公交串车现象的机理解释与预测方法研究

合集下载

公交优先环境下的公交串车问题研究

公交优先环境下的公交串车问题研究公交优先环境下的公交串车问题研究摘要：公交串车问题是城市公交系统中常见的一个难题，在公交优先环境下尤为突出。

本文通过分析公交运行特点和影响公交串车的因素，探讨了公交串车问题的产生原因及其对交通效率和乘客出行体验的影响。

结合现有研究成果，提出了减少公交串车的解决方案，包括改善公交线路规划、优化信号控制策略、提高车队管理水平等，为城市公交系统的发展提供参考。

关键词：公交优先；公交串车；交通效率；乘客出行体验；解决方案第一章绪论1.1 研究背景城市公交作为城市轨道交通系统和私家车出行的补充，对缓解交通拥堵、优化交通结构、提高出行效率具有重要意义。

然而，由于城市道路狭窄、交通流量大和信号灯控制不当等原因，公交车辆经常出现串车现象，影响了公交运营效率和乘客出行体验。

1.2 研究目的本文旨在研究公交串车问题在公交优先环境下的影响及解决方案，为城市公交系统的优化提供借鉴。

第二章公交串车问题的特点和影响因素分析2.1 公交运行特点公交车辆通常按照固定的线路和班次进行运行，与其他交通工具相比，公交车辆具有载客量大、行驶速度慢和站点频繁等特点。

2.2 公交串车问题的影响因素公交串车问题的产生和发展与多个因素相关，包括公交线路布局、信号灯控制、车辆调度、乘客上下车等。

第三章公交串车问题的影响与解决方案3.1 交通效率的影响公交串车导致公交车辆无法按时到达站点，乘客等待时间增加，降低了整体交通效率。

3.2 乘客出行体验的影响公交串车造成乘客拥挤、无法上下车等问题，影响了乘客出行的舒适度和便利性。

3.3 解决方案针对公交串车问题，可以从以下几个方面进行解决：3.3.1 改善公交线路规划通过分析公交线路的现状和特点，合理调整线路规划，减少线路交叉和重叠，提高公交运行效率。

3.3.2 优化信号控制策略采用智能信号灯系统，结合实时交通信息，优化信号配时，降低公交车辆排队等待时间。

3.3.3 提高车队管理水平优化车辆调度和运行管理，合理安排车辆的运行间隔和班次，避免车辆拥堵和车头车尾效应。

关于城市公交线路“串串车”现象的探讨

车”；平峰时段挨得很近运行或进站停靠的2辆或2辆以上的公交车可称为“串串车”。

在以上对“串串车”的认定中，有三点要注意：一是同一条体相隔多少距离或时间界定，主要考虑到各条线路发车间隔不一，公交车在各个站点停留时间随机性较强等特点。

“串串车”的危害
图1 时段内客流密度呈近似正态分布
图2 时段内客流密度呈近似泊松分布系。

在没有考虑线路客流密度空间分布不均时，某时间段以较密的等间隔发车。

如：高峰每隔1.2分钟一个班次，当头车A首先遇上客流密度高的2～3个站点，A车所用上下客时间增加，在该站点滞留时间延。

公交线路车辆调度算法研究

公交线路车辆调度算法研究公交交通作为城市居民出行的主要方式之一，对于解决交通拥堵、减少环境污染和提高出行效率具有重要意义。

而公交车辆调度算法的优化研究，可以有效提高公交服务的质量和效率。

一、调度算法的意义与挑战在城市中，公交车辆的调度任务十分复杂。

其涉及到线路选择、车辆分配以及时间安排等多个方面。

而传统的人工调度方法往往效率低下且容易出错。

因此，研究一种高效的公交车辆调度算法变得非常重要。

现代调度算法采用了数学模型和计算机技术，通过分析大量的运行数据，来实现公交车辆的智能调度。

这对于提高运营效率、减少人力和资源成本具有重要意义。

然而，公交车辆调度算法研究仍然面临许多挑战。

首先，城市交通具有高度复杂性，公交车辆需要面对复杂的交叉路口、拥堵情况以及不可预计的事件干扰。

其次，公交线路之间的紧密关联使得调度问题具有很强的时空约束性。

最后，行驶速度的不确定性也增加了调度算法的复杂性。

二、常见调度算法研究1. 贪心算法贪心算法是一种简单但有效的调度算法。

它选择当前最优的解决方案，并不考虑全局最优。

在公交车辆调度中，贪心算法可以根据实时数据选取最短路线，并根据乘客需求进行车辆分配。

贪心算法具有计算速度快的优势，但是在处理复杂场景时可能出现局部最优的情况。

2. 遗传算法遗传算法是一种模拟自然选择和遗传机制的优化算法。

它通过不断迭代求解问题并选择适应度更高的个体，来搜索最优解。

在公交车辆调度中，遗传算法可以用来自适应地分配线路和车辆，使得整体效益最大化。

遗传算法的优势在于可以在较短时间内找到近似最优解，但是其计算复杂度较高。

3. 粒子群算法粒子群算法是一种模拟鸟群觅食行为的优化算法。

它通过不断追踪当前最优解的位置，并结合个体和群体的信息来优化解决方案。

在公交车辆调度中，粒子群算法可以用来动态调整车辆的行驶路线和时间，以减少拥堵和提高效率。

粒子群算法具有快速收敛和全局最优解的特点，但是对算法的参数选择较为敏感。

三、未来调度算法的发展方向随着交通技术的进一步发展和数据的不断积累，公交车辆调度算法还有许多拓展的空间。

基于自适应动态规划的公交串车防治方法研究

基于自适应动态规划的公交串车防治方法研究
顾九春;马加金;尚春琳
【期刊名称】《交通工程》
【年(卷),期】2023(23)1
【摘要】公交串车优化主动性差会造成公交线路准点率低、乘客需求响应度差的
问题.本文首先对公交串车的状态过程演化描述和公交串车防治手段进行了分析,提
出1种基于自适应动态规划提出面向单路段的公交串车优化策略,实现了公交滞站、速度引导、信号调整3种手段的组合调度,最后经过仿真验证发现,能本文方法能使线路累计偏移降低76.83%,实现串车防治控制.
【总页数】6页(P123-128)
【作者】顾九春;马加金;尚春琳
【作者单位】鲁东大学交通学院;中国交通信息科技集团有限公司
【正文语种】中文
【中图分类】U495
【相关文献】
1.基于多级前瞻式仿真的公交串车防治方法
2.双线单换乘区条件下公交串车的驻站防治方法
3.防治公交串车的近似动态规划法
4.基于LightGBM模型的公交线路串
车状态识别方法5.复方短效口服避孕药应用对人流后修复子宫内膜的效果分析
因版权原因，仅展示原文概要，查看原文内容请购买。

公交车队调度算法研究

公交车队调度算法研究随着城市化进程的不断推进，城市交通拥堵问题日益突出。

公交作为城市交通的重要组成部分，也面临着运营效能的提升需求。

为了更好地满足乘客的出行需求，公交车队调度算法的研究成为了一项重要的课题。

一、公交车队调度的挑战在城市交通中，公交车队调度面临着多方面的挑战。

首先，乘客出行需求的时空分布不均匀，高峰期和低峰期的差异明显，这就要求我们在调度过程中根据实际需求进行精细化处理。

其次，城市交通拥堵情况的不确定性，不仅会导致公交运行时间的不确定性，还会增加路线冲突的概率。

再者，在复杂的路网环境中，如何在保证高效运行的同时，避免车辆之间的碰撞，也是一个需要解决的问题。

二、常见调度算法为了解决公交车队调度的挑战，研究人员提出了多种调度算法。

其中，时间表算法是最基本的算法之一。

时间表算法通过对发车时间的合理安排，以保证乘客能够在规定的时间范围内到达目的地，并使车队在不同线路上形成一个稳定的运行时间表。

此外，还有基于排队论的调度算法，它通过对乘客数量、服务时间、服务速率以及等候时间等因素的建模，提供了一种优化车队调度的方法。

另外，基于智能算法的调度也得到了广泛研究。

例如，遗传算法和粒子群算法等，通过模拟生物进化和群体行为的方式，寻找最优解。

三、最优调度算法尽管现有的调度算法具有一定的优势，却难以满足复杂城市环境下的公交车队调度需求。

为了提高调度效率和减少交通拥堵，研究人员致力于寻找更加优化的调度算法。

一种最优调度算法是基于模拟退火法的调度算法。

该算法通过模拟金属固体退火的过程，不断寻找最优解。

另外，基于蚁群算法的调度算法也得到了广泛关注。

该算法通过模拟蚂蚁的觅食行为，寻找最佳路径和调度方案。

相比其他算法，最优调度算法能够灵活应对复杂的交通环境，提高车队运行效率。

四、网络调度与智能交通系统近年来，随着信息技术的飞速发展，网络调度成为了公交车队调度研究的新方向。

在智能交通系统的支持下，公交车队可以通过实时更新的数据，实现更加准确的调度。

一种抑制城市公共汽车串车的行驶车速控制方法[发明专利]

专利名称：一种抑制城市公共汽车串车的行驶车速控制方法专利类型：发明专利
发明人：张勇
申请号：CN201510640180.4
申请日：20150930
公开号：CN105261208A
公开日：
20160120
专利内容由知识产权出版社提供
摘要：本发明公开了一种抑制城市公共汽车串车的行驶车速控制方法。

本方法利用实时获取公交车在道路空间上的速度、位置信息，对同一线路上的各公交车辆提出一种行驶速度实时动态调整方法，避免公交车辆的串车现象，实现公交车队的规范运行。

该方法所需的公交车速度、位置信息本身就是道路交通运行状况的反映。

因此，本方法能根据道路交通实际变化实时调整行驶速度方案，能给司机驾驶提供更加准确、直观的指示。

本方法可以嵌入到目前公交车普遍安装的GPS/AVL车载设备中，具有可移植性强、可靠性高的优势。

申请人：苏州大学
地址：215123 江苏省苏州市工业园区仁爱路199号
国籍：CN
代理机构：南京利丰知识产权代理事务所(特殊普通合伙)
代理人：王锋
更多信息请下载全文后查看。

搭错车现象的同构现象

搭错车现象的同构现象搭错车现象是指乘客在乘坐公共交通工具时，由于各种原因导致搭乘错误的车辆或者错误的方向，从而无法到达预定的目的地。

这种现象在日常生活中经常发生，不仅给乘客带来困扰，也给交通运输系统带来一定的负担。

搭错车现象具有一定的同构现象，即在不同的交通系统中都存在类似的情况。

一、原因分析1.1 缺乏信息搭错车现象最常见的原因之一是乘客缺乏准确的信息。

在地铁站或公交站台上，如果没有明确的标识或指示牌，乘客很容易迷路或者误上错误的车辆。

对于初次到达一个陌生城市或者对某个区域不熟悉的人来说，缺乏有效的导航工具也会增加搭错车的可能性。

1.2 人为操作失误另一个导致搭错车现象发生的原因是人为操作失误。

在高峰时段或拥挤地区，当公交车或地铁列车停靠时间很短且人员密集时，有些乘客可能因为赶时间或者分散注意力而上错车。

一些乘客可能会因为听错或理解错误导致搭错车。

1.3 不熟悉的交通系统对于不熟悉的交通系统，乘客容易搭错车。

在外地旅行或者到达一个新的城市，乘客可能对当地的交通规则、线路和站点位置不熟悉，从而导致搭错车现象的发生。

二、同构现象分析2.1 地铁系统中的同构现象在地铁系统中，搭错车现象是比较常见的。

原因之一是地铁线路复杂且分支众多，在换乘站点或者路线交叉处容易让乘客迷失方向。

地铁站台上没有明确的标识或指示牌也会增加乘客搭错车的可能性。

同样，在高峰时段人员密集且列车停靠时间短暂时，乘客也容易因为赶时间或者分散注意力而上错车。

2.2 公交系统中的同构现象在公交系统中，乘客搭错车现象也很常见。

公交线路较多且不同线路之间有时存在相似的站点名称，容易让乘客产生混淆。

公交车站的标识和信息发布不够清晰也增加了搭错车的可能性。

另外，一些乘客可能因为听错或理解错误导致搭错车。

2.3 出租车系统中的同构现象在出租车系统中，乘客搭错车现象相对较少，但仍然存在。

原因之一是出租车司机不熟悉某些区域或者道路，导致乘客被带到错误的目的地。

基于多级前瞻式仿真的公交串车防治方法

基于多级前瞻式仿真的公交串车防治方法何胜学【期刊名称】《科学技术与工程》【年(卷),期】2018(018)016【摘要】公交串车是高频公交线路上常见的系统运行失效现象.由站间行程时间和站点停留时间不确定性引起的串车现象集中体现了公交系统的不稳定性.为了防治公交串车,提出了一类将公交车在站点滞留适当时间的控制方法.新方法基于公交线路仿真系统中多级前瞻式控制行为的演化来确定最佳控制行为.为了合理度量线路运行稳定性,并建立有效的控制行为代价函数,分别定义期望系统车头时距和动态环线车头时距.给出了利用滚动时域法将实地数据用于估计路段行程时间和站点乘客登车时间期望与方差的具体方法.数值算例验证了上述串车防治方法和控制行为代价函数的有效性.研究表明新方法不仅可以有效防止高频线路上串车现象的发生,也可有效减少乘客的平均候车时间.%Bus bunching is a phenomenon related to inefficient system that often appears in a high-frequency bus line.Bus bunching embodies the instability of bus system due to the uncertainty of travel time and dwell time of buses.To resist this undesirable bunching, an approach to determining the appropriate slack times used to hold bu-ses at stops was proposed.The holding strategy bases on looking ahead multiple expected actions in a bus line simu-lator.The impact of the expected actions is measured in two different ways including the expected system headway and the dynamic circle headway.The field data will be used to estimate the means and variances of travel time on road segmentsand boarding time at stops in a rolling-horizon way.Numerical experiment is used to verify the ap-proach and the chosen estimate of the cost of action.The result demonstrates that the approach can effectively elimi-nate bus bunching on a high-frequency bus line and effectively reduce the average waiting time of passengers.【总页数】8页(P134-141)【作者】何胜学【作者单位】上海理工大学管理学院,上海200093【正文语种】中文【中图分类】U492.22【相关文献】1.充电式串联混合动力公交车性能仿真 [J], 刘宇亮;甘伟2.并联与充电式并联混合动力公交车性能仿真分析 [J], 刘宇亮;段敏3.消除公交串车—一种基于GPS与GIS的实时控制方法 [J], 任峰;刘涛;马继辉4.插电式城市公交车传动系统设计与仿真 [J], 姜涛;俞剑斌5.双线单换乘区条件下公交串车的驻站防治方法 [J], 何胜学因版权原因，仅展示原文概要，查看原文内容请购买。

实时公交串车预警及路线规划方法

字号、颜色、行距等进行修
改。建议正文将8该-14网号站字搭，建在服务器 1.3倍字上间，距以。便于使用网址访问。
时空模型检验
使用时空模型检验（Spatio-temporal model checking）技术来预测公交串行的现象。时空模型检验分为三个步骤：建模、性质描述和验证
02 研究方法之时空模型检验
公交站点查询模块
公交路线规划模块
公交线路查询模块
会根据输入的关键词查询金华的公交路线，并且在地图上显示出该公交路线及其经过的站点
公交路线规划模块
根据输入的终点和起点，查询出具体的公交换乘方案，并会在地图上显示
03 研究成果之预测公交串车
建模
建立模型，会使用“Model ”bmpdot:KRIPKE=model/kripke.dot,SPACE=model/test“;”该语句来表明模型的位置。其中 test文件夹中存放了不同时间的地图图片， kriple.dot文件中对每张地图赋予了一个状态并且表明了状态转移的关系。
色节点和黄色节点。Leabharlann 接触运算符T（“Touch”）
T含义是表示放在某个区域A 中的所有点，即区域A中的节点可以直接与满足公式的点相邻或者通过几个区域A中的节点才可与满足公式的点相邻，并且区域A中的点都满足公式。如图中，所有的白色节点均满足（W）T（R），表示图中的白色节点均可以到达
红色节点。
03 研究成果 ① 公交查询系统 ② 预测公交串车
03 研究成果之公交查询系统
在开始制作公交查询系统前，要两个准备工作： ①建站：在服务器装一个宝塔面板ipt type=“text/javascript” src=“/api?v=2.0&ak=获取的密钥"></script> 另外，公交查询系统的网站： http://www.cdmzzweixinxiaocx19.xyz/

公交车的调度问题的研究

公交车的调度问题的研究随着城市化进程的不断加快，城市交通出现了越来越严重的拥堵问题，而公交车作为城市交通的主要组成部分，其调度问题就显得尤为重要。

调度问题的定义公交车的调度问题，简单来说就是如何合理地安排公交车的运行，使之能够高效地服务城市中的居民。

具体而言，就是如何通过控制公交车的起止时间、运行路线、班次等计划，从而达到保证公交车在交通高峰期能够高效运行，同时又不浪费资源、时间和成本等问题。

调度问题的挑战公交车的调度问题并不是一件简单的事情。

其挑战主要有以下几个方面：复杂的交通环境城市中的交通环境很复杂，道路上往来的车辆密集，人流拥挤，各种信号设施也很复杂，这些都会给公交车运行和调度带来很大的挑战。

交通高峰时间段的突发情况在交通高峰时间段，公交车运行的情况是最为复杂的。

这时候，道路上的车流量非常大，各种交通事故、工程施工等突发情况也时有发生，这些都会使公交车的运行受到很大的影响。

资源配置的效率问题公共交通工具的资源配备是一个非常复杂的问题，这对公交车的调度来说同样存在很大的挑战。

公交车在不同的时间段需要不同的资源配置，这就需要车辆、人员等资源间的合理调配，其中还要考虑到公交车的安全、运行的时间和路线等问题。

数据采集与处理难度大为了更好地处理公交车调度问题，我们需要获取大量的数据进行分析。

但是，在城市交通高峰期，不同的公交车都会同时行驶在道路上，各种数据来自各个渠道，如何快速而准确地归并数据，是一个非常困难的问题。

调度问题的解决方案针对公交车调度问题，我们可以采用以下几种方案来解决：采用优化算法优化算法是目前处理公交车调度问题最常使用的一种方法。

该方法可以解决很多复杂的问题，如时间约束和智能决策等问题。

基于优化算法求解的公交车调度问题，可以使公交车在交通高峰期更加高效地运行，同时还可以减少资源的浪费。

融合异构数据融合异构数据是将不同来源的数据集成到一个数据处理系统中，以解决异构数据间的互相交互问题。

双线单换乘区条件下公交串车的驻站防治方法

何胜学
(上海理工大学，管理学院，上海200093)
摘要：换乘会增加公交车在换乘站点停靠时间的不确定性，从而可能诱发串车和加剧线路的不稳定
性。针对上述问题，以常见的存在单换乘区的两条公交线路为对象，提出了利用车辆驻站为控制手段
的双线控制增强学习模型和算法。首先，对换乘区进行了归类分
交通运输工程与信息学报
第17卷
0引言
较高的公交线路运行的稳定性和可靠性是公交服务系统能否持续吸引乘客、改善目前日益拥挤的城市交通现状，并取得较好运营收益的保障。公交串车是公交线路运行计划失效的集中体现，也是线路运行稳定性差和可靠性低的具体表现。公交串车定义为同一公交线路或存在共线的多条公交线路共线部分出现两辆或多辆公交车同时到达同一站点，并沿着公交线路或共线线路部分前后相接一起行驶的现象。串车的直接危害包括增加的乘客等车时间、运能的浪费、增加的车内拥挤、恶化的司机工作环境，以及增加的站点乘客上下车危险性。串车的间接长期危害包括公交出行吸引力降低、环境污染增加和公交公司运行陷入困境等。
中图分类号：U491
文献标志码：A
D0I： 10. 3969/j. issn. 1672-4747. 2019. 03. 018
A Holding Control Method to Prevent Bus Bunching on Two Bus Lines with One Transfer Zone
收稿日期：2018-07-13 基金项目：上海市自然科学基金项目(18ZR1426200);上海理工大学人文社科攀登重点项目(SK17PA02);上海市一流学科建设项
目(S1201YLXK)o 作者简介：何胜学( 1976-),男，陕西三原人，博士，上海理工大学管理学院副教授，主要研究方向为交通网络建模。引文格式：何胜学.双线单换乘区条件下公交串车的驻站防治方法[J].交通运输工程与信息学报,2019,17(3): 133-143.

串联式混合动力公交车的总体设计与仿真研究的开题报告

串联式混合动力公交车的总体设计与仿真研究的开题报告一、研究背景目前城市交通已成为一个全球性的问题，空气污染、交通堵塞等问题日益严重。

混合动力技术作为一种节能环保的新能源技术，被视为解决城市交通问题的有效途径。

公交车作为城市交通的主力军，混合动力公交车的研究与应用对于城市交通的改善和环境保护具有重要意义。

二、研究意义本研究旨在设计一款串联式混合动力公交车，并对其进行仿真研究。

具体意义包括以下几个方面：1.提高公交车的能效。

混合动力公交车在减少燃油消耗的同时提高动力系统的能效，节约能源，降低能源消耗成本；2.减少环境污染。

混合动力公交车采用环保的动力系统，减少了尾气排放，有效改善城市空气质量，保护环境；3.提高乘客舒适性。

混合动力公交车的噪音和震动都比传统公交车小，乘客的乘坐舒适性得到了提高；4.提高城市交通效率。

混合动力公交车可以根据不同的路况和载荷需求智能调节动力系统，提高运营效能，缓解城市交通拥堵。

三、研究内容本研究将围绕设计一款串联式混合动力公交车，并对其进行仿真研究。

具体内容包括以下几个方面：1.系统设计。

根据混合动力公交车的工作原理和市场需求，设计串联式混合动力公交车的动力系统、电池系统、充电系统及控制系统等，并优化系统结构；2.模型建立。

建立串联式混合动力公交车的数学模型，包括动力系统、传动系统、车辆动力性能、能量管理系统和充电系统等；3.仿真分析。

使用仿真平台对串联式混合动力公交车进行仿真分析，分析其动力性能、燃油消耗、电池充电和排放等指标，并比较其与传统公交车的差异；4.实验验证。

进行实际测试，验证仿真结果的准确性，分析混合动力公交车的实际性能。

四、研究方法本研究采用以下方法：1.文献调研法。

对混合动力公交车的研究现状进行调研，分析混合动力公交车的技术特点和发展趋势；2.仿真分析法。

使用MATLAB/Simulink等仿真软件，建立混合动力公交车的数学模型，并进行仿真分析；3.实验验证法。

基于强化学习的网联公交防串车控制方法研究

基于强化学习的网联公交防串车控制方法研究随着城市交通的快速发展和人口的增加，网联公交系统在现代交通领域扮演着重要角色。

然而，由于道路拥堵和人流量的不规律性，网联公交车辆在运行过程中容易出现串车现象，导致乘客的出行体验降低，甚至影响整个交通系统的运行效率。

因此，研究一种基于强化学习的防止公交车辆串车的控制方法变得尤为重要。

基于强化学习的网联公交防串车控制方法主要通过对公交车辆运行状态的监测和控制调整，实现防止串车现象的目标。

首先，该方法利用传感器设备对公交车辆的运行状态进行实时监测，包括车辆位置、速度、乘客上下车情况等。

然后，利用强化学习算法构建车辆控制模型，通过与环境的交互学习，使公交车辆能够根据实时的路况和乘客需求进行智能调整。

在具体实施中，该方法可以通过以下步骤来进行。

首先，建立强化学习的状态空间和动作空间，其中状态空间可以包括公交车辆位置、速度、乘客上下车情况等信息，动作空间可以包括加速、减速、停车等操作。

然后，根据实时的状态信息和环境反馈，使用强化学习算法来选择最优的动作，使公交车辆能够避免与其他车辆发生碰撞，保持适当的车距，提高交通系统的运行效率。

此外，为了提高防止串车的效果，可以考虑引入奖励机制和惩罚机制。

例如，当公交车辆能够在规定的时间内完成乘客的上下车任务时，可以给予正向奖励；而当公交车辆发生串车现象时，可以给予负向奖励或惩罚，以促使公交车辆学习避免串车的行为。

综上所述，基于强化学习的网联公交防串车控制方法是一种有效的解决公交车辆串车问题的方法。

通过实时监测车辆状态和智能调整车辆行为，可以提高公交车辆的运行效率，改善乘客的出行体验，进而促进城市交通系统的可持续发展。

未来的研究可以进一步完善该方法，并在实际交通场景中进行验证和应用。

公交行驶轨迹预测研究综述

公交行驶轨迹预测研究综述随着城市交通的发展和人口的增加，公交行驶轨迹预测成为了一个热门的研究方向。

公交行驶轨迹预测，顾名思义，就是通过分析和预测公交车的行驶轨迹，以提高公交运营效率和乘客的出行体验。

在这篇综述中，我们将从方法、数据和应用三个方面，对公交行驶轨迹预测的研究进行详细的介绍。

首先，我们来看一下目前公交行驶轨迹预测的常用方法。

研究者们主要使用两种方法进行预测：基于历史轨迹数据的统计方法和基于机器学习的数据驱动方法。

统计方法利用历史轨迹数据中的特征和规律来进行预测，包括线性回归、ARIMA模型等。

而数据驱动方法则通过训练算法来学习轨迹数据中的模式和规律，包括神经网络、支持向量机等。

这些方法各有优劣，研究者们也在不断尝试将它们结合起来，以取得更好的预测效果。

第二，我们来看一下公交行驶轨迹预测所使用的数据。

公交行驶轨迹预测依赖于大量的数据，包括公交车的位置数据、乘客的上下车数据以及路况数据等。

这些数据不仅需要准确性高，而且需要实时性强，以便进行准确的预测。

传统的数据来源包括GPS定位系统、轨道交通监控系统等，而近年来，随着智能手机和移动互联网的普及，研究者们也开始尝试使用乘客的移动信令数据和社交媒体数据等进行预测，以提高预测的精度和覆盖范围。

最后，我们来看一下公交行驶轨迹预测的应用。

公交行驶轨迹预测可以对公交运营和乘客出行产生积极的影响。

首先，在公交运营方面，准确的行驶轨迹预测可以帮助公交公司调整车辆的发车间隔、优化线路规划，从而提高运营效率和降低成本。

其次，在乘客出行方面，行驶轨迹预测可以提供乘客乘车的参考信息，帮助他们选择最佳的出行方案，减少等候时间和换乘次数，提升出行体验。

综上所述，公交行驶轨迹预测是一个具有重要意义的研究领域。

通过不断改进和优化预测方法、数据来源和应用场景，我们可以提高公交运营的效率，提升乘客的出行体验，从而为城市交通的发展和改善做出贡献。

我们期待未来能够看到更多关于公交行驶轨迹预测的研究成果，并将其应用于实际生活中。

常规公交车辆串车形成及预测建模

常规公交车辆串车形成及预测建模张健;李梦甜;冉斌;李文权【摘要】First,based on the concept of vehicle headway instability,the criterion for bus bunching phenomenon is proposed.By analyzing the six typical processes of the bus bunching problem,a mathematical model is established,with which the theoretical factors of bus bunching are analyzed.Then,taking the actual data of No.38 bus route in Zigong city for example,seven influencing factors are selected by using variance analysis and regression analysis,and are sorted by the importance.Finally,a forecasting model of the bus bunching problem based on radial basis function (RBF) neural network is established to forecast the headway of the future station.The real-time data of No.38 bus route in Zigong city are employed to validate the proposed model.The 300 groups of data randomly selected from more than 38 000 groups of real data are used for training.By comparing 30 sets of test data,the results show that the samples with the errors between predicted and actual values within 10％account for 90％,which illustrate the result is good.It is proved that established model has good applicability.%首先结合车头时距不稳定性的概念,对串车现象给出判定依据;分析串车问题产生的6种典型过程,建立串车问题数学模型,对串车发生的原因进行理论分析.然后,以自贡市38路公交线路实际数据为例,采用方差分析与回归分析筛选出7个串车形成影响因素,并对其重要性进行排序.最后,建立基于径向基函数神经网络的串车问题预测模型,对未来站的车头时距进行预测,并选取自贡市38路公交车的实时数据进行模型验证.在38 000余组数据中随机选择300组数据进行训练,对比30组测试数据.结果表明,学习得到的预测值与实际值偏差10％以内的样本点占90％,结果良好,证明了所建立的模型具有较好的适用性.【期刊名称】《东南大学学报（自然科学版）》【年(卷),期】2017(047)006【总页数】5页(P1269-1273)【关键词】公共交通;串车;排序;径向基函数神经网络【作者】张健;李梦甜;冉斌;李文权【作者单位】东南大学城市智能交通江苏省重点实验室,南京210096;东南大学现代城市交通技术江苏高校协同创新中心,南京210096;东南大学江苏省物联网技术与应用协同创新中心,南京210096;东南大学物联网交通应用研究中心,南京210096;东南大学城市智能交通江苏省重点实验室,南京210096;东南大学现代城市交通技术江苏高校协同创新中心,南京210096;东南大学江苏省物联网技术与应用协同创新中心,南京210096;东南大学物联网交通应用研究中心,南京210096;东南大学城市智能交通江苏省重点实验室,南京210096;东南大学现代城市交通技术江苏高校协同创新中心,南京210096;东南大学江苏省物联网技术与应用协同创新中心,南京210096;东南大学物联网交通应用研究中心,南京210096;东南大学城市智能交通江苏省重点实验室,南京210096;东南大学现代城市交通技术江苏高校协同创新中心,南京210096【正文语种】中文【中图分类】U492.3随着城镇化进程加快,城市交通供需不平衡矛盾日益突出,交通拥堵已成为严重制约我国城市健康可持续发展和居民生活水平进一步提高的主要原因之一.城市常规公共交通作为有效缓解交通拥堵的出行方式之一,以其价格低廉、资源高效利用,而得到大力提倡.大力优先发展城市公共交通已成为国策.如何进一步提升城市常规公交服务水平,具有紧迫的现实意义和较好的理论研究价值.Joshua[1]研究表明,乘客感受到的公共交通服务水平取决于公共交通系统运行的稳定性.由于对外部干扰的敏感性,公交车辆在运行过程中会产生诸如串车等一系列问题.根据控制基准点不同,国外将串车问题的研究方法分为3类[2]:基于时刻表、基于车头时距和基于实时信息的串车问题.Rufi[3]利用公交车在车站的到达时间、离开时间、停站时间、上下车人数以及线路的基础数据,搭建微观交通仿真平台,建立了线路公交车仿真模型.Delgado等[4]认为,控制策略法虽缓解了串车问题,但使车辆运行速度下降,因而提出了驾驶员可通过控制登车人数以提高车辆运行速度的方法,并研究了同时采用控制方法和控制登车人数更优的情况.Chen等[5]提出建立在多个控制点的控制策略,并考虑到采用控制方法时乘客的上下车问题.Bartholdi等[6]放弃传统时刻表甚至预先设定目标车头时距的概念,分别采用控制车头时距收敛速度和车头时距下限,以加强平衡性.通过调整参数,增加或减少一辆多余的公交车,系统将会自行通过目标车辆和前后车距离调整速度.国内对串车问题的研究起步较晚.董高成等[7]针对串车现象,基于行车路线区间划分以及路段调节能力提出了快速公共交通的实时行车控制方法.刘明卉[8]定性分析串车现象的主要产生原因,并提出基于甩站策略的公交车控制模型.徐茹[9]提出了串车的定性定义,认为车辆间隔距离与车速有一定关系,并在微观分析的基础上建立了基于车辆间隔距离的反馈控制模型.此外,Zhang等[10]通过对站点停靠位置通行能力和实际公交车定位数据的分析,以及控制车辆的停靠时间和发车间隔的波动有效地解决了串车问题.杨敏等[11]将差分自回归移动平均模型和支持向量机方法进行组合构建了一种快速公交停站时间的组合预测方法.Yin等[12]提出了一种驻站和甩站组合的混合实时站点控制策略.目前在串车的研究中,串车现象的判定以及产生原因均以定性描述为主,缺乏定量的判断依据.本文基于公交车实际实时数据,给出串车问题定量判定方法和理论分析,从而对串车问题进行有效预测.车头时距的不稳定性是造成串车的重要原因[12],用指标Ccov(h)来表示车头时距不稳定性,其计算式为式中为平均计划发车间隔为第i站的计划平均车头时距;hji为在第i站相邻公交车第j次移动的车头时距.串车现象共有6种典型过程,图1通过公交车的时空轨迹图进行描述.横坐标表示公交车运行时间,纵坐标表示公交车距离出发点的距离,斜率表示公交车平均运行速度.假设根据行车计划,编号为1,2,3的公交车按照相同车头时距发车,每辆公交车在受到干扰前都保持相同的运行速度.将基于时刻表的行车间隔记为理想车头时距,串车现象就是车头时距远大于理想车头时距;大间隔现象就是车头时距远小于理想车头时距(与串车现象相对应).为建立模型,做如下假设:① 公交车辆在始发站及终点站不进行发车间隔调整,线路抽象为连续、闭合的圈点图,且站间距相同.② 车辆启停时间忽略不计,即停站总时间由乘客登车总时间决定.③ 乘客到达时间满足时间上的相互独立,空间上均匀分布,且就近候车,登车总时间与乘客人数成正比.④ 目标车辆在目标站点的前一站为理想平衡状态,目标车辆的前一车辆在目标站点保持理想平衡状态.1) 满足以下条件时称为达到平衡条件:① 线路上共有M个公交站点,乘客以平稳速率到达第m站点(m=1,2,…,M),即速率αm为定值;② 乘客均匀分布在各站点,且到达率相同(车站聚集人数与时间成正比);③ 第n辆车的区间运行速度相同,即运行速度vn为定值;④ 第m站、第n辆车与前车的车头时距Hm,n与平衡条件下的发车间隔H相等,即Hm,n=H;其中,以定量表述线路上前后相邻2车之间的行车间隔称为车头时距.2) 成因分析模型计算在假定的理想状态下，当线路总长为L，站间距为D=L/(m-1)时，车辆从第(m-1)站离站到第m站离站，所需总旅行时间包括乘客相互独立的区间运行时间D/vn 和乘客数量相关的累积登车时间(即停站时间)αmHm,nβ.其中，vn为区间运行速度，D为站间距，Hm,n为车头时距，αm为乘客到达率，β为乘客人均登车时间.① 第m站、第n辆车的离站时刻式中,Tm,n为第m站、第n辆车的总等车时间(即停站时间).② 第m站、第n辆车的离站车头时距整理式(3),可得进一步整理,可得Hm,n= H(m-1),n+·式(5)还可表示为Hm,n= A(m-1),n++Tm,n-由于的取值范围为(1,+∞),所以第m站、第n辆车与前车的车头时距与其在第(m-1)站与前车的车头时距正相关,且不断放大(见图1(a)).同时,式(5)可以转化为Hm,(n-1)由式(6)可以得出,第m站、第n辆车与前车的车头时距与第(n-1)辆车在本站与前车的车头时距负相关,第m站、第n辆车与前车的车头时距与第(n-1)辆车与第n 辆车的速度差正相关(见图1(b)).此外,由式(5)可以得出:第m站、第n辆车与前车的车头时距与其在本站的停站时间正相关(见图1(c));第m站、第n辆车与前车的车头时距与第(n-1)辆车在本站的停站时间负相关(见图1(d));第m站、第n辆车与前车的车头时距与其区间运行时间正相关;第m站、第n辆车与前车的车头时距与第(n-1)辆车的区间运行时间负相关.根据系统建模计算的结果可知,串车现象具有传递性、放大性等性质,同时可以分析出造成串车问题的原因可能是:目标车辆提前离站、前车停站延误、本车区间运行超速以及前车区间运行延误.除此之外,由于实际路网中的情况相对复杂,可能会出现上述4种情况的不同组合模式.由式(1)可知,系统不稳定性由车头时距决定,因此将对系统不稳定性的影响因素的研究转换为对车头时距的影响因素进行分析,后车的进(出)站时间与前车的进(出)站时间差值就是车头时距.可能影响车头时距的因素包括车站属性、车辆属性、行驶时间(段)、区间旅行时间、前车区间旅行时间、停站时间、前车停站时间、发车间隔等.其中时间因素可简化为:早高峰前、早高峰、非高峰1(2 h)、非高峰2(2 h)、非高峰3(2 h)、非高峰4(2 h)、晚高峰(2 h)和晚高峰后.方差分析从观测变量的方差入手,研究诸多控制变量中哪些变量是对观测变量有显著影响.回归分析是确定2种或2种以上变量间相互依赖的定量关系的一种统计分析方法.下面分别采用方差分析与回归分析方法对影响因素进行筛选和排序.3.2.1 数据说明自贡是川南区域中心城市,为四川省辖地级市.本文选取了自贡市2014年10月期间,38路公交车的38 000余组数据进行研究,该线路运行总里程为10.5 km,运行时间为6:30—21:00,共计停靠24个站点,发车间隔2～7 min,首末站分别为翰林尚都站和沙鱼坝站.由于38路纵穿自贡市,途径大安区政府、自贡市第四人民医院等多个城市重要节点,交通干扰较多,易出现串车等现象.为了确保数据的准确性和研究的严谨性,将剔除线路上的招呼站、虚站总共6个车站,选取剩余18个车站作为研究对象.其中主要时间因素点包括早高峰前(7:00以前)、早高峰(7:01—9:00)、非高峰1(9:01—11:00)、非高峰2(11:01—13:00)、非高峰3(13:01—15:00)、非高峰4(15:01—17:00)、晚高峰(17:01—19:00)、晚高峰后(19:00以后).3.2.2 因素筛选方差分析着重于观测变量取值的变化受到不同水平控制因素(即控制变量)以及随机因素(即随机变量)2个方面的影响.其中,随机因素主要来源于随机误差.该方法认为,如果控制变量发生显著变化,观测变量同时产生显著变化,则可认为观测变量同时受到控制变量和随机变量的影响,否则可认为观测变量仅受到随机变量的影响.本文中观测变量为车头时距;控制变量为车站编号、车辆编号、时间段、区间旅行时间、前车区间旅行时间、停站时间、前车停站时间、发车间隔,共8个控制变量.提出零假设,即各控制变量不同水平下观测变量各总体的均值无显著差异,选取显著性水平α为0.05.车站编号、车辆编号、时间段、区间旅行时间、停站时间、前车停站时间、发车间隔均小于显著性水平,对车头时距有显著影响;前车旅行时间的F检验统计量的概率p值为0.587,大于显著性水平,不能拒绝原假设,因此其被排除.3.2.3 因素权重排序以上选取的控制变量分为分类型变量(车站编号、车辆编号、时间段)与数值型变量(区间旅行时间、停站时间、前车停站时间、发车间隔).首先利用线性回归模型对数值型变量(定距)发车间隔、停站时间、前车停站时间、区间旅行时间进行建模和检验分析,得到如下方程:式中,X1,X2,X3,X4分别为发车间隔、停站时间、前车停站时间、区间旅行时间.但是,方程的拟合优度R2=0.206,拟合优度并不高,所以线性回归方程仅作为参考,不能直接进行预测和分析.此外,考虑到解释变量中既有数值型变量,又有分类变量,既有定距变量,又有定序变量,故进一步选用回归分析方法时,采用SPSS软件中自动线性建模方式进行建模.学生化残差的直方图(见图2)表明,残差分布与均值为0的正态分布基本吻合,则自动线性回归模型可靠,输入样本量N=40 639;标准差为1.0,目标为进站车头时距.利用学生化残差的直方图将残差分布与正态分布相比较,图2中平滑线表示正态分布,残差频数越靠近平滑线,则残差分布越接近于正态分布.由图3可知,影响因素重要性由大到小依次为发车间隔、时间段、停站时间、前车停站时间、区间旅行时间、车站编号、车辆编号,其中,发车间隔产生的影响占86%.3.3.1 公交车串车预测模型本文中串车现象预测采用RBF径向神经网络,将3.2节中对车头时距有显著影响的7个变量作为RBF径向神经网络的输入变量,分别为发车间隔X1、停站时间X2、前车停站时间X3、区间旅行时间X4、车辆编号X5、时间段X6和车站编号X7,将该车辆下一站车头时距Y1设为输出变量,建立7-15-1网络结构,即7个输入层节点、15个隐含层节点和1个输出层节点.3.3.2 公交车串车预测模型随机选取300组数据作为训练集,30组数据作为测试集,分别计算出发车间隔、停站时间、前车停站时间、区间旅行时间、车辆编号、时间段和车站编号,并计算出本站车头时距.将所有计算结果以车辆编号为筛选字段,离站时间为排序字段排序,从而得到下一站的车头时距.利用Excel对所有历史数据进行数据处理,得到历史数据源.利用Matlab软件随机选取300组数据作为原始数据进行网络学习,得到基于RBF神经网络预测模型实际值与预测值对比图(见图4).由图4可见,30个样本点中预测值与实际值偏差在10%以内的样本点占90%,拟合效果较好,基本可以体现出串车问题的发生点与问题严重程度.因此,基于RBF神经网络预测模型具有较好的预测价值.采用理论模型和基于真实数据的实例分析相结合的方式,列举了串车的6种典型过程,系统地分析了导致串车发生的影响因素和形成原因,筛选出7个因素,按照重要性大小排序为发车间隔、时间段、停站时间、前车停站时间、区间旅行时间、车站编号、车辆编号.最后,通过RBF径向神经网络模型,实现了对公交车辆串车问题有效的预测.研究中未能对其他可能影响因素(如天气、驾驶员驾驶习惯等)进行筛选,RBF径向神经网络的收敛速度也较慢,预测实时性较差,这些将在后续研究中深入讨论分析. [1] Joshua M P. An approach to reducing bus bunching [D]. Berkeley, CA, USA: University of California, 2009.[2] Zolfaghari S, Azizi N, Jaber M Y. A model for holding strategy in public transit systems with real-time information [J]. International Journal of Transport Management, 2004, 2(2): 99-110. DOI:10.1016/j.ijtm.2005.02.001.[3] Rufi F M. Optimization analysis of the number and location of holding control stops to prevent bus bunching [D]. Stockholm, Sweden: Kungliga Tekniska Hogskolan, 2011.[4] Delgado F, Munoz J C, Giesen R. How much can holding and/or limiting boarding improve transit performance? [J]. Transportation Research Part B, 2012, 46(9): 1202-1217. DOI: 10.1016/j.trb.2012.04.005.[5] Chen Q, Adida E, Lin J. Implementation of an iterative headway-based bus holding strategy with real-time information [J]. Public Transport, 2012, 4(3): 165-186. DOI:10.1007/s12469-012-0057-1.[6] Bartholdi J J, Eisenstein D D. A self-coordinating bus route to resist bus bunching [J]. Transportation Research Part B, 2012, 46(4): 481-491. DOI: 10.1016/j.trb.2011.11.001.[7] 董高成,张海,沈晓蓉,等.基于区段划分的快速公交实时行车控制研究[J].系统仿真技术,2012,8(1):16-22,50. DOI: 10.3969/j.issn.1673-1964.2012.01.004.Dong Gaocheng, Zhang Hai, Sheng Xiaorong, et al. BRT real-time controlbased on bus-line partition[J]. System Simulation Technology, 2012, 8(1): 16-22, 50. DOI: 10.3969/j.issn.1673-1964. 2012.01.004. (in Chinese)[8] 刘明卉.基于甩站策略的城市公交服务可靠性研究[D].北京:北京邮电大学经济管理学院,2012.[9] 徐茹.公共交通运力配置最优化问题研究[D].北京:北京工业大学软件学院,2013.[10] Zhang Man, Li Wenquan. Factors affecting headway regularity on bus routes [J]. Journal of Southeast University (English Edition), 2013, 29(1): 99-102. DOI: 10.3969/j.issn.1003-7985. 2013. 01. 020.[11] 杨敏,丁剑,王炜.基于ARIMA-SVM模型的快速公交停站时间组合预测方法[J].东南大学学报(自然科学版),2016,46(3):651-656. DOI: 10.3969/j.issn.1001-0505. 2016. 03.033.Yang Min, Ding Jian, Wang Wei. Hybrid dwell time prediction method for bus rapid transit based on ARIMA-SVM model[J]. Journal of Southeast University (Natural Science Edition), 2016, 46(3): 651-656. DOI:10.3969/j.issn.1001-0505.2016.03.033. (in Chinese)[12] Yin T T, Zhong G, Zhang J, et al. A hybrid real-time bus control strategy with a multi-criterion evaluation[C]//Proceedings of the 16th COTA International Conference of Transportation Professionals. Shanghai, China, 2016: 681-691. DOI: 10.1061/9780784479896.063.第47卷第6期2017年11月东南大学学报(自然科学版)JOURNAL OF SOUTHEAST UNIVERSITY (Natural Science Edition)Vol.47No.6Nov. 2017。

串联式混合动力公交车可靠性分析

串联式混合动力公交车可靠性分析随着城市化进程的不断发展，城市交通需求日益增长，环保和经济节能的公共交通正在成为城市交通发展的主流趋势。

串联式混合动力公交车作为一种多种技术特点集于一身的新型公交车辆，被广泛关注和应用，其可靠性分析也是至关重要的一个环节。

一、串联式混合动力公交车的应用优势串联式混合动力公交车相比传统柴油公交车具有显著的优势，包括：1、减少了能源的消耗，降低了运营成本。

2、增加了行驶的里程数，减少了能源的浪费。

3、大大减少了尾气的排放，减少了环境污染。

4、减少了车辆噪音，保持了城市环境的安静。

5、更加科技化的操作方式，提高了公交车的运行效率和可靠性。

二、串联式混合动力公交车的可靠性分析串联式混合动力公交车相比传统柴油公交车是一种新型的技术产品，其可靠性的评估与分析也存在很大考验，需要进行以下几个方面的考虑：1、电动机的电控器电动机是整个公交车动力总成的核心部件之一，串联式混合动力公交车的电动机配备了电控器，其中最重要的部分是电控器的电路板，这是电控器的“心脏”，承担着平衡能源输出、提高动力输出的功能，它的可靠性决定了整个公交车的可靠性。

2、电瓶的电池管理系统电池是串联式混合动力公交车的存储能量的核心部件，而电池管理系统是保障电池正常运行的重要部分之一。

电池管理系统是电池与电控系统、车载电子系统共同实现安全、管理、监测、保养等的关键组件，具有很大的维护难度，如果电池出现故障或电瓶容量下降过大，就会严重影响整个公交车的可靠性。

3、内燃机的动力总成串联式混合动力公交车使用了内燃机与电动机混合动力的方式进行功率输出，内燃机动力总成系统需要控制燃料喷射、燃烧准时、氧气供应等，其可靠性直接影响公交车的运行状况，而内燃机作为混合动力系统的一个根本组成部分，其可靠性也需要进行充分的考虑。

三、提高串联式混合动力公交车可靠性的建议1、完善电动机电控系统的保护措施为了提高电动机电控器的可靠性，应该增加其保护措施，使其具有更优化的可靠性。