针对外卖配送电动自行车换电柜布局不合理带来的部分换电柜利用率低与部分换电需求得不到及时满足的供需矛盾问题,本文通过聚类POI(Point of Interest)数据确定外卖配送起止点,并通过仿真模拟外卖骑手配送路径预测外卖配送电动自行车换...针对外卖配送电动自行车换电柜布局不合理带来的部分换电柜利用率低与部分换电需求得不到及时满足的供需矛盾问题,本文通过聚类POI(Point of Interest)数据确定外卖配送起止点,并通过仿真模拟外卖骑手配送路径预测外卖配送电动自行车换电需求时空分布,构建换电柜运营商总成本最低和用户满意度最高的多目标换电柜选址定容模型,并以新乡市主城区为例,采用NSGA-II(Non-dominated Sorting Genetic Algorithm II)算法得到换电柜选址定容方案。研究结果表明:仿真模拟得出的换电需求时间分布预测值与实际值基本吻合,换电需求在11:00,14:00,17:00和20:00左右急剧增长,且11:00和14:00左右的换电需求量显著高于17:00和20:00左右的换电需求量,外卖骑手配送路径仿真模拟方法在换电需求预测上具有较高的预测精度;换电柜选址方案不能同时满足运营商和用户利益均为最优,用户满意度的提高需以增加运营商总成本为代价;同时,兼顾运营商和用户利益的新乡市主城区外卖配送电动自行车换电柜最佳建设数量为26,其中,容量为11的换电柜11个,容量为22的换电柜8个,容量为33的换电柜7个;新乡市主城区应按照备选点编号15-7-19-17依次新增换电柜至30个,此时,用户满意度最大,若继续增加换电柜建设数量,只会增加运营商总成本。展开更多
轨道交通网络中乘客的出行受网络结构和运营状况变化的影响,个体出行偏好对这些变化的响应也各异。为分析轨道交通远郊区段计划性停运对常乘客的出行转移影响,本文提出考虑转移类型和转移比例的乘客出行特征刻画方法,结合时段属性生成...轨道交通网络中乘客的出行受网络结构和运营状况变化的影响,个体出行偏好对这些变化的响应也各异。为分析轨道交通远郊区段计划性停运对常乘客的出行转移影响,本文提出考虑转移类型和转移比例的乘客出行特征刻画方法,结合时段属性生成乘客特征—时序(FeatureTemporal,F-T)矩阵;通过改进的欧氏距离计算F-T矩阵间的相似性,实现F-T矩阵的相似性度量;提出一种基于相似度矩阵的K-Means聚类和层次聚类相结合的两步聚类方法(Two-step Clustering of K-Means Clustering and Hierarchical Clustering,KMHC)划分乘客影响群体,分析影响乘客出行转移的因素;以新冠肺炎疫情期间上海轨道交通11号线昆山段停运作为实例,对本文方法进行验证。研究结果表明:昆山段停运后,常乘客呈现出5种主要的出行转移影响群体,占常乘客总数的94.4%;各影响群体的转移距离、通勤时间和出行频率差异明显,是影响区段停运后常乘客出行选择的重要因素。本文方法可为其他计划性停运场景提供借鉴和参考,也可为区段停运后的网络客流变化预测,行车和客运组织方案优化提供支撑。展开更多
文摘轨道交通网络中乘客的出行受网络结构和运营状况变化的影响,个体出行偏好对这些变化的响应也各异。为分析轨道交通远郊区段计划性停运对常乘客的出行转移影响,本文提出考虑转移类型和转移比例的乘客出行特征刻画方法,结合时段属性生成乘客特征—时序(FeatureTemporal,F-T)矩阵;通过改进的欧氏距离计算F-T矩阵间的相似性,实现F-T矩阵的相似性度量;提出一种基于相似度矩阵的K-Means聚类和层次聚类相结合的两步聚类方法(Two-step Clustering of K-Means Clustering and Hierarchical Clustering,KMHC)划分乘客影响群体,分析影响乘客出行转移的因素;以新冠肺炎疫情期间上海轨道交通11号线昆山段停运作为实例,对本文方法进行验证。研究结果表明:昆山段停运后,常乘客呈现出5种主要的出行转移影响群体,占常乘客总数的94.4%;各影响群体的转移距离、通勤时间和出行频率差异明显,是影响区段停运后常乘客出行选择的重要因素。本文方法可为其他计划性停运场景提供借鉴和参考,也可为区段停运后的网络客流变化预测,行车和客运组织方案优化提供支撑。
