CN115713184A - 一种公交线路运营服务评估方法 - Google Patents
一种公交线路运营服务评估方法 Download PDFInfo
- Publication number
- CN115713184A CN115713184A CN202211428298.7A CN202211428298A CN115713184A CN 115713184 A CN115713184 A CN 115713184A CN 202211428298 A CN202211428298 A CN 202211428298A CN 115713184 A CN115713184 A CN 115713184A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- index data
- line
- bus
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种公交线路运营服务评估方法,包括:获取不同层级线路的指标数据;对指标数据进行定量分析得到不同层级线路的定量划分数据;通过CRITIC法对指标数据进行计算,得到指标权重;基于定量划分数据和指标数据得到标准线路划分数据;通过TOPSIS法对指标权重和标准线路划分数据进行综合评估,得到线路排名和等级划分数据。通过上述技术方案,本发明能够对公交线路进行有效、准确且便捷的评价。
Description
技术领域
本发明属于公共交通数据挖掘和公共交通优化领域,特别是涉及一种 公交线路运营服务评估方法研究的方法。
背景技术
交通设施是城市主要的基础设施之一,是城市人流、物流、信息流的 载体。城市交通体系能否良性循环,关系着城市功能的有效发挥以及城市 经济和社会的可持续发展。目前公交公司根据经验对重复线路(公交和地 铁重合路段)分析,调整公交线路,效果不太理想,因此,及时的发现存 在问题的线路,是有效解决城市交通问题的有力方法。在之前的相关研究 中,申请号为202110617812提出的一种公交营运指标分类及评价方法与流 程,其是对不同层级线路进行指标的分类,进行权重的划分,再对每个指 标划分出等级,以此来进行最后的评估。该方法对于权重的划分,没有具 体的方法,对于评估线路的准确性和便捷性有待提高,同时,该方法缺少 客观的依据,亟需一种能够有效、准确且便捷对公交线路进行评价的方法。
发明内容
为解决上述现有技术中所存在的问题,本发明提供一种公交线路运营 服务评估方法研究,能够对公交线路进行有效、准确且便捷的评价。
为实现上述技术目的,本发明提供了如下技术方案:
一种公交线路运营服务评估方法研究,包括:
获取不同层级线路的指标数据;对指标数据进行定量分析得到不同层 级线路的定量划分数据;通过CRITIC法对指标数据进行计算,得到指标权 重;基于定量划分数据和指标数据得到标准线路划分数据;通过TOPSIS 法对指标权重和标准线路划分数据进行综合评估,得到线路排名和等级划 分数据。
可选的,所述指标数据包括:时间评价指标,空间评价指标,运力评 价指标,舒适度评价指标;
其中时间评价指标包括公交运营时长、正点率、公交运营时速、发车 间隔;空间评价指标包括线路长度、非直线系数、500m站点覆盖率、线路 最大重复度;运力评价指标包括客运量、高峰与平峰发车比值、满载率; 舒适度评价指标包括公交万人保有量、空调车比例。
可选的,所述对指标数据进行定量分析的过程包括:
获取公交线路数据,对公交线路数据进行定性分析得到公交线路的层 级数据,其中所述层级数据包括干线、支线及快线;基于所述层级数据, 对指标数据进行定量分析,得到不同层级线路的定量划分数据,其中定量 分析过程包括统计所述指标数据的不同区间范围的占比。
可选的,通过CRITIC法对指标数据进行计算的过程包括:
对指标数据进行无量纲化处理;基于所述无量纲化处理结果计算得到 指标数据信息承载量,基于所述指标数据信息承载量对指标数据进行赋权 得到指标权重。
可选的,所述无量纲化处理步骤包括:
获取每个指标数据的最大值和最小值,基于最大值和最小值对指标数 据进行分类,得到分类后的指标数据,分类后的指标数据包括正向型指标 数据、负向型指标数据和区间型指标数据;基于分类后的指标数据对指标 数据进行无量纲化处理,得到无量纲化处理结果;其中无量纲化处理过程 包括对正向指标数据进行正向化处理,对负向指标数据进行逆向处理,对 区间指标数据进行正向化处理。
可选的,所述计算指标数据信息承载量的过程包括:
基于所述无量纲化处理结果计算指标数据波动性Yj:
基于所述无量纲化处理结果计算指标数据的相关矩阵dij:
基于指标数据的相关矩阵dij计算指标数据冲突性:
指标数据冲突性计算公式为:
基于所述指标数据冲突性与指标数据波动性计算得到指标数据信息量,
指标数据信息量计算公式为:
Cj=Yj×Aj
可选的,所述获取指标权重的过程包括:
基于指标数据信息量对每个指标数据进行赋权得到指标权重:
可选的,所述获取标准线路划分数据的过程包括:
基于指标数据得到指标平均值数据,基于指标平均值数据对所述不同 层级线路的定量划分数据进行调整,得到不同层级线路中指标的评估等级, 通过对所述评估等级进行划分,得到标准线路划分数据。
可选的,所述通过TOPSIS法对指标权重和标准线路划分数据进行综合 评估的过程包括:
基于所述指标权重构造加权规范矩阵Cij,基于所述加权规范矩阵Cij计算得到正理想解C*和负理想解C0:
其中所述正理想解C*的获取过程为:
所述负理想解C0的获取过程为:
基于公交线路数据得到各个备选方案,基于正理想解C*和负理想解C0计算各个备选方案到正理想解C*和负理想解C0的距离:
其中,所述备选方案di到正理想解C*的距离的获取过程为:
所述备选方案di到负理想解C0的距离的获取过程为:
基于各个方案到正理想解C*与负理想解C0的距离计算各个备选方案的 排序指标值(即综合评价指数):
基于综合评价指数结合标准线路划分数据得到线路排名和等级划分数 据。
本发明的技术效果为:本发明通过对不同层级线路的时间,空间,运 力和舒适度进行定量与定性分析,将线路整体的情况准确的体现出来,具 有代表性,结合客观分析的CRITIC法算法进行权重的分析和使用TOPSIS 法对线路进行客观的综合评估,总结出一套普遍使用的线路划分情况,从 而可以基于对不同层级线路指标数据的情况,该方法具有适用性广,评估 客观,计算快速,成本低,评估范围全的优势,同时,亦可以保证评估线 路的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对 实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附 图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出 创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进 行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例, 而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没 有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的 范围。
为了解决在现有技术中存在的问题,本发明提供了如下方案:
实施例一
如图1所示,本实施例中提供一种公交线路运营服务评估方法研究, 包括:
本发明的具体实现流程为:
S1.首先将公交线路根据其不同的功能划分成不同功能层级的线路。
从不同城市的线路优化导则中,分析包含哪些类型线路以及其具体功 能。
重新将线路的功能进行定性划分。
将线路划分成干线,快线,支线,如表1所示,其中表1为案例中不 同层级线路划分
表1
线路名称 | 线路类型 |
1路 | 干线 |
16路 | 干线 |
210路 | 干线 |
8路 | 干线 |
326路 | 干线 |
371路 | 干线 |
… | … |
109路 | 快线 |
382路 | 快线 |
383路 | 快线 |
… | … |
938路 | 支线 |
412路 | 支线 |
410路 | 支线 |
根据线路的定性分析,参考其他城市的标准导则规范和对城市的不同 层级线路,以及根据其指标数据的不同区间范围的占比,对指标进行的定 量划分,本发明选取线路长度、非直线系数、公交运营平均时速、公交线 路运营时间、正点率、客运量、高峰满载率、发车间隔、线路最大重复度 这几个方面对不同功能层级线路进行定量分析,如表2所示,表2为线路 的定量划分。
表2
干线 | 快线 | 支线 | |
线路长度 | >1同时<30km | >30km | <=10km |
非直线系数 | <=1.4 | <=1.4 | / |
公交运营平均时速 | 20公里/小时 | >=25公里/小时 | <=17公里/小时 |
公交线路运营时间 | >16小时 | >15小时 | >15小时 |
正点率 | >=80% | >=80% | >=75% |
客运量 | >0.5万人 | 0.5-2万人 | 0.05-0.5万人 |
高峰满载率 | 0.5-0.9 | 0.5-0.9 | / |
发车间隔 | 5—10分钟 | 10分钟左右 | 20分钟左右 |
线路最大重复度 | 0.2-0.6 | 0.2-0.5 | 0.1-0.4 |
S2.本实施例线路指标的选择应该结合实际,可以评估出一个线路的运 营服务水平。选择的方法如下:
查找相关的研究文献,确定指标的选取原则,包括定性与定量的结合、 层次性原则、规范性原则、独立性原则、可比性原则、实用性的原则。
指标选取的步骤:
结合一些城市的线路优化导则,查阅相关的文献,从时间,空间,运 力,舒适度选取线路的评估指标。
根据指标的选取规则,筛除不符合条件的评估指标。
所述指标数据包括:时间评价指标,空间评价指标,运力评价指标, 舒适度评价指标。
其中时间评价指标包括公交运营时长、正点率、公交运营时速、发车 间隔;
公交运营时长(公交线路(单程)运营时长、公交线路(总体)运营 时长)是指公交线路在一天内运营的时间长度,可用末站到站时间和首站 发车时间的差值表示,反应了公交线路的可提高服务的时间情况。
T=T末-T初
式中:T——公交运营时长;
T末——首站最晚的发车时间;
T初——首站最早发车时间。
正点率是公交企业在执行运输计划时,车辆实际岀发时间与计划岀发 时间的比率,是衡量公交运输效率和运输质量的重要指标,直观的反映出 线路的运行效率的好坏。
式中:ρ——公交线路的正点率;
DS——公交线路的到站正点率;
XS——公交线路的发车正点率。
到站正点率为公交车辆按计划时间到达某站点的概率,也是衡量公交 运输效率和运输质量的重要指标。
式中:Ds——到站的正点概率;
∑D——准时到站的车辆个数,遵循计划到站时间-5分钟≤实际到站时 间≤计划到站时间+5分钟的公交车的个数;
∑S——总的公交车个数。
发车正点率为公交按时间发车的概率,反映出公交站点的准时性。
式中:Xs——发车的正点概率;
∑X——准时发车的数量,遵循实际发车时间≤计划发车时间+2分钟的 公交车个数;
∑S——总的公交车的个数。
公共汽车运营时速
公共汽车平均运营时速是指公交车辆在正常行驶状态下的平均速度, 指线路长度与运送时间的比值,可以体现出城市公交车的运行效率,因此 公交运送速度可以用来表征公交线路供给水平的高低。
式中:Va——乘车区间的平均运送速率;
La——线路长度;
Ta——运送的时间。
高峰时段发车频率
发车间隔是公交线路按照计划在一个时间周期内平均发车的间隔时间。 发车间隔允许最大值取决于客运服务质量的要求,一般不应大于20min为 宜。发车间隔允许最小值在行车秩序正常的情况下,对大中城市客运高峰 线路,一般不低于1min为宜。
空间评价指标包括线路长度、非直线系数、500m站点覆盖率、线路最 大重复度;非直线系数采用空间思维来表示公交线路的曲折程度,随着城 市空间结构和路网结构的复合化,在确定合理值时应当结合城市规模和布 局,客流方向具体确定。非直线系数越大,表明公交行驶周期越长,运营 准点率也越低。
式中:Za——线路的非直线系数;
La——公交线路的实际距离;
Ls——公交线路首末站的直线距离。
线路长度为线路运营的长度,是运营车辆沿公交线路的走向,如果线 路是非环线,线路运营长度分为上行长度和下行长度,上行长度是运营车 辆沿公交线路从末站向首站方向运行的线路长度;下行长度是运营车辆沿 公交线路从首站向末站方向运行的线路长度。非环线的公交线路运营长度 为上、下行长度的总和。线路长度要适中,线路过长一方面会造成公交准 点率降低和运营效率下降等问题,另一方面线路过长易造成驾驶员疲劳,不利于行车安全;线路过短则不利于公交运营调度,同时也会增加乘客换 乘次数。
La=La1+La2
其中,La表示线路的长度;La1表示线路的上行长度;La2表示线路的 下行长度。
线路最大的重复度,可以看出线路的是否可替代性,对于一条公交线 路而言,假定一个公交线路有10个公交站点,则会有9条站点之间的线路, 而这9条线路跟其他的公交线路的站点线路,如果绝大部分的客流量都可 以由其中重复度最大的线路来承担,那么这也是对运力的一种浪费。
α:线路最大重复度
Max重复:与其他所有线路相比,重复最多的线路个数
δ:公交线路的所有站点线路
500m站点覆盖率表示以一个站点为圆心,500m为半径所覆盖的区域面 积占城市可以设置公交站点面积的百分比。站点覆盖率体现了城市公交布 设的合理性,一定范围内站点覆盖率越高则更能方便的为乘客出行服务。
式中:Sγ——500m站点覆盖率;
Sa——公交站点的服务面积,一个公交站点以500m为半径的区域表示 一个公交站点的服务面积;
S城——城市用地的面积。
运力评价指标包括客运量、高峰与平峰发车比值、满载率;
客运量,就是统计期内公交运送乘客的数量、受线路客流需求影响较 大,线路的客流量越大,客运量也就越大。以此表征公交线路的需求量的 大小
高峰与平峰发车比值,发车班次为运营车辆沿线路走向,往返一圈的 圈次,一定程度上反映出线路的拥挤程度。
式中:N——高峰与平峰的发车比值;
N高——高峰的发车数量;
N平——平峰的发车数量。
满载率是一定时间内反映线路上运行车辆乘客满载程度的相对值。衡 量车辆利用程度的指标,是体现城市公交服务质量和水平的重要指标,也 是公交营运调度部门编制营运作业计划以及进行现场调度的依据之一。
r=Qs/Qe
式中,Qs为公交车实际载的人数,Qe为公交线路的车辆额定载客额人 数。
舒适度评价指标包括公交万人保有量、空调车比例。
公交万人保有量,即每万人平均拥有的公共交通车辆标准运营车数。 可以反映出一个城市公交发展的水平。从而反映出乘客的在等车时候的舒 适度。
式中:
PTI4代表公共交通车辆万人保有量,单位为标台每万人。
U汽代表公交车标准运营车辆按统一的标准当量折合成的运营车数,单 位为标台。
P城区代表城市城区人口总数,单位为人。
空调车比例,车内装有空调的比例,可以缓解气温带来的不舒适,从 而影响乘客的舒适度。
其中,Kβ代表装有空调的车的比例;K总代表总的公交车的数量;K空 代表装有空调车的比例。部分指标的选取如表3所示,其中表3为不同层 级线路的各个指标的情况(部分)。
表3
对于公交线路的评估模型的建立,本模型所需要的评价指标,应能够 全面反映公交车的运行状况,评价指标必须全面多样,每一项指标应该都 可以做到能计算、具有代表性的特征,构建出的指标体系既有对线路整体 的分析,又有对线路重要时段更细致的分析,比如正点率反映出线路整体 的情况(包含高峰,平峰的总体情况),而高峰正点率可以更细致的凸显 出线路在重要时段所体现的运营能力,从而提高这一项指标的评估准确性。在时间,空间,运力三个方面,去评估一条线路的运营能力。
城市的指标分析结果表明,其中公交干线的公交运营时长大部分线路 符合要求;高峰平均速度运营的速度较低;线路的最大重复度在整体上符 合要求,运力浪费较小。干线线路的长度大部分线路符合长度要求;正点 率整体较低。
公交快线的公交运营时长大部分线路符合要求;高峰平均运营速度与 平峰运营速度较慢,与干线的速度没有明显的差距;线路的最大重复度在 整体上符合要求;快线的正点率较低,大部分线路没有达到大于0.8。
公交支线的公交运营时长大部分线路符合要求;高峰平均运营速度与 平峰运营速度大部分线路符合条件;线路的最大重复度大部分线路符合条 件;正点率大部分线路也符合条件;支线的线路长度较长,有很大一部分 线路不符合条件。
S3.通过CRITIC法对指标数据进行计算的过程包括,对指标数据进行 无量纲化处理;基于所述无量纲化处理结果计算得到指标数据信息承载量, 基于所述指标数据信息承载量对指标数据进行赋权得到指标权重。
CRITIC方法是一种客观权重赋权法。它的基本思路是确定指标的客观 权重,以两个基本概念为基础。一是对比强度,它表示同一指标各个评价 方案取值差距的大小,以标准差的形式来表现。二是评价指标之间的冲突 性,指标之间的冲突性是以指标之间的相关性为基础,如两个指标之间具 有较强的正相关,说明两个指标冲突性较低。
可选的,所述无量纲化处理步骤包括:
获取每个指标数据的最大值和最小值,基于最大值和最小值对指标数 据进行分类,得到分类后的指标数据,分类后的指标数据包括正向型指标 数据、负向型指标数据和区间型指标数据;基于分类后的指标数据对指标 数据进行无量纲化处理,得到无量纲化处理结果;其中无量纲化处理过程 包括对正向指标数据进行正向化处理,对负向指标数据进行逆向处理,对 区间指标数据进行正向化处理。
假设进行主成分分析的指标变量有m个:x1,x2,……,xn,共有n 个评价对象,第i个评价对象的第j个指标的取值为xij。
对于正向指标进行正向化:
对于逆向指标进行逆向化:
对于区间指标正向化:
{xj}是一组指标的序列,且最佳的区间为[a,b],那么正向化的公式 如下:
M=max{a-min{xj},max{xj}-b}
可选的,所述计算指标数据信息承载量的过程包括:
基于所述无量纲化处理结果计算指标数据波动性Yj:
基于所述无量纲化处理结果计算指标数据的相关矩阵dij:
基于指标数据的相关矩阵dij计算指标数据冲突性:
指标数据冲突性计算公式为:
基于上述指标数据冲突性与指标数据波动性计算得到指标数据信息量,
指标数据信息量计算公式为:
Cj=Yj×Aj
信息量作为最后权重的依据;
可选的,所述获取指标权重的过程包括:
基于指标数据信息量对每个指标数据进行赋权得到指标权重:
CRITIC法计算得到的干线各项指标权重如表4所示,其中表4为 CRITIC法计算得到的干线各项指标权重。
表4
S4.获取标准线路划分数据的过程包括:
根据TOPSIS法,对线路情况进行分级,分级的依据是参考国家、行业 标准及城市公交公司的实际研究现状,基于每个指标的平均值,结合定量 分析结果,适当的进行增大和减小,从而将干线分为“好”“较好”“较 差”“差”四个等级,快线分为“好”“较好”“差”三个等级,支线分 为“好”“差”两个等级,如表5-7所示,其中表5为干线不同等级标准 划分,表6为干线不同等级标准划分,表7为支线不同等级的划分。
表5
表6
项 | 好 | 较好 | 差 |
公交运营时长 | >17 | >16 | <16 |
高峰平均速度 | >19 | >17 | <17 |
平峰平均速度 | >20 | >18 | <18 |
线路最大重复度 | <0.3 | <0.5 | >0.5 |
线路长度 | [30,60] | [60,70] | >70 |
正点率 | >0.7 | >0.6 | <0.6 |
到站正点率 | >0.4 | >0.3 | <0.3 |
高峰正点率 | >0.6 | >0.4 | <0.4 |
高峰到站率 | >0.3 | >0.2 | <0.2 |
客运量 | >5000 | >4500 | <4500 |
高峰平均客运量 | >80 | >60 | <60 |
平峰平均客运量 | >70 | >50 | <50 |
高峰满载率 | [0.9,1] | [1,1.5]和[0.7—0.9] | >1.5同时<0.7 |
高峰平峰发车比 | 0.5左右 | 0.5左右 | 0.4左右 |
非直线系数 | <1.4 | <1.5 | >1.5 |
表7
通过上述指标等级的划分,可以定义出不同等级的参考标准线路,从 而达到对不同等级线路的划分效果。如表8-10所示:其中表8为干线的标 准线路,表9为快线的标准线路,表10为支线的标准线路。
表8
表9
项 | 标准1 | 标准2 |
公交运营时长 | 17 | 16 |
高峰平均速度 | 19 | 17 |
平峰平均速度 | 20 | 18 |
线路最大重复度 | 0.4 | 0.5 |
线路长度 | 50 | 65 |
正点率 | 0.7 | 0.6 |
到站正点率 | 0.4 | 0.3 |
高峰正点率 | 0.65 | 0.4 |
高峰到站率 | 0.3 | 0.2 |
客运量 | 6000 | 5000 |
高峰平均客运量 | 80 | 60 |
平峰平均客运量 | 70 | 50 |
高峰满载率 | 0.95 | 1.4 |
高峰平峰发车比 | 0.5 | 0.5 |
非直线系数 | 1.4 | 1.5 |
表10
S5.通过TOPSIS法对指标权重和标准线路划分数据进行综合评估的过 程包括:
假设多属性决策方案集为D=d1,d2,…,dm,衡量方案优劣的属性 变量为x1,…,xn,这时方案集D中每个方案di(i=1,2,…,m)为n个 属性值构成的向量是[ai1,…,ain],它作为n维空间中的一个点,能唯 一地表征方案di。
正理想解接C*是一个方案集D中并不存在的虚拟的最佳方案,它的每 个属性值都是决策矩阵中该属性的最优值;而负理想解C0则是虚拟的最差 方案,它的每个属性值都是决策矩阵中该属性的最差值。在n维空间中, 将方案集D中的各备选方案di与正理想解C*和负理想解C0的距离进行比较, 既靠近正理想解又远离负理想解的方案D就是方案D中的最优方案,并可 以据此排定方案集D中各备选方案的优先顺序。
基于所述指标权重构造加权规范矩阵Cij,基于所述加权规范矩阵Cij计算得到正理想解C*和负理想解C0:
设由决策人给定各属性的权重向量为ω=[ω1,ω2,…,ω3]T,权重的大小 是根据CRITIC法对指标数据进行计算的算出的结果,其中构造加权规范阵 C=(cij)m×n的过程为:
cij=ωj·xij(j=1,…,n;i=1,2,…,m)
其中所述正理想解的获取过程为:
所述负理想解的获取过程为:
基于公交线路数据得到各个备选方案,基于正理想解C*和负理想解C0计算各个备选方案到正理想解C*和负理想解C0的距离:
其中,所述备选方案di到正理想解C*的获取过程为:
所述备选方案di到负理想解C0的距离的获取过程为:
基于各个方案到正理想解C*与负理想解C0的距离计算各个备选方案的 排序指标值(即综合评价指数):
基于综合评价指数结合标准线路划分数据得到线路排名和等级划分数 据。
根据上述CRITIC方法算出的各项指标权重,对每条线路通过TOPSIS 的方法进行评分排名,如表11所示,其中表11为通过TOPSIS法干线综合 评价情况。
表11
项 | 正理想解距离D+ | 负理想解距离D- | 相对接近度C | 排序结果 |
361路 | 0.439 | 0.661 | 0.601 | 1 |
112路 | 0.466 | 0.627 | 0.574 | 2 |
… | … | … | … | … |
8路 | 0.54 | 0.587 | 0.521 | 19 |
标准1 | 0.573 | 0.613 | 0.517 | 20 |
125路 | 0.505 | 0.538 | 0.516 | 21 |
… | … | … | … | … |
20路 | 0.579 | 0.543 | 0.484 | 55 |
标准2 | 0.6 | 0.559 | 0.482 | 56 |
402路 | 0.657 | 0.608 | 0.481 | 57 |
… | … | … | … | … |
131路 | 0.693 | 0.495 | 0.417 | 105 |
标准3 | 0.695 | 0.495 | 0.416 | 106 |
129路 | 0.671 | 0.477 | 0.416 | 107 |
… | … | … | … | … |
931路 | 0.753 | 0.464 | 0.381 | 119 |
对评价结果的分析为:
从以上线路中,选择不同等级的线路进行对比分析,如表12所示,其 中表12为干线中不同等级的线路指标的平均值。
表12
项 | 好 | 较好 | 较差 | 差 |
公交运营时长 | 17.67 | 16.57 | 16.76 | 15.49 |
高峰平均速度 | 17.4 | 17 | 15.47 | 18.8 |
平峰平均速度 | 21.37 | 17.92 | 17.01 | 19.46 |
线路最大重复度 | 0.27 | 0.28 | 0.32 | 0.41 |
线路长度 | 28.8 | 27.47 | 24.98 | 44.95 |
正点率 | 0.72 | 0.67 | 0.62 | 0.54 |
到站正点率 | 0.45 | 0.33 | 0.24 | 0.09 |
高峰正点率 | 0.66 | 0.6 | 0.54 | 0.52 |
高峰到站率 | 0.33 | 0.21 | 0.09 | 0.04 |
客运量 | 9635 | 7623 | 6305 | 2080 |
高峰平均客运量 | 103 | 90 | 81 | 55 |
平峰客运量 | 87 | 74 | 65 | 38 |
高峰满载率 | 1.2 | 1.15 | 1.07 | 0.64 |
高峰平峰发车比 | 0.51 | 0.53 | 0.48 | 0.51 |
非直线系数 | 1.58 | 1.85 | 1.83 | 1.85 |
由表中可以看出评价等级为好的线路在公交运营时长,平峰平均运营 速度,线路最大重复度,正点率,到站正点率,高峰正点率,高峰到站正 点率,高峰到站率,客运量,平峰客运量,非直线系数,整体上都明显的 优于其他的线路。而评价等级较好的线路在公交运营时长,线路最大重复 度,线路长度,正点率,到站正点率,高峰正点率,高峰到站正点率,客 运量,高峰平均客运量,平峰客运量整体表现上优于较差和差的线路。评 价等级为较差和差的线路相比,较差的线路在公交运营时长,线路最大重 复度,线路长度,正点率,到站正点率,高峰正点率,高峰到站正点率, 客运量,高峰平均客运量,满载率,非直线系数,从整体上要优于差的线 路。基于以上分析得该评估模型具有可靠性。如表13所示,其中表13为 通过TOPSIS法快线综合评价情况。
表13
评价结果的分析:
从以上线路中,选择不同等级的线路进行对比分析,如表14所示,其 中表14为快线中不同等级的线路指标的平均值。
表14
由表中可以看出评价等级为好的线路在平峰平均运营速度、高峰平均 运营速度,正点率,到站正点率,高峰正点率,高峰到站正点率,高峰到 站率,平峰客运量,非直线系数,整体上都明显的优于其他的线路,而在 公交运营时长,最大重复度与其他等级相比要差一些,但整体上符合快线 的标准。而评价等级较好的线路在公交运营时长,线路最大重复度,线路 长度,正点率,到站正点率,高峰正点率,高峰到站正点率,客运量,高 峰平均客运量,平峰客运量,非直线系数,所有的指标表现上优于差的线 路。基于以上的分析得到TOPSIS法评估的方法具有可靠性,如表15所示, 其中表15为通过TOPSIS法支线综合评价情况。
表15
评价结果的分析:
从以上线路中,选择不同等级的线路进行对比分析,如表16所示,其 中表16为支线中不同等级的线路指标的平均值。
表16
项 | 好 | 差 |
公交运营时长 | 15.55 | 14.09 |
高峰平均速度 | 19.71 | 16.17 |
平峰平均速度 | 19.99 | 17.79 |
线路最大重复度 | 0.33 | 0.28 |
线路长度 | 24.50 | 12.68 |
正点率 | 0.84 | 0.67 |
到站正点率 | 0.67 | 0.37 |
高峰正点率 | 0.80 | 0.66 |
高峰到站率 | 0.61 | 0.34 |
客运量 | 1845 | 755 |
高峰平均客运量 | 38 | 28 |
平峰客运量 | 23 | 19 |
高峰满载率 | 0.48 | 0.37 |
高峰平峰发车比 | 0.55 | 0.54 |
非直线系数 | 1.55 | 2.37 |
根据上表分析,评价为好的线路,每项指标的平均值是要优于差的线 路的,说明评价为好的线路整体上是优于评价为差的线路,评估模型的效 果可靠。
由此,基于CRITIC法和TOPSIS法综合运用,完成了对所有的线路排 名和等级的划分,同时由于两种算法的客观性,保证最后评估结果的可靠 性。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并 不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内, 可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本 申请的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种公交线路运营服务评估方法,其特征在于,包括以下步骤:获取不同层级线路的指标数据;
对指标数据进行定量分析得到不同层级线路的定量划分数据;
通过CRITIC法对指标数据进行计算,得到指标权重;
基于定量划分数据和指标数据得到标准线路划分数据;
通过TOPSIS法对指标权重和标准线路划分数据进行综合评估,得到线路排名和等级划分数据。
2.根据权利要求1所述的一种公交线路运营服务评估方法,其特征在于,指标数据包括:时间评价指标,空间评价指标,运力评价指标,舒适度评价指标;
其中时间评价指标包括公交运营时长、正点率、公交运营时速、发车间隔;空间评价指标包括线路长度、非直线系数、500m站点覆盖率、线路最大重复度;运力评价指标包括客运量、高峰与平峰发车比值、满载率;舒适度评价指标包括公交万人保有量、空调车比例。
3.根据权利要求1所述的一种公交线路运营服务评估方法,其特征在于,对指标数据进行定量分析的过程包括:
获取公交线路数据,对公交线路数据进行定性分析得到公交线路的层级数据,其中所述层级数据包括干线、支线及快线;基于所述层级数据,对指标数据进行定量分析,得到不同层级线路的定量划分数据,其中定量分析过程包括统计所述指标数据的不同区间范围的占比。
4.根据权利要求1所述的一种公交线路运营服务评估方法,其特征在于,通过CRITIC法对指标数据进行计算的过程包括:
对指标数据进行无量纲化处理;基于所述无量纲化处理结果计算得到指标数据信息承载量,基于所述指标数据信息承载量对指标数据进行赋权得到指标权重。
5.根据权利要求4所述的一种公交线路运营服务评估方法,其特征在于,无量纲化处理的过程包括:
获取每个指标数据的最大值和最小值,基于最大值和最小值对指标数据进行分类,得到分类后的指标数据,分类后的指标数据包括正向型指标数据、负向型指标数据和区间型指标数据;基于分类后的指标数据对指标数据进行无量纲化处理,得到无量纲化处理结果;其中无量纲化处理过程包括对正向指标数据进行正向化处理,对负向指标数据进行逆向处理,对区间指标数据进行正向化处理。
8.根据权利要求1所述的一种公交线路运营服务评估方法,其特征在于,所述获取标准线路划分数据的过程包括:
基于指标数据得到指标平均值数据,基于指标平均值数据对所述不同层级线路的定量划分数据进行调整,得到不同层级线路中指标的评估等级,通过对所述评估等级进行划分,得到标准线路划分数据。
9.根据权利要求1所述的一种公交线路运营服务评估方法,其特征在于,通过TOPSIS法对指标权重和标准线路划分数据进行综合评估的过程包括:
基于所述指标权重构造加权规范矩阵Cij,基于所述加权规范矩阵Cij计算得到正理想解C*和负理想解C0:
其中所述正理想解C*的获取过程为:
所述负理想解C0的获取过程为:
基于公交线路数据得到各个备选方案,基于正理想解C*和负理想解C0计算各个备选方案到正理想解C*和负理想解C0的距离:
其中,所述备选方案di到正理想解C*的距离的获取过程为:
所述备选方案di到负理想解C0的距离的获取过程为:
基于各个备选方案到正理想解C*与负理想解C0的距离计算各个备选方案的排序指标值:
基于各个备选方案的排序指标值结合标准线路划分数据对备选方案进行排序得到线路排名和等级划分数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211428298.7A CN115713184A (zh) | 2022-11-15 | 2022-11-15 | 一种公交线路运营服务评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211428298.7A CN115713184A (zh) | 2022-11-15 | 2022-11-15 | 一种公交线路运营服务评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115713184A true CN115713184A (zh) | 2023-02-24 |
Family
ID=85233374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211428298.7A Pending CN115713184A (zh) | 2022-11-15 | 2022-11-15 | 一种公交线路运营服务评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115713184A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993231A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市海成智联科技有限公司 | 一种公共交通运营***质量评价方法及*** |
-
2022
- 2022-11-15 CN CN202211428298.7A patent/CN115713184A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993231A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市海成智联科技有限公司 | 一种公共交通运营***质量评价方法及*** |
CN116993231B (zh) * | 2023-09-27 | 2024-01-16 | 深圳市海成智联科技有限公司 | 一种公共交通运营***质量评价方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269399B (zh) | 一种基于公路网客流od反推技术的高铁客流需求预测方法 | |
Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
CN103366224B (zh) | 一种基于公交网络的乘客需求预测***和方法 | |
CN102279950A (zh) | 基于数据挖掘和神经网络的轨道交通清分方法 | |
CN107545730A (zh) | 一种基于公交ic卡数据的站点上下车乘客数估计方法 | |
CN113506013B (zh) | 基于多源数据的中运量公共交通***综合效益评价方法 | |
CN107833459A (zh) | 一种基于gps数据的城市公交运行状况评价方法 | |
CN116720997A (zh) | 一种基于大数据分析的公交线路评价体系及优化方法 | |
CN114358808A (zh) | 基于多源数据融合的公交od估计及分配方法 | |
CN115713184A (zh) | 一种公交线路运营服务评估方法 | |
CN113256188A (zh) | 区域轨道跨线运营运输能力评价交互*** | |
Kato et al. | Latest urban rail demand forecast model system in the Tokyo Metropolitan Area | |
CN110222884B (zh) | 基于poi数据和客流量的车站可达性评估方法 | |
CN113643538B (zh) | Ic卡历史数据和人工调查数据融合的公交客流测算方法 | |
CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
CN116204576B (zh) | 一种公共交通数据生成gtfs格式数据的生成方法及*** | |
CN112488582A (zh) | 一种基于多源数据的地铁列车开行方案设计方法 | |
Waraich et al. | Disaggregate level simulation of bus transit emissions in a large urban region | |
CN111126878A (zh) | 一种基于生态指数的城市交通运行评价方法 | |
CN115796337A (zh) | 一种基于多源数据的公交运行状态预测方法 | |
CN112632374B (zh) | 一种考虑定制公交的居民出行方式选择分析方法 | |
CN115130868A (zh) | 基于手机信令的城市土地利用与交通一体化互动反馈模型 | |
Mattson et al. | Marginal cost pricing and subsidy of small urban transit | |
Liu et al. | Rail line length in a crosstown corridor with many‐to‐many demand | |
Xue et al. | Modelling and simulation of the urban rail transit operation system based on system dynamics |
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 |