城鄉(xiāng)公交調(diào)度優(yōu)化研究的國內(nèi)外文獻(xiàn)綜述1現(xiàn)狀客流調(diào)查研究基于乘客需求的城鄉(xiāng)公交發(fā)車時(shí)刻，首先需要獲得城鄉(xiāng)公交的客流現(xiàn)狀，一份完整的客流OD既可以對現(xiàn)狀進(jìn)行更好的分析，也可以在以后檢測設(shè)計(jì)成果的合理性。本次設(shè)計(jì)的客流調(diào)查主要是要獲得目標(biāo)城鄉(xiāng)公交各站點(diǎn)的站間的客流OD量以及各站點(diǎn)的上下車人數(shù)等。隨著我國公共交通發(fā)展逐漸現(xiàn)代化，伴隨著其的客流調(diào)查技術(shù)方法也日新月異。2005年，朱曉東、丁衛(wèi)東等人對常用的公交客流信息采集技術(shù)做了總結(jié)[1],介紹了它們的使用情況及優(yōu)缺點(diǎn)，如人工調(diào)查、利用公交IC卡進(jìn)行調(diào)查、自動乘客計(jì)數(shù)調(diào)查等多種方式。2006年，周欣等人運(yùn)用數(shù)理統(tǒng)計(jì)原理，將分層抽樣方法運(yùn)用到實(shí)際的公交客流調(diào)查中[2]。2016年，李林波、康琳涓等人提出了在天氣等不確定因素影響下的公交客流調(diào)查方法[3],選用多元線性回歸分析來建立“公交日客流量”模型對這些隨機(jī)變量進(jìn)行顯著性分析。除了對數(shù)據(jù)進(jìn)行直接調(diào)查，2006年惠紅旗等人提出了在獲得調(diào)查數(shù)據(jù)的基礎(chǔ)上，對其進(jìn)行修正的一般方法[4]，分析了誤差產(chǎn)生原因并給出了具體的修正模型。除此之外，2020年，程紅星提出了基于神經(jīng)網(wǎng)絡(luò)的城市公交客流數(shù)據(jù)修正方法[5]。最近，YongZhang和WentaoTu等人在2020年提出了基于深度學(xué)習(xí)的公交客流統(tǒng)計(jì)算法[6]，采用智能交通的方法，通過攝像頭獲得信息后用SSD模型檢測乘客位置并進(jìn)行跟蹤，比傳統(tǒng)的方法具有更高的準(zhǔn)確性。在國外相關(guān)領(lǐng)域，近幾年，JamesonL.Toole等人在大數(shù)據(jù)的背景之下提出了一種新的公交旅客出行需求模型[7]，通過獲得的大數(shù)據(jù)，采用手機(jī)信令、公交GPS等各種先進(jìn)的技術(shù)來實(shí)現(xiàn)精準(zhǔn)度更高、成本更低、速度更快的公交需求預(yù)測，由于其模式選擇模型十分簡單，雖然其算法模型十分高效，所以對于更加復(fù)雜的公交系統(tǒng)并不適用，還有進(jìn)一步提升的空間。2客流預(yù)測受時(shí)間、地點(diǎn)、天氣等不確定因素的影響，公共交通的客流量具有較多的不確定因素，在只擁有現(xiàn)狀客流OD量的情況下直接對未來進(jìn)行預(yù)測，會因這些因素的影響而產(chǎn)生偏差。在大數(shù)據(jù)時(shí)代，通過大數(shù)據(jù)分析客流變化的規(guī)律并用合適方法進(jìn)行預(yù)測，可以為企業(yè)提供更合理的作業(yè)計(jì)劃，提高利潤，同時(shí)更好滿足出行者的需求。目前中外科研人員在此領(lǐng)域都已有比較成熟的方法模型，在這里對其中的幾種做簡單評述：（1）城市客流實(shí)時(shí)估計(jì)與預(yù)測方法2017年，JunZhang,和DayongShen等人提出了以公交智能卡數(shù)據(jù)和GPS數(shù)據(jù)為依據(jù)，推導(dǎo)出乘客的出發(fā)地和目的地[8]，由于這些數(shù)據(jù)都是實(shí)時(shí)產(chǎn)生，因此該系統(tǒng)可以實(shí)時(shí)對客流進(jìn)行預(yù)測。（2）基于神經(jīng)網(wǎng)絡(luò)的公交客流預(yù)測模型2020年，ShuyuZhang和ZikangLiu等人提出了一種基于PCA-BP神經(jīng)網(wǎng)絡(luò)的短期公交客流預(yù)測模型[9]，將主成分分析（PCA）和誤差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)相結(jié)合，利用全訓(xùn)練網(wǎng)絡(luò)對公交客流進(jìn)行預(yù)測，建立模型后，該團(tuán)隊(duì)收集了貴陽市17路公交的客流數(shù)據(jù)，并依據(jù)此模型進(jìn)行模擬，結(jié)果表明預(yù)測結(jié)果與各時(shí)段實(shí)際客流量的擬合程度很高。（3）基于IC卡數(shù)據(jù)的公交站點(diǎn)客流推算方法2012年，周銳提出了，以IC卡數(shù)據(jù)為基礎(chǔ)，基于換乘識別結(jié)果的公交站點(diǎn)客流推算方法[10]，可以有效的推斷公交乘客的上、下車站點(diǎn)，并進(jìn)行換乘識別，可以為公交公司對線路的規(guī)劃和調(diào)度提過決策支持。（4）基于小波神經(jīng)網(wǎng)絡(luò)模型的公交客流預(yù)測2020年，太原科技大學(xué)的賈慶林、晉民杰等人為更精確的預(yù)測公交客流量數(shù)據(jù)，結(jié)合小波變換理論以及BP神經(jīng)網(wǎng)相關(guān)知識建立了小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型[11]，結(jié)果發(fā)現(xiàn)該模型比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)具有更高的精確性和擬合度。（5）灰色預(yù)測理論灰色理論是一門研究信息部分清楚、部分不清楚并帶有不確定性現(xiàn)象的應(yīng)用數(shù)學(xué)學(xué)科?；疑A(yù)測模型具有需要的原始數(shù)據(jù)少，適用于具有不確定性的系統(tǒng)等優(yōu)點(diǎn)，因此在公交預(yù)測中有大量的應(yīng)用：2005年，邵呁泓、趙陽等采用該模型對安徽省安慶市公交系統(tǒng)的年公交客運(yùn)總量進(jìn)行預(yù)測[12]；2012年，王慶榮、張秋余采用灰色蟻群神經(jīng)網(wǎng)絡(luò)進(jìn)行近期公交客流預(yù)測[13]；2015年，胥少龍也曾采用灰色模型對候車排隊(duì)客流進(jìn)行預(yù)測[14]。3公交調(diào)度優(yōu)化在擁有了當(dāng)前的客流數(shù)據(jù)并做出預(yù)測后，最關(guān)鍵的在于能根據(jù)這些數(shù)據(jù)合理的設(shè)計(jì)調(diào)度方案來滿足乘客的出行需要以及公交公司的效益需要。而對于本設(shè)計(jì)，參考調(diào)度方案的同時(shí)還主要陳列了發(fā)車時(shí)刻研究方法。早在1999年香港大學(xué)的C.O.Tong,和S.C.Wong就提出了基于動態(tài)調(diào)度網(wǎng)絡(luò)的隨機(jī)運(yùn)輸分配模型[15]。2006年覃運(yùn)梅在碩士論文中討論了用智能交通技術(shù)進(jìn)行公交調(diào)度的方法[16]，從數(shù)據(jù)處理、線路調(diào)度優(yōu)化模型與算法以及區(qū)域調(diào)度模型和求解方法等方面進(jìn)行了研究。同年，北京交通大學(xué)的宋瑞、何世偉等人提出了在需求隨機(jī)變動的條件下優(yōu)化公交運(yùn)營設(shè)計(jì)的優(yōu)化模型[17]，既考慮了乘客的需求，也兼顧了企業(yè)效益，該模型在北京市內(nèi)進(jìn)行實(shí)際應(yīng)用，效果顯著。2010年，程功研究了公交運(yùn)營調(diào)度車輛發(fā)車間隔規(guī)劃方法[18]，利用實(shí)時(shí)的客流數(shù)據(jù)進(jìn)行短期公交到站時(shí)間預(yù)測。當(dāng)年六月，劉環(huán)宇在碩士論文中提出了通過調(diào)整公交時(shí)刻表來提高公交可靠性的方法[19]。2008年，李艷運(yùn)用混合蟻群優(yōu)化算法的遺傳算法解決快速公交車輛調(diào)度問題[20]，并將其應(yīng)用在大連市某公交線路，取得不錯(cuò)的效果。2006年，秦麗輝、王曉東等人提出了使乘客等待時(shí)間最小并且車輛滿載率均勻?yàn)槟繕?biāo)的發(fā)車時(shí)間模型[21]。2012年，呂林劍將人群分為準(zhǔn)乘客與非準(zhǔn)乘客，針對他們分別選擇合理的調(diào)度模式并建立模型[22]。關(guān)于這一方面的最新研究成果，2020年胡寶雨和龐鈺等人為解決時(shí)空不均衡客流帶來的供需不匹配問題，提出一種基于客流變化規(guī)律的多車型公交變間隔混合運(yùn)行的公交時(shí)刻表優(yōu)化方法[23]，并對哈爾濱市18路公交車進(jìn)行實(shí)際計(jì)算，結(jié)果表明該模型很好的提高了公交服務(wù)水平。2020年夏小龍?jiān)诖T士論文中提出了基于信號配時(shí)與時(shí)間表優(yōu)化的公交準(zhǔn)點(diǎn)率控制方法[24]，這有效推進(jìn)了交通信號控制下的公交準(zhǔn)點(diǎn)控制，但在構(gòu)造模型時(shí)缺乏對實(shí)際的考慮，仍有繼續(xù)發(fā)展的空間。同年，西南交通大學(xué)的張姚和曹振宇將公交時(shí)刻表優(yōu)化設(shè)計(jì)與換乘站點(diǎn)的重要度結(jié)合考慮，構(gòu)建出了換乘站點(diǎn)時(shí)間權(quán)重的最小化乘客換乘等待時(shí)間的優(yōu)化設(shè)計(jì)模型[25]。參考文獻(xiàn)朱曉宏,丁衛(wèi)東,孫太屹.公交客流信息采集技術(shù)研究[J].《城市車輛》，2005(1):55-56周欣,倪亞洲.公交客流調(diào)查抽樣方法及抽樣模型的研究[A].濟(jì)南市科學(xué)技術(shù)協(xié)會、濟(jì)南市建設(shè)委員會.“迎全運(yùn)”提升城市建設(shè)管理水平研討會優(yōu)秀論文集[C].濟(jì)南市科學(xué)技術(shù)協(xié)會、濟(jì)南市建設(shè)委員會:山東省科學(xué)技術(shù)協(xié)會,2008:8.李林波,康琳涓,王婧.基于天氣影響分析的公交客流調(diào)查日期確定方法[J].交通科技,2016(01):149-152.惠紅旗,張志喬.城市公交客流調(diào)查數(shù)據(jù)的修正[J].河北企業(yè),2006(02):26-27.程紅星.基于徑向基神經(jīng)網(wǎng)絡(luò)的城市公交客流數(shù)據(jù)修正方法研究[J].數(shù)字技術(shù)與應(yīng)用,2012(02):117.YongZhangetal.Buspassengerflowstatisticsalgorithmbasedondeeplearning[J].MultimediaToolsandApplications,2020,79(prepublish):1-22.JamesonL.Toole,SerdarColak,BradleySturt.Thepathmosttraveled:Traveldemandestimationusingbigdataresources[J].TransportationResearchPartC:EmergingTechnologies,2015,(58):162-177.J.Zhangetal.,"AReal-TimePassengerFlowEstimationandPredictionMethodforUrbanBusTransitSystems,"inIEEETransactionsonIntelligentTransportationSystems,vol.18,no.11,pp.3168-3178,Nov.2017,doi:10.1109/TITS.2017.2686877.ShuyuZhangetal.Apredictionmodelofbusespassengerflowbasedonneuralnetworks[J].JournalofPhysics:ConferenceSeries,2020,1656(1):012002-.周銳.基于IC卡數(shù)據(jù)的公交站點(diǎn)客流推算方法[D].北京交通大學(xué),2012.賈慶林,晉民杰,張濤,孫帆.基于小波神經(jīng)網(wǎng)絡(luò)模型的公交客流預(yù)測[J].武漢輕工大學(xué)學(xué)報(bào),2020,39(03):50-54.邵昀泓,趙陽,王煒.城市公交客運(yùn)量的灰色預(yù)測研究[J].交通運(yùn)輸工程與信息學(xué)報(bào),2005,3（4）:33-37,44．王慶榮,張秋余．基于隨機(jī)灰色蟻群神經(jīng)網(wǎng)絡(luò)的近期公交客流預(yù)測[J]．計(jì)算機(jī)應(yīng)用研究,2012,29（6）：2078-2080,2084．胥少龍．面向樞紐換乘的公交候車客流預(yù)測及公交調(diào)度方法研究[D]．北京：北方工業(yè)大學(xué)，2015．C.O.TongandS.C.Wong.Astochastictransitassignmentmodelusingadynamicsche