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。

基于综合交通调查多源数据的公交OD更新方法

在上海市第6次综合交通大调查多源数据的基础上,研究一种基于公交线路客运量数据、居民出行调查数据、公交卡刷卡数据、跟车调查数据和轨道接驳方式结构数据的OD更新方法。首先,以居民出行调查为基础,通过校核、扩样处理,采用传统的“四阶段法”结合历史年份的公交模型得到新一轮大调查下的公交出行OD;其次,通过线路客流数据和刷卡上客数据反推全市道路上的断面量,并以公交断面量、线路客运量为依据调整公交OD,小区层面结构依据居民出行调查小区OD分布结构加以补充;最后,通过线路层面、跟车调查、出行距离时耗和总体特征指标的校核,证实分配结果达到宏观应用要求。

基于个体出行数据的公共交通出行链提取方法

公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础.