CN101308555A - 多模式公交出行路径寻优方法 - Google Patents
多模式公交出行路径寻优方法 Download PDFInfo
- Publication number
- CN101308555A CN101308555A CNA2008101157245A CN200810115724A CN101308555A CN 101308555 A CN101308555 A CN 101308555A CN A2008101157245 A CNA2008101157245 A CN A2008101157245A CN 200810115724 A CN200810115724 A CN 200810115724A CN 101308555 A CN101308555 A CN 101308555A
- Authority
- CN
- China
- Prior art keywords
- time
- limit
- public transport
- path
- public
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
多模式公交出行路径寻优方法属于公交出行信息发布领域,专用于公交出行时的最优路线查询。本发明是以公交出行链各环节为边,通过构建包含不同公交模式如地铁、轻轨、公交专用道、地面公交的多层次网络邻接关系,并对各边进行平均出行时间及时间可靠度的双重赋权,建立考虑换乘的多模式公交线网;在没有实时信息条件下,以通行时间较短、延误风险较小为路径寻优的双重目标,通过在路径寻优过程中对延误高发线路及换乘点进行启发式规避,实现在出行时间许可范围内有效减少延误风险的可靠路径的快速搜索。在此方法基础上,以触摸屏信息系统或互联网为平台,搭建多模式公交路径查询系统并进行路径及换乘信息的查询及发布。
Description
技术领域
本发明属于公交出行信息发布领域,专用于公交出行时的最优路线查询。
背景技术
智能信息发布系统作为智能交通系统ITS的应用之一,给出行者提供了更好的出行信息服务,因此近年来得到了广泛的应用。最佳路线优选是其中一个重要的关键技术,但目前主要存在以下问题:
1)为提高搜索效率,以往有些公交路径搜索主要通过站点名称匹配的方法寻找路径,难以处理一站多名的情况。且因未考虑行驶及换乘时间,难以给出合理路径及出行时间信息。
2)目前大城市的公交网络是含有不同公交模式如地铁、轻轨、公交专用道、地面公交等多层次网络,公交出行过程包括候车、上车、乘车车辆行驶及换乘多个环节,不同模式的车辆行驶速度及换乘时间差异很大,而以往考虑线路行驶时间的公交路径搜索较少考虑换乘时间,难以应用于大规模多模式公交网络进行合理路线搜索。
3)因实时信息不完备,目前,大多数的考虑线路行驶时间的路径优化方法是基于静态信息计算的。但事实上,在阻塞常发的城市路网中,因与社会车辆共享路权,且受自行车、行人干扰,地面公交线路的行程时间具有很大的不确定性,由此造成了到站时间及车内旅行时间的不确定性,而由于大城市许多出行者的公交出行包括多个过程,当过程之间的连接如换乘等出现问题时,出行时间不确定性的问题更为突出。因此,基于静态分析的路径选择与实际的动态最佳路径常有较大偏离。
发明内容
本发明根据大规模多层次公交线网存在的换乘延误以及行驶时间及换乘时间的随机性,提供一种可用于触摸屏或互联网的公交出行路径寻优方法,向用户提供高效准确的出行路径及换乘信息。
本发明所提出的方法的思路是以公交出行链各环节为边,通过构建包含不同公交模式如地铁、轻轨、公交专用道、地面公交的多层次网络邻接关系,并对各边进行平均出行时间及时间可靠度的双重赋权,建立考虑换乘的多模式公交线网;在没有实时信息条件下,以通行时间较短、延误风险较小为路径寻优的双重目标,通过在路径寻优过程中对延误高发线路及换乘点进行启发式规避,实现在出行时间许可范围内有效减少延误风险的可靠路径的快速搜索。在此方法基础上,以触摸屏信息系统或互联网为平台,搭建多模式公交路径查询系统并进行路径及换乘信息的查询及发布。
本发明的多模式公交出行路径寻优方法,是以触摸屏信息系统或互联网为平台,采用以下步骤完成多模式公交出行最佳路径的查询及发布:步骤1:构建多模式公交线网并建立多模式公交线网邻接关系;
即将公交线网抽象为公交网络,公交网络中含有不同公交模式,如地铁、快速公交、普通公交、公交专用道、普通地面公交等公交模式;
之后进行初始化设定,将初始的各模式公交线网信息存入数据库中,再根据可接受步行距离的限制条件生成多模式公交线网拓扑图;
所述的公交网络由节点及边构成,节点及边统称为公交网络的单元;其中所有的公交站点构成公交网络中的节点单元,在路径搜索中,出行者的出发地及目的地可构成公交网络的虚拟节点,称为起始节点及目的地节点,简称起点及终点;从出行者的角度出发,以公交出行链各环节,如候车、乘车车辆行驶及换乘环节作为公交网络边单元节点间的连线构成公交网络的边单元,边单元中包括线路边、换乘边、及接驳边三类,具体定义为:
线路边:同一线路同向相邻节点、即站点间的连线,此边对应于乘车环节;
换乘边:在300-500米换乘范围内的不同线路节点间的连线,此边对应于换乘步行及候车环节,为虚拟边;
接驳边:从起点到500米线路覆盖范围内的连线,此边对应于步行接驳及候车环节,也为虚拟边;
所述的公交网络节点邻接关系采用以下关系式建立:
该关系式是根据以上节点与边的定义生成多模式公交线网拓扑图后,以aij表示公交网络中任意节点i与j的邻接关系,当i与j在多模式网络中邻接时,aij取值为1,否则取值为0,按该关系式原则判断网络中所有i与j是否邻接,并根据判断结果建立公交网络节点邻接关系;
步骤2:标定公交网络边单元的双参数
在本发明的多层次公交路径查询系统中,公交网络正常条件,即无事故或异常天气下各边的平均出行消耗时间参数(简称时间参数)和可靠度参数作为边单元属性文件,存在中心控制计算机的数据库里,并以一定时间为周期加以更新,以下为属性文件参数标定及建立方法的详细说明:
1、边单元的双参数设定:
在拥挤的城市路网,不同的时段拥挤程度及公交的发车频率不同,从而公交行驶时间、等候时间与一天的不同时段有很大关系。鉴于目前实时信息获取还有很大难度,根据城市交通时间分布特性,可将一天划分为早平峰、早高峰、中午平峰、晚高峰、夜平峰五个典型时段,并假设同一时段内的拥挤程度及公交的发车频率近似相同;而上述行驶时间、换乘时间、等候时间可用典型时段的历史数据取均值来标定;
本方法将公交网络在无事故或异常天气的正常条件下,各边的平均出行消耗时间参数,简称时间参数和可靠度参数作为边单元属性文件进行设定,
(1)边单元的时间参数标定,是将公交网络的边单元的出行消耗时间参数,即时间权重进行如下规定:
线路边的时间权重为该边两端站点间的公交行驶时间;
换乘边的时间权重为该边两端站点间的换乘时间,包括换乘步行时间及等候时间。等候时间可取所衔接的线路的发车间隔的一半近似作为候车时间,行走时间可由换乘距离除以平均步行速度确定;
接驳边的时间权重为起点所衔接的站点、对应的线路的发车频率间隔的一半,加上起点到所衔接的站点的距离,除以平均步行速度;
(2)边单元可靠度参数标定,是将公交网络的边的可靠度参数定义为一个0到1之间的数,该数表征了公交出行各环节延误在给定范围的概率,稳定性越好,可靠度参数越大;
根据公交出行的特点,对公交网络的边单元的可靠度参数取值进行如下分类规定:
线路边的可靠度参数时间,为该边两端站点间的公交行驶时间可靠度,将其定义为行驶延误时间在典型时段、即早平峰、早高峰、中午平峰、晚高峰、夜平峰给定范围内的概率,给定范围时间设定为5~10分钟内。这可基于历史数据,根据线路对应交通模式、所经道路拥挤或隔离程度等进行分类标定。
换乘边及接驳边的可靠度参数标定可由其中等候时间可靠度标定,本发明将其定义为等候时间在典型时段、即早平峰、早高峰、中午平峰、晚高峰、夜平峰给定范围内的概率,给定范围时间设定为5~10分钟内。
本发明中将可靠度低于或等于给定阈值取0.4~0.6的单元称为高风险单元。
具体描述为:本发明是按线路对应交通模式、所经道路拥挤或隔离程度等进行分类标定。一般线路边时间可靠度的按从大到小的顺序排列为地铁>轻轨>BRT(快速公交)>公交专用道>常规地面公交。换乘边及接驳边的可靠度定义为换乘或接驳时间在给定范围内的概率。其标定可根据换乘边所衔接的线路的发车间隔及道路拥挤状况而分类标定。一般来讲,发车间隔越小,线路所经道路越畅通,等候时间可靠度越大。
本发明中将可靠度低于给定阈值的单元称为高风险单元。
2、将设定好的边单元文件的公交网络各边时间和可靠性参数、及边单元中的高风险单元一并存放于中心控制计算机的数据库中,并以一定时间为周期加以更新;
步骤3:进行用户查询信息输入及多模式线网属性参数调入;
用户可实现两种方式的查询信息输入。一是通过触摸屏或鼠标实现起始点及目的地点的输入;二是通过键盘的拼音输入法输入起始地及目的地点的关键字进行模糊查询;
当有用户发出查询请求时,即将网络拓扑邻接关系、数据库或数据文件中的边单元属性参数、用户的起始点信息实时动态地装载入系统参与计算。
步骤4:以通行时间最短、延误风险最小为双重目标,进行路径寻优;
本发明利用对高风险单元加权的方法对延误高发的线路边、等候时间较长的换乘边及接驳边进行规避,减少高风险单元在最佳线路中出现的可能性,以提高基于静态历史信息的路径搜索准确性。
本发明路径寻优搜索过程包括两个部分:一是运用最短路A*算法结合权重增量方法计算可靠路径,二是检查路径是否满足绕行时间约束。当找到满足绕行长度或时间约束的高可靠路径时,停止搜索;所述的最佳路径寻优搜索步骤如下:
(1):初始化
令k=0,以边单元i的时间参数wi为权重,通过A*算法找到具有最小权重,即最小出行时间的路径Ps,0,Ps,0行程时间为Ls,0;
(2):对公交网络上具有较高风险的各边的权重增加Δwiwi’=wi+Δwi=wi+αk(1-ri)qW0,0<α<1,0<ri≤1.wi’指增加权重后的边i的新权重;
当k=0时,q=0;k>=1时,q=1.k为整数;k=k+1;
(3):计算可靠路径
即以wi’为边i的新权重,重新用A*算法计算权重最小的路径Ps,k,将其上面的边i的权重恢复为wi,计算Ls,k,也就是路径Ps,k上的各边边权wi总和;
(4):检查路径约束条件
如果所得路径满足绕行长度限制(Ls,k<βLs,0),则转到前述5,否则回到前述2;
(5):终止
Ps,k就是满足绕行时间限制条件的出行时间可靠路径;
其他参数符号的定义如下:W0指加到wi上的很大值、即正值,可取旅程时间最长的公交线路对应的旅程时间,ri指边i的可靠度,Ps,0指平均出行时间最短的路径,Ls,0指Ps,0平均出行时间,βLs,0指绕行时间限制,β为允许系数(β>1),Ps,k指k次迭代所得的最短路径,Ls,k指Ps,k权重、即平均出行时间;
在本搜索方法中,在第一次迭代中,k=0,公交网络上具有较高风险的各边的权重开始都增加W0,从而避免了这些高风险边在规划路径中的出现。可是如果违反了绕行长度的限制条件,就需重新规划。为此,在随后的迭代中,较高风险路段已增加的权重被逐步降低,最短路径在新的权重下被重新计算,这意味着曾被规避的边可能重新出现在推荐的路径上。函数αk(1-ri)q保证Δwi随着迭代次数的增加而减小。同时为了尽可能避免高风险边出现在推荐路径上,高风险边的权重要比相对较低危险的边减小得少。步骤5.通过触摸屏或互联网向用户反馈时间最短路径及时间可靠路径建议及相应的出行时间,并将换乘点及换乘线路发布给用户。出行者可根据个人喜好进行最终选择。
上述路径寻优方法中多次调用的A*算法(Hart et al.,1968)为目前两点间的最短路径搜索算法中,比较有效的代表算法。A*算法属于启发式算法,在最短路径搜索中,A*算法只计算同其相邻的节点,并且用每个节点到目的点的估算距离来决定这个节点是否可能在最优路线上。在算法搜索过程中,每个节点n被赋予权重f(n)=g(n)+h(n),这里g(n)指从起点到节点n的最短路长,h(n)指节点n到目的地最短路长估计。因此f(n)就是对所有经过节点n的从起点到目的点的最短路长估计,我们也称其为A*算法的启发式函数。启发式函数h(n)可以控制A*算法的搜索范围及效率。搜索过程中每一个具有最低f值的节点将被选择作为下一个扩展点。如果h(n)小于或等于从节点n到目的地的实际最短路长,A*算法将会找到最优解。
由于本发明考虑了换乘、等候时间及延误发生的可能性,提高了路径搜索的准确性及出行准点性,同时丰富了信息发布内容,多目标的路径选择可满足不同出行者的喜好。
附图说明
图1系统总框架图;
图2线路边及换乘边示意图;
图3接驳边示意图;
图4本发明实施的总流程图;
图5最佳线路搜索流程图;
图6平均出行时间最短路展示图;
图7出行时间可靠路径展示图;
下面对前述附图进行详细说明:
图1为系统总构架图,本发明的多模式公交路径查询系统包括数据库、多模式公交网络构建及参数标定模块及最佳路径计算模块,数据库初始有单模式公交线路数据,通过将单模式公交线路数据加载到多模式公交网络构建及参数标定模块,在该模块实现多模式公交虚拟网络生成及邻接关系建立,并完成多模式公交网络时间及可靠度参数标定,进而网络邻接关系及标定后的网络参数作为多模式公交网络数据返回存储至数据库,遇查询请求时动态多模式公交网络数据加载到最佳路径计算模块,实现最佳路径计算并发布。
图2为线路边及换乘边示意图,图2中所示十字路口有两条公交线路经过,公交线路A和公交线路B。A1,A2,A3...和B1,B2,B3...分别为公交线路上的公交站点。A1到A2,A2到A3,A3到A4的连线分别对应四条线路边,同理,B1到B2,B2到B3分别对应三条线路边。
分别以线路A上的公交站点A1,A2,A3...为圆心,以可接受的换乘距离为半径画圆,在该圆的范围内搜索,可找出在该范围内存在的其它线路的公交站点。图中A3站点搜索范围内存在B3站点,连接A3、B3,即为一条换乘虚拟边,乘客可能利用此虚拟边从线路A换乘线路B到达目的地。
图3为接驳边示意图,假设乘客出发点为O点,以出发点O为圆心,以一个可以接受的步行距离为半径画圆,出发点O与该范围内的公交站点连接将形成接驳虚拟边。图中线路A的站点A2和线路B的站点B2在乘客出发点的步行范围内,分别连接O和A2,O和B2点,形成两个接驳虚拟边。
图4为发明实施总流程图,包括五个步骤。其中第一步是构建多模式公交线网并建立其邻接关系,包括以下子步骤:首先将初始的各单模式公交线网信息存入数据库,然后根据可接受步行距离的限制条件生成多模式公交线网拓扑图,进而建立地铁、快速公交、普通公交等多模式公交线网邻接关系。
第二步是标定公交网络边单元的双参数,包括以下子步骤:首先划分典型时段并标定各典型时段内线路边、换乘边、接驳边的时间及可靠度参数,进而将公交线网邻接关系及公交网络各边时间和可靠度参数(作为边单元属性文件)存在中心控制计算机的数据库里,并以一定时间为周期加以更新。
第三步是用户查询信息输入及多模式线网相关属性参数调入。系统当没有用户发出查询请求时处于等候状态,当有用户发出查询请求时,网络拓扑邻接关系、数据库中的边单元属性参数、用户起讫点信息将被动态地装载入系统。
第四步:根据动态加载的数据,以通行时间最短、延误风险最小为双重目标,进行路径寻优。
第五步:路径计算完毕,通过触摸屏或互联网向用户反馈路径建议。
图5是最佳路线搜索流程。首先是初始化:令k=0,以wi为边i的时间权重,通过A*算法找到具有最小权重,即最小出行时间的路径Ps,0,Ps,0出行时间为Ls,0,然后对多模式公交网络上具有较高风险的各边的权重增加Δwi,得到新权重wi’。同时将k重新赋值即k=k+1。进而以wi’为边i的新权重,重新用A*算法计算权重最小的路径Ps,k,即可靠路径。把Ps,k上面的边i的权重恢复为wi,计算可靠路径的实际路长Ls,k,也就是路径Ps,k上的各边边权wi总和。检查所得路径是否满足绕行时间限制(Ls,k<βLs,0),是则结束,否则减少加在较高风险的各边的权重,重新计算可靠路径。
图6是平均出行时间最短路展示图,该图为在包含有地铁、轻轨、BRT及普通地面公交的北京市多模式公交线网中进行一次平均出行时间最短路搜索的结果示意图,地铁线在图中用中空线表示。出行起点为知春里附近,终点为体育馆西路附近。图中粗线显示的是平均出行时间最短路径,换乘一次,涉及两个地面普通公交线路,换乘点用圆圈表示。
图7是出行时间可靠路径展示图,该图为与图6在同样条件下搜索得到的出行时间可靠路径示意图。图中粗线显示的是出行时间可靠的路径,换乘三次,换乘点用圆圈表示。
具体实施方式
下面结合附图对本发明的具体实施例加以说明:
根据图1所示的系统总框架图搭建本发明方法实施平台,结合附图4所给出的本发明的方法所可实施的总流程图、图5所给出的本发明最佳线路搜索流程图、及图2所示的线路边及换乘边示意图和图3所示的接驳边示意图进行本发明具体实施方案的详细说明:
第一步:构建地铁、快速公交、普通公交等多模式公交线网并建立其邻接关系;
首先将地铁、快速公交、普通公交各单模式公交线网的相应信息存入数据库,信息包括站点及线路的地理信息、运行时间信息等。
按附图2及附图3的示例方法生成地铁、快速公交、普通公交等多模式公交线网的各条线路边、换乘虚拟边及接驳虚拟边,生成拓扑图。
图2中有两条公交线路,公交线路A和公交线路B。A1,A2,A3...和B 1,B2,B3...分别为公交线路上的公交站点。A1到A2,A2到A3,A3到A4的连线分别对应四条线路边,同理,B1到B2,B2到B3分别对应三条线路边。
分别以线路A上的公交站点A1,A2,A3...为圆心,以可接受的换乘距离为半径画圆,换乘距离可取300米~500米,在该圆的范围内搜索,找出在该范围内存在的其它线路的公交站点。如图2所示,A3站点搜索范围内存在B3站点,连接A3、B3,即为一条换乘虚拟边,乘客可能利用此虚拟边从线路A换乘线路B到达目的地。
假设乘客出发点为O点,以出发点O为圆心,以一个可以接受的步行距离为半径画圆,步行距离可取300~500米,出发点O与该范围内的公交站点连接形成接驳虚拟边。如图3所示,线路A的站点A2和线路B的站点B2在乘客出发点的步行范围内,分别连接O和A2,O和B2点,形成两个接驳虚拟边。
进而按以下公式的原则建立公交网络节点邻接关系,取值定义如前所述,
第二步、标定公交网络边单元的双参数
具体包括以下过程:
(1)将一天划分为早平峰、早高峰、中午平峰、晚高峰、夜平峰五个时段;
(2)按前文发明内容中介绍方法标定各典型时段内线路边、换乘边、接驳边的时间参数。
(3)按前文发明内容中介绍方法标定线路边、换乘边、接驳边的可靠度参数,可根据历史数据统计,将行驶延误时间在典型时段(早平峰、早高峰、中午平峰、晚高峰、夜平峰给定范围内的概率作为线路边的可靠度参数,给定范围的时间取5~10分钟内。将换乘或接驳等候时间在典型时段早平峰、早高峰、中午平峰、晚高峰、夜平峰给定范围内的概率作为换乘边或接驳边的可靠度参数,给定范围的时间取5~10分钟内。
本发明中将可靠度低于或等于给定阈值的单元称为高风险单元,给定阈值取0.4~0.5。
简化起见,可根据线路对应交通模式、发车频率、所经道路拥挤或隔离程度等进行分类标定。以早高峰为例,本发明建议采用如下分类及取值方法:
对地铁、轻轨线路边可靠度取1,对BRT线路边可靠度取0.9,对公交专用道线路边可靠度取0.7,对经过非拥挤区域、即公交运行车速高于12公里/小时的普通地面公交线路边可靠度取0.6,对经过拥挤区域、即公交运行车速不高于12公里/小时或车头时距大于15分钟的普通地面公交线路边可靠度取0.5。
对换乘或接驳地铁、轻轨线路的换乘或接驳边的可靠度取1,对换乘或接驳BRT的换乘或接驳边可靠度取0.9,对换乘或接驳公交专用道的换乘或接驳边可靠度取0.7,对换乘或接驳非拥挤区域的普通地面公交的换乘或接驳边可靠度取0.6,对换乘或接驳拥挤区域或车头时距大于15分钟的普通地面公交的换乘或接驳边可靠度取0.5。
将公交网络各边时间参数和可靠度参数作为边单元属性文件,存在中心控制计算机的数据库里。并以一定时间为周期加以更新。
第三步、用户查询信息输入及多模式线网相关属性参数调入;
当有用户通过输入起讫点发出查询请求时,即将网络拓扑邻接关系、数据库或数据文件中的边单元属性参数实时动态地装载入系统参与计算。
第四步、以通行时间最短、延误风险最小为双重目标,进行路径寻优;具体的路径寻优流程图见附图5。图中符号说明见前文发明内容。
第五步、通过触摸屏或互联网向用户反馈路径建议、出行时间,并将换乘点及换乘线路发布给用户。
数值实验
该方法在北京市的公交网络上(见附图6)进行了试验,该网络包含有地铁、轻轨、BRT及普通地面公交,高峰平均速度分别为35,25,20,15公里/小时,高峰地铁、轻轨及BRT的车头时距分别为3,5,0.5分钟,普通地面公交车头时距为3~20分钟,行驶在拥挤路段或连接车头时距大于15分钟的地面公交线路的换乘边及等候边被视为高风险边。
在本试验中,任取一起始点及目的地点,分别进行平均出行时间最短路径搜索及在绕行约束β取1.05时,进行出行时间可靠路径搜索。
附图6中粗线显示的是平均出行时间最短路径,平均出行时间为91分钟。换乘一次,涉及两个地面普通公交线路,换乘点用圆圈表示,附图7中粗线显示的是出行时间可靠的路径,平均出行时间为94分钟。换乘三次,换乘点用圆圈表示。
在该试验中,平均出行时间最短路径虽正常条件下平均出行时间最短,但经过了5处高风险边,出行时间可靠路径仅经过1处高风险边,虽换乘较多,但因主要是换乘地铁,耗时较少,且地铁的运行速度较快,时间可靠度较高,因此也是合理路径。
出行者可根据个人喜好进行最终选择。
最后应说明的是:以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案;因此,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,但是,本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换;而一切不脱离发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1、多模式公交出行路径寻优方法,其特征在于:该方法是以触摸屏信息系统或互联网为平台,采用以下步骤完成多模式公交出行最佳路径的查询及发布:
步骤1:构建多模式公交线网并建立多模式公交线网邻接关系
即将公交线网抽象为公交网络,公交网络中含有不同公交模式,如地铁、快速公交、普通公交、公交专用道、普通地面公交等公交模式;
之后进行初始化设定,将初始的各模式公交线网信息存入数据库中,再根据可接受步行距离的限制条件生成多模式公交线网拓扑图;
所述的公交网络由节点及边构成,节点及边统称为公交网络的单元;其中所有的公交站点构成公交网络中的节点单元,在路径搜索中,出行者的出发地及目的地可构成公交网络的虚拟节点,称为起始节点及目的地节点,简称起点及终点;从出行者的角度出发,以公交出行链各环节,如候车、乘车车辆行驶及换乘环节作为公交网络边单元节点间的连线构成公交网络的边单元,边单元中包括线路边、换乘边、及接驳边三类,具体定义为:
线路边:同一线路同向相邻节点、即站点间的连线,此边对应于乘车环节;
换乘边:在300-500米换乘范围内的不同线路节点间的连线,此边对应于换乘步行及候车环节,为虚拟边;
接驳边:从起点到500米线路覆盖范围内的连线,此边对应于步行接驳及候车环节,也为虚拟边;
所述的公交网络节点邻接关系采用以下关系式建立:
该关系式是根据以上节点与边的定义生成多模式公交线网拓扑图后,以aij表示公交网络中任意节点i与j的邻接关系,当i与j在多模式网络中邻接时,aij取值为1,否则取值为0,按该关系式原则判断网络中所有i与j是否邻接,并根据判断结果从而建立公交网络节点邻接关系;
步骤2:标定公交网络边单元的双参数
1、边单元的双参数设定:
根据城市交通时间分布特性,可将一天划分为早平峰、早高峰、中午平峰、晚高峰、夜平峰五个典型时段,并假设同一时段内的拥挤程度及公交的发车频率近似相同;而上述行驶时间、换乘时间、等候时间可用典型时段的历史数据取均值来标定;
本方法将公交网络在无事故或异常天气的正常条件下,各边的平均出行消耗时间参数,简称时间参数和可靠度参数作为边单元属性文件进行设定,
(1)所述的边单元的时间参数标定是将公交网络的边单元的的出行消耗时间参数,即时间权重进行如下规定:
线路边的时间权重为该边两端站点间的公交行驶时间;
换乘边的时间权重为该边两端站点间的换乘时间,包括换乘步行时间及等候时间。等候时间可取所衔接的线路的发车间隔的一半近似作为候车时间,行走时间可由换乘距离除以平均步行速度确定;
接驳边的时间权重为起点所衔接的站点、对应的线路的发车频率间隔的一半、加上起点到所衔接的站点的距离,除以平均步行速度;(2)所述的边单元可靠度参数标定是将公交网络的边的可靠度参数定义为一个0到1之间的数,该数表征了公交出行各环节延误在给定范围的概率,稳定性越好,可靠度参数越大;
所述的公交网络的边单元的可靠度参数取值进行如下分类规定:
线路边的可靠度参数时间,为该边两端站点间的公交行驶时间可靠度,将其定义为行驶延误在给定范围内的概率,线路边的可靠度参数定义为行驶延误时间在早平峰、早高峰、中午平峰、晚高峰、夜平峰时给定范围内的概率;
换乘边及接驳边的可靠度参数标定可由等候时间可靠度标定,等候时间定义为在早平峰、早高峰、中午平峰、晚高峰、夜平峰时给定范围的概率;
当可靠度低于或等于给定阈值的边单元定义为高风险单元;
2、将设定好的边单元文件的公交网络各边时间和可靠性参数、及边单元中的高风险单元一并存放于中心控制计算机的数据库中,并以一定时间为周期加以更新;
步骤3:进行用户查询信息输入及多模式线网属性参数调入;
用户可实现两种方式的查询信息输入。一是通过触摸屏或鼠标实现起始点及目的地点的输入;二是通过键盘的拼音输入法输入起始地及目的地点的关键字进行模糊查询;
当有用户发出查询请求时,即将网络拓扑邻接关系、数据库或数据文件中的边单元属性参数、用户的起始点信息实时动态地装载入系统参与计算。
步骤4:,进行路径寻优;
以通行时间最短、延误风险最小为双重目标;利用对高风险单元加权的方法对延误高发的线路边、等候时间较长的换乘边及接驳边进行规避,减少高风险单元在最佳线路中出现的可能性,以提高基于静态历史信息的路径搜索准确性;路径寻优搜索过程包括两个部分:一是运用A*算法结合权重增量方法计算可靠路径,二是检查路径是否满足绕行时间约束,当找到满足绕行长度或时间约束的高可靠路径时,停止搜索;
步骤5.用户通过触摸屏或互联网获得反馈后的路径建议、出行时间,及换乘点及换乘线路发布信息。
2、根据权利要求1所述的多模式公交出行路径寻优方法,其特征在于:所述的最佳路径寻优搜索步骤如下:
(1):初始化
令k=O,以wi为边i的权重、指平均出行时间,通过A*算法找到具有最小权重,即最小出行时间的路径Ps,0,Ps,0行程时间为Ls,0;
(2):对公交网络上具有较高风险的各边的权重增加Δwi
wi’=wi+Δwi=wi+αk(1-ri)qW0,0<α<1,0<ri≤1.
wi’指增加权重后的边i的新权重;
当k=0时,q=0;k>=1时,q=1. k为整数;k=k+1;
(3):计算可靠路径
即以wi’为边i的新权重,重新用A*算法计算权重最小的路径Ps,k,将其上面的边i的权重恢复为wi,计算Ls,k,也就是路径Ps,k上的各边边权wi总和;
(4):检查路径约束条件
如果所得路径满足绕行长度限制(Ls,k<βLs,0),则转到前述5,否则回到前述2;
(5):终止
Ps,k就是满足绕行时间限制条件的出行时间可靠路径;
其他参数符号的定义如下:W0指加到wi上的很大值、即正值,可取旅程时间最长的公交线路对应的旅程时间,ri指边i的可靠度,Ps,0指平均出行时间最短的路径,Ls,0指Ps,0平均出行时间,βLs,0指绕行时间限制,β为允许系数(β>1),Ps,k指k次迭代所得的最短路径,Ls,k指Ps,k.权重、即平均出行时间;
3、根据权利要求1所述的多模式公交出行路径寻优方法,其特征在于:所述的线路边的可靠度参数定义为行驶延误时间在早平峰、早高峰、中午平峰、晚高峰、夜平峰的给定范围时间为5~10分钟;所述的等候时间在早平峰、早高峰、中午平峰、晚高峰、夜平峰的给定范围时间设定为5~10分钟;所述的高风险单元设定为可靠度低于或等于给定阈值取0.4~0.5的边单元文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101157245A CN101308555A (zh) | 2008-06-27 | 2008-06-27 | 多模式公交出行路径寻优方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101157245A CN101308555A (zh) | 2008-06-27 | 2008-06-27 | 多模式公交出行路径寻优方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101308555A true CN101308555A (zh) | 2008-11-19 |
Family
ID=40124996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101157245A Pending CN101308555A (zh) | 2008-06-27 | 2008-06-27 | 多模式公交出行路径寻优方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101308555A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937613A (zh) * | 2010-06-29 | 2011-01-05 | 中国科学院软件研究所 | 一种基于公交车网络的数据传输方法 |
CN101630440B (zh) * | 2009-06-01 | 2011-03-16 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
CN102136192A (zh) * | 2011-01-31 | 2011-07-27 | 上海美慧软件有限公司 | 一种基于手机信号数据的出行方式识别方法 |
CN102184639A (zh) * | 2011-05-03 | 2011-09-14 | 东南大学 | 一种图解公交专用道区间运营能力的方法 |
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN102880641A (zh) * | 2012-08-20 | 2013-01-16 | 浙江工业大学 | 一种考虑近距离步行站点对的参数化公交换乘方法 |
CN102129770B (zh) * | 2010-01-19 | 2013-01-16 | 北京四维图新科技股份有限公司 | 构建公交网络的方法及装置 |
CN103177561A (zh) * | 2011-12-26 | 2013-06-26 | 北京掌城科技有限公司 | 公交实时路况的生成方法及系统 |
CN103179509A (zh) * | 2013-03-11 | 2013-06-26 | 北京工业大学 | 基于手机定位信息的地铁乘客出行路径辨识方法 |
CN103425884A (zh) * | 2013-08-12 | 2013-12-04 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
CN104517155A (zh) * | 2013-09-26 | 2015-04-15 | Sap欧洲公司 | 用于动态路径优化的系统和方法 |
CN105261206A (zh) * | 2015-09-29 | 2016-01-20 | 无锡高联信息技术有限公司 | 一种公共交通服务系统和计算公共交通路径的方法 |
CN106203725A (zh) * | 2016-07-20 | 2016-12-07 | 上海交通大学 | 基于启发式搜索的门到门出行路径方案个性化推荐方法 |
CN106898142A (zh) * | 2017-03-07 | 2017-06-27 | 北京航空航天大学 | 一种考虑路段相关性的路径行程时间可靠度计算方法 |
CN107085620A (zh) * | 2017-06-05 | 2017-08-22 | 中南大学 | 一种出租车和地铁接驳出行线路的查询方法及系统 |
CN107194128A (zh) * | 2017-06-30 | 2017-09-22 | 东南大学 | 基于中心辐射型网络框架的多模式公共交通网络设计方法 |
CN107545317A (zh) * | 2016-06-27 | 2018-01-05 | 高德信息技术有限公司 | 公交换乘对信息优化方法及装置 |
CN108021686A (zh) * | 2017-12-14 | 2018-05-11 | 东南大学 | 一种快速匹配电子地图中公交线路与道路网络的方法 |
CN108038813A (zh) * | 2017-12-07 | 2018-05-15 | 厦门理工学院 | 一种智能公共交通指引方法 |
CN108121791A (zh) * | 2017-12-14 | 2018-06-05 | 苏州泥娃软件科技有限公司 | 一种交通大数据路径可搜索系统 |
CN108228711A (zh) * | 2017-11-30 | 2018-06-29 | 广州华夏职业学院 | 一种铁路线路查询系统 |
CN109238297A (zh) * | 2018-08-29 | 2019-01-18 | 沈阳理工大学 | 一种用户最优及系统最优的动态路径选择方法 |
CN109299835A (zh) * | 2018-12-10 | 2019-02-01 | 河海大学文天学院 | 城市轨道交通线路中断下的有效路径搜索方法 |
CN109360411A (zh) * | 2018-10-29 | 2019-02-19 | 北京汽车集团有限公司 | 拼车方法及系统 |
CN109472392A (zh) * | 2018-09-25 | 2019-03-15 | 大连理工大学 | 一种形成无人驾驶公交接驳环线的方法 |
CN109670671A (zh) * | 2018-11-14 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 公交线网评价方法及装置 |
CN110070239A (zh) * | 2019-03-29 | 2019-07-30 | 北京航空航天大学 | 一种基于a星搜索和深度学习的个性化路线推荐方法 |
CN110476527A (zh) * | 2018-05-14 | 2019-11-22 | 株式会社久保田 | 作业车 |
CN110599760A (zh) * | 2019-10-17 | 2019-12-20 | 东南大学 | 一种多模式交通网络下的出行行为模拟方法 |
CN110737849A (zh) * | 2019-10-10 | 2020-01-31 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
CN111489024A (zh) * | 2020-04-03 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 出行方案推荐方法、装置、设备及存储介质 |
CN111898793A (zh) * | 2020-06-08 | 2020-11-06 | 东南大学 | 一种组合出行方式下考虑用户感知差异性的路径选择方法 |
CN112113579A (zh) * | 2020-10-16 | 2020-12-22 | 北京百度网讯科技有限公司 | 路径生成方法、装置、计算设备、介质与导航系统 |
CN116052321A (zh) * | 2023-01-10 | 2023-05-02 | 中国人民解放军总医院第六医学中心 | 一种门诊智能分诊叫号方法和装置 |
CN117252323A (zh) * | 2023-11-17 | 2023-12-19 | 西华大学 | 一种基于用户偏好的多模式出行路径规划方法 |
CN117275276A (zh) * | 2023-09-27 | 2023-12-22 | 南京智慧交通信息股份有限公司 | 一种基于公交车位置信息的公交站台导乘系统及其方法 |
-
2008
- 2008-06-27 CN CNA2008101157245A patent/CN101308555A/zh active Pending
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630440B (zh) * | 2009-06-01 | 2011-03-16 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
CN102129770B (zh) * | 2010-01-19 | 2013-01-16 | 北京四维图新科技股份有限公司 | 构建公交网络的方法及装置 |
CN101937613B (zh) * | 2010-06-29 | 2012-07-04 | 中国科学院软件研究所 | 一种基于公交车网络的数据传输方法 |
CN101937613A (zh) * | 2010-06-29 | 2011-01-05 | 中国科学院软件研究所 | 一种基于公交车网络的数据传输方法 |
CN102136192A (zh) * | 2011-01-31 | 2011-07-27 | 上海美慧软件有限公司 | 一种基于手机信号数据的出行方式识别方法 |
CN102184639B (zh) * | 2011-05-03 | 2013-09-04 | 东南大学 | 一种图解公交专用道区间运营能力的方法 |
CN102184639A (zh) * | 2011-05-03 | 2011-09-14 | 东南大学 | 一种图解公交专用道区间运营能力的方法 |
CN102436466A (zh) * | 2011-09-09 | 2012-05-02 | 中国航天科工集团第三研究院第八三五八研究所 | 基于gis分类的公交换乘查询方法 |
CN103177561A (zh) * | 2011-12-26 | 2013-06-26 | 北京掌城科技有限公司 | 公交实时路况的生成方法及系统 |
CN103177561B (zh) * | 2011-12-26 | 2015-07-08 | 北京掌行通信息技术有限公司 | 公交实时路况的生成方法 |
CN102880641B (zh) * | 2012-08-20 | 2015-03-04 | 浙江工业大学 | 一种考虑近距离步行站点对的参数化公交换乘方法 |
CN102880641A (zh) * | 2012-08-20 | 2013-01-16 | 浙江工业大学 | 一种考虑近距离步行站点对的参数化公交换乘方法 |
CN103179509A (zh) * | 2013-03-11 | 2013-06-26 | 北京工业大学 | 基于手机定位信息的地铁乘客出行路径辨识方法 |
CN103425884B (zh) * | 2013-08-12 | 2016-11-09 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
CN103425884A (zh) * | 2013-08-12 | 2013-12-04 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
CN104517155A (zh) * | 2013-09-26 | 2015-04-15 | Sap欧洲公司 | 用于动态路径优化的系统和方法 |
CN105261206A (zh) * | 2015-09-29 | 2016-01-20 | 无锡高联信息技术有限公司 | 一种公共交通服务系统和计算公共交通路径的方法 |
CN107545317A (zh) * | 2016-06-27 | 2018-01-05 | 高德信息技术有限公司 | 公交换乘对信息优化方法及装置 |
CN107545317B (zh) * | 2016-06-27 | 2020-12-15 | 阿里巴巴(中国)有限公司 | 公交换乘对信息优化方法及装置 |
CN106203725A (zh) * | 2016-07-20 | 2016-12-07 | 上海交通大学 | 基于启发式搜索的门到门出行路径方案个性化推荐方法 |
CN106898142A (zh) * | 2017-03-07 | 2017-06-27 | 北京航空航天大学 | 一种考虑路段相关性的路径行程时间可靠度计算方法 |
CN107085620A (zh) * | 2017-06-05 | 2017-08-22 | 中南大学 | 一种出租车和地铁接驳出行线路的查询方法及系统 |
CN107194128A (zh) * | 2017-06-30 | 2017-09-22 | 东南大学 | 基于中心辐射型网络框架的多模式公共交通网络设计方法 |
CN107194128B (zh) * | 2017-06-30 | 2020-05-05 | 东南大学 | 基于中心辐射型网络框架的多模式公共交通网络设计方法 |
CN108228711A (zh) * | 2017-11-30 | 2018-06-29 | 广州华夏职业学院 | 一种铁路线路查询系统 |
CN108038813A (zh) * | 2017-12-07 | 2018-05-15 | 厦门理工学院 | 一种智能公共交通指引方法 |
CN108121791A (zh) * | 2017-12-14 | 2018-06-05 | 苏州泥娃软件科技有限公司 | 一种交通大数据路径可搜索系统 |
CN108021686A (zh) * | 2017-12-14 | 2018-05-11 | 东南大学 | 一种快速匹配电子地图中公交线路与道路网络的方法 |
CN108021686B (zh) * | 2017-12-14 | 2021-03-23 | 东南大学 | 一种快速匹配电子地图中公交线路与道路网络的方法 |
CN110476527A (zh) * | 2018-05-14 | 2019-11-22 | 株式会社久保田 | 作业车 |
CN110476527B (zh) * | 2018-05-14 | 2024-02-13 | 株式会社久保田 | 作业车 |
CN109238297A (zh) * | 2018-08-29 | 2019-01-18 | 沈阳理工大学 | 一种用户最优及系统最优的动态路径选择方法 |
CN109472392A (zh) * | 2018-09-25 | 2019-03-15 | 大连理工大学 | 一种形成无人驾驶公交接驳环线的方法 |
CN109360411A (zh) * | 2018-10-29 | 2019-02-19 | 北京汽车集团有限公司 | 拼车方法及系统 |
CN109670671A (zh) * | 2018-11-14 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 公交线网评价方法及装置 |
CN109299835A (zh) * | 2018-12-10 | 2019-02-01 | 河海大学文天学院 | 城市轨道交通线路中断下的有效路径搜索方法 |
CN110070239A (zh) * | 2019-03-29 | 2019-07-30 | 北京航空航天大学 | 一种基于a星搜索和深度学习的个性化路线推荐方法 |
CN110070239B (zh) * | 2019-03-29 | 2021-05-11 | 北京航空航天大学 | 一种基于a星搜索和深度学习的个性化路线推荐方法 |
CN110737849B (zh) * | 2019-10-10 | 2022-08-30 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
CN110737849A (zh) * | 2019-10-10 | 2020-01-31 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
CN110599760A (zh) * | 2019-10-17 | 2019-12-20 | 东南大学 | 一种多模式交通网络下的出行行为模拟方法 |
CN111489024A (zh) * | 2020-04-03 | 2020-08-04 | 腾讯科技(深圳)有限公司 | 出行方案推荐方法、装置、设备及存储介质 |
CN111898793A (zh) * | 2020-06-08 | 2020-11-06 | 东南大学 | 一种组合出行方式下考虑用户感知差异性的路径选择方法 |
CN112113579A (zh) * | 2020-10-16 | 2020-12-22 | 北京百度网讯科技有限公司 | 路径生成方法、装置、计算设备、介质与导航系统 |
CN112113579B (zh) * | 2020-10-16 | 2023-09-15 | 北京百度网讯科技有限公司 | 路径生成方法、装置、计算设备、介质与导航系统 |
CN116052321A (zh) * | 2023-01-10 | 2023-05-02 | 中国人民解放军总医院第六医学中心 | 一种门诊智能分诊叫号方法和装置 |
CN117275276A (zh) * | 2023-09-27 | 2023-12-22 | 南京智慧交通信息股份有限公司 | 一种基于公交车位置信息的公交站台导乘系统及其方法 |
CN117252323A (zh) * | 2023-11-17 | 2023-12-19 | 西华大学 | 一种基于用户偏好的多模式出行路径规划方法 |
CN117252323B (zh) * | 2023-11-17 | 2024-01-30 | 西华大学 | 一种基于用户偏好的多模式出行路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101308555A (zh) | 多模式公交出行路径寻优方法 | |
CN108470444B (zh) | 一种基于遗传算法优化的城市区域交通大数据分析系统与方法 | |
CN106779163B (zh) | 一种基于智能搜索的定制公交线网优化方法 | |
CN107944605B (zh) | 一种基于数据预测的动态交通路径规划方法 | |
CN105844362B (zh) | 一种城市交通综合出行决策装置 | |
CN105608896B (zh) | 城市交通网络中的交通瓶颈识别方法 | |
CN100442018C (zh) | 延误风险规避的车载导航系统准动态路线优化方法 | |
CN104299442B (zh) | 一种基于模式匹配的城市路径行程时间预测方法 | |
CN102169524A (zh) | 城市轨道交通网络客流分布的分阶段多路径模型算法 | |
CN101614551B (zh) | 步行网建立方法及装置、路径搜索方法及装置 | |
CN102436466A (zh) | 基于gis分类的公交换乘查询方法 | |
CN104157142B (zh) | 一种基于浮动车数据的城市路径行程时间预测方法 | |
CN111898793B (zh) | 一种组合出行方式下考虑用户感知差异性的路径选择方法 | |
CN110941267B (zh) | 蚁群算法用于拥堵环境下的动态路径规划方法 | |
CN110222786A (zh) | 基于出行信息的动态拼车方法及系统 | |
CN104080056A (zh) | 基于连通度概率感知的车载自组织网络的消息分发方法 | |
Kim et al. | Navopt: Navigator assisted vehicular route optimizer | |
CN109816979A (zh) | 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 | |
CN112347596B (zh) | 一种城市公交线网优化方法 | |
Xiaoxue | Optimal route planning of parking lot based on Dijkstra algorithm | |
CN115423168A (zh) | 一种考虑服务稳定性的定制公交路网优化方法及系统 | |
CN103338441B (zh) | 基于车辆轨迹的数据传输方法及系统 | |
CN113382382B (zh) | 一种基于模糊逻辑优化策略的车辆自组网络路由方法 | |
CN108366340B (zh) | 基于公交车轨迹和蚁群优化的城市车联网路由方法 | |
Tian et al. | Real-time vehicle route guidance based on connected vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20081119 |