论文部分内容阅读
随着城市化进程不断加快,城市的交通拥堵和环境污染等问题日益凸显,越来越多的城市管理者意识到解决城市居民日益增长的机动化出行需求的一个重要途径是优先发展公共交通。而近些年来的野蛮式发展引起了一个弊端:站台的选址标准还是按照十多年前的老规范,然而这已经和最新的城市公交发展情况不相符合了。我们会经常看到车辆在站台前淤积排队进站,甚至极有可能发生排队溢出的现象。这种情况严重影响了城市道路交通的稳定运行以及严重降低了公交服务质量,并会导致乘客的出行方式向私人交通工具转变,又进一步加剧城市交通拥堵,这样形成一种恶性循环。在既有研究缺乏的情况下,如何利用现有的智能公交数据挖掘出有用信息分析出公交车进站排队的规律,并有针对性的为高频公交线路站点选址提供参考,这是本文研究的最终目的。目前,以车辆自动定位系统和自动计费系统为代表的智能公交系统存储的历史运营数据为公交进站排队现象的研究提供了新的数据环境,为从多层次、多角度地探索排队问题带来了新的契机。本文利用智能公交数据,以公交车进站排队概率为研究目标,利用数据分析方法,根据常规公交中途站停靠过程特性,从公交车到站分布及公交车站台停靠时间分布规律、特定站点的公交车进站排队概率和距交叉口不同距离的站点排队概率方面展开研究。首先,本文在已有文献和实践应用的基础上,提出目前公交进站排队研究的关键问题。并以研究需求为导向,针对成都市智能公交系统历史数据的特点,设计了一套公交排队进站的研究体系,其中包含排队的判定、车辆进站和出站的定义、车辆进站排队概率的计算方法。其次,文章针对成都市公交的具体情况,研究了公交车辆的到达分布情况和停靠时间分布情况。到达情况得出的结果和大多数的研究成果一样服从泊松分布,而车辆的停靠时间同既有的研究成果之间就有较大的突破,本研究认为成都公交的停站时间服从布尔分布,本论文中用大量的数据验证了该结论。该结论对以后车辆运行的研究提供参考。最后,按照前面对排队和排队概率的定义,以具体的站点作为例子进行了详细的计算流程介绍,做出相应的曲线图并进行分析。然后在该分析的基础上,引入距离参数并扩大站点样本量。分析得出随车辆到达率的增加,车辆进站时前方有N辆及以上车辆的概率为一条“S型”曲线。并借助该特性,分析了不同到达率、不同N值、不同距离条件下的曲线变化和排队概率的变化。本文的研究成果有助于深入理解常规公交在中途停靠站的排队概率变化机理,为运营管理者和公交站台规划设计者在高频线路公交站点选址时提供理论参考。