基于时间标签的公交运营时段划分方法

公交车辆在不同时段其运营特征会产生较大变化,也影响着公交运营调度水平的提高,因此,研究公交运营特征需要有效的公交运营时段划分方法。文章参考K-means聚类,提出以公交车辆站间运行时间为单位的公交运营时段划分方法,并根据公交运行数据分布的特征,以数据的时间标签为基础从初始簇中心生成、簇中心与元素距离计算及元素的归属上制定了优化运算规则。最后以昆明市5路公交的案例数据验证了文章的方法可行,并进一步讨论了本方法生成簇中心与边界点的分布特征以及运算复杂度,旨在为GPS数据的应用提供新的思路。

基于多源公交数据和车时成本优化的公交运营时段划分方法

现有公交运营时段划分方法均基于单一参数(乘客需求或行程时间)的相似性,忽略了乘客需求与行程时间对时段划分方案的协同作用。针对传统方法的缺陷,利用多源公交数据,提出一种新的基于最小化车队运营时间成本的时段划分方法。首先,利用逆差函数模型计算时间窗内完成班次任务所需要的最小车队规模,进而利用滑动时间窗模型,计算全天各时间窗所需的理论最小车队规模。然后,以时段划分方案的时间分割点为决策变量,以最小化全天累计车队运营时间成本为目标建立优化模型,采用遗传算法对运营时段划分方案进行寻优。最后,以广州市87路公交线路实际数据为例进行验证,并对模型参数进行敏感性分析。研究结果表明:与传统方法相比,所提方法能更好地实现运力与运量相匹配,并有效降低车时成本;与以往基于断面客流和基于行程时间的划分方案相比,所提方案的车时成本分别降低25 veh·h和45.33 veh·h。

公交发车间隔模型研究

从公交线路客流调查样本数据出发,拟合客流到达曲线,将中间站客流特征转化到首站.基于客流曲线特征,建立了公交时段的聚类模型,该模型综合考虑类内部的相似性和类间的差异性.基于前2部分成果,建立公交发车间隔模型,该模型综合考虑乘客时间成本和车辆的载客率.以常州市公交线路B22的跟车调查数据为基础,进行实证研究,得出公交发车间隔和发车时刻表,验证了模型的可行性和实用性.