Oszacowanie optymalnej liczby autobusów dla linii komunikacji miejskiej na podstawie symulacji komputerowych

• Autorzy: Naumov V.

Warianty tytułu

EN

Estimating the optimal number of buses for the public transport line based on the computer simulations

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono podejście do oszacowania liczby pojazdów na linii komunikacji miejskiej, oparte o model symulacyjny procesu obsługi pasażerów na linii autobusowej. Zadanie ustalenia takiej liczby autobusów, która zapewnia minimalny koszt transportu przy maksymalnym poziomie obsługi pasażerów, jest zagadnieniem dość złożonym ze względu na stochastyczny charakter procesu transportowego oraz losowy charakter popytu mieszkańców miast na podróże. Autor przedstawia bibliotekę klas zrealizowanych za pomocą współczesnego języka programowania Python, na podstawie której opracowany został model symulacyjny procesu funkcjonowania linii komunikacji miejskiej. Wyniki eksperymentu symulacyjnego, zrealizowanego w oparciu na opracowane oprogramowanie, pozwoliły na ustalenie zależności funkcyjnej pomiędzy łącznym czasem oczekiwania przez pasażerów autobusów na przystankach a charakterystykami linii komunikacji miejskiej. Wykorzystując uzyskaną zależność, ustalono formułę dla oszacowania optymalnej liczby autobusów na linii jako argument, w którym funkcja łącznych kosztów podsystemu transportowego osiąga ekstremum minimalne.

EN

The article presents an approach to estimate the number of vehicles on public transport line; this approach is based on a simulation model of the process of servicing the bus line passengers. The problem of determining such a number of buses, that provides the minimum cost of transport at the maximum level of passenger service, is quite a complex issue due to the stochastic nature of the transport process and the random nature of the demand for urban residents traveling. The author presents a class library implemented using modern programming language Python; on the basis of that library the simulation model the process of the public transport line functioning was developed. The results of the simulation experiment, based on the developed software, allowed to determine the functional dependence between the total waiting time for bus passengers at bus stops and the characteristics of the public transport line. Using the obtained dependence, a formula for estimating the optimal number of buses on the line was established as an argument, in which the function of the transport subsystem total cost reaches its extreme minimum.

Słowa kluczowe

PL

komunikacja miejska; symulacja; autobus; język programowania Python

EN

public transportation; simulation; buses; programming language Python

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2016
• Tom: R. 17, nr 12
• Strony: 699--703
• Opis fizyczny: Bibliogr. 13 poz., tab., wykr., pełen tekst na CD

Twórcy

autor

Naumov V.

• Politechnika Krakowska im. T. Kościuszki, Instytut Inżynierii Drogowej i Kolejowej, Zakład Systemów Komunikacyjnych

Bibliografia

• 1. Jansson, J.O. A simple bus line model for optimization of service frequency and bus size, “Journal of Transport Economics and Policy” 1980, vol. 14(1), p. 53-80.
• 2. Scheele, S. A mathematical programming algorithm for optimal bus frequencies, Linkoeping University 1977, 215 p.
• 3. Szeto, W.Y., Wu, Y. A simultaneous bus route design and frequency setting problem for Tin Shui Wai, Hong Kong, “European Journal of Operational Research” 2011, vol. 209, p. 141–155.
• 4. Kim, W., Son, B., Chung, J.-H., Kim, E. Development of real-time optimal bus scheduling and headway control models, “Transportation Research Record” 2009, vol. 2111, p. 33-41.
• 5. Wagale, M., Singh, A.P., Sarkar, A.K., Arkatkar, S. Real-time optimal bus scheduling for a city using a DTR model, “Procedia - Social and Behavioral Sciences” 2013, vol. 104, p. 845-854.
• 6. Yanga, C.-L., Huanga, R.-H. Optimal number and scheduling of freeway bus fleet, “Journal of Statistics and Management Systems” 2011, vol. 14(5), p. 949-964.
• 7. Bai, H.-J., Dong, R.-J., Zhang, M., Chen, Y.-K. Optimization method of bus time based on synchronization diversity, “Journal of Traffic and Transportation Engineering” 2013, vol. 13(3), p. 79-85.
• 8. Surapholchai, C., Reinelt, G., Bock, H.G. Solving city bus scheduling problems in Bangkok by ELIGEN-algorithm, “Modeling, Simulation and Optimization of Complex Processes”, Springer-Verlag Berlin Heidelberg 2008, p. 557-564.
• 9. Yan, S., Chen, H.-L. A scheduling model and a solution algorithm for inter-city bus carriers, “Transportation Research Part A” 2002, vol. 36, p. 805-825.
• 10. PTV Group - The Mind of Movement. PTV Visum, http: // visiontraffic.ptvgroup.com / en-uk / products / ptv-visum
• 11. TTS - Transport Simulation Systems, www.aimsun.com
• 12. Naumov V. Python code for simulation of the public transport network, https: // www.academia.edu / 28749786 / Python_Code_for_Simulation_of_the_Public_Transport_Network
• 13. Gong, H., Chen, X., Yu, L., Wu, L. An application-oriented model of passenger waiting time based on bus departure time intervals, “Transportation Planning and Technology” 2016, vol. 39(4), p. 424-437.