【摘要】：公交系統(tǒng)是一個相對開放的系統(tǒng),影響公交運營的因素眾多且復雜,其中公交系統(tǒng)的內部影響因素包括公交客流波動,車隊車輛配置情況,調度方案的執(zhí)行情況等,外部影響因素包括工作日節(jié)假日屬性,氣溫,天氣,道路交通狀況等不可控因素。這些因素都以不同的方式影響著公交的運營過程,公交管理者需要根據(jù)這些因素的變動,不斷優(yōu)化自身的運營策略。以往的公交管理精細化程度較低,公交管理方案的提出與改變過程一般由專家經驗驅動而非數(shù)據(jù)驅動。近年來隨著基礎設施的完善,大型城市每日可以產生數(shù)以千萬計的乘客出行記錄和公交車輛行駛記錄。越來越多的公交數(shù)據(jù)可以為公交管理部門提供決策參考。對于客流量總量巨大,客流波動情況復雜,道路情況復雜的市區(qū)內部線路來說,行車計劃基本很難準確實施。上述影響因素對公交系統(tǒng)的隨機影響應該盡量降低,從而在源頭上為公交系統(tǒng)的魯棒性優(yōu)化和實時控制過程提供一組較為穩(wěn)定的環(huán)境變量。使這些變量變得更加穩(wěn)定的主要策略有兩種,一是對這些變量進行更加準確合理的預估,為計劃層提供最優(yōu)的參數(shù)設置,二是采用分而治之的思想,在上述最優(yōu)參數(shù)預估的基礎上,將公交運營時段進行合理的劃分,使得每個運營時段內有著盡量準確穩(wěn)定的運力供需狀態(tài),方便公交管理者選用最優(yōu)的運營策略。本文分別對線路客流預測,最大斷面客流預測,公交運營時段劃分,公交運營時段劃分與車隊配置協(xié)同優(yōu)化四個方面做了深入的理論研究。針對線路客流的準確預測問題,本文提出了一個考慮乘客行為模式的線路客流預測新方法。傳統(tǒng)的客流預測方法均以時段客流總量為模型輸入,忽略了不同類型的乘客對于外在影響因素變動的響應模式差異,忽略了不同類型乘客量波動的時變規(guī)律差異,本文針對此缺陷,提出了一組公交乘客分類的方法并論證了乘客分類預測對提高線路客流預測精度的必要性,在分析分類客流預測問題特性的基礎上提出了一個新的混合機器學習模型,此模型充分挖掘了不同類型客流對外在影響因素變動的響應模式和不同類型客流內在的時變規(guī)律,相比于傳統(tǒng)的集計預測模型,大幅提高了線路客流量的預測精度。針對最大斷面客流預測問題,本文在深入分析最大斷面客流預測誤差對運營風險的結構性影響的基礎上,提出了一個基于報童模型的最大斷面客流預測模型。傳統(tǒng)的斷面客流預測問題均將此預測問題抽象為簡單的數(shù)值型預測問題,忽略了最大斷面客流對運營風險成本的實際影響,本文根據(jù)實際的公交運營參數(shù),計算了最大斷面客流預測誤差在不同范圍內對運營風險成本的增長的影響,并以運營風險成本最小化代替了傳統(tǒng)預測方法中追求絕對誤差最小化的損失評價函數(shù)。另外,本文選用并改進了預測穩(wěn)定性和精確性均較高的Shepard插值預測模型,使之適用于本文所解決的基于報童模型的預測問題,取得了預測性能較優(yōu)的最大斷面客流預測模型。針對運營時段劃分問題,針對公交運營時段劃分問題的研究比較初步,現(xiàn)有的公交運營時段劃分問題一般均以追求單一運營參數(shù)(如乘客需求或者公交行程時間)在時段內差異最小化為目標。此類研究均忽視了這些運營參數(shù)對公交運營優(yōu)化工作的聯(lián)合作用。本文深入分析了時段劃分對公交運營優(yōu)化的實踐意義,深入分析了傳統(tǒng)研究的不足之處,提出了一個以時段內部運力需求為指標,以多源公交數(shù)據(jù)為基礎的優(yōu)化環(huán)境變量計算框架。在此框架的基礎上,以車隊車時成本最小化為優(yōu)化目標建立了時段劃分優(yōu)化模型并取得了良好的運營時段劃分效果。通過對時段劃分問題的深入研究,本文發(fā)現(xiàn)時段劃分問題與車隊配置問題有著密不可分的相互關系,在此基礎上提出運營時段劃分與車隊配置方案的協(xié)同優(yōu)化模型。前文通過對傳統(tǒng)運營時段劃分問題的深入研究,本文發(fā)現(xiàn)運力需求是一個較為合理的時段劃分指標,但同時,運力需求也是一個復雜的概念,其包含了最優(yōu)車型選擇,車隊規(guī)模優(yōu)化兩個重要的子問題,當把這兩個子問題考慮進公交運營時段劃分問題中時,問題變得更加復雜:時段劃分方案和最優(yōu)車隊配置之間相互影響,共同決定著整條線路全天的運營成本�；诖�,本文創(chuàng)新性的對運營時段劃分和車隊配置進行了協(xié)同優(yōu)化。在成本計算過程中,依然利用了大量多源公交數(shù)據(jù)對全天的環(huán)境變量進行了計算,另外,還利用報童模型對不同車隊配置的運營風險進行了深入分析與計算。在此基礎上,本文以全天運營成本最小化為目標,建立優(yōu)化模型對運營時段劃分和車隊配置進行了協(xié)同優(yōu)化,并取得了良好的運營時段劃分和車隊配置優(yōu)化方案。
【圖文】：

圖 2- 2 和 的笛卡爾積示意圖流影響因素表 2- 2 影響因素素 符號型/數(shù)值型 數(shù)據(jù)范圍型 符號型 詳見分類方案表/節(jié)假日 符號型 是/否/節(jié)假日 符號型 是/否氣 符號型 是/否氣溫 數(shù)值型 [日最高氣溫的最小值，日最高氣溫的最數(shù)值型 1-7數(shù)值型

27(e) 按照 分類圖 2- 3 不同分類方案下的客流曲線響因素變動響應模式差異分析乘客對不同影響因素變化的響應模式差異，需行量化，本文引入指標，，方差縮減（variancedfSquaresofDeviationfromMean）是指每個觀察中離散趨勢的重要指標之一，計算方法見公式和就越大。( )
【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：U491.17;U492.413

【參考文獻】

相關期刊論文 前10條

1 肖汶謙;陸百川;郭桂林;張海;;RBF神經網絡在公交行程時間預測中的應用[J];交通科技與經濟;2015年02期

2 胡繼華;鄧俊;黃澤;;結合出行鏈的公交IC卡乘客下車站點判斷概率模型[J];交通運輸系統(tǒng)工程與信息;2014年02期

3 劉建榮;鄧衛(wèi);張兵;;公交�？空竟卉嚀p失時間研究[J];交通信息與安全;2011年04期

4 高潔;;基于回歸分析的公交站點車輛�？垦诱`模型設計[J];交通科技與經濟;2009年06期

5 于勇;鄧天民;肖裕民;;一種新的公交乘客上車站點確定方法[J];重慶交通大學學報(自然科學版);2009年01期

6 吳洋;羅霞;;公交車輛站停時間與乘客行為的關系[J];西南交通大學學報;2007年02期

7 馬宏偉;李剛炎;胡劍;于翔鵬;;城市公交�？空緯r間延誤分析與對策[J];公路與汽運;2006年06期

8 戴帥;陳艷艷;榮建;劉小明;;公共交通系統(tǒng)的可靠度研究[J];北京工業(yè)大學學報;2006年09期

9 戴霄,陳學武;單條公交線路的IC卡數(shù)據(jù)分析處理方法[J];城市交通;2005年04期

10 楊新苗,王煒,尹紅亮,武勇;公交調度峰值曲線的優(yōu)化方法[J];東南大學學報(自然科學版);2001年03期

相關博士學位論文 前2條

1 巫威眺;不確定環(huán)境下公交網絡協(xié)同調度的魯棒性及控制策略[D];華南理工大學;2015年

2 陳琨;基于移動源數(shù)據(jù)的城市路網行程時間可靠性評價模型與算法[D];北京交通大學;2008年

相關碩士學位論文 前7條

1 劉洋;基于狀態(tài)空間模型的城市軌道交通斷面短時客流預測方法研究[D];北京交通大學;2016年

2 張佩;基于EEMD-MGSVM的高速鐵路多斷面短期客流預測[D];北京交通大學;2016年

3 武勇;基于時間分布的公交行程時間預測模型的研究[D];山東大學;2012年

4 陳城輝;城市多模式公交行程時間可靠性研究[D];南京理工大學;2011年

5 章玉;基于數(shù)據(jù)挖掘的動態(tài)公交客流OD獲取方法研究[D];北京交通大學;2010年

6 舒國輝;基于數(shù)據(jù)挖掘的公交客流規(guī)律研究[D];北京交通大學;2009年

7 戴霄;基于公交IC信息的公交數(shù)據(jù)分析方法研究[D];東南大學;2006年

本文編號：2690590