CN108243065B - 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 - Google Patents
基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 Download PDFInfo
- Publication number
- CN108243065B CN108243065B CN201810015956.7A CN201810015956A CN108243065B CN 108243065 B CN108243065 B CN 108243065B CN 201810015956 A CN201810015956 A CN 201810015956A CN 108243065 B CN108243065 B CN 108243065B
- Authority
- CN
- China
- Prior art keywords
- network
- station
- node
- subway
- congestion
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/14—Routing performance; Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于公交‑地铁双层加权换乘网络下的拥塞感知路由策略,在公交‑地铁双层无权换乘网络的基础上,根据双层站点网络对双层换乘网络加权,构建了公交‑地铁双层加权换乘网络模型,并根据此模型提出了新的路由策略,该策略综合考虑了最短乘车距离、最少换乘次数及最短乘车距离上的拥塞情况,并通过仿真实验找到调节最短乘车距离及拥塞情况权重的最优值。在考虑了公共交通网络中换乘的平均传输时间基础上,也考虑了网络中站点间的实际距离,即综合考虑了最短乘车距离、最少换乘次数及最短乘车距离上的拥塞情况,因此更加全面地理解网络中的拓扑信息,在帮助乘客选择最佳出行路线的同时使网络中的拥塞达到最低状态。
Description
技术领域
本发明涉复杂网络技术领域,具体说是一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略。
背景技术
随着城市的现代化发展,在多种公共交通工具的帮助下,人们的出行也越来越便利,但与此同时,我们也不得不解决严重的交通拥塞问题以提高乘客的出行效率。本方法对原有的公交-地铁网络拥塞感知的路由策略进行改进,对公交-地铁双层换乘网络的边进行加权,通过公交-地铁双层加权换乘网络模型来更加全面地分析城市公共交通网络。
公交网络内的路由策略和地铁网络内的最短路径策略一起构成公交-地铁网络拥塞感知的路由策略。但此种方法存在以下问题:(1)求公交-地铁双层换乘网络的最短路径时体现出公交网络中的连边与地铁网络中连边的差异,将公交网络和地铁网络的边权值设定了不同值,但此时所有公交网络中的边权值相同,所有地铁网络中的边权值相同。(2)为了计算乘客在公交网络中的运行代价,将公交线路网络中节点的介数值映射为公交换乘网络中边的权值,通过公交加权换乘网络确定了乘客的出行路线后,在无权换乘网络中计算了不同路由策略在网络中的传输性能。通过这种方法计算的网络平均传输时间只考虑了在公共交通网络中换乘的平均传输时间,忽略了对网络中站点间实际距离的考虑。由此可见,现有方法无法真实地反应实际网络情况,需考虑加权网络对交通拥塞的影响。
发明内容
本发明的目的是提出一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略。
为了实现上述目的,本发明采用的技术方案是:
一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略,在公交- 地铁双层无权换乘网络的基础上,对公交-地铁双层无权换乘网络加权,构建了公交-地铁双层加权换乘网络模型;
具体步骤如下:
步骤一:构建公交-地铁双层无权换乘网络;
1)构建站点网络;站点网络是将公交站点和地铁站点视为节点,若两个站点相邻且在一条线路上,这两个节点之间则有连边;其中,公交网络与地铁网络通过地铁站点与其周围的公交站点相连,设定地铁网络与公交网络之间采取一对多的连接方式,即一个地铁站点可连接多个公交站点,但一个公交站点只连接一个地铁站点;
2)构建换乘网络;公交-地铁换乘网络中定义两种性质的换乘,第一种是每层网络内部的换乘,即公交与公交之间,地铁与地铁之间的换乘;第二种是两层网络间的换乘,即公交与地铁之间的换乘;在每一层的换乘网络中,同样是将公交站点和地铁站点视为节点,若两个站点在一条公交线路或地铁线路上,这两个站点之间则有连边,这两层网络之间的连接与双层站点网络的连接方式相同;
3)构建线路网络;公交-地铁线路网络中同样定义两种性质的连接方式,第一种是每层网络内部的连接,即公交线路与公交线路之间,地铁线路与地铁线路之间的连接;第二种是两层网络间的连接,即公交线路网络与地铁线路网络之间的连接;在每一层的线路网络中,公交线路或地铁线路被定义为节点,如果两条线路之间含有至少一个相同站点,那么这两条线路之间就有连边,代表这两条线路的两个节点相连;两层线路网络之间的连接与双层站点网络和双层换乘网络的连接方式相同;
步骤二:构建公交-地铁双层加权换乘网络模型;
换乘网络中的边表示边两端的节点在一条线路上,边权值通过计算站点网络中这两个节点的长度得出;即在换乘网络中,边的权值表示这两个站点间的实际站数,边权值越大,表示这两个站点之间的站数越多,通常情况下,距离越长;
通过对换乘网络边权值的定义方法,所计算出的网络平均传输时间更能反映出实际公共交通网络的运输性能;
步骤三:获得公交-地铁双层加权网络中投递包的代价函数;
考虑乘客在网络中所行走的最短距离,最少换乘次数以及所选路径的拥塞情况,获得公交-地铁双层加权网络中投递包的代价函数;
步骤四:通过序参数和平均传输时间描述传输性能
在每个时间步,网络中的每个节点会同时生成包、投递包和移除包;通过网络的序参数η(A)和平均传输时间Tavg来描述网络的传输性能;
平均传输时间是指网络中所有包从初始节点到目的节点的平均传输时间,其中总时间包括包在节点中的等待时间和包在网络内的投递时间;序参数是指相对于单位时间内网络中产生包的数量A,网络中包的总量的变化速度;采用序参数η(A)来反映网络中拥塞状态的转变;在不同的路由策略中,包的平均传输时间和序参数都不相同,平均传输时间越短,序参数越小,说明网络的传输性能越强。
步骤二中的公交-地铁双层加权换乘网络模型的建模方式为一条包含5 个站点的线路在站点网络和换乘网络中的连接方式,5个站点分别为a,b,c,d, e;在站点网络中5个站点的连接成为一条线路;在换乘网络中,站点a与站点b间隔一站,所以边ab的权值为1,站点a与站点c间隔两站,所以边ac 的权值为2,站点a与站点d间隔三站,所以边ad的权值为3,站点a与站点e间隔四站,所以边ae的权值为4,以此类推;
步骤三中路由策略中最短距离、最少换乘、拥塞情况函数如下,在t时刻,从节点i投递包到节点k的代价函数定义为Costik(t),经计算后,节点i将选择代价最小的路径投递包;
Costik(t)=α·Lik+β·gik(t)+(1-α-β)·Hik(t) (1)
其中,Lik为加权换乘网络中从源节点i到目的节点k的最短路径长度,即乘客从出发站点i目的站点k所需的最少站数,Lik越大,乘客从出发地到目的地所经过的站点越多,所需的乘车时间越长;gik(t)是一个拥塞函数,代表从节点i到节点k的最短路径上的整体拥塞程度,gik(t)越大,表示乘客从出发地到目的地的代价越大;Hik(t)为无权换乘网络中从节点i到节点k的最短路径长度,其意义为乘客在公共交通网络中需要乘几辆车才能从起点到达终点,[Hik(t)-1]为乘客在公共交通网络中的换乘次数,Hik(t)越大,表示乘客在从出发地到目的地需要的换乘次数越多;α和β为在[0,1]内可调的参数,α衡量了路由策略中考虑最少乘车站数的权重,当α=0时乘客出行时不考虑最少的乘车站数,当α=1时路由策略变为加权网络下的最短路径路由策略,此时乘客的出行路线仅根据最少的乘车站数来选择;β衡量了路由策略考虑中考虑从出发地到目的地的最短路径上整体拥塞程度的权值,β=0时乘客只根据网络的静态结构选择出行路线,不考虑网络中的拥塞情况,β=0时乘客对从出发站点到目的站点最短距离上的拥塞程度感知能力最强,此时乘客仅根据从出发站点到目的站点最短距离上的拥塞情况来选择出行路线;当α=0,β=0 时,路由策略变为无权网络下的最短路径策略,乘客出行时只根据最少换乘次数来选择路线;
拥塞函数gik(t)表示在t时刻,从节点i到节点k在加权网络最短路径上的所有节点拥塞程度的累加和,如公式2所示;
其中Sx(t)为t时刻节点x的排队队列中的总包数,即t时刻在站点x处等待出行的乘客数;cx为节点x单位时间内的处理能力,其值与节点的介数相关,即站点x在单位时间内能运输的乘客数量;表示节点x投递完其排队队列中的包所需要的时间,即站点x运输完在该站点处等车的乘客所需的时间,其值反映了该站点的拥塞程度;表示从节点i到节点k最短路径上拥塞程度的累加;
因为公交站与地铁站具有不同的处理能力,每一个地铁站的运输量更大,因此在网络模型中将公交网络节点和地铁网络节点的处理能力设为不同值,地铁网络的节点处理能力为公交节点的μ倍,如公式(3)所示;
cx2=μcx1 (3)
其中cx2表示地铁站的处理能力,cx1表示公交站的处理能力,μ为比例系数。
步骤四中平均传输时间Tavg和序参数η(A)的计算方法如公式(4)和公式(5) 所示;
其中N表示网络中的节点总量,ΔS=S(t+Δt)-S(t)和<...>表示在时间范围Δt内网络中包总量变化的平均值;在每个时刻网络中要投递的包的数量相对于网络中包的总量来说是独立的,总有包会顺利到达它的目的节点,也总有包会滞留在网络中,是否会有较多的包滞留在网络中取决于单位时间内网络中产生的包数量;通过序参数,可以找到网络中单位时间内产生包的临界状态值Ac,即网络的传输容量;
在城市公共交通网络中,平均传输时间Tavg是指所有乘客从出发站点到目的站点的平均运输时间,其中总时间包括乘客在站点的等车时间和乘客在网络中的运行时间;序参数η(A)是指相对于每个时刻打算出行的乘客数量来说,滞留在网络中的乘客总量的变化速度;网络传输容量Ac是指网络中单位时间内打算出行的乘客数量的临界值,当A<Ac时,网络中将要出行的乘客数量与到达目的地的乘客数量大致相等,没有乘客滞留在网络中,网络畅通运行,没有拥塞现象发生,此时<ΔS>≈0,η(A)≈0;当A>Ac时,交通网络中将要出行的乘客数量大于到达目的地的乘客数量,此时<ΔS>随着时间线性增加,η(A)>0,表明滞留在网络中的乘客数量会越来越多,最终导致城市交通网络发生拥塞。
本发明的优点:
在考虑了公共交通网络中换乘的平均传输时间基础上,也考虑了网络中站点间的实际距离,即综合考虑了最短乘车距离、最少换乘次数及最短乘车距离上的拥塞情况,因此更加全面地理解网络中的拓扑信息,在帮助乘客选择最佳出行路线的同时使网络中的拥塞达到最低状态。
附图说明
图1(a)为站点网络建模方式;
图1(b)为换乘网络建模方式;
图2(a)为α=0.1时的序参数η(A);
图2(b)为α=0.1时的平均传输时间Tavg;
图2(c)为α=0.3时的序参数η(A);
图2(d)为α=0.3时的平均传输时间Tavg;
图2(e)为α=0.5时的序参数η(A);
图2(f)为α=0.5时的平均传输时间Tavg;
图3(a)为β=0.1时的序参数η(A);
图3(b)为β=0.1时的平均传输时间Tavg;
图3(c)为β=0.2时的序参数η(A);
图3(d)为β=0.2时的平均传输时间Tavg;
图3(e)为β=0.3时的序参数η(A);
图3(f)为β=0.3时的平均传输时间Tavg;
图4(a)为A=400时的序参数η(A);
图4(b)为A=400时的平均传输时间Tavg;
图4(c)为A=600时的序参数η(A);
图4(d)为A=600时的平均传输时间Tavg;
图4(e)为A=1000时的序参数η(A);
图4(f)为A=1000时的平均传输时间Tavg。
具体实施方案
下面结合说明书附图图1(a)-图4(f)对本发明进一步详细说明。
一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略,在公交- 地铁双层无权换乘网络的基础上,根据双层站点网络对双层换乘网络加权,构建了公交-地铁双层加权换乘网络模型,并根据此模型提出了新的路由策略,该策略综合考虑了最短乘车距离、最少换乘次数及最短乘车距离上的拥塞情况,并通过仿真实验找到调节最短乘车距离及拥塞情况权重的最优值。
具体步骤如下:
步骤一:构建公交-地铁双层网络。
首先,构建站点网络。站点网络是将公交站点和地铁站点视为节点,若两个站点相邻且在一条线路上,这两个节点之间则有连边。其中,公交网络与地铁网络通过地铁站点与其周围的公交站点相连,每个地铁站点与其方圆 500米内的公交站点相连(城市周围的郊区地带没有限定在这个范围内)。设定地铁网络与公交网络之间采取一对多的连接方式,即一个地铁站点可连接多个公交站点,但一个公交站点只连接一个地铁站点;其次,构建换乘网络。公交-地铁换乘网络中定义两种性质的换乘,一种是每层网络内部的换乘,即公交与公交之间或地铁与地铁之间的换乘;另一种是两层网络间的换乘,即公交与地铁之间的换乘。在每一层的换乘网络中,同样是将公交站点和地铁站点视为节点,若两个站点在一条公交线路或地铁线路上,这两个站点之间则有连边,这两层网络之间的连接与双层站点网络的连接方式相同。最后,构建线路网络。公交-地铁线路网络中同样定义了两种性质的连接方式,分别是每层网络内部的连接,即公交线路与公交线路之间或地铁线路与地铁线路之间的连接;另一种是两层网络间的连接,即公交线路网络与地铁线路网络之间的连接。在每一层的线路网络中,公交线路或地铁线路被定义为节点,如果两条线路之间含有至少一个相同站点,那么这两条线路之间就有连边,代表这两条线路的两个节点相连。两层线路网络之间的连接与双层站点网络和双层换乘网络的连接方式相同。
步骤二:构建公交-地铁加权双层网络。
换乘网络中的边表示边两端的节点在一条线路上,边权值通过计算站点网络中这两个节点的长度得出。即在换乘网络中,边的权值表示这两个站点间的实际站数,边权值越大,表示这两个站点之间的站数越多,通常情况下,距离越长。
通过这种对换乘网络边权值的定义方法,所计算出的网络平均传输时间更能反映出实际公共交通网络的运输性能。网络的建模方式如图1(a)、图1 (b)所示。图1(a)为一条包含5个站点的线路在站点网络和换乘网络中的连接方式,图1(a)展示了在站点网络中站点a,b,c,d,e的连接情况,图1(b)为其对应的换乘网络,站点a与站点b间隔一站,所以边ab的权值为1,站点a 与站点c间隔两站,所以边ac的权值为2,站点a与站点d间隔三站,所以边ad的权值为3,站点a与站点e间隔四站,所以边ae的权值为4,以此类推。
步骤三:获得公交-地铁双层加权网络中投递包的代价函数
在该路由策略中,同时考虑了乘客在网络中所行走的最短距离,最少换乘次数以及所选路径的拥塞情况。在t时刻,从节点i投递包到节点k的代价函数定义为Costik(t),经计算后,节点i将选择代价最小的路径投递包。
Costik(t)=α·Lik+β·gik(t)+(1-α-β)·Hik(t) (1)
其中,Lik为加权换乘网络中从源节点i到目的节点k的最短路径长度,即乘客从出发站点i目的站点k所需的最少站数,Lik越大,乘客从出发地到目的地所经过的站点越多,所需的乘车时间越长。gik(t)是一个拥塞函数,代表从节点i到节点k的最短路径上的整体拥塞程度,gik(t)越大,表示乘客从出发地到目的地的代价越大。Hik(t)为无权换乘网络中从节点i到节点k的最短路径长度,其意义为乘客在公共交通网络中需要乘几辆车才能从起点到达终点,[Hik(t)-1]为乘客在公共交通网络中的换乘次数,Hik(t)越大,表示乘客在从出发地到目的地需要的换乘次数越多。α和β为在[0,1]内可调的参数,α衡量了路由策略中考虑最少乘车站数的权重,当α=0时乘客出行时不考虑最少的乘车站数,当α=1时路由策略变为加权网络下的最短路径路由策略,此时乘客的出行路线仅根据最少的乘车站数来选择。β衡量了路由策略考虑中考虑从出发地到目的地的最短路径上整体拥塞程度的权值,β=0时乘客只根据网络的静态结构选择出行路线,不考虑网络中的拥塞情况,β=0时乘客对从出发站点到目的站点最短距离上的拥塞程度感知能力最强,此时乘客仅根据从出发站点到目的站点最短距离上的拥塞情况来选择出行路线。当α=0,β=0 时,路由策略变为无权网络下的最短路径策略,乘客出行时只根据最少换乘次数来选择路线。
拥塞函数gik(t)表示在t时刻,从节点i到节点k在加权网络最短路径上的所有节点拥塞程度的累加和,如公式2所示。
其中Sx(t)为t时刻节点x的排队队列中的总包数,即t时刻在站点x处等待出行的乘客数。cx为节点x单位时间内的处理能力,其值与节点的介数相关,即站点x在单位时间内能运输的乘客数量。表示节点x投递完其排队队列中的包所需要的时间,即站点x运输完在该站点处等车的乘客所需的时间,其值反映了该站点的拥塞程度。表示从节点i到节点k最短路径上拥塞程度的累加。
因为公交站与地铁站具有不同的处理能力,每一个地铁站的运输量更大,因此在网络模型中将公交网络节点和地铁网络节点的处理能力设为不同值,地铁网络的节点处理能力为公交节点的μ倍。
cx2=μcx1 (3)
其中cx2表示地铁站的处理能力,cx1表示公交站的处理能力,μ为比例系数。
步骤四:通过序参数和平均传输时间描述传输性能
在每个时间步,网络中的每个节点会同时生成包、投递包和移除包。通过网络的序参数η(A)和平均传输时间Tavg来描述网络的传输性能。
平均传输时间是指网络中所有包从初始节点到目的节点的平均传输时间,其中总时间包括包在节点中的等待时间和包在网络内的投递时间。序参数是指相对于单位时间内网络中产生包的数量A,网络中包的总量的变化速度。本节采用序参数η(A)来反映网络中拥塞状态的转变。在不同的路由策略中,包的平均传输时间和序参数都不相同,平均传输时间越短,序参数越小,说明网络的传输性能越强。Tavg和η(A)的计算方法如公式(4)和公式(5)所示。
其中N表示网络中的节点总量,ΔS=S(t+Δt)-S(t)和<...>表示在时间范围Δt内网络中包总量变化的平均值。在每个时刻网络中要投递的包的数量相对于网络中包的总量来说是独立的,总有包会顺利到达它的目的节点,也总有包会滞留在网络中,是否会有较多的包滞留在网络中取决于单位时间内网络中产生的包数量。通过序参数,可以找到网络中单位时间内产生包的临界状态值Ac,即网络的传输容量。
在城市公共交通网络中,平均传输时间Tavg是指所有乘客从出发站点到目的站点的平均运输时间,其中总时间包括乘客在站点的等车时间和乘客在网络中的运行时间。序参数η(A)是指相对于每个时刻打算出行的乘客数量来说,滞留在网络中的乘客总量的变化速度。网络传输容量Ac是指网络中单位时间内打算出行的乘客数量的临界值,当A<Ac时,网络中将要出行的乘客数量与到达目的地的乘客数量大致相等,没有乘客滞留在网络中,网络畅通运行,没有拥塞现象发生,此时<ΔS>≈0,η(A)≈0。当A>Ac时,交通网络中将要出行的乘客数量大于到达目的地的乘客数量,此时<ΔS>随着时间线性增加,η(A)>0,表明滞留在网络中的乘客数量会越来越多,最终导致城市交通网络发生拥塞。
如图2(a)-图2(f)所示。在公交-地铁双层加权网络的路由策略中有两个未知参数,α和β如何取值才能使路由策略的效率最高需要根据实验效果来分析。在仿真实验中,首先通过固定α的值来观察β如何取值时路由策略的效果最好,
当α的值不变,单位时间内的出行人数相同时,随着β增大,序参数η(A) 和平均传输时间Tavg都在减小,说明当对乘客对最短出行距离考虑相同时,对网络中的拥塞情况考虑得越多,路由策略的传输性能越好,乘客的出行效率越高。且当单位时间内的出行人数A超过400时,η(A)和Tavg开始逐渐增长,网络逐渐进入拥塞状态。此外,随着α增大,不同β值之间η(A)和Tavg曲线之间的差距在减少,曲线之间越来越难以区分,这在一定程度上也说明对网络的最短出行距离考虑变多时,对网络整体拥塞程度的感知能力变得不再那么重要。此外,通过比较图2(a),(c),(e)和图2(b),(d),(f)发现,当α取值不同,β取相同值时,随着α的增大,η(A)和Tavg曲线也在逐渐减小,说明当乘客对网络中的拥塞程度考虑相同时,对最短出行距离考虑得越多,路由策略的传输性能越好,乘客的出行效率越高。为了验证这一结论,通过固定β的值来观察α取不同值时路由策略的传输性能。
如图3(a),(b),(c),(d),(e),(f)所示,当β的值不变,单位时间内的出行人数相同时,随着α增大,序参数η(A)和平均传输时间Tavg都在减小,说明当乘客对网络中的拥塞情况考虑得相同时,对最短出行距离考虑越多,路由策略的传输性能越好,乘客的出行效率越高。且当单位时间内的出行人数A超过 400时,网络逐渐进入拥塞状态,这与图(a),(b),(c),(d),(e),(f)中的所观察的结果一致。
α和β都是取值越大时,路由策略的传输性能越好,但α与β不可能同时都取最大值,因此需要观察α与β同时分别取何值时路由策略的传输性能最好,乘客在公交-地铁网络中的出行效率最高。接下来比较在单位时间内向网络中投放不同数量的包时,α与β分别应该如何取值,结果如图4(a),(b), (c),(d),(e),(f)所示。
当的单位时间内的出行人数为400时,网络即将进入拥塞状态,当出行人数为600时,网络刚处于拥塞状态,当出行人数为1000时,网络较为拥塞。因此取A=400,600,1000进行仿真实验,观察这三种情况下,α与β分别取何值时路由策略的效率最高。如图4(a),(b)所示,当A=400时,α=0.6,β=0.4或α=0.5,β=0.5时,η(A)和Tavg都最小,所以当单位时间内的出行人数为400时,α取0.6,β取0.4或α取0.5,β取0.5路由策略的传性能最好。如图4c、d所示,当A=600时,α=0.5,β=0.4或α=0.4,β=0.5时,η(A)和 Tavg都最小,所以当单位时间内的出行人数为600时,α取0.5,β取0.4或α取0.4,β取0.5路由策略的传性能最好。如图4(e)所示,当A=1000时,α=0.8,β=0.2或α=0.9,β=0.1时,η(A)最小;由图4(f)可知,当A=1000 时,α=0.5,β=0.4或α=0.4,β=0.5时,Tavg最小,但当α=0.8,β=0.2或α=0.9,β=0.1时,Tavg也较小,所以当单位时间内的出行人数为1000时,α取0.8,β取0.2或α取0.9,β取0.1路由策略的传性能最好。
综上所述,在公交-地铁双层无权换乘网络的基础上,根据双层站点网络对双层换乘网络加权,构建了公交-地铁双层加权换乘网络模型,并根据此模型提出了新的路由策略,该策略综合考虑了最短乘车距离、最少换乘次数及最短乘车距离上的拥塞情况,并通过仿真实验找到了调节最短乘车距离及拥塞情况权重的最优值。通过加权网络模型来分析城市公共交通网络,能够更加全面地理解网络中的拓扑信息,在帮助乘客选择最佳出行路线的同时使网络中的拥塞达到最低状态。
Claims (4)
1.一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略,其特征在于:
在公交-地铁双层无权换乘网络的基础上,对公交-地铁双层无权换乘网络加权,构建了公交-地铁双层加权换乘网络模型;
具体步骤如下:
步骤一:构建公交-地铁双层无权换乘网络;
1)构建站点网络;站点网络是将公交站点和地铁站点视为节点,若两个站点相邻且在一条线路上,这两个节点之间则有连边;其中,公交网络与地铁网络通过地铁站点与其周围的公交站点相连,设定地铁网络与公交网络之间采取一对多的连接方式,即一个地铁站点可连接多个公交站点,但一个公交站点只连接一个地铁站点;
2)构建换乘网络;公交-地铁换乘网络中定义两种性质的换乘,第一种是每层网络内部的换乘,即公交与公交之间,地铁与地铁之间的换乘;第二种是两层网络间的换乘,即公交与地铁之间的换乘;在每一层的换乘网络中,同样是将公交站点和地铁站点视为节点,若两个站点在一条公交线路或地铁线路上,这两个站点之间则有连边,这两层网络之间的连接与双层站点网络的连接方式相同;
3)构建线路网络;公交-地铁线路网络中同样定义两种性质的连接方式,第一种是每层网络内部的连接,即公交线路与公交线路之间,地铁线路与地铁线路之间的连接;第二种是两层网络间的连接,即公交线路网络与地铁线路网络之间的连接;在每一层的线路网络中,公交线路或地铁线路被定义为节点,如果两条线路之间含有至少一个相同站点,那么这两条线路之间就有连边,代表这两条线路的两个节点相连;两层线路网络之间的连接与双层站点网络和双层换乘网络的连接方式相同;
步骤二:构建公交-地铁双层加权换乘网络模型;
换乘网络中的边表示边两端的节点在一条线路上,边权值通过计算站点网络中这两个节点的长度得出;即在换乘网络中,边的权值表示这两个站点间的实际站数,边权值越大,表示这两个站点之间的站数越多,距离越长;
步骤三:获得公交-地铁双层加权网络中投递包的代价函数;
考虑乘客在网络中所行走的最短距离,最少换乘次数以及所选路径的拥塞情况,获得公交-地铁双层加权网络中投递包的代价函数;
在t时刻,从节点i投递包到节点k的代价函数定义为Costik(t),经计算后,节点i将选择代价最小的路径投递包;
Costik(t)=α·Lik+β·gik(t)+(1-α-β)·Hik(t) (1)
其中,Lik为加权换乘网络中从源节点i到目的节点k的最短路径长度,即乘客从出发站点i目的站点k所需的最少站数,Lik越大,乘客从出发地到目的地所经过的站点越多,所需的乘车时间越长;gik(t)是一个拥塞函数,代表从节点i到节点k的最短路径上的整体拥塞程度,gik(t)越大,表示乘客从出发地到目的地的代价越大;Hik(t)为无权换乘网络中从节点i到节点k的最短路径长度,其意义为乘客在公共交通网络中需要乘几辆车才能从起点到达终点,[Hik(t)-1]为乘客在公共交通网络中的换乘次数,Hik(t)越大,表示乘客在从出发地到目的地需要的换乘次数越多;α和β为在[0,1]内可调的参数,α衡量了路由策略中考虑最少乘车站数的权重,当α=0时乘客出行时不考虑最少的乘车站数,当α=1时路由策略变为加权网络下的最短路径路由策略,此时乘客的出行路线仅根据最少的乘车站数来选择;β衡量了路由策略考虑中考虑从出发地到目的地的最短路径上整体拥塞程度的权值,β=0时乘客只根据网络的静态结构选择出行路线,不考虑网络中的拥塞情况,β=0时乘客对从出发站点到目的站点最短距离上的拥塞程度感知能力最强,此时乘客仅根据从出发站点到目的站点最短距离上的拥塞情况来选择出行路线;当α=0,β=0时,路由策略变为无权网络下的最短路径策略,乘客出行时只根据最少换乘次数来选择路线;
拥塞函数gik(t)表示在t时刻,从节点i到节点k在加权网络最短路径上的所有节点拥塞程度的累加和,如公式2所示;
其中Sx(t)为t时刻节点x的排队队列中的总包数,即t时刻在站点x处等待出行的乘客数;cx为节点x单位时间内的处理能力,其值与节点的介数相关,即站点x在单位时间内能运输的乘客数量;表示节点x投递完其排队队列中的包所需要的时间,即站点x运输完在该站点处等车的乘客所需的时间,其值反映了该站点的拥塞程度;表示从节点i到节点k最短路径上拥塞程度的累加;
因为公交站与地铁站具有不同的处理能力,每一个地铁站的运输量更大,因此在网络模型中将公交网络节点和地铁网络节点的处理能力设为不同值,地铁网络的节点处理能力为公交节点的μ倍;
cx2=μcx1 (3)
其中cx2表示地铁站的处理能力,cx1表示公交站的处理能力,μ为比例系数;
步骤四:通过序参数和平均传输时间描述传输性能
在每个时间步,网络中的每个节点会同时生成包、投递包和移除包;通过网络的序参数η(A)和平均传输时间Tavg来描述网络的传输性能;
平均传输时间是指网络中所有包从初始节点到目的节点的平均传输时间,其中总时间包括包在节点中的等待时间和包在网络内的投递时间;序参数是指相对于单位时间内网络中产生包的数量A,网络中包的总量的变化速度;采用序参数η(A)来反映网络中拥塞状态的转变;在不同的路由策略中,包的平均传输时间和序参数都不相同,平均传输时间越短,序参数越小,说明网络的传输性能越强。
2.根据权利要求1所述的一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略,其特征在于:
步骤二中的公交-地铁双层加权换乘网络模型的建模方式为一条包含5个站点的线路在站点网络和换乘网络中的连接方式,5个站点分别为a,b,c,d,e;在站点网络中5个站点的连接成为一条线路;在换乘网络中,站点a与站点b间隔一站,所以边ab的权值为1,站点a与站点c间隔两站,所以边ac的权值为2,站点a与站点d间隔三站,所以边ad的权值为3,站点a与站点e间隔四站,所以边ae的权值为4,以此类推。
3.根据权利要求1所述的一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略,其特征在于:
步骤三中路由策略中最短距离、最少换乘、拥塞情况函数如下,在t时刻,从节点i投递包到节点k的代价函数定义为Costik(t),经计算后,节点i将选择代价最小的路径投递包;
Costik(t)=α·Lik+β·gik(t)+(1-α-β)·Hik(t) (1)
其中,Lik为加权换乘网络中从源节点i到目的节点k的最短路径长度,即乘客从出发站点i目的站点k所需的最少站数,Lik越大,乘客从出发地到目的地所经过的站点越多,所需的乘车时间越长;gik(t)是一个拥塞函数,代表从节点i到节点k的最短路径上的整体拥塞程度,gik(t)越大,表示乘客从出发地到目的地的代价越大;Hik(t)为无权换乘网络中从节点i到节点k的最短路径长度,其意义为乘客在公共交通网络中需要乘几辆车才能从起点到达终点,[Hik(t)-1]为乘客在公共交通网络中的换乘次数,Hik(t)越大,表示乘客在从出发地到目的地需要的换乘次数越多;α和β为在[0,1]内可调的参数,α衡量了路由策略中考虑最少乘车站数的权重,当α=0时乘客出行时不考虑最少的乘车站数,当α=1时路由策略变为加权网络下的最短路径路由策略,此时乘客的出行路线仅根据最少的乘车站数来选择;β衡量了路由策略考虑中考虑从出发地到目的地的最短路径上整体拥塞程度的权值,β=0时乘客只根据网络的静态结构选择出行路线,不考虑网络中的拥塞情况,β=0时乘客对从出发站点到目的站点最短距离上的拥塞程度感知能力最强,此时乘客仅根据从出发站点到目的站点最短距离上的拥塞情况来选择出行路线;当α=0,β=0时,路由策略变为无权网络下的最短路径策略,乘客出行时只根据最少换乘次数来选择路线;
拥塞函数gik(t)表示在t时刻,从节点i到节点k在加权网络最短路径上的所有节点拥塞程度的累加和,如公式2所示;
其中Sx(t)为t时刻节点x的排队队列中的总包数,即t时刻在站点x处等待出行的乘客数;cx为节点x单位时间内的处理能力,其值与节点的介数相关,即站点x在单位时间内能运输的乘客数量;表示节点x投递完其排队队列中的包所需要的时间,即站点x运输完在该站点处等车的乘客所需的时间,其值反映了该站点的拥塞程度;表示从节点i到节点k最短路径上拥塞程度的累加;
因为公交站与地铁站具有不同的处理能力,每一个地铁站的运输量更大,因此在网络模型中将公交网络节点和地铁网络节点的处理能力设为不同值,地铁网络的节点处理能力为公交节点的μ倍,如公式(3)所示;
cx2=μcx1 (3)
其中cx2表示地铁站的处理能力,cx1表示公交站的处理能力,μ为比例系数。
4.根据权利要求1所述的一种基于公交-地铁双层加权换乘网络下的拥塞感知路由策略,其特征在于:
步骤四中平均传输时间Tavg和序参数η(A)的计算方法如公式(4)和公式(5)所示;
其中N表示网络中的节点总量,ΔS=S(t+Δt)-S(t)和<...>表示在时间范围Δt内网络中包总量变化的平均值;在每个时刻网络中要投递的包的数量相对于网络中包的总量来说是独立的,总有包会顺利到达它的目的节点,也总有包会滞留在网络中,是否会有较多的包滞留在网络中取决于单位时间内网络中产生的包数量;通过序参数,可以找到网络中单位时间内产生包的临界状态值Ac,即网络的传输容量;
在城市公共交通网络中,平均传输时间Tavg是指所有乘客从出发站点到目的站点的平均运输时间,其中总时间包括乘客在站点的等车时间和乘客在网络中的运行时间;序参数η(A)是指相对于每个时刻打算出行的乘客数量来说,滞留在网络中的乘客总量的变化速度;网络传输容量Ac是指网络中单位时间内打算出行的乘客数量的临界值,当A<Ac时,网络中将要出行的乘客数量与到达目的地的乘客数量大致相等,没有乘客滞留在网络中,网络畅通运行,没有拥塞现象发生,此时<ΔS>≈0,η(A)≈0;当A>Ac时,交通网络中将要出行的乘客数量大于到达目的地的乘客数量,此时<ΔS>随着时间线性增加,η(A)>0,表明滞留在网络中的乘客数量会越来越多,最终导致城市交通网络发生拥塞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810015956.7A CN108243065B (zh) | 2018-01-08 | 2018-01-08 | 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810015956.7A CN108243065B (zh) | 2018-01-08 | 2018-01-08 | 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108243065A CN108243065A (zh) | 2018-07-03 |
CN108243065B true CN108243065B (zh) | 2020-10-23 |
Family
ID=62698483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810015956.7A Active CN108243065B (zh) | 2018-01-08 | 2018-01-08 | 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108243065B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109446381A (zh) * | 2018-10-16 | 2019-03-08 | 中山大学 | 一种基于时态图的公共交通路网集成方法 |
CN111340673A (zh) * | 2020-01-09 | 2020-06-26 | 北京航空航天大学 | 一种基于空铁耦合网络的出行耗时计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674630A (zh) * | 2009-09-25 | 2010-03-17 | 南京邮电大学 | 一种可感知拥塞的跨层路由实现方法 |
CN102880642A (zh) * | 2012-08-20 | 2013-01-16 | 浙江工业大学 | 一种基于加权有向网络模型的公交换乘方法 |
US9485118B1 (en) * | 2012-09-28 | 2016-11-01 | Juniper Networks, Inc. | Penalty-box policers for network device control plane protection |
CN106651181A (zh) * | 2016-12-25 | 2017-05-10 | 北京工业大学 | 网络化运营条件下的公交客流拥塞风险评价方法 |
CN107545322A (zh) * | 2017-07-28 | 2018-01-05 | 东北大学 | 一种基于降低拥塞权重缓解公交网络时间延迟的方法 |
-
2018
- 2018-01-08 CN CN201810015956.7A patent/CN108243065B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674630A (zh) * | 2009-09-25 | 2010-03-17 | 南京邮电大学 | 一种可感知拥塞的跨层路由实现方法 |
CN102880642A (zh) * | 2012-08-20 | 2013-01-16 | 浙江工业大学 | 一种基于加权有向网络模型的公交换乘方法 |
US9485118B1 (en) * | 2012-09-28 | 2016-11-01 | Juniper Networks, Inc. | Penalty-box policers for network device control plane protection |
CN106651181A (zh) * | 2016-12-25 | 2017-05-10 | 北京工业大学 | 网络化运营条件下的公交客流拥塞风险评价方法 |
CN107545322A (zh) * | 2017-07-28 | 2018-01-05 | 东北大学 | 一种基于降低拥塞权重缓解公交网络时间延迟的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108243065A (zh) | 2018-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pi et al. | A general formulation for multi-modal dynamic traffic assignment considering multi-class vehicles, public transit and parking | |
Wu et al. | Transit equilibrium assignment: a model and solution algorithms | |
Lam et al. | A capacity restraint transit assignment with elastic line frequency | |
CN108647802B (zh) | 基于双层交通网络模型抗拥塞方法 | |
CN108243065B (zh) | 基于公交-地铁双层加权换乘网络下的拥塞感知路由策略 | |
Kim et al. | Navopt: Navigator assisted vehicular route optimizer | |
CN110599760A (zh) | 一种多模式交通网络下的出行行为模拟方法 | |
Li et al. | Backpressure control with estimated queue lengths for urban network traffic | |
Li et al. | Evaluation of bus-exclusive lanes | |
CN108364093B (zh) | 基于能力瓶颈疏解策略的路网客流协同控制优化方法 | |
CN111724076A (zh) | 运营中断条件下区域多式轨道交通客流动态分配方法 | |
Gallo et al. | A multimodal approach to bus frequency design | |
CN108830401B (zh) | 基于元胞传输模型的动态拥堵收费最优费率计算方法 | |
Larrain et al. | Public transit corridor assignment assuming congestion due to passenger boarding and alighting | |
CN108197724B (zh) | 公交复杂网络中效率权重计算与公交方案性能评估方法 | |
CN105427394B (zh) | 基于试错法和机动车流量的拥堵收费最优费率确定方法 | |
Lam et al. | Estimation of transit origin–destination matrices from passenger counts using a frequency-based approach | |
Li et al. | Modeling impact of transit operator fleet size under various market regimes with uncertainty in network | |
Uchida et al. | Study on optimal frequency design problem for multimodal network using probit-based user equilibrium assignment | |
CN114255586B (zh) | 一种开放策略下多模式网络交通分布的优化方法和系统 | |
CN108199888B (zh) | 一种基于历史信息预测和缓解公共交通网络拥塞的方法 | |
CN110428628B (zh) | 道路交通诱导方法 | |
Sossoe | Modeling of multimodal transportation systems of large networks | |
Abdulhafedh | Advances in dynamic traffic assignment models | |
Cantarella et al. | Transportation systems with autonomous vehicles: Modeling issues and research perspectives |
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 |