[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

说明书

技术领域

本发明涉及一种公交调度方法，特别涉及一种基于公交客流和站间行程时间预测的动态调度方法。

背景技术

公共交通系统是城市客运交通的主要载体，其服务面广、成本低效率高、节能低碳，与城市的形成、发展和兴衰紧密相连，是衡量一个城市社会经济发达程度和城市建设管理水平的重要标志。但是随着城市人口的持续增长，带来交通需求在时间和空间上的不均衡性，致使现有的公共交通系统往往难以满足人们的出行需求。目前，我国城市公共交通服务水平仍然处在较低水平。公共交通的调度水平落后是公共交通服务质量落后的根本原因之一。公交调度方法简便，技术落后，公交智能化水平不高。大部分城市仍然沿用手工操作方式，没有应用当前最新的调度技术。调度管理主要依靠人力，运营计划依靠公交调度管理人员的经验制定，总体技术还比较落后。这样的情况下，高峰期路面车流增大，车辆行驶速度减慢，容易造成交通拥堵，加上每条线路公交车辆数量有限，很容易就会造成车辆断位和串车。对此，本发明提出了一种基于公交客流和站间行程时间预测的动态调度方法来解决以上问题。预测客流可以生成更加合理的发车时刻表，预测行程时间可以在一定程度上分析出线路拥堵时段，并根据预测结果不断调整调度方法。

发明内容

为解决以上问题，本发明公开了一种基于公交客流和站间行程时间的预测模型和方法以及相应的调度方法，主要内容包括客流统计和预测模型以及算法、站间行程时间分析和预测以及线路拥堵情况预测分析、调度策略。

其首先是采用了合适的预测方法对公交客流和行程时间进行了合理的预测；其次设计了针对高峰期车辆断位和串车问题的合理的调度方法；最后降低了公交运营的成本，提高了调度策略实施的流畅性。所述方法具体包括以下步骤，

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。

特别的，，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

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。

特别的，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

式中：Δw为调整量，J(w)为雅可比矩阵，J^T(w)为雅克比矩阵的转置，为常系数，I为对应阶数的单位矩阵，为调试参数，对于原始参数若求得的Δw能使误差指标函数E(w)减小，则使被另一调节因子β除，反过来，若误差函数扩大了，则用乘以β，使增大，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。