CN106779163B - 一种基于智能搜索的定制公交线网优化方法 - Google Patents

一种基于智能搜索的定制公交线网优化方法 Download PDF

Info

Publication number
CN106779163B
CN106779163B CN201611036579.2A CN201611036579A CN106779163B CN 106779163 B CN106779163 B CN 106779163B CN 201611036579 A CN201611036579 A CN 201611036579A CN 106779163 B CN106779163 B CN 106779163B
Authority
CN
China
Prior art keywords
line
stations
lines
customized
passenger
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
Application number
CN201611036579.2A
Other languages
English (en)
Other versions
CN106779163A (zh
Inventor
高学
李莎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201611036579.2A priority Critical patent/CN106779163B/zh
Publication of CN106779163A publication Critical patent/CN106779163A/zh
Application granted granted Critical
Publication of CN106779163B publication Critical patent/CN106779163B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于智能搜索的定制公交线网优化方法，包括如下步骤：通过网络终端获取乘客出行需求数据，并构建乘客需求数据库；构建满足定制公交的评价指标数学模型及约束条件；以乘客出行站点人数排列前N位的站点对为基础，构建定制公交的备选线路集的起点和N个备选线路集的初始化线路；在N个备选线路集的初始化线路的基础上，结合公交站点GIS和站点乘客需求，构建备选线路集；在备选线路集的基础上，以乘客直达率作为适应度函数，采用遗传算法搜索满足定制公交评价指标数学模型的定制公交线网。本发明通过优化乘客可直达率来构建定制公交线网，能够缓解部分交通问题，并且对乘客的出行提供便利。

Description

一种基于智能搜索的定制公交线网优化方法
技术领域
本发明属于智能交通技术领域，特别涉及一种基于智能搜索的定制公交线网优化方法。
背景技术
随着中国经济不断发展，城市化进程加剧，我国各大城市机动车数量飞速增长，而城市道路数量有限，且其增长速度远远低于机动车增长速度，导致交通拥堵情况严重，同时，伴随着城市人口的増加，大多数城市呈“摊大饼”状地往外扩展，导致城市功能布局不合理，居住区与工作区过于分散，居民出行距离过大，乘坐公共交通换乘多、时间长，而且城市不合理布局引发了严重的城化集聚效应，造成中心城区早晚高峰交通出行需求量剧増，道路流量极度饱和，引发了城市道路拥堵、空气污染严重等一系列“城市病”。
城市管理者在制定相应政策措施解决“城市病”问题时，首先采用拓宽道路、新建道路的方式，但是有限的投资和城市用地资源使得城市道路增长速度远远比不上交通需求的増长速度，交通拥堵、环境污染问题仍得不到有效解决。
近几年来，定制公交成为各大城市优先发展公共交通的一个重大举措，迅速在城市交通领域崛起，作为一个新兴公共交通模式成为社会各界关注的热点。定制公交是将出行起讫点、出行时间、服务水平相似的个体出行需求集合起来，为集合后的客户群提供定制的公交服务车站、线路走向、线路网络等的公交，相对于传统公交来说，定制公交具有＂定时、定点、定票、一站直达＂等特点，这些便利性使得定制公交逐渐在各个城市展开应用。
然而，根据目前各城市定制公交发展现状来看，一些城市出现了由于定制公交线路规划不合理导致的不同线路乘客数量差异悬殊、线网服务面积有限等问题，因此，如何充分考虑乘客出行需求，合理规划线路布局，最大限度的发挥定制公交效益应成为各大城市公共交通系统亟待解决的问题。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于智能搜索的定制公交线网优化方法，通过优化乘客可直达率来构建定制公交线网，能够缓解部分交通问题，并且对乘客的出行提供便利。
本发明的目的通过以下的技术方案实现：一种基于智能搜索的定制公交线网优化方法，包括如下步骤：
S1、通过网络终端获取乘客出行需求数据，并构建乘客需求数据库；
S2、构建满足定制公交的评价指标数学模型及约束条件；
S3、基于乘客出行站点人数进行站点降序排序，以乘客出行站点人数排列前N位的站点对为基础，构建定制公交的备选线路集的起点和N个备选线路集的初始化线路，站点对指的是乘客需求的起点和终点；
S4、在N个备选线路集的初始化线路的基础上，结合公交站点GIS和站点乘客需求，构建备选线路集，备选线路集中单条线路站点数最多为K；
S5、在备选线路集的基础上，以乘客直达率作为适应度函数，采用遗传算法搜索满足定制公交评价指标数学模型的定制公交线网，乘客直达率指的是定制公交线路运送的总人数/线路的总时间。
优选的，步骤S1中通过网络终端获取乘客出行时间和地点，以乘客出行数据作为构建定制公交线网的数据，并构建乘客需求数据库。
优选的，步骤S2中以乘客直达率作为定制公交评价的最高指标来构建定制公交评价指标数学模型，评价指标数学模型及约束条件如下：
数学模型：
Figure BDA0001156557410000031
Figure BDA0001156557410000032
Figure BDA0001156557410000033
其中：P表示直达率最大；Z表示线路的数量；n表示所有的站点；Hij代表两个站点间运输的乘客量；Xij代表匹配站点，如两个站点匹配则为1，反之为0；Yij代表两个站点间是否存在线路，如果这两个站点间有线路通过则为1，反之为0；Lij代表两个站点间的运行时间；
约束条件：
Figure BDA0001156557410000034
其中：L为单条线路的总长度；Lmin、Lmax代表单条线路的最小、最大长度，通常情况下Lmin＝5km,Lmax＝15km；Sf代表首末匹配站点对集合；S代表出行需求高于预设值的匹配站点对集合；num(l)代表单条线路l上站点个数；K为线路中站点个数最大值；N为同一个站点经过线路的条数；
Figure BDA0001156557410000035
为换乘次数。
优选的，步骤S3中以乘客需求人数排列前N的站点对的起点作为备选线路集中线路的起点，以该起点对应终点为备选线路集的初始化线路的终点，构建N个备选线路集的初始化线路。
优选的，步骤S4中，每个备选线路集都只含有一条具有两个站点的初始化线路，以这条具有两个站点的初始化线路为基础，分别构造总站点个数为3,4,5……k的单条线路；寻找满足每条线路中站点的方向性要求，且线路站点的非直线比在一定范围内的单条线路，组成新的备选线路集；站点的方向性即保证线路中的站点与乘客需求数据库中的站点对的方向一致性，非直线比即任意两点站点的实际距离/两站点的空间距离。
进一步的，线路总站点个数为i+1的线路可以是在线路总站点个数为i的所有线路上增加1个站点，以线路总站点个数为i的线路中所有站点为起点，查询该起点在乘客需求数据库中具有乘客出行需求的对应终点，将该终点依次插入线路总站点个数为i的原查询线路；
或者线路总站点个数为i+1的线路可以是在线路总站点个数为i-1的所有线路上增加2个站点的基础上生成，基于站点GIS方法，通过站点数据库查询总站点个数为i-1的线路中所有的站点的周围站点，然后查找所有周围站点在乘客需求数据库中具有乘客出行需求的对应终点，即以所有周围站点为起点，找到对应终点，同时满足终点不在原来线路中，将所有满足条件的周围站点与其对应终点依次插入线路总站点个数为i-1的原查询线路，周围站点指的是该站点一定半径内的所有站点；
以其中两个站点构成的初始化线路为基础，即i＝2，构建满足条件的i+1＝3个站点的线路；
以其中两个站点构成的初始化线路为基础，即i＝2，构建满足条件的i+2＝4个站点的线路；同时以3个站点线路为基础，即i+1＝3，构建满足条件的i+1+1＝4个站点的线路；
以当前所有3个和4个站点的线路为基础，对每条线路按照上述步骤构造满足条件的i+2＝5和i+1+1＝5个站点的线路，依次直到找到站点个数为K的线路停止；
继续对剩余的N-1个初始化线路进行搜索，找到对应的备选初始线路，构成N个备选线路集。
优选的，步骤S5中以定制公交评价指标数学模型作为适应度函数，在备选线路集的基础上，采用遗传算法搜索满足定制公交评价指标数学模型的最终定制公交线网，步骤如下：
S5-1、初始化基本参数；
S5-2、编码：对备选线路集中的公交线路进行二进制编码，即通过值为i的二进制值表示每个备选线路集中的第i条线路，依次连接N个二进制编码构建染色体，染色体的长度由二进制的位数及N决定；
S5-3、初始群体的生成：通过随机产生染色体构建初始化种群；
S5-4、适应度评价：利用定制公交数学模型即乘客直达率来作为适应度函数计算，以适应度作为遗传算法搜索原则，用来保证搜索到的定制公交线网乘客直达率最大；
S5-5、选择：将选择算子作用于群体，基于轮盘法选择下一代种群，同时结合精选原则，将适应度最大的染色体直接作为下一代，针对剩余的染色体进行交叉变异操作；
S5-6、交叉：将交叉算子作用于群体，通过双点交叉的方式对随机产生的两条染色体进行交叉，如果交叉后的染色体适应度值比父代染色体中的染色体值都要大，则交叉后染色体保留，否则保留父代染色体；
S5-7、变异：将变异算子作用于群体，通过单点变异的方式对染色体的某个基因进行变异；
S5-8、群体经过选择、交叉、变异运算后得到下一代群体；
S5-9、终止条件判断，若当前循环次数小于迭代次数，则转到步骤S5-4；反之则以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止运算。
进一步的，步骤S5-2中设定公交线路最多的集合的二进制数的位数为所有集合的标准二进制位数。
进一步的，步骤S5-3中如果定制公交线网中的任意几条线路含有相同的站点对，则计算适应度函数时，对应的定制公交线路运送的总人数只计算一次该站点对运送的乘客需求人数，依次处理定制公交线网中的所有相同的站点对。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明通过结合公交站点GIS及乘客需求构建备选线路集，能够克服最短路径法构建备选线路集的不完善性。
2、本发明结合备选线路集和遗传算法，具有良好的全局搜索能力，可以快速地搜索到满足定制公交评价指标数学模型的定制公交线网。
3、本发明克服传统公交的不便利性，针对有特殊出行需求的乘客具有定时、定点、定票、一站直达的便利性。
附图说明
图1为本发明实施例的基本步骤流程图。
图2为本发明实施例遗传算法的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
一种基于智能搜索的定制公交线网优化方法，如图1，包括以下步骤：
S1、通过智能手机或者电脑获取乘客出行需求数据，并构建乘客需求数据库；
S2、构建满足定制公交的评价指标数学模型及约束条件；
S3、基于乘客出行站点人数进行站点降序排序，以乘客出行站点人数排列前N位的站点对为基础，构建定制公交的备选线路集的起点和N个备选线路集的初始化线路，站点对指的是乘客需求的起点和终点，N的值根据定制线路的最大条数来确定，可以参考公交车的车辆数；
S4、在N个备选线路集的初始化线路的基础上，结合公交站点GIS和站点乘客需求，构建备选线路集，备选线路集中单条线路站点数最多为K，K根据经验设定，通常情况下的定制公交站点个数不能太多，因此这个值可以根据运营者来确定；
S5、在备选线路集的基础上，以乘客直达率作为适应度函数，采用遗传算法搜索满足定制公交评价指标数学模型的定制公交线网，乘客直达率指的是定制公交线路运送的总人数/线路的总时间。
具体实现方式如下：
1、步骤S1通过网络终端获取乘客出行时间和地点，以乘客出行数据作为构建定制公交线网的数据，并构建乘客需求数据库。然后步骤S2以乘客直达率(即定制公交线路运送的总人数/线路的总时间)作为定制公交评价的最高指标来构建定制公交评价指标数学模型，该模型以定制公交线路运送的总人数和线路的总时间两种主要指标来确保公交运营企业和乘客的利益，此外，结合约束条件进一步优化定制公交评价指标数学模型，通过单条线路的实际距离和运送的总人数来保障公交运营的企业利益，通过单条线路总站点个数，单条线路实际距离与最短线路的比值及线路复线条数(单个站点的经过的线路的条数)来保证乘客的利益，其中定制公交要求一站直达(即换乘次数为0)其评价指标数学模型及约束条件如下：
数学模型：乘客直达率最大
Figure BDA0001156557410000081
Figure BDA0001156557410000082
Figure BDA0001156557410000083
其中：P表示直达率最大；Z表示线路的数量；n表示所有的站点；Hij代表两个站点间运输的乘客量；Xij代表匹配站点，如两个站点匹配则为1，反之为0；Yij代表两个站点间是否存在线路，如果这两个站点间有线路通过则为1，反之为0；Lij代表两个站点间的运行时间。
约束条件：
Figure BDA0001156557410000084
其中：L为单条线路的总长度；Lmin，Lmax代表单条线路的最小，最大长度，通常情况下Lmin＝5km,Lmax＝15km；Sf代表首末匹配站点对集合；S代表出行需求较高的匹配站点对集合；num(l)代表单条线路上站点个数；K为站点个数最大值；N为线路复线条数(即同一个站点经过线路的条数)；
Figure BDA0001156557410000085
为换乘次数。
2、基于乘客需求进行站点降序排序，针对站点乘客需求位于前位的站点对，构建备选线路集的所有起点及初始化线路。
本发明主要是以乘客需求人数排列前的站点对的起点作为备选线路集中线路的起点，同时以匹配终点为中途站点为原则来进行备选线路集的设计。
首先将排序中站点需求人数较多的起点为备选线路集中初始化线路的起点，匹配终点为备选线路集的初始化线路的终点，构建个备选线路集的初始化线路，即每个备选线路集都只含有一条具有两个站点的初始化线路。
3、以上述个备选线路集的初始化线路为基础，结合公交站点GIS及站点乘客需求，将每个备选线路集按照如下方法搜索所有满足条件的线路。主要原理是基于定制公交单条线路总的站点数最多为的这个限制条件，以单条线路站点个数为限制，结合公交站点GIS及站点乘客需求，线路总站点个数为的线路是在线路总站点个数为的所有线路上增加1个站点，或者是在线路总站点个数为的所有线路上增加2个站点的基础上生成，具体构建备选线路集搜索流程如下：
(1)以上述个备选线路集的初始化线路为基础，将每个备选线路集按照如下方法搜索所有满足条件的线路。以其中一个集合为例，每个备选线路集都只含有一条具有两个站点的初始化线路。以这条具有两个站点的初始化线路为基础，分别构造总站点个数为3,4,5……k的单条线路。所有满足线路中的站点的方向性和线路站点的非直线比在一定范围内的的单条线路，组成新的备选线路集；站点的方向性即保证线路中的站点与乘客需求数据库中的站点对的方向一致性，非直线比即任意两点站点的实际距离/两站点的空间距离。
线路总站点个数为i+1的线路可以是在线路总站点个数为i的所有线路上增加1个站点，以线路总站点个数为i的线路中所有站点为起点，查询该起点在乘客需求数据库中具有乘客出行需求的对应终点，将该终点依次插入线路总站点个数为i的原查询线路；
或者是在线路总站点个数为i-1的所有线路上增加2个站点的基础上生成，基于站点GIS方法，通过站点数据库查询总站点个数为i-1的线路中所有的站点的周围站点，周围站点指的是该站点一定半径内的所有站点，然后查找所有周围站点在乘客需求数据库中具有乘客出行需求的对应终点，即以所有周围站点为起点，找到对应终点，同时满足终点不在原来线路中，将所有满足条件的周围站点与其对应终点依次插入线路总站点个数为i-1的原查询线路；
定制公交单条线路总的站点数最多为K，依次直到找到站点个数为K的线路停止；
具体的：以其中两个站点构成的初始化线路为基础，即，线路总站点个数为3的线路是在原有2个站点的线路的基础上插入1个站点，由于本步骤只增加一个站点，如果采用基于站点GIS方法只能增加两个站点，因此，本步骤只采用站点乘客需求构建线路总站点个数为3的线路，具体查询该线路中所有站点在乘客需求数据库中具有乘客出行需求的其他站点，依次插入查询中的线路，组合成满足条件的3个站点的线路；
(1)以其中两个站点构成的初始化线路为基础，即i＝2，线路总站点个数为3的线路是在原有2个站点的线路的基础上插入1个站点；线路总站点个数为2的线路中，有站点M1、M2，在乘客需求数据库中查询以M1或者M2为起点的所有需求终点，将该终点插入原有M1、M2线路中，组合成满足条件的3个站点的线路；
(2)以其中两个站点构成的初始化线路为基础，即i＝2，基于站点GIS方法，通过站点数据库查询该两个站点的周围站点，以任意周围站点为起点通过乘客需求数据库搜索匹配终点，同时该终点不能是原有线路中的站点，依次插入所有符合该条件的周围站点及其匹配终点，构建满足条件的i+2＝4个站点的线路；同时以三个站点线路为基础，即i+1＝3，以线路总站点个数为3的线路中所有站点为起点，查询该起点在乘客需求数据库中具有乘客出行需求的对应终点，依次插入查询中的线路构建满足条件的i+1+1＝4个站点的线路；
(3)以当前所有3个和4个站点的线路为基础，对每条线路按照上述步骤(2)的方法插入满足条件的周围站点集，及基于站点乘客需求查找的站点，构造满足条件的i+2＝5和i+1+1＝5个站点的线路，依次直到找到站点个数为K的线路停止；
(4)返回步骤(1)对剩余的N-1个初始化线路进行搜索，找到对应的备选初始线路，构成N个备选线路集。
4、以定制公交评价指标数学模型作为适应度函数，在备选线路集的基础上，采用遗传算法搜索满足定制公交评价指标数学模型的最终定制公交线网，其中，任意备选线路集中的所有线路都是基于最初两个站点的初始化线路的基础上递归产生的，因此每个备选线路集都含有对应相同的两个站点，然而，定制公交为了增加站点的覆盖率(即线路站点个数/总的站点个数)，则限制同一个站点对只能允许一条线路通过，因此本发明采用二进制编码构建染色体，针对个备选线路集中的公交线路的个数分别进行二进制编码，值为的二进制代表线路中的第条线路，以此保证每个备选线路集最多只能选择其中的一条线路，增加站点的覆盖率。同时不同备选线路集合中，也会含有相同站点对的线路，以乘客直达率作为适应度函数，计算适应度函数时，对应的定制公交线路运送的总人数只计算一次该站点对运送的乘客需求人数，依次处理定制公交线网中的所有相同的站点对，增加站点的覆盖率，乘客直达率中的线路的总时间则为每条线路的时间总和，所采用遗传算法具体搜索流程如下：
(1)初始化迭代次数，种群数量，交叉概率，变异概率等基本参数；
(2)编码：对备选线路集中的公交线路进行二进制编码，即通过值为的二进制值表示每个备选线路集中的第条线路，其次连接个二进制编码构建染色体，染色体的长度由二进制的位数及决定。本发明为了保证每个备选线路集代表二进制的位数一致，设定公交线路最多的集合的二进制数的位数为所有集合的标准二进制位数，例如，个备选线路集中的最大集合线路个数为250，则采用8位为所有集合的标准二进制位数，即8位二进制代表一个备选线路集，也就是染色体中的一个备选线路集片段，值为的8位二进制值表示每个备选线路集中的第条线路，例如10010100，则148代表选中该备选线路集中的第148条线路作为定制公交线网中的一条线路，若该备选线路集的线路数量少于148，则代表该备选线路集没有线路被选中，计算适应值函数时，该备选线路集代表的定制公交线路运送的人数及线路时间都为0。本发明中的染色体是由以下二进制片段连接而成，例如：
10010100|00011000|01001001|10010100|00100010|11000011
代表6个备选线路集，其中每个备选线路集选中对应二级制值的线路，本发明中有N个备选线路集，则由N个二进制片段连接组合成染色体；
(3)初始群体的生成：通过随机产生染色体构建初始化种群；
(4)适应度评价：利用定制公交数学模型即乘客直达率作为适应度函数计算，以适应度作为遗传算法搜索原则，用来保证搜索到的定制公交线网乘客直达率最大，其中为了保证站点覆盖率，必须保证定制公交线网中的线路不含相同的站点对，如果定制公交线网中的任意几条线路含有相同的站点对，则计算适应度函数时，对应的定制公交线路运送的总人数只计算一次该站点对运送的乘客需求人数，依次处理定制公交线网中的所有相同的站点对；
(5)选择：将选择算子作用于群体，基于轮盘法选择下一代种群，同时结合精选原则，将适应度最大的染色体直接作为下一代，针对剩余的染色体进行交叉变异操作；
(6)交叉：将交叉算子作用于群体，通过双点交叉的方式对随机产生的两条染色体进行交叉，如果交叉后的染色体适应度值比父代染色体中的染色体值都要大，则交叉后染色体保留，否则保留父代染色体；
(7)变异：将变异算子作用于群体，通过单点变异的方式对染色体的某个基因进行变异；
(8)群体经过选择、交叉、变异运算后得到下一代群体；
(9)终止条件判断，若当前循环次数小于迭代次数，则转到步骤(4)；反之则以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止运算。
本发明基于乘客出行的需求和智能搜索技术，提出了一种基于智能搜索的定制公交线网优化方法，该方法通过优化乘客可直达率(即定制公交线路运送的总人数/线路的总时间)来构建定制公交线网，一方面通过定制公交线路的总时间及定制公交线路运送的总乘客人数等两种主要指标来满足公交运营企业及乘客的利益，另一方面，本发明结合公交站点GIS及站点乘客需求搜索定制公交备选线路集，更加全面的搜索满足定制公交的所有线路，并且基于该方法得到的备选线路集可以大大减少遗传算法搜索时间。该发明的实现不仅缓解了部分交通问题，同时也对乘客的出行提供了便利。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.一种基于智能搜索的定制公交线网优化方法，其特征在于，包括如下步骤：
S1、通过网络终端获取乘客出行需求数据，并构建乘客需求数据库；
S2、构建满足定制公交的评价指标数学模型及约束条件；
所述评价指标数学模型为：
Figure FDA0002282111860000011
Figure FDA0002282111860000012
Figure FDA0002282111860000013
其中：P表示直达率最大；Z表示线路的数量；n表示所有的站点；Hij代表两个站点间运输的乘客量；Xij代表匹配站点，如两个站点匹配则为1，反之为0；Yij代表两个站点间是否存在线路，如果这两个站点间有线路通过则为1，反之为0；Lij代表两个站点间的运行时间；
S3、基于乘客出行站点人数进行站点降序排序，以乘客出行站点人数排列前N位的站点对为基础，构建定制公交的备选线路集的起点和N个备选线路集的初始化线路，站点对指的是乘客需求的起点和终点；
S4、在N个备选线路集的初始化线路的基础上，结合公交站点GIS和站点乘客需求，构建备选线路集，备选线路集中单条线路站点数最多为K；
S5、在备选线路集的基础上，以乘客直达率作为适应度函数，采用遗传算法搜索满足定制公交评价指标数学模型的定制公交线网，乘客直达率指的是定制公交线路运送的总人数/线路的总时间。
2.根据权利要求1所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S1中通过网络终端获取乘客出行时间和地点，以乘客出行数据作为构建定制公交线网的数据，并构建乘客需求数据库。
3.根据权利要求1所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S2中以乘客直达率作为定制公交评价的最高指标来构建定制公交评价指标数学模型，评价指标数学模型的约束条件如下：
Figure FDA0002282111860000021
其中：L为单条线路的总长度；Lmin、Lmax代表单条线路的最小、最大长度；Sf代表首末匹配站点对集合；S代表出行需求高于预设值的匹配站点对集合；num(l)代表单条线路l上站点个数；K为线路中站点个数最大值；N为同一个站点经过线路的条数；
Figure FDA0002282111860000022
为换乘次数。
4.根据权利要求3所述的基于智能搜索的定制公交线网优化方法，其特征在于，所述Lmin可以取5km,所述Lmax可以取15km。
5.根据权利要求1所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S3中以乘客需求人数排列前N的站点对的起点作为备选线路集中线路的起点，以该起点对应终点为备选线路集的初始化线路的终点，构建N个备选线路集的初始化线路。
6.根据权利要求1所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S4中，每个备选线路集都只含有一条具有两个站点的初始化线路，以这条具有两个站点的初始化线路为基础，分别构造总站点个数为3,4,5……k的单条线路；寻找满足每条线路中站点的方向性要求，且线路站点的非直线比在一定范围内的单条线路，组成新的备选线路集；站点的方向性即保证线路中的站点与乘客需求数据库中的站点对的方向一致性，非直线比即任意两点站点的实际距离/两站点的空间距离。
7.根据权利要求6所述的基于智能搜索的定制公交线网优化方法，其特征在于，线路总站点个数为i+1的线路可以是在线路总站点个数为i的所有线路上增加1个站点，以线路总站点个数为i的线路中所有站点为起点，查询该起点在乘客需求数据库中具有乘客出行需求的对应终点，将该终点依次插入线路总站点个数为i的原查询线路；
或者线路总站点个数为i+1的线路可以是在线路总站点个数为i-1的所有线路上增加2个站点的基础上生成，基于站点GIS方法，通过站点数据库查询总站点个数为i-1的线路中所有的站点的周围站点，然后查找所有周围站点在乘客需求数据库中具有乘客出行需求的对应终点，即以所有周围站点为起点，找到对应终点，同时满足终点不在原来线路中，将所有满足条件的周围站点与其对应终点依次插入线路总站点个数为i-1的原查询线路，周围站点指的是该站点一定半径内的所有站点；
以其中两个站点构成的初始化线路为基础，即i＝2，构建满足条件的i+1＝3个站点的线路；
以其中两个站点构成的初始化线路为基础，即i＝2，构建满足条件的i+2＝4个站点的线路；同时以3个站点线路为基础，即i+1＝3，构建满足条件的i+1+1＝4个站点的线路；
以当前所有3个和4个站点的线路为基础，对每条线路按照上述步骤构造满足条件的i+2＝5和i+1+1＝5个站点的线路，依次直到找到站点个数为K的线路停止；
继续对剩余的N-1个初始化线路进行搜索，找到对应的备选初始线路，构成N个备选线路集。
8.根据权利要求1所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S5中以定制公交评价指标数学模型作为适应度函数，在备选线路集的基础上，采用遗传算法搜索满足定制公交评价指标数学模型的最终定制公交线网，步骤如下：
S5-1、初始化基本参数；
S5-2、编码：对备选线路集中的公交线路进行二进制编码，即通过值为i的二进制值表示每个备选线路集中的第i条线路，依次连接N个二进制编码构建染色体，染色体的长度由二进制的位数及N决定；
S5-3、初始群体的生成：通过随机产生染色体构建初始化种群；
S5-4、适应度评价：利用定制公交数学模型即乘客直达率来作为适应度函数计算，以适应度作为遗传算法搜索原则，用来保证搜索到的定制公交线网乘客直达率最大；
S5-5、选择：将选择算子作用于群体，基于轮盘法选择下一代种群，同时结合精选原则，将适应度最大的染色体直接作为下一代，针对剩余的染色体进行交叉变异操作；
S5-6、交叉：将交叉算子作用于群体，通过双点交叉的方式对随机产生的两条染色体进行交叉，如果交叉后的染色体适应度值比父代染色体中的染色体值都要大，则交叉后染色体保留，否则保留父代染色体；
S5-7、变异：将变异算子作用于群体，通过单点变异的方式对染色体的某个基因进行变异；
S5-8、群体经过选择、交叉、变异运算后得到下一代群体；
S5-9、终止条件判断，若当前循环次数小于迭代次数，则转到步骤S5-4；反之则以进化过程中所得到的具有最大适应度的个体作为最优解输出，终止运算。
9.根据权利要求8所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S5-2中设定公交线路最多的集合的二进制数的位数为所有集合的标准二进制位数。
10.根据权利要求8所述的基于智能搜索的定制公交线网优化方法，其特征在于，步骤S5-3中如果定制公交线网中的任意几条线路含有相同的站点对，则计算适应度函数时，对应的定制公交线路运送的总人数只计算一次该站点对运送的乘客需求人数，依次处理定制公交线网中的所有相同的站点对。
CN201611036579.2A 2016-11-18 2016-11-18 一种基于智能搜索的定制公交线网优化方法 Expired - Fee Related CN106779163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611036579.2A CN106779163B (zh) 2016-11-18 2016-11-18 一种基于智能搜索的定制公交线网优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611036579.2A CN106779163B (zh) 2016-11-18 2016-11-18 一种基于智能搜索的定制公交线网优化方法

Publications (2)

Publication Number Publication Date
CN106779163A CN106779163A (zh) 2017-05-31
CN106779163B true CN106779163B (zh) 2020-06-19

Family

ID=58971906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611036579.2A Expired - Fee Related CN106779163B (zh) 2016-11-18 2016-11-18 一种基于智能搜索的定制公交线网优化方法

Country Status (1)

Country Link
CN (1) CN106779163B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622654A (zh) * 2017-07-11 2018-01-23 深圳市前海绿色交通有限公司 基于云服务器的智能公交系统
CN108053062B (zh) * 2017-12-11 2022-04-29 北京航空航天大学 一种基于多源数据的定制公交线路生成方法
CN110675299A (zh) * 2018-07-03 2020-01-10 北京亿阳信通科技有限公司 一种线路规划方法和装置
CN109409611B (zh) * 2018-11-07 2021-06-04 合肥工业大学 一种公交车换乘优化方法
CN111397617B (zh) * 2019-01-03 2023-09-22 阿里巴巴集团控股有限公司 为特定车辆进行路径规划的方法及装置
CN111435570B (zh) * 2019-01-11 2021-12-28 阿里巴巴集团控股有限公司 一种公交线路匹配方法及装置
CN110377681B (zh) * 2019-07-11 2021-02-12 拉扎斯网络科技（上海）有限公司 一种数据查询的方法、装置、可读存储介质和电子设备
CN110555991B (zh) * 2019-08-30 2023-04-18 中电信用服务有限公司 一种线路质量优化的系统和方法
CN110598942B (zh) * 2019-09-18 2023-10-20 北京工业大学 一种考虑区域全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法
CN110648022B (zh) * 2019-09-18 2023-10-20 北京工业大学 一种考虑站点全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法
CN111105078B (zh) * 2019-11-29 2023-09-29 同济大学 一种定制公交网络优化方法
CN111063191B (zh) * 2019-12-12 2020-11-24 北京航空航天大学 用于公交线网设计的发车频率与线网结构联合优化方法
CN111489018A (zh) * 2020-03-30 2020-08-04 德鑫智慧科技(上海)有限公司 动态自适应智慧站点群布置方法及系统
CN111508220B (zh) * 2020-04-10 2022-07-29 重庆交通开投科技发展有限公司 基于公交人口分布精准进行末端接驳的方法
CN111832882B (zh) * 2020-04-30 2024-06-18 北京嘀嘀无限科技发展有限公司 一种交通运输的控制方法、装置、存储介质和电子设备
CN113378337A (zh) * 2021-06-03 2021-09-10 安徽富煌科技股份有限公司 一种基于客流分析的城市公交线网优化方法
CN114897445B (zh) * 2022-07-12 2022-11-25 深圳市城市交通规划设计研究中心股份有限公司 公交线网的停靠点调整优化方法、装置及可读存储介质
CN117391270B (zh) * 2023-10-12 2024-05-28 华中科技大学 一种基于brt专用道的公交线网规划方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106097226A (zh) * 2016-06-20 2016-11-09 华南理工大学 基于层次规划的城市常规公交线网设计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106097226A (zh) * 2016-06-20 2016-11-09 华南理工大学 基于层次规划的城市常规公交线网设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
公交线网优化设计理论与实现方法研究;刘好德;《中国博士学位论文全文数据库 工程科技II辑》;20080815(第8期);第100-104页 *
城市公交线网调整优化PSO算法;韩印等;《中国公路学报》;19990731;第12卷(第3期);第75-81页 *
基于公交需求变化的柔性公交线网设计;孙庆军;《中国优秀硕士学位论文全文数据库 工程科技 II辑》;20160215(第2期);第26-44页 *

Also Published As

Publication number Publication date
CN106779163A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106779163B (zh) 一种基于智能搜索的定制公交线网优化方法
CN105844362B (zh) 一种城市交通综合出行决策装置
CN108053062B (zh) 一种基于多源数据的定制公交线路生成方法
Chen et al. Solving the first‐mile ridesharing problem using autonomous vehicles
CN104881710B (zh) 一种基于车辆自组网的城市快递配送方法
CN103198104A (zh) 一种基于城市智能公交系统的公交站点od获取方法
CN109543882B (zh) 一种基于最优公交平均站间距的公交线网密度计算方法
CN101308555A (zh) 多模式公交出行路径寻优方法
CN112347596B (zh) 一种城市公交线网优化方法
CN112381472B (zh) 一种地铁接驳公交线路优化方法、装置及存储介质
CN109959388A (zh) 一种基于栅格扩展模型的智能交通精细化路径规划方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN113063431B (zh) 一种共享单车骑行路线的智能推荐方法
CN114117700A (zh) 基于复杂网络理论的城市公共交通网络优化研究方法
CN115062873A (zh) 交通出行方式预测方法和装置、存储介质及电子设备
CN107092986A (zh) 基于站点及共线运行的公交乘客出行路径选择方法
CN104991967A (zh) 一种搭乘出租车的推荐方法、系统及客户端
CN112784000A (zh) 基于出租车轨迹数据的寻客方法
CN115171382A (zh) 城市路网自动驾驶专用车道部署方法
CN108985616A (zh) 一种公交专用道布局评价方法
CN114358386A (zh) 一种基于预约出行需求的双出行模式合乘站点生成方法
CN110245774A (zh) 一种根据员工家庭住址进行班车线路优化的方法
CN110097757B (zh) 一种基于深度优先搜索的交叉口群关键路径识别方法
CN110674990B (zh) 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN107679653B (zh) 一种基于优势出行距离的od分配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20200619