CN116151598A - 一种基于客流量同步优化的智能公交均衡调度方法及*** - Google Patents

一种基于客流量同步优化的智能公交均衡调度方法及*** Download PDF

Info

Publication number
CN116151598A
CN116151598A CN202310426685.5A CN202310426685A CN116151598A CN 116151598 A CN116151598 A CN 116151598A CN 202310426685 A CN202310426685 A CN 202310426685A CN 116151598 A CN116151598 A CN 116151598A
Authority
CN
China
Prior art keywords
passenger flow
data
intelligent bus
time
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
Application number
CN202310426685.5A
Other languages
English (en)
Inventor
詹黎明
詹筱蕙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jialian Ruitong Application Technology Co ltd
Original Assignee
Wuhan Jialian Ruitong Application Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Jialian Ruitong Application Technology Co ltd filed Critical Wuhan Jialian Ruitong Application Technology Co ltd
Priority to CN202310426685.5A priority Critical patent/CN116151598A/zh
Publication of CN116151598A publication Critical patent/CN116151598A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种基于客流量同步优化的智能公交均衡调度方法及***，所述方法包括S1.获取某智能公交线路历史运行数据，与实时运行数据进行合并形成总运行数据，采用聚类分析算法，对总运行数据进行分类，输出客流量同步分类数据信息；S2.基于所述客流量同步分类数据信息，设置时间节点，根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测，得到预测客流量数据，采用权值分析算法对所述预测客流量数据和实时客流量数据信息进行优化，输出客流量优化数据信息。本发明不仅能够根据客流量历史数据信息和实时数据信息进行聚类分析得到智能公交的均衡调度信息，而且提高了智能公交的运营效率和服务水平。

Description

一种基于客流量同步优化的智能公交均衡调度方法及***
技术领域
本发明涉及智能公交技术领域，尤其是涉及一种基于客流量同步优化的智能公交均衡调度方法及***。
背景技术
公交***是城市出行必不可少的交通工具，公交车沿设定公交路线的各个站点行驶。随着城市的快速发展，公交***在调度运营方面逐渐出现了运营效率低、调度不合理、服务水平低等缺点，经常出现乘客等车时间过长或车辆空车率过高等情况，使得城市公共交通吸引力下降，严重影响了市民生活水平的提高和城市的发展。因此，需要提供一种基于客流量同步优化的智能公交的均衡调度方法及***，旨在解决上述问题。
发明内容
鉴于以上问题或不足，本发明提供了一种基于客流量同步优化的智能公交均衡调度方法及***，不仅能够根据客流量历史数据信息和实时数据信息进行聚类分析得到智能公交的均衡调度信息，而且提高了智能公交的运营效率和服务水平。
为了实现上述目的及其他相关目的，本发明提供的技术方案如下：
一种基于客流量同步优化的智能公交均衡调度方法，所述方法包括：
S1.获取某智能公交线路历史运行数据，与实时运行数据进行合并形成总运行数据，采用聚类分析算法，对总运行数据进行分类，输出客流量同步分类数据信息；
S2.基于所述客流量同步分类数据信息，设置时间节点，根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测，得到预测客流量数据，采用权值分析算法对所述预测客流量数据和实时客流量数据信息进行优化，输出客流量优化数据信息；
S3.基于所述客流量优化数据信息，根据PSO算法对智能公交的调度计划进行优化，输出智能公交的均衡调度信息。
进一步的，所述步骤S1中，所述某智能公交线路的历史运行数据包括公交发车时间、公交发车时间间隔、公交行驶时间、站点的停留时间、各站点上下客流数据。
进一步的，在步骤S2中，所述根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测包括：
S21.根据所述客流量同步分类数据信息，设置时间节点，时间间隔为t，输出关于时间序列t对应的客流量数据为Kt；
S22.基于所述关于时间序列t对应的客流量数据为Kt，建立p阶自回归过程函数，
Figure SMS_1
，其中Kt+1是时间序列t+1对应的客流量数据，p为差分阶数，γi为自相关系数，μ为常量参数，ρi为误差参数；
S23.基于所述p阶自回归过程函数，输出预测客流量数据信息。
进一步的，在步骤S2中，所述采用权值分析算法对所述预测客流量数据和实时客流量数据进行优化包括：
S211.根据所述预测客流量数据，输出t时刻第i个站点的预测客流量数据为Mti，根据所述实时客流量数据，输出t时刻第i个站点的客流量数据为Nti；
S212.根据所述t时刻第i个站点的预测客流量数据为Mti和所述t时刻第i个站点的客流量数据为Nti，建立权值分析函数，
Figure SMS_2
，其中αt为t时刻预测客流量数据为Mti对应的权重值，βt为t时刻客流量数据为Nti对应的权重值，n为采样个数，Q为权值分析函数；
S213.根据所述权值分析函数Q，输出客流量优化数据信息。
进一步的，在步骤S212中，所述权值分析函数的限制条件为：
Figure SMS_3
,其中，αt的取值范围为（0,1），βt的取值范围为（0,1）。
进一步的，所述智能公交的均衡调度信息包括智能公交车发车时间间隔时间和智能公交车站点停留时间。
进一步的，在步骤S3中，所述PSO算法对智能公交的调度计划进行优化包括：
S31.根据所述客流量优化数据信息，得到i时刻各个公交站点的客流量数据信息；
S32.根据所述i时刻各个公交站点的客流量数据信息，构建PSO算法函数，
Figure SMS_4
，
其中，Ti为i时刻智能公交调度时刻数据，Qi为i时刻客流量数据，Ai为客流量时间转换矩阵，c1和c2为学习因子，rand（）为介于0和1之间的任意一个数，Qi-1为i-1时刻客流量数据，Ai-1为客流量数据时间矩阵,pbesti和gbesti为i时刻的对比参数；
S33.根据所述PSO算法函数，输出智能公交的均衡调度信息。
进一步的，所述步骤S1中，对总运行数据进行聚类后分类具体包括：根据总运行数据进行聚类，将运行情况分为客流不足、客流适中和客流过多三个类别。
进一步的，所述聚类分析算法的依据包括公交发车时间、公交行驶时间、各站点上下客流数据。
为了实现上述目的及其他相关目的，本发明还提供了一种基于客流量同步优化的智能公交均衡调度***，包括计算机设备，该计算机设备被编程或配置以执行任意一项所述基于客流量同步优化的智能公交均衡调度方法的步骤。
本发明具有以下积极效果：
1.本发明通过聚类分析算法对智能公交线路的历史运行数据和实时运行数据进行聚类分析，不仅得到的客流量数据信息更加准确，而且提高了智能公交的运营效率。
2.本发明采用ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测，对智能公交停靠时间间隔进行调整，不仅能够满足智能公交的乘客率，而且更加人性化，提高了智能公交的服务水平。
3.本发明通过PSO算法对智能公交线路的发车时间间隔进行预测和优化，进一步提高了智能公交的运营效率，降低了乘客等待公交的时间，减少挤公交或公交没有人的情况。
附图说明
图1为本发明方法流程示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例1：如图1所示，一种基于客流量同步优化的智能公交均衡调度方法，所述方法包括：
S1.获取某智能公交线路历史运行数据，与实时运行数据进行合并形成总运行数据，采用聚类分析算法，对总运行数据进行分类，输出客流量同步分类数据信息；
S2.基于所述客流量同步分类数据信息，设置时间节点，根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测，得到预测客流量数据，采用权值分析算法对所述预测客流量数据和实时客流量数据信息进行优化，输出客流量优化数据信息；
S3.基于所述客流量优化数据信息，根据PSO算法对智能公交的调度计划进行优化，输出智能公交的均衡调度信息。
在本实施例中，所述步骤S1中，所述某智能公交线路的历史运行数据包括公交发车时间、公交发车时间间隔、公交行驶时间、站点的停留时间、各站点上下客流数据。
在本实施例中，在步骤S2中，所述根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测包括：
S21.根据所述客流量同步分类数据信息，设置时间节点，时间间隔为t，输出关于时间序列t对应的客流量数据为Kt；
S22.基于所述关于时间序列t对应的客流量数据为Kt，建立p阶自回归过程函数，
Figure SMS_5
，其中Kt+1是时间序列t+1对应的客流量数据，p为差分阶数，γi为自相关系数，μ为常量参数，ρi为误差参数；
S23.基于所述p阶自回归过程函数，输出预测客流量数据信息。
在本实施例中，在步骤S2中，所述采用权值分析算法对所述预测客流量数据和实时客流量数据进行优化包括：
S211.根据所述预测客流量数据，输出t时刻第i个站点的预测客流量数据为Mti，根据所述实时客流量数据，输出t时刻第i个站点的客流量数据为Nti；
S212.根据所述t时刻第i个站点的预测客流量数据为Mti和所述t时刻第i个站点的客流量数据为Nti，建立权值分析函数，
Figure SMS_6
，
其中αt为t时刻预测客流量数据为Mti对应的权重值，βt为t时刻客流量数据为Nti对应的权重值，n为采样个数，Q为权值分析函数；
S213.根据所述权值分析函数Q，输出客流量优化数据信息。
在本实施例中，在步骤S212中，所述权值分析函数的限制条件为：
Figure SMS_7
,其中，αt的取值范围为（0,1），βt的取值范围为（0,1）。
粒子群优化算法( Particle Swarm Optimization Algorithm，PSO )是由Kennedy和Eberhaff于1995年提出的一种基于群体新型进化算法，其基本思想来源于对鸟类和鱼类行为的研究及行为进行模拟，PSO中种群成为一个群体，群体中的个体叫做粒子，鸟类或者鱼类具有同步群活动，突然改变路径和分散后重新组合在一起等行为，每个个体得益于自己和同类的经验进行寻食。
PSO算法在非线性问题中得到很好的应用，如电容放置问题、短期负荷预测、软测量、离散混沌动力***的期望目标区域、流水车间调度问题。
实施例2：在实施例1的一种基于客流量同步优化的智能公交均衡调度方法，下面对本发明作进一步的说明。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本实施例中，所述智能公交的均衡调度信息包括智能公交车发车时间间隔时间和智能公交车站点停留时间。
在本实施例中，在步骤S3中，所述PSO算法对智能公交的调度计划进行优化包括：
S31.根据所述客流量优化数据信息，得到i时刻各个公交站点的客流量数据信息；
S32.根据所述i时刻各个公交站点的客流量数据信息，构建PSO算法函数，
Figure SMS_8
，
其中，Ti为i时刻智能公交调度时刻数据，Qi为i时刻客流量数据，Ai为客流量时间转换矩阵，c1和c2为学习因子，rand（）为介于0和1之间的任意一个数，Qi-1为i-1时刻客流量数据，Ai-1为客流量数据时间矩阵,pbesti和gbesti为i时刻的对比参数；
S33.根据所述PSO算法函数，输出智能公交的均衡调度信息。
在本实施例中，所述步骤S1中，对总运行数据进行聚类后分类具体包括：根据总运行数据进行聚类，将运行情况分为客流不足、客流适中和客流过多三个类别。
在本实施例中，所述聚类分析算法的依据包括公交发车时间、公交行驶时间、各站点上下客流数据。
为了实现上述目的及其他相关目的，本发明还提供了一种基于客流量同步优化的智能公交均衡调度***，包括计算机设备，该计算机设备被编程或配置以执行任意一项所述基于客流量同步优化的智能公交均衡调度方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
综上所述，本发明不仅能够根据客流量历史数据信息和实时数据信息进行聚类分析得到智能公交的均衡调度信息，而且提高了智能公交的运营效率和服务水平。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (10)

1.一种基于客流量同步优化的智能公交均衡调度方法，其特征在于，所述方法包括：
S1.获取某智能公交线路历史运行数据，与实时运行数据进行合并形成总运行数据，采用聚类分析算法，对总运行数据进行分类，输出客流量同步分类数据信息；
S2.基于所述客流量同步分类数据信息，设置时间节点，根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测，得到预测客流量数据，采用权值分析算法对所述预测客流量数据和实时客流量数据信息进行优化，输出客流量优化数据信息；
S3.基于所述客流量优化数据信息，根据PSO算法对智能公交的调度计划进行优化，输出智能公交的均衡调度信息。
2.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于，所述步骤S1中，所述某智能公交线路的历史运行数据包括公交发车时间、公交发车时间间隔、公交行驶时间、站点的停留时间、各站点上下客流数据。
3.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于，在步骤S2中，所述根据ARIMA算法对某智能公交线路各个站点的客流量数据信息进行预测包括：
S21.根据所述客流量同步分类数据信息，设置时间节点，时间间隔为t，输出关于时间序列t对应的客流量数据为Kt；
S22.基于所述关于时间序列t对应的客流量数据为Kt，建立p阶自回归过程函数，
Figure QLYQS_1
，
其中Kt+1是时间序列t+1对应的客流量数据，p为差分阶数，γi为自相关系数，μ为常量参数，ρi为误差参数；
S23.基于所述p阶自回归过程函数，输出预测客流量数据信息。
4.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于，在步骤S2中，所述采用权值分析算法对所述预测客流量数据和实时客流量数据进行优化包括：
S211.根据所述预测客流量数据，输出t时刻第i个站点的预测客流量数据为Mti，根据所述实时客流量数据，输出t时刻第i个站点的客流量数据为Nti；
S212.根据所述t时刻第i个站点的预测客流量数据为Mti和所述t时刻第i个站点的客流量数据为Nti，建立权值分析函数，
Figure QLYQS_2
，
其中αt为t时刻预测客流量数据为Mti对应的权重值，βt为t时刻客流量数据为Nti对应的权重值，n为采样个数，Q为权值分析函数；
S213.根据所述权值分析函数Q，输出客流量优化数据信息。
5.根据权利要求4所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于，在步骤S212中，所述权值分析函数的限制条件为：
Figure QLYQS_3
,其中，αt的取值范围为（0,1），βt的取值范围为（0,1）。
6.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于：所述智能公交的均衡调度信息包括智能公交车发车时间间隔时间和智能公交车站点停留时间。
7.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于，在步骤S3中，所述PSO算法对智能公交的调度计划进行优化包括：
S31.根据所述客流量优化数据信息，得到i时刻各个公交站点的客流量数据信息；
S32.根据所述i时刻各个公交站点的客流量数据信息，构建PSO算法函数，
Figure QLYQS_4
，
其中，Ti为i时刻智能公交调度时刻数据，Qi为i时刻客流量数据，Ai为客流量时间转换矩阵，c1和c2为学习因子，rand（）为介于0和1之间的任意一个数，Qi-1为i-1时刻客流量数据，Ai-1为客流量数据时间矩阵,pbesti和gbesti为i时刻的对比参数；
S33.根据所述PSO算法函数，输出智能公交的均衡调度信息。
8.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于，所述步骤S1中，对总运行数据进行聚类后分类具体包括：根据总运行数据进行聚类，将运行情况分为客流不足、客流适中和客流过多三个类别。
9.根据权利要求1所述的基于客流量同步优化的智能公交均衡调度方法，其特征在于：所述聚类分析算法的依据包括公交发车时间、公交行驶时间、各站点上下客流数据。
10.一种基于客流量同步优化的智能公交均衡调度***，包括计算机设备，其特征在于，该计算机设备被编程或配置以执行权利要求1～9中任意一项所述基于客流量同步优化的智能公交均衡调度方法的步骤。
CN202310426685.5A 2023-04-20 2023-04-20 一种基于客流量同步优化的智能公交均衡调度方法及*** Pending CN116151598A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310426685.5A CN116151598A (zh) 2023-04-20 2023-04-20 一种基于客流量同步优化的智能公交均衡调度方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310426685.5A CN116151598A (zh) 2023-04-20 2023-04-20 一种基于客流量同步优化的智能公交均衡调度方法及***

Publications (1)

Publication Number Publication Date
CN116151598A true CN116151598A (zh) 2023-05-23

Family

ID=86352833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310426685.5A Pending CN116151598A (zh) 2023-04-20 2023-04-20 一种基于客流量同步优化的智能公交均衡调度方法及***

Country Status (1)

Country Link
CN (1) CN116151598A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116502863A (zh) * 2023-06-15 2023-07-28 武汉漫悠悠互联网科技有限公司 一种应用于智能公交线路的均衡调度方法及***
CN116682254A (zh) * 2023-08-03 2023-09-01 深圳市新乐数码科技有限公司 基于巡游出租车订单和gps数据的司机接单路线规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573849A (zh) * 2014-12-12 2015-04-29 安徽富煌和利时科技股份有限公司 基于arima模型预测客流的公交调度优化方法
CN110119845A (zh) * 2019-05-11 2019-08-13 北京京投亿雅捷交通科技有限公司 一种轨道交通客流预测的应用方法
CN115860594A (zh) * 2022-11-25 2023-03-28 东风悦享科技有限公司 一种应用于智能公交排班调度的仿真***及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573849A (zh) * 2014-12-12 2015-04-29 安徽富煌和利时科技股份有限公司 基于arima模型预测客流的公交调度优化方法
CN110119845A (zh) * 2019-05-11 2019-08-13 北京京投亿雅捷交通科技有限公司 一种轨道交通客流预测的应用方法
CN115860594A (zh) * 2022-11-25 2023-03-28 东风悦享科技有限公司 一种应用于智能公交排班调度的仿真***及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
杨俊宇;秦志锋;: "基于粒子群算法的公交车调度研究", 交通信息与安全, no. 06, pages 3 *
沈纯子: "城市轨道交通短时客流预测及列车运行动态调整方法研究", 《中国优秀硕士学位论文全文数据库》, pages 2 *
王江卫;党建武;: "考虑分时客流量分布的公交车节能调度", 计算机仿真, no. 01 *
薛美根等: "《上海世博交通研判技术与实践》", 上海社会科学院出版社, pages: 49 - 50 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116502863A (zh) * 2023-06-15 2023-07-28 武汉漫悠悠互联网科技有限公司 一种应用于智能公交线路的均衡调度方法及***
CN116502863B (zh) * 2023-06-15 2023-09-19 武汉漫悠悠互联网科技有限公司 一种应用于智能公交线路的均衡调度方法及***
CN116682254A (zh) * 2023-08-03 2023-09-01 深圳市新乐数码科技有限公司 基于巡游出租车订单和gps数据的司机接单路线规划方法
CN116682254B (zh) * 2023-08-03 2023-10-20 深圳市新乐数码科技有限公司 基于巡游出租车订单和gps数据的司机接单路线规划方法

Similar Documents

Publication Publication Date Title
CN116151598A (zh) 一种基于客流量同步优化的智能公交均衡调度方法及***
Kumar et al. Short-term traffic flow prediction using seasonal ARIMA model with limited input data
Ma et al. Short-term traffic flow forecasting by selecting appropriate predictions based on pattern matching
Sun et al. Real-time and predictive analytics for smart public transportation decision support system
CN108734972B (zh) 一种大数据环境下停车场占有率的预测方法
CN106951976A (zh) 一种基于模式分类的公交客流预测方法
CN113159364A (zh) 一种大型交通场站的客流预测方法及***
CN108648445B (zh) 基于交通大数据的动态交通态势预测方法
CN110458337B (zh) 一种基于c-gru的网约车供需预测方法
Tavafoghi et al. A queuing approach to parking: Modeling, verification, and prediction
CN114463972A (zh) 一种基于etc门架通信数据的路段区间交通分析预测方法
CN115830848A (zh) 一种基于lstm模型的共享停车位智能分配***及方法
CN113362637A (zh) 一种区域性多场点空余停车位预测方法及***
CN116186548A (zh) 电力负荷预测模型训练方法及电力负荷预测方法
CN110490365B (zh) 一种基于多源数据融合预测网约车订单量的方法
WO2023018939A1 (en) Systems and methods for predicting airport passenger flow
CN117955094B (zh) 一种电力负荷的预测方法和***
KR20140021178A (ko) 고속도로 휴게소의 최적 위치와 규모의 산출 방법 및 장치
CN111985731B (zh) 城市公共交通站点人数的预测方法及***
CN116629413B (zh) 基于随机森林及Dijkstra的移动充电装置全局最优自动部署方法
CN117390399A (zh) 基于深度学习的公路预养护方法、***、电子设备和介质
CN116629460A (zh) 一种基于ST-RANet模型的地铁客流预测方法
Dias et al. From data to action: Exploring AI and IoT-driven solutions for smarter cities
Zaki et al. Framework for traffic congestion prediction
CN109447306A (zh) 基于最大似然回归树的地铁事故延误时间预测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230523

RJ01 Rejection of invention patent application after publication