原文传递
基于多图卷积神经网络的公交客流预测与实时调度优化方法研究
| 论文题名： | 基于多图卷积神经网络的公交客流预测与实时调度优化方法研究 |
| 关键词： | 公交车;客流量预测;动态调度;多图卷积神经网络 |
| 摘要： | 在我国交通强国建设与智能网联新能源汽车的时代背景下，智能化、低碳化与网联化成为我国交通行业发展的目标。公交系统作为城市路网体系中重要的组成部分，基于公交刷卡历史信息对公交乘客起迄态势进行精准估计，进而分析时空动态关系下的公交到站时刻与乘客上下车客流量间的匹配程度，能够为公交车的动态调度提供数据支撑，提升公交系统运行效率。 目前对于公交客流量预测的研究主要是以单个站点或断面流量为研究对象，基于历史客流变化特性进行分析。而忽略了乘客在不同时段出行的分布特征以及各个站点之间的抽象时空关联性。对于公交车辆的调度问题，乘客到达率大多是基于历史日客流量计算的到达率平均值，无法反映实时公交资源需求。 为解决上述问题，本文根据公交乘客在各站点间的出行分布特征，将图卷积网络引入公交客流预测的问题中，以乘客在每个上游站点到下游各站点的出行概率作为图网络各站点间的连接权重，并以改进的k-means算法将每日不同时段的客流分布曲线进行降维聚类，依据聚类结果引入多图组件，在不同时段学习不同模型参数，提出基于多图卷积神经网络的公交客流预测算法，同步预测线路上所有站点的上下车客流量，以北京IC刷卡数据进行实验分析，结果表明，本文提出的模型综合性能优于对比模型。 根据上述客流预测结果，进一步统计分析得到乘客在所有站点的实时达到率作为调度模型输入，以乘客出行时间成本与公交公司运营收益为优化目标，考虑电动公交换电时长、换电需求判定以及公交满载量等为约束条件，建立双目标调度优化模型，采用遗传算法求解，得到优化后的发车时刻表。提出基于模糊数学理论的乘客满意度评价方法，定量评价优化后乘客效益的提升，证明本文提出的公交发车时刻优化模型的可行性与实用性。 |
| 作者： | 于双志 |
| 专业： | 交通信息工程及控制 |
| 导师： | 周竹萍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
