英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
封面
使用AVL数据评估过境旅行时间可变性和可靠性的措施
论文编号08-0313
Ehsan Mazloumi博士，澳大利亚维多利亚州克莱顿市莫纳什大学60楼土木工程系运输研究所学生澳大利亚电话： 61 3 9905 4967传真： 61 3 9905 4944电子邮件：ehsan.mazloumi @eng.monash.edu.au
Graham Currie *，澳大利亚维多利亚州维多利亚州Clayton市莫纳什大学60楼土木工程系交通运输研究所公共交通学院公共交通学院教授*电话： 61 3 9905 5574，传真： 61 3 9905 4944，电子邮件 ：graham.currie@eng.monash.edu.au
Majid Sarvi，澳大利亚维多利亚州克莱顿市莫纳什大学60楼土木工程系运输研究所讲师，澳大利亚电话： 61 3 9905 9696，传真： 61 3 9905 4944，电子邮件：majid.sarvi@eng.monash.edu.au
*通讯作者
交通研究记录提交出版和介绍
委员会编号AP015 TRB委员会的过境能力和服务质量
2007年11月6日，星期二
字数：4,275 5数字= 5,525（限制= 7,500）
TRB 08-0313 - 电车可靠性V2。
摘要
运输可靠性已被确定为服务质量最重要的决定因素之一。大多数可靠性衡量标准关注时间表现，并没有考虑可能发生的行程时间（TT）变化范围。已经提出了一些关于旅行时间可靠性（TTR）的测量，涉及TT与预期值的变化，以及旅行时间可变性（TTV），变化的程度。然而，过境行业的应用很少，对于采取哪些措施尚未达成共识。大部分措施都是在公路规划中制定的本文将多种TTV / TTR措施应用于过境自动车辆定位（AVL）系统TT数据库，以探索在运输行业中可能首选哪些措施。结果表明，一般而言，所测量的测量之间的TTV / TTR结果没有显着差异。出现差异的原因在于数据系列中异常值的“敏感性”。建议缓冲指数和变异系数分别衡量TTR和TTV，主要基于测量方法，为用户和规划人员提供额外的信息。一个重要的发现是TT时间间隔长度的选择是为了分析TTR / TTV而聚合的，可以严重影响测量结果。建议较短的间隔选择。对该领域的未来研究提出了建议。
摘要= 233字（限250字）
介绍
过境服务的可靠性已被确定为服务质量的10个最重要的决定因素之一[1]。它也被认为是骑车人比减少TT更重要的因素[2]。公交容量和服务质量手册（TCQSM）[3]和公路通行能力手册（HCM）[4]指出，时间性能是固定路线交通系统中最常用的可靠性性能指标。这涉及与实际出发/到达时间相比，在时间点发布的离开或到达之间的变化程度。一般来说，这些措施不考虑早日运行和交通车辆行程时间（TT）的变化量，尽管这是影响过境路线的调度和资源分配的重要因素，但也影响用户的旅行时间和行程安排决策。 TT的可靠性的两个方面已被定义;旅行时差异性（TTV），即在不同场合下进行特定旅程时可能发生的TT变化，以及影响旅行目的地到达时间可预测性的旅行时间可靠性（TTR）。 TTR是旅行相对于预期或期望到达时间的一致性水平，而TTV是TT的可变性程度。
已经确定了各种TTV和TTR的措施。 然而，在哪些方面应用并没有达成共识，而在运输规划中的应用受到限制。 大部分来自高规划研究。
本文回顾了TTV和TTR的一些措施，并将其应用于广泛的过境TT数据库以评估替代措施的执行情况。 其目的是提供有关为用户提供更明智信息的最合适措施的建议，并探讨影响TTV和TTR测量的因素。 本文结构如下：
bull;研究背景 - 介绍与该领域相关的文献回顾。
bull;方法论 - 描述实证分析的目标和方法。
bull;结果 - 概述了比较不同措施表现的实证结果。
bull;评估 - 讨论研究结果的主要特点，并介绍用于过境应用的拟议TTV和TTR措施。
bull;结论 - 总结研究的主要结果，并为进一步研究提供建议。
研究背景
可变性和可靠性
TT的可变性和可靠性指的是旅行可靠性略有不同的方面。 TTV描述了在多次在道路的特定路段上进行相同旅程时发生的TT的变化。 这种变化是由交通流量的变化，不同驾驶员行为以及交通需求的随机变化引起的[5]。 可以从三个截然不同的角度来看待特定路段上的TTV [6]：
bull;日常变化性：TT在不同日期的同一时期发生变化。
bull;期间变化性：一天内不同时期TT发生变化。
bull;车辆间的可变性：同期旅行的车辆的TT的变化。
然而，在这些观点中，考虑可靠性的研究只考虑日常变化。
TTR关注同一旅程在不同日期的TTs变化，将TT与预期（平均/时间表）值进行比较。 这个衡量标准与“准时绩效”更相关，因为它涉及TT与预期或“准时”到达时间的关系，这也与预期的TT有关。
旅行时间可靠性（TTR）措施
考虑TTR的三个主要措施。 #39;缓冲指数#39;[9]使用平均TT与第95百分位数TT之间的差值来衡量TTR：
缓冲指数=（第95百分位TT-平均TT）/（平均TT）* 100％
这意味着平均TT是“预期”，而第95百分位TT是衡量TT的“上限”。 这假定第95百分位TT是TT的“可接受”阈值。 选择第95百分位数有一些证据基础，因为它相当于1比20的比率，通勤者可能会认为这相当于“迟到每月工作1天”。 这已被理论化为通勤者对“合理”可靠性水平的期望的可能阈值[9,10]第95百分位TT与平均值之间的差异被命名为“缓冲时间”，如果他/她想要在20次旅行中的19次中准时出发，则应该由旅行者考虑。 显然，较高的缓冲区指数百分比意味着需要更多的时间来确保按时达到所需的一致性。
“佛罗里达可靠性”模型[11]基于“按时到达”概念[12]，并衡量可靠性，即走廊上的所有旅行的百分比，这需要比预期的TT更长的时间（在这种情况下， 假定平均TT）加上预定义的“可接受的”附加时间（等式2）。 后者表示为被分析期间预期TT的百分比（通常采用平均TT以上5％，10％，15％和20％）。 时间的额外补贴可能与#39;非经常性#39;交通堵塞的预期值有关，这通常被视为TTR差的主要原因。 在这种情况下，随着指数的增加，TT大于预期的行程百分比减少，即可靠性提高。
佛罗里达可靠性指数= 100％ - （TT大于平均值的旅行的百分比） （2）
“苦难指数”衡量TTR为最长旅行的平均分钟数，超过平均值（方程3）。 如果考虑一个工作周中最长20％的旅行，这可能被解释为给定周内最糟糕的一天的TTR的度量。 该指数的较高值意味着TT平均值和最长20％之间的较大差距。 随着此指数的增加，经历长途旅行的概率（与平均值相比）增加。
苦难指数=（最长20％旅行的平均TT - 所有旅行的平均TT）/所有旅行的平均TT （3）
已经提出了TTR的其他措施，但是它们还没有被普遍采用，例如， “可靠性绩效指标”是用户到达目的地的概率TT [13]，尽管其发展本质上是理论上的[11]。
旅行时差异（TTV）措施
在统计数据中，“标准偏差”（SD）是最常见的变异指标之一，它本质上显示了平均数值的离差：
（4）
这项措施相当容易计算。 此外，使用此度量很容易找出特定平均值范围内的数据值的百分比。 例如，在正态分布中，来自平均值的一个标准差意味着大约68％的数据值将在该范围内，而来自平均值的两个标准差意味着95％的数据。
#39;变异系数#39;是SD与平均值的比值（等式5）。 它被认为是一种“无量纲”的变化量度，因此它可以应用于不同的数据集以相似的方式表示它们之间的变化。 当在不同长度/ TT的路线之间比较可靠性时，这在传输中可能是重要的。
变异系数 （5）
SD在许多研究中已被用于测量TTV。 Hofman和Mahonay [14]使用SD来测量爱尔兰恶劣天气下公共汽车TT的TTV。 他们得出结论，雨天导致公共汽车TT增加，但TTV减少。 这是由于道路交通流量增加造成的，这减缓了巴士减少TT的变化。 Robinson和Polak也利用SD来将城市TTV的组成特征化为车辆间，期间和日常变异性成分[15]。
TT百分比也被广泛用于测量TTV。这里，采用高TT百分位数（例如第90位）和较低位数（例如第10位）之间的差值来测量TTV。距离越远，TT越多。然而，为了抵消不同旅途长度的影响，这种差异有时会被分配的中位数（第50位）除。 Li等人[16]使用TT的第90（T90）和第10（T10）百分位数与TT的中位数（T50）之间的差值的比率来表示在每个15分钟间隔内的车辆间变化。结果表明随着平均TT增加，车辆间变化增加到恒定阈值。另一方面，涂等人。 [7,8]将TTV定义为T90和T10之间的差异，以调查高速公路走廊在不利天气条件和不同交通流量下的可靠性。这项分析发现不利的天气和交通流量对平均TT和TTV有重要影响。
方法
该研究方法旨在比较应用于同一过境TT数据的TTR / TTV的不同度量，以此作为识别更适当措施的手段。 该数据集涉及自动车辆定位（AVL）系统在澳大利亚墨尔本主要在混合交通中运行的电车上收集的TT记录。 这些数据涉及2006年前8个月的电车路线1号。这是一条13.5公里的路线，在城市的郊区部分运营。 只分析一个方向的数据。 通过从集合中删除非周日和公共假期数据来“清理”数据集。 TTV / TTR分析从这个过程输出了大约13,239个TT记录。
图1显示了所有观察结果的分布情况，以及一个工作日内对应于15分钟间隔的平均TTs。 上午和下午的高峰，上午7点到9点，下午3点到6点 在观察中分别是可区分的。 有轨电车车道在平日里也有所不同（8分钟的高峰，12分钟的interpeak和30分钟的晚上）
在应用TTV / TTR测量时，重要的一步是选择可能测量TTV / TTR的时间间隔的长度。 这不是一个在文献中明确指出的步骤，但明确需要检查TTR / TTV在一天中的变化。 因此，该方法测试了15分钟和1小时的替代间隔长度对结果的影响（图2和图4）
图1：在一个工作日TT观察和平均TT
结果
图2显示了15分钟时间间隔（左）和1小时时间间隔（右）应用的TTR测量结果。 “简单移动平均线”技术用于平滑指示的趋势。 在这种情况下，TTR措施的应用如下：
bull;佛罗里达指数 - TTR指标定义为超过平均TT的110％的TT的百分比。
bull;苦难指数 - 最长20％的旅行的平均TT与平均TT之间的平均TT与平均TT之间的差异的比率被假定为TTR的度量。
bull;缓冲指数 - TT的第95个百分点与平均TT的差值与平均TT的差值之比是TTR度量。
一般来说，当涉及TTV的相对峰值和谷值时，图2中15分钟的时间间隔结果提供了指标之间普遍相似的结果。 TTR在峰值期间和夜间期间是最高的，而峰值期间则较低。 正如可以预料的那样，单独措施的价值是不同的。 然而，TTR措施之间的高峰和艰难之间的相对关系存在差异。 例如，与其他人相比，苦难指数倾向于具有相对平坦的分布。
图2中的1小时间隔应用程序提供了一个非常不同的TTR图（右）。 在这种情况下，傍晚之前的高峰期是最糟糕的。 有一些建议，峰值具有较低的TTR; 然而，interpeak的可靠性只比顶峰略高。 同样，1小时间隔数据集内的三项TTR测量结果没有太大差异（右图）。 然而，苦难指数再次呈现出与其他指标相比更“平坦”的措施模式。
TTR措施的15分钟（左）和1小时（右）间隔应用的结果之间的对比是相当大的。 TTR措施如何应用会产生非常不同的可靠性结果。 调查已经证实，1小时间隔数据集出现异常的峰前结果是因为TT在峰前期以快速增长。 这是交通拥堵发展到高峰时期的“增长”。 这种现象导致观察结果从对应于特定1小时时间间隔的平均值分散开来。 15分钟的时间间隔分析将“加速”细分为不同的时间段，因此不会将高峰期作为特定问题突出显示。 这些发现清楚地表明时间间隔选择是可靠性测量的关键输入。
图2：不同的工作日期间TTR措施
为了进一步探索TTR措施的变化，图3重点介绍了下午12点之间的15分钟间隔结果。 下午2点。 图3-a显示了三种TTR措施。 在这里，佛罗里达指数与此期间其他指标的趋势不同。 图3-b解释了为什么会出现这种情况，表示第95百分位，平均值的1.1倍，以及20％最长旅程的平均值。 观测值的数量高于平均值的110％，在该期间的中间减少，例如下午12.5点。 下午13时至5时 因此，佛罗里达指数是基于观测值的存在而不是它们的大小，因此下降。 另一方面，TT的第95个百分点，平均TT和最长20％的平均TT几乎不变。 因此，缓冲指数和苦难指数在这个时期表现出更强的稳定性。
总体而言，这些发现表明TTR不同措施的结果略有差异; 然而，时间间隔选择可以提供可靠性的截然不同的图像。
图3：评估TTR措施的对比
为了探索TTV的措施，选择变异系数和TT百分位数进行分析。 检查以下TTV百分位数：
bull;（T99-T1
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[469984]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
