特性、态势评估预测、运营管理措施等方面有着较大的研究空间.传统基于单一或部分数据源进行交通预测受到数据源的限制,在精准度、鲁棒性和实...     

单点交叉口鲁棒优化信号配时研究

为了消除单点信号控制不适应交通流波动的缺陷,提高信号控制的稳定性,建立了多目标信号配时优化模型.该模型以平均延误时间最短,通行能力最大,以及鲁棒性最好即流量波动时车辆延误标准差最小为目标,以有效绿灯时间、总时长、各方向最大滞留车辆数为约束条件,对定时信号配时参数进行优化,并利用遗传算法对模型进行求解.求解结果表明,该方...     

悬臂梁结构振动系统的鲁棒主动控制优化

基于模型降阶的控制器由于忽略了高频未建模动态的影响,有可能产生溢出问题从而导致闭环系统不稳定,难以保证振动控制的效果,考虑高频未建模动态等不确定性问题影响,克服传统控制策略在振动主动控制中的不足,研究了柔性悬臂梁结构振动系统的H_∞鲁棒主动控制策略。基于ANSYS软件数值模拟得到压电柔性悬臂梁结构的模态振型,避免了试验建模的繁琐性、复杂性及较高的成本投入,通过与理论结果的比较,验证了ANSYS软件分析结果的正确性。通过模态分析提取了压电柔性悬臂梁结构的前3阶模态振型,剩余模态作为模型的不确定性加以考虑,通过分析系统存在的模型不确定性以及选取适当的权函数,最终完成了柔性悬臂梁结构振动系统的鲁棒控制器设计。通过从频率域上分析闭环传递函数的奇异值,表明权函数有较强的抑制外部干扰的能力,通过从时域上分析开环和闭环振动系统的单位阶跃响应,表明闭环振动系统的振幅很快趋于稳定且在较长时间内没有出现溢出不稳定现象,仿真结果表明,基于H_∞控制理论的混合灵敏度分析方法的鲁棒控制器能有效抑制悬臂梁的振动,振动系统的动态性能及鲁棒性能均得到了极大改善。     

出口道左转交叉口信号控制鲁棒优化方法

为了提高出口道左转交叉口在现实交通需求和供给波动环境中的适应性,权衡运行效率与稳定性,对其鲁棒优化方法进行研究。在对出口道左转交叉口运行特点和饱和流率进行分析的基础上,提出从交通需求分布、基本饱和流率分布和实际运行车速分布3个方面考虑交通的波动性,以适应出口道左转交叉口交通供给波动与控制方案相关联的特征。在此基础上,分别以平均值-标准差最小、条件风险值最小和最大值最小化为目标,建立3种信号控制鲁棒优化方法,并基于遗传算法建立求解算法。通过算例分析,对鲁棒优化算法的准确性、平均值-标准差模型的参数取值和3种鲁棒优化方法优化效益进行分析。研究结果表明：所建立的鲁棒优化方法可实现交通需求和供给波动下出口道左转交叉口信号控制与设计车速的优化设计,相较于传统控制方案其在保证效率的前提下提高了控制方案运行的稳定性;平均值-标准差模型和条件风险值模型对于各项指标均表现较好,可在保障平均延误维持较优值的基础上（案例中车均延误增加小于3%）显著改善运行效果的稳定性（案例中延误标准差减少约40%）;最小-最大模型对延误最大值的优化效果最佳,但其对于控制方案的整体效率会造成较大的负面影响（案例中车均延误增加了8.19%）。     

基于道路坡度实时信息的经济车速优化方法

作为生态驾驶辅助系统的组成部分,提出了基于道路坡度实时信息的车辆经济车速优化方法。搭建了车辆油耗模型和车辆动力学模型,对于车辆行驶在没有坡度的和前方出现坡道的两种情况,进行最省油车速优化。根据坡度信息,利用动态规划算法,计算出通过坡道的经济车速。对于一款D级轿车,运用Matlab/Simulink和Carsim联合仿真,与真实道路信息上实车模拟结果进行对比分析。结果表明:与传统定速巡航控制算法相比,该算法节油达到5%。这说明,该算法能降低车辆油耗。结合全球定位系统(GPS)信息以及地理信息系统(GIS),该技术可用于基于车联网的生态驾驶辅助系统。     

基于鲁棒反馈控制理论的路径跟踪控制器设计

为了提高智能车辆路径跟踪的精确性和鲁棒性,基于李雅普诺夫稳定性（Lyapunov Stability）理论设计了鲁棒反馈路径跟踪控制器,运用舒尔（Schur）补引理并求解线性矩阵不等式（LMI）得到控制系统的反馈矩阵。通过搭建CarSim/Simulink联合仿真平台将鲁棒反馈控制器与线性二次型调节器（LQR）进行对比分析,以不同的车速分别在不同附着系数的路面上进行仿真,验证所设计控制器的性能。仿真结果表明：在不同路面和车速工况下,相较于LQR控制器,基于李雅普诺夫稳定性理论的鲁棒反馈控制器具有更高的控制精度,同时具有更强的鲁棒性。     

铁路枢纽内快运班列车流组织的鲁棒优化研究

针对当前生产运营中较少考虑货运站点货物需求不确定性以及客户对货物运到期限的要求,设计双层时空服务网络描述枢纽内快运班列车流组织过程.该网络分为货源层和编组层,货源层中带有方向别的车流选择延迟弧或运输弧在相应时段到达编组层中的编组站.同时考虑编组站办理方向总数和车流组织基本约束,构建了铁路枢纽内快运班列车流组织鲁棒优化模型(CR),使用IBMILOG Cplex软件对模型进行精确求解.通过算例和大规模测试进行验证分析,结果表明,当ω=0.03时,鲁棒模型的目标函数值比随机优化模型(CS)的目标函数值降低5.10%,发送车数提高5.66%,最长求解时间为82 s,鲁棒性强于随机优化模型.虽然确定性模型(CD)在—些情景下可以获得较优的解,但是在需求不确定的条件下,确定性模型目标函数值要差于随机优化模型和鲁棒模型.当枢纽内货运站点数设为50时,时空网络服务弧段数达317,模型的求解时间为1 375.4 s,在可以接受的时间范围内.     

基于遗传算法的公交服务模式优化

作为通勤者日常出行的主要选择模式,全站式公交服务在许多城市和大都市地区扮演者重要角色,但存在着由于站点停靠过于频繁、乘客集中分布在个别站点导致的乘客旅行效率过低的现象。文章研究提出了一个一种综合公交服务,包括全站式服务和跳站式服务。根据已知的O-D数据,以最大限度地减少乘客出行总时间为目标,使用遗传算法对传统公交线路进行优化,产生最优跳站路线。     

基于遗传算法的公交车辆数优化

提出了一个基于总成本最小的路网车辆数求解的最优化模型.通过分阶段的优化,得到各线路的最优配车数.根据优化模型分析公交公司运营成本和社会成本(包括乘客等待时间和乘车时间),求出适合各线路特性的车辆类型和每条线路最优的发车频率,进而求出各线路的车辆数和路网所需的总车辆数.其次,再利用遗传算法,根据路网各线路间的特点,求解出满足总成本最小的最优车辆数.     

公交枢纽内多线路车辆实时调度优化方法研究

公交枢纽内多线路车辆的实时调度能够提高换乘效率,特别对于已经进行了发车优化的公交线路而某些车辆到达出现延误的情况。根据线路的延迟到达时间和换乘客流量等因素建立了公交枢纽内多线路车辆的实时调度优化问题模型,提出了基于整个系统费用最小的优化目标函数,并运用随机扰动梯度近似算法对问题进行求解。最后结合算例分析了本文方法的应用。