基于“守时服务”的公交运营时刻表设计方法及应用文献综述

1. 文献综述（或调研报告）：
2. 城市公交行车时刻表研究现状

行车时刻表是一个车辆运营计划问题,即VSP问题(Vehicle Scheduling Problem)。运营计划是一个运输系统中的经典优化问题,同时它也是一个复杂的优化问题。

国外的研究中，Scheele早在80年代初就提出以线路发车频率为决策变量,乘客出行时间最小为目标的公交线路发车频率优化模型,并且考虑了车辆的容量和客流分配问题,Furth和Wilson通过以乘客等待时间最少和总乘客数最多为目标来优化线路的发车间隔,但是没有考虑供需双方的相互作用。到了最近10年,研究重点趋向于从换乘同步性,协同发车等角度来确定发车时间、发车频率等。Palma 和Lindsey建立考虑乘客换乘等待时间的发车时间模型,CederA.以网络公交车辆同时到站次数最多为目标函数,建立相应的发车时间模型,使得换乘乘客以最小的等待时间实现两条线路之间的换乘。

国内的研究主要有:孙芙灵根据西安公交客流调查数据,提出不同客流状态下的多种确定发车间隔的方法;周雪梅等研究了实时提供公共交通信息的条件下,公共交通换乘等待时间最短的调度问题;杨兆升给出一个以乘客的等车、在车、换乘费用和运营者的可变运营费用四个部分之和为目标函数(最大化社会效益)的发车频率优化模型。

1. 公共交通数据的挖掘、处理以及应用

以色列的Avishai Ceder研究了数据采集的一些技术以及数据处理方法，但Avishai Ceder主要基于数学统计方法对公交客流数据进行分析，而没有使用数据挖掘方法对海量数据进行分析研究。Lawrence A KLEIN在他的著作中介绍了智能交通中先进的数据采集技术以及相应的数据分析处理技术。P.W.Bonsall利用数据采集与挖掘技术研究城市停车问题，通过先进的采集技术以及合理的数据挖掘方法研究城市停车问题中的规律。

舒国辉在《基于数据挖掘的公交客流规律研究》应用传统的数理统计方法，着重分析了公交IC卡数据，基于海量的数据分析，得到了能够反映客观实际的客流变动规律，其中核心的内容是通过IC卡数据推算乘客在站点的上下车人数和具体时刻。师富民《基于IC卡数据的公交OD矩阵构造方法研究》涉及了IC卡数据的调查和处理算法，可以对大量公交IC卡数据分类处理，通过对乘客人数以及站点位置的确定,得到基于公交车站的居民公交出行OD矩阵。

1. 公交时刻表优化关键参数研究
2. 单程时间

根据徐甲，沈吟东等的研究，单程时间参数的取值方法可归纳为三类：

经验值法; Furth采用85%概率分布单程时间减2分钟，HUSTUS系统采用“单程时间期望值减去2分钟”，同时以95%分布值作为半周转时间。

成本分析法： Carey推导出“期望工时”“到达时间早点期望”“到达时间晚点期望”和“出发时间晚点期望”4组成本表达式，求解最优单程时间

候车时间优化法： Zhao运营过程视为D/G/c的排队过程，将Osuna的候车时间期望式扩展为服务晚点时间的期望式。

1. 发车频率

方法一:根据最大客流站点的客流量来确定发车频率，给定条件为一个调查者被分配到一个站点而且该站点为沿线中每日客流量最大点。方法二:通过各个时段调查不同的站点来得到站点的最大客流量然后确定发车频率。方法一二比较，明显方法一的调查成本更低，但是方法二更能保证结果的准确性。方法三:基于载客公里数据来确定发车间隔上界,保证在给定运力的情况下，乘客不会感觉到过于拥挤。这种方法优点是适用于计划人员了解期望的运营车辆数，同时期望拥挤度标准的约束被放宽，并避免乘客在平均等待时间内不能乘车的情况发生，缺点就是在乘客出现距离延长时有可能引起满意度的下降。方法四:通过限制客流量大于期望拥挤度的线路长度的比例来保证服务水平。