CN107194128A - 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 - Google Patents

Abstract

本发明公开了一种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，在新建的地铁网络系统下，以中心辐射型网络为框架对城市普通公交网络进行重新设计，构建多模式交通运输系统。主要包括：(1)运用聚类方法对乘客需求点进行聚类，为地铁站和公交站台选定枢纽中心站。(2)基于新建成的地铁网络，提出多模式交通网络设计，包括采用启发式路线生成法进行主干公交线路的设计，运用旅行商问题进行接驳公交线路的设计。(3)建立双层规划模型问题来描述线路发车频率优化的决策过程，并利用人工蜂群算法进行求解。

Description

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

技术邻域

本发明涉及一种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，属于城市交通管理与控制领域。

背景技术

随着城市化进程的不断深入，市民出行需求的快速增长，道路拥堵、空气污染和交通事故已成为世界上许多大城市的交通规划的主要关注点。从交通需求管理的角度来看，解决这些问题的有效方法是鼓励出行者将他们的出行模式从私家车转移到公共交通。我国各大城市逐步深入建设以地铁网络为骨架，多种公共交通方式相结合的多模式公交系统。但是，新建的地铁线路对现有公交网络乘客流量分布影响较大。因此，应结合新建的地铁线路，对现有的公交汽车网络(线路和发车频率)进行重新设计，以提高多模式公共交通系统的整体服务水平。

城市多模式交通网络框架通常有三个层次：(1)地铁系统作为多模式交通网络的骨架，提供快速和长距离服务。(2)主干公交线应连接具有高乘客流量但不直接通过地铁线连接的地铁站，以提供中距离服务。(3)接驳公交作为地铁和主干公交线路的补充，主要解决市民出行“最后一公里”问题。

发明内容

技术问题：本发明提供一种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，目的是确定多模式交通线路和最优发车频率。该方法综合考虑公交公司和乘客的利益，以新建地铁网络为框架，基于中心辐射型网络框架对城市多模式公交线路和发车频率进行优化设计。

技术方案：本发明的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，包括以下步骤：

步骤一：运用基于乘客需求点密度和相对距离的聚类算法对乘客需求点进行聚类，在新建地铁网络上选取枢纽中心站点，被选节点应符合以下标准：(1)站点乘客需求量大于平均站点需求量(2)与其他需求密度相似的节点距离大于2km；

步骤二：基于步骤一所选定的枢纽中心站点，采用两阶段启发式算法分别生成主干公交和接驳公交线路，具体流程为：

阶段一，生成主干公交线路：首先从乘客角度，利用最短路径算法在每一起讫点对之间生成距离最短路径，记为集合A；从公交公司角度，在每一起讫点对之间生成运输效率最短的路径，记为集合B；从所有起讫点对之间的线路中筛选同时满足以下条件的线路，生成最终的主干公交线路：(1)枢纽约束：每条公交线路至少通过一个枢纽中心站；(2)线路长度约束：公交线路的长度小于允许最大值；(3)站距约束：站台间的间距大于S km，其中0.2≤S≤1；

阶段二，生成接驳公交线路：把接驳公交线路生成问题看作是旅行商问题，根据地铁站点周围的需求点的数量和分布情况确定接驳公交线路设计；

步骤三：把每个食物源中的解看作为各线路发车频率组成的可行解，利用人工蜂群算法求解双层规划模型，得到线路最优发车频率，所述双层规划模型由上层规划模型和下层规划模型构成，所述上层规划模型为：

其中，λ是时间价值，Z₁和Z₂分别表示所有乘客的总出行成本和公交公司的运营成本，W表示起讫点对w的集合，q_w表示起讫点对w间的乘客需求，和分别表示在起讫点对w中乘客选择多模式出行，仅公交出行和仅地铁出行的比例，和分别表示多模式出行时、仅公交出行时和仅地铁出行时的总出行成本，C_R，C_B和C_F分别表示地铁出行、主干公交出行和接驳公交出行的每车每小时的运营成本， 和分别表示地铁出行、主干公交出行和接驳公交出行中的每一条线路的往返出行时间，L_R，L_B和L_F分别表示地铁出行、主干公交出行和接驳公交出行的线路集合，和分别表示地铁出行、主干公交出行和接驳公交出行的发车频率。

所述下层规划模型为：

其中，Z₃表示乘客在途的总出行时间和总等待时间之和，v表示乘客总流量，c_a和v_a分别表示路段a中乘客的出行时间和流量，ω_i表示节点i中乘客的等待时间，W表示各起讫点对w的集合，A表示各路段a的集合，N表示各节点i的集合。

进一步，在本发明方法中，所述步骤三的具体流程如下：

步骤1.输入参数的初始化：设置种群大小N_c，雇佣蜂的数量N_e，观察蜂的数量N_o，侦查蜂的数量N_s，食物源的解的限制计数为L，最大限制计数L_max；设置迭代次数I为0，最大迭代数值为I_max；

步骤2.雇佣蜂的初始化：生成初始食物源，并将每个食物源的限制计数设置为零；

步骤3.雇佣蜂阶段：对于每只雇佣蜂选择的食物源的解进行一次邻域搜索，然后将邻域搜索产生的邻域解输入到下层规划模型，利用基于最优策略的公交分配子程序进行公交分配，再将路径流量输入到上层规划模型中计算该邻域解的目标值和适应度。对上述邻域解进行评价：如果该邻域解的适应度比之前的解更优，就用这个邻域解代替之前的解，并设置限制计数L为0；否则保持之前的解不变，并把相应的限制计数L加1，其中，所述的食物源的解及其邻域搜索产生的邻域解，即为线路的发车频率；

步骤4.观察蜂阶段：观察蜂根据雇佣蜂选择的现有食物源的解进行随机选择，然后对观察蜂选择的食物源中的解执行一次邻域搜索，产生新的邻域解；评价每个邻域解的适应度：如果邻域解的适应度比之前的解更优，就用这个邻域解代替之前的解，并设置限制计数L为0；否则保持之前的解不变，并把相应的限制计数L加1；

步骤5.侦查蜂阶段：对比所有雇佣蜂获得的食物源的适应度，保存目前为止最高适应度的食物源，对于其他非最高适应度的食物源的解，如果其限制计数L已到达或超过最大限制计数L_max，那么它的雇佣蜂就放弃该解，并随机产生新解，设置限制计数L为0；如果其限制计数L小于最大限制计数L_max，那么它的雇佣蜂就保留该解；

步骤6.增加迭代次数I，即令I＝I+1，如果I＜I_max，则返回步骤3；否则，将所述步骤3得到的即线路的发车频率作为线路最优发车频率输出。

为了增强交通网络的这三个层次的联系性和功能，本发明方法在多模式交通网络下，地铁网络系统作为骨架，选取具有集中区域和高乘客需求的地铁站作为枢纽中心站，乘客在枢纽中心站集中，并通过地铁线路运输至不同的目的地。主干公交和接驳公交线路作为辐射线。采用中心辐射型框架可以将乘客从辐射节点集中到枢纽中心站，提高运营效率。

本发明实现三个步骤以解决多模式交通运输网络设计问题。第一步是枢纽中心站的选取。根据附近的乘客需求密度，选择一些地铁站作为枢纽中心站。第二步是公交线路设计，其中包括主干公交和接驳公交。第三步是发车频率优化，对公交网络运营参数进行优化

有益效果：本发明与现有技术相比，具有以下优点：

本发明方法以地铁网络为骨架，通过基于乘客需求点密度和相对距离的聚类算法选择枢纽站点，并以此为中心逐步建立以公交为主干、以接驳公交为辅助的多模式公交网络系统。该网络框架能有效满足乘客多方面的出行需求，并通过将客流汇集到地铁网络来实现公交网络整体运输效率的提升。

为建设高效的多模式公交网络，本发明同时从乘客和公交公司两个角度生成公交线路，并按照中心辐射型网络框架的特点对线路进行筛选。所设计的线路能尽可能的同时满足乘客的出行需求和公交公司的运营需求。并采用旅行商问题对地铁站点周边的接驳公交线路进行设计。为求得各公交模式的最优发车频率，本发明提出了一种考虑公交公司与乘客两方博弈的双层规划模型。与现有频率优化模型相比，本发明考虑了地铁、主干公交和接驳公交发车频率的一体化优化设计。其中上层模型目标为最小化乘客出行成本和公交公司运营成本之和，下层模型为基于最优策略的公交客流分配模型，准确刻画乘客在多模式公交网络中的出行行为。与传统的多模式公交网络设计方法相比，基于中心辐射型网络框架的多模式交通网络设计方法能有效解决在新建地铁线路情况下的多模式公交网络一体化设计问题，为城市多模式公交网络的中长期规划提供参考。

附图说明

图1是地铁网络示例和其需求节点分布。

图2是有中心辐射型网络框架和无中心辐射性网络框架运输网络图。

图3是本发明方法的流程图。

具体实施方式

下面结合实施例和说明书附图对本发明作进一步的说明。

步骤一：运用基于乘客需求点密度和相对距离的聚类算法对乘客需求点进行聚类，在新建地铁网络上选取枢纽中心站点，被选节点应符合以下标准：(1)站点乘客需求量大于平均站点需求量(2)与其他需求密度相似的节点距离大于2km。

首先，需要计算每个需求节点的密度ρ_i和到其他节点的距离其中， d₀表示交通枢纽站的服务范围半径。而

聚类算法可分为两个阶段。阶段1中，选择地铁枢纽中心站点的位置和数量。位于集群中心的集水区的地铁站被选为枢纽中心站点。枢纽中心地铁站的数量由决策图直观地确定，只有位于具有高密度和长距离的决策图的右上角节点可以被选为枢纽中心站。对于每个节点，引入加权指数以表达节点的重要性：

其中ρ_i和表示节点密度和距离，λ₁和λ₂是ρ_i和的权值。阶段2是对主干公交的站台用上述相同的聚类算法选择枢纽中心站。

示例的地铁网络是两条线在节点4交叉。其中两条线路的枢纽中心站的服务范围的辐射半径和枢纽中心站的最小间距分别为和乘客需求量是1000人/小时(图1a)。根据上述二阶段聚类算法，得到图1右侧(b)和(c)的决策图。

步骤二：基于步骤一所选定的枢纽中心站点，采用两阶段启发式算法分别生成主干公交和接驳公交线路。

阶段一，生成主干公交线路：首先从乘客角度，利用最短路径算法在每一起讫点对之间生成距离最短路径，记为集合A；从公交公司角度，在每一起讫点对之间生成运输效率最短的路径，记为集合B；考虑中心辐射型网络的特点，按照以下标准对每一起讫点对之间的线路进行筛选，所选线路应同时满足以下标准，生成最终的主干公交线路：(1)枢纽约束：每条公交线路至少通过一个枢纽中心站；(2)线路长度约束：公交线路的长度小于允许最大值；(3)站距约束：站台间的间距大于S km，其中0.2≤S≤1；

阶段二，生成接驳公交线路：把接驳公交线路生成问题看作是旅行商问题，假设乘客选择接驳公交线路去地铁站的比例为α(0＜α＜1)该问题就转化为α*q_k个节点的旅行商问题，其中q_k为地铁站点K的乘客需求。

步骤三：把每个食物源中的解看作为各线路发车频率组成的可行解，利用人工蜂群算法求解双层规划模型，得到线路最优发车频率，所述双层规划模型由上层规划模型和下层规划模型构成，所述上层规划模型为：

约束条件：

其中，λ是时间价值，Z₁和Z₂分别表示所有乘客的总出行成本和公交公司的运营成本，W表示起讫点对w的集合，q_w表示起讫点对w间的乘客需求，和分别表示在起讫点对w中乘客选择多模式出行，仅公交出行和仅地铁出行的比例，和分别表示多模式出行时、仅公交出行时和仅地铁出行的总出行成本，C_R，C_B和C_F分别表示地铁出行、主干公交出行和接驳公交出行的每车每小时的运营成本，和分别表示地铁出行、主干公交出行和接驳公交出行的每一条线路的往返出行时间，L_R，L_B和L_F分别表示地铁出行、主干公交出行和接驳公交出行的线路集合，和分别表示地铁出行、主干公交出行和接驳公交出行的最大线路数，和分别表示地铁出行、主干公交出行和接驳公交出行的发车频率，W_R，W_B，和W_F分别表示地铁，主干公交和接驳公交的最大车队规模。

所述下层规划模型为：

约束条件：

v_a≤f_aω_i，a∈A，i∈N

v_a≥0，ω_i≥0，a∈A，i∈N

其中，Z₃表示乘客在途的总出行时间和总等待时间之和，v表示乘客总流量，c_a和v_a分别表示路段a中乘客的出行时间和流量，ω_i表示节点i中乘客的等待时间，d_i表示节点i上车的客流量。W表示各起讫点对w的集合，A表示各路段a的集合，N表示各节点i的集合。

进一步，在这个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发明方法中，所述步骤三中利用人工蜂群算法来解决双层规划模型问题，其具体流程如下：

步骤1.输入参数的初始化：设置种群大小N_c，雇佣蜂的数量N_e，观察蜂的数量N_o，侦查蜂的数量N_s，食物源的解的限制计数为L；设置迭代次数I为0，最大迭代数值为I_max；

步骤2.雇佣蜂的初始化：生成初始食物源，并将每个食物源的限制计数设置为零；

步骤3.雇佣蜂阶段：对于每只雇佣蜂选择的食物源的解进行一次邻域搜索，即将邻域搜索产生的邻域解输入到下层规划模型，利用基于最优策略的公交分配子程序进行公交分配，再将路径流量输入到上层规划模型中计算该邻域解的目标值和适应度。对上述邻域解进行评价，如果该邻域解的适应度比之前的解更优，就用这个邻域解代替之前的解，并设置限制计数L为0；否则保持之前的解不变，并把相应的限制计数L加1。其中，所述的食物源的解及其邻域搜索产生的邻域解，即为线路的发车频率；

步骤4.观察蜂阶段：观察蜂根据雇佣蜂选择的现有食物源进行随机选择，然后对观察蜂选择的食物源中的解执行一次邻域搜索，产生新的邻域解；评价每个邻域解的适应度，如果邻域解的适应度比之前的解更优，就用这个邻域解代替之前的解，并设置限制计数L为0；否则保持之前的解不变，并把相应的限制计数L加1；

步骤5.侦查蜂阶段：对比所有雇佣蜂获得的食物源的适应度，保存目前为止最高适应度的食物源。对于其他非最高适应度的解的相应的限制计数L已到达或超过最大限制计数，那么它的雇佣峰就放弃该解，并随机产生新解，并设置限制计数L为0；

步骤6.增加迭代次数I，即令I＝I+1，如果I＜I_max，则返回步骤3；否则，将所述步骤3得到的线路的发车频率作为线路最优发车频率输出。

通过人工蜂群算法得到下表来决定每个方案的发车频率。

表一.每个方案的目标函数项

最终得到地铁线路，主干公交线路和接驳公交线路的最优线路流量和频率。如下三个表：

表二.地铁线路最优线路流量和频率

注：a流量是乘客/小时测定的.b效率是乘客-公里/公里确定的.

表三.主干公交线路最优线路流量和频率

方案2

表四.接驳公交线路最优线路流量和频率

^a接驳公交线路的编号是指地铁站的序号

上述实施例仅是本发明的优选实施方式，应当指出：对于本技术邻域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (2)

1.一种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，其特征在于，该方法包括以下步骤：

步骤一：运用基于乘客需求点密度和相对距离的聚类算法对乘客需求点进行聚类，在新建地铁网络上选取枢纽中心站点，被选节点应符合以下标准：(1)站点乘客需求量大于平均站点需求量(2)与其他需求密度相似的节点距离大于2km；

步骤二：基于步骤一所选定的枢纽中心站点，采用两阶段启发式算法分别生成主干公交和接驳公交线路，具体流程为：

阶段一，生成主干公交线路：首先从乘客角度，利用最短路径算法在每一起讫点对之间生成距离最短路径，记为集合A；从公交公司角度，在每一起讫点对之间生成运输效率最短的路径，记为集合B；从所有起讫点对之间的线路中筛选同时满足以下条件的线路，生成最终的主干公交线路：(1)枢纽约束：每条公交线路至少通过一个枢纽中心站；(2)线路长度约束：公交线路的长度小于允许最大值；(3)站距约束：站台间的间距大于S km，其中0.2≤S≤1；

阶段二，生成接驳公交线路：把接驳公交线路生成问题看作是旅行商问题，根据地铁站点周围的需求点的数量和分布情况确定接驳公交线路设计；

步骤三：把每个食物源中的解看作为各线路发车频率组成的可行解，利用人工蜂群算法求解双层规划模型，得到线路最优发车频率，所述双层规划模型由上层规划模型和下层规划模型构成，所述上层规划模型为：

其中，λ是时间价值，Z₁和Z₂分别表示所有乘客的总出行成本和公交公司的运营成本，W表示起讫点对w的集合，q_w表示起讫点对w间的乘客需求，和分别表示在起讫点对w中乘客选择多模式出行、仅公交出行和仅地铁出行的比例，和分别表示多模式出行时、仅公交出行时和仅地铁出行时的总出行成本，C_R，C_B和C_F分别表示地铁出行、主干公交出行和接驳公交出行每车每小时的运营成本， 和分别表示地铁出行、主干公交出行和接驳公交出行中的每一条线路的往返出行时间，L_R，L_B和L_F分别表示地铁出行、主干公交出行和接驳公交出行的线路集合，和分别表示地铁出行、主干公交出行和接驳公交出行的发车频率；

所述下层规划模型为：

<mrow> <munder> <mi>min</mi> <mrow> <mi>v</mi> <mo>,</mo> <mi>w</mi> </mrow> </munder> <msub> <mi>z</mi> <mn>3</mn> </msub> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>w</mi> <mo>&amp;Element;</mo> <mi>W</mi> </mrow> </munder> <mrow> <mo>(</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>a</mi> <mo>&amp;Element;</mo> <mi>A</mi> </mrow> </munder> <msub> <mi>c</mi> <mi>a</mi> </msub> <msub> <mi>v</mi> <mi>a</mi> </msub> <mo>+</mo> <munder> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>&amp;Element;</mo> <mi>N</mi> </mrow> </munder> <msub> <mi>&amp;omega;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow>

其中，Z₃表示乘客在途的总出行时间和总等待时间之和，v表示乘客总流量，c_a和v_a分别表示路段a中乘客的出行时间和流量，ω_i表示节点i中乘客的等待时间，W表示各起讫点对w的集合，A表示各路段a的集合，N表示各节点i的集合。

2.根据权利要求1所述的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，其特征在于，所述步骤三的具体流程如下：

步骤1.输入参数的初始化：设置种群大小N_c，雇佣蜂的数量N_e，观察蜂的数量N_o，侦查蜂的数量N_s，食物源的解的限制计数为L，最大限制计数L_max；设置迭代次数I为0，最大迭代数值为I_max；

步骤2.雇佣蜂的初始化：生成初始食物源，并将每个食物源的限制计数设置为零；

步骤3.雇佣蜂阶段：对于每只雇佣蜂选择的食物源的解进行一次邻域搜索，然后将邻域搜索产生的邻域解输入到下层规划模型，利用基于最优策略的公交分配子程序进行公交分配，再将路径流量输入到上层规划模型中计算该邻域解的目标值和适应度，对所述邻域解进行评价：如果该邻域解的适应度比之前的解更优，就用这个邻域解代替之前的解，并设置限制计数L为0；否则保持之前的解不变，并把相应的限制计数L加1，其中，所述的食物源的解及其邻域搜索产生的邻域解，即为线路的发车频率；

步骤4.观察蜂阶段：观察蜂根据雇佣蜂选择的现有食物源的解进行随机选择，然后对观察蜂选择的食物源中的解执行一次邻域搜索，产生新的邻域解；评价每个邻域解的适应度：如果邻域解的适应度比之前的解更优，就用这个邻域解代替之前的解，并设置限制计数L为0；否则保持之前的解不变，并把相应的限制计数L加1；

步骤5.侦查蜂阶段：对比所有雇佣蜂获得的食物源的适应度，保存目前为止最高适应度的食物源，对于其他非最高适应度的食物源的解，如果其限制计数L已到达或超过最大限制计数L_max，那么它的雇佣蜂就放弃该解，并随机产生新解，设置限制计数L为0；如果其限制计数L小于最大限制计数L_max，那么它的雇佣蜂就保留该解；

步骤6.增加迭代次数I，即令I＝I+1，如果I＜I_max，则返回步骤3；否则，将所述步骤3得到的线路的发车频率作为线路最优发车频率输出。