删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

考虑在车感知价值的公交发车间隔计算模型

本站小编 哈尔滨工业大学/2019-10-24

考虑在车感知价值的公交发车间隔计算模型

陈亮,冯柳,李巧茹

(河北工业大学 土木与交通学院, 天津 300401)



摘要:

为满足客流高峰时段乘客出行舒适度要求,解决公交服务水平低的问题,基于电脑视觉模拟理论,将在车服务水平以立席密度为标准分为4个等级;引入“出行者收入”变量对现有在车感知价值模型进行优化,得到不同服务等级下平均在车感知价值,并考虑乘客感知成本,建立发车间隔计算模型.最后以天津市649路公交数据为例,对模型进行验证,通过MATLAB软件计算出客流高峰时段最优发车间隔.结果表明:高峰客流时段,乘客在车感知成本占总成本的38%~69%,验证了发车间隔计算模型中考虑乘客感知成本的必要性;在保证公交公司基本利益的情况下,最大程度地降低公交出行者的感知成本,充分体现以人为本的服务理念,研究结果可为提高公交系统的吸引力提供理论依据.

关键词:  交通运输系统工程  公共交通  乘客感知价值  发车间隔  在车服务水平

DOI:10.11918/j.issn.0367-6234.201704096

分类号:U491.17

文献标识码:A

基金项目:国家自然科学基金(51678212)



Bus departure interval model considering on-bus perceived value

CHEN Liang,FENG Liu,LI Qiaoru

(School of Civil and transportation, Hebei University of Technology, Tianjin 300401, China)

Abstract:

To satisfy the comfortable demand for passengers during peak period in a low service level, the on-bus service level is divided into four grades with a standard of standing-passenger density based on the theory of computer visual simulation. An improved on-bus perceived value model of different service is proposed with the introduction of passengers' income, and the average of perceived value for different service level under different income of passengers is obtained. Furthermore, the model of departure interval considering passengers' perceived cost is formulated. The model was applied to the 649 bus route in Tianjin City, and the optimal departure time in peak period is derived based on MATLAB. Results show that it is necessary to consider passenger's perceived cost when the on-bus perceived value is 38%-69% in total during peak period. Passenger's perceived cost is cut down sharply while bus company basic interests be guaranteed. It reflects people-based service concept and may provide important scientific support with promoting the attraction of bus systems.

Key words:  engineering of communications and transportation system  public transportation  passenger perceived value  departing interval  on-bus service level


陈亮, 冯柳, 李巧茹. 考虑在车感知价值的公交发车间隔计算模型[J]. 哈尔滨工业大学学报, 2018, 50(3): 150-155. DOI: 10.11918/j.issn.0367-6234.201704096.
CHEN Liang, FENG Liu, LI Qiaoru. Bus departure interval model considering on-bus perceived value[J]. Journal of Harbin Institute of Technology, 2018, 50(3): 150-155. DOI: 10.11918/j.issn.0367-6234.201704096.
基金项目 国家自然科学基金(51678212) 作者简介 陈亮(1978—),男,副教授 通信作者 李巧茹,qiaoruli129@126.com 文章历史 收稿日期: 2017-04-19



Contents            -->Abstract            Full text            Figures/Tables            PDF


考虑在车感知价值的公交发车间隔计算模型
陈亮, 冯柳, 李巧茹    
河北工业大学 土木与交通学院,天津 300401

收稿日期: 2017-04-19
基金项目: 国家自然科学基金(51678212)
作者简介: 陈亮(1978—),男,副教授
通信作者: 李巧茹,qiaoruli129@126.com


摘要: 为满足客流高峰时段乘客出行舒适度要求,解决公交服务水平低的问题,基于电脑视觉模拟理论,将在车服务水平以立席密度为标准分为4个等级;引入“出行者收入”变量对现有在车感知价值模型进行优化,得到不同服务等级下平均在车感知价值,并考虑乘客感知成本,建立发车间隔计算模型.最后以天津市649路公交数据为例,对模型进行验证,通过MATLAB软件计算出客流高峰时段最优发车间隔.结果表明:高峰客流时段,乘客在车感知成本占总成本的38%~69%,验证了发车间隔计算模型中考虑乘客感知成本的必要性;在保证公交公司基本利益的情况下,最大程度地降低公交出行者的感知成本,充分体现以人为本的服务理念,研究结果可为提高公交系统的吸引力提供理论依据.
关键词: 交通运输系统工程    公共交通    乘客感知价值    发车间隔    在车服务水平    
Bus departure interval model considering on-bus perceived value
CHEN Liang, FENG Liu, LI Qiaoru    
School of Civil and transportation, Hebei University of Technology, Tianjin 300401, China


Abstract: To satisfy the comfortable demand for passengers during peak period in a low service level, the on-bus service level is divided into four grades with a standard of standing-passenger density based on the theory of computer visual simulation. An improved on-bus perceived value model of different service is proposed with the introduction of passengers' income, and the average of perceived value for different service level under different income of passengers is obtained. Furthermore, the model of departure interval considering passengers' perceived cost is formulated. The model was applied to the 649 bus route in Tianjin City, and the optimal departure time in peak period is derived based on MATLAB. Results show that it is necessary to consider passenger's perceived cost when the on-bus perceived value is 38%-69% in total during peak period. Passenger's perceived cost is cut down sharply while bus company basic interests be guaranteed. It reflects people-based service concept and may provide important scientific support with promoting the attraction of bus systems.
Key words: engineering of communications and transportation system    public transportation    passenger perceived value    departing interval    on-bus service level    
近年来,公交客流高峰时段满载率高导致的乘客满意度差已成为公交调度中不可忽视的问题.在公交出行过程中,车内立席密度增大或车外候车时间增加,都会使乘客产生焦急情绪,导致效用损失,进而影响乘客对出行方式的选择.因此,将量化的乘客主观感知,包括在车感知和候车感知,考虑到公交调度中,是改善公共交通服务质量的重要措施.

国内外学者对于公交发车间隔的研究较多,直到近年来,研究的热点逐渐由公交服务主体导向转变为客体导向,模型中更着重考虑乘客成本,注重乘客满意度,即本文讨论的乘客感知.当前考虑乘客感知的发车间隔研究主要采用满意隶属度[1]、损失成本[2]、满意乘客数占总人数比例[3]等表示乘客在车满意度,或者集中倾向于沿用传统方法,引入固定转换系数将在车感知价值损失转化为出行成本[4],虽然考虑了乘客满意度对发车间隔的影响,但未将乘客在车感知进行具体量化;文献[5]将损失风险及期望效用理论与乘客等待公交时的心理变化相结合,反应不同等待时间对乘客情绪的影响,得到基于乘客候车满意度的最优发车间隔;文献[6]将公交线路划分成3种不同模式,并应用线路OD点计算出不同模式下的优化指标,结果表明对乘客出行成本考虑越全面,对发车频率要求越高;文献[7]通过建立回归模型并进行检验,考察影响乘客候车心理因素,得出提供实时时间信息比增加车次让乘客感觉等待时间更短,以上文献侧重候车感知的影响因素分析及研究.文献[8]考虑车内感知,建立了基于最大感知和平均感知的公交调度优化模型,但没有将候车感知与在车感知相结合.

综上所述,大部分学者在研究发车间隔时将重点放在候车满意度(即候车感知)上,对乘客由于拥挤产生的在车感知价值损失研究较少,而目前国内公交车拥挤现象频繁,导致乘客在车感知在出行过程中的作用不容忽视;虽然有部分文献将乘客感知考虑到发车间隔计算模型中,但没有将模型中涉及的乘客感知进行具体量化,也未明确指出其与发车间隔的关系.基于此,本文从乘客感知出发,引入收入变量,建立不同服务等级下不同收入水平乘客在车感知价值模型;并结合候车感知成本,建立发车间隔计算模型,以期满足高峰时段乘客出行需求,增加公共交通吸引力.

1 公交在车服务等级划分国外将公交服务水平按承载率LF分级[9],以LF>1.5作为在车拥挤标准;中国客车装载质量计算方法[10]规定城市公共汽车允许站立面积为0.125 m2/人,由此核算LF=2.1记为超载(按国内一般座位数为36,站立面积为5 m2的公交车型来计算),显然,考虑国内外乘客行为与公交车车型等因素差异,国内公交车经常出现乘客大面积站立情况,尤其客流高峰期频繁出现车满为患的现象,因此,不能照搬国外公交服务质量分级.针对国内公交车客流高峰期运营现状,以车内站立乘客为研究对象,选择不同立席密度下乘客感知作为在车服务等级的划分依据.

立席密度即站立乘客与可站立面积比值,与承载率之间关系为

${L_F} = \left( {A \times d + s} \right)/s.$ (1)

式中:A为公交车内可站立面积,m2d为立席密度,人/m2s为公交车座位数.

为了解出行过程中在车感知对乘客的影响,2017年4月7日—10日分别选取工作日和非工作日高峰时段,在天津市开展不同立席密度下公交出行跟车调查和在车服务水平分级问卷调查.总结讨论跟车访谈过程中随立席密度增加乘客心理感知的变化过程,将在车服务水平划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ4个等级,对应的拥挤特征为:当只有少数人站立时,每位乘客都有充足的站立空间;随着立席密度增加,乘客开始感觉拥挤;当立席密度接近国家规定值d=8时,人与人之间已不足陌生人的安全距离,拥挤感开始强烈;当立席密度超过额定值时,乘客对拥挤的感知非常强烈,甚至会出现“单脚站立”的现象.

在问卷调查过程中,鉴于在实际运营公交车中寻找不同立席密度状态存在一定困难,数字和语言描述又很难让受访者形象直观地了解车内状况,因此本文采用电脑视觉模拟方法,对不同立席密度下公交出行情境进行模拟,部分模拟情景如图 1所示.该方法出现在文献[11]中,用于游憩区乘客感知拥挤调查,之后被普遍应用在旅游管理等相关领域.以图片呈现方式供受访者进行视觉评价,更具直观性,符合本文调查需求和特点.

Figure 1
图 1 不同立席密度模拟效果图 Figure 1 Simulation results under different standing-passenger density


受访者考虑出行感知,包括拥挤产生的疲劳、烦躁等无形损失,对出行选择及服务水平进行判断.对回收的495份有效问卷进行筛选和有效性处理,最终得到463份有效样本,通过对不同立席密度下乘客出行选择进行分析,得到立席密度分别为0,1,2,3,4,5,6,7,8,9,10,11时对应的公交出行选择率分别为100%,99.3%,94.5%,91.3%,84.3%,73.1%,50.64%,30.12%,10.6%,5.6%,3.2%,1.3%.

k表示在车服务等级,设k∈{Ⅰ, Ⅱ, Ⅲ, Ⅳ},Bk(d)表示立席密度d属于某一在车服务等级k的程度,在客流高峰期,公交车内每平方米站立人数可达11人之多[12],因此将隶属度函数中立席密度的取值范围确定为[0, 11].车内乘客根据自身拥挤感知判断当前状态所属服务等级,将模糊概念明确化,若运营车辆处于d=3状态,16.4%的乘客认为属于Ⅰ服务等级,有充足的站立空间;83.1%的乘客认为属于Ⅱ服务等级,开始感觉拥挤;0.5%的乘客认为属于Ⅲ服务等级,拥挤感开始强烈,则将d=3对Ⅰ、Ⅱ、Ⅲ等级的隶属频率分别记为16.4%、83.1%、0.5%,综合不同拥挤程度下的跟车调查结果和乘客对不同立席密度所属服务等级的认知,统计得到各服务等级立席密度隶属频率见表 1.

表 1
表 1 各服务等级立席密度隶属频率 Table 1 Membership frequency of passenger-standing density for each service level 立席密度/
(人/m2)隶属频率/%

Ⅰ等级 Ⅱ等级 Ⅲ等级 Ⅳ等级

0 100 — — —

1 99.1 0.9 — —

2 96.3 3.7 — —

3 16.4 83.1 0.5 —

4 0.4 81.4 18.2 —

5 — 69.3 30.7 —

6 — 0.6 97.2 2.2

7 — — 90.1 9.9

8 — — 26.7 73.3

9 — — — 100

10 — — — 100

11 — — — 100



表 1 各服务等级立席密度隶属频率 Table 1 Membership frequency of passenger-standing density for each service level


结合表 1的实验调查结果,得到隶属度函数,见式(2)~(5),函数如图 2所示.

Figure 2
图 2 在车服务等级隶属度函数图 Figure 2 Membership grade function for service level in bus


${B_1}\left( d \right) = \left\{ \begin{array}{l}1,0 \le d < 2;\\3 - d,2 \le d < 3;\\0,3 \le d \le 11.\end{array} \right.$ (2)

${B_2}\left( d \right) = \left\{ \begin{array}{l}0,0 \le d < 2;\\d - 2,2 \le d < 3;\\1,3 \le d < 4;\\6 - d/2,4 \le d < 6;\\0,6 \le d < 11.\end{array} \right.$ (3)

${B_3}\left( d \right) = \left\{ \begin{array}{l}0,0 \le d < 5;\\d - 5,5 \le d < 6;\\1,6 \le d < 7;\\8 - d,7 \le d < 8;\\0,8 \le d < 11.\end{array} \right.$ (4)

${B_4}\left( d \right) = \left\{ \begin{array}{l}0,0 \le d < 7;\\d - 7,7 \le d < 8;\\1,8 \le d \le 11.\end{array} \right.$ (5)

结合图 2,根据最大隶属度原则,取相邻两个服务等级隶属度函数的相交点作为相邻服务等级立席密度的分界点,从而确定Ⅰ、Ⅱ、Ⅲ、Ⅳ在车服务等级对应的立席密度区间分别为[0, 2.5]、(2.5, 5.34]、(5.34, 7.5]、(7.5, 11].

2 不同服务等级下在车感知价值将在车服务等级以立席密度为标准分为Ⅰ、Ⅱ、Ⅲ、Ⅳ 4个等级,分别表征车内不同拥挤程度.采用标准binary logistic模型作为个体出行选择模型形式[13],依据出行过程中服务等级选择与出行方式选择的相似性,建立不同拥挤程度下个体出行选择行为效用函数及在车感知价值计算模型[14]分别为

${Y_k} = {\alpha _k}c + {\beta _k}t + {A_J},$ (6)

${f_k}\left( t \right) = {\beta _k}/{\alpha _k}.$ (7)

式中:Ykk级服务等级下乘客选择公交的出行效用;αk, βk分别为乘车费用、乘车时间系数;c为乘车费用,元;t为乘车时间,min;AJ为常数项;fk(t)为k级服务等级下个体乘客的在车感知价值.

该模型在建立不同拥挤程度下的出行效用函数时,主要考虑了出行费用和时间的影响.而不同收入出行者的消费观念和习惯不同,对在车拥挤程度的敏感性也有所不同,出行者收入会影响函数中出行费用c对效用Yk的贡献率,即αk,已有研究针对乘车费用系数αk与收入变量I的关系, 提出了αk=μk+δk/Iαk=μk+δk/LnI和αk=μk+δk/Iθ3种关系,并通过回归分析确定了收入变量为对数形式时的模型为最优[15],在此基础上,选取两者关系式为

${\alpha _k} = {\mu _k} + \frac{{{\delta _k}}}{{{L_n}I}}.$ (8)

式中μkδk为待标定参数;I为乘客收入,元/月.

基于以上研究,本文引入出行者收入变量对原有模型进行优化,构造不同服务等级下乘客选择公交出行的效用函数为

${Y_k} = \left( {{\mu _k} + \frac{{{\delta _k}}}{{{L_n}I}}} \right)c + {\beta _k}t + {A_J}.$ (9)

其中μkδkβkAJ通过SPSS软件的回归分析拟合结果进行标定,k级在车服务等级下,不同收入水平乘客的感知价值计算模型为

$F\left( {{d_k}} \right) = \frac{{{\beta _k}}}{{{\mu _k} + {\delta _k}{{\left( {{L_n}I} \right)}^{ - 1}}}}.$ (10)

根据研究地区公交出行乘客实际经济收入状况,将收入水平分为N个区间,计算相应乘客比例,建立平均在车感知价值计算模型为

$\begin{array}{*{20}{c}}{\bar F\left( {{d_k}} \right) = F\left( {{d_{k1}}} \right){\gamma _1} + F\left( {{d_{k2}}} \right){\gamma _2} + }\\{ \cdots + F\left( {{d_{kN}}} \right){\gamma _N}.}\end{array}$ (11)

式中:F(dk1),F(dk2),…,F(dkN)为k级服务等级下不同收入乘客在车感知价值;γ1γ2,…,γN分别为不同收入区间乘客所占比例,可通过实地调查得到;F(dk)为k级服务等级下乘客平均在车感知价值.

3 发车间隔计算模型 3.1 模型准备由于公交系统的庞大与复杂,行驶过程中受外界因素影响较大,因此对公交车辆调度过程作如下假设:1)车辆运行速度保持不变,即路段运行时间仅与路段长度有关;2)不存在车辆越站和超车的现象;3)在研究时间段内,车辆发车间隔固定;4)同一线路上所有公交车为同一型号,且都为前门上车、后门下车;5)固定需求下的乘客出行OD矩阵是确定的,不考虑公交线网中其他班次公交的影响.

符号及变量说明如下:F(t)为平均候车感知价值,元/(人·h);Qij为第i站等候第j辆车乘客数;tij-1为第j-1辆车到达第i站的时间;tij为第j辆车到达第i站的时间;λi(t)为第i站乘客平均到达率,人/min;Tij为第j辆车在第i站的停靠时间,min;ab分别为乘客平均上、下车时间,min/人;Qi-1, ij为第j辆车在i-1至i站的断面载客量,人;qij为第j辆车在i站的下车比例,下车人数占车上总人数比例;H为建立发车间隔模型时基于的时间长度,min;h为发车间隔,min;hmaxhminH时间段内的最大、最小发车间隔,min;mH时间段内发车数量;n为线路站点个数;di-1, ij为第j辆车在i-1至i站断面立席密度,人/m2dij为第j辆车在i站节点处立席密度,人/m2F(di-1, ij)为第j辆车在i-1至i站个体乘客平均在车感知价值,元/(人·h);F(di-1, ij)为第j辆车在i-1至i站的在车感知总成本,元;v为车辆平均行驶速度,km/h;li-1, ii-1至i站点之间线路距离,km;L为线路总长度,km;C为公交车单位变动运营成本,元/(辆·km).

3.2 模型建立个体乘客在出行过程中,会产生感知价值,而在建立发车间隔计算模型的过程中,感知价值的损失被视为感知成本处理,则研究时间段内乘客出行感知总成本如下.

1) 乘客候车感知总成本.通过对候车感知时间价值进行研究[16],得到不同候车时间区间对应的乘客平均感知候车时间价值为

$\bar F\left( t \right) = \left\{ \begin{array}{l}{\eta _1}{\gamma _1} + {\eta _2}{\gamma _2} + \cdots {\eta _N}{\gamma _N},0 \le t \le 6;\\{\tau _1}{\gamma _1} + {\tau _2}{\gamma _2} + \cdots {\tau _N}{\gamma _N},6 < t \le 14.\end{array} \right.$ (12)

式中:η1η2ηNτ1, τ2,…,τN分别为不同候车时间对应的乘客候车感知价值,进而得到乘客候车感知总成本为

$\begin{array}{l}{W_{\rm{D}}} = \frac{1}{2}\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {Q_i^j\left( {t_i^j - t_i^{j - 1}} \right)} } \times \bar F\left( t \right)/60 = \\\;\;\;\frac{1}{2}\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {{\lambda _i}\left( t \right){{\left( {t_i^j - t_i^{j - 1}} \right)}^2}} } \times \bar F\left( t \right)/60.\end{array}$ (13)

2) 站立乘客在车感知总成本.在研究时间段内,将乘客出行过程中所有站点间的在车感知成本进行累计,得到站立乘客在车感知总成本WZ.计算各站点之间的立席密度为

$\begin{array}{l}d_{i - 1,i}^j = h\left[ {{\lambda _1}\left( t \right)\prod\limits_{k = 2}^{i - 1} {\left( {1 - {q_k}} \right)} + {\lambda _2}\left( t \right)\prod\limits_{k = 3}^{i - 1} {\left( {1 - {q_k}} \right)} + } \right.\\\;\;\left. { \cdots + {\lambda _{i - 2}}\left( t \right)\left( {1 - {q_{i - 1}}} \right) + {\lambda _{i - 1}}\left( t \right)} \right] - s/A.\end{array}$ (14)

在计算相邻站点间在车感知成本时,对公交站点节点处感知成本的处理如图 3所示.

Figure 3
图 3 站点示意图 Figure 3 Example of bus stations


对第i站停靠时间内的立席密度作近似处理,即dij=di-1, ij,并归到i-1至i站断面计算;车辆在第i站的停靠时间Tij取乘客上、下车总时间的最大值为

$T_i^j = \max \left\{ {\bar a{\lambda _i}\left( t \right)h,\bar bQ_{i - 1,i}^j{q_i}} \right\}.$ (15)

则相邻站点之间的在车感知成本、站立乘客在车感知总成本分别为

$\begin{array}{*{20}{c}}{F\left( {d_{i - 1,i}^j} \right) = \left( {Q_{i - 1,i}^j - s} \right)\left( {{l_{i - 1,i}}/v + } \right.}\\{\left. {\max \left\{ {\bar a\lambda _{i - 1}^j\left( t \right)h,\bar bQ_{i - 2,i - 1}^jq_{i - 1}^j} \right\}} \right)\bar F\left( {d_{i - 1,i}^j} \right)/60,}\end{array}$ (16)

${W_Z} = \sum\limits_{i = 2}^n {\sum\limits_{j = 1}^m {F\left( {d_{i - 1,i}^j} \right)} } ,$ (17)

3) 公交公司成本为

${W_G} = C\sum\limits_{i = 2}^n {\sum\limits_{j = 1}^m {\left( {t_i^j - t_{i - 1}^j} \right)} } .$ (18)

4) 总成本W计算过程.简化tijtij-1=h,得到最小化乘客感知成本和公交公司变动运营成本之和的发车间隔计算模型,目标函数为

$\begin{array}{l}\min \left\{ {\sum\limits_{i = 2}^n {\sum\limits_{j = 1}^m {\left[ {\left( {Q_{i - 1,i}^j - s} \right)\left( {{l_{i - 1,i}}/v + } \right.} \right.} } } \right.\\\;\;\;\left. {\left. {\max \left\{ {\bar a\lambda _{i - 1}^j\left( t \right)h,\bar bQ_{i - 2,i - 1}^jq_{i - 1}^j} \right\}} \right)\bar F\left( {d_{i - 1,i}^j} \right)/60} \right] + \\\;\;\;\left. {\frac{1}{2}\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {{\lambda _i}\left( t \right){h^2}\bar F\left( t \right)/60} } + 60CHL/h} \right\}.\end{array}$ (19)

目标函数约束条件为

$\left\{ \begin{array}{l}{h_{\min }} \le h \le {h_{\max }},\\d_{i - 1,i}^j > 0,\forall i,j.\end{array} \right.$ (20)

4 实证分析以天津市649线路为研究对象,全程21个站点共15.12 km,平均行驶速度为18 km/h,选取高峰客流时段H=2 h,发车间隔为10~15 min,即hmin=10 min,hmax=15 min. 649为31座车型(包括一个驾驶员座位)可站立面积为6 m2,前门上车,后门下车,单位变动运营成本C=1.54元. 649公交线路的部分站点是轨道交通覆盖不到的城区边缘,公交客流具有高峰时段流量大,乘客收入差异较大等特点.拟合不同在车服务等级下乘客出行效用函数分别为

${Y_{\rm{I}}} = \left( {1.854 - \frac{{24.71}}{{{L_n}I}}} \right)c - 3.08t - 0.146,$

${Y_{{\rm{II}}}} = \left( {3.152 - \frac{{35.48}}{{{L_n}I}}} \right)c - 3.64t - 0.265,$

${Y_{{\rm{III}}}} = \left( {1.02 - \frac{{13.89}}{{{L_n}I}}} \right)c - 5.56t - 0.102,$

${Y_{{\rm{IV}}}} = \left( {0.186 - \frac{{10.325}}{{{L_n}I}}} \right)c - 12.73t - 0.639.$

由于天津实行小汽车限行政策,存在部分月薪过万人群一周会有一天选择“轨道交通”或者“轨道交通+公交”的出行模式,因此根据实际公交出行情况,将乘客收入水平划分为6个区间,计算得到不同在车服务等级下不同收入水平乘客的在车感知价值见表 2,其变化规律如图 4所示.

表 2
表 2 不同服务等级下不同收入水平乘客在车感知价值 Table 2 Perceived value in bus of various income passengers under differential service levels 收入(千元/月) 感知价值/(元/(人·h))

Ⅰ等级 Ⅱ等级 Ⅲ等级 Ⅳ等级

0~3 2.02 2.14 6.32 10.38

3~5 2.74 3.23 8.49 12.02

5~8 3.21 4.09 9.89 12.86

8~12 3.72 5.2 11.39 13.61

12~20 4.41 7.09 13.4 14.46

≥20 4.80 8.45 14.53 14.86



表 2 不同服务等级下不同收入水平乘客在车感知价值 Table 2 Perceived value in bus of various income passengers under differential service levels


Figure 4
图 4 不同在车服务等级下不同收入水平乘客在车感知价值 Figure 4 Perceived value in bus of various income passengers under differential service levels


由图 4可知,随着在车服务水平下降,在车感知价值增大,表明车内立席密度越大,乘客为摆脱这种环境的意愿越强烈,愿意支付费用越多.当在车服务等级为Ⅰ、Ⅱ时,不同收入水平乘客的支付意愿明显不同,随收入增加,在车感知价值不断增大,平均增长率达到32%.说明拥挤程度在可接受范围内时,收入水平对在车感知价值影响较大,收入越高的人群愿意支付越多;而当车上立席密度达到一定程度属于Ⅳ级时,虽然感知价值明显增大,但平均增长率只有7%.说明车上非常拥挤时,收入水平对在车感知价值影响较小,乘客都愿意为改变特别拥挤的状态而支付一定费用.

本文建立模型的目标函数为单一变量的非线性规划函数,因此采用一维搜索方法求解.结合调查数据,按不同候车区间在MATLAB软件中分段编写总成本最小的目标函数文件,发车间隔h为目标函数中的独立变量,总费用为返回值,确定使目标函数最小的整数发车间隔h.通过计算,得到该时段内的最优发车间隔为12 min,计算具体结果见表 3.

表 3
表 3 成本计算结果汇总表 Table 3 Summary of cost calculation results 发车间隔/min WZ/元) WD/元) WG/元 W/元

10 278.36 168.13 279.42 725.92

11 282.14 184.95 254.02 721.1

12 284.79 201.76 232.85 719.4

13 810.83 265.65 214.94 1 291.42

14 870.69 286.09 199.58 1 356.36

15 1086.82 306.52 186.28 1 579.62



表 3 成本计算结果汇总表 Table 3 Summary of cost calculation results


由表 3可知,当发车间隔由10 min提高为12 min时,总成本降低0.9%,虽然乘客在车感知成本提高了2.31%,但是公交公司成本降低16.67%.当发车间隔由15 min降低为12 min时,在公交公司成本仅提高25%的情况下,总成本却大幅度降低,达到54.46%,原因是乘客在车感知成本降低了73.8%.在高峰客流时段,乘客的在车感知成本达到总成本的38%~69%,说明在车感知成本的重要性.显然,随着发车间隔增大,在车感知成本快速增加,而公交企业成本增加速率较小.因此,从长远角度考虑,公交公司可以在客流高峰时段适当减小发车间隔来提升服务水平,以增强客流吸引力,在保证自身成本变动不大的基础上实现社会总效益最大化.

5 结论1) 基于电脑视觉模拟理论,开展乘客感知与公交在车服务水平关系的调查研究,提出了一套服务等级划分和度量的方法,并将在车服务等级划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ 4个等级,依据最大隶属度原则,得到对应立席密度区间分别为[0, 2.5]、(2.5, 5.34]、(5.34, 7.5]、(7.5, 11].

2) 将出行者收入引入出行效用函数,得到改进的在车感知价值计算模型;优化后模型能反映不同收入水平对感知价值的影响及其变化规律.

3) 综合考虑在车和候车感知成本,度量乘客出行满意度,建立面向乘客的发车间隔计算模型,以天津市649公交线路为例,对模型进行了分析求解.结果表明,乘客在车感知成本是公交出行成本中不可忽视的重要组成部分,求解得到的最优发车间隔实现了总成本最小化的目标.

4) 针对固定需求下单线路公交建立了考虑乘客感知的发车间隔计算模型,进一步的研究将考虑具有竞争性的多条公交线路,考虑弹性需求客流特点,分别从社会效益最优和乘客出行均衡的角度完善和改进模型.


参考文献
[1] 牛学勤, 陈茜, 王炜. 城市公交线路调度发车频率优化模型[J]. 交通运输工程学报, 2003, 3(4): 68-72.
NIU Xueqin, CHEN qian, WANG wei. Optimal model of urban bus frequency determination[J]. Journal of Traffic and Transportation Engineering, 2003, 3(4): 68-72. DOI:10.3321/j.issn:1671-1637.2003.04.016


[2] 姚俊, 吕智林, 叶嫣. 基于满意度的公交车调度模型研究[J]. 交通信息与安全, 2009, 27(4): 67-69.
YAO Jun, LV Zhilin, YE Yan. Model for bus dispatching based on satisfaction[J]. Journal of Transport Information and Safety, 2009, 27(4): 67-69. DOI:10.3963/j.ISSN1674-4861.2009.04.016


[3] 曹亦文, 巨永锋, 陈锋. 城市公交车发车频率优化模型[J]. 安徽大学学报(自然科学版), 2007, 31(2): 29-32.
CAO Yiwen, JU Yongfeng, CHEN feng. Optimal model of urban bus frequency[J]. Journal of Anhui University (Natural Sciences), 2007, 31(2): 29-32. DOI:10.3969/j.issn.1000-2162.2007.02.008


[4] 姚宝珍, 杨成永, 沈飞, 等. 基于综合集成赋权法的公交发车频率优化模型[J]. 交通运输系统工程与信息, 2011, 11(2): 124-129.
YAO Baozhen, YANG Chengyong, SHEN Fei, et al. Bus frequency optimization model based on using synthetic evaluation[J]. Journal of Transportation Systems Engineering and Information Technology, 2011, 11(2): 124-129. DOI:10.3969/j.issn.1009-6744.2011.02.019


[5] 贾彦鹤. 考虑乘客满意度的公交发车间隔优化[D]. 成都: 西南交通大学, 2013.
JIA Yanhe. Optimal bus schedule based on passenger satisfaction[D]. Chengdu: School of Economics and Management, Southwest Jiaotong University, 2013.


[6] LEIVA C, MUNOZ J C, GIESEN R, et al. Design of limited-stop services for an urban bus corridor with capacity constraints[J]. Transportation Research Part B: Methodological, 2010, 44(10): 1186-1201. DOI:10.1016/j.trb.2010.01.003


[7] WATKINS K E, FERRIS B, BORNING A, et al. Where is my bus? impact of mobile real-time information on the perceived and actual wait time of transit riders[J]. Transportation Research Part A Policy & Practice, 2011, 45(8): 839-848.


[8] 杨熙宇, 暨育雄, 张红军. 基于感知的公交调度发车频率和车型优化模型[J]. 同济大学学报(自然科学版), 2015, 43(11): 1684-1688.
YANG Xiyu, JI Yuxiong, ZHANG Hongjun. Bus service frequency and bus size optimization model considering passengers'perception[J]. Journal of Tongji University (Natural Science), 2015, 43(11): 1684-1688. DOI:10.11908/j.issn.0253-374x.2015.11.011


[9] KFH Group. Transit capacity and quality of service manual[M]. 3th ed. Washington DC: TRB, 2013.


[10] 客车装载质量计算方法: GB/T 12428—2005. [S]北京: 中国标准出版社, 2005.


[11] MANNING R E. Social carrying capacity of natural areas: theory and application in the U.S. National Parks[J]. Natural Areas Journal, 1996, 16(2): 118-127.


[12] 张君丽. 公共汽车内部空间及设施的研究[D]. 武汉: 湖北工业大学, 2007.
ZHANG Junli. Bus inside space and the facilities research[D]. Wuhan: Hubei University of Technology, 2007.


[13] 王殿海, 叶盈, 朱文韬, 等. 基于条件价值法的公交车内拥挤成本测算模型[J]. 吉林大学学报(工学版), 2014, 46(1): 57-62.
WANG Dianhai, YE Ying, ZHU Wentao, et al. Estimation of crowding costs in bus based on contingent valuation method[J]. Journal of Jilin University (Eng and Technol Ed), 2014, 46(1): 57-62. DOI:10.13229/j.cnki.jdxbgxb201601009


[14] 邵敏华, 李田野, 孙立军. 常规公交乘客对车内拥挤感知阻抗调查与建模[J]. 同济大学学报(自然科学版), 2012, 40(7): 1031-1034.
SHAO Minhua, LI Tianye, SUN Lijun. Survey method and model of passengers' cost perception of crowding level in bus[J]. Journal of Tongji University (Natural Science), 2012, 40(7): 1031-1034. DOI:10.3969/j.issn.0253-374x.2012.07.012


[15] 陈旭梅, 刘巧仙, 杜光. 基于SP调查的城市公共交通出行时间价值估计[J]. 交通运输系统工程与信息, 2011, 11(4): 77-84.
CHEN Xumei, LIU Qiaoxian, DU Guang. Estimation of travel time values for urban public transport passengers based on SP survey[J]. Journal of Transportation Systems Engineering and Information Technology, 2011, 11(4): 77-84. DOI:10.3969/j.issn.1009-6744.2011.04.012


[16] 吕慎, 陶流洋, 莫一魁. 通勤出行公交候车时间的服务等级划分和度量[J]. 交通运输系统工程与信息, 2015, 15(3): 190-195, 221.
LV Shen, TAO Liuyang, MO Yikui. Level of service classification and quantification for bus waiting time on commuting trip[J]. Journal of Transportation Systems Engineering and Information, 2015, 15(3): 190-195, 221. DOI:10.3969/j.issn.1009-6744.2015.03.030



闂傚倸鍊搁崐鐑芥嚄閸洖绠犻柟鎹愵嚙鐟欙箓鎮楅敐搴″闁搞劍绻堥獮鏍庨鈧俊鑲╃棯閹佸仮闁哄被鍔戦幃銈夊磼濞戞﹩浼�2婵犵數濮烽弫鎼佸磻閻愬搫鍨傞柛顐f礀缁犳壆绱掔€n偓绱╂繛宸簻鎯熼梺鍐叉惈椤戝洨绮欒箛娑欌拺闁革富鍘奸崝瀣亜閵娿儲顥㈢€规洜鏁婚崺鈧い鎺戝閳锋垿鏌涘☉姗堝伐濠殿噯绠戦湁婵犲﹤鎳庢禒杈┾偓瑙勬礃濡炰粙寮幘缁樺亹鐎规洖娲ら獮姗€姊绘担鍛婃儓妞わ富鍨堕幃妯衡攽鐎n亝杈堥梺闈涚箞閸婃牠鎮¢悢鍏肩叆闁哄洦顨呮禍鎯ь渻閵堝繐顩柡浣割煼閻涱噣宕橀埡鍐炬祫闁诲函缍嗛崑鎺懳涢崘銊㈡斀闁绘劖娼欓悘锔剧棯閺夎法效妤犵偛顦垫俊鍫曞幢濞嗘埈鍟庨梻浣烘嚀椤曨參宕戦悙鏍稿寮介鐔蜂化婵炴挻鑹鹃敃锕傚箖閸忛棿绻嗛柛娆忣槸婵洭鏌嶇拠鏌ュ弰妤犵偛娲畷婊勬媴閾忕懓骞€婵犵數濮烽。钘壩i崨鏉戝瀭闂傚牊绋堥弸宥夋煥濠靛棙濯兼繛灏栨櫊閺屾洘绻涢悙顒佺彆闂佺粯鎸堕崕鑼崲濞戙垹绠i柣鎰╁妿缁变即姊虹紒妯烘诞闁衡偓闁秴桅闁告洦鍨奸弫鍐煏韫囧﹥娅呴柛鎾讳憾濮婃椽骞愭惔锝傚闂佸憡姊归悷鈺呮偘椤旈敮鍋撻敐搴℃珮闁轰礁绉电换婵囩節閸屾稑顎涘┑鈥冲级閹稿啿顫忕紒妯诲闁告盯娼у﹢閬嶅箲閵忋倕绠涙い鏂垮⒔閻撳姊虹紒妯虹伇婵☆偄瀚板畷褰掑磼閻愬鍘遍悗鍏夊亾闁逞屽墴瀹曟垿鎮欓崫鍕紱闂侀潧艌閺呮粓鎮¢妷鈺傜厽闁哄洨鍋涢埀顒€婀遍埀顒佺啲閹凤拷
婵犵數濮烽弫鍛婃叏娴兼潙鍨傜憸鐗堝笚閸嬪鏌曡箛瀣偓鏇㈡倷婵犲嫭鍠愮€广儱妫欓崣蹇涙煏閸繍妲归柍閿嬪灴閺屾稑鈽夊鍫濅紣缂備焦顨嗙敮妤佺┍婵犲浂鏁冮柨婵嗘处閸掓稑顪冮妶鍐ㄧ仾婵☆偄鍟幈銊╁焵椤掑嫭鐓忛柛顐g箖閿涘秵淇婇銏狀伃闁哄矉绲鹃幆鏃堫敍濠婂憛锝夋⒑閸濄儱校闁绘濮撮悾鐑藉閵堝懐顔掑銈嗘⒒閺咁偊宕㈤幖浣光拺闁告稑锕ョ粈瀣箾娴e啿娲﹂崐鍫曟煥濠靛棙顥撳ù婊勭矒閺岀喓鈧稒岣跨粻鏍ь熆鐠哄搫顏紒杈ㄥ笧閳ь剨缍嗘禍璺何熼埀顒勬⒑缁洘鏉归柛瀣尭椤啴濡堕崱妤€娼戦梺绋款儐閹瑰洭寮诲鍥ㄥ珰闁哄被鍎卞鏉库攽閿熺姷鐣哄ù婊冪埣瀵顓奸崼顐n€囬梻浣告啞閹稿鎮烽埡浣烘殾妞ゆ牗绋戦閬嶆倵濞戞顏呯椤栨埃鏀介柣鎰级閳绘洖霉濠婂嫮绠炵€殿喗鐓¢、妤呭礋椤掆偓閳ь剙鐖奸弻锝夊箛椤旇姤姣勯梺纭呮閸婂潡寮诲☉銏犖ч柛銉仢閵忋倖顥嗗璺侯儑缁♀偓婵犵數濮撮崐鎼佸汲閿濆棎浜滈幖娣焺濞堟洟鏌曢崶褍顏柛鈺冨仱椤㈡﹢鎮欏顔荤棯濠电姵顔栭崹閬嶅箰閹惰棄钃熼柨鐔哄Т閻愬﹪鏌嶆潪鎵妽闁诲繋绶氬娲川婵犲嫭鍠涢梺绋款儐閹瑰洤顫忕紒妯诲闁告縿鍎虫婵犵數鍋橀崠鐘诲幢閹邦亝鐫忛梻浣虹帛閸旀寮崫銉т笉闁哄啫鐗婇悡娆撴煙椤栧棗鑻▓鍫曟⒑瀹曞洨甯涙慨濠傜秺楠炲牓濡搁妷搴e枔閹风娀骞撻幒婵囨祰闂傚倷鐒﹂幃鍫曞磹瑜忕划濠氬箻鐠囪尪鎽曢梺缁樻濞咃綁鎯屽▎鎾寸厵缂佸鐏濋銏ゆ煙椤旂晫鎳囨慨濠勫劋鐎电厧鈻庨幋鐘樻粎绱撴担鍝勑i柣妤佹礋椤㈡岸鏁愭径妯绘櫇闂佸啿鐏堥弲婊堟倵婵犳碍鈷戠憸鐗堝笒娴滀即鏌涘Ο鍝勨挃缂侇喗鐟╁畷鐔碱敍濞戞帗瀚奸梻浣告贡鏋繛瀵稿厴閸┿儲寰勯幇顓犲幐闂佸壊鍋掗崑鍕櫠鐎电硶鍋撶憴鍕缂傚秴锕ユ穱濠傤潰瀹€濠冃┑鐘愁問閸ㄤ即濡堕幖浣歌摕婵炴垶菤濡插牊鎱ㄥΔ鈧悧濠囧极閸撗呯=濞达絽鎼牎闁汇埄鍨抽崑銈夊春閳ь剚銇勯幒鍡椾壕闂佽绻戦懝楣冣€﹂崹顕呮建闁逞屽墴楠炲啳顦圭€规洖宕湁闁哄瀵ч崰妯尖偓瑙勬礈鏋摶鏍归敐澶嬫珳闁汇儺浜缁樻媴娓氼垱鏁梺瑙勬た娴滎亜顫忔禒瀣妞ゆ牗绋掑▍鏍⒑閸濆嫮鈻夐柛妯圭矙閹ょ疀濞戞瑧鍘遍梺鏂ユ櫅閸燁垳绮堥埀顒€顪冮妶蹇曞矝闁哄棙绔糴婵犵數濮烽弫鍛婃叏娴兼潙鍨傞柛锔诲幘缁€濠傗攽閻樺弶鎼愰柣鎺戠仛閵囧嫰骞掑鍫濆帯闂佹剚鍨卞ú鐔煎蓟閺囥垹骞㈡俊銈傚亾闁哄棴缍侀弻锛勪沪閸撗勫垱濡ょ姷鍋炵敮锟犵嵁鐎n喗鍊婚柛鈩冿供濡冣攽閿涘嫬浜奸柛濠冪墱閺侇噣鎮欓崫鍕崶闂佸綊鍋婇崰姘舵儗濞嗗繆鏀介柣妯哄级婢跺嫰鏌涚€n偄濮嶉柡宀嬬秮婵偓闁靛繆鍓濆В鍕煛娴e摜澧︽慨濠勭帛閹峰懐绮欓幐搴♀偓顖氣攽閻橆喖鐏柨鏇樺灩閻g兘顢涘☉姗嗗殼闁诲孩绋掗敋濞存粠鍨跺娲川婵犲嫮鐣垫繝娈垮灥妞存悂骞嗛弮鍫濐潊闁挎稑瀚倴濠碉紕鍋戦崐鏍礉濡ゅ懎绐楅幖娣灮椤╂彃螖閿濆懎鏆為柣鎾寸洴閺屾盯濡烽敐鍛瀴闂佹眹鍔嶉崹鍧楀蓟閿濆鍋勯柛娆忣槹閻濇棃姊虹€圭姵顥夋い锔炬暬閻涱喖螣閼测晝顦╅梺缁樏畷顒勵敆閵忊€茬箚闁绘劦浜滈埀顒佺墪鐓ゆ繝闈涙閺嬪秹鏌¢崶鈺佷憾缂傚倹宀搁悡顐﹀炊閵娧€妲堥悗鐟版啞缁诲啴濡甸崟顖氱婵°倐鍋撻柛鐕佸灦椤㈡瑩鏁撻敓锟�20濠电姴鐥夐弶搴撳亾濡や焦鍙忛柣鎴f绾惧鏌eΟ娆惧殭缂佺姴鐏氶妵鍕疀閹炬惌妫″銈庡亝濞叉ḿ鎹㈠┑瀣棃婵炴垵宕崜鎵磽娴e搫校闁搞劌娼″濠氬Χ閸℃ê寮块梺褰掑亰閸忔﹢宕戦幘婢勬棃鍩€椤掑嫬鐓濋柡鍐ㄧ墕椤懘鏌eΟ鐑橆棤闁硅櫕鎹囬妶顏呭閺夋垹顦ㄩ梺鍐叉惈閿曘儵鏁嶉崨顖滅=闁稿本鐟чˇ锔姐亜閿旇鐏︽い銏″哺椤㈡﹢濮€閻橀潧濮︽俊鐐€栧濠氬磻閹惧绡€闁逞屽墴閺屽棗顓奸崨顖ょ幢闂備胶绮濠氬储瑜斿鍛婄瑹閳ь剟寮婚弴銏犻唶婵犲灚鍔栨晥闂備胶枪妤犲摜绮旇ぐ鎺戣摕婵炴垯鍨归崡鎶芥煏婵炲灝鍔氭い顐熸櫊濮婄儤瀵煎▎鎴犳殸缂傚倸绉撮敃顏堢嵁閸愩剮鏃堝礃閳轰焦鐎梻浣告啞濞诧箓宕f惔銊ユ辈闁跨喓濮甸埛鎴︽煕濠靛棗顏い銉﹀灴閺屾稓鈧綆鍋呭畷灞炬叏婵犲啯銇濈€规洦鍋婂畷鐔煎垂椤愬诞鍥ㄢ拺闁告稑锕ラ埛鎰版煟濡ゅ啫鈻堟鐐插暣閺佹捇鎮╅搹顐g彨闂備礁鎲″ú锕傚礈濞嗘挻鍋熷ù鐓庣摠閳锋垿姊婚崼鐔恒€掔紒鐘冲哺閺屾盯骞樼€靛摜鐤勯梺璇″枓閳ь剚鏋奸弸搴ㄦ煙闁箑鏋ゆい鏃€娲樼换婵嬪閿濆棛銆愬銈嗗灥濡稓鍒掗崼銉ョ劦妞ゆ帒瀚崐鍨箾閸繄浠㈡繛鍛Ч閺岋繝鍩€椤掑嫬纭€闁绘垵妫楀▓顐︽⒑閸涘﹥澶勯柛瀣浮瀹曘儳鈧綆鍠楅悡鏇㈡煛閸ャ儱濡兼鐐瓷戞穱濠囧矗婢跺﹦浼屽┑顔硷攻濡炶棄鐣烽锕€绀嬫い鎰枎娴滄儳霉閻樺樊鍎滅紓宥嗙墪椤法鎹勯悜妯绘嫳闂佺ǹ绻戠划鎾诲蓟濞戙埄鏁冮柨婵嗘椤︺劑姊洪崫鍕闁告挾鍠栭獮鍐潨閳ь剟骞冨▎鎾搭棃婵炴垶顨呴ˉ姘辩磽閸屾瑨鍏屽┑顔炬暩閺侇噣鍨鹃幇浣圭稁婵犵數濮甸懝楣冩倷婵犲洦鐓ユ繝闈涙閸gǹ顭跨憴鍕婵﹥妞介幊锟犲Χ閸涱喚鈧儳鈹戦悙鎻掔骇闁搞劌娼¢獮濠偽旈崘鈺佺/闁荤偞绋堥崜婵嬫倶娓氣偓濮婅櫣娑甸崨顔兼锭闂傚倸瀚€氭澘鐣烽弴銏犵闁挎棁妫勯埀顒傛暬閺屻劌鈹戦崱娑扁偓妤侇殽閻愮榿缂氱紒杈ㄥ浮閹晛鐣烽崶褉鎷伴梻浣告惈婢跺洭宕滃┑鍡╁殫闁告洦鍋€濡插牊绻涢崱妤佺濞寸》鎷�
相关话题/计算 土木 系统 公司 数据

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 工业纯钛金属织构标准极图的计算及分析
    工业纯钛金属织构标准极图的计算及分析陈亮维,刘状,虞澜,胡劲,易健宏(昆明理工大学材料科学与工程学院,昆明650093)摘要:工业纯钛中的金属织构会引起各向异性,获得织构信息及分析其演变规律对钛材加工与应用非常重要.本文利用单晶钛的晶体结构数据、乌氏网、极图与织构的定义,建立了纯钛的织构与特定晶面极 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 抗癌药物作用预测计算方法的研究现状与展望
    抗癌药物作用预测计算方法的研究现状与展望顾兆伟1,张立忠2,刘晓峰3,谭先4(1.长春中医药大学附属第三临床医院脑病康复科,长春130000;2.长春市朝阳区清和社区卫生服务中心,长春130000;3.空军杭州特勤疗养中心康复理疗科,杭州310000;4.东北师范大学信息科学与技术学院,长春1300 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 液压轮毂马达辅助驱动系统控制策略实车验证
    液压轮毂马达辅助驱动系统控制策略实车验证曾小华,崔臣,张轩铭,宋大凤,李立鑫(汽车仿真与控制国家重点实验室(吉林大学),长春130025)摘要:为充分提升重型牵引车辆通过不良路面的能力,对国内某款重型牵引车在传统结构的基础上加装了前轴液压轮毂马达辅助驱动系统,并针对该混合动力系统,开发了工程化的控制 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 铁锰复合阴极MFC-EF耦合系统产电及降解RhB效能
    铁锰复合阴极MFC-EF耦合系统产电及降解RhB效能史珂1,2,赵庆良1,2,王维业2,王琨1,2(1.城市水资源与水环境国家重点实验室(哈尔滨工业大学),哈尔滨150090;2.哈尔滨工业大学环境学院,哈尔滨150090)摘要:为实现微生物燃料电池(MFC)微电的原位利用,结合电芬顿(EF)技术的 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 桥梁颤振临界风速的概率密度演化计算
    桥梁颤振临界风速的概率密度演化计算姜保宋,周志勇,唐峰(土木工程防灾国家重点实验室(同济大学),上海200092)摘要:针对桥梁结构自身特性以及外部环境的随机性(如刚度、质量、阻尼比、气动导数等因素)所造成的桥梁的颤振临界风速不确定,难以衡量桥梁颤振稳定性问题.将概率密度演化方法与桥梁颤振多模态耦合 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 桥梁伸缩缝跳车冲击荷载计算方法与模型实验
    桥梁伸缩缝跳车冲击荷载计算方法与模型实验丁勇1,2,王佩1,游玖昂1,诸葛萍1(1.宁波大学土木工程系,浙江宁波315211;2.桥梁工程结构动力学国家重点实验室(重庆交通科研设计院),重庆400067)摘要:为实测移动车辆对桥梁伸缩缝的冲击荷载,防止桥梁伸缩缝在这种冲击荷载作用下发生早期损坏,制作 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 偏最小二乘法在系统故障诊断中的应用
    偏最小二乘法在系统故障诊断中的应用梁北辰,戴景民(哈尔滨工业大学仪器科学与工程学院,哈尔滨150001)摘要:为研究结合关键性能指标(KPI)的偏最小二乘法(PLS)在系统故障诊断中的作用和应用,通过活性污泥数学模型(BSM1),结合偏最小二乘算法,建立了可以模拟污水处理的仿真模型.通过收集系统在正 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 椭圆轨道绳系卫星系统释放的类反步法控制
    椭圆轨道绳系卫星系统释放的类反步法控制仲小清1,金雪松2,王敏1,李晓磊3,孙光辉3(1.中国空间技术研究院通信卫星事业部,北京100094;2.中国航天科技集团宇航部,北京100048;3.哈尔滨工业大学航天学院,哈尔滨150001)摘要:为解决椭圆轨道上绳系卫星系统的稳定和快速释放问题,在传统反 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 船用极区格网惯性导航系统综合校正方法
    船用极区格网惯性导航系统综合校正方法方涛,黄卫权,王宗义(哈尔滨工程大学自动化学院,哈尔滨150001)摘要:为抑制适用于极区的船用格网惯性导航系统随时间积累的导航误差,提出一种基于格网坐标系的综合校正方法对陀螺常值漂移进行估计和补偿.该方法首先基于格网坐标系推导了P方程,该方程建立起位置误差、格网 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 星载固态存储系统自适应闪存转换层设计
    星载固态存储系统自适应闪存转换层设计张伟东1,2,董振兴1,朱岩1,安军社1(1.中国科学院复杂航天系统电子信息技术重点实验室(中国科学院国家空间科学中心),北京100190;2.中国科学院大学,北京100190)摘要:传统星载存储系统闪存转换层(FlashTranslationLayer,FTL) ...
    本站小编 哈尔滨工业大学 2020-12-05