[发明专利]一种基于公交客流和站间行程时间预测的动态调度方法

权利要求书

1.一种基于公交客流和站间行程时间预测的动态调度方法，其特征在于，所述方法包括以下步骤，

建立站点客流预测模型；

建立站间行程时间预测模型；

建立公交发车间隔模型；

基于客流预测模型和站间行程时间预测模型对公交发车间隔模型进行求解进而实现所述动态调度。

2.如权利要求1所述的基于公交客流和站间行程时间预测的动态调度方法，其特征在于，所述的建立站点客流预测模型，包括，

对站点乘客上车人数进行统计，得到第T个类型第s个站点第i个时段的统计结果，x_T,s(i)＝[x(1),x(2),x(3),...,x(n)]，进而建立站点客流预测模型，其具体建立过程包括：首先建立原始的灰色模型为x_T,s⁽⁰⁾(i)＝-az⁽¹⁾(k)+b,k＝2,3,...,n，

式中z⁽¹⁾(k)＝[x⁽¹⁾(k)+x⁽¹⁾(k-1)]/2,通过变形得到预测值

为了得到更加准确的预测值，利用δ(1-e^a)e^-a(k-1),(k＝2,3,...,n)对所述预测值进行修正，修正的结果为x

然后进一步利用马尔可夫过程得到的修正的预测残差值e(k)-(A_L+C_L)/2对预测值进行修正，得到更加准确的预测结果

并利用四次多项式λ_j(t)＝p₁t⁴+p₂t³+p₃t²+p₄t+p₅拟合推算站点客流达到率；

其中，T表示类型，s表示站点，i表示第i个时段，x(1),x(2),...x(n)分别为第1天至第n天的统计结果，a、b为常参数，修正因子残差A_L和C_L为残差值所处状态L的上下限，λ_j(t)为t时段第j个站点的乘客到达率，p₁到p₅为多项式参数。

3.如权利要求2所述的基于公交客流和站间行程时间预测的动态调度方法，其特征在于，所述的站间行程时间预测模型为基于L-M学习算法的神经网络预测模型；

利用L-M学习算法得到更快的收敛效果，其计算形式为

△w＝-[J^T(w)J(w)+lI]^-1J^T(w)e(w)；

式中：△w为调整量，J(w)为雅可比矩阵，J^T(w)为雅克比矩阵的转置，l>0为常系数，I为对应阶数的单位矩阵，l为调试参数，对于原始参数l，若求得的△w能使误差指标函数E(w)减小，则使l被另一调节因子β除，反过来，若误差函数扩大了，则用l乘以β，使l增大，直至误差不再变大为止；

其中，e(w)为残差，N为输出向量维数。

4.如权利要求3所述的基于公交客流和站间行程时间预测的动态调度方法，其特征在于，所述的建立公交发车间隔模型为，

max z=w1(Σj=1mΣi=1n∫ti-1tipλj(t+tj)dt-nclL)w2gΣj=1mΣi=1n∫ti-1ti(ti-t)λj(t+tj)dt,]]>

其中，p为车票单价；t_i为第i辆车驶离车站的时刻；t_j为公交车从始发站到驶离第j个站点所用时间；λ_j(t)为第j个站点的乘客到达率；c_l为公交车每公里运营费用；

L为公交线路总长度；g为地区乘客单位时间产生价值；m为站点个数；n为线路配车数量；w₁和w₂表示权重，并且有w₁+w₂＝1。