CN104134105B - 一种公交线网布设优化方法 - Google Patents
一种公交线网布设优化方法 Download PDFInfo
- Publication number
- CN104134105B CN104134105B CN201410407842.9A CN201410407842A CN104134105B CN 104134105 B CN104134105 B CN 104134105B CN 201410407842 A CN201410407842 A CN 201410407842A CN 104134105 B CN104134105 B CN 104134105B
- Authority
- CN
- China
- Prior art keywords
- bus
- index
- public transport
- public
- traveler
- 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.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种公交线网布设优化方法,包括:获取决定出行者背景ξ1的关键指标;获取决定公交运营服务水平η2的参数指标;设定决定公交出行者容忍度η1的关键控制指标;确定影响出行者判断公交服务满意度的关键指标Sx;确定影响公交运营效益控制指标EBX;计算城市公交线网的交通容量CB;构建公交线网布设的优化目标模型;确定城市公交线网布局方案;判断公交线网布设方案是否满足优化目标模型的要求,如果满足则输出公交线网的布设方案,如果不满足则进入上一步进行测算,进一步优化公交线网布设方案。此方法能平衡不同类型的出行者追求的公交服务差异性与公交运营效益之间的矛盾,增加公交服务满意度,提高出行者对公交服务的忠诚度。
Description
技术领域
城市公交线路布设问题是公交车辆运营调度领域中的核心问题。本方法提出一种考虑公交服务满意度的城市公交线路布设优化方法,可以最大限度地平衡出行者出行满意度要求与公交企业运营效益之间的矛盾,为公交运营管理人员科学、合理的布设城市公交线路提供依据,属于公共交通技术领域。
背景技术
自1994年起,我国各城市开始关注公交优先问题,希望公交系统能够解决城市交通拥堵问题。虽然近年来各城市在财政补贴,政策优惠方面对公交系统大力扶持,公交的实际利用率却并未有显著提升,公交系统与私家车、非机动车特别是电瓶车在进行艰难的竞争,公交系统的优越性并未得到体现。这就需要我们对如今的公交优先策略进行反思,我们是要考虑公交运营者的利益最大化,还是出行者的服务满意度。怎样才能最大限度利用公共交通的优势,缓解城市交通拥堵问题。目前公交运营企业在布设公交线路时更多是为了实现公交运输企业的利益最大化,对于出行者的服务满意需求却很少考虑。而且,运输企业的利益与顾客对公交服务的满意度之间,并非简单的线性关系,在不同的阶段,呈现出对立一致性。如果只是考虑运输企业的效益,很可能导致公共交通的服务水平较低,顾客的满意程度较低,从而导致公共交通出行方式的竞争力下降,从另一方面损坏公交公司的利益。如果一味追求很高的顾客满意度,可能会导致运输企业的效益得不到保证,会削弱运输企业的工作积极性,导致公交运营无法维系。因此,如果能够在保证运输企业运营效益的基础上保证公交服务水平,提供顾客的满意度,会增加乘客对公交出行方式的忠诚度,提高运输企业的运营效益,缓解交通拥堵,达到共赢的局面。
经发明人长期研究发现,对于公交调度时如果能够综合考虑公交线网运量、公交运营效率以及出行者的公交服务满意度之间的自适应变化,使用一种考虑公交服务满意度的城市公交线路布设模型,将会最大限度地平衡出行者和公交企业的利益,可作为公交调度管理人员科学、合理调度城市公交车辆的依据,将大大提高公交服务的满意度。
发明内容:
技术问题:本方法在对公交线路布设模型进行研究的时候,综合考虑公交线网运量、公交运营效率以及出行者的公交服务满意度之间的自适应变化,构建一种考虑公交服务满意度的城市公交线路布设模型,建立的模型将会最大限度地平衡出行者和公交企业的利益,模型的求解将选择使用改进的遗传算法,模型的求解具有很好的精度。该方法的科学性和适用性都较为理想,具有较高的实用价值。
技术方案:为达到上述目的,本发明是这样进行的:
一种公交线网布设优化方法,步骤如下:
1.)对公交出行者的背景信息进行调查分析,获取公交出行者的性别yS、年龄yA、职业种类yW、公交出行目的分类yD、公交出行者的生活水平yL、公交出行者的文化教育背景yE等决定公交出行者背景ξ1的关键指标。
2.)对公交运营的服务水平进行分析,获公交拥挤度xL、公交发车频率xF、站台停靠时间xD、乘车舒适性xC、乘车安全性xS、公交换乘率xE等参数的指标,分析决定公交运营服务水平η2的关键控制指标。
3.)对公交出行者的容忍度进行分析,统计出行者对公交换乘次数的容忍度xN,出行者对车内空间拥挤的容忍度xJ以及出行者对候车时间的容忍度xT,分析决定公交出行服务容忍度η1的关键控制指标。
4.)构建不同的公交出行者背景ξ1、公交运营服务水平η2、公交服务满意度ξ2之间的结构方程,分析不同的出行者背景ξ1对公交运营服务水平η2指标的公交出行服务容忍度η1,确定影响出行者判断公交服务满意度的关键指标Sx。
5.)从公交运营车辆数EBN,公交线路总数EBL,运营人员成本EBS,运营总里程EBM,年公交出行总量EBV,年票价收入EBE等指标中确定影响公交运营效益EB的控制指标EBX。
6.)根据城市公交站点数量CBL,公交线路总数EBL,公交运营车辆数EBN,公交发车频率xF,公交车辆额定载客量EBP等数据,计算城市公交线网的交通容量限制指标CBX,确定影响城市公交服务满意度的关键原因。
7.)结合测算得到的影响出行者判断公交服务满意度的关键指标Sx、交通容量限制指标CBX、公交运营效益控制指标EBX,构建公交线网布设的优化目标模型。
8.)根据由上述步骤已经建立的城市公交线网布设模型,使用遗传算法进行模型测算,确定城市公交线网布局方案。
9.)判断公交线网布设方案是否满足步骤7确定的公交线网布设优化目标,如果满足则进入步骤10,如果不满足则进入步骤8进行测算;
10.)确定公交线网布设方案。
确定影响公交服务满意度的关键指标Sx的具体步骤为:
a)通过实际调查,确定测算公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2等潜变量指标的显变量集;
b)潜变量公交出行者背景ξ1,由显变量公交出行者的性别yS、年龄yA、职业种类yW、公交出行目的分类yD、公交出行者的生活水平yL、公交出行者的文化教育背景yE决定;
c)潜变量公交出行服务容忍度η1,由显变量出行者对公交换乘次数的容忍度xN,出行者对车内空间拥挤的容忍度xJ以及出行者对候车时间的容忍度xT决定;
d)潜变量公交运营的服务水平η2,由显变量公交拥挤度xL、公交发车频率xF、站台停靠时间xD、乘车舒适性xC、乘车安全性xS、公交换乘率xE决定;
e)公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2、公交服务满意度ξ2之间关系模型的矩阵形式为:其中η为内生潜变量,其矩阵表达式为ξ为外生潜变量,其矩阵表达式为 为随机干扰项,反应了潜变量η无法解释的部分,B为内生潜变量系数矩阵,用来反应内生潜变量矩阵η中潜变量η1和η2的彼此影响程度,Γ为外生潜变量ξ的系数矩阵,用来表述外生潜变量ξ对内生潜变量η的影响程度;
f)将调查数据与各变量之间的关系写成矩阵形式可得:Y=Λyξ+δ,X=Λxη+ε;X,Y为调查数据矩阵,X=(xL,xF,xD,xC,xS,xE,xN,xJ,xT),Y=(yS,yA,yW,yD,yL,yE),Λx为各调查数据对内生潜变量η的影响系数,δ为各调查数据对外生潜变量ξ进行解释的随机扰动项,Λy为各调查数据对外生潜变量ξ的影响系数,ε为各调查数据对对内生潜变量η进行解释的随机扰动项;
g)根据城市公交调查数据,使用SPSS软件进行多项式求解,将内生潜变量系数矩阵B和外生潜变量系数矩阵Γ中系数绝对值大于0.5的所有变量作为影响公交服务满意度的关键指标Sx。
公交运营效益控制指标EBX采用如下方法确定:
a.)根据指标集E={EBN,EBL,EBS,EBM,EBV,EBE}进行公交运营现状调查,确定各个指标的样本数据集{E}m×6,其中m为调查的样本个数;
b.)对调查的样本数据进行标准化处理其中:是第j指标的第i个调查数据的标准化,Eij第j指标的第i个调查数据,为第j个指标的调查数据均值,由计算。S(Eij)为第j指标调查数据的标准差;
c.)根据优化目标确定各个指标的重要性权重W={w1,w2,...,w6},将标准化的指标数据与权重矩阵相乘,得到式中,是考虑重要性权重的第j指标的第i个调查数据的标准化数据。
d.)构造理想点和负理想点,其中理想点为A={ai}其中负理想点为G={gi}其中
e.)求解标准化后具有权重属性调查数据协方差矩阵V={vjk}6×6,
其中j,k=1,2,...,6,是指标集E中第k指标的调查数据均值,为考虑重要性权重的第k指标的第i个调查数据的标准化数据;
f.)根据公式|V-λI|=0求解协方差矩阵V的特征根λ={λj};
g.)利用确定p值,使关键指标的信息利用率达到90%,以此为基础对每个λj,j=1,2,...,p,解方程组得到单位特征向量
h.)将标准化后的指标变量转换为关键指标其中为考虑重要性权重的第i个调查数据Ei的标准化数据,U1成为第一关键指标,U2成为第二关键指标,Up成为第p个关键指标,选择3个关键指标,或根据计算复杂性的要求调整p的取值,p的极限取值为6,此时
i.)对p个关键指标进行加权求和,权数为每个关键指标的方差贡献率,则可得到最终的评价值。
公交线网布设的优化目标模型为:minCa=ZCb+PCp
式中,
其中:Ca为公交线网布设广义总费用,Cb为公交线网布设广义运营成本,Cp为出行者广义出行成本消耗,Z为公交运营成本权重系数,P为出行者出行成本权重系数,式中Z+P=1,ljk为站点j与站点k之间的距离,且j≠k,qjk为站点j与站点k之间的广义运营成本,且j≠k,fj为出行者在站点j的出行成本消耗,oj为站点j的出行者总量,rjk为站点j与站点k之间的广义出行成本,且j≠k,ojk为站点j与站点k之间的出行者总量,且j≠k;
设定优化目标模型的约束函数ST为:
其中,lmin为公交运营需求的最短公交运营线路长度,lmax为考虑到工作时间,工作强度,调度需求等条件约束下的公交运营所能承受的最长公交运营线路长度,amax为公交线路的最大非直线系数,γ为保持一定服务水平下的公交客流饱和度系数,Qi为公交线路i的客流需求量,CBX公交线网的交通容量限制指标,li为考虑运营需求约束下的最佳公交运营线路长度,di为第i条公交线路起点至终点间的直线距离。城市公交线网布局方案求解的方法为:
a.)输入公交线网基础数据,确定遗传算法的种群规模N,N为需要优化的公交线路条数,路网优化目标Δ及最大计算的总步数1000;
b.)对现有公交线网进行二进制编码,根据线网规模随机组合产生N个染色体,生成初始线网布设方案;
c.)对N个染色体组成的种群进行公交客流分配,按照最优约束条件判断是否达到路网优化目标Δ,如果满足,则计算结束,如果不满足则进入下一步计算;
d.)采用小范围择优交叉操作,利用轮盘赌的方式选择不同染色体进行交叉操作,生成2N个不同的个体,将这些子个体与父辈个体比较,选出其中一个适应度最高的个体作为新的染色体,这样可以加快算法收敛速度,提升全局搜索性能;
e.)以此在[1,M]区间内产生N个随机分布的随机数R,M为每条线路的公交站点数量,以此对每个染色体对应的R值位置进行变异操作;
f.)对新产生的种群进行适应度分析,如果满足路网优化目标Δ,如果满足,则计算结束,如果不满足则返回步骤d;
g.)停止计算,输出最优的公交线网布设方案结果。
有益效果:本发明与现有技术相比具有以下优点:
1.)本方法综合考虑公交线网运量、公交运营效率以及出行者的公交服务满意度之间的自适应变化,使用一种考虑公交服务满意度的城市常规公交线网布设模型,将会最大限度地平衡出行者和公交企业的利益,可作为公交运营者科学、合理布设城市公交线网的依据。将大大提高公交服务的满意度,可以更好的为城市公交调度服务。
2.)公交服务的满意度测算,并非采用单一的数据进行判断,而是借助结构方程模型,分析不同背景、不同阶层、不同出行目的出行者的满意度,综合选取决定性因素。结构方程模型与多远统计中的因子分析不同,因子分析是从数据中提炼公共因子,即潜变量,进而研究其关系的方法,称为探索性因子分析。结构方程模型是从理论出发,通过采集相关数据验证事先构建的关系,称为验证性因子分析,能够解决自适应相关因素之间的关系,对自相关影响因素的分析具有相当的优势。
3.)模型的测算过程中选择改进的遗传算法,可以减少不必要的无效解,从而可以快速、高效地解决模型的测算。
附图说明
图1为本发明的基本技术流程图。
具体实施方式
以下结合附图,对本发明做进一步说明:
A、城市公交现状调查
部分公交现状数据如公交布点情况、公交运营效益等数据可以由公交公司获取,城市不同功能分区的土地开发利用情况可以通过规划局得到。而公交出行者背景信息、城市公交服务水平等,需通过问卷调查得到。
B、公交服务满意度分析
利用结构方程进行公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2等变量之间的相关影响情况,确定影响公交服务满意度的关键指标Sx。
a.)通过实际调查,确定测算公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2等潜变量指标的显变量集;
b.)潜变量公交出行者背景ξ1由公交出行者的性别yS、年龄yA、职业种类yW、公交出行目的分类yD、公交出行者的生活水平yL、公交出行者的文化教育背景yE等显变量决定;
c.)潜变量公交运营服务水平η2,由公交拥挤度xL、公交发车频率xF、站台停靠时间xD、乘车舒适性xC、乘车安全性xS、公交换乘率xE等显变量决定;
d.潜变量公交出行者容忍度η1,由出行者对公交换乘次数容忍度xN,出行者对车内空间拥挤的容忍度xJ以及出行者对候车时间的容忍度xT等显变量决定;
e.)构建公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2、公交服务满意度ξ2之间关系模型的矩阵形式为:其中η为内生潜变量,其矩阵表达式为ξ为外生潜变量,其矩阵表达式为 为随机干扰项,反应了对潜变量η无法解释的部分,B为内生潜变量系数矩阵,用来反应内生潜变量矩阵η中潜变量η1和η2的彼此影响程度,Γ为外生潜变量ξ的系数矩阵,用来表述外生潜变量ξ对内生潜变量η的影响程度;
f.)将调查数据与各变量之间的关系写成矩阵形式可得:Y=Λyξ+δ,X=Λxη+ε。X,Y为调查数据矩阵X=(xL,xF,xD,xC,xS,xE,xN,xJ,xT),Y=(yS,yA,yW,yD,yL,yE),Λx为各调查数据对内生潜变量η的影响系数,δ为各调查数据对外生潜变量ξ进行解释的随机扰动项,Λy为各调查数据对外生潜变量ξ的影响系数,ε为各调查数据对内生潜变量η进行解释的随机扰动项;
g.)根据城市公交调查数据,使用SPSS软件进行多项式求解,将内生潜变量系数矩阵B和外生潜变量系数矩阵Γ中系数绝对值大于0.5的所有变量作为影响乘客满意度的关键因素集Sx。
C、公交运营效益关键影响指标的确定
公交运营效益分析是公交企业对公交运营状况、运营管理水平、公交运营成本控制的主要手段。科学合理的运营效益分析会促进公交运营企业的健康成长。影响公交运营效益的因素主要包括公交运营车辆数EBN,公交线路总数EBL,运营人员成本EBS,运营总里程EBM,年公交出行总量EBV,年票价收入EBE等指标,确定影响公交运营效益EB的关键指标EBX的计算步骤如下:
a.)根据指标集E={EBN,EBL,EBS,EBM,EBV,EBE}进行公交运营现状调查,确定各个指标的样本数据集{E}m×6,其中m为调查的样本个数;
b.)在对逆向指标值进行正向化处理后对调查的样本数据进行标准化处理,标准化处理方法为:其中:是第j指标的第i个调查数据的标准化,Eij第j指标的第i个调查数据,为第j个指标的调查数据均值,由计算。S(Eij)为第j指标调查数据的标准差,由计算;
c.)根据优化目标确定各个指标的重要性权重W={w1,w2,...,w6},将标准化的指标数据与权重矩阵相乘,得到
d.)构造理想点和负理想点,其中理想点为A={ai},其中负理想点为G={gi},其中
e.)求解规格化后具有权重属性调查数据协方差矩阵V={vjk}6×6,
其中,j,k=1,2,...,6,是指标集E中第k指标的调查数据均值,为考虑重要性权重的第k指标的第i个调查数据的标准化数据;
f.)根据公式|V-λI|=0求解协方差矩阵V的特征根λ={λj};
g.)利用确定p值,使关键指标的信息利用率达到90%,以此为基础对每个λj,j=1,2,...,p,解方程组得到单位特征向量
h.)将标准化后的指标变量转换为关键指标其中,为考虑重要性权重的第i个调查数据Ei的标准化数据,U1成为第一关键指标,U2成为第二关键指标,Up成为第p个关键指标,一般选择3个关键指标,也可根据计算复杂性的要求可调整p的取值,p的极限取值为6,此时
i.)对p个关键指标进行加权求和,权数为每个关键指标的方差贡献率,则可得到最终的评价值。
D、城市公交线网交通容量的确定
经过发明人长期观察发现,所谓公交线网的交通容量无非是所有公交线路上公交车辆在现有发车频率条件下所能承担的客运周转量。因此,结合现有的公交客流统计系统本发明提出统计公交线网交通容量的计算方法如下:
a.)根据交通调查,确定公交站点数量CBL,公交线路总数EBL,公交运营车辆数EBN,公交发车频率xF,公交车辆额定载客量EBP等数据;
b.)根据满意度分析中出行者对公交服务水平要求,确定每辆公交车的极限饱和度λB,结合公交车辆的额定载客量EBP确定公交车在每个站点断面能够乘载的极限客运量为
c.)公交线网的交通容量范围为
d.)如果现有客运出行总量Q≥CBX,则表明现有公交出行需求超过了公交线网的交通容量,需要选择合适的手段来增加公交供给能力。如果Q≤CBX则表明现有公交线网的交通容量能够满足出行者的公交出行需求,此时如果出行者对公交服务的满意度过低,则可以通过调整公交调度水平,优化公交发车时刻表等手段来提高出行者的公交服务满意度。
E、城市公交线网布设优化模型确定
结合测算得到的影响公交服务满意度的关键指标Sx、交通容量限制指标CBX、公交运营效益控制指标EBX,构建公交线网布设的优化目标模型为minCa=ZCb+PCp,其中Ca为公交线网布设广义总费用,Cb为公交线网布设广义运营成本,Cp为出行者广义出行成本消耗,Z为公交运营成本权重系数,P为出行者出行成本权重系数。式中Z+P=1,其中ljk,为站点j与站点k之间的距离,且j≠k。qjk为站点j与站点k之间的广义运营成本,且j≠k。fj为出行者在站点j的出行成本消耗,oj为站点j的出行者总量,rjk为站点j与站点k之间的广义出行成本,且j≠k,ojk为站点j与站点k之间的出行者总量,且j≠k。
根据公交线网布设优化要求,设定优化模型的约束函数ST为:
其中lmin为公交运营需求的最短公交运营线路长度,lmax为考虑到工作时间,工作强度,调度需求等条件约束下的公交运营所能承受的最长公交运营线路长度。amax为公交线路的最大非直线系数,γ为保持一定服务水平下的公交客流饱和度系数,Qi为公交线路i的客流需求量,CBX公交线网的交通容量限制指标,li为考虑运营需求约束下的最佳公交运营线路长度,di为第i条公交线路起点至终点间的直线距离。
F、城市公交线网布局方案求解
为了对公交线网最优布设目标模型进行求解,本发明提出了对应的改进遗传算法。这种方法在现有站点布局的基础上,生成初始公交线网,根据约束条件的要求,逐步迭代直至满足公交线网的优化目标。具体计算步骤如下:
a.)输入公交线网基础数据,确定遗传算法的种群规模N,N为需要优化的公交线路条数,路网优化目标Δ及最大计算的总步数1000;
b.)对现有公交线网进行二进制编码,根据线网规模随机组合产生N个染色体,生成初始线网布设方案;
c.)对N个染色体组成的种群进行公交客流分配,按照最优约束条件判断是否达到路网优化目标Δ,如果满足,则计算结束,如果不满足则进入下一步计算;
d.)采用小范围择优交叉操作,利用轮盘赌的方式选择不同染色体进行交叉操作,生成2N个不同的个体,将这些子个体与父辈个体比较,选出其中一个适应度最高的个体作为新的染色体,这样可以加快算法收敛速度,提升全局搜索性能;
e.)以此在[1,M]区间内产生N个随机分布的随机数R,M为每条线路的公交站点数量,以此对每个染色体对应的R值位置进行变异操作;
f.)对新产生的种群进行适应度分析,如果满足路网优化目标Δ,如果满足,则计算结束,如果不满足则返回步骤d;
g.)停止计算,输出最优的公交线网布设方案结果。
Claims (5)
1.一种公交线网布设优化方法,其特征在于,步骤如下:
1.)获取决定公交出行者背景ξ1的关键指标:公交出行者的性别yS、年龄yA、职业种类yW、公交出行目的分类yD、公交出行者的生活水平yL以及公交出行者的文化教育背景yE;
2.)获取决定公交运营服务水平η2的参数指标:公交拥挤度xL、公交发车频率xF、站台停靠时间xD、乘车舒适性xC、乘车安全性xS以及公交换乘率xE;
3.)设定决定公交出行服务容忍度η1的关键控制指标:出行者对公交换乘次数的容忍度xN,出行者对车内空间拥挤的容忍度xJ以及出行者对候车时间的容忍度xT;
4.)构建公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2、公交服务满意度ξ2之间的关系模型,确定影响出行者判断公交服务满意度的关键指标Sx;
5.)从公交运营车辆数EBN,公交线路总数EBL,运营人员成本EBS,运营总里程EBM,年公交出行总量EBV以及年票价收入EBE指标中确定影响公交运营效益控制指标EBX;
6.)根据城市公交站点数量CBL,公交线路总数EBL,公交运营车辆数EBN,公交发车频率xF以及公交车辆额定载客量EBP,计算城市公交线网的交通容量限制指标CBX;
7.)结合测算得到的影响出行者判断公交服务满意度的关键指标Sx、交通容量限制指标CBX、公交运营效益控制指标EBX,构建公交线网布设的优化目标模型;
8.)根据由上述步骤已经建立的优化目标模型,使用遗传算法进行模型测算,确定城市公交线网布局方案;
9.)判断公交线网布设方案是否满足步骤7确定的公交线网布设优化目标,如果满足则进入步骤10,如果不满足则进入步骤8进行测算;
10.)确定公交线网布设方案。
2.根据权利要求1所述的公交线网布设优化方法,其特征在于:确定影响公交服务满意度的关键指标Sx的具体步骤为:
a.)通过实际调查,确定测算公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2潜变量指标的显变量集;
b.)潜变量公交出行者背景ξ1,由显变量公交出行者的性别yS、年龄yA、职业种类yW、公交出行目的分类yD、公交出行者的生活水平yL、公交出行者的文化教育背景yE决定;
c.)潜变量公交出行服务容忍度η1,由显变量出行者对公交换乘次数的容忍度xN,出行者对车内空间拥挤的容忍度xJ以及出行者对候车时间的容忍度xT决定;
d.)对潜变量公交运营服务水平η2,由显变量公交拥挤度xL、公交发车频率xF、站台停靠时间xD、乘车舒适性xC、乘车安全性xS以及公交换乘率xE决定;
e.)公交出行者背景ξ1、公交出行服务容忍度η1、公交运营服务水平η2、公交服务满意度ξ2之间关系模型的矩阵形式为:其中η为内生潜变量,其矩阵表达式为ξ为外生潜变量,其矩阵表达式为 为随机干扰项,反应了内生潜变量η无法解释的部分,B为内生潜变量系数矩阵,用来反应内生潜变量矩阵η中潜变量η1和η2的彼此影响程度,Γ为外生潜变量ξ的系数矩阵,用来表述外生潜变量ξ对内生潜变量η的影响程度;
f.)将调查数据与各变量之间的关系写成矩阵形式可得:Y=Λyξ+δ,X=Λxη+ε;X,Y为调查数据矩阵,X=(xL,xF,xD,xC,xS,xE,xN,xJ,xT),Y=(yS,yA,yW,yD,yL,yE),Λx为各调查数据对内生潜变量η的影响系数,δ为各调查数据对外生潜变量ξ进行解释的随机扰动项,Λy为各调查数据对外生潜变量ξ的影响系数,ε为各调查数据对内生潜变量η进行解释的随机扰动项;
g.)根据城市公交调查数据,使用SPSS软件进行多项式求解,将内生潜变量系数矩阵B和外生潜变量系数矩阵Γ中系数绝对值大于0.5的所有变量作为影响公交服务满意度的关键指标Sx。
3.根据权利要求1所述的公交线网布设优化方法,其特征在于,公交运营效益控制指标EBX采用如下方法确定:
a.)根据指标集E={EBN,EBL,EBS,EBM,EBV,EBE}进行公交运营现状调查,确定各个指标的样本数据集{E}m×6,其中m为调查的样本个数;
b.)对调查的样本数据进行标准化处理其中:是第j指标的第i个调查数据的标准化,Eij第j指标的第i个调查数据,为指标集E中第j个指标的调查数据均值,由计算,S(Eij)为第j指标调查数据的标准差;
c.)根据优化目标确定各个指标的重要性权重W={w1,w2,...,w6},将标准化的指标数据与权重矩阵相乘,得到式中,是考虑重要性权重的第j指标的第i个调查数据的标准化数据;
d.)构造理想点和负理想点,其中理想点为A={ai}其中负理想点为G={gi}其中
e.)求解标准化后具有权重属性调查数据协方差矩阵V={vjk}6×6,其中j,k=1,2,...,6,是指标集E中第k个指标的调查数据均值,为考虑重要性权重的第k指标的第i个调查数据的标准化数据;
f.)根据公式|V-λI|=0求解协方差矩阵V的特征根λ={λj};
g.)利用确定p值,使关键指标的信息利用率达到90%,以此为基础对每个λj,j=1,2,...,p,解方程组得到单位特征向量
h.)将标准化后的指标变量转换为关键指标其中为考虑重要性权重的第i个调查数据Ei的标准化数据,U1成为第一关键指标,U2成为第二关键指标,Up成为第p个关键指标,选择3个关键指标,或根据计算复杂性的要求调整p的取值,p的极限取值为6,此时
i.)对p个关键指标进行加权求和,权数为每个关键指标的方差贡献率,则可得到最终的评价值。
4.根据权利要求1所述的公交线网布设优化方法,其特征在于:公交线网布设的优化目标模型为:minCa=ZCb+PCp
式中,
其中:Ca为公交线网布设广义总费用,Cb为公交线网布设广义运营成本,Cp为出行者广义出行成本消耗,Z为公交运营成本权重系数,P为出行者出行成本权重系数,式中Z+P=1,ljk为站点j与站点k之间的距离,且j≠k,qjk为站点j与站点k之间的广义运营成本,且j≠k,fj为出行者在站点j的出行成本消耗,oj为站点j的出行者总量,rjk为站点j与站点k之间的广义出行成本,且j≠k,ojk为站点j与站点k之间的出行者总量,且j≠k;
设定优化目标模型的约束函数ST为:
其中,lmin为公交运营需求的最短公交运营线路长度,lmax为考虑到工作时间,工作强度,调度需求条件约束下的公交运营所能承受的最长公交运营线路长度,amax为公交线路的最大非直线系数,γ为保持一定服务水平下的公交客流饱和度系数,Qi为公交线路i的客流需求量,CBX公交线网的交通容量限制指标,li为考虑运营需求约束下的最佳公交运营线路长度,di为第i条公交线路起点至终点间的直线距离。
5.根据权利要求1的公交线网布设优化方法,其特征在于,城市公交线网布局方案求解的方法为:
a.)输入公交线网基础数据,确定遗传算法的种群规模N,N为需要优化的公交线路条数,路网优化目标Δ及最大计算的总步数1000;
b.)对现有公交线网进行二进制编码,根据线网规模随机组合产生N个染色体,生成初始线网布设方案;
c.)对N个染色体组成的种群进行公交客流分配,按照最优约束条件判断是否达到路网优化目标Δ,如果满足,则计算结束,如果不满足则进入下一步计算;
d.)采用小范围择优交叉操作,利用轮盘赌的方式选择不同染色体进行交叉操作,生成2N个不同的个体,将这些子个体与父辈个体比较,选出其中一个适应度最高的个体作为新的染色体,这样可以加快算法收敛速度,提升全局搜索性能;
e.)以此在[1,M]区间内产生N个随机分布的随机数R,M为每条线路的公交站点数量,以此对每个染色体对应的R值位置进行变异操作;
f.)对新产生的种群进行适应度分析,如果满足路网优化目标Δ,如果满足,则计算结束,如果不满足则返回步骤d;
g.)停止计算,输出最优的公交线网布设方案结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410407842.9A CN104134105B (zh) | 2014-08-18 | 2014-08-18 | 一种公交线网布设优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410407842.9A CN104134105B (zh) | 2014-08-18 | 2014-08-18 | 一种公交线网布设优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104134105A CN104134105A (zh) | 2014-11-05 |
CN104134105B true CN104134105B (zh) | 2017-06-13 |
Family
ID=51806778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410407842.9A Expired - Fee Related CN104134105B (zh) | 2014-08-18 | 2014-08-18 | 一种公交线网布设优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104134105B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205557B (zh) * | 2015-09-17 | 2019-06-18 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN105427001A (zh) * | 2015-12-03 | 2016-03-23 | 北京理工大学 | 地区中小学校校车最优路线与配置方法 |
CN105760960A (zh) * | 2016-02-29 | 2016-07-13 | 东南大学 | 基于轨道交通的停车换乘设施最优选址和容量确定方法 |
CN106203680B (zh) * | 2016-06-28 | 2019-04-09 | 上海工程技术大学 | 一种基于改进遗传算法的公交车辆资源调度方法 |
CN106940865A (zh) * | 2017-03-14 | 2017-07-11 | 北京百度网讯科技有限公司 | 车辆的运营调度方法、装置、设备及存储介质 |
CN107092976B (zh) * | 2017-03-28 | 2020-06-02 | 东南大学 | 一种多目标模型协同优化多条公交线路发车间隔的方法 |
CN107993437B (zh) * | 2017-12-08 | 2020-03-20 | 东莞中国科学院云计算产业技术创新与育成中心 | 新增公交路线的方法、装置、计算机设备和存储介质 |
CN108806249B (zh) * | 2018-06-07 | 2021-06-11 | 上海市城市建设设计研究总院(集团)有限公司 | 基于公交app软件的乘客出行优化方法 |
CN109034494B (zh) * | 2018-08-23 | 2021-04-13 | 深圳市东部公共交通有限公司 | 公交调度方法 |
CN109657860A (zh) * | 2018-12-19 | 2019-04-19 | 东南大学 | 基于轨道交通历史运营数据的轨道交通网络容量确定方法 |
CN110084421B (zh) * | 2019-04-23 | 2021-11-16 | 北方工业大学 | 基于乘客满意度的信息服务频率确定方法 |
CN110705747A (zh) * | 2019-08-27 | 2020-01-17 | 广州交通信息化建设投资营运有限公司 | 一种基于大数据的智慧公共交通云脑体系 |
CN111582601A (zh) * | 2020-05-15 | 2020-08-25 | 河南科技大学 | 一种公交站点选址方法及装置 |
CN112580951A (zh) * | 2020-12-09 | 2021-03-30 | 北京交通大学 | 基于乘客出行的城市地面公交运行监测关键指标筛选方法 |
CN113361749B (zh) * | 2021-05-14 | 2024-04-16 | 北京北大千方科技有限公司 | 基于主成分分析的公交快线规划方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000231690A (ja) * | 1999-02-12 | 2000-08-22 | Toyota Central Res & Dev Lab Inc | 旅行時間予測装置 |
CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
CN101944288A (zh) * | 2010-08-25 | 2011-01-12 | 东南大学 | 城市公交线路停靠站设置方法 |
CN102044149A (zh) * | 2011-01-12 | 2011-05-04 | 北京交通大学 | 一种基于时变客流的城市公交运营协调方法与装置 |
CN103198648A (zh) * | 2013-03-26 | 2013-07-10 | 成都希盟科技有限公司 | 用于公交系统的自适应调度方法 |
-
2014
- 2014-08-18 CN CN201410407842.9A patent/CN104134105B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000231690A (ja) * | 1999-02-12 | 2000-08-22 | Toyota Central Res & Dev Lab Inc | 旅行時間予測装置 |
CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
CN101944288A (zh) * | 2010-08-25 | 2011-01-12 | 东南大学 | 城市公交线路停靠站设置方法 |
CN102044149A (zh) * | 2011-01-12 | 2011-05-04 | 北京交通大学 | 一种基于时变客流的城市公交运营协调方法与装置 |
CN103198648A (zh) * | 2013-03-26 | 2013-07-10 | 成都希盟科技有限公司 | 用于公交系统的自适应调度方法 |
Non-Patent Citations (1)
Title |
---|
"基于智能算法的城市公交线网优化研究";潘玉侠;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20130215(第02期);第C034-399页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104134105A (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104134105B (zh) | 一种公交线网布设优化方法 | |
WO2023056696A1 (zh) | 基于循环神经网络的城市轨道交通短时客流预测方法 | |
CN103093643B (zh) | 一种确定公共停车场泊位数的方法 | |
Liu et al. | Urban renewal simulation with spatial, economic and policy dynamics: The rent-gap theory-based model and the case study of Chongqing | |
CN109993223A (zh) | 路面使用性能预测方法、存储介质、电子设备 | |
CN104992244A (zh) | 一种基于sarima和rbf神经网络集成组合模型的机场货运量预测分析方法 | |
CN110348644B (zh) | 一种电动汽车充电设施建设需求预测的方法 | |
CN106781489A (zh) | 一种基于递归神经网络的路网状态预测方法 | |
CN107844901A (zh) | 一种企业运营自动化分析的方法及其系统 | |
CN110222972B (zh) | 一种基于数据驱动的城市轨道交通路网协同限流方法 | |
CN106910337A (zh) | 一种基于萤火虫算法与rbf神经网络的交通流预测方法 | |
CN109685240A (zh) | 一种基于lstm深度学习的95598话务工单预测与异动预警方法 | |
CN106022549A (zh) | 基于神经网络和思维演化搜索的短期负荷预测方法 | |
Zheng et al. | A stochastic simulation-based optimization method for equitable and efficient network-wide signal timing under uncertainties | |
CN109800916A (zh) | 一种高速公路服务区驶入车流量的建模方法 | |
CN106022954A (zh) | 基于灰色关联度的多重bp神经网络负荷预测方法 | |
CN111091229A (zh) | 一种电网基建项目精准投资决策方法 | |
Pencheva et al. | Evaluation of passenger waiting time in public transport by using the Monte Carlo method | |
CN108334988A (zh) | 一种基于svm的短期电网负荷预测方法 | |
CN105427002A (zh) | 一种基于Logistic模型的客流预测方法 | |
Zhang et al. | A novel normal wiggly hesitant fuzzy multi-criteria group decision making method and its application to electric vehicle charging station location | |
CN110135643A (zh) | 考虑钢铁期货价格和实时电价因素的短期日负荷预测方法 | |
CN114529038A (zh) | 一种基于企业需求的智能匹配招商策略系统及方法 | |
Liu et al. | Development assessment of higher education system based on TOPSIS-entropy, hopfield neural network, and cobweb model | |
CN115496301A (zh) | 一种面向国土空间规划的土地利用与交通协同评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170613 Termination date: 20200818 |
|
CF01 | Termination of patent right due to non-payment of annual fee |