原文传递
基于数据模型双驱动的公交调度方法研究
| 论文题名： | 基于数据模型双驱动的公交调度方法研究 |
| 关键词： | 城市公交;客流分布;精细化调度;大数据 |
| 摘要： | 近年来，我国城市公共交通快速发展，城市公交客运总量不断增长。同时，随着智能设备的快速普及，获取的交通数据多元、海量，实时性提高，交通大数据的挖掘与应用为交通管理提供了有力的支撑。本文利用大数据对城市公交客流分布特性进行挖掘分析，并以此为依据实现车辆的精细化调度。 首先，本文以公交IC卡收费系统与公交车辆GPS定位系统采集到的海量数据为基础进行数据挖掘，包括乘客的上下车站点推断与车辆运营时长的计算。其中，在客流的上车站点推断中，先对IC卡数据根据线路、车号与刷卡时间进行聚类，再提出基于时间最近原则的上车站点推断方法；在客流的下车站点推断中，先对出行同伴群进行识别并筛除，再提出基于出行链假设、出行换乘识别模型及下车站点概率分布模型的下车站点推断方法。 其次，本文对城市公交运营时段的划分依据进行分析，提出以各站点上车客流与车辆运营时长作为运营时段划分的依据，并将公交运营时段划分问题转化为时间序列样本数据的聚类问题，根据上述时间序列数据的特征提出了改进的K-means聚类算法。与传统的根据专家经验进行整点划分方式相比，这种划分方式更能适应外界因素的复杂变化，为精细化的车辆调度奠定基础。 然后，本文从乘客与公交公司成本角度出发，进行大站快车与全程车组合调度方法的研究。主要内容包括：①根据站距与乘客乘车需求进行全程车停靠站点的合理性验证，并根据线路OD客流进行大站快车停靠站点候选集的确定；②构建双层决策模型，模型决策变量为大站快车的停靠站点及两种调度模式车辆的发车频率。其中上层模型为乘客与公交企业的综合成本模型，具体包括乘客出行时间成本、乘客拥挤感知成本及公交公司的运营成本；下层模型为组合调度模式下的客流分配模型；约束条件为大站快车停靠站点数、大站快车客流分配比例及车辆满载率等。 最后，选取某公交线路为案例进行分析。通过对客流与车辆运营时间的聚类将全天划分为5个运营时段。再以早高峰7:30至10:30为例，进行组合调度方案求解。结果表明，组合调度模式下的综合成本与现有调度方案下的综合成本相比降低了15.6%。本文基于数据模型双驱动进行大站快车与全程车的组合调度方法制定，是为适应新型城市空间格局下的乘客公交出行需求、提高公交出行服务水平的有益探索。这种模式可为大数据时代公交调度策略优化提供一定的参考依据。 |
| 作者： | 严岚 |
| 专业： | 交通运输工程 |
| 导师： | 向红艳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
