站間行駛持續(xù)時間是公交周轉時間的基本單元,是提高公交信息服務智能化與增強公交調度科學性的核心參數�；谏娣治龇椒�,將到站時間可靠性閾值作為判定站間行駛持續(xù)時間生存狀態(tài)的依據,提出站間行駛持續(xù)時間模型。通過K-M非參數方法對各個站間行駛持續(xù)時間的生存率進行預估,以比例風險回歸模型綜合分析各因素對站間行駛持續(xù)時間的影響,以此判斷各因素對站間行駛持續(xù)時間的敏感性。結果表明:道路擁堵狀況與天氣狀況對其敏感度較高;上下車客流隨著人數增加,敏感度隨之增高。本研究可以為公交調度管理者周轉時間預測提供運營參數支持。

【文章頁數】：7 頁

【部分圖文】：

圖1不同天氣狀況下站間行駛持續(xù)時間生存和危險函數

基于義烏市803號公交線路數據,將不同天氣狀況對站間行駛持續(xù)時間的敏感度進行分析,分析結果如圖1所示。曲線1表征關鍵因素影響下的累積生存函數曲線或累計危險函數曲線;曲線0表征無關鍵因素影響下的累計生存函數曲線或累計危險函數曲線。由圖1可知,有天氣狀況影響的持續(xù)時間生存曲線與危險曲....

圖2不同擁堵狀況下站間行駛持續(xù)時間生存和危險函數

將不同擁堵狀況對站間行駛持續(xù)時間的敏感度進行分析,分析結果如圖2所示。由圖2可知,公交的持續(xù)時間在0～200s內發(fā)生了擁堵,由于存在右刪失數據,可判斷此時到站可靠性高;在350s的節(jié)點生存曲線下降梯度大,危險曲線上升銻度大,持續(xù)時間受到第二次擁堵的干擾。伴隨著第二次擁堵的發(fā)生....

圖3不同上下車客流量站間行駛持續(xù)時間生存和危險函數

將不同上下車人數對站間行駛持續(xù)時間的敏感度進行分析,分析結果如圖3所示。曲線0表征上下車客流量在0～15人的累計生存函數曲線或累計危險函數曲線,曲線1表征上下車客流量在16～30人的累計生存函數曲線或累計危險函數曲線。由圖3可知,持續(xù)時間在400～650s內上下車人數較多,....

圖4綜合因素影響下的站間行駛持續(xù)

根據比例風險模型,將不同天氣狀況、道路擁堵狀況與不同上下車客流量等因素對站間行駛持續(xù)時間的影響綜合分析,結果如圖4所示。持續(xù)時間由于因素的干擾,會隨著行駛時間的延長而增大。由圖4可以看出在0～400s,生存率為1,雖然此區(qū)間的持續(xù)時間有影響因素的干擾,但是到站時間可靠性還有一定....

本文編號：3919307