CN108806249B - 基于公交app软件的乘客出行优化方法 - Google Patents
基于公交app软件的乘客出行优化方法 Download PDFInfo
- Publication number
- CN108806249B CN108806249B CN201810578657.4A CN201810578657A CN108806249B CN 108806249 B CN108806249 B CN 108806249B CN 201810578657 A CN201810578657 A CN 201810578657A CN 108806249 B CN108806249 B CN 108806249B
- Authority
- CN
- China
- Prior art keywords
- passenger
- bus
- passengers
- travel
- app software
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096877—Systems involving transmission of navigation instructions to the vehicle where the input to the navigation device is provided by a suitable I/O arrangement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于公交APP软件的乘客出行优化方法,通过数据调查,根据结构方程模型确定对于不同性别S、年龄L、职业W的乘客选择对于到站时间T、车内载客率M、车外拥堵度H、目的地的行驶时间G的选择接受等级,采用能够同时分析并处理多个因变量的结构方程模型来测算乘客的选择行为,同时,APP记录乘客的出行轨迹,分析乘客在选择公交班次的习惯特征,根据该乘客的习惯特征,给出在某次出行的最佳选择。本发明提供更为“人性化”的出行体验,乘客可以只接受软件提供实时运行信息自主进行选择路线,也可以根据自己的个人偏好让软件帮助决策,同时可以“一键化”操作,软件更具自己的行为习惯来决策最优的选择。
Description
技术领域
本发明涉及公共交通技术领域,特别涉及基于公交APP软件的乘客出行优化方法。
背景技术
公交出行是城市居民生活中不可或缺的一部分,随着手机公交APP的出现,居民公交出行的信息化水平有了较大的提升。公交APP提供等待的信息虽然不能使等待的时间减少,但从心理学上讲,提供一些预期的公交到达信息有利于降低出行者等待中的心理感受,同时也便于出行者及时改变出行方案。
现有的手机公交APP种类较多,但功能单一,查询信息量少,难以满足居民多样化的公交等车需求。当前手机公交APP主要存在以下几点不足:
1、现有APP仅能提供某条线路到某一公交站点的时间,缺少多条公交线路到站时间的实时对比分析,比如居民从A点到B点有4条公交线线路,居民如只看1条线路的到站时间,可能会出现最先到站的并不是这条线路,失去了线路监控的意义;部分公交站点站台比较长,站台内部有多个上客点,有的公交站甚至分为A、B两个站台,当提前到站的线路并非监控的线路(上客点不同),可能会导致乘客“飞奔”至公交车,影响了公交车的等待时间,同时造成了安全隐患;
2、由于受交通拥堵和交叉口排队等车的影响,部分公交车线路会出现“串车”现象,即同一条公交线路的前一辆车和后一辆车相距很近,现有APP已经能查到两辆车相距很近,但无法查询两辆车的载客率,可能会导致前辆车乘客爆挤、后辆车乘客很空的现象,也可能出现乘客为了避开拥挤多花时间等待后一辆车,却发现依然很拥挤的现象;
3、从A点到B点有多条公交线路到达时,当公交线路行驶路径不同时,道路的路面设施(车道规模、是否有公交专用道)以及道路拥堵情况可能会也不一样,达到目的地所花的时间也有所差异,乘客无法综合考虑“等车时间”和“行驶时间”来确定乘坐哪一趟公交车能最快到达目的地;
4、公交公司现阶段主要通过IC卡数据统计客流密度来调整公交线路,但随着智能手机应用的普及,通过手机数据来统计公交车上的客流数据比IC卡更为精确和方便。现有公交APP没有统计客流数据的功能,公交公司无法根据手机数据来调整公交线路、实施定制公交、预约公交等,从而使公交线路更合理、乘客乘坐公交更方便。
5、现有公交APP无法记录乘客的出行特征(比如某乘客在不同的时间段对出行时间要求高还是出行舒适度要求高)、乘客的常用的公交站点、乘客常选的公交线路,从而“人性化”的为乘客提供公交线路选择。
因此,需要对现有的公交APP软件进行改进,以克服现有技术的缺陷。
发明内容
有鉴于现有技术的上述缺陷,本发明提供基于公交APP软件的乘客出行优化方法,实现的目的之一是提供更为“人性化”的出行体验,乘客可以只接受软件提供实时运行信息自主进行选择路线,也可以根据自己的个人偏好让软件帮助决策,同时可以“一键化”操作,软件更具自己的行为习惯来决策最优的选择。
为实现上述目的,本发明公开了基于公交APP软件的乘客出行优化方法;包括“自主选择”模式、“辅助决策”模式,还包括“私人订制”模式;所述“私人订制”模式的执行步骤如下:
a、通过问卷调查以及APP对不同乘客出行特征的记录,可以得出每一所述乘客的性别S、年龄L、职业W对待到站时间T、车内载客率M、车外拥堵度H、目的地的行驶时间G的接受程度;
b、根据上述每一所述乘客的出行特征的记录,采用结构方程模型来测算乘客的选择行为,所述结构方程模型如下:
ΔΓy+Ωx+σ (1);
式(1)中,y表示不同乘客的内生变量组成的向量,表示为矩阵[Si,Li,Wi];x表示不同乘客的外生变量组成的向量,表示为矩阵[Ti,Mi,Hi,Gi];Γ表示内生变量间的随机联系矩阵;Ω表示外生变量对内生变量的直接随机效应矩阵;σ表示结构方程的残差项;
c、根据问卷调查的数据和模型测算的数据产生协方差矩阵S;
所述模型测算的数据是籍由前述结构方程模型为输入x所得到的y的数据,所述问卷调查的数据中x、y数据都是调查得到的,在本发明就是籍由缩小所述模型测算的数据与所述问卷调查的数据的差距,让结构方程模型得出的数据更可靠;
d、根据所述协方差矩阵S和所述结构方程模型,用数学方法找出所述结构方程模型成立时隐含的理论协方差矩阵∑(θ),所述理论协方差矩阵∑(θ)同时符合所述结构方程模型和所述协方差矩阵S;所述理论协方差矩阵∑(θ)与所有所述不同乘客出行特征的记录的所述协方差矩阵S的差距越小,表示模型越能吻合数据;
所述∑(θ)同时符合所述结构方程模型和所述协方差矩阵S是指在所述协方差矩阵S和所述结构方程模型均可参与计算;
所述理论协方差矩阵∑(θ)与所述协方差矩阵S的差距通过将两个矩阵里面的数值进行比较来确定,数值越相近则差距越小;同时通过矩阵计算出来的结果差距也越小;
e、当所述不同乘客的外生变量组成的向量x的协方差矩阵∑xx(θ)=Φ,残差向量的协方差矩阵为Ψ,则推导出:
f、根据结构方程模型确定对于不同性别S、年龄L、职业W的乘客选择对于到站时间T、车内载客率M、车外拥堵度H、目的地的行驶时间G的选择接受等级;
g、所述APP软件记录乘客的出行轨迹,分析乘客在选择公交班次的习惯特征,根据该乘客的习惯特征,给出在某次出行的最佳选择,即根据所述结构方程模型,不同乘客的内生变量组成的向量y为一个确定的值,在多次出行的历史记录中,分析出乘客的所述内生变量间的随机联系矩阵Γ、所述外生变量对内生变量的直接随机效应矩阵Ω和所述结构方程模型的残差项σ,最后得出所述结构方程模型的值Δ和所述外生变量组成的向量x。
优选的,在所述步骤a中,每一所述乘客的所述性别S分为男女2类;所述年龄L分布在6-76岁,以5岁为一个阶段,共分为14个阶段;所述职业W分为机关团体事业单位工作人员、企业行政办公业务人员、个体经营者、商业服务业工作人员、农林牧渔劳动者、生产工人、学生、无业、其它共9类。
更优选的,在所述“自主选择”模式下,所述APP软件仅仅提供到站时间在20分钟以内的公交车的运行信息,所述运行信息包括位置信息、载客信息和/或拥堵信息。
更优选的,在所述“辅助决策”模式,所述APP软件根据乘客的需求为乘客选择满意到站时间在20分钟以内的公交线路,包括到站时间最短、车内较为宽松、道路运行通畅三种选项。
更优选的,所述到站时间最短是指所述APP软件将所有公交线路的所有公交车辆按照到站时间由短到长排序,载客率和道路运行状况作为参考因素,并排除车上载客率和道路拥挤度高的公交车辆。
更优选的,所述车内较为宽松是指所述APP软件将所有公交线路的所有公交车辆按照车内载客率由宽松到拥挤排序,到站时间和道路运行状况作为参考因素,并排除到站时间长和道路拥挤度高的公交车辆。
更优选的,所述道路运行通畅是指所述APP软件将所有公交线路的所有公交车辆按照道路运行状态由通畅到拥堵排序,到站时间和车内载客率作为参考因素,并排除到站时间长和车上载客率高的公交车辆。
优选的,乘客第一次使用所述APP软件时,还需要执行注册步骤,所述注册步骤包括采集乘客的年龄信息、性别信息和职业信息。
本发明的原理如下:
1、客观条件分析
1)到站时间T:查询从A点到B点的所有公交线路,列表查询每条线路最近一班车的到站时间,时间范围为20分钟以内,假设分别为T1、T2…Tn,按照到站时间由小到大排序,并根据GPS实时定位对列表进行实时更新,提高APP监控精度,确保到站时间最短的线路始终排在最前列;
2)车内载客率M:通过IC卡数据和公交车上下客视频数据,实时监测公交车的载客率,假设第n辆公交车在乘客等待站点的载客率为Mn;
3)行驶路径的拥堵状况H:结合道路交通的实时数据,统计所乘公交车从A点到B点经过路段的拥堵段长度,以上一个月的交通数据为佐证,预测第n辆公交车从A点到B点的拥堵路段长度为Hn;
4)到达目的地的行驶时间G:结合道路交通的实时数据以及所经路段的道路设施条件(比如车道宽度、是否有公交专用道),以上一个月的交通数据为佐证,预测第n辆公交车从A点到B点的的行驶时间为Gn;
5)由于软件主要帮助乘客在站点的选车行为,因此本软件不考虑公交线路的换乘现象,若有换乘行为,则乘客需将换乘前后的线路分开输入起终点。
2、主观条件分析
1)乘客的年龄L;
2)乘客的性别S;
3)乘客的职业W;
3、决策的影响因子分析
以某个站点A点为例,乘客从A点到B点的所有公交车中,20分钟以内即将到站的共有n辆公交车,第i辆车到站时间为Ti,车内载客率为Mi,行驶路径的拥堵状况为Hi,到达B点的行驶时间为Gi;
到站时间为Ti,车内载客率为Mi,行驶路径的拥堵状况为Hi,到达B点的行驶时间为Gi的影响因子,由乘客i的年龄Li、性别Si、职业Wi所决定。不同的乘客需求不同,权重值也不同,一般情况下年轻的白领工作者比较重视时间,对应的到站事件、行驶时间权重值比较高;年龄较大的无职业者比较重视舒适度,对应的车内载客率、路段拥挤程度权重值比较高。
本发明的有益效果:
1、给予乘客更全面的等车消息,当从站点到目的地有多条公交线路时,软件自动排序多条线路的到站时间,乘客不用一直等待唯一的线路,特别是对于“手机党”上班族,本发明后台的铃声(震动)提醒,可告知其最便利的上车指令;
2、“串车”现象一直以来是公交公司难以解决的难题,本发明可以从客流的角度缓解“串车”所带来的等车困扰,即均衡了前后公交车的客流量,即便是“串车”了,但公交车的载客量能得以均衡,公交的服务水平依然可以在一定程度上得到保障。
3、APP增加了乘客上车后的“行驶时间”“路段拥堵”的服务选项,对乘客来说,不仅仅是为了早点上车,更重要的是能早点到达目的地。“行驶时间”“路段拥堵”可以让乘客对乘坐公交进行综合考虑,尤其是上车后的运行时间和乘坐舒适度可作为考虑因素,选择也更为全面。
4、对公交公司和交通部门而言,通过该软件提供的流量数据可以全面直观的显示全市公交线路的运营情况,更便于组织公交线路的运营调度,同时能反映现有公交在某些区域的覆盖率和公交复线率情况,对于公交线路的调整、是否增设大中运量公交具有一定的指导作用。
5、对于乘客而言,该软件可以提供更为“人性化”的出行体验,乘客可以只接受软件提供实时运行信息自主进行选择路线,也可以根据自己的个人偏好让软件帮助决策,同时可以“一键化”操作,软件更具自己的行为习惯来决策最优的选择。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例的执行流程图。
具体实施方式
实施例1
根据如图1所示的执行步骤,基于公交APP软件的乘客出行优化方法根据使用者的需求提供服务。
某城市一乘客在早上8点要从A站点到B站点(没有换乘现象),共有4条公交线路选择,分别为线路69、线路573、线路669、线路732。
模式一:
乘客使用本APP软件,输入站点A和站点B,选择“自主选择”模式,可以查看到线路69、线路573、线路669、线路732四条公交线路;
点击线路69:
车牌号 | 到站时间(min) | 载客率(%) | 拥堵信息(%) |
沪B11111 | 6 | 80 | 56 |
沪B11112 | 9 | 35 | 57 |
沪B11113 | 15 | 86 | 59 |
点击线路573:
车牌号 | 到站时间(min) | 载客率(%) | 拥堵信息(%) |
沪B22221 | 3 | 96 | 72 |
沪B22222 | 13 | 58 | 76 |
沪B22223 | 18 | 72 | 59 |
点击线路669:
车牌号 | 到站时间(min) | 载客率(%) | 拥堵信息(%) |
沪B33331 | 12 | 52 | 75 |
沪B33332 | 16 | 33 | 76 |
点击线路732:
车牌号 | 到站时间(min) | 载客率(%) | 拥堵信息(%) |
沪B44441 | 5 | 58 | 58 |
沪B44442 | 11 | 76 | 63 |
乘客可以根据自身需要选择相应的公交线路。
模式二:
乘客使用本APP软件,输入站点A和站点B,选择“辅助决策”模式,可以查看到“到站时间最短”、“车内较为宽松”、“道路运行通畅”三个选项,点击“到站时间最短”选项,APP按照到站时间从短到长进行排序,并随着时间推移信息适时调整,乘客可按照最短到站时间选择公交车。如下表:
点击“车内较为宽松”选项,APP按照载客率从低到高进行排序,并随着时间推移信息适时调整,乘客可按照载客率最小选择公交车。如下表:
点击“道路运行通畅”选项,APP按照拥堵信息从低到高进行排序,并随着时间推移信息适时调整,乘客可按照拥堵比例最小选择公交车。如下表:
模式三:
假设该乘客的性别为男、年龄为45岁、从事职业为个体经营者。通过对该城市出行所有所述不同乘客出行特征的记录的调查以及APP对不同乘客出行特征的记录进行分析,该城市该类别的乘客的公交出行权重值如下:到站时间权重为51%,车内载客率权重为27%,车外拥堵度权重为5%,目的地的行驶时间为17%。乘客选择“私人订制”模式,APP按照到站时间、车内载客率、车外拥堵度、目的地的行驶时间进行综合排序,并随着时间推移信息适时调整。如下表:
实施例2
乘客在A站候车,输入公交车线路名称(比如573),APP显示某一辆公交车(比如沪B23147)的到站时间,用分钟计量;APP显示车上的载客量,用车上载客人数与车辆定员人数的比例表示;APP显示公交行驶路径拥堵,用拥堵长度占总路径长度的比例表示。乘客根据APP提供的信息自己做出乘车选择。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.基于公交APP软件的乘客出行优化方法, 其特征在于,包括“自主选择”模式、“辅助决策”模式,还包括“私人订制”模式;所述“私人订制”模式的执行步骤如下:
a、通过问卷调查以及APP对不同乘客出行特征的记录,可以得出每一所述乘客的性别S、年龄L、职业W对待到站时间T、车内载客率M、车外拥堵度H、目的地的行驶时间G的接受程度;
b、根据上述每一所述乘客的出行特征的记录,采用结构方程模型来测算乘客的选择行为,所述结构方程模型如下:
式(1)中,y表示不同乘客的内生变量组成的向量,表示为矩阵[Si,Li,Wi];x表示不同乘客的外生变量组成的向量,表示为矩阵[Ti,Mi,Hi,Gi];Γ表示内生变量间的随机联系矩阵;Ω表示外生变量对内生变量的直接随机效应矩阵;表示结构方程的残差项;
c、根据问卷调查的数据和模型测算的数据产生协方差矩阵S;
所述模型测算的数据是籍由所述结构方程模型为输入x所得到的y的数据;
d、根据所述协方差矩阵S和所述结构方程模型,用数学方法找出所述结构方程模型成立时隐含的理论协方差矩阵∑(θ),所述理论协方差矩阵∑(θ)同时符合所述结构方程模型和所述协方差矩阵S;所述理论协方差矩阵∑(θ)与所有所述不同乘客出行特征的记录的所述协方差矩阵S的差距越小,表示模型越能吻合数据;
所述∑(θ)同时符合所述结构方程模型和所述协方差矩阵S是指在所述协方差矩阵S和所述结构方程模型均可参与计算;
所述理论协方差矩阵∑(θ)与所述协方差矩阵S的差距通过将两个矩阵里面的数值进行比较来确定,数值越相近则差距越小;同时通过矩阵计算出来的结果差距也越小;
e、根据所述不同乘客的外生变量组成的向量x的协方差矩阵∑xx(θ),则推导出:
f、根据结构方程模型确定对于不同性别S、年龄L、职业W的乘客选择对于到站时间T、车内载客率M、车外拥堵度H、目的地的行驶时间G的选择接受等级;
2.根据权利要求1所述的基于公交APP软件的乘客出行优化方法,其特征在于,在所述步骤a中,每一所述乘客的所述性别S分为男女2类;所述年龄L分布在6-76岁,以5岁为一个阶段,共分为14个阶段;所述职业W分为机关团体事业单位工作人员、企业行政办公业务人员、个体经营者、商业服务业工作人员、农林牧渔劳动者、生产工人、学生、无业、其它共9类。
3.根据权利要求1或2所述的基于公交APP软件的乘客出行优化方法,其特征在于,在所述“自主选择”模式下,所述APP软件仅仅提供到站时间在20分钟以内的公交车的运行信息,所述运行信息包括位置信息、载客信息和/或拥堵信息。
4.根据权利要求1或2所述的基于公交APP软件的乘客出行优化方法,其特征在于,在所述“辅助决策”模式,所述APP软件根据乘客的需求为乘客选择满意到站时间在20分钟以内的公交线路,包括到站时间最短、车内较为宽松、道路运行通畅三种选项。
5.根据权利要求4所述的基于公交APP软件的乘客出行优化方法,其特征在于,所述到站时间最短是指所述APP软件将所有公交线路的所有公交车辆按照到站时间由短到长排序,载客率和道路运行状况作为参考因素,并排除车上载客率和道路拥挤度高的公交车辆。
6.根据权利要求4所述的基于公交APP软件的乘客出行优化方法,其特征在于,所述车内较为宽松是指所述APP软件将所有公交线路的所有公交车辆按照车内载客率由宽松到拥挤排序,到站时间和道路运行状况作为参考因素,并排除到站时间长和道路拥挤度高的公交车辆。
7.根据权利要求4所述的基于公交APP软件的乘客出行优化方法,其特征在于,所述道路运行通畅是指所述APP软件将所有公交线路的所有公交车辆按照道路运行状态由通畅到拥堵排序,到站时间和车内载客率作为参考因素,并排除到站时间过长和车上载客率过高的公交车辆。
8.根据权利要求1所述的基于公交APP软件的乘客出行优化方法,其特征在于,乘客第一次使用所述APP软件时,还需要执行注册步骤,所述注册步骤包括采集乘客的年龄信息、性别信息和职业信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810578657.4A CN108806249B (zh) | 2018-06-07 | 2018-06-07 | 基于公交app软件的乘客出行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810578657.4A CN108806249B (zh) | 2018-06-07 | 2018-06-07 | 基于公交app软件的乘客出行优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108806249A CN108806249A (zh) | 2018-11-13 |
CN108806249B true CN108806249B (zh) | 2021-06-11 |
Family
ID=64087575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810578657.4A Active CN108806249B (zh) | 2018-06-07 | 2018-06-07 | 基于公交app软件的乘客出行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108806249B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059861A (zh) * | 2019-03-22 | 2019-07-26 | 江苏大学 | 一种考虑拥挤度的公交线路选择方法及*** |
CN110366106B (zh) * | 2019-08-20 | 2020-11-10 | 同舟智慧(威海)科技发展有限公司 | 一种移动终端的定位方法和定位*** |
CN113870559B (zh) * | 2021-09-27 | 2022-08-16 | 北京理工新源信息科技有限公司 | 一种基于大数据车联网的交通流量计算方法 |
CN114973727B (zh) * | 2022-08-02 | 2022-09-30 | 成都工业职业技术学院 | 一种基于乘客特征的智能驾驶方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968551A (zh) * | 2012-10-24 | 2013-03-13 | 中国电力科学研究院 | 一种电动汽车运行特性建模分析方法 |
CN104134105A (zh) * | 2014-08-18 | 2014-11-05 | 东南大学 | 一种公交线网布设优化方法 |
CN104376716A (zh) * | 2014-11-28 | 2015-02-25 | 南通大学 | 一种基于贝叶斯网络模型的公交时刻表动态生成方法 |
CN108009747A (zh) * | 2017-12-21 | 2018-05-08 | 北京工业大学 | 一种出行方式多次动态决策过程信息获取方法 |
-
2018
- 2018-06-07 CN CN201810578657.4A patent/CN108806249B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968551A (zh) * | 2012-10-24 | 2013-03-13 | 中国电力科学研究院 | 一种电动汽车运行特性建模分析方法 |
CN104134105A (zh) * | 2014-08-18 | 2014-11-05 | 东南大学 | 一种公交线网布设优化方法 |
CN104376716A (zh) * | 2014-11-28 | 2015-02-25 | 南通大学 | 一种基于贝叶斯网络模型的公交时刻表动态生成方法 |
CN108009747A (zh) * | 2017-12-21 | 2018-05-08 | 北京工业大学 | 一种出行方式多次动态决策过程信息获取方法 |
Non-Patent Citations (3)
Title |
---|
Impact of perceptions of bus service performance on mode choice preference;Hu Xiaojian 等;《ADVANCES IN MECHANICAL ENGINEERING》;20150331;第1-11页 * |
基于结构方程模型的通勤交通方式选择;严海 等;《北京工业大学学报》;20150430;第590-596页 * |
多源数据在城市公共交通改善需求的应用;狄迪;《中国市政工程》;20180430;第39-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108806249A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Exploring impacts of on-demand ridesplitting on mobility via real-world ridesourcing data and questionnaires | |
CN108806249B (zh) | 基于公交app软件的乘客出行优化方法 | |
TWI638328B (zh) | 電力需求預測裝置、電力供給系統、電力需求預測方法、程式、供給電力管理裝置 | |
Chakrabarti et al. | Does service reliability determine transit patronage? Insights from the Los Angeles Metro bus system | |
Liu et al. | Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems | |
Fu | A simulation model for evaluating advanced dial-a-ride paratransit systems | |
US20220003561A1 (en) | Real-time ride sharing solutions for unanticipated changes during a ride | |
Chakrabarti | The demand for reliable transit service: New evidence using stop level data from the Los Angeles Metro bus system | |
CN110956296A (zh) | 一种用户流失概率预测方法及装置 | |
US20220229442A9 (en) | Accounting for driver reaction time when providing driving instructions | |
Zhang et al. | Demand, supply, and performance of street-hail taxi | |
CN116629738A (zh) | 一种物流路径优化方法、相关方法、装置、设备及介质 | |
Godachevich et al. | Does the measured performance of bus operators depend on the index chosen to assess reliability in contracts? An analysis of bus headway variability | |
Carrion et al. | Value of reliability: high occupancy toll lanes, general purpose lanes, and arterials | |
Jia et al. | Modeling taxi drivers’ decisions at airport based on queueing theory | |
Lu et al. | Demand-responsive transport for students in rural areas: A case study in vulkaneifel, germany | |
Sabarshad | Smart transit dynamic optimization and informatics | |
Chow | Evaluating online surveys for public transit agencies using a prompted recall approach | |
Salek et al. | Characterizing bus transit passenger wait times | |
JP2007207077A (ja) | 配車情報提供システム及び配車予約サーバ | |
Wood | A framework for measuring passenger-experienced transit reliability using automated data | |
Yang | Data-driven modeling of taxi trip demand and supply in New York City | |
Gleave | HSIPR Best Practices: Ridership and Revenue Forecasting | |
Aboudina | Optimized time-dependent congestion pricing system for large networks: integrating distributed optimization, departure time choice, and dynamic traffic assignment in the Greater Toronto Area | |
BHUI | INTEGRATION OF BUS TRANSIT AND PARATRANSIT ALONG A NETWORK CORRIDOR IN KOLKATA. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |