基于多源数据的单线路公共汽车交通运行健康诊断及改善方法研究

Bus is the main travel mode of urban residents in most cities in China, and its healthy development is of great practical significance. As the new technology development, such as artificial intelligence and big data, it is possible for bus operating status monitoring and holographic awareness, and it provide support for the deep analysis of multi-factor mechanism. Based on the correlation and integration of indicators such as time consumption and on-time performance, Health diagnosis obtain the operating state distribution of space, time and category, diagnose bus operating health (health, sub-health, unhealthy), and obtain the disease cause finally. Previous researches lack health analysis and multi-level collaborative optimization of the improvement strategies. This project is carrying out on the basis of multi-source dada, including bus operating characteristics analysis, research on health diagnosis indexes and grading standards, and diagnosis reasoning machine development. Find the cause and mechanism according to the diagnosis and sort. The goal of this project is to maximize bus service improvement, with constraint of limited time and cost. Taking bus facilities, traffic management and bus dispatching as variables, an optimization model is building. Also a high-perforce algorithm is designing. Finally, a coordinated optimization experimental platform is proposing. Generally, the proposed project has both theoretical and practical significance in terms of developing of bus transit management decision support system bus operation.

常规公共汽车交通（简称公交）是我国多数城市居民出行的主要方式，其健康发展具有重要现实意义。以大数据和人工智能等为代表的新一代科技的高度发展，使运行状态监测、全息感知成为可能，为深度分析多因素作用机制提供支持。公交运行健康诊断通过对准点、时耗等指标的关联和综合，得到运行状态时空和类别分布，对健康状况（健康、亚健康、不健康）做出判断，给出致因分析结果。以往有关于此的研究鲜见从健康角度分析，且缺乏改善策略的多层次协同优化。本项目基于多源数据，面向典型线路，解析运行特征，研究健康诊断指标及分级标准，建立诊断推理机，对健康状况进行诊断和排序，解析致病机理，确定病症产生原因；以最佳改善为目标，以公交设施、交通管理和公交调度改善策略为变量，以有限时间和成本为约束，构建协同优化模型，开发有效算法；并构筑健康诊断及改善策略协同优化实验系统。研究成果对于发展公交智能管理决策支持系统具有重要理论意义和实用价值。

在计算机、移动互联网、物联网、云计算、大数据和人工智能等为代表的新一代高新技术快速发展，公交 AVL/GPS、公交 APP、公交车轨迹、出租车浮动车、IC 卡、手机信令、视频监控等数据进一步完善的条件下，为复杂公交运行系统的监测，乃至全息感知提供了有利条件。研究将大数据及人工智能算法应用于公交系统分析理论与研究方法的革新，深入剖析基于多源异构数据的公交运行健康诊断和致因分析及相关应用基础问题。首先对多源数据进行处理与融合，研究健康诊断指标及分级标准，建立诊断推理机，对健康状况进行诊断和排序，解析致病机理；在此基础上，基于决策树与机器学习前沿理论分析公交运行疾病产生原因，即通过公交运行健康分级诊断标准和融合后的数据，得到各种属性参数和决策参数，以此为依据产生具有分类和预测能力的决策树，从而确定病症产生原因；发现病因后，开展公交运行健康改善策略研究，基于BP-DS模型对公交运行状态变化趋势进行预测，并针对公交运行不健康情况建立公交运行协同优化策略和模型及求解算法，提出公交运行改善策略。研究所提出的一系列方法在基于我国多个城市公交线路实际数据测试中得到验证，证明了研究成果的先进性与有效性。本项目研究成果可以广泛地应用于城市公交运行管理之中，研究成果还可以为开发公交智能化管理决策支持系统，提高公交运行服务水平提供理论基础和技术支持。在此基础上形成的交通管理和决策优化理论与方法，对于研究复杂交通系统问题具有广泛的借鉴作用。