基于GTO-CNN-BiLSTM模型的公交车到站时间预测

提升公交车到站时间预测精度可以提高乘客出行效率和公交服务质量、节省公交运营成本。通过分析公交车运行的影响因素、周期与相关性,文章建立了基于人工大猩猩部队算法的卷积双向长短期记忆神经网络(GTO-CNN-BiLSTM),通过人工大猩猩部队算法进行超参数寻优,获得更好的预测效果,采用呼和浩特62路公交到站时间数据进行预测,验证模型预测精度。研究表明:不论是在工作日还是非工作日,早晚高峰还是平峰,GTO-CNN-BiLSTM都能有最优预测效果,相较于卷积双向长短期记忆神经网络(CNN-BiLSTM)、双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM),GTO-CNN-BiLSTM预测结果的平均绝对误差至少减少7.57%,均方根误差至少减少3.84%,平均绝对百分比误差至少减少7.86%。

基于地铁与公交站间距差异的票价及换乘优惠优化

考虑到地铁与公交站间距的差异,将两种方式协同服务下的乘客按照其可选择路径的不同分为三种类型.在此基础上对两种方式的票价和换乘优惠进行优化,并详尽分析不同类型乘客之间的相互影响和对最优票价及换乘优惠的影响.为解决这样一个问题,本文构建一个双层规划模型:上层追求社会福利的最大化,下层为基于弹性需求的随机用户均衡模型;并采用遗传算法对双层规划模型进行求解.最后,通过算例对所建模型进行验证;结果表明:1在对地铁与公交的票价及换乘优惠的优化中,不可忽略两种方式站间距的差异;2考虑站间距差异后,两种方式的最优票价有所提高,且其票价及换乘优惠之间的差值均将减少.

深汕特别合作区公共交通发展关键问题研究

结合深汕特别合作区的规划发展定位,在分析其现状公交发展问题的基础上,提出了现阶段公交发展必须明确的关键问题,包括发展模式、发展思路和发展策略,并给出了合作区公交线网结构和公交场站建设模式的具体建议,为城市新建区的公交发展提供决策参考。