CN103956042B - 一种基于图论的公共自行车调度区域智能划分方法 - Google Patents

Abstract

本发明属于公共交通调度领域，提出了一种基于图论的公共自行车调度区域智能划分方法，可应用于公共自行车调度区域智能划分，得到最佳的公共自行车调度区域。该方法具体步骤包括计算租车点之间的广义距离，构造广义矩阵，剪枝处理，绘制连通区域图和确定租赁点等级。针对公共自行车普遍存在的“借车难，还车难”的现状，为了提高公共自行车系统的服务水平，有必要对其位置和区域进行分析并采用合理的调度方法对公共自行车进行综合调度。本发明对现有区域进行合理优化划分，减少公共自行车系统的调度成本，能更好地为出行者提供服务，及时平衡公共自行车在时间和空间上的分布，提高公共自行车的利用率。

Description

一种基于图论的公共自行车调度区域智能划分方法

技术领域

本方法属于公共交通调度领域，可应用于公共自行车调度区域智能划分，得到最佳的公共自行车调度区域，提出了一种基于图论的租赁点聚类和区域划分方法。

背景技术

优先发展城市公共汽车交通是解决城市交通拥堵问题最有效的方法。但是由于公交的覆盖率低，公交站点间距离长，发车频率不确定，换乘不方便等问题给人们的出行带来了不便，降低了公共出行方式对广大市民的吸引力。为解决公交车存在的上述问题，延伸公交服务(最后一里路)，推行公共自行车与公共交通换乘的模式，吸引更多的小汽车出行者改变出行方式，倡导市民“绿色出行”，并且缓解城市交通拥堵、减少环境污染、节约道路资源。结合城市公共交通的其他手段，公共自行车系统作为城市公交的组成部分承担着重要的交通任务，其提供的绿色、低碳出行方式有效地弥补了公交、地铁等的缺陷，极大地方便了市民出行。

然而，随着公共自行车系统规模逐渐增大、使用频率逐渐增加，给公共自行车系统的管理和服务也带来了一系列问题，主要表现在：高峰期时段，某些租赁点的锁桩呈空位状态时间过长，用户借不到车；某些租赁点的锁桩呈满位状态时间过长，用户还不了车；居民区、办公区及部分商业区都存在明显的早晚高峰和方向不均衡现象，导致了车辆调度难度的增加及车辆周转率的降低。其中，公共自行车“借车难、还车难”问题成为市民使用公共自行车绿色出行过程中的突出问题。

因此，为缓解这种“借车难，还车难”的现状，提高公共自行车系统的服务水平，有必要对其位置和区域进行分析并采用合理的调度方法对公共自行车进行综合调度。对现有区域进行合理优化划分，减少公共自行车系统的调度成本，更好地为出行者提供服务，及时平衡公共自行车在时间和空间上的分布，提高公共自行车的利用率。

发明内容

本发明针对上述出现的“借车难，还车难”现象，提出了一种基于图论的公共自行车调度区域智能划分方法，对现有区域进行合理优化划分，减少公共自行车系统的调度成本，能更好地为出行者提供服务，及时平衡公共自行车在时间和空间上的分布，提高公共自行车的利用率。

图论算法介绍：

一般几何上将图定义为空间一些点和连接这些点的线的集合。图论中将图定义为一个偶对G＝(V,E)，其中V＝{x|x∈某个数据对象}，它是顶点的有穷非空集合；E＝{(x,y)|x,y∈V}，它是顶点之间关系的有穷集合，称为边集。若图中代表边的顶点对是有序的，则称该图为有向图，反之则称为无向图。本文讨论的图是有向有限图，即顶点数和边数都是有限的。

图的关联矩阵表示的基本思想就是引入两个数组，一个记录图中的各个顶点信息的一维数组，称为顶点表；另一个是表示图中各个顶点之间关系的二维数组，称为关联矩阵。

V＝(V₀,V₁,V₂,…,V_n)，E_ij＝(V_i,V_j)(0<＝i<＝n,0<＝j<＝n)

在有向带权图中，每条边都具有一个与之相关的具有某种实际意义的数，成为边的权值。令C_ij是边E_ij上的权值，该权值的计算基于路况难度、距离、关联度三个因素，三者加权求和，得到边的权值。考虑到道路单行限制和租赁点在道路的左右边布局不同，一般C_ij不同于C_ji，即C_ij≠C_ji。

本发明采用的技术方案如下：

一种基于图论的公共自行车调度区域智能划分方法，具体包括如下步骤：

步骤1：根据路况信息和租赁点之间的关联关系，对租赁点的实际距离进行加权调整得到租赁点之间的道路广义距离值C_ij；

步骤2：构建广义距离矩阵C

根据计算的租赁点之间的道路广义距离值C_ij，构建一个租赁点广义距离矩阵C，广义距离矩阵C表示租赁点之间的连接距离，其中每一个分量C_ij为租赁点i和租赁点j之间的道路广义距离；

步骤3：剪枝处理

给定一个阈值r，对广义距离矩阵C进行处理，得到由道路广义距离值C_ij在阈值r以内的值组成的关联矩阵；

步骤4：绘制区域连通图

根据剪枝处理之后的结果，绘制关联矩阵的区域连通图；

步骤5：重复步骤3-4，直到得到需要的互不关联的区域；

步骤6：租赁点分级

根据租赁点之间的关联关系计算它们之间的连接度，再根据租赁点之间的车辆流动信息计算日均车辆流量，依此得到租赁点的总度，按照租赁点的总度值大小确定租赁点的等级。

所述步骤1中，根据租赁点的实际距离，将道路路况难度系数和租赁点的关联度作为调整因子，得到租赁点之间的道路广义距离C_ij如下：

C_ij＝L_ij×K_ij×R_ij(1)

其中，L_ij代表道路实际距离；K_ij代表租车点i到租车点j的路况难度，是指调度车辆行走的难易程度，可以对道路实际距离的修正；R_ij代表租车点i到租车点j之间的关联度，是指节点之间的关联关系，也可以对道路实际距离进行修正：

其中，n_ij记为从租车点i借出且归还到j的车辆数，n_i出记为从i点借出的总车辆数，n_i入记为从i点归还的总车辆数；n_ji记为从租赁点j借出且归还到i的车辆数，n_j出记为从j点借出的总车辆数，n_j入记为从j点归还的总车辆数。

所述步骤3的具体处理过程为：将广义距离矩阵C中每个分量的值大于或等于阈值r的租车点间之间的广义距离值C_ij设为无穷大，表示这两个租车点没有关联；分量值小于阈值r的保持不变，表示租车点存在关联，即

$C_{ij}=\left\{\begin{array}{cc}{C}_{ij},& \&Exists;C_{ij}<r\\ \mathrm{\&infin;},& \&Exists;C_{ij}\&GreaterEqual;r\end{array}\right.---\left(3\right)$

当某个C_ij≥r,则C_ij＝∞，即表示这两个租车点之间道路不通。

所述步骤6租赁点分级具体方法包括：

a)计算租赁点的关联度d：租赁点与其它租赁点有直接的车辆流的，则认为它们之间存在关联，一个租赁点与其它租赁点有关联关系的总数称为租赁点的关联度d；

b)计算租赁点日均车辆流量t：计算每个租赁点每天借出和还入的车辆流量的平均值，根据运营数据统计每天的借出的车辆数和还入的车辆数，计算出租赁点多天的车辆流量的平均值：

这里n_k入为租赁点第k天还入的车辆数，n_k出为租赁点第k天借出的车辆数，N为统计的天数；

c)计算租赁点的总度D：租赁点的总度为租赁点的连接度与其日车辆流动均值的乘积D＝d×t；

d)确定租赁点的等级：

将同一区域中的租赁点按照它们的总度值排序，按照u％、v％、w％的原则划分为三个区间，u+v+w＝100；设区域的租赁点总数为P，则区间的租赁点为该区域的一级租赁点，区间的租赁点为该区域的二级租赁点，区间的租赁点为该区域的普通租赁点。

本发明的技术特点及有益效果：

1、本发明是基于图论的剪枝方法，对公共自行车调度区域的租赁点进行合理划分，确定租赁点的级别，便于进行分级和分区域进行车辆调度。对租赁点调度区域划分，仅对区域内进行调度，提高调度效率和路线规划时间，有利于提高用户的满意度。

2、本发明提出的广义距离计算方法，根据路况信息和租赁点之间的关联关系，对租赁点的实际距离进行加权调整得到租赁点之间的广义距离，为建立基于图论的租赁点区域划分提供支持。

3、本发明提出的确定租赁点等级的方法，根据租赁点之间的关联关系计算它们之间的连接度，再根据租赁点之间的车辆流动信息计算日均车辆流量，依此得到租赁点的总度，按照租赁点的总度值大小确定一级租赁点、二级租赁点和普通租赁点。租赁点分级可以有效提高调度的效率，在不同时段调度中心可以调整调度策略，选取不同级别的租赁点进行调度，提高调度效率和降低调度成本。

附图说明

图1是本发明的实施例中的对租赁点调度区域划分的流程图；

图2是本发明的实施例中租赁点之间广义距离计算的流程图；

图3是本发明的实施例中确定租赁点等级的流程图。

具体实施方式

以下结合附图对本发明具体说明。需要指出，所描述的实施例仅仅视为说明的目的，而不是对发明的限制。

1、租赁点间的广义距离计算方法

租赁点之间的道路广义距离C_ij与路况的难度、实际距离、关联度三个因素有关，如何准确计算租赁点之间的广义距离是调度区域划分的关键。步骤如下：

步骤1：确定路况的难度系数

路况的难度系数是指路况的通行难度，由道路的宽敞程度、调度车辆能否通过、租赁点是否在道路的同侧、是否是单行道等因素决定。难度系数的取值给出如下:

各道路路况难易系数参照公式(5)给定标准取值即可。

步骤2：实际道路距离计算

租赁点之间的实际道路距离需要根据实际测绘的长度来计算，也可以换算为行驶时间(假如关注调度效率)。距离的计算可以通过GIS地图进行测量，通过比例尺和图上距离计算实际距离L_ij。

步骤3：关联系数计算

关联系数是指租赁点之间的自行车车辆流动的互补情况，即从一个租赁点的借出与到另一个租赁点的归还的关联情况。关联系数的计算需要从以往的历史数据进行统计分析得到。本文采用首先对各个租赁点调入和调出数据进行分析，然后根据数据分析结果得出的租赁点类型等特征属性，再加上租赁点的位置等非特征属性，对其进行二次人工划分，最终确定调度区域的划分。记数据分析结果为节点之间的关联度系数R_ij，通过公式(2)计算。其中，代表从租赁点i借出且归还到j点的车辆数占i总借出车辆数的百分比；同理，代表从租赁点j借出且还入到i点的车辆数占总的还入i点总车辆数的百分比。同样，代表从租赁点j借出切归还到i的车辆数占j点总借出车辆数的百分比；代表从租赁点i借出且还入到j点的车辆数占总的还入j点总车辆数的百分比。四个比例系数的乘积得到关联度系数R_ij的值，从而判断哪些租赁点之间具有较大的流动相关性。显然，R_ij＝R_ji。

2、绘制区域连通图

经过剪枝处理之后，绘制关联矩阵的区域连通图。具体做法是：当C_ij＝∞时，断开它们之间的连线，否则绘制连接线。

3、确定租赁点级别的方法

运用总度值来确定公共自行车智能调度区域的租赁点级别。在同一个调度区域中，租赁点的总度值越大说明与该租赁点关联的其它租赁点越多和经过该租赁点的车辆越多，该租赁点越繁忙。因此，需要及时关注该租赁点的车辆状况和管理人员要求，进行及时的调度。按照租赁点总度值的大小将租赁点为一级租赁点、二级租赁点和普通租赁点，可根据调度需要对该区域的租赁点分级别调度，既考虑了调度成本最低，又考虑了调度效率最高。区域内的一级租赁点相对其他租赁点比较繁忙，说明该租赁点在调度系统中的位置举足轻重，有可能需要人工值守。

本发明的实施实例提供了一个调度区域划分的过程，如图1所示，包括以下步骤：

步骤101：读入所有租赁点的道路数据和路况信息，以及租赁点借还车信息，根据路况信息确定路况调整系数，根据借还车信息确定各个租赁点的关联度，进而计算出租赁点之间的广义距离；

步骤102：根据广义距离构建广义距离矩阵。构建一个二维表，行列分别代表租赁点，二位表中的值代表租赁点之间的广义距离；

步骤103：给定一个阈值，对于大于该阈值的值用一个特定符号进行标记；

步骤104：绘制区域连通图。查看连通树是否合适，比如是否形成独立的连通树，或者预先制定的个数。若多于指定个数的连通树，则提高阈值，转步骤103，否则少于指定个数的连通树，则降低阈值，转步骤103。若结果合适，转步骤105；

步骤105：取得每个区域的租赁点等级。根据指定的一级、二级和普通租赁点划分的比例，分别计算各级租赁点的个数，然后按照租赁点的总度值进行归类确定。

以下进一步详细地说明本发明实施例中的各个细节问题。

本发明所涉及的数据均是公共自行车系统租赁点借还车的运营数据。

1.计算租赁点之间的广义距离：

步骤201：确定租赁点之间的路况难度系数。根据交通道路信息，按照公式(1)确定租赁点之间调度的路况系数；

步骤202：确定租赁点之间的调度车需要调运车辆的实际路线距离；

步骤203：确定租赁点与其它租赁点之间的关联度。根据公式(2)计算租赁点之间的关联系数；

步骤204：计算租赁点之间的广义距离。根据公式(3)，用路况系数和关联系数调整实际距离得到租赁点广义距离。

2.确定租赁点等级：

步骤301：计算租赁点的连接度。根据租赁点的借还车运营数据分析租赁点之间是否存在关联关系，若有则关联度加1。重复直到步骤301，直到没有关联的租赁点为止；

步骤302：确定租赁点日均车流量。统计运营数据得到给定天数的租赁点借出和还入的车辆总数，求其平均值得到租赁点的日平均车流量；

步骤303：计算租赁点的总度。根据公式(4)计算得到每个租赁点的总度值；

步骤304：租赁点分级。对租赁点按照总度值排序，取前10％得租赁点为一级租赁点，20％得租赁点为二级租赁点，剩余的为普通租赁点。

Claims (2)

1.一种基于图论的公共自行车调度区域智能划分方法，其特征在于，此方法包括如下步骤：

步骤1：根据租赁点的实际距离，将道路路况难度系数和租赁点的关联度作为调整因子，得到租赁点之间的道路广义距离C_ij如下：

C_ij＝L_ij×K_ij×R_ij(1)

其中，L_ij代表道路实际距离；

K_ij代表租赁点i到租赁点j的路况难度，是指调度车辆行走的难易程度，可以对道路实际距离的修正；

R_ij代表租赁点i到租赁点j之间的关联度，是指节点之间的关联关系，也可以对道路实际距离进行修正：

其中，n_ij记为从租赁点i借出且归还到j的车辆数，n_i出记为从i点借出的总车辆数，n_i入记为从i点归还的总车辆数；n_ji记为从租赁点j借出且归还到i的车辆数，n_j出记为从j点借出的总车辆数，n_j入记为从j点归还的总车辆数；

步骤2：构建广义距离矩阵C

根据计算的租赁点之间的道路广义距离值C_ij，构建一个租赁点广义距离矩阵C，广义距离矩阵C表示租赁点之间的连接距离，其中每一个分量C_ij为租赁点i和租赁点j之间的道路广义距离；

步骤3：剪枝处理

给定一个阈值r，对广义距离矩阵C进行处理，得到由道路广义距离值C_ij在阈值r以内的值组成的关联矩阵；

步骤4：绘制区域连通图

根据剪枝处理之后的结果，绘制关联矩阵的区域连通图；

步骤5：重复步骤3-4，直到得到需要的互不关联的区域；

步骤6：租赁点分级

根据租赁点之间的关联关系计算它们之间的关联度，再根据租赁点之间的车辆流动信息计算日均车辆流量，依此得到租赁点的总度，按照租赁点的总度值大小确定租赁点的等级，具体方法包括：

a)计算租赁点的关联度d：租赁点与其它租赁点有直接的车辆流的，则认为它们之间存在关联，一个租赁点与其它租赁点有关联关系的总数称为租赁点的关联度d；

b)计算租赁点日均车辆流量t：计算每个租赁点每天借出和还入的车辆流量的平均值，根据运营数据统计每天的借出的车辆数和还入的车辆数，计算出租赁点多天的车辆流量的平均值：

这里n_k入为租赁点第k天还入的车辆数，n_k出为租赁点第k天借出的车辆数，N为统计的天数；

c)计算租赁点的总度D：租赁点的总度为租赁点的连接度与其日车辆流动均值的乘积D＝d×t；

d)确定租赁点的等级：

将同一区域中的租赁点按照它们的总度值从大到小排序，按照u％、v％、w％的原则划分为三个区间，u+v+w＝100；设区域的租赁点总数为P，则前P×u％的租赁点为该区域的一级租赁点，排在一级租赁点之后的P×v％的租赁点为该区域的二级租赁点，剩余的P×w％的租赁点为该区域的普通租赁点。

2.根据权利要求1所述的一种基于图论的公共自行车调度区域智能划分方法，其特征在于，所述步骤3的具体处理过程为：将广义距离矩阵C中每个分量的值大于或等于阈值r的租赁点之间的广义距离值C_ij设为无穷大，表示这两个租赁点没有关联；分量值小于阈值r的保持不变，表示租赁点存在关联，即

当某个C_ij≥r,则C_ij＝∞，即表示这两个租赁点之间道路不通。