CN107886190B - 一种突发事件下乘客出行选择行为仿真方法及装置 - Google Patents
一种突发事件下乘客出行选择行为仿真方法及装置 Download PDFInfo
- Publication number
- CN107886190B CN107886190B CN201710986805.1A CN201710986805A CN107886190B CN 107886190 B CN107886190 B CN 107886190B CN 201710986805 A CN201710986805 A CN 201710986805A CN 107886190 B CN107886190 B CN 107886190B
- Authority
- CN
- China
- Prior art keywords
- station
- passenger
- effective path
- generalized cost
- target station
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004088 simulation Methods 0.000 title claims description 9
- 230000006399 behavior Effects 0.000 claims abstract description 13
- 238000011084 recovery Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及轨道交通运输组织领域，公开了一种突发事件下乘客出行选择行为仿真方法及装置，用于解决在突发事件发生时能及时疏散客流、避免交通拥堵的问题，该方法为：获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；根据乘行数据以及轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，当前站点到所述目标站点之间具有出现所述突发事件的路段或站点；根据有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。
Description
技术领域
本发明涉及轨道交通运输组织领域，尤其是涉及一种突发事件下乘客出行选择行为仿真方法及装置。
背景技术
目前，我国已成为世界上城市轨道交通发展最快的国家之一。截止到2016年底，已经有27座城市开始运营城市轨道交通，以及更多的城市正在建设轨道交通。城市轨道交通系统在居民日常出行中变得越来越重要。然而，随着城市轨道交通的不断发展，突发事件的发生频率也呈不断上升趋势。以北京城市轨道交通系统为例，2014年发生5分钟以上延误的突发事件达到117次，15分钟以上延误的突发事件达到49次。
在轨道交通发生突发事件时，通常会造成运输网络的拥堵。对于单线轨道交通线路，乘客通常只能选择在当前车站出站，此时的行车组织方法则相对简单。
然而，对于多线轨道交通，即从当前车站到达目的地有多条轨道线路的情况，当发送突发事件时，由于乘客可以有多种选择，这就使得乘客出行选择行为种类多样，情况不同。运营管理者只有准确把握路网上的客流分布状态及演化趋势，才能通过制定高效的列车运行组织与车站客流组织措施，迅速疏导路网客流、最终恢复路网正常运营。
但，如何让运营管理者在轨道交通发生突发事件时，能准确把握路网上的客流分布状态及演化趋势却成为了一个臻待解决的问题。
发明内容
本发明提供一种客突发事件下乘客出行选择行为仿真方法及装置，用于解决在突发事件发生时能及时疏散客流、避免交通拥堵的问题。
第一方面，为了解决上述技术问题，本发明实施例提供的一种突发事件下乘客出行选择行为仿真方法的技术方案如下：
获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；
根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，所述当前站点到所述目标站点之间具有出现所述突发事件的路段或站点；
根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。
可选的，所述根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，包括：
基于所述乘行数据以及所述轨道交通数据确定所述当前站点到所述目标站点之间的K条待选路径；其中，所述K条待选路径为对所述当前站点到所述目标站点之间的所有路径按总距离进行降序排序后，所取的前K条路径；
从所述K条待选路径中筛选所述广义费用小于设定阈值的m条待选路径作为有效路径，获得所述有效路径集合。
可选的，计算所述广义费用时，具体包括：
在发生了所述历史突发事件时，若乘客选择等待所述历史突发事件恢复后继续乘坐原定线路的轨道交通工具，则所述广义费用为：所述历史突发事件期望恢复时长及乘坐轨道交通工具从所述当前站点到所述目标站点的消耗时长。
可选的，计算所述广义费用时，具体包括：
在发生所述历史突发事件时，若乘客选择调整出行路径，则所述广义费用为，乘坐轨道交通工具从所述当前站点到达所述目标站点的消耗时长；其中，所述调整出行路径，为选择所述原定线路之外的轨道交通线路达到所述目标站点。
可选的，计算所述广义费用时，具体包括：
在发生所述历史突发事件时，若乘客选择临时目标站点，则所述广义费用为：乘坐轨道交通工具从所述当前站点到达所述临时目标站点的消耗时长，和乘坐其他交通工具从所述临时目标站点到达所述目标终点的期望时长；其中，所述临时目标站点为从所述当前站点到所述目标站点之间的任意一站点。
可选的，所述根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率，包括：
基于所述任一条有效路径的广义费用及所述有效路径集合中每条有效路径的广义费用，采用Logit模型确定所述任一路径被选择的概率。
第二方面，为解决上述技术问题，本发明实施例提供的一种突发事件下乘客出行选择行为仿真装置的技术方案如下：
获取单元，用于获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；
确定单元，用于根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，所述当前站点到所述目标站点之间具有出现所述突发事件的路段或站点；
所述确定单元，还用于根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。
可选的，在根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合时，所述确定单元用于：
基于所述乘行数据以及所述轨道交通数据确定所述当前站点到所述目标站点之间的K条待选路径；其中，所述K条待选路径为对所述当前站点到所述目标站点之间的所有路径按总距离进行降序排序后，所取的前K条路径；
从所述K条待选路径中筛选所述广义费用小于设定阈值的m条待选路径作为有效路径，获得所述有效路径集合。
可选的，在计算所述广义费用时，所述确定单元用于：
在发生了所述历史突发事件时，若乘客选择等待所述历史突发事件恢复后继续乘坐原定线路的轨道交通工具，则所述广义费用为：所述历史突发事件期望恢复时长及乘坐轨道交通工具从所述当前站点到所述目标站点的消耗时长。
可选的，在计算所述广义费用时，所述确定单元用于：
在发生所述历史突发事件时，若乘客选择调整出行路径，则所述广义费用为，乘坐轨道交通工具从所述当前站点到达所述目标站点的消耗时长；其中，所述调整出行路径，为选择所述原定线路之外的轨道交通线路达到所述目标站点。
可选的，在计算所述广义费用时，所述确定单元用于：
在发生所述历史突发事件时，若乘客选择临时目标站点，则所述广义费用为：乘坐轨道交通工具从所述当前站点到达所述临时目标站点的消耗时长，和乘坐其他交通工具从所述临时目标站点到达所述目标终点的期望时长；其中，所述临时目标站点为从所述当前站点到所述目标站点之间的任意一站点。
可选的，在根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率时，所述确定单元用于：
基于所述任一条有效路径的广义费用及所述有效路径集合中每条有效路径的广义费用，采用Logit模型确定所述任一路径被选择的概率。
本发明实施例提供的技术方案具有以下有益效果：
在本申请提供的实施例中，通过先获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；再根据乘行数据以及轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合；最后，根据有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。进而在发生突发事件时，让运营管理者可以根据历史上曾经发生过的类似的突发事件中，依据有效路径被选择的概率制定高效的交通运行组织与站点客流组织措施，迅速疏导客流、快速恢复交通网络的正常运营。比如，可以通过增调交通工具的方式快速疏导客流，同时也可以通过加派乘客引导人员的方式引导客流；还可以在突发事件多发地段建立辅助市政设施，如增加公交线路规划、共享单车投放点的方式让乘客有多种选择，以便在突发事件发生时客流能得以快速被疏散，并且还可以在将要发生可预测的突发事件如体育赛事的站点增设临时交通工具等，来疏散客流，维持交通网络的畅通。
附图说明
图1为本发明实施例提供的一种突发事件下乘客出行选择行为仿真方法的流程图；
图2为本发明实施例提供的确定当前站点到目标站点之间的有效路径集合的方法的流程图；
图3为本发明实施例提供的一种突发事件下乘客出行选择行为仿真装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本文中描述的技术不仅限于轨道交通，还可用于交管局制定城市交通管理方案、市政制定市政建设方案等。
目前，对路网客流出行的研究方式主要有2种，一种是针对正常情况下的乘客出行路径选择方法，另一种是采用了历史同期客流分布规律结合线性预测的方法。但，仍缺乏突发事件下的乘客出行选择推演方法，故很难为管理层提供乘客出行选择行为以及精准刻画路网客流状态提供决策依据，以解决在突发事件发生时能及时疏散客流、避免交通拥堵的问题。
有鉴于此，在本发明的实施例中，通过先获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；再根据乘行数据以及轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合；最后，根据有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。进而在突发事件发生时，让管理层能通过调取曾经发生过的类似的突发事件中，乘客选择的有效路径的概率来制定行之有效的解决方案，以解决在突发事件发生时能及时疏散客流、避免交通拥堵的问题。
为了使本领域的技术人员能更好的理解本发明，现对本发明中的一些关键概念进行解释。
Logit model(Logit模型)，是最早的离散选择模型，也是目前应用最广的模型。Logit模型的应用广泛性的原因主要是因为其概率表达式的显性特点，模型的求解速度快，应用方便。
Dijkstra算法(迪杰斯特拉算法)，也称为狄克斯特拉算法，是由荷兰计算机科学家狄克斯特拉于1959年提出的。其基本思路是一个按权值大小递增的次序产生最短路径的算法，它可以用于计算从有向图中任一节点到其它节点的最短路径。
A-star算法，是一种静态路网中求解最短路径最有效的直接搜索方法，算法中的距离估算值与实际值越接近，最终搜索速度越快。
下面结合附图介绍本发明实施例提供的技术方案。
请参见图1，本发明实施例提供一种突发事件下乘客出行选择行为仿真方法，该方法的处理过程如下：
步骤101：获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据。
历史突发事件可以是一些曾经发生过的突发事件，如交通工具出现异常需要停站维修处理，异物影响交通工具门的正常开、关等，也可以是曾经由演唱会、展会、国际会议、体育赛事等的开展在一段时间内引发了大量的客流集中爆发的特定事件。
乘客在乘坐轨道交通工具时，由于进、出站都需要刷卡，这些刷卡信息便被记录在数据系统中，每个乘客的进出站记录便被汇聚为了乘客的乘行数据。
进一步的，所有轨道交通工具的调度方案则形成了轨道交通数据，调度方案中记录了轨道交通工具的运行状态、停靠站点、停靠时间等。
步骤102：根据乘行数据以及轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，当前站点到目标站点之间具有出现突发事件的路段或站点。
进一步的，根据乘行数据以及轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，具体实施方式如下(请参见图2)：
步骤201：基于乘行数据以及轨道交通数据确定当前站点到目标站点之间的K条待选路径；其中，K条待选路径为对当前站点到目标站点之间的所有路径按总距离进行降序排序后，所取的前K条路径。
具体的，先用Dijkstra算法从轨道交通网络模型中搜索出最短路径，进而以最短路径为基准，再用A-star算法从轨道交通网络模型中搜索出当前站点到目标站点之间的所有路径中最短的K条待选路径，K为一预设值。需要说明的是，轨道交通网络模型是根据现实中的轨道交通网络建立的数学模型。
步骤202：从K条待选路径中筛选广义费用小于设定阈值的m条待选路径作为有效路径，获得有效路径集合。
而要从K条待选路径中筛选广义费用小于设定阈值的m条待选路径作为有效路径，又需要实施以下步骤：
第一步，计算K条待选路径中每条短路径的广义费用，以获得K条待选路径的广义费用。
其中，广义费用也可以被称之为出行效用值，广义费用可以包括时间成本和/或费用成本。
在发生历史突发事件时，根据乘客的不同决策结果，计算广义费用的方式也不同。
而通常情况下，在乘客获知发生指定触发事件后，会在原有的出行方案的基础上进行决策。
通常表现为，乘客每次的决策结果包括改变原计划和继续等待，而改变原计划的结果又包括调整出行路径和调整出行终点。
若选择调整出行终点或出行路径，则根据可能的K条短路径的状况再次形成若干个出行终点方案和路径选择方案。而对于维持原来选择的乘客，在出行过程中还可以重新按上述方式进行选择。
值得注意的是，通常决定乘客是否决策的因素，主要是受乘客自身的一项容忍等待阈值约束的。例如，等待时间超过容忍等待阈值，则乘客会再次做出决策；若等待时间没有超过容忍等待阈值，乘客将按照原计划的出行路径到达目标站点完成出行。
故，根据乘客的不同决策结果，计算相应的广义费用的方式，可以分为以下几种：
当乘客有充足的时间可以到达目标站点，或预计历史突发事件恢复的时间在容忍等待阀值内时，通常乘客的决策结果会是选择继续等待，这便是本发明所说的决策结果一。
决策结果一、在发生了历史突发事件时，若乘客选择等待历史突发事件恢复后继续乘坐原定线路的轨道交通工具，则所述广义费用为：历史突发事件期望恢复时长及乘坐轨道交通工具从当前站点到目标站点的消耗时长。
此时广义费用的计算方式如下：
其中，Cwait(j)表示乘客选择等待的广义费用；n表示计划路径中当前站点距离目标站点之间的站点数；tg表示乘客对历史突发事件的期望恢复时间，此参数为一经验值，单位为秒；Tj,j+1表示从j站到j+1站之间的区间运行时间，单位为秒；Tj,s表示轨道交通工具在j站的停靠时间，单位为秒；Tj,wl表示乘客在j站的换乘走行时间，单位为秒，是通过现场采集乘客平均换乘走行时间获得的；Tj,wt表示乘客在j站的候车时间，单位为秒，计算方式为取轨道交通工具发车间隔时间的二分之一。
当乘客需要尽快到达目标站点时，通常会进行立即决策，一般可分为两种情况，其中一种情况便是本发明所说的决策结果二。
决策结果二、在发生历史突发事件时，若乘客选择调整出行路径，则广义费用为，乘坐轨道交通工具从所述当前站点到达所述目标站点的消耗时长；其中，所述调整出行路径，为选择所述原定线路之外的轨道交通线路达到所述目标站点。
此时广义费用的计算方式如下：
其中，Cpath(i)表示乘客选择的第i条路径的广义费用；n表示第i条路径中从当前站点到目标站点之间需经过的站点数量，j为第i条路径从当前站点到目标站点中的第j个站点。
当乘客认为轨道交通已无法满足其出行需求，或存在更优的出行方案时，乘客会在当前站点至目标站点之间的某个站点选择离轨道交通网。
而促使乘客做出该选择的条件是乘客认为选择道路交通出行的广义费用小于继续选择轨道交通的广义费用。进而便有了乘客进行立即决策的另一种情况，即为本发明所说的决策结果三。
决策结果三、在发生历史突发事件时，若乘客选择临时目标站点，则广义费用为：乘坐轨道交通工具从当前站点到达临时目标站点的消耗时长，和乘坐其他交通工具从临时目标站点到达目标终点的期望时长；其中，临时目标站点为从当前站点到目标站点之间的任意一站点。
此时广义费用的计算方式如下：
Cend(j)＝Cj+tz+tw+Ctr,j (3)
其中，Cend(j)为乘客在从当前站点到达目标站点的广义费用，且在当前站点到临时目标站点(即第j站点)采用的是轨道交通，从临时目标站点(第j站点)到目标站点采用的是道路交通；Cj为当前站点到第j站点的广义费用，tz为乘客从临时目标站点(第j站点)离开轨道交通到达道路交通乘车点之间的走行时间，单位为秒；tw表示乘客预判的道路交通候车时间，秒；Ctr,j表示乘客从临时目标站点(第j站点)离开轨道交通采用道路交通方式出行到达目的地的期望广义费用，该值为常量。
假设在行车中断之后，当前站点与目标站点之间共有K条待选径(不包括乘客原计划出行路径)；在乘客计划出行路径上，乘客所在的当前站点距离目标站点之间存在n个站点，j表示n个站点中的第j个站点，乘客选择的是K条待选路径中的第i条短路径，则综合上述乘客的三种决策结果，可知乘客共有K+n+1种选择方案，进而获得K+n+1种选择方案的广义费用的计算方式可综合表示为：
其中，Ci为第i条待选路径的广义费用，i为小于等于K的正整数；当乘客的决策结果为选择调整出行路径，则按公式(2)进行计算，此处记为Cpath,i(j)；当乘客的决策结果为选择继续等待，则按公式(1)进行计算，此处记为Cwait,i(j)；当乘客的决策结果为选择调整出行终点，则按公式(3)进行计算，此处记为Cend,i(j)。
通过公式(4)，可以计算出K条待选路径中每条待选路径的广义费用，进而可以为下一步从K条待选路径中挑选出有效路径做好准备。
第二步，判断第i条待选路径的广义费用值是否小于设定阈值，在判断结果为是时，确定第i条短路径为有效路径；其中i为大于0且小于等于K的正整数。
其中，设定阈值的获得主要是通过分析历史突发事件的执行时间段内，乘客的乘行数据和相应的轨道交通数据，从中获得以往乘客从当前站点到目标站点选择概率最高的路径作为参考路径，进而将计算出的参考路径的广义费用值作为设定阈值，以设定阈值为判断基准从K条待选路径中选出有效路径。
举例来说，在当前站点A发生历史突发事件时，通过分析乘客的乘行数据和相应的轨道交通数据，获知以往乘客从当前站点A到达的主要目标站点为F站点，并进一步的确定出以往乘客从当前站点A到达目标站点F选择概率最高的路径是E路径，E路径的广义费用值为500，那么500便被设置为设定阈值。
通过Dijkstra算法和A-star算法从轨道交通网络模型中搜索出，从当前站点A到目标站点F共有10条待选路径可较快到达，并且通过第一步中的方式，计算出第一条至第十条待选路径的广义费用值依次为480、600、1000、495、800、720、1200、475、830、960。然后，依次从第一条短路径开始与设定阈值500相比较，便可判断出只有第一条短路、第四条短路径、第七条短路径的广义费用值才是小于设定阈值500的，进而判断出10条短路径中共有3条有效路径，它们由第一条短路、第四条短路径、第七条短路径组成。这三条有效路径是乘客相较于其它七条待选路径更愿意选择出行的路径，它们便构成了有效路经集合。
在确定出有效路径集合后，还需要进一步的判断这些有效路径中，乘客最愿意选择出行的路径，具体方式为：
步骤103：根据有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。
具体的实施方式为：基于任一条有效路径的广义费用及有效路径集合中每条有效路径的广义费用，采用Logit模型确定任一路径被选择的概率。
首先，采用Logit模型计算有效路径集合中每一条有效路径的初始选择概率。
每一条有效路径的具体计算方式为：
其中，
Pi为m条有效路径中第i条有效路径的选择概率。
进一步的，为了使第i条有效路径的选择概率更加准确，还需要对公式(5)计算出的选择概率进行修正，即将公式(5)的计算结果乘以第i条有效路径的修正系数，便可得出最终的第i条有效路径的选择概率。故需要执行接下来的步骤：
其次，基于预设的修正系数分别对每一条有效路径的初始选择概率进行修正，以获得每一条有效路径最终的选择概率。
经过长期的调研，发现修正系数是与有效路径的换乘次数成线性关系的，而每条有效路径的换成次数一般而言是不同的，所以，每条有效路径的修正系数是不同的。
其中，修正系数表示为：
γp为预设的修正系数，θ为预设的换乘惩罚系数，Nsp为m条有效路径中广义费用值最小的有效路径包含的换乘次数，Np为当前处理的一条有效路径包含的换乘次数。
通过公式(5)、公式(6)便可顺利的计算出有效路径集合中每条有效路径的选择概率，进而从中找出有效路径集合中选择概率最高的有效路径，便可将它确定为乘客最易选择的出行路径。
请参见图3，基于同一发明构思，本发明实施例提供了一种用于突发事件下乘客出行选择行为仿真装置，包括：
获取单元301，用于获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；
确定单元302，用于根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，所述当前站点到所述目标站点之间具有出现所述突发事件的路段或站点；
所述确定单元302，还用于根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。
可选的，在根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合时，所述确定单元302用于：
基于所述乘行数据以及所述轨道交通数据确定所述当前站点到所述目标站点之间的K条待选路径；其中，所述K条待选路径为对所述当前站点到所述目标站点之间的所有路径按总距离进行降序排序后，所取的前K条路径；
从所述K条待选路径中筛选所述广义费用小于设定阈值的m条待选路径作为有效路径，获得所述有效路径集合。
可选的，在计算所述广义费用时，所述确定单元302用于：
在发生了所述历史突发事件时，若乘客选择等待所述历史突发事件恢复后继续乘坐原定线路的轨道交通工具，则所述广义费用为：所述历史突发事件期望恢复时长及乘坐轨道交通工具从所述当前站点到所述目标站点的消耗时长。
可选的，在计算所述广义费用时，所述确定单元302用于：
在发生所述历史突发事件时，若乘客选择调整出行路径，则所述广义费用为，乘坐轨道交通工具从所述当前站点到达所述目标站点的消耗时长；其中，所述调整出行路径，为选择所述原定线路之外的轨道交通线路达到所述目标站点。
可选的，在计算所述广义费用时，所述确定单元302用于：
在发生所述历史突发事件时，若乘客选择临时目标站点，则所述广义费用为：乘坐轨道交通工具从所述当前站点到达所述临时目标站点的消耗时长，和乘坐其他交通工具从所述临时目标站点到达所述目标终点的期望时长；其中，所述临时目标站点为从所述当前站点到所述目标站点之间的任意一站点。
可选的，在根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率时，所述确定单元用于：
基于所述任一条有效路径的广义费用及所述有效路径集合中每条有效路径的广义费用，采用Logit模型确定所述任一路径被选择的概率。
综上所述，在本申请提供的实施例中，通过先获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；再根据乘行数据以及轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合；最后，根据有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率。进而在发生突发事件时，让运营管理者可以根据历史上曾经发生过的类似的突发事件中，依据有效路径被选择的概率制定高效的交通运行组织与站点客流组织措施，迅速疏导客流、快速恢复交通网络的正常运营。比如，可以通过增调交通工具的方式快速疏导客流，同时也可以通过加派乘客引导人员的方式引导客流；还可以在突发事件多发地段建立辅助市政设施，如增加公交线路规划、共享单车投放点的方式让乘客有多种选择，以便在突发事件发生时客流能得以快速被疏散，并且还可以在将要发生可预测的突发事件如体育赛事的站点增设临时交通工具等，来疏散客流，维持交通网络的畅通。
本领域内的技术人员应明白，本发明实施例可提供为方法、系统、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种突发事件下乘客出行选择行为仿真方法，其特征在于，包括：
获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；
根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，所述当前站点到所述目标站点之间具有出现所述突发事件的路段或站点；
根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率，其中，所述广义费用包括时间成本和/或费用成本；
所述根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，包括：
基于所述乘行数据以及所述轨道交通数据确定所述当前站点到所述目标站点之间的K条待选路径，其中，所述K条待选路径为对所述当前站点到所述目标站点之间的所有路径按总距离进行降序排序后，所取的前K条路径；从所述K条待选路径中筛选所述广义费用小于设定阈值的m条待选路径作为有效路径，获得所述有效路径集合，其中，所述设定阈值是通过分析历史突发事件的执行时间段内，乘客的乘行数据和相应的轨道交通数据，从中获得以往乘客从当前站点到目标站点选择概率最高的路径的广义费用值。
2.如权利要求1所述的方法，其特征在于，计算所述广义费用时，具体包括：
在发生了所述历史突发事件时，若乘客选择等待所述历史突发事件恢复后继续乘坐原定线路的轨道交通工具，则所述广义费用为：所述历史突发事件期望恢复时长及乘坐轨道交通工具从所述当前站点到所述目标站点的消耗时长。
3.如权利要求1所述的方法，其特征在于，计算所述广义费用时，具体包括：
在发生所述历史突发事件时，若乘客选择调整出行路径，则所述广义费用为，乘坐轨道交通工具从所述当前站点到达所述目标站点的消耗时长；其中，所述调整出行路径，为选择原定线路之外的轨道交通线路达到所述目标站点。
4.如权利要求1所述的方法，其特征在于，计算所述广义费用时，具体包括：
在发生所述历史突发事件时，若乘客选择临时目标站点，则所述广义费用为：乘坐轨道交通工具从所述当前站点到达所述临时目标站点的消耗时长，和乘坐其他交通工具从所述临时目标站点到达目标终点的期望时长；其中，所述临时目标站点为从所述当前站点到所述目标站点之间的任意一站点。
5.如权利要求1-4任一权项所述的方法，其特征在于，所述根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率，包括：
基于所述任一条有效路径的广义费用及所述有效路径集合中每条有效路径的广义费用，采用Logit模型确定任一路径被选择的概率。
6.一种突发事件下乘客出行选择行为仿真装置，其特征在于，包括：
获取单元，用于获取历史突发事件的指定时间段内乘客的乘行数据以及相应的轨道交通数据；
确定单元，用于根据所述乘行数据以及所述轨道交通数据确定乘客从当前站点到目标站点之间的有效路径集合，其中，所述当前站点到所述目标站点之间具有出现所述突发事件的路段或站点；
所述确定单元，还用于根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率，其中，所述广义费用包括时间成本和/或费用成本；
所述确定单元，还用于基于所述乘行数据以及所述轨道交通数据确定所述当前站点到所述目标站点之间的K条待选路径，其中，所述K条待选路径为对所述当前站点到所述目标站点之间的所有路径按总距离进行降序排序后，所取的前K条路径；从所述K条待选路径中筛选所述广义费用小于设定阈值的m条待选路径作为有效路径，获得所述有效路径集合，其中，所述设定阈值是通过分析历史突发事件的执行时间段内，乘客的乘行数据和相应的轨道交通数据，从中获得以往乘客从当前站点到目标站点选择概率最高的路径的广义费用值。
7.如权利要求6所述的装置，其特征在于，在计算所述广义费用时，所述确定单元用于：
在发生了所述历史突发事件时，若乘客选择等待所述历史突发事件恢复后继续乘坐原定线路的轨道交通工具，则所述广义费用为：所述历史突发事件期望恢复时长及乘坐轨道交通工具从所述当前站点到所述目标站点的消耗时长。
8.如权利要求6所述的装置，其特征在于，在计算所述广义费用时，所述确定单元用于：
在发生所述历史突发事件时，若乘客选择调整出行路径，则所述广义费用为，乘坐轨道交通工具从所述当前站点到达所述目标站点的消耗时长；其中，所述调整出行路径，为选择原定线路之外的轨道交通线路达到所述目标站点。
9.如权利要求6所述的装置，其特征在于，在计算所述广义费用时，所述确定单元用于：
在发生所述历史突发事件时，若乘客选择临时目标站点，则所述广义费用为：乘坐轨道交通工具从所述当前站点到达所述临时目标站点的消耗时长，和乘坐其他交通工具从所述临时目标站点到达目标终点的期望时长；其中，所述临时目标站点为从所述当前站点到所述目标站点之间的任意一站点。
10.如权利要求6-9任一权项所述的装置，其特征在于，在根据所述有效路径集合中任一条有效路径的广义费用确定对应的有效路径被选择的概率时，所述确定单元用于：
基于所述任一条有效路径的广义费用及所述有效路径集合中每条有效路径的广义费用，采用Logit模型确定任一路径被选择的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710986805.1A CN107886190B (zh) | 2017-10-20 | 2017-10-20 | 一种突发事件下乘客出行选择行为仿真方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710986805.1A CN107886190B (zh) | 2017-10-20 | 2017-10-20 | 一种突发事件下乘客出行选择行为仿真方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107886190A CN107886190A (zh) | 2018-04-06 |
| CN107886190B true CN107886190B (zh) | 2020-12-08 |
Family
ID=61781901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710986805.1A Active CN107886190B (zh) | 2017-10-20 | 2017-10-20 | 一种突发事件下乘客出行选择行为仿真方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107886190B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112101677B (zh) * | 2020-09-23 | 2022-03-22 | 佳都科技集团股份有限公司 | 一种公共交通出行路径规划方法、装置、设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5111347B2 (ja) * | 2008-12-09 | 2013-01-09 | 公益財団法人鉄道総合技術研究所 | プログラム及び旅客需要予測装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103632212B (zh) * | 2013-12-11 | 2017-01-25 | 北京交通大学 | 一种时变用户均衡动态网络演化客流预测系统和方法 |
| CN104616076B (zh) * | 2015-01-30 | 2018-10-23 | 北京交通大学 | 一种城市轨道交通多线协同运营方案的优化方法及系统 |
| CN106503315B (zh) * | 2016-10-10 | 2019-07-23 | 北京市交通信息中心 | 轨道交通突发事件下进站乘客出行特征比例的确定方法 |
| CN107194497B (zh) * | 2017-04-27 | 2020-12-08 | 北京交通大学 | 一种突发事件下城市轨道交通乘客出行路径规划方法 |
-
2017
- 2017-10-20 CN CN201710986805.1A patent/CN107886190B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5111347B2 (ja) * | 2008-12-09 | 2013-01-09 | 公益財団法人鉄道総合技術研究所 | プログラム及び旅客需要予測装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107886190A (zh) | 2018-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Passenger-demands-oriented train scheduling for an urban rail transit network | |
| CN107194497B (zh) | 一种突发事件下城市轨道交通乘客出行路径规划方法 | |
| Cats et al. | Effect of real-time transit information on dynamic path choice of passengers | |
| CN110775109B (zh) | 一种基于调度指挥系统的高速铁路列车到站时间预测方法 | |
| CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
| CN110843870B (zh) | 一种非正常事件下高铁路网图定能力保持方法 | |
| CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
| CN108151756A (zh) | 一种城市公共交通系统的行程时间计算方法和装置 | |
| 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 | |
| Zhu et al. | The prediction of bus arrival time using global positioning system data and dynamic traffic information | |
| Asgharzadeh et al. | Real-time bus-holding control strategy to reduce passenger waiting time | |
| Toletti et al. | What about train length and energy efficiency of freight trains in rescheduling models? | |
| Kieu et al. | Benefits and issues of bus travel time estimation and prediction | |
| Schettini et al. | Demand-driven timetabling for a metro corridor using a short-turning acceleration strategy | |
| Wang et al. | A simulation-based metro train scheduling optimization incorporating multimodal coordination and flexible routing plans | |
| Büchel et al. | Modeling conditional dependencies for bus travel time estimation | |
| CN107886190B (zh) | 一种突发事件下乘客出行选择行为仿真方法及装置 | |
| CN116451867A (zh) | 一种基于时空出行路径标定的地铁短时客流预测方法 | |
| CN112797994A (zh) | 用于确定路线的预计到达时间的方法及相关装置和服务器 | |
| CN110288139A (zh) | 一种短时地铁事件下的区域路网流量预测方法 | |
| CN110175692A (zh) | 一种基于轨迹数据的干线交叉口协调控制方法 | |
| Birol et al. | A modelling and simulation study of a metro line as a time-delayed switched system | |
| CN113536493A (zh) | 基于聚类反推的有效路径生成方法及断面客流估算方法 | |
| CN112766950A (zh) | 一种动态路径费用确定方法、装置、设备及介质 | |
| JP2022006482A (ja) | ナビゲーション装置、及びナビゲーション方法 |
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 |