文章編號(hào)：2096-1472（2022）-02-29-09

DOI：10.19644/j.cnki.issn2096-1472.2022.002.008

摘? 要：為了降低大城市市民出行成本，緩解公交企業(yè)運(yùn)力壓力，提出一種智能交通出行OD（Origin Destination， 出行地和目的地）的公交調(diào)度優(yōu)化算法，以公交出行OD客流預(yù)測和計(jì)劃排班發(fā)車時(shí)間間隔為出發(fā)點(diǎn)，運(yùn)用公交出行OD客流推導(dǎo)理論，構(gòu)建智能交通出行OD的公交調(diào)度優(yōu)化模型。通過獲取個(gè)人OD數(shù)據(jù)，利用單條線路公交OD方法，實(shí)現(xiàn)全市公交OD矩陣推算。根據(jù)全市公交出行OD推算結(jié)果，求解公交調(diào)度模型，解決智能交通調(diào)度多目標(biāo)規(guī)劃和公交線網(wǎng)優(yōu)化問題。通過仿真模擬試驗(yàn)，分析智能公交排班計(jì)劃評(píng)價(jià)指標(biāo)，計(jì)算車輛營運(yùn)效率占比：自動(dòng)排班仿真數(shù)據(jù)為79%，實(shí)際運(yùn)營數(shù)據(jù)為73%;統(tǒng)計(jì)車輛高峰時(shí)段與全天營運(yùn)車次占比：自動(dòng)排班仿真數(shù)據(jù)為36.75%，實(shí)際運(yùn)營數(shù)據(jù)為37.37%，滿足智能公交計(jì)劃排班評(píng)價(jià)指標(biāo)的要求，實(shí)例證明模型和算法具有實(shí)用性和可靠性。

關(guān)鍵詞：智能交通;出行OD;公交調(diào)度;客流預(yù)測;調(diào)度計(jì)劃

中圖分類號(hào)：TP181? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

Optimization Model and Evaluation Method of Smart?Transportation Dynamic Scheduling

CHEN Shenjin

（School of Electrical and Computer Engineering， Nanfang College Guangzhou， Guangzhou 510970， China）

chenshenjinlg@126.com

Abstract： In order to reduce the travel cost of citizens in big cities and relieve the pressure on the capacity of public transportation enterprises， this paper proposes a bus scheduling optimization algorithm of smart transportation OD （Origin Destination）. Based on the prediction of bus OD passenger flow and the scheduled departure time interval， the derivation theory of bus OD passenger flow is used to construct the bus scheduling optimization model of smart transportation OD. By obtaining personal OD data， using single line bus OD method， city bus OD matrix is calculated. According to the city's public bus travel OD calculation results， the bus scheduling model is solved， and the problems of multi-objective planning and bus network optimization in smart transportation scheduling are solved. Through the simulation test， the evaluation index of smart bus scheduling plan is analysed and the proportion of vehicle operation efficiency is calculated. The simulation data of automatic bus scheduling is 79% and the actual operation data is 73%. Statistics of the vehicle proportion in peak hours and all day operation times are as follows： the simulation data of automatic bus scheduling is 36.75% and the actual operation data is 37.37%. The proposed model meets the requirements of evaluation index for the smart public transportation plan. The real cases prove that the model and algorithm are practical and reliable.

Keywords： smart transportation; travel OD; bus scheduling; passenger flow forecast; scheduling plan

1? ?引言（Introduction）

為了解決大城市市民出行成本高、公交企業(yè)運(yùn)力壓力大的問題，本文以公交OD客流預(yù)測和公交調(diào)度發(fā)車時(shí)間間隔為出發(fā)點(diǎn)，構(gòu)建智能交通出行OD的公交調(diào)度優(yōu)化模型。隨著智能交通系統(tǒng)的快速發(fā)展，我國在公交調(diào)度方面的研究取得了相關(guān)的成果。宋現(xiàn)敏等為解決多運(yùn)營商在重疊區(qū)間的公交線路調(diào)度問題，提出一種雙層規(guī)劃模型，上層模型為公交乘客總出行時(shí)間最小，下層模型為各運(yùn)營商追求自身利潤最大化。滕靖等研究了單線路的純電動(dòng)公交車輛運(yùn)營時(shí)刻表和車輛調(diào)度計(jì)劃的整體優(yōu)化方法。王正武等研究了同時(shí)接送模式下響應(yīng)型接駁公交運(yùn)行路徑與車輛調(diào)度的協(xié)調(diào)優(yōu)化問題，考慮乘客出行時(shí)間窗的個(gè)性化，構(gòu)建了基于乘客而不是基于途經(jīng)需求點(diǎn)的車輛路徑表示方法。賴元文等為改善城市常規(guī)公交運(yùn)營效率，提出基于模擬退火-自適應(yīng)布谷鳥算法的公交調(diào)度優(yōu)化模型。靳文舟等基于需求響應(yīng)公交（DRT）是一種新型的公共交通服務(wù)模式，提出了考慮多種車型和多種運(yùn)營模式的公交靈活調(diào)度方式。陳建凱等基于立體車場公交“早出晚進(jìn)”的特征，對立體車場調(diào)度問題與調(diào)度模式進(jìn)行研究，分析立體車場公交車輛的交織條件。為了解決公交實(shí)際運(yùn)營中出現(xiàn)的調(diào)度方式單一、車輛配合度較差、串車等問題，馬曉磊等提出一種考慮乘客動(dòng)態(tài)需求的調(diào)度模型。唐春艷等為了解決純電動(dòng)公交車因充電錯(cuò)過最佳接續(xù)發(fā)車班次而使公交車數(shù)量增加的問題，以公交車輛運(yùn)營總成本最小為目標(biāo)，構(gòu)建允許存在誤時(shí)發(fā)車的純電動(dòng)公交車輛柔性調(diào)度優(yōu)化模型。俞禮軍等針對具有高異質(zhì)性出行需求的主支線公交樹網(wǎng)絡(luò)，在考慮客流需求和運(yùn)營約束的前提下，以用戶和運(yùn)營者的成本最小為目標(biāo)，提高運(yùn)營調(diào)度執(zhí)行效率。別一鳴等為提高公交調(diào)度服務(wù)可靠性，減少串車現(xiàn)象的發(fā)生，提出一種基于歷史公交GPS數(shù)據(jù)的公交線路時(shí)間控制點(diǎn)優(yōu)選方法。

國外在公交調(diào)度方面的研究也取得一定成果。ULUSOY等研究了轉(zhuǎn)移需求彈性的總體成本最小化的公交調(diào)度服務(wù)模式和頻率。BRRA-ROJAS等提出了面向區(qū)域網(wǎng)絡(luò)的雙目標(biāo)模型，分別為乘客換乘成功率最大和車輛使用成本最低。CEDER在2011 年設(shè)計(jì)了交互式的啟發(fā)式算法，求解考慮多車型、兼顧載客均衡和發(fā)車間隔均衡目標(biāo)的時(shí)刻表。CEDER等在2014 年提出了先時(shí)刻表后車輛調(diào)度計(jì)劃的優(yōu)化方法，提高了時(shí)刻表和車輛調(diào)度計(jì)劃的協(xié)同性。WMAKRAND等根據(jù)乘客公交出行目的地、出行時(shí)間的需求，與公交動(dòng)態(tài)調(diào)度方法相結(jié)合進(jìn)行模型構(gòu)建，其乘客等車時(shí)間為公交發(fā)車時(shí)間間隔的一半。SAHARIDIS等為了解決公交調(diào)度中計(jì)劃時(shí)刻表動(dòng)態(tài)優(yōu)化問題，以乘客候車時(shí)間成本為目標(biāo)函數(shù)，建立了混合整數(shù)線性模型，采用啟發(fā)式算法來求解該模型。

雖然前面的研究運(yùn)用了公交調(diào)度模型、調(diào)度計(jì)劃，但無法解決實(shí)時(shí)公交動(dòng)態(tài)調(diào)度的問題。針對這一問題，本文提出了一種多目標(biāo)非線性組合優(yōu)化調(diào)度模型和方法，解決實(shí)時(shí)公交動(dòng)態(tài)調(diào)度問題，并以公交公司的運(yùn)營成本與乘客的滿意度為主要指標(biāo)，通過對公交調(diào)度模型算法的優(yōu)化、改進(jìn)，提高公交調(diào)度執(zhí)行效率，為政府部門提供科學(xué)決策。

本文創(chuàng)新之處是提出了一種多目標(biāo)非線性組合優(yōu)化調(diào)度模型，在公交站點(diǎn)和路段斷面的不均衡系數(shù)超過最大閾值時(shí)，實(shí)施可控車輛到站時(shí)間控制，實(shí)現(xiàn)可變行車調(diào)度作業(yè)計(jì)劃，解決智能交通調(diào)度多目標(biāo)規(guī)劃和公交線網(wǎng)優(yōu)化問題。

2? ?基于公交IC卡數(shù)據(jù)的OD矩陣推算（OD matrix calculation based on bus IC card data）

本文研究單條線路公交OD矩陣推算和全市公交OD矩陣推算，為政府提供科學(xué)決策?？土鱋D推導(dǎo)以IC卡刷卡數(shù)據(jù)為主要數(shù)據(jù)來源，結(jié)合線路運(yùn)營數(shù)據(jù)、車輛GPS進(jìn)出站數(shù)據(jù)及客流調(diào)查數(shù)據(jù)進(jìn)行融合，建立模型處理AFC系統(tǒng)中的刷卡交易數(shù)據(jù)，推導(dǎo)獲得出行OD矩陣數(shù)據(jù)。

2.1? ?個(gè)人OD推導(dǎo)

提取個(gè)人O，取刷卡時(shí)間和車輛終端號(hào)，在站點(diǎn)間隔表中找對應(yīng)車輛終端號(hào)并取站點(diǎn)間隔數(shù)據(jù)。D值為|刷卡時(shí)間-到站時(shí)間|+|刷卡時(shí)間-離站時(shí)間|，找最小值對應(yīng)的站點(diǎn)為上車點(diǎn)O。

找固定乘車規(guī)律的個(gè)人OD流程，根據(jù)車輛終端號(hào)建立班次表，找對應(yīng)線路編碼和方向標(biāo)識(shí)。選擇刷卡時(shí)間和線路開始時(shí)間差最小的線路編碼，此線路為所找的線路。

對每條線路兩個(gè)方向上的數(shù)據(jù)進(jìn)行處理，統(tǒng)計(jì)各時(shí)段乘車次數(shù)，在站點(diǎn)間隔表中找對應(yīng)車輛終端號(hào)、線路編碼和方向的記錄，取站點(diǎn)間隔數(shù)據(jù)。比較|刷卡時(shí)間-到站時(shí)間|+|刷卡時(shí)間-離站時(shí)間|，值最小的對應(yīng)站點(diǎn)為乘客上車點(diǎn)。根據(jù)乘客出行線路上車點(diǎn)推導(dǎo)下車點(diǎn)原理，如圖1所示。

設(shè)此條線路上、下行上車點(diǎn)為O1、O2，上、下行下車點(diǎn)為D1、D2。由兩個(gè)上車點(diǎn)在站點(diǎn)表找到對應(yīng)的所屬站臺(tái)編號(hào)，根據(jù)站臺(tái)編號(hào)在站臺(tái)表中找此站臺(tái)對應(yīng)的站臺(tái)坐標(biāo)，重復(fù)找此線路相反方向上的各站點(diǎn)對應(yīng)的站臺(tái)坐標(biāo)。在該站臺(tái)中找最近的站臺(tái)，作為對應(yīng)的下車點(diǎn)，推導(dǎo)得到個(gè)人OD。

2.2? ?單條線路公交OD矩陣推算

在公交出行OD過程中，需獲取全部公交出行個(gè)人OD數(shù)據(jù)，分析全部公交出行OD客流，利用推導(dǎo)方法對個(gè)人OD進(jìn)行修正，獲取全部公交出行OD矩陣。

（1）線路公交出行總量設(shè)定

從AFC系統(tǒng)獲取線路刷卡金額、線路收入金額，推導(dǎo)公交出行總量，s1為線路刷卡金額，s為線路收入金額，為刷卡優(yōu)惠金額。計(jì)算持IC卡乘客占線路公交出行量的比率，其中為公交出行量比率，如式（1）所示。

3? 公交動(dòng)態(tài)調(diào)度優(yōu)化模型（Optimization model of bus dynamic scheduling）

3.1? ?問題分析

公交客流OD矩陣是公交規(guī)劃和運(yùn)營調(diào)度管理的基礎(chǔ)，公交線路OD矩陣是公交客流OD矩陣的基本單元。在傳統(tǒng)公交線路OD矩陣估計(jì)的基礎(chǔ)上，分析公交乘客出行行為特性，根據(jù)公交出行OD客流獲取全市公交OD矩陣，對研究市區(qū)公交站點(diǎn)布局合理性、線路可達(dá)性、服務(wù)調(diào)度具有重要的現(xiàn)實(shí)意義，為市民提供公交出行服務(wù)，為政府提供科學(xué)決策。根據(jù)客流特性，規(guī)劃公交調(diào)度模型，優(yōu)化公交線網(wǎng)，合理規(guī)劃公交線路、站點(diǎn)。

3.2? ?模型參數(shù)

根據(jù)公交線路特性和實(shí)際運(yùn)營情況，設(shè)置調(diào)度計(jì)劃的參數(shù)指標(biāo)，如表4所示。

根據(jù)線路客流特性、不同時(shí)間段設(shè)置滿載率、停站時(shí)長指標(biāo)，通過調(diào)度算法得到各時(shí)段需發(fā)班車次、配車數(shù)等指標(biāo)，如圖6所示。每時(shí)段最少設(shè)置時(shí)長15 min，時(shí)段不連續(xù)時(shí)系統(tǒng)提醒報(bào)錯(cuò)，無法保存參數(shù)。

設(shè)置公交調(diào)度計(jì)劃參數(shù)后，根據(jù)歷史數(shù)據(jù)預(yù)測各時(shí)段的周轉(zhuǎn)時(shí)間，結(jié)合OD客流數(shù)據(jù)，運(yùn)用公交調(diào)度算法自動(dòng)生成線路調(diào)度計(jì)劃，如表5所示。

根據(jù)調(diào)度計(jì)劃生成線路車位圖，圖形化直觀展示各車次行車時(shí)間，便于排查計(jì)劃設(shè)定是否異常，判斷是否符合設(shè)定預(yù)期，如圖7所示。

建立公交調(diào)度仿真系統(tǒng)，如圖8所示。根據(jù)系統(tǒng)生成的調(diào)度時(shí)刻表模擬線路全天執(zhí)行計(jì)劃情況，通過可視化界面直觀校驗(yàn)調(diào)度計(jì)劃。

因公交出行OD客流推算過程存在偏差，很難在短期內(nèi)得到解決，為了使客流預(yù)測更精準(zhǔn)，需安裝客流檢測儀，輔助修正客流預(yù)測。

4.2? ?智能公交運(yùn)行評(píng)價(jià)

根據(jù)城市公交出行潮汐性分析，對廣州市2019 年8 月20 日OD同一公交站點(diǎn)早高峰對向上下行上車量的客流進(jìn)行月度統(tǒng)計(jì)，發(fā)現(xiàn)同一站點(diǎn)的上行站點(diǎn)早高峰客流明顯大于下行站點(diǎn)早高峰客流，符合城市公交出行OD客流的規(guī)律，即早上市民上班往市中心方向的客流劇增，如圖9所示。

對廣州市2019 年8 月20 日OD同一公交站點(diǎn)上車量的客流進(jìn)行月度統(tǒng)計(jì)，發(fā)現(xiàn)同一站點(diǎn)的晚高峰客流明顯大于早高峰客流，如圖10所示。

對廣州市2019 年8 月20 日OD同一公交站點(diǎn)晚高峰對向上下行上車量的客流進(jìn)行月度統(tǒng)計(jì)，發(fā)現(xiàn)同一站點(diǎn)的上行站點(diǎn)晚高峰客流明顯小于下行站點(diǎn)晚高峰客流，符合城市公交出行OD客流的規(guī)律，晚上市民下班往城鄉(xiāng)接合部方向的客流劇增，如圖11所示。

對廣州市20 條線路公交OD對換乘系數(shù)進(jìn)行月度排名：1.07136<換乘系數(shù)<1.2601。換乘系數(shù)呈現(xiàn)下降的趨勢，表明公交客流換乘人數(shù)在逐步減少，滿足公交換乘的要求，如圖12所示。

對2019 年8 月20 日14：00—15：00廣州20 條公交線路站點(diǎn)OD對進(jìn)行客流預(yù)測，顯示客流變化呈現(xiàn)動(dòng)態(tài)變化趨勢，預(yù)測精度為90%—99%，如圖13所示。

4.3? ?智能公交調(diào)度評(píng)價(jià)

為評(píng)估調(diào)度系統(tǒng)合理性，確立調(diào)度系統(tǒng)評(píng)價(jià)體系，選取5 個(gè)關(guān)鍵指標(biāo)評(píng)價(jià)調(diào)度計(jì)劃質(zhì)量，通過公交調(diào)度仿真模擬獲取關(guān)鍵指標(biāo)：車輛營運(yùn)效率、高峰期運(yùn)力投放質(zhì)量、車輛營運(yùn)時(shí)長、滿載率、正點(diǎn)率，與實(shí)際運(yùn)營數(shù)據(jù)對比，檢驗(yàn)公交調(diào)度計(jì)劃質(zhì)量。這些指標(biāo)來源于2019 年5 月13 日、15 日、18 日公交調(diào)度模擬數(shù)據(jù)及實(shí)際運(yùn)營數(shù)據(jù)。

（1）車輛營運(yùn)效率評(píng)價(jià)

評(píng)價(jià)車輛營運(yùn)效率，統(tǒng)計(jì)每輛車的行車時(shí)間、停站時(shí)間、營運(yùn)時(shí)間，計(jì)算行車時(shí)間占營運(yùn)時(shí)間的比重。評(píng)價(jià)結(jié)果：公交調(diào)度仿真數(shù)據(jù)占比為79%，實(shí)際運(yùn)營數(shù)據(jù)占比為73%。

（2）高峰車次占比評(píng)價(jià)

評(píng)價(jià)高峰期運(yùn)力投放質(zhì)量，統(tǒng)計(jì)車輛高峰時(shí)段與全天營運(yùn)車次占比。評(píng)價(jià)結(jié)果：2019 年5 月13 日公交調(diào)度仿真數(shù)據(jù)占比為36.75%，實(shí)際運(yùn)營數(shù)據(jù)占比為37.37%，如圖14所示。

（3）車輛營運(yùn)時(shí)長評(píng)價(jià)

評(píng)價(jià)調(diào)度計(jì)劃合理性，查找營運(yùn)時(shí)長最長或最短車輛，對駕駛員工時(shí)、疲勞駕駛進(jìn)行分析。評(píng)價(jià)結(jié)果：系統(tǒng)生成計(jì)劃對比實(shí)際偏差值，如表6所示。

（4）滿載率評(píng)價(jià)

評(píng)價(jià)公交調(diào)度實(shí)施前后的運(yùn)力投放合理性，計(jì)算高峰期線路各方向的各班次車輛在各站點(diǎn)的滿載率，分析線路高斷面的車輛平均滿載率、每個(gè)班次的平均滿載率。

（5）正點(diǎn)率評(píng)價(jià)

評(píng)價(jià)公交調(diào)度系統(tǒng)的時(shí)間預(yù)測能力，對比每個(gè)班次的周轉(zhuǎn)時(shí)間預(yù)測值與實(shí)際值，以±3 min為正點(diǎn)，統(tǒng)計(jì)正點(diǎn)率。

因前期擴(kuò)樣客流與實(shí)際客流偏差未解決，下階段擬對部分試點(diǎn)線路的車輛安裝客流檢測儀，增加原始客流OD數(shù)據(jù)的采集精度，同時(shí)優(yōu)化擴(kuò)樣算法，提高系統(tǒng)預(yù)測客流與實(shí)際客流的匹配度，如表7所示。

5? ?結(jié)論（Conclusion）

本文運(yùn)用公交出行OD客流推導(dǎo)理論，構(gòu)建出行OD的公交調(diào)度優(yōu)化模型，獲取個(gè)人OD數(shù)據(jù)，利用單條線路公交OD方法，實(shí)現(xiàn)全市公交OD矩陣推算。根據(jù)全市公交出行OD推算結(jié)果，優(yōu)化公交調(diào)度模型，解決智能交通調(diào)度多目標(biāo)規(guī)劃和公交線網(wǎng)優(yōu)化問題。仿真結(jié)果表明：比較智能公交調(diào)度計(jì)劃評(píng)價(jià)指標(biāo)，發(fā)現(xiàn)公交調(diào)度仿真數(shù)據(jù)與實(shí)際運(yùn)營數(shù)據(jù)趨于相同，滿足智能公交調(diào)度實(shí)際要求，具有可行性，為優(yōu)化公交線網(wǎng)、布局公交站點(diǎn)提供更加全面的決策支持。智能公交調(diào)度是一個(gè)優(yōu)化、規(guī)劃類問題，既要滿足市民出行的利益，又要滿足公交企業(yè)的利益，兩者之間的利益不一致，是互為矛盾的統(tǒng)一體。因此，通過公交調(diào)度控制方法，構(gòu)建智能交通出行OD的公交調(diào)度優(yōu)化模型，實(shí)現(xiàn)公交調(diào)度多目標(biāo)最優(yōu)的規(guī)劃策略。

參考文獻(xiàn)（References）

[1] 宋現(xiàn)敏，張明業(yè)，姜景玲.考慮區(qū)間重疊的多運(yùn)營商公交調(diào)度優(yōu)化[J].交通運(yùn)輸系統(tǒng)工程與信息，2020，20（05）：142-147.

[2] 滕靖，林琳，陳童.純電動(dòng)公交時(shí)刻表和車輛排班計(jì)劃整體優(yōu)化[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，47（12）：1749-1755.

[3] 王正武，陳濤，宋名群.同時(shí)接送模式下響應(yīng)型接駁公交運(yùn)行路徑與調(diào)度的協(xié)調(diào)優(yōu)化[J].交通運(yùn)輸工程學(xué)報(bào)，2019，19（05）：139-149.

[4] 賴元文，張杰.基于模擬退火-自適應(yīng)布谷鳥算法的城市公交調(diào)度優(yōu)化研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2021，21（01）：183-189.

[5] 靳文舟，胡為洋，鄧嘉怡，等.基于混合算法的需求響應(yīng)公交靈活調(diào)度模型[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，49（01）：123-133.

[6] 陳建凱，肖亮，覃鵬，等.基于交織的立體綜合車場公交調(diào)度優(yōu)化模型研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2020，20（03）：169-173.

[7] 馬曉磊，沈宣良，張釗，等.基于拉格朗日松弛算法的自動(dòng)駕駛公交調(diào)度優(yōu)化研究[J].中國公路學(xué)報(bào)，2019，32（12）：10-24.

[8] 唐春艷，楊凱強(qiáng)，鄔娜.單線純電動(dòng)公交車輛柔性調(diào)度優(yōu)化[J].交通運(yùn)輸系統(tǒng)工程與信息，2020，20（03）：156-162.

[9] 俞禮軍，朱一洲，余志強(qiáng)，等.考慮異質(zhì)性出行需求的主支線公交樹網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)[J].中國公路學(xué)報(bào)，2021，34（01）：139-156.

[10] 別一鳴，熊昕宇，成衛(wèi).城市公交線路的時(shí)間控制點(diǎn)選擇算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2019，51（03）：68-72.

[11] ULUSOY Y Y， CHIEN I J， WEI C H. Optimal all-stop， short-turn， and express transit services under heterogeneous demand[J]. Transportation Research Record， 2010， 2197（1）：8-18.

[12] BRRA-ROJAS O J， GIESEN R， RIOS-SOLIS Y A. An integrated approach for timetabling and vehicle scheduling problems to analyze the trade-off between level of service and operating costs of transit networks[J]. Transportation Research Part B Methodological， 2014， 70（7）：35-46.

[13] CEDER A. Optimal multi-vehicle type transit timetabling and vehicle scheduling[J]. Procedia-Social and Behavioral Sciences， 2011， 20：19-30.

[14] CEDER A， PHILIBERT L. Transit timetables resulting in even maximum load on individual vehicles[J]. Transactions on Intelligent Transportation Systems， 2014， 15（6）：2605-2614.

[15] WMAKRAND W， AJIT P S， ASHOKEK S， et al. Real-time optimal bus scheduling for a city using a dtr model [J]. Procedia-Social and Behavioral Sciences， 2013， 104（12）：845-854.

[16] SAHARIDIS G K D， DIMITROPOULOS C， SKORDILIS E. Minimizing waiting times at transitions nodes for public bus transportations in Green[J]. Operation Research， 2013， 14 （3）：1-19.

作者簡介：

陳深進(jìn)（1970-），男，博士，講師.研究領(lǐng)域：智能交通，機(jī)器學(xué)習(xí)，云計(jì)算.

基金項(xiàng)目：廣東省應(yīng)用型科技研發(fā)重大專項(xiàng)資金項(xiàng)目（2015B010131004）.

1470500520285