CN113570148B - 基于乘客仿真的城轨车站停站时间优化设置方法 - Google Patents
基于乘客仿真的城轨车站停站时间优化设置方法 Download PDFInfo
- Publication number
- CN113570148B CN113570148B CN202110879869.8A CN202110879869A CN113570148B CN 113570148 B CN113570148 B CN 113570148B CN 202110879869 A CN202110879869 A CN 202110879869A CN 113570148 B CN113570148 B CN 113570148B
- Authority
- CN
- China
- Prior art keywords
- passenger
- stop time
- passengers
- train
- simulation
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 239000000203 mixture Substances 0.000 claims abstract description 3
- 238000003066 decision tree Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于乘客仿真的城轨车站停站时间优化设置方法;步骤如下:首先,根据外部输入的特定场景、车站类型和客流构成进行多次仿真实验,获得不同的特定场景下的留乘乘客数和列车满载率与停站时间之间的相互关系;然后,计算同一特定场景下的多次仿真实验所得结果,即相应的留乘乘客数和相应的列车满载率与相应的停站时间之间的相互关系的平均值,作为最终结果输出;最后,将最终结果输出给相应的特定场景,根据相应的留乘乘客数和相应的列车满载率与相应的停站时间之间的相互关系给出相应的特定场景下的停站时间方案。本发明可以更充分考虑与停站时间优化相关的众多不确定性影响因素,更好实现停站时间效益最大化的目标。
Description
技术领域
本发明涉及城轨车站管理技术领域,特别涉及基于乘客仿真的城轨车站停站时间优化设置方法。
背景技术
近年来,随着社会经济及城市轨道交通的快速发展,轨道交通客流量大幅度增加,运输组织难度显著提高。而优化停站时间设计是提高服务质量与效率的关键,合理的停站时间对于改善城市轨道交通车站环境,提高车站服务水平,以及提高地铁列车的运行效率具有重要的研究意义。
乘客上车过程可以抽象为几个阶段:乘客到达,乘客在站台选择候车位置,乘客是否上车的个体决策,乘客上下车行为,乘客上车。其中,乘客是否上车个体决策的不确定性最大也最为复杂。
在现有技术中,研究乘客上车过程的数学解析方法较多,主要侧重于上下车人数以及上下车速度与停站时间的相关研究,优化停站时间问题的目标一般可以表述为“对于给定场景的车站类型、乘客类型,优化设计停站时间效益最大化”在此优化问题中的约束主要包括车厢容量、地铁线路运输能力、客流量方面。
然而,在实际问题中,在一定的列车满载率水平下,车站的留乘乘客数主要受乘客个体决策影响:以始发站为例,如果乘客出行距离较长,在此班车没有座位的情况下,某些乘客会选择待,这时即使延长停站时间也是毫无效益的。当列车满载率大于1时,留乘乘客数主要受列车运输能力影响。随着车厢容量的饱和,单位时间内能上车的乘客数越来越少,若过多的延长停站时间,边际效益会持续降低。因此,受多种因素共同影响,难以用解析方法抽象出具有普适意义并与实际情况相符合的数学模型,若能采用实验分析方法,找到限制条件下停站时间效益曲线中停站时间效益增长率显著降低直到接近0的极小点,就能获取不同场景下比较合乎实际而合理的停站时间。目前基于乘客个体级上车决策、在不同场景下将乘客的个体属性特征及对环境认知与列车停站时间有机地结合起来,通过乘客个体级仿真手段进行停站时间优化研究的成果还较少。
因此,如何获取不同场景下既贴合实际又合理的停站时间,实现停站时间效益最大化的目标成为本领域技术人员急需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷,本发明提供基于乘客仿真的城轨车站停站时间优化设置方法,实现的目的是运用个体级决策的仿真方法,找到限制条件下停站时间效益曲线中停站时间效益增长率显著降低直到接近0的极小点,获取不同场景下既贴合实际又合理的停站时间,实现停站时间效益最大化的目标。
为实现上述目的,本发明公开了基于乘客仿真的城轨车站停站时间优化设置方法;步骤如下:
步骤1、根据外部输入的特定场景、车站类型和客流构成进行多次仿真实验,获得不同的所述特定场景下的,在列车满载率大于1时和小于等于1时的留乘乘客数和停站时间之间的相互关系;
步骤2、计算同一所述特定场景下的多次所述仿真实验所得结果,即,在列车满载率大于1时和小于等于1时的相应的所述留乘乘客数和相应的所述停站时间之间的相互关系的平均值,作为最终结果输出;
步骤3、将所述最终结果输出给相应的所述特定场景,根据在列车满载率大于1时和小于等于1时的相应的所述留乘乘客数和相应的所述停站时间之间的相互关系给出相应的所述特定场景下的停站时间方案。
优选的,在所述步骤1中,所述仿真实验的方法如下:
步骤1.1、输入模拟***参数,包括所述特定场景、所述车站类型和所述客流构成;
步骤1.2、利用仿真模型模拟所述特定场景下停站时间为1s-120s所对应的***状态,选取停站时间效益最大化的时间点;
步骤1.3、对于每一个给定的所述特定场景进行若干次仿真,输出不同的所述特定场景下的,在列车满载率大于1时和小于等于1时的留乘乘客数和停站时间之间的相互关系。
更优选的,所述仿真模型包括乘客到达模块、乘客决策选择模块和留乘模块;
所述乘客到达模块模拟乘客到达、选取站台候车位置信息;
所述乘客决策选择模块根据乘客个体属性特征、车站设施及列车特征、客流量及其他环境因素,采用基于规则的决策树方法,模拟个体乘客是否上车的决策行为;
所述留乘模块根据列车满载率是否大于1确定上下车时间,当列车满载率大于1时,在一定时间内挤上车的乘客数可以采用改进的二项分布模型,进而仿真计算乘客上车的人数。
更优选的,所述乘客到达模块根据每一所述特定场景下进站口到达乘客数和换乘乘客数这两部分的加权平均到达率计算乘客的平均到达率;
其中所述进站口的所述到达乘客数在一定时间段内服从泊松分布,所述换乘乘客在通道内的步行速度服从正态分布。
更优选的,所述乘客决策选择模块是基于乘客个体属性特征的乘客上车概率决策树,综合考虑乘客个体属性特征、车站设施及列车特征、客流量及其他环境因素;
在乘客上车概率决策树中最后的损益是概率值,即关于概率参数β和1-β为在选定的条件下上下车的概率,不同条件对应的β取值不同,通常情况下β大于0.5;
β的选取根据经验及调查数据统计规律方法标定。
更优选的,仿真模拟的工作过程如下:
A1、乘客个体到达;
A2、乘客在站台选择上车位置;
A3、判断列车是否到达;
A4、若列车到达执行后续步骤,若列车未到达返回步骤A1;
A5、乘客个体决策上车与否;若决策为上车,则执行步骤A6;否则执行A10;
A6、乘客上下车;
A7、判断列车满载率是否大于1;
A8、若列车满载率大于1,则执行步骤A9;否则执行A10;
A9、部分乘客挤上车;
A10、输出结果。
本发明的有益效果:
本发明相较于普遍使用的数学解析方法,可以更充分考虑与停站时间优化相关的众多不确定性影响因素,找到限制条件下停站时间效益曲线中停站时间效益增长率显著降低直到接近0的极小点,获取不同场景下既贴合实际又合理的停站时间,更好实现停站时间效益最大化的目标。
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流程图。
图2示出本发明一实施例中仿真实验的流程图。
图3示出本发明一实施例中留乘模块工作过程的流程图。
图4示出本发明一实施例中乘客决策选择模的乘客上车概率决策树示意图。
图5示出本发明一实施例中应用本发明的软件***功能架构图。
图6示出本发明一实施例中应用本发明的停站时间优化结果图。
具体实施方式
实施例
如图1所示,基于乘客仿真的城轨车站停站时间优化设置方法;步骤如下:
步骤1、根据外部输入的特定场景、车站类型和客流构成进行多次仿真实验,获得不同的特定场景下的,在列车满载率大于1时和小于等于1时的留乘乘客数和停站时间之间的相互关系;
步骤2、计算同一特定场景下的多次仿真实验所得结果,即在列车满载率大于1时和小于等于1时的相应的留乘乘客数和相应的停站时间之间的相互关系的平均值,作为最终结果输出;
步骤3、将最终结果输出给相应的特定场景,根据在列车满载率大于1时和小于等于1时的相应的留乘乘客数和相应的停站时间之间的相互关系给出相应的特定场景下的停站时间方案。
本发明运用个体级决策的仿真方法,可以充分考虑与停站时间优化相关的众多不确定性影响因素,找到限制条件下停站时间效益曲线中停站时间效益增长率显著降低直到接近0的极小点,获取不同场景下既贴合实际又合理的停站时间,对一般数学解析方法进行有效补充,实现停站时间效益最大化的目标。
如图2所示,在某些实施例中,在步骤1中,仿真实验的方法如下:
步骤1.1、输入模拟***参数,包括特定场景、车站类型和客流构成;
这里的输入是外部用户输入,会根据实际情况输入不同的参数值。具体如图6所示,比如车站类型,有始发站、换乘站、终点站、大型枢纽站,不同车站类型,一系列参数都不同。乘客类型包括商务旅行、求学、务工、旅游、通勤。场景包括早晚高峰、平峰场景,不同车站、乘客类型组合场景。
步骤1.2、利用仿真模型模拟特定场景下停站时间为1s-120s所对应的***状态,选取停站时间效益最大化的时间点;
步骤1.3、对于每一个给定的特定场景进行若干次仿真,输出不同的特定场景下的,在列车满载率大于1时和小于等于1时的留乘乘客数和停站时间之间的相互关系。
在某些实施例中,仿真模型包括乘客到达模块、乘客决策选择模块和留乘模块;
乘客到达模块模拟乘客到达、选取站台候车位置信息;
乘客决策选择模块根据乘客个体属性特征、车站设施及列车特征、客流量及其他环境因素,采用基于规则的决策树方法,模拟个体乘客是否上车的决策行为;
留乘模块根据列车满载率是否大于1确定上下车时间,当列车满载率大于1时,在一定时间内挤上车的乘客数可以采用改进的二项分布模型,进而仿真计算乘客上车的人数。
在某些实施例中,乘客到达模块根据每一特定场景下进站口到达乘客数和换乘乘客数这两部分的加权平均到达率计算乘客的平均到达率;
其中进站口的到达乘客数在一定时间段内服从泊松分布,换乘乘客在通道内的步行速度服从正态分布。
如图5和图6所示,采用本发明模拟不同的场景以停站时间效益最大化为指标输出合理优化的停站时间,***主要包括四大模块,参数设置,结果展示,数据输出,不同场景,该***能够基于乘客仿真模拟城市轨道交通车站不同场景优化停站时间并进行图形展示。
如图4所示,在某些实施例中,乘客决策选择模块是基于乘客个体属性特征的乘客上车概率决策树,综合考虑乘客个体属性特征、车站设施及列车特征、客流量及其他环境因素;
在乘客上车概率决策树中最后的损益是概率值,即关于概率参数β和1-β为在选定的条件下上下车的概率,不同条件对应的β取值不同,通常情况下β大于0.5;
β的选取根据经验及调查数据统计规律方法标定。
如图3所示,在某些实施例中,仿真模拟的工作过程如下:
A1、乘客个体到达;
A2、乘客在站台选择上车位置;
A3、判断列车是否到达;
A4、若列车到达执行后续步骤,若列车未到达返回步骤A1;
A5、乘客个体决策上车与否;若决策为上车,则执行步骤A6;否则执行A10;
A6、乘客总体上下车;
A7、判断列车满载率是否大于1;
A8、若列车满载率大于1,则执行步骤A9;否则执行A10;
A9、部分乘客挤上车;
A10、输出结果。
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 (3)
1.基于乘客仿真的城轨车站停站时间优化设置方法;步骤如下:
步骤1、根据外部输入的特定场景、车站类型和客流构成进行多次仿真实验,获得不同的所述特定场景下的,在列车满载率大于1时和小于等于1时的留乘乘客数和停站时间之间的相互关系;
所述仿真实验的方法如下:
步骤1.1、输入模拟***参数,包括所述特定场景、所述车站类型和所述客流构成;
步骤1.2、利用仿真模型模拟所述特定场景下停站时间为1s-120s所对应的***状态,选取停站时间效益最大化的时间点;
步骤1.3、对于每一个给定的所述特定场景进行若干次仿真,输出不同的所述特定场景下的,在列车满载率大于1时和小于等于1时的留乘乘客数和停站时间之间的相互关系;
步骤2、计算同一所述特定场景下的多次所述仿真实验所得结果,即在列车满载率大于1时和小于等于1时的相应的所述留乘乘客数和相应的所述停站时间之间的相互关系的平均值,作为最终结果输出;
步骤3、将所述最终结果输出给相应的所述特定场景,根据在列车满载率大于1时和小于等于1时的相应的所述留乘乘客数和相应的所述停站时间之间的相互关系给出相应的所述特定场景下的停站时间方案;
所述仿真模型包括乘客到达模块、乘客决策选择模块和留乘模块;
所述乘客到达模块模拟乘客到达、选取站台候车位置信息;
所述乘客决策选择模块根据乘客个体属性特征、车站设施及列车特征、客流量及其他环境因素,采用基于规则的决策树方法,模拟个体乘客是否上车的决策行为;
所述留乘模块根据列车满载率是否大于1确定上下车时间,当列车满载率大于1时,在一定时间内挤上车的乘客数采用改进的二项分布模型,进而仿真计算乘客上车的人数;
仿真模拟的工作过程如下:
A1、乘客个体到达;
A2、乘客在站台选择上车位置;
A3、判断列车是否到达;
A4、若列车到达执行后续步骤,若列车未到达返回步骤A1;
A5、乘客个体决策上车与否;若决策为上车,则执行步骤A6;否则执行A10;
A6、乘客总体上下车;
A7、判断列车满载率是否大于1;
A8、若列车满载率大于1,则执行步骤A9;否则执行A10;
A9、部分乘客挤上车;
A10、输出结果。
2.根据权利要求1所述的基于乘客仿真的城轨车站停站时间优化设置方法,其特征在于,所述乘客到达模块根据每一所述特定场景下进站口到达乘客数和换乘乘客数这两部分的加权平均到达率计算乘客的平均到达率;
其中所述进站口的所述到达乘客数在一定时间段内服从泊松分布,所述换乘乘客在通道内的步行速度服从正态分布。
3.根据权利要求1所述的基于乘客仿真的城轨车站停站时间优化设置方法,其特征在于,所述乘客决策选择模块是基于乘客个体属性特征的乘客上车概率决策树,综合考虑乘客个体属性特征、车站设施及列车特征、客流量及其他环境因素;
在乘客上车概率决策树中最后的损益是概率值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110879869.8A CN113570148B (zh) | 2021-08-02 | 2021-08-02 | 基于乘客仿真的城轨车站停站时间优化设置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110879869.8A CN113570148B (zh) | 2021-08-02 | 2021-08-02 | 基于乘客仿真的城轨车站停站时间优化设置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570148A CN113570148A (zh) | 2021-10-29 |
CN113570148B true CN113570148B (zh) | 2024-04-09 |
Family
ID=78169844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110879869.8A Active CN113570148B (zh) | 2021-08-02 | 2021-08-02 | 基于乘客仿真的城轨车站停站时间优化设置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570148B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN111071305A (zh) * | 2019-12-06 | 2020-04-28 | 北京交通运输职业学院 | 城市轨道交通列车停站时间智能估算方法及装置 |
CN112214873A (zh) * | 2020-09-10 | 2021-01-12 | 卡斯柯信号有限公司 | 一种轨道交通故障下的客流分布仿真评估方法及*** |
-
2021
- 2021-08-02 CN CN202110879869.8A patent/CN113570148B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
CN111071305A (zh) * | 2019-12-06 | 2020-04-28 | 北京交通运输职业学院 | 城市轨道交通列车停站时间智能估算方法及装置 |
CN112214873A (zh) * | 2020-09-10 | 2021-01-12 | 卡斯柯信号有限公司 | 一种轨道交通故障下的客流分布仿真评估方法及*** |
Non-Patent Citations (4)
Title |
---|
二次关门对城市轨道交通列车停站时间的影响;王思韬 等;《城市轨道交通研究》(第7期);全文 * |
基于前景理论的城市轨道交通停站方案研究;李颖 等;《公路交通科技》;第35卷(第4期);第86-90页 * |
基于动态停站时间的城市轨道交通跨站 列车开行方案研究;王智鹏;《甘肃科学学报》;第第31卷卷(第第1期期);全文 * |
考虑客流时变需求的大小交路列车时刻表优化模型;许得杰;巩亮;曾俊伟;;交通运输***工程与信息(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113570148A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107092976B (zh) | 一种多目标模型协同优化多条公交线路发车间隔的方法 | |
CN111340406B (zh) | 基于od客流的公交动态编排模型的实现方法及*** | |
CN102867408B (zh) | 一种公交出行路线的选择方法 | |
CN111047915B (zh) | 停机位分配方法、装置及终端设备 | |
CN111369181A (zh) | 一种列车自主调度深度强化学习方法和模块 | |
CN110751314B (zh) | 考虑用户充电行为特征数据驱动的电动汽车负荷预测方法 | |
CN109002625B (zh) | 一种基于鲁棒优化的接驳公交网络设计方法 | |
CN113276915B (zh) | 一种地铁发车调度方法和*** | |
Wang et al. | Metro timetable optimisation for minimising carbon emission and passenger time: a bi‐objective integer programming approach | |
Wang et al. | Time‐Dependent Electric Vehicle Routing Problem with Time Windows and Path Flexibility | |
CN110598971A (zh) | 一种基于蚁群算法的响应式公交服务规划方法 | |
CN102538812A (zh) | 基于动态多车型路径规划的禁忌搜索仿真优化***及方法 | |
CN110443422B (zh) | 基于od吸引度的城市轨道交通od客流预测方法 | |
CN113935595B (zh) | 一种城市轨道交通路网高峰大客流疏导*** | |
Xiao et al. | Optimizing coordinated transfer with probabilistic vehicle arrivals and passengers' walking time | |
CN109118412B (zh) | 城市轨道交通网络客流在线控制*** | |
CN113570148B (zh) | 基于乘客仿真的城轨车站停站时间优化设置方法 | |
CN114781704A (zh) | 一种基于过站航班保障流程的航班延误预测方法 | |
CN108876144B (zh) | 一种基于深度学习算法的变电站预选址方法 | |
CN110222892A (zh) | 乘客的下车站点预测方法及装置 | |
CN115352502B (zh) | 一种列车运行方案调整方法、装置、电子设备及存储介质 | |
CN112766605A (zh) | 一种基于容器云平台的多源客流预测***及方法 | |
CN108515988B (zh) | 一种提高乘客时效的列车运行图优化方法 | |
CN115481777A (zh) | 面向多线路公交动态时刻表协同仿真优化方法、设备及介质 | |
Feng et al. | Optimising departure intervals for multiple bus lines with a multi‐objective model |
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 |