CN112289065B - 一种基于精准od大数据的定制公交线路设计方法及*** - Google Patents
一种基于精准od大数据的定制公交线路设计方法及*** Download PDFInfo
- Publication number
- CN112289065B CN112289065B CN201911214927.4A CN201911214927A CN112289065B CN 112289065 B CN112289065 B CN 112289065B CN 201911214927 A CN201911214927 A CN 201911214927A CN 112289065 B CN112289065 B CN 112289065B
- Authority
- CN
- China
- Prior art keywords
- station
- data
- starting
- customized bus
- time
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于精准OD大数据的定制公交线路设计方法及***,该方法包括获取城市公交全线网最近一段时间的精准客流OD数据,对OD数据按时间聚合,对符合条件的起始站点和终点站点的OD数据按空间聚合,规划出定制公交线路的首末站及其线路;该方法基于精准OD大数据的客流规律,设计出合理的定制公交线路,提高定制公交的合理性。
Description
技术领域
本发明涉及智能交通研究领域,尤其是根据客流OD大数据进行线路规划方面,具体涉及一种基于精准OD大数据的定制公交线路设计方法及***。
背景技术
随着经济的快速增长与我国汽车保有量的迅速增加,给各城市带来了交通拥堵的难题。国内外经验证明,大力发展城市公共交通工具,减少汽车出行数量,是解决拥堵的主要方式。在城市交通结构中,公共交通在人均占用道路资源、道路环境污染和能源消耗等三方面颇具优势;我国各大城市为缓解交通拥堵,均在积极规划和改善公共交通服务,常规公交是城市公共交通***的重要组成部分,也是各大城市公共交通的主体。
近年来定制公交作为常规公交的补充,舒缓工作日的早晚高峰的客流,已经得到多方面的认可,如何科学合理的设计定制公交线路,涉及到空间和时间的综合考虑。在实现本发明过程中,发明人发现现有定制公交的方法中至少存在如下问题:基于用户网络填写和纸质调查出行需求的定制公交方式,这种方式只关注用户的需求,覆盖率偏低、开通周期缓慢,大多数没能正常开通;基于网约车、出租车出行数据作为出行用户需求规划,定制公交的覆盖范围更低;因此目前还缺乏合理的定制公交开设方法。
发明内容
为了克服现有技术的不足,本公开实施例提供了一种基于精准OD大数据的定制公交线路设计方法及***,基于精准OD大数据的客流规律,设计出合理的定制公交线路,提高定制公交的合理性;所述技术方案如下:
第一方面,提供了一种基于精准OD大数据的定制公交线路设计方法,所述方法包括:
获取城市公交全线网最近一段时间的精准客流OD数据,所述客流OD数据包括某乘客的出发时间、起始站点、终点站点;
优选的,对所述客流OD数据进行过滤,具体为:对起始站点和终点站点相同的客流OD记录进行过滤,对起始站点和终点站点相同不在线路同一个方向的OD记录进行纠正,把终点站点设置成反方向站点。
OD数据按时间聚合:对最近一段时间中每天的客流OD数据进行时间聚合,按每5-20min相同的起始站点和终点站点的客流OD数据进行累加求和,得到每5-20min的OD数,即得到OD数据按时间聚合的结果;
选取可进行空间聚合的起始站点和终点站点:根据OD数据按时间聚合的结果,对出发时间、起始站点和终点站点相同,出发日期为相同工作日或者相同周末的数个OD数,取OD数平均值和OD数最小值;如果OD数平均值≥公交车座位数的且OD数最小值≥公交车座位数的则该起始站点和终点站点符合空间聚合的要求,该起始站点经纬度坐标记为(X1,Y1),该终点站点经纬度坐标记为(X2,Y2);
对该起始站点(X1,Y1)和终点站点(X2,Y2)的OD数据按空间聚合:即获取以该起始站点(X1,Y1)为中心,方圆200-800米以内的所有公交站点,形成起始站点集合;获取以该终点站点(X2,Y2)为中心,方圆200-800米以内的所有公交站点,形成终点站点集合;根据所述OD数平均值,得到每个出发时间点的从起始站点集合到终点站点集合的所有空间OD数,即得到OD数据按空间聚合的结果;
根据行车地图获取到起始站点(X1,Y1)和终点站点(X2,Y2)的最快行驶线路,取某个时刻空间OD数>Q1,或高峰时段空间OD数总数>Q2,或全天空间OD数总数>Q3的起始站点和终点站点,为定制公交线路的首末站,最快行驶线路为初定的定制公交线路。进一步的,所述最快行驶线路的距离需要大于6~15公里。
优选的,还包括对初定的定制公交线路进行优化,有以下方法:
方法一:初定的定制公交线路出发时间为T1,查找起终站点都在该初定的定制公交线路上,且出发时间为T2的OD数据,选取OD数>q的2-4条OD数据,把所述2-4条OD数据的起终站点,设置在初定的定制公交线路上,并确保定制公交线路总站点数小于6-9站;其中T2=T1+首站到该OD的起始站点的路准时间;
方法二:初定的定制公交线路出发时间为T1,查找起终站点距离该初定的定制公交线路的最近距离小于500-1000m,且出发时间为T2的OD数据,选取OD数较大且OD数>q的2-4条OD数据,对初定的定制公交线路进行重新规划,把所述2-4条OD数据的起终站点,作为定制公交线路的途径站点,确保定制公交线路总站点数小于6-9站,确保重新规划后的线路长度小于初定定制公交线路的长度的120%;其中T2=T1+首站到该OD的起始站点的路准时间;
方法三:初定的定制公交线路出发时间为T1,查找从起始站点(X1,Y1)到终点站点(X2,Y2)的其他线路,取线路行驶时间小于初定定制公交线路的行驶时间的120%的线路L1,然后按照方法一的步骤,增加线路L1上的途径站点;
方法四;初定的定制公交线路出发时间为T1,查找起始站点到该初定的定制公交线路末站的距离小于500-1500m,且出发时间为T2的OD数据,选取OD数最大,且OD数平均值>公交车座位数的1/4,且该OD数据的起始站点和终点站点距离小于3-8km的OD数据M,选择OD数据M的起始站点和终点站点为初定的定制公交线路的两个延伸站点;
从而得到优化后的定制公交线路;
对初定的定制公交线路进行优化方法也可以是上述四种方法中任意两种或者三种方法的组合,且确保定制公交线路总站点数小于6-9站。
优选的,还包括对定制公交线路的客流进行评估:根据OD数据按时间聚合结果,计算每个时刻的定制公交线路的客流OD总数,若工作日连续5天或周末连续2天的平均客流OD总数≥公交车座位数,OD总数最小值≥公交车座位数的1/2,则可开通该定制公交线路。进一步的,所述计算每个时刻的定制公交线路的客流OD总数,具体方法为:若计算T1时刻的定制公交线路的客流OD总数,为:T1时刻首站到定制公交其他站点的OD数之和+∑Ti时刻途径站点到定制公交后续其他站点的OD数之和,其中Ti=T1+首站到该途经站点的路准时间。
第二方面,提供了一种基于精准OD大数据的定制公交线路设计***,所述***包括获取模块、分析模块;
所述获取模块,用于获取城市公交全线网最近一段时间的精准客流OD数据,所述客流OD数据包括某乘客的出发时间、起始站点、终点站点;
所述分析模块,用于对OD数据按时间聚合和按空间聚合,具体如下:
OD数据按时间聚合:对最近一段时间中每天的客流OD数据进行时间聚合,按每5-20min相同的起始站点和终点站点的客流OD数据进行累加求和,得到每5-20min的OD数,即得到OD数据按时间聚合的结果;
选取可进行空间聚合的起始站点和终点站点:根据OD数据按时间聚合的结果,对出发时间、起始站点和终点站点相同,出发日期为相同工作日或者相同周末的数个OD数,取OD数平均值和OD数最小值;如果OD数平均值≥公交车座位数的且OD数最小值≥公交车座位数的则该起始站点和终点站点符合空间聚合的要求,该起始站点经纬度坐标记为(X1,Y1),该终点站点经纬度坐标记为(X2,Y2);
对该起始站点(X1,Y1)和终点站点(X2,Y2)的OD数据按空间聚合:即获取以该起始站点(X1,Y1)为中心,方圆200-800米以内的所有公交站点,形成起始站点集合;获取以该终点站点(X2,Y2)为中心,方圆200-800米以内的所有公交站点,形成终点站点集合;根据所述OD数平均值,得到每个出发时间点的从起始站点集合到终点站点集合的所有空间OD数,即得到OD数据按空间聚合的结果;
根据行车地图获取到起始站点(X1,Y1)和终点站点(X2,Y2)的最快行驶线路,取最快行驶线路的距离需要大于6~15公里,且某个时刻空间OD数>Q1,或高峰时段空间OD数总数>Q2,或全天空间OD数总数>Q3的起始站点和终点站点,为定制公交线路的首末站,最快行驶线路为初定的定制公交线路。
优选的,对所述客流OD数据进行过滤:对起始站点和终点站点相同的客流OD记录进行过滤,对起始站点和终点站点相同不在线路同一个方向的OD记录进行纠正,把终点站点设置成反方向站点。
优选的,还包括优化模块;
所述优化模块,用于对初定的定制公交线路进行优化,有以下方法:
方法一:初定的定制公交线路出发时间为T1,查找起终站点都在该初定的定制公交线路上,且出发时间为T2的OD数据,选取OD数>q的2-4条OD数据,把所述2-4条OD数据的起终站点,设置在初定的定制公交线路上,并确保定制公交线路总站点数小于6-9站;其中T2=T1+首站到该OD的起始站点的路准时间;
方法二:初定的定制公交线路出发时间为T1,查找起终站点距离该初定的定制公交线路的最近距离小于500-1000m,且出发时间为T2的OD数据,选取OD数较大且OD数>q的2-4条OD数据,对初定的定制公交线路进行重新规划,把所述2-4条OD数据的起终站点,作为定制公交线路的途径站点,确保定制公交线路总站点数小于6-9站,确保重新规划后的线路长度小于初定定制公交线路的长度的120%;其中T2=T1+首站到该OD的起始站点的路准时间;
方法三:初定的定制公交线路出发时间为T1,查找从起始站点(X1,Y1)到终点站点(X2,Y2)的其他线路,取线路行驶时间小于初定定制公交线路的行驶时间的120%的线路L1,然后按照方法一的步骤,增加线路L1上的途径站点;
方法四;初定的定制公交线路出发时间为T1,查找起始站点到该初定的定制公交线路末站的距离小于500-1500m,且出发时间为T2的OD数据,选取OD数最大,且OD数平均值>公交车座位数的1/4,且该OD数据的起始站点和终点站点距离小于3-8km的OD数据M,选择OD数据M的起始站点和终点站点为初定的定制公交线路的两个延伸站点;
从而得到优化后的定制公交线路;
对初定的定制公交线路进行优化方法也可以是上述四种方法中任意两种或者三种方法的组合,且确保定制公交线路总站点数小于6-9站。
优选的,还包括评估模块,用于对定制公交线路的客流进行评估:根据OD数据按时间聚合结果,计算每个时刻的定制公交线路的客流OD总数,若工作日连续5天或周末连续2天的平均客流OD总数≥公交车座位数,OD总数最小值≥公交车座位数的1/2,则可开通该定制公交线路。
与现有技术相比,上述技术方案中的一个技术方案具有如下有益效果:通过时间和空间对相同或相似起始站点和终点站点进行聚合,然后规划路径时考虑空间上聚合的可能性,提高定制公交线路设计的合理性和准确性,提高公交公司的收益,节约公众出行时间,同时缓解工作日早晚高峰的拥堵,该方法可以适用不同城市公交公司,适用性较强。
具体实施方式
为了阐明本发明的技术方案和工作原理,下面对本公开实施方式做进一步的详细描述。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
本实施例中,所述定制公交线路的设计方法,并不限于公交领域,也包括与公交采用类似运行模式的企业班车、大巴车辆、地铁等。
第一方面:本公开实施例提供了一种基于精准OD大数据的定制公交线路设计方法,主要包括以下步骤:
步骤1,获取城市公交全线网最近一段时间的精准客流OD数据,所述客流OD数据包括某乘客的出发时间、起始站点、终点站点;所述最近一段时间优选为三个月以上时间,这里的OD数据包括城市公交全线网中,任意两个站点作为起始站点和终点站点的客流OD数据,客流OD数据的记录情况如表1所示。
优选的,对起始站点和终点站点相同的客流OD记录进行过滤,对起始站点和终点站点相同不在线路同一个方向的OD记录进行纠正,把终点站点设置成反方向站点。
表1客流OD数据记录
步骤2,OD数据按时间聚合:对最近一段时间中每天的客流OD数据进行时间聚合,按每10min相同的起始站点和终点站点的客流OD数据进行累加求和,得到每5-20min的OD数,即得到OD数据按时间聚合的结果;如:按每10min相同的起始站点和终点站点的客流OD数据进行累加求和,即比如7:00-7:09之间站点A1到站点B1的客流数为66人,则按时间聚合后,认为是出发时间为7:00,站点A1到站点B1的客流数为66人,如表2所示;
表2 OD数据按时间聚合结果
步骤3,选取可进行空间聚合的起始站点和终点站点
根据OD数据按时间聚合的结果,对出发时间、起始站点和终点站点相同,出发日期为相同工作日或者相同周末的数个OD数,取平均值和最小值;如果OD数平均值≥公交车座位数的,且OD数最小值≥公交车座位数的,则该起始站点和终点站点符合空间聚合的要求,该起始站点经纬度坐标记为(X1,Y1),该终点站点经纬度坐标记为(X2,Y2),对该起始站点和终点站点的OD数据按空间聚合;
步骤4,对该起始站点(X1,Y1)和终点站点(X2,Y2)的OD数据按空间聚合:即获取以该起始站点(X1,Y1)为中心,方圆300米以内的所有公交站点,形成起始站点集合(如:共有2个站点);获取以该终点站点(X2,Y2)为中心,方圆300米以内的所有公交站点,形成终点站点集合(如:共4个站点);根据OD数平均值,得到每个出发时间点的从起始站点集合到终点站点集合的所有空间OD数,即得到OD数据按空间聚合的结果;如:根据按时间聚合的结果中OD数的平均值,得到出发时间为7:00,站点A1的起始站点集合(共有2个站点)到站点B1的终点站点集合(共4个站点)的客流数为112人,即7:00时刻的空间OD数为112人;
步骤5,根据行车地图获取到该起始站点和终点站点的最快行驶线路,取最快行驶线路的距离大于10公里,且某个时刻空间OD数>Q1;或取最快行驶线路的距离大于10公里,且高峰时段空间OD数总数>Q2;或取最快行驶线路的距离大于10公里,且全天空间OD数总数>Q3的起始站点和终点站点,为定制公交线路的首末站,最快行驶线路为初定的定制公交线路。
优选的,还包括对初定的定制公交线路进行优化,有以下方法,
方法一:初定的定制公交线路出发时间为T1,查找起终站点都在该初定的定制公交线路上,且出发时间为T2的OD数据,选取OD数较大且OD数>q的3条OD数据,把所述3条OD数据的起终站点,设置在初定的定制公交线路上,并确保定制公交线路总站点数小于6站;其中T2=T1+首站到该OD的起始站点的路准时间;增加3条OD数据的起终站点,增加的起终站点位于线路上,增加的起终站点可能属于途径站点,也可能其中一个站点为定制公交的首末站。
方法二:初定的定制公交线路出发时间为T1,查找起终站点距离该初定的定制公交线路的最近距离小于600m,且出发时间为T2的OD数据,选取OD数较大且OD数>q的2条OD数据,对初定的定制公交线路进行重新规划,把所述2条OD数据的起终站点,作为定制公交线路的途径站点,确保定制公交线路总站点数小于6站,确保重新规划后的线路长度小于初定定制公交线路的长度的120%;其中T2=T1+首站到该OD的起始站点的路准时间;
方法三:初定的定制公交线路出发时间为T1,查找从起始站点(X1,Y1)到终点站点(X2,Y2)的其他线路,取线路行驶时间小于初定定制公交线路的行驶时间的120%的线路L1,然后按照方法一的步骤,增加线路L1上的途径站点;
方法四;初定的定制公交线路出发时间为T1,查找起始站点到该初定的定制公交线路末站的距离小于500-1500m,且出发时间为T2的OD数据,选取OD数最大,且OD数平均值>公交车座位数的1/4,且该OD数据的起始站点和终点站点距离小于3-8km的OD数据M,选择OD数据M的起始站点和终点站点为初定的定制公交线路的两个延伸站点;
从而得到优化后的定制公交线路;
对初定的定制公交线路进行优化方法也可以是上述三种方法中任意两种或者三种方法的组合,且确保定制公交线路总站点数小于6-9站。
优选的,还包括对定制公交线路的客流进行评估:根据OD数据按时间聚合结果,计算每个时刻的定制公交线路的客流OD总数,若工作日连续5天或周末连续2天的平均客流OD总数≥公交车座位数,OD总数最小值≥公交车座位数的1/2,则可开通该定制公交线路;
优选的,所述计算每个时刻的定制公交线路的客流OD总数,具体方法为:若计算T1时刻的定制公交线路的客流OD总数,为:T1时刻首站到定制公交其他站点的OD数之和+∑Ti时刻途径站点到定制公交后续其他站点的OD数之和,其中Ti=T1+首站到该途经站点的路准时间。
优选的,该定制公交线路的发车时间,取从起始站点聚合的OD记录的出发具体时间(t1,t2,…tn)的平均值,即(t1+t2+…tn)/n。
第二方面,本公开实施例提供了一种基于精准OD大数据的定制公交线路设计***,基于相同的技术构思,本发明的实施例提供的一种基于精准OD大数据的定制公交线路设计***,该***可以执行一种基于精准OD大数据的定制公交线路设计方法的流程。
一种基于精准OD大数据的定制公交线路设计***,所述***包括获取模块、分析模块;
所述获取模块,用于获取城市公交全线网最近一段时间的精准客流OD数据,所述客流OD数据包括某乘客的出发时间、起始站点、终点站点;
所述分析模块,用于对OD数据按时间聚合和按空间聚合
OD数据按时间聚合:对最近一段时间中每天的客流OD数据进行时间聚合,按每5-20min相同的起始站点和终点站点的客流OD数据进行累加求和,得到每5-20min的OD数,即得到OD数据按时间聚合的结果;
选取可进行空间聚合的起始站点和终点站点:根据OD数据按时间聚合的结果,对出发时间、起始站点和终点站点相同,出发日期为相同工作日或者相同周末的数个OD数,取OD数平均值和OD数最小值;如果OD数平均值≥公交车座位数的且OD数最小值≥公交车座位数的则该起始站点和终点站点符合空间聚合的要求,该起始站点经纬度坐标记为(X1,Y1),该终点站点经纬度坐标记为(X2,Y2);
对该起始站点(X1,Y1)和终点站点(X2,Y2)的OD数据按空间聚合:即获取以该起始站点(X1,Y1)为中心,方圆200-800米以内的所有公交站点,形成起始站点集合;获取以该终点站点(X2,Y2)为中心,方圆200-800米以内的所有公交站点,形成终点站点集合;根据所述OD数平均值,得到每个出发时间点的从起始站点集合到终点站点集合的所有空间OD数,即得到OD数据按空间聚合的结果;
根据行车地图获取到起始站点(X1,Y1)和终点站点(X2,Y2)的最快行驶线路,取最快行驶线路的距离需要大于6~15公里,且某个时刻空间OD数>Q1,或高峰时段空间OD数总数>Q2,或全天空间OD数总数>Q3的起始站点和终点站点,为定制公交线路的首末站,最快行驶线路为初定的定制公交线路。
优选的,对所述客流OD数据进行过滤:对起始站点和终点站点相同的客流OD记录进行过滤,对起始站点和终点站点相同不在线路同一个方向的OD记录进行纠正,把终点站点设置成反方向站点。
优选的,还包括优化模块;
所述优化模块,用于对初定的定制公交线路进行优化,有以下方法:
方法一:初定的定制公交线路出发时间为T1,查找起终站点都在该初定的定制公交线路上,且出发时间为T2的OD数据,选取OD数>q的2-4条OD数据,把所述2-4条OD数据的起终站点,设置在初定的定制公交线路上,并确保定制公交线路总站点数小于6-9站;其中T2=T1+首站到该OD的起始站点的路准时间;
方法二:初定的定制公交线路出发时间为T1,查找起终站点距离该初定的定制公交线路的最近距离小于500-1000m,且出发时间为T2的OD数据,选取OD数较大且OD数>q的2-4条OD数据,对初定的定制公交线路进行重新规划,把所述2-4条OD数据的起终站点,作为定制公交线路的途径站点,确保定制公交线路总站点数小于6-9站,确保重新规划后的线路长度小于初定定制公交线路的长度的120%;其中T2=T1+首站到该OD的起始站点的路准时间;
方法三:初定的定制公交线路出发时间为T1,查找从起始站点(X1,Y1)到终点站点(X2,Y2)的其他线路,取线路行驶时间小于初定定制公交线路的行驶时间的120%的线路L1,然后按照方法一的步骤,增加线路L1上的途径站点;
方法四;初定的定制公交线路出发时间为T1,查找起始站点到该初定的定制公交线路末站的距离小于500-1500m,且出发时间为T2的OD数据,选取OD数最大,且OD数平均值>公交车座位数的1/4,且该OD数据的起始站点和终点站点距离小于3-8km的OD数据M,选择OD数据M的起始站点和终点站点为初定的定制公交线路的两个延伸站点;
从而得到优化后的定制公交线路;
对初定的定制公交线路进行优化方法也可以是上述四种方法中任意两种或者三种方法的组合,且确保定制公交线路总站点数小于6-9站。
优选的,还包括评估模块,用于对定制公交线路的客流进行评估:根据OD数据按时间聚合结果,计算每个时刻的定制公交线路的客流OD总数,若工作日连续5天或周末连续2天的平均客流OD总数≥公交车座位数,OD总数最小值≥公交车座位数的1/2,则可开通该定制公交线路。
需要说明的是,上述实施例提供的一种基于精准OD大数据的定制公交线路设计***在执行一种基于精准OD大数据的定制公交线路设计方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
以上对本发明进行了示例性描述,显然,本发明具体实现并不受上述方式的限制,凡是采用了本发明的方法构思和技术方案进行的各种非实质性的改进;或者未经改进、等同替换,将本发明的上述构思和技术方案直接应用于其他场合的,均在本发明的保护范围之内。
Claims (10)
1.一种基于精准OD大数据的定制公交线路设计方法,其特征在于,所述方法包括:
获取城市公交全线网最近一段时间的精准客流OD数据,所述客流OD数据包括某乘客的出发时间、起始站点、终点站点;
OD数据按时间聚合:对最近一段时间中每天的客流OD数据进行时间聚合,按每5-20min相同的起始站点和终点站点的客流OD数据进行累加求和,得到每5-20min的OD数,即得到OD数据按时间聚合的结果;
选取可进行空间聚合的起始站点和终点站点:根据OD数据按时间聚合的结果,对出发时间、起始站点和终点站点相同,出发日期为相同工作日或者相同周末的数个OD数,取OD数平均值和OD数最小值;如果OD数平均值≥公交车座位数的且OD数最小值≥公交车座位数的则该起始站点和终点站点符合空间聚合的要求,该起始站点经纬度坐标记为(X1,Y1),该终点站点经纬度坐标记为(X2,Y2);
对该起始站点(X1,Y1)和终点站点(X2,Y2)的OD数据按空间聚合:即获取以该起始站点(X1,Y1)为中心,方圆200-800米以内的所有公交站点,形成起始站点集合;获取以该终点站点(X2,Y2)为中心,方圆200-800米以内的所有公交站点,形成终点站点集合;根据所述OD数平均值,得到每个出发时间点的从起始站点集合到终点站点集合的所有空间OD数,即得到OD数据按空间聚合的结果;
根据行车地图获取到起始站点(X1,Y1)和终点站点(X2,Y2)的最快行驶线路,取某个时刻空间OD数>Q1,或高峰时段空间OD数总数>Q2,或全天空间OD数总数>Q3的起始站点和终点站点,为定制公交线路的首末站,最快行驶线路为初定的定制公交线路。
2.根据权利要求1所述的一种基于精准OD大数据的定制公交线路设计方法,其特征在于,对所述客流OD数据进行过滤,具体为:对起始站点和终点站点相同的客流OD记录进行过滤,对起始站点和终点站点相同不在线路同一个方向的OD记录进行纠正,把终点站点设置成反方向站点。
3.根据权利要求1所述的一种基于精准OD大数据的定制公交线路设计方法,其特征在于,所述最快行驶线路的距离需要大于6~15公里。
4.根据权利要求1所述的一种基于精准OD大数据的定制公交线路设计方法,其特征在于,还包括对初定的定制公交线路进行优化,有以下方法:
方法一:初定的定制公交线路出发时间为T1,查找起终站点都在该初定的定制公交线路上,且出发时间为T2的OD数据,选取OD数>q的2-4条OD数据,把所述2-4条OD数据的起终站点,设置在初定的定制公交线路上,并确保定制公交线路总站点数小于6-9站;其中T2=T1+首站到该OD的起始站点的路准时间;
方法二:初定的定制公交线路出发时间为T1,查找起终站点距离该初定的定制公交线路的最近距离小于500-1000m,且出发时间为T2的OD数据,选取OD数较大且OD数>q的2-4条OD数据,对初定的定制公交线路进行重新规划,把所述2-4条OD数据的起终站点,作为定制公交线路的途径站点,确保定制公交线路总站点数小于6-9站,确保重新规划后的线路长度小于初定定制公交线路的长度的120%;其中T2=T1+首站到该OD的起始站点的路准时间;
方法三:初定的定制公交线路出发时间为T1,查找从起始站点(X1,Y1)到终点站点(X2,Y2)的其他线路,取线路行驶时间小于初定定制公交线路的行驶时间的120%的线路L1,然后按照方法一的步骤,增加线路L1上的途径站点;
方法四;初定的定制公交线路出发时间为T1,查找起始站点到该初定的定制公交线路末站的距离小于500-1500m,且出发时间为T2的OD数据,选取OD数最大,且OD数平均值>公交车座位数的1/4,且该OD数据的起始站点和终点站点距离小于3-8km的OD数据M,选择OD数据M的起始站点和终点站点为初定的定制公交线路的两个延伸站点;
从而得到优化后的定制公交线路;
对初定的定制公交线路进行优化方法也可以是上述四种方法中任意两种或者三种方法的组合,且确保定制公交线路总站点数小于6-9站。
5.根据权利要求1-4任一项所述的一种基于精准OD大数据的定制公交线路设计方法,其特征在于,还包括对定制公交线路的客流进行评估:根据OD数据按时间聚合结果,计算每个时刻的定制公交线路的客流OD总数,若工作日连续5天或周末连续2天的平均客流OD总数≥公交车座位数,OD总数最小值≥公交车座位数的1/2,则可开通该定制公交线路。
6.根据权利要求5所述的一种基于精准OD大数据的定制公交线路设计方法,其特征在于,所述计算每个时刻的定制公交线路的客流OD总数,具体方法为:若计算T1时刻的定制公交线路的客流OD总数,为:T1时刻首站到定制公交其他站点的OD数之和+∑Ti时刻途径站点到定制公交后续其他站点的OD数之和,其中Ti=T1+首站到该途经站点的路准时间。
7.一种基于精准OD大数据的定制公交线路设计***,其特征在于,所述***包括获取模块、分析模块;
所述获取模块,用于获取城市公交全线网最近一段时间的精准客流OD数据,所述客流OD数据包括某乘客的出发时间、起始站点、终点站点;
所述分析模块,用于对OD数据按时间聚合和按空间聚合,具体如下:
OD数据按时间聚合:对最近一段时间中每天的客流OD数据进行时间聚合,按每5-20min相同的起始站点和终点站点的客流OD数据进行累加求和,得到每5-20min的OD数,即得到OD数据按时间聚合的结果;
选取可进行空间聚合的起始站点和终点站点:根据OD数据按时间聚合的结果,对出发时间、起始站点和终点站点相同,出发日期为相同工作日或者相同周末的数个OD数,取OD数平均值和OD数最小值;如果OD数平均值≥公交车座位数的且OD数最小值≥公交车座位数的则该起始站点和终点站点符合空间聚合的要求,该起始站点经纬度坐标记为(X1,Y1),该终点站点经纬度坐标记为(X2,Y2);
对该起始站点(X1,Y1)和终点站点(X2,Y2)的OD数据按空间聚合:即获取以该起始站点(X1,Y1)为中心,方圆200-800米以内的所有公交站点,形成起始站点集合;获取以该终点站点(X2,Y2)为中心,方圆200-800米以内的所有公交站点,形成终点站点集合;根据所述OD数平均值,得到每个出发时间点的从起始站点集合到终点站点集合的所有空间OD数,即得到OD数据按空间聚合的结果;
根据行车地图获取到起始站点(X1,Y1)和终点站点(X2,Y2)的最快行驶线路,取最快行驶线路的距离需要大于6~15公里,且某个时刻空间OD数>Q1,或高峰时段空间OD数总数>Q2,或全天空间OD数总数>Q3的起始站点和终点站点,为定制公交线路的首末站,最快行驶线路为初定的定制公交线路。
8.根据权利要求7所述的一种基于精准OD大数据的定制公交线路设计***,其特征在于,对所述客流OD数据进行过滤,具体为:对起始站点和终点站点相同的客流OD记录进行过滤,对起始站点和终点站点相同不在线路同一个方向的OD记录进行纠正,把终点站点设置成反方向站点。
9.根据权利要求7所述的一种基于精准OD大数据的定制公交线路设计***,其特征在于,还包括优化模块;
所述优化模块,用于对初定的定制公交线路进行优化,有以下方法:
方法一:初定的定制公交线路出发时间为T1,查找起终站点都在该初定的定制公交线路上,且出发时间为T2的OD数据,选取OD数>q的2-4条OD数据,把所述2-4条OD数据的起终站点,设置在初定的定制公交线路上,并确保定制公交线路总站点数小于6-9站;其中T2=T1+首站到该OD的起始站点的路准时间;
方法二:初定的定制公交线路出发时间为T1,查找起终站点距离该初定的定制公交线路的最近距离小于500-1000m,且出发时间为T2的OD数据,选取OD数较大且OD数>q的2-4条OD数据,对初定的定制公交线路进行重新规划,把所述2-4条OD数据的起终站点,作为定制公交线路的途径站点,确保定制公交线路总站点数小于6-9站,确保重新规划后的线路长度小于初定定制公交线路的长度的120%;其中T2=T1+首站到该OD的起始站点的路准时间;
方法三:初定的定制公交线路出发时间为T1,查找从起始站点(X1,Y1)到终点站点(X2,Y2)的其他线路,取线路行驶时间小于初定定制公交线路的行驶时间的120%的线路L1,然后按照方法一的步骤,增加线路L1上的途径站点;
方法四;初定的定制公交线路出发时间为T1,查找起始站点到该初定的定制公交线路末站的距离小于500-1500m,且出发时间为T2的OD数据,选取OD数最大,且OD数平均值>公交车座位数的1/4,且该OD数据的起始站点和终点站点距离小于3-8km的OD数据M,选择OD数据M的起始站点和终点站点为初定的定制公交线路的两个延伸站点;
从而得到优化后的定制公交线路;
对初定的定制公交线路进行优化方法也可以是上述四种方法中任意两种或者三种方法的组合,且确保定制公交线路总站点数小于6-9站。
10.根据权利要求7-9任一项所述的一种基于精准OD大数据的定制公交线路设计***,其特征在于,还包括评估模块,用于对定制公交线路的客流进行评估:根据OD数据按时间聚合结果,计算每个时刻的定制公交线路的客流OD总数,若工作日连续5天或周末连续2天的平均客流OD总数≥公交车座位数,OD总数最小值≥公交车座位数的1/2,则可开通该定制公交线路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214927.4A CN112289065B (zh) | 2019-12-02 | 2019-12-02 | 一种基于精准od大数据的定制公交线路设计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911214927.4A CN112289065B (zh) | 2019-12-02 | 2019-12-02 | 一种基于精准od大数据的定制公交线路设计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112289065A CN112289065A (zh) | 2021-01-29 |
CN112289065B true CN112289065B (zh) | 2021-07-16 |
Family
ID=74418870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911214927.4A Active CN112289065B (zh) | 2019-12-02 | 2019-12-02 | 一种基于精准od大数据的定制公交线路设计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112289065B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113469451B (zh) * | 2021-07-19 | 2024-01-05 | 杭州数知梦科技有限公司 | 基于启发式算法的定制公交线路生成方法 |
CN115907266B (zh) * | 2023-03-02 | 2023-06-13 | 杭州半云科技有限公司 | 基于客流出行特征的定制公交线路规划方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002042299A (ja) * | 2000-07-27 | 2002-02-08 | Toshiba Corp | ショートカット・デマンドバスの運行方法、その運行システム、及びこれに用いる情報提示システム |
CN101908275B (zh) * | 2010-07-27 | 2013-01-02 | 南京信息工程大学 | 基于多网络的公共交通优化出行方法 |
CN101944288B (zh) * | 2010-08-25 | 2012-02-22 | 东南大学 | 城市公交线路停靠站设置方法 |
CN103942948B (zh) * | 2014-04-10 | 2016-03-16 | 中南大学 | 基于分段拼接的城市公交线路网络的生成方法 |
CN104318758B (zh) * | 2014-11-05 | 2016-06-29 | 东南大学 | 基于多层次多模式的公交线网规划方法 |
CN105046350A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于afc数据的公交客流od实时估计方法 |
CN106530680B (zh) * | 2016-12-02 | 2019-03-29 | 东南大学 | 一种基于大站快车的公交线路组合服务方法 |
CN107220733B (zh) * | 2017-06-15 | 2020-04-28 | 重庆交通大学 | 基于互联网和车路协同的起讫点集定制公交开行优化方法 |
-
2019
- 2019-12-02 CN CN201911214927.4A patent/CN112289065B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112289065A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564226B (zh) | 一种基于出租车gps及手机信令数据的公交线路优化方法 | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
Merlin | Comparing automated shared taxis and conventional bus transit for a small city | |
CN101470946B (zh) | 城市公交***中gps和客流数据处理方法 | |
CN109508865B (zh) | 基于时空使用模式的地铁站辐射范围内共享单车的部署方法 | |
CN104574970B (zh) | 城市地下停车***出入口接驳处交通状态评价方法 | |
CN105070044A (zh) | 一种基于乘客预约的定制公交合乘车辆动态调度方法 | |
Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
CN103985247A (zh) | 基于城市叫车需求分布密度的出租车运力调度*** | |
CN201804445U (zh) | 一种智能公交营运管理*** | |
CN102819955A (zh) | 基于车辆行程数据的道路网运行评价方法 | |
CN102113001A (zh) | 用于出租车管理的***与方法 | |
CN112289065B (zh) | 一种基于精准od大数据的定制公交线路设计方法及*** | |
CN112288122B (zh) | 一种基于客流od大数据的公交快速通勤线路设计方法 | |
Zwick et al. | Impact of service design on urban ridepooling systems | |
Yatskiv et al. | Evaluating Riga transport system accessibility | |
CN112150650A (zh) | 一种基于北斗高精度的公路里程计费管理云平台 | |
Sauter et al. | A charging infrastructure network for battery electric trucks in Europe | |
Witt | Determination of the Number of Required Charging Stations on a German Motorway Based on Real Traffic Data and Discrete Event-Based Simulation | |
CN107862865B (zh) | 一种出行信息的预测方法及装置 | |
CN109784571A (zh) | 一种智慧出行***和终端 | |
CN114078322B (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
Lu et al. | Creating an agent-based long-haul freight transport model for Germany | |
Wigner | Disaggregated mode choice models of downtown trips in the Chicago region | |
CN113420439B (zh) | 综合交通承载力计算方法、装置、计算机设备及存储介质 |
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 |