基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.      

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...     

合作与竞争条件下公交网络发车时间优化模型

为了细化考虑公交线路之间的合作与竞争的不同关系对公交网络发车时间,即行车时刻表的影响,针对整个公交网络的运营优化问题,将公交网络中关联线路划分为合作与竞争两类。在各自构建的子网络背景下,分别建立对应的线网发车时间优化模型。发车时间优化模型包括线路始发车时间模型和线路发车间隔模型,其中在合作子网络中为了乘客换乘方便,以线路车辆非同步到站的总时间差最小为合作子网络的始发车时间模型的目标,在竞争子网络中避免恶性竞争和分摊客流,以线路车辆非同步到站时间差最大为竞争子网络的始发车时间模型的目标,发车间隔模型考虑的是运营成本和客流需求。针对所提出的模型,设计了对应的启发式算法,并给出公交网络算例来验证所给模型和求解算法的有效性。     

基于K-shell的特大城市公交换乘优惠与线网规划协同优化

针对特大城市公交系统存在汽车公交客流量急剧下降,企业亏损严重,若调整线路又会增加一些乘客广义出行费用使得公交出行比例下降这一问题,提出"大幅度降低常规公交线路数量,增加接驳和通勤公交线路数量"汽车公交线网规划调整与"公交换乘优惠"的协同优化方法。采用复杂网络理论的K-shell分解法计算各站点Ks值并排序,选择主要换乘节点,确定保留下的骨干公交线路,构思其余公交线路候选集合;建立换乘优惠方案下汽车公交线网调整优化双层规划模型,其中上层为系统广义出行成本最小化、公交出行量最大化和公交企业亏损最小化的多目标模型,下层为基于弹性需求的多方式多用户均衡配流模型。采用浮点遗传算法优化求解,以天津中心城区为例予以分析,结果表明:采用本方法可解决特大城市公交换乘站点的优化确定问题;与不实施换乘优惠和规划调整方法、只有换乘优惠方法和只有规划调整方法相比,系统广义出行成本分别降低14.05%,13.01%和8.65%,公交分担率分别增加29.03%,26.01%和11.66%,公交企业亏损分别降低27.19%,23.63%和10.20%;该方法能适应特大城市客流需求特点,通过汽车公交企业线网结构大调整和政策扶持,在减少不必要亏损的同时降低出行者广义成本,保持较高的公交分担率,提升城市公交综合服务水平。     

快速公交线路发车频率优化仿真研究

该文在阐述公交发车频率与乘客等车时间、公司盈利之间关系的基础上,分析快速公交线路站点时段客流规律、构建乘客等待时间和公司运营收益模型,提出基于乘客等待时间最小、公司盈利最大的快速公交发车频率多目标函数,并设计遗传算法和优化仿真实验。仿真实验表明:一定范围内,发车次数增加,乘客的总等车时间和BRT运营收益反而逐渐减少,而本函数模型能有效地降低运营成本、节约乘客等待时间,比按客流比例发车的结果更优化。研究成果应用于大同市快速公交线路工程实例。     

基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布.基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性.     

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。     

基于多目标优化与遗传算法的公交调度模型

结合地区公交现状制定合理的公交调度机制,对于公共交通发展有着重要的现实意义和指导价值。本文以公交公司运营成本和乘客出行成本最小化为目标函数,考虑车辆核载、出行时间等约束条件建立多目标优化函数,构建城市公交调度模型。然后采用遗传算法进行求解,并以黄骅市6路公交进行模型检验。研究表明,优化后的公交调度机制能够有效降低公交公司的运营成本和乘客出行的时间成本。     

基于优化模型的城市公交停靠站址的选择

通过分析影响公交停靠站站址选择的主要因素,综合考虑行人过街延误,和公交站点离交叉口距离限制,将公交站址依据路况进行分类研究,针对各类型建立了基于乘客平均出行时间最小的多条公交线路的停靠站位置的优化选择模型,并提出了该模型的求解算法。     

城市外围非高峰时段多线路柔性公交协调调度研究

利用柔性公交灵活度高和成本低的优点,考虑公交线路交互对乘客出行选择的影响,提出了城市外围非高峰时段多线路柔性公交的协调调度。首先阐述了柔性公交的运营模式和适用条件以及柔性公交与定制公交的区别。其次分析了城市外围非高峰时段多线路柔性公交的协调调度问题,并给出了柔性公交协调调度的具体流程。接着以乘客的候车时间、乘客减少的步行时间、乘客增加的乘车时间、公交车的运营成本为指标,考虑常规乘客的候车时间约束和公交车响应预约请求时的综合效益约束,建立了多线路柔性公交协调调度的双层规划模型,其中上层模型以乘客的出行时间最少为目标,下层模型以公交的运营成本最低为目标。然后设计了遗传算法,对公交车响应预约站点时的车上乘客数量进行编码来求解该模型。最后以重庆市180路和396路公交为例设置了预约站点,并在4种预约比例下对多线路柔性公交的协调调度和单线调度进行了对比分析。结果表明:有多条柔性公交线路可响应预约站点时,进行协调调度可减少实时预约乘客的候车时间;有共同目的站点的乘客数量越多,进行多线路柔性公交协调调度时乘客整体减少的出行时间越多;预约站点所有乘客有共同目的站点时,进行多线路柔性公交协调调度能降低公交的运营成本。     

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。     

广州快速公交线路客流特征和换乘效率研究

以广州快速公交(BRT)系统公交线路为研究对象,选择客流时间分布特征、站台集散量、车辆满载率、平均乘距、方向不均衡系数及免费换乘率等指标对客流特征进行计算分析,并针对广州BRT系统半开放、半封闭的特性讨论免费换乘问题,提出了基于IC卡信息匹配乘客出行起讫点的方法,通过获取乘客选择换乘路径信息优化BRT系统运营组织及线路运力配置计划,提升运营管理水平,同时为免费换乘补贴提供决策支持。     

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。     

考虑需求起讫点及需求等级的响应型社区公交行车调度优化

为提高社区公交对乘客出行需求空间和时间分布波动性的适应能力,减少乘客等待时间和步行到站时间,提出了一种新型响应型社区公交服务,对响应型社区公交的行车调度优化方法进行了研究。通过在社区内部设置高密度的上车、下车备选站点,并根据需求申请的时间将需求等级划分为3个等级。考虑需求起讫点及需求等级对响应型社区公交行车调度进行优化,满足了乘客对于起讫站点的个性化需求,避免了乘客产生二次等待。以空载率、乘客平均不满意度、以及运营里程最小化为评价目标,考虑各类需求、车辆载客容量、乘客被服务时间窗等约束条件,针对响应型社区公交建立了两阶段行车调度优化模型。第1阶段静态调度优化针对发车前已收到的出行预约需求求解优化模型,确定本班次车辆需要响应的预约需求和行车路线;第2阶段动态调度优化针对本班次发车后收到的动态预约需求,考虑动态预约需求申请时刻,在第1阶段静态调度优化结果的基础上求解第2阶段动态调度优化模型,确定本班次需要响应的动态预约需求并调整行车路线。以上海市温泰线社区公交为案例,验证了调度优化方法的效益,匹配了出行需求的起讫站点,根据需求等级对静态、动态需求进行了区别响应,案例优化效果达到了37.68%。     

可靠性和舒适性对响应式定制公交线路设计的影响

乘客出行可靠性和舒适性能够在很大程度上影响响应式公交的吸引力。建立了同时考虑响应式定制公交运营商成本最小和乘客出行可靠性、舒适性要求的公交线路设计模型。采用出行达到时间概率来描述乘客出行可靠性,采用不同车型选择来体现乘客舒适性要求。同时,通过设计小规模算例验证了模型的正确性,对于大规模算例设计了基于遗传算法的智能优化算法。算例分析结果表明:所建立的模型和设计的算法可用于响应式定制公交线路的生成,在运算效率上,遗传算法有显著优势,可用于实际规模算例的求解;同时还能看出线路可靠性和乘客舒适性受车型固定成本的影响,在时间相同的情况下,更高的固定成本,且线路上车型座位数更少,具有更高的可靠性,同时还具有更高的舒适性。反之,如果有较多的座位数,投入较低成本的车型,也必然会导致该车型不能拥有较高的可靠性和舒适性;在进行总成本计算时,遗传算法求出的总成本略高于精确算法的求解结果,且求解结果中其所有车型行驶线路的可靠性也都高于精确算法求解出的可靠性,这就说明了可靠性和舒适性对响应式定制公交线路的生成结果和运营成本有非常明显的影响,而且影响的程度是不相同的。     

基于实时需求的夜间城市公交柔性调度研究

夜间的出行者分布不集中,出行密度随机性较大,容易出现空车运行的现象,所以,受出行需求和运营成本的限制,夜间公交的运营管理不能只简单延长日间线路的运行时间。因此,基于夜间公交此种特性,提出夜间公交实行基于实时需求的柔性调度。首先对柔性调度的种类和实时信息的采集方式进行分析对比,设计柔性调度的系统框架图;然后提出通过手机短信的方式采集夜间公交的出行需求;接着综合考虑夜间公交服务水平和运营成本2个因素建立多目标优化模型,进而列举了基于遗传算法的多目标模型求解思路和方法,并通过算例进行了对比分析。     

考虑异质性出行需求的主支线公交树网络优化设计

公交线网优化设计是指在一定的运行约束条件下,选择1组公交线路和相关频率以达到优化目标的设计过程,可以表示为一个优化问题。针对具有高异质性出行需求的主支线公交树网络,在考虑客流需求和运营约束的前提下,以用户和运营者的成本最小为目标,提出了1种多目标非线性混合整数优化模型。优化变量为候选线路服务频率。为求解这一模型,设计了1种基于改进的布谷鸟算法的高效元启发式方法。该方法包括初始候选路线集生成过程;基于MNL模型的公交分配过程;确定路线服务频率的改进布谷鸟算法过程。通过算例验证了该方法的有效性和适用性。数值分析结果表明,该算法通过对所有可能的候选路径的服务频率选择得到接近最优的公交线路网络。另一方面,通过保持高峰时的公交线路为有效备择线路,为具有异质性出行需求的网络的重新设计提供了更好的解决方案。此外,该系统在1次运行中产生了1组帕累托解,其允许公交线网设计师评估运营商成本和乘客成本并做出折中方案。通过比较3种算法的计算结果和CPU时间,证明了改进的布谷鸟算法的可靠性和有效性。另外还研究了最优公交网络设计与公交运行速度、总需求规模等关键设计输入参数之间的关系,分析结果表明,关键设计输入参数与最优公交网络具有一定的协同效应。模型与算法为实际的大规模主支线公交树网络的优化设计提供了1种有效的工具。     

基于出行费用最小化的公交网络优化模型

基于组合优化的角度，提出了优化公交网络设计的非线性０－１规划模型，以所有乘客流的出行时间和要实现公交网络的资金投入为费用目标函数，在满足车站容量限制的条件下，最小化目标函数以获得公交线路的优化决策。     

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%。