一种基于候车亭客流数据的公交行车调度方法与流程

本发明涉及公交运营优化，且更为具体地，涉及一种基于候车亭客流数据的公交行车调度方法。

背景技术：

1、城市公共交通作为城市客运体系的核心组成部分，其运营调度效率直接关系到公众出行体验与城市交通系统整体运行效能。公交行车调度是指依据线路客流时空分布特征、车辆资源配置及道路运行条件，制定车辆发车时刻、行车路径及站点停靠策略的决策过程。早期的公交调度主要依赖固定时刻表与人工经验判断，发车间隔与车辆配置一经确定即在较长时期内保持固定，难以有效应对交通拥堵、客流波动等动态因素。随着全球定位系统、自动车辆定位、智能票务系统及视频客流检测等物联网感知技术的规模化部署，公交运营数据的采集粒度与实时性获得显著提升。在此背景下，公交调度研究逐步从静态时刻表优化向动态响应式调度演进。现有动态调度方法大致可归为两类：一类基于短时客流预测调整发车频率或发车间隔，利用机器学习模型对未来时段客流进行预测并据此优化运力投放；另一类针对客流时空分布不均衡特征，采用全程车与大站快车组合调度或区间运营模式，通过识别高客流断面并配置差异化服务来提升运力利用效率。此外，部分研究引入多智能体协同框架或深度强化学习算法，尝试在更复杂的运营场景下实现自适应调度决策。

2、然而，上述现有技术仍存在若干尚未有效解决的技术缺陷。首先，现有动态调度方法大多以线路整体或断面客流为调控依据，缺乏对线路沿线各候车亭客流状态的空间精细化感知能力--当同一线路不同候车亭的乘客聚集程度存在显著差异时，难以识别出由低密度区间向高密度区间发生阶跃式变化的“密度突变区间”，导致调度干预的靶向性不足。其次，现有方法在运力需求评估中通常仅考虑车辆剩余载客容量，未能将前序车辆在目标站点的实际释放能力纳入推演--即便有车辆途经高密度候车亭，若其剩余运力已被上游乘客占用或停站时间不足以完成充分上客，则该车辆的“名义运力”与“实际可释放运力”之间存在显著偏差，致使运力缺口被系统性低估。第三，现有动态调度研究多聚焦于发车间隔的优化调整，较少涉及对在途车辆停站时长的精细控制，更缺乏将车辆运动学安全约束（如制动距离、通信延迟、定位误差等）作为调度指令前置校验条件的系统化方案--这导致调度指令在实际执行中可能引发“串车”或安全风险。针对上述问题，本发明提供一种基于候车亭客流数据的公交行车调度方法，通过构建融合当前拥挤程度、到达速率偏离程度与持续累积程度的乘客密度累积指数，识别线路中的密度突变区间，并基于前序车辆释放运力与车辆运动学安全约束生成分层调度指令。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种基于候车亭客流数据的公交行车调度方法，一定程度上解决公交车辆发车间隔与行驶速度无法根据候车亭乘客密度的实时变化与累积趋势进行动态响应，造成高密度候车亭乘客滞留时间过长，低密度候车亭运力闲置的问题。

2、根据本发明的一个方面，提供了一种基于候车亭客流数据的公交行车调度方法，其包括：

3、获取各候车亭的实时客流数据与历史稳定运行基准，将当前拥挤程度、到达速率偏离程度和持续累积程度耦合生成乘客密度累积指数；

4、将所述乘客密度累积指数沿线路站点排序，结合站间距离和历史空间梯度基准确定密度突变区间，生成密度梯度分布图；

5、根据所述密度梯度分布图、车辆实时位置、剩余运力和前序车辆释放运力，推演车辆到达所述密度突变区间的未释放需求量，生成运力需求时空关联表；

6、根据所述运力需求时空关联表前瞻评估乘客滞留时长，并分别对待发车队列生成提前发车或跳站指令，对在途队列生成缩短停站指令，得到公交行车调度方案。

7、进一步地，所述乘客密度累积指数的生成包括：

8、根据候车亭当前可用候车面积和允许站立密度确定候车亭有效承载人数；

9、根据车辆到达候车亭时刻、开门时刻、关门时刻和离站时刻，将车辆开门至关门期间的乘客数量下降量标记为车辆服务释放量，将车辆离站后的乘客数量增加量计入乘客自然到达量；

10、根据所述乘客自然到达量确定当前乘客到达速率，并结合历史稳定运行基准中的基准乘客到达速率和基准乘客数量，计算所述乘客密度累积指数。

11、进一步地，所述乘客密度累积指数根据如下公式确定：

12、

13、其中，为第 \(i\) 个候车亭的乘客密度累积指数，为当前乘客数量，为有效承载人数，为当前乘客到达速率，为基准乘客到达速率，为到达速率残余修正量，为基准乘客数量，为滑动时间窗口长度，、和为权重。

14、进一步地，所述权重的确定包括：

15、将历史调度样本中的当前拥挤特征、到达速率偏离特征和持续累积特征作为输入特征，将对应调度周期后的实际滞留强度作为标定目标；

16、以最小化预测滞留强度与实际滞留强度之间的偏差为目标，对、和进行约束标定。

17、进一步地，所述密度突变强度的确定包括：

18、对各候车亭的乘客密度累积指数进行保边平滑，得到保边平滑后的乘客密度累积指数；

19、将相邻候车亭之间的乘客密度累积指数差值按照站间距离进行尺度化处理；

20、将尺度化处理结果与历史稳定运行基准中的尺度化梯度中心值进行比较，并根据梯度离散量和空间趋势可信系数得到密度突变强度；

21、其中，所述密度突变强度根据如下公式确定：

22、

23、其中，为相邻候车亭之间的密度突变强度，和为经保边平滑后的乘客密度累积指数，为实际站间距离，为线路参考站间距离，为尺度化梯度中心值，为梯度离散量，为梯度残余修正量，为空间趋势可信系数。

24、进一步地，所述车辆运力需求时空关联表的生成包括：

25、根据公交车辆实时位置、线路拓扑、行驶速度和中间候车亭预计停站时长，确定车辆到达密度突变区间内各候车亭的预计时间；

26、根据当前乘客到达速率和历史稳定运行基准中的基准乘客到达速率，确定短时预测乘客到达速率；

27、根据密度突变区间内候车亭的当前乘客数量、短时预测乘客到达速率和额外运力介入边界，确定所述密度突变区间需要额外运力介入的预计剩余时间；

28、根据前序车辆的预计到达顺序、剩余运力和停站服务能力，确定前序车辆预计释放运力；

29、将车辆到达前未释放乘客需求量、车辆剩余运力、密度突变区间突变强度和所述预计剩余时间写入所述车辆运力需求时空关联表。

30、进一步地，所述缩短停站时长指令的生成包括：

31、确定在途车辆当前位置至密度突变区间之间的中间候车亭；

32、当中间候车亭处于低密度稳定状态，且车门区域上车流和下车流已完成、车门安全区域无乘客停留、站台无新增乘客接近车辆并且车内无该站下车请求时，将该中间候车亭确定为可缩短停站候车亭；

33、在下发缩短停站时长指令前，根据本车速度、制动减速度、通信延迟、定位刷新延迟、站台泊位长度、定位误差和道路运行扰动确定最小安全间距；

34、仅当本车与前车的预计实际间距不小于所述最小安全间距且下一候车亭站台泊位未被前车占用时，确认所述缩短停站时长指令可执行。

35、根据本发明的另一方面，提供了一种基于候车亭客流数据的公交行车调度系统，其包括：

36、客流状态感知模块，用于获取各候车亭的实时客流数据与历史稳定运行基准，将当前拥挤程度、到达速率偏离程度和持续累积程度耦合生成各候车亭的乘客密度累积指数；

37、密度梯度分析模块，用于将所述乘客密度累积指数沿线路站点顺序排列，结合相邻候车亭之间的站间距离和历史空间梯度基准确定密度突变区间，生成候车亭密度梯度分布图；

38、运力需求推演模块，用于根据所述候车亭密度梯度分布图、公交车辆实时位置、剩余运力和前序车辆释放运力，推演各公交车辆到达所述密度突变区间时的未释放乘客需求量，生成车辆运力需求时空关联表；

39、调度决策与指令生成模块，用于根据所述车辆运力需求时空关联表前瞻评估密度突变区间内候车亭的乘客滞留时长，并分别对待发车队列生成提前发车指令或跳站行驶指令、对在途队列生成缩短停站时长指令，输出公交行车调度方案。

40、与现有技术相比，本发明提供的基于候车亭客流数据的公交行车调度方法，其通过构建融合当前拥挤程度、到达速率偏离程度与持续累积程度的乘客密度累积指数，并结合候车亭有效承载能力与历史稳定运行基准进行无量纲耦合量化，进而实现对各候车亭客流累积趋势的精细化感知。这样，能够准确识别线路上由低密度区间向高密度区间发生阶跃式变化的密度突变区间，克服了传统调度方法以线路整体或断面客流为调控依据所导致的空间靶向性不足的缺陷。

41、进一步地，本发明通过引入前序车辆实际释放运力与额外运力介入时间的耦合推演，结合车辆到达密度突变区间的预计时间与未释放需求量的量化关联，生成包含运力覆盖压力、空间突变强度与时间匹配关系的车辆运力需求时空关联表，进而避免了将车辆剩余载客容量等同于实际可释放运力的系统性偏差，使运力缺口的估计更为准确。同时，本发明采用分层调度架构，对待发车队列生成提前发车指令和/或跳站行驶指令，对在途队列生成缩短停站时长指令，并对缩短停站指令前置包含制动距离、通信延迟、定位误差与站台泊位占用的运动学安全校验，能够在不引发串车或安全事故的前提下实现运力资源向高密度累积区间的精准投放。由此，本发明实现了公交行车调度从“被动响应”向“前瞻预判”的转变，有效缩短了高密度候车亭乘客的滞留时长，提高了线路整体运力利用效率与服务均衡性，同时为公交调度指令的物理可执行性提供了安全保障。