【《基于IC卡数据和GPS数据的公交调度方案优化设计》15000字】

-PAGEIV-基于IC卡数据和GPS数据的公交调度方案优化设计摘要公交调度优化作为城市公共交通规划与管理中重点研究内容，对于提升乘客出行效率和公交服务质量具有十分重要的指导性意义。随着我国智能公交信息技术的广泛应用，GPS、GIS等技术为公共交通调度的优化提供了精确、全方位的数据支持。然而，由于传统公交调度优化大部分都是凭借个人经验，缺乏大量准确全面的数据作为支撑，从而造成公交系统运力分配不平衡的后果，最终降低城市居民出行选择公交系统的意愿。本文将常规公共交通线路作为研究对象，基于公共交通运营数据挖掘和综合分析，获取相关客流性质信息，建立线路发车间隔最优化模型。本文首先对获得的IC卡数据和GPS数据进行预处理，并对二者之间的时间差进行分析，完成所研究公交线路的乘客上车站点的推算以及以出行链为基础的乘客下车站点推算；其次，以公交企业运营成本、乘客在公交站点的候车时间及车内拥挤时间最小为目标函数，将满载率及发车间隔设定为模型的约束条件，从而建立所研究公交线路的线路发车间隔优化模型；最后，对模型进行实例应用，以威海市19路公交线路2019年2月22日当天的相关数据为基础，得到全天六个时段的OD分布，进而推算早晚高峰时段最优线路发车间隔方案，并根据实际需要设计早晚高峰的发车时刻表。将优化得到的调度方案与该公交线路当前的调度方案作对比，发现公交企业成本、乘客等车时间及出行拥挤时间都有了有效降低，本文建立的模型具有良好的优化效果。关键词：公交调度优化；上下车站点识别；出行链；公共交通数据摘要 I第1章绪论 11.1研究背景及意义 11.1.1研究背景 11.1.2研究意义 21.1.3国内研究现状 21.1.4国外研究现状 31.1.5研究现状综述 41.2本文的主要研究内容 41.3技术方案 5第2章公交线路客流分布特征分析 62.1数据预处理 62.1.1IC卡数据预处理 62.1.2GPS数据预处理 62.2乘客上车站点判断 72.2.1上车站点的判断机理 72.2.2IC卡数据与GPS数据时间差分析 82.2.3上车站点的识别流程 92.3乘客下车站点判断 112.3.1基于出行链的下车站点判断 112.3.2下车站点的识别流程 122.4本章小结 13第3章公交车辆调度优化研究 143.1常规公交车辆的调度介绍 143.1.1常规公交车辆调度的形式 143.1.2公交车辆调度作业流程介绍 143.2相关参数介绍 153.2.1相关参数的获取 153.2.2发车间隔的确定 173.3线路发车间隔优化模型的建立 173.3.1模型假设 173.3.2目标函数 183.3.3约束条件 213.4本章小结 21第4章实例应用 234.1数据准备 234.2乘客上下车站点分布 244.3线路发车间隔优化 264.4本章小结 28结论 29参考文献 30-PAGE1-研究背景及意义研究背景伴随着社会经济与科技的不断发展，我国许多城市发展的脚步也在不断加快。但是伴随着城市发展，城市居住人口越来越多，居民生活水平不断提高，机动车保有量也在不断增大，城市中的交通问题也愈发明显。目前全国各大城市普遍存在机动车数量增长过快、公共交通发展力度不足、交通堵塞、停车难等问题。在交通问题愈发严重的今天，一味地扩建道路并不能解决交通问题，发展公共交通才是解放城市道路资源、舒缓交通问题的关键。试想，若是城市居民在出行时都选择搭乘公交而不是开私家车，那么将释放多少交通资源，道路上将少多少辆车。而且尤为重要的一点是，公共交通相较于私家车更易于统一管理，这也为交通管理者减轻了负担。因此，我国很早就有目的地在扶持公共交通的发展，目前在许多城市都卓有成效。以威海市为例，在我大学四年在威海的出行体验来说，威海的公共交通发展的不错。公交线路与站点遍布全市，公交车上的配套设施也颇为完善。而且，威海市民乘坐公交的意识和素质都不错，给人带来的出行体验是愉悦的。我相信，这与威海市官方长久以来关于这方面的宣传教育是分不开关系的，这也值得我国其他城市学习。目前许多城市都在思考如何提高他们城市的公交服务水平，我想可以从结合大数据进行对公交调度方案优化这个角度来实现。随着科技水平的不断提升，智能公交技术已经被广泛使用。智能公交既让我们的出行更加智能和便利，也让交通管理者能够更方便的获取到大量精确公交运营数据，而这些数量庞大的数据就可以用于对公交调度优化的分析。国内外许多专家和学者目前都在研究这方面的内容，他们提出了许多处理这些数据的方法，并将这些方法应用到了对实际案例的分析中去，取得了不错的效果。这是目前研究的一个大方向，而且国外比咱们国内起步早得多，且应用的已经颇为广泛，所以我们需要尽快跟上别人的脚步。中国是一个有十四亿人口的大国，城市人口密度大，交通拥堵问题极易发生，因此公共交通显得更为重要。如果通过对公交调度的优化，提升了居民对公交出行满意度，吸引更多人在出行时选择公交作为主要出行方式，那么将在极大程度上缓解城市的交通问题，而这正是我国许多交通工作者努力的方向。研究意义目前城市道路还存在着诸多问题，若城市交通中公交出行能够占据较大的比例，将极大地缓解城市道路的压力。对于城市公交而言，调度方案的合理与否是影响城市公交服务水平的重要因素，如果公交企业所试行的调度方案准确合理，那么将在极大程度上提升城市公交系统的运营质量，同时也会提升居民在面临出行选择是搭乘公交的意愿，在一定程度上缓解目前城市普遍存在的拥堵问题。因此，本文基于多源数据的公交调度优化研究具有以下意义：（1）IC卡和GPS数据相较于传统的公交调查得到的数据具有实时、准确、全面的优点，且极大地节省了调查的成本。传统的调查方式需要大量的工作人员手动统计繁琐的数据，而现在只需要通过数据库即可获取所需要的数据。在经过合理的数据挖掘与分析后，研究者就能得到公交运营的相关特性，可以作为公交调度优化的合理依据。（2）调度方案得到优化后，那么将在极大程度上提升当地公交系统的服务水平，从而也会提高居民选择公交出行的意愿，在一定程度上缓解目前城市普遍存在的拥堵问题。国内研究现状（1）公交数据分析研究现状在公交数据分析方面中国起步较晚，相较于国外中国对大数据在公交中的应用相关研究发展较晚。直到二十一世纪初，深圳作为我国发展的排头兵，才第一个建立了应用大数据的交通管理中心，将交通信号控制方案和道路上监控设备录制的实时视频、道路使用状况等信息在一个大系统中综合分析。章玉使用了两种方法，一是以出行链为基础完成公交线路乘客下车站点推算，二是以乘距概率相关分布为基础推算完成下车站点的判断，在使用第二种方法时发现所研究线路乘客的乘距满足威布尔分布[1]。陈君等人从所有乘客中遴选出七天内早高峰和晚高峰刷卡频次分别大于两个设定值的乘客，默认其正常居住场所和出行工作场所为他们的早高峰和晚高峰上车站点[2]。胡继华等人关于乘客的下车站点的研究方法则是基于高频站点提出，并将其作为出行特征，引入所建立的模型中[3]。李海波等人将我国城市居民公交出行分为两种情况，发现出行链既存在连续的又含有不连续的，且建立了对应的推导，在实际案例验证中发现所建立的模型具有不错的效果[4]。（2）公交调度优化研究现状于滨等人以该城市的公交网络作为他们的研究对象,将目标定为尽可能减少公交企业投入公交调度的资金，设计了一个模型,并充分利用相关的随车调研数据来进行求解[5]。黄小燕等人为公交乘客和企业考虑,希望乘客的等候公交到站的时间能够尽可能地小，而公交运营商可以获得最大的经济效益，构建了调度优化的模型，以调研数据为基础，来进行计算确定公交线路在处于高峰期时的发车间隔。但是存在较大的问题，所建立模型过于脱离实际，在实际应用中大概率会出现错误[6]。赵威将客户满意度纳入了模型的考虑因素，并且将客户满意度进行量化，并充分利用了多种高性能的数据信息采集技术,对列车调度数据优化模型结果分析进行了大量数值分析模拟，但是仍然存在模型脱离实际的问题[7]。国外研究现状（1）公交数据分析研究现状在公交数据分析研究方面，西方发达国家的起步较早，许多西方学者在很早就开始研究大数据在公交系统中的相关技术。其中发展历史最早的国家就是美国和英国，他们在公交数据分析方面的基础理论和相关技术的实际应用都发展得比较成熟。Park等人通过对公交IC卡和GPS数据的处理，研究公交系统中存在的时空差异，对在时间和空间中的规律性变化作了分析[8]。Dessouky等人将公交车内相关技术与智能公交站台的信息收集技术综合分析，创造式的设计了一种让公交站点处候车的乘客提前知道所等车辆驶入车站的时间的方法，并且在国外许多城市实用效果颇好[9]。Ceder在编制行车时刻表方面有独家见解。他创新式地为不同调度形式的公交车，编制了贴合实际客流情况的时刻表[10]。Kris通过与美国圣地亚哥市当地部门合作，探讨如何处理当地部门经年累月获取的公交运营数据，并从中提取出对该地公交系统有帮助的信息。在大量的实践下，成功获取了有效信息并应用在了对公交系统的优化工作中去[11]。CORCORANJ通过对IC卡数据进行处理来探寻城市居民出行选择一条固定公交线路的比例，讨论怎样的公交线路会受到居民的偏爱，相关研究已被政府部门用于优化公交线路[12]。TomoyukiTodoroki等人在对IC卡数据进行处理后，分析了城市居民出行频率与时空两方面特征之间存在的相互关系[13]。（2）公交调度优化研究现状Wang等人在研究公交线路车头时距时应用了高级的智能算法，但是存在一个问题，他们算法建模的基础是随机期望值模型[14]。Guihaire和Hao探讨了公共汽车运营中存在的车辆资源分配方式问题等相关技术,通过对发车间隔方案的优化,减少了公交运营企业在运营中的资金投入[15]。CHIEN’SI充分考虑了实际条件，致力于将城市居民出行时的经济投入降到最低，同时也为公交运营企业考虑，希望减少他们在公交运营中的资金投入，并以此为目标函数建立了模型[16]。Hadas、Shnaiderman通过建立以与车辆总载客容量相关的指为基础的函数,相关约束选择的是车辆的额定载客容量并建立优化模型,在对该模型进行实用性分析时，发现在诸多实例应用中该模型都表现出了不俗的效果[17]。研究现状综述国内外研究现状总结如下:（1）在公交客流特征分析方面，处理数据的相关技术已经颇为成熟。大量的学者在处理不同的数据时都采用了合适的数据处理技术，这说明相关方面的研究已经达到了成熟阶段。但是可以看到的不足之处在于对于处理得到的客流特征的进一步的应用研究还不够深入，这也成为了目前许多学者的主攻方向。（2）在公交车辆调度优化方面，对于调度优化模型本身的研究已经发展到一个较高的高度。专家学者们提出了许多不同的模型，且模型的使用都卓有成效。但是以公交客流特征为基础建立模型的研究成果较少。本文从公交IC卡和GPS数据中提取所需的所有关于公交交通车辆的实时客流调度状况数据进行综合分析，利用提取出的相关信息建立单条公交线路调度优化模型。本文的主要研究内容本文以威海市19路公交下行方向2019年2月22日的相关数据为基础，完成对该线路一天的上下车站点推算，建立单条线路发车间隔优化模型，并基于得到的上下车站点推算结果代入模型，编制发车时刻表。具体内容包括以下几方面：（1）IC卡数据和GPS数据的预处理对收集得到的IC卡数据和GPS数据进行预处理，包括对数据的提取、错误数据的剔除与修正、时间格式修正等。（2）上下车站点的识别当IC卡刷卡记录时间处于相邻站点公交车进站时间时，即判定完成对该条刷卡记录的上车站点识别；针对下车站点的判断本文则选择了以出行链为基础的方法。（3）建立发车间隔优化模型以公交企业运营成本、乘客在公交站点的候车时间及车内拥挤时间最小为目标函数，将满载率及发车间隔设定为模型的约束条件，从而建立所研究公交线路的发车间隔优化模型（4）实例应用以威海市19路公交下行方向数据为基础，得到该天各个时段公交线路OD分布情况，进而推算早晚高峰时段最优线路发车间隔方案，并根据实际需要设计早晚高峰的发车时刻表。技术方案本文将按照如图1-1所示的技术路线完成。图1-1论文技术方案数据预处理IC卡数据预处理（1）数据提取本文以威海市2019年2月22日到2019年2月28日的IC卡数据为原始数据，IC卡数据含有许多字段，IC卡号、车辆编号、线路编号、消费时间这些字段在本文的研究中需要用到。相关的字段介绍如表2-1所示。表2-1IC卡数据字段说明字段字段说明CARDNOIC卡号CONSUMEDATE消费时间LINEID线路编号BUSID车辆编号（2）错误数据剔除在公交车辆的长久运行下，自动售票系统很有可能会因为老旧或其他其他原因产生故障，发生车载自动刷卡收费机硬件故障、数据收费记录异常等一些问题，最终导致自动收费系统中存储的信息成为无效信息，例如如果出现车辆卡号信息缺失、乘客消费时间缺失这样的情况，该条信息即为无效信息。无效数据的存在会极大地影响数据的可靠性，因此无效数据需要进行及时清理。预处理后的的IC卡数据如图2-1所示。图2-1预处理后的IC卡数据（部分）GPS数据预处理（1）数据的提取公交车辆GPS数据记录了公交车在道路上行驶过程中的完整记录,将其与IC卡的数据库结合起来处理就可以完成应用于更加深入的研究。本文同样以与IC卡对应的2019年2月22日到2019年2月28日的GPS数据为原始数据，GPS数据中同样包含着许多与本文研究无关的数据字段，本文只将与研究有关的字段提取出来，将车载设备编号、线路编号、站点编号、记录时间这四个字段的数据作为分析的基础数据。GPS数据字段说明如表2-2所示。表2-2GPS数据字段说明字段字段说明ACTDATETIME记录时间PRODUCTID车辆设备编号ISARRLFT到离站1到站2离站STATIONID站点IDSTATIONNAME站点名称ROUTENAME线路名称（2）错误数据剔除公交车辆车载GPS设备在长久的使用中同样也会因为老旧或其他原因出现故障，从而出现无效数据的情况，无效数据的存在会极大地影响数据的可靠性，因此无效数据需要进行及时清理。（3）时间格式修正IC卡原始数据与GPS原始数据的时间字段的格式不同，为了方便后期进行两者数据时间点的匹配需要对其做统一处理。预处理后的GPS数据如图2-2所示。图2-2预处理后的GPS数据（部分）乘客上车站点判断上车站点的判断机理（1）数据关联两者数据在一定程度上存在着匹配关系，为了进一步的研究，将两者数据通过车辆编号和线路编号这两个字段关联起来，为进行上车站点判断做准备。表2-3IC卡与GPS数据关联IC卡数据GPS数据刷卡时间到离站时间车辆编号车辆设备编号线路编号线路编号（2）公交线路中乘客上车站点时间判断城市居民在搭乘公交时经历的过程为：首先乘客在公交站台处等待所要乘坐线路的公交车驶入公交站台，等所要乘坐的公交车辆停靠在自己不远处时，候车的人按照一定的次序上车，当所有等车的人全部上车后，司机控制公交车门合上，起动车辆离开公交站台，沿着既定的公交线路继续行驶。从这种过程来看，公交车辆存储的刷卡记录时间应该处于车辆进出站时间的区间内。研究者可以从GPS数据库中凭借车辆信息查找到对应车辆的行驶轨迹，以自动售票系统记录的IC卡刷卡时间匹配对应公交车的进出站点，当刷卡记录时间处于车辆进出站时间的区间时，该条刷卡记录代表的乘客的上车站点就可以确定。但是并不是所有的刷卡记录都符合这种状况。例如当要上车的乘客过多或自动售票系统无法识别IC卡时，乘客并不能立刻刷卡，常常需要在公交车辆驶离公交站台一段距离后才能够成功将刷卡信息录入系统。由于这种情况出现得较为频繁，许多学者选择将弹性时间附加其上，但是依旧不是一个较好的解决方案，本文采用的方法是当刷卡时间处于公交车辆进入前后两个站点的时间区间时，就可以完成该条刷卡记录上车站点的识别，原理如2-1所示。 （2-1）式中——乘客在第i站点上车刷卡的时间，s；——公交车辆驶入第i站点的时间，s；——公交车辆驶入第i+1站点的时间，s。IC卡数据与GPS数据时间差分析IC卡和GPS数据是存储在两个不同的数据库中，因此IC卡数据与GPS数据两者之间存在时间差，并不能直接进行匹配，如果两种数据之间的时间差过大，会影响公交车辆乘客上车站点的识别准确度。因此我们需要先计算出两种数据的时间差，判断时间差是否过大，如果太大，需要对数据作出修正。本文采取时间差校正的研究思路是：将自动定位系统中数据的时间作为校正的基准，以两者的时间变化区间，定义一个两者时间差异的数学集。针对任意一个，将IC卡数据中的刷卡时间进行修正，得到，再采用原始的刷卡时间位于公交车辆驶入驶出公交站台的时间区间的判定方法来完成公交乘客上车站点的识别，将站点识别准确率记录下来。则不同的时间差都会得到一个对应的站点识别准确率，将所有的站点识别准确率定义为一个集合，两个集合存在映射关系。当站点识别率已经达到了最高值时,它所对应的时差也就是两者数据之间真正的时差。本文将苏州市的数据时间差校正方法[17]作为参照，假定两者数据的时间差保持在5min以内，即始终满足。站点识别准确率与时间差两者之间的关系曲线如图2-3所示，通过对图的分析可以得到：站点识别准确率最大值77.56%所对应的时间差为1s。通过这种计算方法我们就已经能够最终准确判断出来威海市我们所研究的线路中IC卡和GPS两种数据的时间差为1s，时间差对应的站点识别准确率为77.51%，可以得出结论，本文所研究的线路数据时间差不大，不需要进行校正操作。图2-3IC卡数据时间差与站点识别率关系上车站点的识别流程本文采取的乘客上车站点推算方法如下：Stepl：从原始数据中采集所研究的公交线路上的公共汽车IC卡数据与GPS信息，对数据进行预处理；Step2：设定共有辆车位于我们所研究的公交线路上，先研究第辆的数据，对该辆车的数据进行处理，从IC卡数据中得到该车共存储了条刷卡记录，从GPS数据中得到该车共存储了条到离站时间数据；Step3：将第条IC卡刷卡记录所对应的该名乘客的刷卡时间与该辆车进入前后两个相邻站点的时间、进行比较，如果满足这个条件，那么所对应的该辆车驶入的站点就是第条IC卡刷卡记录的上车站点，如果不满足条件，则令，重复进行第三阶段的操作，当出现时，说明这条刷卡记录为无效记录，进行第四步操作；Step4：该方法是先将第辆车的所有IC卡刷卡记录全部处理完后再处理下一辆车，如果判断发现，则进行第五步的操作，如果不满足令，重复第三步的操作；Step5：在将该线路中所有公交车辆的数据都处理完成后，就算完成该条线路乘客上车站点的识别。上车站点的识别流程如图2-4所示。图2-4上车站点识别流程按照上述乘客上车站点推算方法得到的该线路上车站点识别结果如图2-5所示。图2-5乘客上车站点识别结果（部分）乘客下车站点判断基于出行链的下车站点判断本节以公交出行链技术为基础进行下车站点的推算。1.基本前提在进行以公交出行链为基础完成下车站点识别前需要满足三个设定的前提：（1）乘客在这一次出行结束下车后，其下一次出行也较大概率会从上次的下车站点附近出发；（2）乘客今天最后一次出行结束后，他下车的站点应当与今天出发时的上车站点或者第二天的上车站点处于同一个小区域内；（3）乘客如果去时乘坐了这条公交线路，回来时又乘坐了这条公交线路，那么其上下车站点是相互的。2.下车站点的判断机理本文将城市居民的刷卡记录分成三个种类：第一种是连续公交出行，也就是乘客出行基本只采用公交，就算下车也只是换乘另一条公交线路的情况；第二种是这一天乘客结束出行过程前的刷卡上车记录,可以和这一天或是第二天第一次选择公交系统出行时间所在的需要同时出行的一个上下班汽车站点相同或匹配的情况；第三类是乘客在公交数据库中的记录只有一次的情况，该乘客偶然选择了公交出行，这种情况虽然稀少但是却存在。本文主要研究第一、二类的情况，其中把第二类情况当做第一类的特殊情况对待。假设某位乘客在一天内选择了数次公交出行，在数据库中生成了关于他的条公交出行记录，该乘客的第条刷卡记录对应了个站点作为该乘客下车站点的集合。下车站点的识别流程图2-6下车站点识别流程本文采取的下车站点推算方法的流程如图2-6所示。在将IC卡数据和GPS数据结合起来进行乘客的下车站点的推算流程如下：Step1：将已完成上车站点推算的公交车辆IC卡数据整合起来，卡号一共有条；Step2：以第个卡号为研究对象，该卡号有条数据记录，若，则该条记录对应的下车站点需要通过历史数据来判断，如果不满足，则，进行第三阶段的操作；Step3：将第条刷卡记录的所对应的可能的下车站点遴选出来，如果满足，那么就对该集合中站点和这位乘客今天第一次乘坐公交上车站点之间的距离进行计算；如果满足，那么就对该集合中站点和这位乘客今天下一次乘坐公交上车站点之间的距离进行计算，继续进行第四阶段的操作；Step4：如果该集合中有站点满足合理步行距离的条件的话，那么该乘客的下车站点就是与之相距最短的站点，在该条记录判定完成后，判断与的关系，如果满足，那么就，对下一条刷卡记录重新进行第三步的操作，不满足就转入第五步操作；Step5：在处理完该条卡号所有数据后，返回第二步继续对下一条刷卡记录进行处理。本章小结首先，本章进行了对公共交通数据的预处理；然后，本章将IC卡数据中的刷卡时间和GPS数据中公交车辆驶入驶出公交站台的时间进行了时间差修正，进而完成了上车站点的识别；最后，以出行链为基础完成了对下车站点的识别。常规公交车辆的调度介绍目前大多数城市的公交调度主要是依据规范来做，同时结合当地的实际情况,在满足许多约束和条件的情况下,对公交公交线路和车辆进的运营进行优化,目的是让公交车辆能够安全有序便利地在城市中行驶,且其运营水平要达到一定的标准(例如要求公交企业获得的经济利益要尽可能大,乘客在公交站台的候车时间也要最小)。常规公交车辆调度的形式公交调度的形式多种多样，按照不同的方式划分主要有以下几类:1．按照车辆的工作时间划分(1)正班公交车：指的是这种公交车辆的工作时间是两个班次或以上。(2)加班公交车：指的是这种公交车辆的工作时间是一个班次。(3)夜间加班车：这种车辆的工作时间为晚上，且工作的时间往往不满足一个小时。2．按照车辆运行和停靠的模式划分（1）全程车：是指公共汽车车辆从其起点站开始出发,并在到达所有站点处都会停靠,完全行驶完全程后再停靠在终点站。（2）区间车：指的是这种公交车辆并不完成全程路线，只在部分区间上行驶。（3）快车：专供长距离出行的乘客，停靠站点少，行驶速度快。（4）定班车：专供学生或社区的固定人群，行驶路线和行驶班次都是固定的。目前城市中公交的调度方案并不是只有一种调度形式，通常都会将上述不同形式的车辆组合起来使用。公交车辆调度作业流程介绍公交线路车辆的调度作业主要是指根据规范的要求和当地的实际情况,在满足许多约束和条件的情况下,对公交资源进行合理优化配置,目的是让公交车辆能够安全有序便利地在城市中行驶,且其运营水平要达到一定的标准(例如要求所使用的公交车车辆总数尽可能少、公交企业获得的经济利益要尽可能大,乘客在公交站台的候车时间也要最小)。目前大多数城市的公交调度作业流程基本相同，如图3-1所示。图3-1公交调度作业流程相关参数介绍相关参数的获取线路客运行车区间时刻表计算有关的各个参数指标及其参数的基本含义和其中的计算工作原理介绍如下。1．满载率（P）满载率一共有三类，车辆满载率、线路满载率和断面满载率。（1）车辆满载率车辆满载率由公交车辆实际的载客数量比上其规定的载客数量得到，计算原理如式3-1所示： （3-1）式中——车辆满载率，%；’——公交车辆实际的载客人数，人次；——公交车辆规定的载客人数，人次。（2）线路满载率线路满载率无法直接得到，乃是公交车辆在公交线路断面的车辆满载率经由附上一定的权重后再平均得到，其计算原理如式3-2所示： （3-2）式中——该公交线路的满载率，%；——该公交线路第个断面的满载率，%；’’——该公交线路第个断面的长度，m。(3）断面满载率断面满载率指的是在单位时间内乘坐公共汽车通过这个道路断面的客流量比上所乘坐的公交车辆的额定载客能力得到。计算原理如式3-3所示： （3-3）式中——断面满载率，%；——断面客流量，人次；——在研究者的研究时间段内通过该道路断面的公交车辆的班次，次。2.断面客流量断面客流量这个指标指的是在单位时间内乘坐公交车驶过处于公交线路中的这一断面的总乘客数。计算原理如3-4所示： （3-4）式中——公交线路第个断面客流量，入次；——公交线路从第个站点到第个站点的客流总数，人次；‘——公交线路单纯上行或下行的站点数目。3.站点间的行程时间（）指的是公交车辆在所在公交线路第个断面所花费的时间，也就是说从第个站点行驶到第个站点公交车辆所花费的时间。4.周转时间（）周转时间这个概念是公交车辆周转一次总共花费的时间，他的值等于公交车辆完成两次线路行驶以及加上车辆在首末站停靠时间的和。计算原理如3-5所示： （3-5）式中‘——公交车完成一次周转所花费的时间，min；——公交车在公交线路驶过第个断面所花费得时间，min；‘——公交线路单纯上行或下行的站点数目；——公交车停靠在公交线路第个站点所花费的时间，min；‘’——公交车停靠在公交线路起点站和终点站所花费得的时间，min。发车间隔的确定发车间隔指的是一条公交线路中两辆公交车接替驶出起终点站的时间差，而发车频率指的是一条公交线路在单位时间内驶出起点站的公交车数量。研究者在进行公交车辆发车车时刻表的研究设计时，一旦将两辆公交车连续发出时的时间差确定，就可以以第一辆发出的公交车的发车时间为基础推算出在他之后发出的车辆的发车时间。发车频率可以由发车间隔的反比在综合考虑其他因素得到。本文的研究策略是先对所研究公交线路中各研究时段划分清楚后，再依次求解所要研究时段的发车时间和发车间隔。1.发车间隔的计算发车间隔由多个指标综合考虑得到，其计算原理如（3-6）所示： （3-6）式中R——发车间隔，min；‘——时间周期，min；’——在所研究的时间周期内通过的最大断面客流数，人次。2.发车间隔的分配当研究者计算出的发车间隔不是整数时，研究者需要将发车间隔处理为整数，否则在研究者设计线路的发车时刻表时数据不好处理。3.发车间隔的排列发车间隔的排列方式主要有三种，分别为：先排列小的发车间隔，再排列大的发车间隔，这种排列方式主要应用在当时间正处于高峰过渡到平峰的时期；先排列大的发车间隔，再排列小的发车间隔，这种排列方式主要应用在当时间正处于平峰过渡到高峰时：大的和小的发车间隔混合排列，这种排列方式主要应用在当公交线路的客流变化并不剧烈的情况。线路发车间隔优化模型的建立本文主要从公共汽车运营者和乘客两个方面共同利益角度入手,综合考量公共汽车运营者的成本、乘客在公共汽车上的出行等候时间和乘客在公共汽车上的拥堵时间等影响因素，同时将发车间隔以及公交车辆满载率设定为模型所要满足的约束条件，从而建立本文所要研究线路的发车间隔优化模型。模型假设本文在建立优化模型时，首先做出了如下假设：（1）本文只考虑公交车辆单行情况；（2）本文所研究的各个时段乘客乘坐公交线路的需求独立，且发车间隔对各个时段不造成影响；（3）所研究线路的车辆完全相同；（4）本文所研究的调度方案只包括全程车和区间车，不存在其他形式的车辆；（5）在所研究的各个时段中只有高峰时刻会出现全程车，而且公交车辆的发车间隔满足全程车是区间车的整数倍；（6）该条公交线路的票价始终不变；（7）对于公交车辆由于停靠所耗费的时间，本文不予考虑；（8）在所研究的这个时段内，本文假定公交车辆在站点间的行程时间保持不变；（9）本文假定乘客在公交站台处等待车辆到来的时间是该公交线路发车间隔时间的一半大小；目标函数1.乘客利益方面以公交车辆乘客作为主要分析对象，等候公交车到站的时间、汽车内部的拥挤和混乱程度、公交车辆抵达乘客所要前往的公交站点的准时率和乘客在选择公交作为出行工具的过程中需要步行的距离都可能是当前中国公众在搭乘公共汽车出行中的最重要的考虑因素。因为乘客步行距离跟实际的公交线路的发车时刻表没有实质性的关系，所以本文不予以考虑；公交车辆抵达乘客所要前往的公交站点的准时率主要受当前道路条件的影响，因此本文也不予以考虑。本文因此只考虑了乘客在公交站台的等车时间和车内拥挤混乱程度两个方面的因素。（1）乘客等车时间相信对于大多数人来说，是不愿意在公交站台等待很久的。如果城市的公交系统让出行者每次都等待很久时间的话，那么相信大家都会换一种出行方式。因此本文通过对有效发车间隔组合的求解，在公交线路同样满足车辆满载率约束条件的前提下，把乘客在公交站台的等候时间降到最低。根据相关规范中对乘客候车时间的定义，公交线路运营时间内总客流的等待时间计算原理如（3-7所示）： （3-7）式中——第个时段乘客们在公交线路站点的乘客到达率，人次/min；——第时段公交线路车的发车间隔；——第时段公交线路车的发车间隔；.——第时段公交线路从第个站点到第个站点的乘客比例；’——第时段公交线路的总时长；.’——公交线路运营时间段划分的时段总数；..——公交线路单纯上行和下行站点总数；’——设置为的变量。是专门用供搭乘区间车的乘客，当该类乘客乘坐公交车的范围都在区间车行驶的范围内时，该类乘客的平均等车时间设定为，除开该类乘客，其他乘客均搭乘全程车，他们的平均等车时间定义为，的取值原理如式3-8所示： （3-8）式中——区间车行驶区间的起点；——区间车行驶区间的终点。（2）车内拥挤时间车内拥挤程度主要以车辆满载率为基础来表示，乘客并不是无论车内多么拥挤都能接受，因此本文假定乘客所能接受的公交车辆满载率上限为，同时对车辆拥挤系数进行定义，其不同形式车辆的计算原理如3-9、3-10、3-11、3-12所示：全程车： （3-9）区间车： （3-10）式中——全程车在第断面拥堵系数；——区间车在第断面拥堵系数；——公交车辆的额定载客量，人次。公交线路运营时间内全程车的车内拥挤时间： （3-11）式中——公交车在运营时间内的第时段从第个站点行驶到到第站点所需要的时间，min。公交线路运营时间内区间车的车内拥挤时间： （3-12）2.公交企业利益目前我国公交运营企业的经济收益主要是由乘客产出，因此本文将公交运营企业的经济收益定义为所研究时段内乘客总人数与公交车票价的乘积，但是公交公司对公交车辆的运营并非是不需要投入大量资金，本文对公交车相关配套设施成本等不考虑，只将公交车每发一个班次的固定成本考虑在内。因此以公交企业的角度考虑，其经济收益主要受乘客上车刷卡和投入公交的本金的影响，相关计算原理如式3-13所示： （3-13）式中——票价，元/人；——公交企业每派发一班次车辆的费用，元/班次；——设定为变量，若第时段采用了组合调度形式，则，若不满足则。本文将乘客的在公交站台的等车时间和与车内拥挤时间都纳入研究范围之内，将、、、四个参数进行相关组合乘以、、得到一个新的目标函数，其计算原理如3-14所示： （3-14）式中、、——均不为负数，且分别与乘客的在公交站台等车、车内拥挤时间和公交运营企业所花资金的系数相对应，且满足；——时间成本在转换费用成本时的转化系数，，元/min；——中国的人均国民生产总值，元。约束条件模型同时要结合实际条件，因此本文从城市公交系统的运营方面考虑，建立一下两个约束条件：1.对发车间隔的约束要想有效地保证城市公共交通系统的服务品质，公交线路在运营过程中相邻班次公交车辆的发车间隔需要有一定限制，原理如3-15所示： （3-15）式中——公交线路中公交车最大发车间隔。2.对满载率的约束公交车辆在运营过程中车辆的满载率不能过大也不能过小，加以限制。其计算原理如3-16所示： （3-16）式中——公交车辆最小满载率；——公交车辆最大满载率。本章小结本章首先对城市常规公交的几种调度形式与分类以及公交调度具体流程做了阐述，然后从中得到了关于公交线路调度优化中相关的参数与变量，最后以乘客在公交站点的等候时间、车内拥挤时间以及公交企业的运营成本为目标函数，将发车间隔和满载率设定为约束条件，建立所要研究线路的发车间隔优化模型。数据准备本文选取威海市19路公交下行方向2019年2月22日的公共交通数据作为研究的基础数据，从图4-1中可以看出，该线路从威高海洋公园枢纽站出发，途径威高海洋公园、高区法院、火炬大厦等站点到达实验中学公交站，全线共35个站点。图4-1威海市19路公交走向示意图通过对GPS数据的研究可以得到所研究公交线路2019年2月22日这一天各时段的行车时刻表如图4-2所示，同时得到公交车在该公交线路驶过各个站点所用时间变化如图4-3所示。图4-2威海市19路现状调度方案图4-3各时段站点间行程时间从图4-2中看出在这一天中公交车辆部分区间所花的时间在不同运营时段变化较大。同时，将公交车辆IC卡数据进行处理后，可以得到这一天19路公交各个时段乘客刷卡人数的变化情况，如图4-4所示。图4-4全天乘客刷卡人数由图可得该公交线路全天内所有时段内早高峰时段客流量最大，由选择公交出行乘客的出行习惯推断得到其对应的晚高峰时段刷卡人数也应该比较多，发现满足实际情况在一定程度上说明了该数据的可信度。乘客上下车站点分布通过处理威海市19路公交下行方向2019年2月22日（周一）的刷卡数据，以出行链理论为基础完成对下车站点的识别，图4-5所示为这一天六个时段的OD分布。图4-5威海市19路公交下行方向OD分布本文通过对所研究公交线路这一天六个时段线路OD情况处理得到乘客到达率和乘客比例的具体数据。该公交线路六个时段站点的乘客到达率如图4-6所示。图4-6各站点不同时段乘客到达率对该公交线路这天六个时段的OD分布情况进行综合分析，可以得出在这一天内该公交线路各个站点的上下车人数如图4-7所示。图4-7各站点上下车人数该公交线路一共35个公交站点，因此有34个断面。对这一天内该公交线路各个站点的上下车人数进行处理进而得到这一天该公交线路各个站点断面上的通过的客流量分布情况如图4-8。图4-8各断面客流量由图4-8中可以推断出威海市19路公交下行方向上的客流量在处于中间断面较高，略微超过1，本文将这一参数的值定义为1.2。线路发车间隔优化1模型参数设置与该公交线路的实际情况相结合，对所建立的模型中涉及到的相关参数设定如表4-2所示。通过对网上相关资料的调查，本文将在所研究公交线路中车辆每行驶一千米公交运营企业需要投入10.5元，查阅电子地图得到所研究线路的全长为14.59km，可以得到该公交线路每发出一辆公共汽车需要负担10.5×14.59=153元的成本。本文对该公交线路的的早高峰、晚高峰2个时段进行调度优化研究。2模型求解本文所推算得到的该公交线路六个时段的发车间隔优化方案如表4-3所示。求解得到该公交线路六个时段最优发车间隔后，完成对早晚高峰时段发车时刻表的设计，表4-8、4-9分别为早高峰与晚高峰时段的行车时刻表，其中全程车用“0”来表示，区间车用“1”来表示。图4-8早高峰组合调度行车时刻表3模型优化效果分析将该公交线路的当前的调度方案与本文优化后的调度方案进行对比，定义三个系数的值分别为0.2、0.2、0.6，带入目标函数中求得早晚高峰在使用模型前后对应的目标函数的大小与断面满载率的大小的结果如表4-4所示。由表4-4中可以得到：由于所设定的参数在一定程度上减少了降低乘客搭乘公交出行的成本，因此最终的结果是发车间隔被降低，由表4-4中相关数据可以得到该模型具有不错的实用效果。本章小结本章应用威海市19路公交线路下行方向进行调度优化的实例应用。首先，对该公交线路的IC卡和GPS数据进行处理，在完成上下车站点识别后，得到该公交线路早晚高峰时段的线路OD分布；其次，以所建立的发车间隔优化模型为基础求解早晚高峰时段的发车间隔方案，并完成了早晚高峰的发车时刻表的设计；最后，将优化得到的调度方案与该公交线路当前的调度方案作对比，判断该模型具有一定程度的实用效果。结论主要结论（1）对威海市19路公交IC卡和GPS数据进行了两者之间的时间差的分析，得到时间差为1s，由于该时间差较小，本文没有对IC卡数据做校正。（2）本文以公交IC卡和GPS数据为基础对威海市19路公交线路做了乘客上下车站点识别。没有采取传统的公交车到离站时间方法，而是采取了参考刷卡时间和公交车驶入前后两后站点的时间之间关系的方法进行上车站点的推算，避免了出现漏掉部分乘客刷卡信息的情况。以出行链技术完成该公交线路的下车站点识别。（4）建立了所研究公交线路的发车间隔优化模型，并以该发车间隔优化模型为基础推算19路公交当天早晚高峰的发车间隔方案，并完成了早晚高峰的发车时刻表的设计；最后，将优化得到的调度方案与该公交线路当前的调度方案作对比，判断该模型具有一定程度的实用效果。参考文献章玉.基于数据挖掘的动态公交客流OD获取方法研究[D].北京交通大学，2010.陈君,杨东援.基于APTS数据的公交卡乘客通勤OD分布估计方法[J].交通运输系统工程与信息,2013,13(4):47-53.胡继华,邓俊,黄泽.结合出行链的公交IC卡乘客下车站点判断概率模型[J].交通运输系统工程与信息,2014,14(2):63-67.李海波,陈学武,陈峥嵘．基于公交IC卡和AVL数据的客流OD推导方法[J].交通信息与安全,2015,33(6):33-39.于滨,杨忠振,程春田,等.公交线路发车频率优化的双层规划模型及其解法[J].吉林大学学报,2006,36(5):664-668.黄小燕,周娟英.公交调度的数学模型及解法[J].交通标准,2010,(17):147-150.赵威.基于多目标优化的公交车调度问题的模型与算法[J].交通信息与安全,2010,28(1):79-83.JinYoungPark,Dong-JunKim.UseofSmartCardDatatoDefinePublicTransitUseinSeoul,SouthKorea[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard,2008:3-9.Dessouky,JohnAttanucci,RabiG.Mishalani.ServiceReliabilityMeasurementUsingAutomatedFareCardData-ApplicationtotheLondonUnderground