Suite

Comment calculer le trajet de bus optimal à l'aide de pgrouting ?


Ma configuration pour ma page Web est OpenLayers, Postgresql/postgis et pgrouting.

Ce que je ne comprends pas, c'est comment je vais faire le routage. J'ai lu de nombreux tutoriels mais je ne comprends pas quelle sera ma prochaine étape.

J'ai donc téléchargé un fichier shp de données osm sur mon ordinateur et importé le 'roads.shp' dans ma base de données. Dans la base de données, j'ai également tous mes arrêts de lignes de bus sous forme de tableaux de points.

Comment utiliser pgrouting à partir de maintenant ? Quel algorithme utiliser et comment créer la topologie ? Dois-je fusionner le shp des routes avec les tableaux des arrêts des lignes de bus ?

Pour plus d'infos n'hésitez pas à demander !


Avez-vous suivi l'atelier pgRouting ?

L'atelier devrait clarifier les points suivants :

  • Il existe des outils d'importation pour les données OSM, de sorte que le réseau contiendra la topologie de routage déjà après l'importation.
  • Si vous souhaitez toujours utiliser les fichiers SHP, il explique comment.

Vos arrêts de bus ont des coordonnées, il vous suffit donc de partir du point le plus proche de votre réseau routier. Étant donné que les arrêts de bus ne changeront probablement pas, vous pouvez également faire de vos arrêts de bus des nœuds dans votre réseau routier. Ce sera plus de travail au début, mais les requêtes de routage deviendront beaucoup plus faciles car vous pourrez ensuite router directement d'un nœud d'arrêt de bus à un nœud d'arrêt de bus.


Développement d'un algorithme pour le routage et le suivi des bus pour un établissement d'enseignement : une étude de cas

La demande pour un service de bus institutionnel varie chaque année, et cela affecte l'efficacité si le service reste statique. Cela nécessite la nécessité de développer une procédure pour identifier les arrêts de bus et les itinéraires optimaux pour intégrer la variation annuelle de la demande. Cette étude visait à développer un algorithme pour la réaffectation des arrêts de bus et des itinéraires pour un service de bus institutionnel en tenant compte de la variation annuelle de la demande. L'algorithme développé dans l'étude identifie les arrêts de bus et les itinéraires optimaux pour répondre à la demande dans une plate-forme de système d'information géographique (SIG). Les élèves sont assignés à l'arrêt de bus le plus proche et les itinéraires optimaux sont développés en assurant l'équité. Les données de localisation des bus en temps réel aideront le voyageur à réduire son temps d'attente. L'algorithme développé a été validé et testé avec des données de terrain et les résultats ont fourni un routage avec un meilleur niveau de service et d'équité. Une interface utilisateur basée sur WebGIS a également été créée dans l'étude pour fournir les détails de localisation en temps réel du bus demandé à l'utilisateur. Les serveurs ouverts comme GeoServer et PostgreSQL ont été utilisés pour la création de couches dans l'interface utilisateur, et la page Web a été créée avec un script Java et un langage PHP.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Auteurs

Se rendre à l'école est une entreprise complexe qui renvoie aux déplacements quotidiens des élèves de leur résidence à leur école et vice versa. Le problème de tournée de bus scolaire diffère d'un problème de tournée de véhicule classique car il implique une procédure de réception et de livraison d'objets vulnérables transportés (élèves). Dans le système de transport scolaire grec, cette procédure est exécutée dans des réseaux de transport complexes, suivant une série d'itinéraires formulés avec une approche empirique et non un modèle mathématique. De nombreuses écoles conçoivent ces itinéraires en utilisant un processus manuel, en tenant compte principalement des exigences des parents. Cependant, la complexité des problèmes d'acheminement des autobus scolaires, tels que les conditions locales, les coûts d'exploitation et les besoins des clients, rendent l'ensemble de la procédure extrêmement difficile et rendent l'adoption d'une solution logicielle une nécessité. Compte tenu de ce cadre, cet article présente une méthode en sept étapes développée pour optimiser les itinéraires de bus scolaire d'une école privée à Thessalonique, en Grèce. La méthode est basée sur l'analyse de clusters et des algorithmes génétiques tout en prenant en compte les caractéristiques géographiques du réseau routier ainsi que la répartition du comportement et des exigences de déplacement de l'élève. Les résultats issus de l'essai pilote confirment les considérations initiales : la réduction de la distance et du temps de trajet en optimisant le trajet des autobus scolaires diminue la possibilité pour les élèves d'être impliqués dans des accidents de la route et améliore la qualité de l'air grâce à une réduction des émissions de carburant.


Une meilleure façon de calculer les itinéraires des autobus scolaires

Je dois arriver à l'école à l'heure. Crédit : deanhochman/flickr, CC BY

Voici un problème de mathématiques que même les districts scolaires les plus brillants ont du mal à résoudre : faire monter des hordes d'élèves du primaire, du secondaire et du secondaire dans les bus et à l'école à l'heure chaque jour.

Le transport de tous ces élèves pose un problème important et complexe. Certains districts scolaires utilisent des systèmes logiciels existants pour développer leurs itinéraires de bus. D'autres développent encore ces itinéraires manuellement.

Dans de tels problèmes, l'amélioration de l'efficacité opérationnelle, même un peu, pourrait entraîner de grands avantages. Chaque autobus scolaire coûte aux districts scolaires entre 60 000 et 100 000 $ US. Ainsi, une planification plus efficace des bus se traduira par des économies monétaires importantes.

Au cours de la dernière année, nous avons travaillé avec le Howard County Public School System (HCPSS) dans le Maryland pour analyser son système de transport et recommander des moyens de l'améliorer. Nous avons développé un moyen d'optimiser les trajets des autobus scolaires, grâce à de nouveaux modèles mathématiques.

Trouver la solution optimale à ce problème est très précieux, même si cette solution optimale n'est que légèrement meilleure que le plan actuel. Une solution qui n'est pire qu'un pour cent nécessiterait un nombre considérable de bus supplémentaires en raison de la taille de l'opération.

En optimisant les itinéraires de bus, les écoles peuvent réduire les coûts, tout en desservant tous les enfants de leur quartier. Notre analyse montre que le HCPSS peut économiser entre cinq et sept pour cent sur le nombre de bus nécessaires.

Un trajet en bus dans l'après-midi part d'une école donnée et passe par une séquence d'arrêts, déposant les élèves jusqu'à ce que le bus soit vide. Un itinéraire est une séquence de trajets à partir de différentes écoles qui sont reliées entre elles pour être desservies par un seul bus.

Notre objectif était de réduire à la fois le temps total de circulation des bus sans élèves à bord – également connu sous le nom de temps mort cumulé – ainsi que le nombre de trajets. Moins d'itinéraires nécessitent moins de bus, puisque chaque itinéraire est affecté à un seul bus. Notre approche utilise l'analyse des données et la modélisation mathématique pour trouver la solution optimale dans un temps relativement court.

Pour résoudre ce problème, un algorithme informatique considère tous les trajets en bus dans le quartier. Sans modifier les trajets, l'algorithme les affecte aux itinéraires de telle sorte que le temps mort cumulé et le nombre d'itinéraires soient minimisés. Les trajets individuels s'allongent, permettant au bus de desservir plus de trajets en un seul trajet.

Étant donné que les trajets sont fixes, nous pouvons ainsi réduire le temps total de trajet des bus. La minimisation des déplacements à vide entraîne des économies de coûts et une réduction de la pollution de l'air.

Les itinéraires que nous avons générés peuvent être considérés comme une limite inférieure du nombre d'autobus nécessaires aux districts scolaires. Nous pouvons trouver la solution optimale pour HCPSS en moins d'une minute.

Pendant que nous travaillions sur les itinéraires, nous avons décidé de nous attaquer également au problème des trajets en bus eux-mêmes. Pour ce faire, nous devions déterminer quels déplacements sont nécessaires pour desservir les élèves pour chaque école du système, compte tenu des capacités d'autobus, des emplacements des arrêts et du nombre d'élèves à chaque arrêt. Cela a un impact direct sur la façon dont les itinéraires sont choisis.

La plupart des modèles existants visent à minimiser soit le temps de trajet total, soit le nombre total de trajets. La croyance dans de tels cas est qu'en minimisant le nombre de trajets, vous pouvez minimiser le nombre de bus nécessaires dans l'ensemble.

Cependant, nos travaux montrent que ce n'est pas toujours le cas. Nous avons trouvé un moyen de réduire le nombre d'autobus nécessaires pour satisfaire les demandes de transport, sans essayer de minimiser l'un ou l'autre des deux objectifs ci-dessus. Notre approche considère non seulement la minimisation du nombre de déplacements, mais aussi la manière dont ces déplacements peuvent être reliés entre eux.

En octobre dernier, nous avons présenté notre travail à la conférence de la Maryland Association of Pupil Transportation. Un membre de l'auditoire à cette conférence a suggéré que nous analysions les heures de début et de fin de l'école. En modifiant les heures de début des écoles secondaires, intermédiaires et primaires, les opérations de bus pourraient potentiellement être encore plus efficaces. De légers changements dans les heures de début des cours peuvent permettre de relier plus de trajets ensemble sur une seule ligne de bus, diminuant ainsi le nombre de bus nécessaires dans l'ensemble.

Nous avons développé un modèle qui optimise les heures de cloche de l'école, étant donné que chacune des heures de début des écoles élémentaires, intermédiaires et secondaires se situe dans une fenêtre de temps prédéfinie. Par exemple, la fenêtre horaire pour les heures de début des écoles élémentaires serait de 8h15 à 9h25 pour les collèges, de 7h40 à 8h30 et toutes les écoles secondaires commenceraient à 7h25.

Notre modèle examine tous les trajets en bus et recherche la combinaison optimale de temps de sortie de l'école de telle sorte que le nombre de bus scolaires, qui est le principal facteur contribuant aux coûts, soit minimisé. Nous avons constaté que, dans la plupart des cas, l'optimisation des heures de sonnerie se traduit par des économies importantes sur le nombre d'autobus.

À l'aide de notre modèle, nous avons exécuté de nombreux « et si ? » différents. scénarios utilisant différentes heures de début et de sortie de l'école pour le HCPSS. Quatre d'entre eux sont actuellement à l'étude par le conseil scolaire du comté de Howard pour une éventuelle mise en œuvre.

Nous continuons également à améliorer nos modèles actuels de transport par autobus scolaire, ainsi qu'à développer de nouvelles façons d'améliorer davantage l'efficacité et de réduire les coûts.

Par exemple, nous construisons des modèles qui peuvent aider les écoles à sélectionner les bons fournisseurs pour leurs besoins de transport, ainsi qu'à minimiser le nombre d'heures de fonctionnement des bus par jour.

À l'avenir, le type de modèles sur lesquels nous travaillons pourrait être intégré à un système logiciel que les écoles pourraient utiliser elles-mêmes. Il n'y a vraiment aucun obstacle à l'utilisation de ces types de systèmes tant que les systèmes scolaires disposent d'une base de données électronique de leurs arrêts, trajets et itinéraires.

Un tel logiciel pourrait potentiellement être mis en œuvre dans tous les districts scolaires du pays. Bon nombre de ces districts bénéficieraient de l'utilisation de tels modèles pour évaluer leurs opérations actuelles et déterminer si des économies peuvent être réalisées. Avec de nombreuses municipalités aux prises avec des budgets, ce type d'innovation pourrait économiser de l'argent sans dégrader le service.

Cet article a été initialement publié sur The Conversation. Lire l'article original.


Introduction

Le système de transport en commun rapide par bus (BRT), également connu sous le nom de Transitway ou Metro, est utilisé dans différentes parties du monde comme système de transport public. Il est fiable en termes de capacité, d'efficacité de temps et d'abordabilité, par rapport à celui du système de bus conventionnel. Pendant plusieurs années, le système de transport ferroviaire urbain est resté le seul système à répondre efficacement aux problèmes de transport émergents dans les zones urbaines élevées, cependant, les systèmes BRT l'ont surpassé en termes de coût de construction, d'exploitation et de maintenance du système, le temps nécessaire pour développer le système, une plus grande flexibilité et la capacité de débit comparativement élevée [1]. Une autre étude est menée en développant un modèle pour comparer le système BRT, le rail léger et le système ferroviaire lourd, et il a suggéré que le BRT de haute qualité est le système le plus rentable en termes de coût pour les utilisateurs et les opérateurs, tandis que le reste ne peut que être supérieur si la vitesse de fonctionnement est maintenue plus rapide que le BRT [2]. Ainsi, pour la population urbaine toujours croissante, le système BRT apparaît comme un mode de transport tout à fait utile dans l'aspect du futur en raison de ses mérites par rapport aux autres modes de transport.

Un élément très important et clé dans la phase de conception du système BRT est la détermination de la densité et de l'emplacement des stations, ainsi que de l'itinéraire prévu, où l'installation doit être fournie. La densité et l'emplacement des stations BRT jouent un rôle crucial dans la détermination de l'accessibilité du système BRT, alors que le facteur d'accessibilité est très important à considérer, car l'efficacité et le niveau de service (LOS) du système BRT dépendent principalement sur l'accessibilité [3]. L'accessibilité pour les passagers peut être améliorée en augmentant le nombre de gares, mais cela augmenterait peut-être les retards dus aux accélérations et décélérations excessives dans toutes les gares. Ces retards supplémentaires affecteraient éventuellement le temps total dans le véhicule ainsi que le coût de l'opérateur en raison de l'exigence de bus supplémentaires pour desservir chaque station [4].

Ainsi, l'objectif de cette étude est de fournir un cadre complet utile pour déterminer la densité et la localisation des stations de BRT en optimisant le coût pour les utilisateurs et les opérateurs. Le coût d'utilisation composé du coût des utilisateurs dans le véhicule dépend principalement du temps que les utilisateurs passent dans le véhicule et de la valeur associée à ce temps. Pour minimiser ce coût, il doit y avoir un minimum de temps collectif passé dans le véhicule par les utilisateurs. De même, le coût d'accès des utilisateurs fait également partie du coût de l'utilisateur et dépend du temps nécessaire aux utilisateurs pour atteindre le système BRT et de la valeur associée à ce temps. Ce temps doit être le plus réduit possible afin de minimiser le coût d'accès des utilisateurs. Enfin, le coût de l'opérateur dépend fondamentalement de la taille de la flotte qui doit impliquer le nombre optimal minimum de bus pour éviter l'envolée du coût total.

Des travaux similaires ont été menés par Chien et Qin [3], qui ont développé et optimisé le modèle mathématique en utilisant l'algorithme génétique (AG). L'AG peut optimiser à la fois les fonctions continues et discrètes ainsi que les problèmes multi-objectifs. Cependant, outre les avantages, un inconvénient majeur de l'AG est qu'un choix défavorable des paramètres de l'AG peut affecter le résultat de l'application. Le choix des paramètres vitaux de l'AG tels que le croisement et le taux de mutation ainsi que les critères de sélection de la nouvelle population doivent être effectués avec soin. Tout choix inapproprié de ces paramètres rendra difficile la convergence de l'AG ou produira simplement des résultats dénués de sens [5, 6]. Inspirés des travaux de Chien et Qin [3], dans notre article, nous avons modifié la fonction de coût total et déterminé la densité et les emplacements optimaux des stations de BRT le long du corridor de service. Le coût d'exploitation du BRT dans le véhicule est modifié et le coût personnel et d'entretien du BRT y est intégré. L'ajout d'une nouvelle station sur le corridor de service BRT peut affecter considérablement le coût personnel et administratif et influencer le coût du côté de l'opérateur. De même, le nombre de stations sur le corridor de service provoque l'accélération et la décélération des bus, ce qui a une influence sur l'entretien des bus. De plus, nous avons également utilisé trois algorithmes évolutionnaires (EA) différents qui sont l'optimisation de l'essaim de particules (PSO), l'évolution différentielle (DE) et GA pour l'optimisation de la fonction de coût total. Contrairement à l'étude précédente, une analyse de sensibilité complète est effectuée pour une analyse approfondie de diverses variables indépendantes utilisées dans la fonction de coût total. De plus, le cadre fournit la solution optimale unique par rapport au nombre particulier de stations par rapport aux multiples combinaisons présentées dans l'étude précédente. Par conséquent, ces avancées aboutissent à l'élaboration d'un nouveau cadre simple, efficace et scientifiquement fiable pour l'élaboration des politiques.

Les EA qui ont été utilisés pour des problèmes d'optimisation sont maintenant devenus très célèbres parmi la plupart des chercheurs au cours des dernières décennies. Ces algorithmes ont été appliqués à de nombreux domaines de l'ingénierie et des sciences appliquées pour trouver les solutions optimisées en raison de leur cadre simple et de leur applicabilité. Parmi les différentes techniques proposées, les trois algorithmes très similaires et célèbres sont DE, GA et PSO. Comme l'algorithme génétique est le plus conformiste et bien établi parmi les autres en raison de son introduction antérieure [7], les DE et PSO relativement récents sont devenus largement connus en raison de leur capacité à trouver des solutions optimisées pour des problèmes continus et discrets. L'AG est une technique d'optimisation méta-heuristique basée sur la population qui utilise un mécanisme inspiré des organismes vivants comme les processus de sélection, de reproduction et de mutation, qui fonctionne sur le principe de la « survie du plus apte » [8].

Presque toutes les AE partagent relativement les mêmes processus et opérations. Il existe trois opérations et processus principaux dans tous les EA, où la première étape est l'initialisation dans laquelle la population initiale d'individus générée aléatoirement est produite par rapport à une représentation de solution spécifiée, car la représentation de solution est la partie la plus critique de tout algorithme évolutif. que de quelle manière il doit être représenté. Il doit être représenté par rapport aux éléments d'une méthode évolutive spécifique car il est responsable de la production de la solution réalisable. Si la représentation de la solution n'est pas effectuée correctement, cela peut conduire à une solution infaisable. Outre la représentation de la solution, deux paramètres plus critiques doivent être pris en compte avant d'entrer dans le programme (c'est-à-dire la taille de la population et le nombre maximum d'itérations), il doit être déterminé initialement, car ces deux paramètres ont une grande influence sur le temps de la solution et qualité. Après l'initialisation, l'étape suivante consiste à évaluer chaque solution présente dans la population par rapport aux valeurs de fitness. Le but de l'évaluation de la solution est de connaître la population de fitness moyenne ou de classer chaque solution dans la population dans un souci de sélection. Enfin, la génération de la nouvelle population est créée en utilisant la perturbation des solutions dans la population actuelle. La figure 1 montre ces trois processus de l'EE. Pour une nouvelle discussion complète de l'EA, voir [9, 10].

Organigramme représentant les étapes de base des algorithmes évolutionnaires

Pour illustrer les opérations d'EA comme le montre la Fig. 1, les étapes de l'EA de base sont répertoriées ci-dessous :

Génération de la population initiale.

Évaluer les valeurs de condition physique individuelles

Vérifier que tous les critères d'arrêt sont remplis ou non ? Si oui, alors le programme sera arrêté et la solution requise est accomplie. Si ce n'est pas le cas, il passera à l'étape suivante.

Générer la nouvelle population et monter pour évaluer les valeurs de fitness. Cette boucle continuera à fonctionner jusqu'à ce que tous les critères d'arrêt requis soient remplis.

De nombreux chercheurs ont utilisé avec succès des EA dans le domaine de l'ingénierie des transports, Saeidi [11] a travaillé sur l'amélioration de l'efficacité du système de transport public en optimisant les itinéraires à l'aide du GA, Koh [12] a utilisé DE dans le domaine de la planification des transports pour résoudre les problèmes de bi -niveau problèmes de programmation. Wu et al. [13] ont examiné en détail les applications de PSO dans le domaine de l'ingénierie ferroviaire. Il a été conclu que le PSO a vu des applications de plus en plus nombreuses dans le domaine de l'ingénierie ferroviaire, alors que la planification de la configuration du réseau, la programmation et les contrôles actifs sont les principaux domaines de recherche. De plus, de nombreux chercheurs ont affirmé que PSO est une méthode viable et que son efficacité de calcul est meilleure que GA et DE [14,15,16,17]. En outre, il existe un groupe d'études qui ont utilisé PSO pour résoudre le problème d'optimisation des itinéraires BRT et les problèmes de conception du réseau de transport (TNDP) dans les zones urbaines à haute densité [18,19,20,21]. De nombreuses études ont porté sur l’espacement des gares routières en milieu urbain. Saka [22] a proposé un modèle pour optimiser l'espacement des gares routières et a conclu qu'un bon espacement des gares routières peut entraîner une réduction des délais et du temps de trajet, ce qui créerait à terme un impact sur la baisse des coûts pour l'opérateur. De plus, l'espacement optimisé des gares routières permet de réduire le nombre de bus dans la flotte, ce qui réduit le coût de l'opérateur. Moura et al. [23] ont présenté un modèle en deux étapes pour trouver les emplacements optimaux des gares routières. À la première étape, le coût associé au système a été minimisé en plaçant stratégiquement les gares routières, tandis que la deuxième étape a maximisé la vitesse de fonctionnement en localisant tactiquement les gares routières. Ainsi, a conclu que les emplacements de la gare routière influencent la vitesse d'exploitation commerciale des bus. Ceder et al. [24] ont conçu un modèle pour optimiser les emplacements des arrêts de bus sur un itinéraire donné pour une topographie inégale. D'autres études ont également été menées en se concentrant particulièrement sur les zones urbaines [25, 26].

En plus de présenter les modèles et les solutions au problème de l'espacement des stations, de nombreux chercheurs ont également étudié la relation entre l'espacement des stations et les paramètres d'influence, par exemple, la distance et la vitesse. Chien et al. [27] ont spécifiquement étudié la relation entre l'espacement des bus et l'espacement de la gare routière. Ils ont développé le modèle mathématique et ont pris le temps de trajet des utilisateurs comme fonction objective. Il est également important de noter qu'un temps d'attente réaliste a été considéré au cours de l'étude. Il a été observé qu'il existe une relation inverse entre la taille de la flotte et l'espacement optimal entre les voies et les stations, alors qu'il existe une relation directe entre la demande des passagers et le temps de trajet. Chang et Schonfeld [28] ont également travaillé sur l'optimisation de l'avancement dans leur étude et ont développé le modèle analytique pour l'optimisation du BRT. Outre les progrès, Tirachini [29] a mené une étude approfondie sur la relation entre la vitesse de fonctionnement des bus et l'espacement des gares routières. Il a conclu que si la vitesse de fonctionnement des bus est constante et que la demande des passagers augmente, l'espacement entre les gares routières devrait être réduit, tandis que d'un autre côté, si la vitesse de fonctionnement des bus augmente, les gares routières devraient être espacées sur de grandes distances malgré la hausse de la demande.

Il existe plusieurs études où les chercheurs ont utilisé efficacement divers outils et techniques pour étudier le problème d'espacement optimal des stations. Dell'Olio [30] a proposé un modèle permettant de localiser les gares routières et de réaliser l'optimisation des fréquences de bus en prenant en compte les coûts liés à la construction des gares routières, à la fourniture de services et à l'exploitation du système de bus. Deux niveaux sont définis, le premier niveau concerne le coût des systèmes et l'autre concerne le comportement de l'usager face au modèle d'affectation des transports publics. Le modèle a réduit l'accès, les déplacements et les temps d'attente des utilisateurs, tandis que du côté de l'opérateur, il a été constaté que les bons services étaient fournis avec la légère augmentation du coût d'exploitation. Le modèle a également été appliqué à un cas qui montre que si les critères de situation pratique doivent être pris en compte, il y a alors moins d'économies par rapport à l'examen des critères scientifiques du modèle appliqué. Dans l'ensemble, le modèle a montré des résultats satisfaisants lorsqu'il est appliqué à des problèmes pratiques. Li et Bertini [31] ont considéré deux composantes de coût : la première est le coût d'accès des passagers et la seconde est le coût d'arrêt des passagers dans le véhicule en utilisant les données archivées à haute résolution au niveau des arrêts et utilisées dans le modèle pour trouver l'espacement optimal des bus. gares. Furth et Rahbee [32] ont utilisé une modélisation géographique et une approche de programmation dynamique pour trouver l'emplacement et l'espacement optimaux des gares routières. Furth et al. [33] ont fait une meilleure analyse de l'espacement des gares routières en utilisant le Système d'Information Géographique (SIG).

Les notations à utiliser tout au long de notre article sont répertoriées dans le Tableau 1. Les sections à venir sont énumérées comme suit : La description de la ligne de service BRT est indiquée dans la Sect. 2, alors que la Sect. 3 explique la formulation du modèle et la préparation de la fonction de coût total. Ensuite, le concept et l'application de DE, GA et PSO sont expliqués dans la Sect. 4. Ensuite, les expériences de calcul, c'est-à-dire l'exemple numérique conçu et l'analyse de sensibilité sont présentées, et par la suite, la conclusion est résumée dans la dernière section de cet article.


Comment calculer le trajet de bus optimal à l'aide de pgrouting ? - Systèmes d'information géographique

Informations papier

Informations sur la revue

Revue internationale d'ingénierie de la circulation et des transports

ISSN-p : 2325-0062 ISSN électronique : 2325-0070

Outil basé sur les données pour la planification des itinéraires de bus de ligne de métro

Dahai Han, Jie Yu

Département de génie civil et environnemental, Université du Wisconsin à Milwaukee, Milwaukee, États-Unis

Écrire à : Jie Yu, Département de génie civil et environnemental, Université du Wisconsin à Milwaukee, Milwaukee, États-Unis.

E-mail:

Copyright © 2019 Le(s) Auteur(s). Publié par Scientific & Academic Publishing.

Ce travail est sous licence Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/

Le transport de passagers d'une station de métro aux résidences environnantes avec des bus d'alimentation peut résoudre efficacement le problème du « dernier kilomètre ». Cet article présente un outil systématique basé sur les données pour la planification des itinéraires des bus de desserte du métro et illustre ses applications à Chongqing, en Chine. Le système proposé présente sa flexibilité en tenant compte de divers problèmes critiques lors des phases de planification des bus d'alimentation, notamment la modélisation de la demande avec les données des téléphones portables, la gestion de l'accessibilité des passagers via des plates-formes SIG ouvertes, l'optimisation des arrêts et des itinéraires à l'aide de modèles mathématiques exploitables et la visualisation en ligne des résultats via un Framework de logiciel en tant que service (SaaS). Les résultats d'études de cas réels ont démontré l'efficacité de l'outil proposé.

Mots clés: Bus d'alimentation, planification d'itinéraires, piloté par les données, SIG ouvert, logiciel en tant que service (SaaS)


Technologie GPS et SIG

Les systèmes de positionnement global ou GPS sont utilisés pour trouver l'emplacement exact des choses. Les systèmes d'information géographique ou SIG sont utilisés pour enregistrer des informations sur des cartes. Le GPS et le SIG sont tous deux utiles pour gérer les terres dans les hauts plateaux.

Les systèmes de positionnement global ou GPS sont utilisés pour trouver l'emplacement exact des choses. Les systèmes d'information géographique ou SIG sont utilisés pour enregistrer des informations sur des cartes. Le GPS et le SIG sont tous deux utiles pour gérer les terres dans les hauts plateaux.

Qui a entendu parler du GPS ?

GPS signifie Global Positioning Systems et ils sont maintenant utilisés dans le monde entier. Une unité GPS est en fait un récepteur qui collecte les signaux des satellites.

Les satellites du système de positionnement global transmettent des signaux aux récepteurs GPS au sol. Les récepteurs nécessitent une vue dégagée du ciel, ils ne sont donc utilisés qu'à l'extérieur et ne fonctionnent pas bien dans les forêts ou à proximité de grands bâtiments.

Chaque satellite GPS possède une horloge atomique et envoie un signal indiquant sa position et l'heure exacte. Tous les satellites GPS émettent au même instant. Les signaux se déplacent à la vitesse de la lumière et arrivent à un récepteur GPS à des moments légèrement différents car certains satellites sont plus éloignés que d'autres. La distance aux satellites GPS peut être calculée en estimant le temps nécessaire à leurs signaux pour atteindre le récepteur. Lorsque le récepteur estime la distance à au moins quatre satellites GPS, il peut calculer sa position en latitude, longitude et hauteur.

Regardez cette vidéo Youtube pour en savoir plus sur le fonctionnement du GPS.

Utilisations du GPS

Le GPS a de nombreuses utilisations, par exemple

  • Synchronisation d'horloge : Les signaux horaires GPS utilisent des horloges atomiques très précises. Cette technologie peut être utilisée pour des choses comme les mises à jour automatiques de l'heure d'été sur les téléphones portables
  • Secours en cas de catastrophe et services d'urgence : dépendent du GPS pour la localisation
  • Suivi d'un véhicule, d'une personne, d'un animal domestique ou d'un avion : les récepteurs assurent un suivi continu et peuvent émettre une alerte si le récepteur quitte une zone définie. Les animaux domestiques peuvent être ébréchés afin qu'ils puissent être trouvés s'ils se perdent
  • Géolocalisation : application de coordonnées de localisation à des objets numériques tels que des photographies et d'autres documents à des fins telles que la création de superpositions de cartes.
  • Commentaire de la visite en bus : votre emplacement déterminera les informations affichées sur l'approche des points d'intérêt
  • Arrêts de bus : pour montrer combien de temps le bus mettra pour arriver à un arrêt de bus
  • Navigation : par exemple Navman. L'appareil utilise l'activation vocale pour décrire un itinéraire préféré en fonction de la position du récepteur, de la position de la destination et d'un plan des rues
  • Balises de localisation personnelles (PLB) : utilisées pour informer les autorités de recherche et de sauvetage de votre emplacement exact en cas d'urgence
  • Loisirs : Par exemple, géocaching et balisage
  • Arpentage : les géomètres utilisent des emplacements absolus pour faire des cartes et déterminer les limites des propriétés
  • Tectonique : permet la mesure du mouvement des failles dans les séismes

Comment pensez-vous que le GPS est utilisé dans le haut pays ?

Qu'est-ce que le SIG

Les cartes ont parcouru un long chemin depuis que les gens ont commencé à dessiner pour montrer où ils se trouvaient. Les cartes modernes sont créées à l'aide d'un logiciel spécial qui combine de nombreux types d'informations. Ce système de cartographie moderne est appelé SIG – Systèmes d'Information Géographique. Le SIG est utilisé par des organisations, telles que les conseils municipaux, qui ont besoin d'accéder aux données et doivent pouvoir combiner différents ensembles de données. Le SIG donne aux membres de ces organisations des représentations graphiques des données qui leur permettent de :

  • analyser les situations
  • écrire des rapports
  • suivi des modifications
  • prendre des décisions
  • planifier pour l'avenir, par exemple quelles parties du haut pays ont fait l'objet d'un examen de la tenure
  1. Personnes : les personnes qui utilisent les SIG sont des professionnels qui ont été formés à l'utilisation des SIG et qui ont fait carrière en travaillant avec les SIG
  2. Données : les informations géospatiales (où se trouvent les choses) et les détails des objets tels que les services, les routes, les bâtiments, etc. sont collectés et entrés dans le logiciel SIG
  3. Logiciel : le logiciel SIG analyse les données et les présente sous différentes combinaisons pour l'utilisateur
  4. Matériel : comprend des appareils portables pour la collecte de données et des ordinateurs avec un logiciel SIG

Les données contenues dans un système SIG sont stockées dans des ensembles de données appelés « ensembles de données » dans une base de données. Les ensembles de données peuvent être sélectionnés, combinés et présentés sous forme de couches :

Qui a entendu parler du GPS ?

GPS signifie Global Positioning Systems et ils sont maintenant utilisés partout dans le monde. Une unité GPS est un récepteur qui capte les signaux des satellites.

Les satellites du système de positionnement global transmettent des signaux aux récepteurs GPS au sol. Les récepteurs ont besoin d'une vue dégagée du ciel, ils ne sont donc utilisés qu'à l'extérieur et ne fonctionnent pas bien dans les forêts ou à proximité de grands immeubles.

Les satellites transmettent l'heure exacte à laquelle les signaux sont envoyés. En soustrayant l'heure à laquelle le signal a été transmis de l'heure à laquelle il a été reçu, le GPS peut dire à quelle distance il se trouve de chaque satellite. Le récepteur GPS connaît également la position exacte dans le ciel des satellites, au moment où ils ont envoyé leurs signaux.

Regardez cette vidéo Youtube pour en savoir plus sur le fonctionnement du GPS.

Utilisations du GPS

Le GPS a de nombreuses utilisations, par exemple

  • Réglage de l'heure - mise à jour automatique de l'heure du téléphone portable lorsque l'heure d'été commence et se termine
  • Secours en cas de catastrophe et services d'urgence : dépendent du GPS pour la localisation
  • Suivi d'un véhicule, d'une personne, d'un animal de compagnie qui a été ébréché ou d'un avion
  • Arrêts de bus : pour montrer combien de temps le bus mettra pour arriver à un arrêt de bus
  • Navigation : par exemple, l'appareil Navman utilise l'activation vocale pour décrire un itinéraire en fonction de la position du récepteur, de la position de la destination et d'un plan des rues
  • Balises de localisation personnelles (PLB) : utilisées pour indiquer aux experts en recherche et sauvetage où se trouve quelqu'un
  • Recreation: eg tramping, climbing, diving, sailing
  • Surveying: Surveyors use GPS locations to make maps and work out property boundaries
  • Tectonics: the movement of faults during earthquakes can be measured

How do you think GPS is used in the high country?

What is GIS

Maps have come a long way since people first began drawings to show where they were. Modern maps are made using special software that combines lots of different sorts of information. This system of modern mapping is called GIS – Geographic Information Systems. GIS is used by groups such as city councils, that need access to data and need to be able to combine different data sets together. GIS gives people a picture of data that allows them to:

  • problem solve
  • write reports
  • track changes
  • make decisions
  • plan for the future eg which areas of the high country have completed tenure review
  1. People: people who are trained in GIS
  2. Data: geospatial information (where things are located) is entered into the GIS software
  3. Software: GIS software analyses data and presents it in different ways for the user
  4. Hardware: includes hand held devices for collecting data and computers with GIS software

Data contained in a GIS system is stored in sets of data called ‘data sets’ in a database. Data sets can be selected, combined and presented as layers:

pūnaha kimi taunga Système de positionnement global
ao whānui worldwide, global
āmiorangi satellite
karaka clock
whakatere la navigation
pūnaha rorohiko computer system

If you were wanting to develop a piece of land in the high country how would you use GPS and GIS to make this easier?

If you were wanting to develop a piece of land in the high country how would you use GPS and GIS to make this easier?

Nic Donnelly from LINZ shows the GPS equipment used for finding exact locations during surveying work. Image: LEARNZ.

GPS devices are useful for activities such as tramping and climbing where it is important to know where you are. Image: LINZ.

Car navigation systems use GPS to give directions. What are the advantages and disadvantages of using a Car navigation system? Image: LINZ.

The Mackenzie District Council uses a GIS map to record different layers of information. Why might this be useful? Image: Mackenzie District Council Online Map Viewer.


GIS Applications for Environment and Resources

2.18.2.1.1 Analytical and modeling approaches

Transit has its own process for analysis and modeling, while GIS also has plenty of functions for data manipulation, management, analysis, and presentation. It is important to apply GIS to facilitating the needs of various transit analyses and operation. Similar to the methods for general GIS for transportation analysis, GIS for transit also needs to develop its models for transit data representation, transit information presentation, and transit network analysis, like finding the best transit route, calculating the attributes of the routes, performing transit passenger assignments, estimating transit origin–destination (O–D) matrix, finding the best transit facility location, and forecasting transit demands, etc.

Transit O–D flow data are commonly used in transit studies. In transportation modeling packages, they are traditionally represented in matrix forms, a two-dimensional array. But the relational database in GIS is based on a relational model of data, which does not directly support the analysis of matrix data. The matrix data are usually transformed into a relational table in GIS before conventional GIS functions can be applied to the O–D flow data. Some GIS-based transit models are developed as add-ons to the existing GIS packages.

Many transit data include both spatial information about the location of the transit facilities and temporal information about the arrival and departure time of the transit riders. The spatial–temporal data for transit trips also need existing GIS packages to be extended and enhanced because few of them provide necessary support for spatial–temporal information.

There are a number of methods available for transit path finding. As a GIS-based transportation package, Caliper’s TransCAD provides four route choice models for finding the best paths and extracting path attributes ( Caliper, 2004 ). Similar to other transportation models , transit shortest path method also aims to find the best path from an origin to a destination that minimizes travel costs measured in time, distance, or monetary value like transit fares. Because each transit system has its own designated route system, which is different from traditional road network links. Though a path segment may serve multiple transit lines at the same time, only one transit line can be chosen on any path segment for finding the shortest path. The shortest path algorithm available in GIS network analyst packages is usually adapted to find the transit shortest path in transit route system based on transit fares.

Based on the methods for transit path finding, transit assignment approaches are developed to estimate transit riders’ selection of routes and also load their trips to transit networks. Similar to the automobile on road networks, the general methods for transit trip assignment also include all-or-nothing (AON), Pathfinder, and User Equilibrium assignments.

As the simplest mechanism used for transit trip assignment, the AON approach does not consider capacity constraints of transit systems. It assumes that travel costs are fixed and they do not response to the change of link flows. The major task of AON assignment is to find shortest travel paths for trips between each O–D pairs using free-flow travel costs for each path. As an upgraded method for transit assignment, pathfinder algorithm handles cases with multiple identical routes serving the same O–D pair and the route segments overlapping in the transit network. Pathfinder algorithm develops trunk links for the overlapped route segments. It finds the best path on the network and split transit flows for truck links based on route service frequency. In both AON and Pathfinder approaches, travel costs for making a transit trip include transit fare and the monetary values of in-vehicle time, waiting time at transit stops, dwelling time of transit vehicles at stops, transfer penalty time, and nontransit time, such as walking time to transit stops, which are usually stored, manipulated, and presented on a GIS-based platform (Caliper, 2004).

An appropriate user equilibrium network assignment model is developed to predict transit traffic on congested transit networks. No rider can unilaterally reduce his/her travel costs by shifting to another transit route, which is based on Wardrop’s (1952) first principle. A general user equilibrium algorithm implies that all individual travelers have a totally accurate perception of current network conditions and always make trips following the actually shortest or cheapest path under these conditions. When these strict assumptions are relaxed by allowing each individual traveler to perceive a different and random travel cost on the same link, it becomes a probabilistic methods called stochastic user equilibrium algorithm (SUE). The SUE for transit trips assumes that a transit rider choose a path from origin to destination based on the attractiveness of the path calculated based on transit fares, travel time, and possible transfer penalties. The SUE solves problems in an iterative procedure.

In a GIS for transit, AON and SUE assignment implements the algorithm available in GIS network analyst to find the shortest path for an O–D pair and then load all the transit riders on the O–D pair to the shortest path in the transit route system. As an example, Huang et al. (2010) presented a support framework of bus network optimization based on GIS and genetic algorithms. The support system consists of several functions that are needed for bus network optimization. First, an accessibility model is built using land use and population data, by which the amount of trip generation and attraction at bus stops can be estimated. Second, with these demands at stops, candidate bus routes between each terminal pairs are created. A candidate route is validated for its spatial features and demand, such as route length, balance of generation and attraction, and minimum number of stops. Third, optimizing bus routes are derived from the large set of candidates, using a genetic algorithm. The planning support framework provides transit planners and policy makers with a preliminary solution set of bus routes for final deployment. All this research has been accomplished on a GIS-based platform.


Conclusion

Accessibility to services and facilities and, in particular, to healthy food, is an important social equity issue ( Reference Apparicio, Cloutier and Shearmur 39 ) . Geographic analysis models may provide local authorities and policy makers with new views and possibilities for making decisions as to the location of services in order to offer a fair choice to the entire population. For example, Banos et al. ( Reference Banos and Huguenin-Richard 54 , Reference Banos and Banos 80 ) have designed a GIS application that identifies hot spots by spatial regression ( Reference Anselin, Syabri and Kho 81 ) . These results enabled the targeting of parts of the road network that needed modifications ( Reference Banos and Banos 80 ) . Gatrell and Naumann ( Reference Gatrell and Naumann 82 ) adapted this tool to the field of health-care and suggested potential sites for building new hospitals, with various scenarios being examined according to traffic density.

It should also be noted that spatial accessibility of healthy food is only one of the multiple determinants of a healthy lifestyle, as emphasised by socio-ecological models of behaviours ( Reference Sallis and Glanz 2 – Reference Townshend and Lake 4 ) . Further development of spatial analysis methods should help to better define its importance in various settings ( Reference Cummins 83 ) . On the basis of the articles reviewed here, we suggest two avenues for future methodological research when analysing accessibility of facilities relevant to food behaviour. First, there is a need to test and compare more sophisticated spatial GIS modelling such as travel time or potential model principles and gravity models ( Reference Guagliardo 58 , Reference Weber and Hirsch 84 ) . The latter combine diversity (type of facilities) and accessibility by using distribution of facilities throughout the area, together with a distance function to calculate the attractiveness of a food outlet (catchment area). Second, future research should benefit from a combination of GIS methods and survey approaches to describe both spatial and social food outlet accessibility, and to better understand how the food environment influences food behaviour and health.


Voir la vidéo: pmapper pgrouting (Octobre 2021).