CN107167156A - 一种面向一体化出行的多方式出行链优选方法及系统 - Google Patents

一种面向一体化出行的多方式出行链优选方法及系统 Download PDF

Info

Publication number
CN107167156A
CN107167156A CN201710477837.9A CN201710477837A CN107167156A CN 107167156 A CN107167156 A CN 107167156A CN 201710477837 A CN201710477837 A CN 201710477837A CN 107167156 A CN107167156 A CN 107167156A
Authority
CN
China
Prior art keywords
trip
route
shift
park
self
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.)
Granted
Application number
CN201710477837.9A
Other languages
English (en)
Other versions
CN107167156B (zh
Inventor
张可
李静
陈艳艳
赵净洁
赵箐
杨子帆
张建强
吴克寒
耿松麟
何卓
赖见辉
郭东琛
孙冬雪
李丹
冯昕
李国兴
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.)
BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER
Beijing University of Technology
Original Assignee
BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER
Beijing University of Technology
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 BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER, Beijing University of Technology filed Critical BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER
Priority to CN201710477837.9A priority Critical patent/CN107167156B/zh
Publication of CN107167156A publication Critical patent/CN107167156A/zh
Application granted granted Critical
Publication of CN107167156B publication Critical patent/CN107167156B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/3423Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport

Abstract

本发明公开了一种面向一体化出行的多方式出行链优选方法及系统。首先将涵盖多种出行方式及其组合的可选出行路径划分至不可再分单元;然后结合实时数据、短时预测和用户偏好等因素计算每个不可再分单元的效用系数,并面向便捷、可靠、经济、舒适等不同目标,计算每条可选出行路径的广义费用,形成满足用户需求的全出行链备选路径序列,并将推荐出行路径推送给用户。本发明提供的方法及系统,通过多种出行方式运行信息的整合,实现包含停车、自行车等综合出行方式的出行链级别的出行方案推荐;同时将出行方案与出行者个人出行意愿相结合,为出行者提供专属出行方案,通过出行路径个性化推送,提供差异化出行方式推荐,极大提升个性化出行服务水平。

Description

一种面向一体化出行的多方式出行链优选方法及系统
技术领域
本发明涉及出行方案推荐领域,特别是涉及一种面向一体化出行的多方式出行链优选方法及系统。
背景技术
在现有网络服务中,如高德、百度API能够提供任意起讫点间多条路径的出行方案。以百度地图为例,百度地图根据起讫点位置推送多种出行方案,该出行方案包括公交、自驾、步行等出行方式,包括最短时、最短路等出行路径。但是普遍使用的如百度地图推送的出行方案中,仅提供最短路、最短时间、最小花费等基本方案,与出行者个人属性关联性不大,而且还需要人为选择出行方式,如需人为选择自驾或者公交。另外,随着公共自行车的逐渐推广,公共自行车出行将会更多的填补公交末端出行的空缺,但是百度地图推荐的方式及路径选择方案中并没有出现公共自行车出行实现多条路径之间的比选和推荐。因此百度地图推送的出行方案并没有将公共自行车和出行者的个人属性以及出发时刻等环境属性考虑进去,最终推荐的出行方案单一,不够丰富。
发明内容
本发明的目的是提供一种面向一体化出行的多方式出行链优选方法及系统,该方法及系统很好的弥补现有技术的缺点,将出行方案与公共自行车和出行者的个人属性、出发时刻等环境属性相结合,推荐出多样、丰富的出行方案,为出行者提供更便捷的出行方案。
为实现上述目的,本发明提供了如下方案:
一种面向一体化出行的多方式出行链优选方法,所述方法包括:
确定备选出行路径;
将每条所述备选出行路径划分至不可再分单元;所述不可再分单元表示一条出行路径中不可再分的组成部分;
计算每个所述不可再分单元的效用系数;
根据所述效用系数,计算每条所述备选出行路径的广义费用;
根据所述广义费用,重新排列所述备选出行路径的顺序,确定目标出行路径;
推送所述目标出行路径。
可选的,所述备选出行路径包括综合公交出行路径、自驾终点停车换乘出行路径以及传统停车换乘出行路径;其中,所述综合公交出行路径包括步行路径、公交路径、地铁路径以及公共自行车路径;所述自驾终点停车换乘出行路径包括自驾至停车场的出行路径,停车场至目的地路径;所述传统停车换乘出行路径包括自驾路径、公交路径以及地铁路径。
可选的,所述计算每个所述不可再分单元的效用系数,具体包括:
建立样本集合;所述样本集合为在确定m个起讫点后,n个出行者选择t条路径的集合;
根据所述样本集合,计算每个所述不可再分单元的效用系数;其中,所述不可再分单元具体表示为若一条出行路径包含步行、公交以及地铁三个步骤,则每个步骤表示一个不可再分单元。
可选的,所述根据所述效用系数,计算每条所述备选出行路径的广义费用,具体包括:
根据所述综合公交出行路径、所述自驾终点停车换乘出行路径以及所述传统停车换乘出行路径,分别建立综合公交出行评定模型、自驾终点停车换乘出行评定模型以及传统停车换乘出行评定模型;
根据所述效用系数和所述综合公交出行评定模型,计算综合公交出行广义费用;其中,计算所述综合公交出行广义费用的表达式为E1=∑c1·p1·F1(1);式(1)中c1为每个因子对应的效用系数,p1为对应每个所述因子的某一种偏好修正系数,F1为各所述因子;所述因子包括:出行总时间、总花费、步行总距离、骑行总距离、公交/公交至地铁换乘次数、地铁换乘次数、自行车存取次数、公交到站时间以及机动化过程平均满载率;
根据所述效用系数和所述自驾终点停车换乘出行评定模型,计算自驾终点停车换乘出行广义费用;其中,计算所述自驾终点停车换乘出行广义费用的表达式为式(2)中为绕行因子R2对应的效用系数,c2为其他因子对应的效用系数,F2为其他所述因子;其他所述因子包括:自驾总时间、总花费、步行总距离以及停车换乘额外阻抗;
根据所述效用系数和所述传统停车换乘出行评定模型,计算传统停车换乘出行广义费用;其中,计算所述传统停车换乘出行广义费用的表达式为式(3)中为绕行因子R3对应的效用系数,c3为其他因子对应的效用系数,F3为其他所述因子;其他所述因子包括:自驾总时间、公交/地铁总时间、总花费、公交换乘次数以及停车换乘额外阻抗;所述公交换乘次数包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数。
可选的,所述确定目标出行路径,具体包括:
根据每条所述备选出行路径的广义费用,按照广义费用从小到大重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
本发明还提供了一种面向一体化出行的多方式出行链优选系统,所述系统包括:
备选出行路径确定模块,用于确定备选出行路径;
不可再分单元划分模块,用于将每条所述备选出行路径划分至不可再分单元;所述不可再分单元表示一条出行路径中不可再分的组成部分;
效用系数计算模块,用于计算每个所述不可再分单元的效用系数;
广义费用计算模块,用于根据所述效用系数,计算每条所述备选出行路径的广义费用;
目标出行路径确定模块,用于根据所述广义费用,重新排列所述备选出行路径的顺序,确定目标出行路径;
推送模块,用于推送所述目标出行路径。
可选的,所述效用系数计算模块,具体包括:
样本集合建立单元,用于建立样本集合;所述样本集合为在确定m个起讫点后,n个出行者选择t条路径的集合;
效用系数计算单元,用于根据所述样本集合,计算每个所述不可再分单元的效用系数;其中,所述不可再分单元具体表示为若一条出行路径包含步行、公交以及地铁三个步骤,则每个步骤表示一个不可再分单元。
可选的,所述广义费用计算模块,具体包括:
综合公交出行评定模型建立单元,用于根据所述综合公交出行路径,建立综合公交出行评定模型;其中,所述综合公交出行路径包括步行路径、公交路径、地铁路径以及公共自行车路径;
自驾终点停车换乘出行评定模型建立单元,用于根据所述自驾终点停车换乘出行路径,建立自驾终点停车换乘出行评定模型;其中,所述自驾终点停车换乘出行路径包括自驾至停车场的出行路径,停车场至目的地路径;
传统停车换乘出行评定模型建立单元,用于根据所述传统停车换乘出行路径,建立传统停车换乘出行评定模型;其中,所述传统停车换乘出行路径包括自驾路径、公交路径以及地铁路径;
综合公交出行广义费用计算单元,用于根据所述效用系数和所述综合公交出行评定模型,计算综合公交出行广义费用;其中,计算所述综合公交出行广义费用的表达式为E1=∑c1·p1·F1(1);式(1)中c1为每个因子对应的效用系数,p1为对应每个所述因子的某一种偏好修正系数,F1为各所述因子;所述因子包括:出行总时间、总花费、步行总距离、骑行总距离、公交/公交至地铁换乘次数、地铁换乘次数、自行车存取次数、公交到站时间以及机动化过程平均满载率;
自驾终点停车换乘出行广义费用计算单元,用于根据所述效用系数和所述自驾终点停车换乘出行评定模型,计算自驾终点停车换乘出行广义费用;其中,计算所述自驾终点停车换乘出行广义费用的表达式为式(2)中为绕行因子R2对应的效用系数,c2为其他因子对应的效用系数,F2为其他所述因子;其他所述因子包括:自驾总时间、总花费、步行总距离以及停车换乘额外阻抗;
传统停车换乘出行广义费用计算单元,用于根据所述效用系数和所述传统停车换乘出行评定模型,计算传统停车换乘出行广义费用;其中,计算所述传统停车换乘出行广义费用的表达式为式(3)中为绕行因子R3对应的效用系数,c3为其他因子对应的效用系数,F3为其他所述因子;其他所述因子包括:自驾总时间、公交/地铁总时间、总花费、公交换乘次数以及停车换乘额外阻抗;所述公交换乘次数包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数。
可选的,所述目标出行路径确定模块,具体包括:
目标出行路径确定单元,用于根据每条所述备选出行路径的广义费用,按照广义费用从小到大重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
根据本发明提供的具体实施例,本发明公开了以下技术效果:首先确定备选出行路径,并将每条备选出行路径划分至不可再分单元;然后计算每个不可再分单元的效用系数,并根据此效用系数,计算每条备选出行路径的广义费用;根据此广义费用,重新排列备选出行路径的顺序,确定目标出行路径,并把该目标出行路径推送给用户。因此,采用本发明提供的方法或者系统,不仅实现将出行方案与公共自行车和出行者的个人属性、出发时刻等环境属性相结合,获取个性化的出行方案,为出行者提供专属的出行方案,且由于不同出行路径的个性化推送,提供差异化出行方式及路径推荐,丰富了出行方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例面向一体化出行的多方式出行链优选方法的流程示意图;
图2为本发明实施例综合公交出行方案的效用系数标定结果示意图;
图3为本发明实施例自驾终点停车换乘出行方案的效用系数标定结果示意图;
图4为本发明实施例传统停车换乘出行方案的效用系数标定结果示意图;
图5为本发明实施例自行车路径搜索流程示意图;
图6为本发明实施例传统停车换乘路径搜索流程示意图;
图7为本发明实施例自驾-终点停车换乘路径搜索流程示意图;
图8为本发明实施例一体化出行方案总体路径搜索流程图;
图9为出行者选择出行方案前考虑的因素汇总图;
图10为本发明实施例出行方案筛选过程示意图;
图11为本发明实施例面向一体化出行的多方式出行链优选系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种面向一体化出行的多方式出行链优选方法及系统,该方法及系统很好的弥补现有技术的缺点,将出行方案与公共自行车和出行者的个人属性、出发时刻等环境属性相结合,推荐出多样、丰富的出行方案,为出行者提供更便捷的出行方案。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明借鉴网络服务推荐的路径,利用自有的模型重新计算各条方案中各不可再分单元的阻抗(广义时间价值)和衍生阻抗(如公交换地铁的这一换乘行为也存在阻抗,这种阻抗就是一种衍生阻抗),之后对各个方案的总阻抗求和,重新对阻抗排序,挑选较小阻抗的方案推荐给用户即完成路径与方式的优选。
其中,一体化出行:指多种交通方式如公交、地铁、自行车的混合出行,且注重衔接的连贯性与便利性。
出行方案:包括出行方式和出行路径两个要素,出行方式与出行路径结合起来是一条出行方案。
广义时间价值:将经济成本、舒适度等具有阻抗性质的概念抽象为时间阻抗便于统一量纲一并进行阻抗计算,即为广义时间价值。
图1为本发明实施例一种面向一体化出行的多方式出行链优选方法的流程示意图,如图1所示,本发明提供的优选方法具体包括以下步骤:
步骤101:确定备选出行路径;备选出行路径包括综合公交出行路径、自驾终点停车换乘出行路径以及传统停车换乘出行路径;其中,所述综合公交出行路径包括步行路径、公交路径、地铁路径以及公共自行车路径;所述自驾终点停车换乘出行路径包括自驾至停车场的出行路径,停车场至目的地路径;所述传统停车换乘出行路径包括自驾路径、公交路径以及地铁路径。
步骤102:将每条备选出行路径划分至不可再分单元;所述不可再分单元表示一条出行路径中不可再分的组成部分;所述不可再分单元具体表示为若一条出行路径包含步行、公交以及地铁三个步骤,则每个步骤表示一个不可再分单元。
步骤103:计算每个不可再分单元的效用系数。
步骤103具体包括:建立样本集合;所述样本集合为在确定m个起讫点后,n个出行者选择t条路径的集合,具体为:
由于方式路径规划模型是一体化出行方案的核心,该方式路径规划模型结合实时数据、短时预测和用户偏好进行广义公交(含地面公交、地铁、公共自行车、步行)、广义自驾(含提供停车信息的自驾规划、停车换乘(停车乘坐地铁/公交出行方式))两大方式的方式推荐,同时也将给出若干的路径规划方案。
广义费用对路径搜索结果起到了至关重要的作用。广义费用是一种抽象的归一化的阻抗,既可以表征时间、距离、费用,也可以是多种因素的综合表征,同时也可以用来表征其他因素出行者通过某条道路时所受到的阻力。
另一方面,广义费用的确定方法的异同可以体现不同偏好人群进行路径选择的特点。例如对于公交候车弧而言,偏好效率的人可能只关注候车弧时间的长短,对候车弧的个数,也即换乘次数,关注度较低,因为其目的是保证全程的出行时间尽量短。因而,在定义广义费用时,关注效率的出行者通常更重视时间,而换乘次数对其影响较弱。
这种个人偏好在路径选择上表现出的差异性可以借鉴交通方式选择中常用Logit模型实现,个人的偏好可以利用对效用函数差异化的标定予以体现。
Logit模型(Logitmodel,也译作“评定模型”,“分类评定模型”,又作Logisticregression,“逻辑回归”,以下称作评定模型)是离散选择法模型之一,评定模型是最早的离散选择模型,也是目前应用最广的模型。
评定模型的理论基础是随机效用理论,即其遵循最大化原则。假设所有的交通方式集合为A,对不同的交通方式,每一种交通方式都有一定的效用,出行者只会选择对其效用最大的交通方式。记N个出行者中,第n个出行者面对J个可选择的交通方式时,第j个交通方式对其的效用为Unj,出行者选择第i个交通方式的条件为Uni>Unj,i≠j,其中,j为不包括i交通方式在内的其他交通方式。效用中包括可测度的系统本身的部分Vnj,以及观测和个人偏好带来的误差项εnj,则效用函数为:Unj=Vnjnj;由上式可以得到第n个出行者选择第i种交通方式的概率为然后利用最大似然估计方法,设ynj为出行者n的选择结果,如果出行者n选择交通方式j,则ynj=1,否则ynj=0,则可得到自然对数似然值的计算公式为:利用L最大化可以求解aj和bk的值,可以利用计算机软件对模型进行求解。
在本发明中,对评定模型的应用方法进行调整,得到改进的评定模型。改进的评定模型表示为:假设所有的备选路径集合为A,对不同的备选路径,每一种备选路径都有一定的效用,某类偏好出行者只会选择对其效用最大的备选路径。记N个有偏好的出行者中,第n个出行者面对J个备选路径时,第j个备选路径对其的效用为Unj,出行者选择第i个备选路径的条件为Uni>Unj,i≠j,其中,j为不包括i交通方式在内的其他备选路径。
这样在进行改进的评定模型标定的时候,需建立这样的样本集合:在M个起讫点中,对第m个起讫点中进行mN个出行者的意愿调查,mN个出行者可根据其出行偏好分为T种,意愿调查将为每个出行者(mT,n)提供Jm个备选广义公交路径,收集该mT,n出行者最终选择的其认为最优的第jm,T,n路径的选择结果。
根据所述样本集合,计算每个所述不可再分单元的效用系数,具体为:将所有T类偏好者的选择结果集中起来,用于效用函数计算每个所述不可再分单元的效用系数。其中,根据基本路网的构建方法,本发明在计算广义费用的效用函数中设置如下的变量:全程总时间(含自行车)、全程总花费、全程步行距离、全程骑行距离、公交换乘次数、地铁换乘次数、自行车存取次数、公交到站时间、机动化过程平均满载率共9项。
步骤104:根据效用系数,计算每条备选出行路径的广义费用。
其中,步骤104具体包括:根据所述综合公交出行路径、所述自驾终点停车换乘出行路径以及所述传统停车换乘出行路径,分别建立综合公交出行评定模型、自驾终点停车换乘出行评定模型以及传统停车换乘出行评定模型。评定模型表示一种用于行为、选择预测的概率模型。
根据所述效用系数和所述综合公交出行评定模型,计算综合公交出行广义费用。其中,计算所述综合公交出行广义费用的表达式为E1=∑c1·p1·F1(1)。式(1)中c1为每个因子对应的效用系数,p1为对应每个所述因子的某一种偏好修正系数,F1为各所述因子;所述因子包括:出行总时间、总花费、步行总距离、骑行总距离、公交/公交至地铁换乘次数、地铁换乘次数、自行车存取次数、公交到站时间以及机动化过程平均满载率。
图2为本发明实施例综合公交出行方案的效用系数标定结果示意图。根据如图2所提供的数据,则综合公交出行广义费用的计算公式为
其中式(4)中t为出行总时间(min);C为总花费(元);Dw为步行总距离(m);Di为骑行总距离(m);Nu为公交/公交至地铁换乘次数;Ne为地铁换乘次数;Ni为自行车存取次数;Wu为公交到站时间(min);Qu为机动化过程平均满载率(%)。机动化过程平均满载率是根据历史推算动态数据,以各段长度为权重,可根据实际情况选择是否纳入该指标。
根据所述效用系数和所述自驾终点停车换乘出行评定模型,计算自驾终点停车换乘出行广义费用。其中,计算所述自驾终点停车换乘出行广义费用的表达式为式(2)中为绕行因子R2对应的效用系数,c2为其他因子对应的效用系数,F2为其他所述因子。其他所述因子包括:自驾总时间、总花费、步行总距离以及停车换乘额外阻抗。
图3为本发明实施例自驾终点停车换乘出行方案的效用系数标定结果示意图。根据如图3所提供的数据,自驾终点停车换乘出行广义费用的计算公式为
式(5)中tc为自驾总时间(min);C为总花费(元);Dw为步行总距离(m);e为停车换乘额外阻抗(min);R为绕行系数DAPI表示百度或者高德等推荐路径的总出行距离。
根据所述效用系数和所述传统停车换乘出行评定模型,计算传统停车换乘出行广义费用。其中,计算所述传统停车换乘出行广义费用的表达式为式(3)中为绕行因子R3对应的效用系数,c3为其他因子对应的效用系数,F3为其他所述因子。其他所述因子包括:自驾总时间、公交/地铁总时间、总花费、公交换乘次数以及停车换乘额外阻抗;所述公交换乘次数包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数。
图4为本发明实施例传统停车换乘出行方案的效用系数标定结果示意图;根据如图4所提供的数据,则传统停车换乘出行广义费用的计算公式为
式(6)中tc为自驾总时间(min);tu为公交/地铁总时间(min);C为总花费(元);Nu为公交换乘次数,包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数;e为停车换乘额外阻抗(min);R为绕行系数。
步骤105:根据广义费用,重新排列备选出行路径的顺序,确定目标出行路径。
步骤105具体包括:根据每条所述备选出行路径的广义费用,按照广义费用从小到大重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
或者根据每条所述备选出行路径的广义费用,确定出行者选择综合公交出行概率出行者选择自驾终点停车换乘出行概率以及出行者选择传统停车换乘出行概率
根据公式(7)、公式(8)以及公式(9),计算出行者选择综合公交出行概率、自驾终点停车换乘出行概率以及传统停车换乘出行概率。
依次比较综合公交出行概率、自驾终点停车换乘出行概率以及传统停车换乘出行概率,并按照概率从大到小,重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
步骤106:推送目标出行路径。
另外,本发明在进行备选路径搜索过程中,路径搜索服务(如百度,高德等)仅能提供步行、自驾、公交(广义公交)三种路径的搜索,未能满足对于自行车、传统停车换乘路径搜索、终点停车换乘路径的搜索。因此自行车路径搜索流程、传统停车换乘路径搜索流程、终点停车换乘路径搜索流程三个单独计算路径搜索模块需要自行搭建。
图5为本发明实施例自行车路径搜索流程示意图,如图5所示,自行车路径搜索流程输入为起止点坐标,判断依据包括起止点自行车有无停车点,骑行总长与步行总长的对比等。
图6为本发明实施例传统停车换乘路径搜索流程示意图,如图6所示,传统停车换乘路径搜索流程输入为起止点坐标,判断依据包括绕行系数,公交路径中地铁占比等。
图7为本发明实施例自驾-终点停车换乘路径搜索流程示意图,如图7所示,自驾-终点停车换乘路径搜索流程输入为起止点坐标,判断依据包括起止点附近步行1km内有无停车场,自驾距离和步行距离之比,绕行系数等。其中图7中的P+R表示停车换乘。
图8为本发明实施例一体化出行方案总体路径搜索流程图,如图8所示,将出行规划分成用于公交路径(含自行车)搜索、用于传统停车换乘路径搜索、用于自驾终点停车换乘和Taxi路径搜索四种情况,分别调用不同的选择模型以及判断条件最终输出最优的路径推荐结果。
图9为出行者选择出行方案前考虑的因素汇总图。根据出行偏好调整广义费用系数后进行各条路径的广义费用计算,然后进行排序。乘客在选择出行方案时方式时考虑如图9所示的因素,将这些主观感受都用全过程出行总阻抗进行表征计算后,可以对各个方案进行筛选对比。
图10为本发明实施例出行方案筛选过程示意图,如图10所示,推送了三套自驾车方案,三套公交出行方案,对六个方案分别计算广义费用,然后根据广义费用对六个方案排序,给出路径搜索最终结果为公交方案2。
因此,通过本发明提供的实施例可知,本发明公开的技术方案具有以下优点:1、根据出行者(使用者)的个人属性,如年龄、性别、收入、所在位置、目前所处时段等进行出行方式和路径的推荐,综合比较各类交通方式、各条出行路径,从而免去方式选择环节,提高易用性和方案预测的准确性。2、提供了公共自行车最优路径的推荐方案,将使用者的个人属性、出发时刻、等车时间、换乘时间等环境属性纳入客流路径选择模型中,并进行人群画像,最终为各类人群定制化个性化提供出行路径选择方案。3、一般公共交通推荐方案未能为自行车提供路径推荐方案,本发明则为自行车出行提供了完整的路径推荐和必选方案。4、一般推荐的出行路径需要基于乘客优先选择出行方式,本文的方法省去了此过程,将不同出行方式,出行路径结合起来综合比较,并按照个人偏好推荐最优出行方式和出行路径的综合推荐。
为达到上述目的,本发明还提供了一种面向一体化出行的多方式出行链优选系统,图11为本发明实施例一种面向一体化出行的多方式出行链优选系统的结构示意图,如图11所示,所述系统包括:
备选出行路径确定模块1101,用于确定备选出行路径;
不可再分单元划分模块1102,用于将每条所述备选出行路径划分至不可再分单元;所述不可再分单元表示一条出行路径中不可再分的组成部分;
效用系数计算模块1103,用于计算每个所述不可再分单元的效用系数;
广义费用计算模块1104,用于根据所述效用系数,计算每条所述备选出行路径的广义费用;
目标出行路径确定模块1105,用于根据所述广义费用,重新排列所述备选出行路径的顺序,确定目标出行路径;
推送模块1106,用于推送所述目标出行路径。
其中,效用系数计算模块1103,具体包括:
样本集合建立单元,用于建立样本集合;所述样本集合为在确定m个起讫点后,n个出行者选择t条路径的集合;
效用系数计算单元,用于根据所述样本集合,计算每个所述不可再分单元的效用系数;其中,所述不可再分单元具体表示为若一条出行路径包含步行、公交以及地铁三个步骤,则每个步骤表示是一个不可再分单元。
所述广义费用计算模块1104,具体包括:
综合公交出行评定模型建立单元,用于根据所述综合公交出行路径,建立综合公交出行评定模型;其中,所述综合公交出行路径包括步行路径、公交路径、地铁路径以及公共自行车路径;
自驾终点停车换乘出行评定模型建立单元,用于根据所述自驾终点停车换乘出行路径,建立自驾终点停车换乘出行评定模型;其中,自驾终点停车换乘出行路径包括自驾至停车场的出行路径,停车场至目的地路径;
传统停车换乘出行评定模型建立单元,用于根据所述传统停车换乘出行路径,建立传统停车换乘出行评定模型;其中,传统停车换乘出行路径包括自驾路径、公交路径以及地铁路径;
综合公交出行广义费用计算单元,用于根据所述效用系数和所述综合公交出行评定模型,计算综合公交出行广义费用;其中,计算所述综合公交出行广义费用的表达式为E1=∑c1·p1·F1(1);式(1)中c1为每个因子对应的效用系数,p1为对应每个所述因子的某一种偏好修正系数,F1为各所述因子;所述因子包括:出行总时间、总花费、步行总距离、骑行总距离、公交/公交至地铁换乘次数、地铁换乘次数、自行车存取次数、公交到站时间以及机动化过程平均满载率;
自驾终点停车换乘出行广义费用计算单元,用于根据所述效用系数和所述自驾终点停车换乘出行评定模型,计算自驾终点停车换乘出行广义费用;其中,计算所述自驾终点停车换乘出行广义费用的表达式为式(2)中为绕行因子R2对应的效用系数,c2为其他因子对应的效用系数,F2为其他所述因子;其他所述因子包括:自驾总时间、总花费、步行总距离以及停车换乘额外阻抗;
传统停车换乘出行广义费用计算单元,用于根据所述效用系数和所述传统停车换乘出行评定模型,计算传统停车换乘出行广义费用;其中,计算所述传统停车换乘出行广义费用的表达式为式(3)中为绕行因子R3对应的效用系数,c3为其他因子对应的效用系数,F3为其他所述因子;其他所述因子包括:自驾总时间、公交/地铁总时间、总花费、公交换乘次数以及停车换乘额外阻抗;所述公交换乘次数包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数。
所述目标出行路径确定模块1105,具体包括:
目标出行路径确定单元,用于根据每条所述备选出行路径的广义费用,按照广义费用从小到大重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
通过本发明提供的具体实施例,不仅实现将出行方案与公共自行车和出行者的个人属性、出发时刻等环境属性相结合,获取个性化的出行方案,为出行者提供专属的出行方案,且由于不同出行路径的个性化推送,提供差异化出行方式及路径推荐,丰富了出行方案。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种面向一体化出行的多方式出行链优选方法,其特征在于,所述多方式出行链优选方法包括:
确定备选出行路径;
将每条所述备选出行路径划分至不可再分单元;所述不可再分单元表示一条出行路径中不可再分的组成部分;
计算每个所述不可再分单元的效用系数;
根据所述效用系数,计算每条所述备选出行路径的广义费用;
根据所述广义费用,重新排列所述备选出行路径的顺序,确定目标出行路径;
推送所述目标出行路径。
2.根据权利要求1所述的多方式出行链优选方法,其特征在于,所述备选出行路径包括综合公交出行路径、自驾终点停车换乘出行路径以及传统停车换乘出行路径;其中,所述综合公交出行路径包括步行路径、公交路径、地铁路径以及公共自行车路径;所述自驾终点停车换乘出行路径包括自驾至停车场的出行路径,停车场至目的地路径;所述传统停车换乘出行路径包括自驾路径、公交路径以及地铁路径。
3.根据权利要求2所述的多方式出行链优选方法,其特征在于,所述计算每个所述不可再分单元的效用系数,具体包括:
建立样本集合;所述样本集合为在确定m个起讫点后,n个出行者选择t条路径的集合;
根据所述样本集合,计算每个所述不可再分单元的效用系数;其中,所述不可再分单元具体表示为若一条出行路径包含步行、公交以及地铁三个步骤,则每个步骤表示一个不可再分单元。
4.根据权利要求2所述的多方式出行链优选方法,其特征在于,所述根据所述效用系数,计算每条所述备选出行路径的广义费用,具体包括:
根据所述综合公交出行路径、所述自驾终点停车换乘出行路径以及所述传统停车换乘出行路径,分别建立综合公交出行评定模型、自驾终点停车换乘出行评定模型以及传统停车换乘出行评定模型;
根据所述效用系数和所述综合公交出行评定模型,计算综合公交出行广义费用;其中,计算所述综合公交出行广义费用的表达式为E1=∑c1·p1·F1(1);式(1)中c1为每个因子对应的效用系数,p1为对应每个所述因子的某一种偏好修正系数,F1为各所述因子;所述因子包括:出行总时间、总花费、步行总距离、骑行总距离、公交/公交至地铁换乘次数、地铁换乘次数、自行车存取次数、公交到站时间以及机动化过程平均满载率;
根据所述效用系数和所述自驾终点停车换乘出行评定模型,计算自驾终点停车换乘出行广义费用;其中,计算所述自驾终点停车换乘出行广义费用的表达式为式(2)中为绕行因子R2对应的效用系数,c2为其他因子对应的效用系数,F2为其他所述因子;其他所述因子包括:自驾总时间、总花费、步行总距离以及停车换乘额外阻抗;
根据所述效用系数和所述传统停车换乘出行评定模型,计算传统停车换乘出行广义费用;其中,计算所述传统停车换乘出行广义费用的表达式为式(3)中为绕行因子R3对应的效用系数,c3为其他因子对应的效用系数,F3为其他所述因子;其他所述因子包括:自驾总时间、公交/地铁总时间、总花费、公交换乘次数以及停车换乘额外阻抗;所述公交换乘次数包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数。
5.根据权利要求4所述的多方式出行链优选方法,其特征在于,所述确定目标出行路径,具体包括:
根据每条所述备选出行路径的广义费用,按照广义费用从小到大重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
6.一种面向一体化出行的多方式出行链优选系统,其特征在于,所述多方式出行链优选系统包括:
备选出行路径确定模块,用于确定备选出行路径;
不可再分单元划分模块,用于将每条所述备选出行路径划分至不可再分单元;所述不可再分单元表示一条出行路径中不可再分的组成部分;
效用系数计算模块,用于计算每个所述不可再分单元的效用系数;
广义费用计算模块,用于根据所述效用系数,计算每条所述备选出行路径的广义费用;
目标出行路径确定模块,用于根据所述广义费用,重新排列所述备选出行路径的顺序,确定目标出行路径;
推送模块,用于推送所述目标出行路径。
7.根据权利要求6所述的多方式出行链优选系统,其特征在于,所述效用系数计算模块,具体包括:
样本集合建立单元,用于建立样本集合;所述样本集合为在确定m个起讫点后,n个出行者选择t条路径的集合;
效用系数计算单元,用于根据所述样本集合,计算每个所述不可再分单元的效用系数;其中,所述不可再分单元具体表示为若一条出行路径包含步行、公交以及地铁三个步骤,则每个步骤表示一个不可再分单元。
8.根据权利要求7所述的多方式出行链优选系统,其特征在于,所述广义费用计算模块,具体包括:
综合公交出行评定模型建立单元,用于根据所述综合公交出行路径,建立综合公交出行评定模型;其中,所述综合公交出行路径包括步行路径、公交路径、地铁路径以及公共自行车路径;
自驾终点停车换乘出行评定模型建立单元,用于根据所述自驾终点停车换乘出行路径,建立自驾终点停车换乘出行评定模型;其中,所述自驾终点停车换乘出行路径包括自驾至停车场的出行路径,停车场至目的地路径;
传统停车换乘出行评定模型建立单元,用于根据所述传统停车换乘出行路径,建立传统停车换乘出行评定模型;其中,所述传统停车换乘出行路径包括自驾路径、公交路径以及地铁路径;
综合公交出行广义费用计算单元,用于根据所述效用系数和所述综合公交出行评定模型,计算综合公交出行广义费用;其中,计算所述综合公交出行广义费用的表达式为E1=∑c1·p1·F1(1);式(1)中c1为每个因子对应的效用系数,p1为对应每个所述因子的某一种偏好修正系数,F1为各所述因子;所述因子包括:出行总时间、总花费、步行总距离、骑行总距离、公交/公交至地铁换乘次数、地铁换乘次数、自行车存取次数、公交到站时间以及机动化过程平均满载率;
自驾终点停车换乘出行广义费用计算单元,用于根据所述效用系数和所述自驾终点停车换乘出行评定模型,计算自驾终点停车换乘出行广义费用;其中,计算所述自驾终点停车换乘出行广义费用的表达式为式(2)中为绕行因子R2对应的效用系数,c2为其他因子对应的效用系数,F2为其他所述因子;其他所述因子包括:自驾总时间、总花费、步行总距离以及停车换乘额外阻抗;
传统停车换乘出行广义费用计算单元,用于根据所述效用系数和所述传统停车换乘出行评定模型,计算传统停车换乘出行广义费用;其中,计算所述传统停车换乘出行广义费用的表达式为式(3)中为绕行因子R3对应的效用系数,c3为其他因子对应的效用系数,F3为其他所述因子;其他所述因子包括:自驾总时间、公交/地铁总时间、总花费、公交换乘次数以及停车换乘额外阻抗;所述公交换乘次数包括公交换乘次数、地铁内部换乘次数和公交/地铁混合换乘次数。
9.根据权利要求8所述的多方式出行链优选系统,其特征在于,所述目标出行路径确定模块,具体包括:
目标出行路径确定单元,用于根据每条所述备选出行路径的广义费用,按照广义费用从小到大重新排列所述备选出行路径的顺序,确定排列在前的W个出行路径为目标出行路径。
CN201710477837.9A 2017-06-22 2017-06-22 一种面向一体化出行的多方式出行链优选方法及系统 Active CN107167156B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710477837.9A CN107167156B (zh) 2017-06-22 2017-06-22 一种面向一体化出行的多方式出行链优选方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710477837.9A CN107167156B (zh) 2017-06-22 2017-06-22 一种面向一体化出行的多方式出行链优选方法及系统

Publications (2)

Publication Number Publication Date
CN107167156A true CN107167156A (zh) 2017-09-15
CN107167156B CN107167156B (zh) 2019-08-27

Family

ID=59819958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710477837.9A Active CN107167156B (zh) 2017-06-22 2017-06-22 一种面向一体化出行的多方式出行链优选方法及系统

Country Status (1)

Country Link
CN (1) CN107167156B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961582A (zh) * 2018-06-14 2018-12-07 珠海天人科技有限公司 一种绿色旅游远程骑行运营系统及其运营方法
CN109612488A (zh) * 2018-12-26 2019-04-12 东北大学 基于大数据微服务的混合出行方式路径规划系统及方法
CN109883437A (zh) * 2019-03-04 2019-06-14 长沙理工大学 一种出行路线推荐方法、装置及其系统
CN111089600A (zh) * 2018-10-24 2020-05-01 上海博泰悦臻网络技术服务有限公司 路线规划方法、移动终端、服务器及路线规划系统
CN111508228A (zh) * 2020-04-01 2020-08-07 佛山市城市规划设计研究院 利用手机gps及电子地图数据的公共交通出行链的获取方法
CN112380398A (zh) * 2020-11-12 2021-02-19 北京交通大学 一种空港旅客多交通方式换乘出行链构建装置
CN112556712A (zh) * 2020-12-04 2021-03-26 东南大学 基于道路安全阻抗计算的自行车路径计算方法及系统装置
CN112991730A (zh) * 2021-02-27 2021-06-18 华南农业大学 一种基于实时在线lbs平台的未知路径od的智能批量查询预测方法
CN114384899A (zh) * 2020-10-05 2022-04-22 丰田自动车株式会社 移动服务系统及移动服务提供方法
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184314A1 (en) * 2005-02-14 2006-08-17 Microsoft Corporation Multi-modal navigation system and method
CN102374862A (zh) * 2010-07-02 2012-03-14 福特全球技术公司 使用多种交通模式的路线导航的方法
CN102692222A (zh) * 2011-02-10 2012-09-26 株式会社日立制作所 最佳路径检索系统以及最佳路径检索方法
CN104677374A (zh) * 2013-12-02 2015-06-03 福特全球技术公司 多模式路线规划

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060184314A1 (en) * 2005-02-14 2006-08-17 Microsoft Corporation Multi-modal navigation system and method
CN102374862A (zh) * 2010-07-02 2012-03-14 福特全球技术公司 使用多种交通模式的路线导航的方法
CN102692222A (zh) * 2011-02-10 2012-09-26 株式会社日立制作所 最佳路径检索系统以及最佳路径检索方法
CN104677374A (zh) * 2013-12-02 2015-06-03 福特全球技术公司 多模式路线规划

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈艳艳等: "基于出行全过程分析的多模式公交选择行为研究", 《交通工程》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961582A (zh) * 2018-06-14 2018-12-07 珠海天人科技有限公司 一种绿色旅游远程骑行运营系统及其运营方法
CN111089600A (zh) * 2018-10-24 2020-05-01 上海博泰悦臻网络技术服务有限公司 路线规划方法、移动终端、服务器及路线规划系统
CN109612488A (zh) * 2018-12-26 2019-04-12 东北大学 基于大数据微服务的混合出行方式路径规划系统及方法
CN109612488B (zh) * 2018-12-26 2022-09-20 东北大学 基于大数据微服务的混合出行方式路径规划系统及方法
CN109883437A (zh) * 2019-03-04 2019-06-14 长沙理工大学 一种出行路线推荐方法、装置及其系统
CN111508228A (zh) * 2020-04-01 2020-08-07 佛山市城市规划设计研究院 利用手机gps及电子地图数据的公共交通出行链的获取方法
CN111508228B (zh) * 2020-04-01 2021-01-01 佛山市城市规划设计研究院 利用手机gps及电子地图数据的公共交通出行链的获取方法
CN114384899A (zh) * 2020-10-05 2022-04-22 丰田自动车株式会社 移动服务系统及移动服务提供方法
CN112380398A (zh) * 2020-11-12 2021-02-19 北京交通大学 一种空港旅客多交通方式换乘出行链构建装置
CN112380398B (zh) * 2020-11-12 2024-01-26 北京交通大学 一种空港旅客多交通方式换乘出行链构建装置
CN112556712A (zh) * 2020-12-04 2021-03-26 东南大学 基于道路安全阻抗计算的自行车路径计算方法及系统装置
CN112991730A (zh) * 2021-02-27 2021-06-18 华南农业大学 一种基于实时在线lbs平台的未知路径od的智能批量查询预测方法
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

Also Published As

Publication number Publication date
CN107167156B (zh) 2019-08-27

Similar Documents

Publication Publication Date Title
CN107167156B (zh) 一种面向一体化出行的多方式出行链优选方法及系统
CN110428117B (zh) 城市轨道交通多场景下客流精准诱导方法及系统
Aydin et al. Planning location of mobility hub for sustainable urban mobility
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
Liao et al. Constructing personalized transportation networks in multi-state supernetworks: a heuristic approach
CN107679661A (zh) 一种基于知识图谱的个性化旅游路线规划方法
CN106940829A (zh) 一种车联网环境下的个性化路径推荐方法
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
CN106127357A (zh) 一种基于预约数据的定制公交自动布线系统及方法
CN109612488A (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
Li et al. A dynamic and scalable user-centric route planning algorithm based on polychromatic sets theory
Song et al. The whole day path planning problem incorporating mode chains modeling in the era of mobility as a service
CN116070033A (zh) 基于手机信令数据的新型共享公共交通转移需求估计方法
Tan et al. Tidal phenomenon of the dockless bike-sharing system and its causes: the case of Beijing
Xuan et al. Research on Correlation between Spatial Quality of Urban Streets and Pedestrian Walking Characteristics in China Based on Street View Big Data
CN116882842A (zh) 一种公共综合交通体系通达度评估方法
CN110674990A (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
CN114842641B (zh) 面向省域的多模式链式交通分配方法
CN114021295A (zh) 一种基于分支定界法的多方式行车道精细化设置方法
Jing et al. Application of Multi-path Assignment Model of Bicycle Traffic Flow from GIS for Street Space Quality in Ecological Planning Management Information System.
CN112101610A (zh) 基于参考依赖理论的最大化可达流的多模式网络设计方法
Yu et al. Traffic assignment model for combined mode with travel condition constraints
Shan et al. A novel personalized dynamic route recommendation approach based on pearson similarity coefficient in cooperative vehicle-infrastructure systems
Tang et al. Passenger Flow Forecast for Low Carbon Urban Transport Based on Bi-Level Programming Model
CN115148027B (zh) 一种用于改善拥堵收费的交通需求管理方法

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
CP03 Change of name, title or address

Address after: 100124 No. 100 Chaoyang District Ping Tian Park, Beijing

Patentee after: Beijing University of Technology

Patentee after: BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER

Address before: 100071 first tower, No.9, Nanli a, Liuliqiao, Fengtai District, Beijing

Patentee before: BEIJING MUNICIPAL TRANSPORTATION OPERATIONS COORDINATION CENTER

Patentee before: Beijing University of Technology

CP03 Change of name, title or address