《表4 2组临床疗效比较：基于客流大数据的公交发车班次仿真优化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于客流大数据的公交发车班次仿真优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在拥有了能够较好反映实际情况的客流之后，即可对整条线路的发车时间进行优化。该线路上下行方向各有25个站点，车辆为同一车型，共计30辆，单辆最大承载人数64人，线路规定首班车发车时间6∶00，末班车发车时间22∶00，发车间隔不小于2分钟且不超过15分钟。以发车时间全间隔最小为起点，优化过程如图4所示，并获得最优发车时刻表如表3所示。结果表明随着迭代次数的上升，线路的平均承载率稳步上升，最终SA-BO模型稳定在44.826%，BO模型稳定在35.38%，SA-BO模型的优化效果相比传统BO模型提升了26.7%。对优化后的发车时刻表进行间隔分析如图5所示，6∶00～13∶00之间发车间隔主要集中在14分钟，其中包含了7∶00～8∶00、10∶15～11∶00以及11∶50～12∶45三个高峰时段；13∶00～18∶00之间发车间隔主要集中在最大间隔15分钟，说明该线路在下午客流量较低，发车间隔受到了要求的最大间隔的约束，其中在15∶00～17∶45之间又出现了三个小高峰，客流人数有所上升；在18∶00～22∶00停止运营前，发车间隔均为最大间隔15分钟，说明晚上客流量较少，可以适当增大发车间隔。