CN109190813A - 一种基于双层规划的共享自行车区域投放规划方法 - Google Patents
一种基于双层规划的共享自行车区域投放规划方法 Download PDFInfo
- Publication number
- CN109190813A CN109190813A CN201810958834.1A CN201810958834A CN109190813A CN 109190813 A CN109190813 A CN 109190813A CN 201810958834 A CN201810958834 A CN 201810958834A CN 109190813 A CN109190813 A CN 109190813A
- Authority
- CN
- China
- Prior art keywords
- point
- shared bicycle
- shared
- trip
- bicycle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000002355 dual-layer Substances 0.000 title claims abstract description 17
- 239000010410 layer Substances 0.000 claims abstract description 8
- 230000001351 cycling effect Effects 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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"
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于双层规划的共享自行车区域投放规划方法，包括步骤：1)获取拟提供服务的共享自行车系统的规划基础资料；2)构建各条出行路径的广义出行成本函数；3)分别以共享自行车网络系统最优和用户均衡为上层模型和下层模型，建立基于双层规划的共享自行车区域投放规划模型；4)对共享自行车区域投放规划模型进行求解，得到各区域投放点的位置以及共享自行车配备方案。本发明提供了一种共享自行车区域投放的方法，能够同时确定投放区域的选址及规模，为投放区域的规划以及投放量的预测提供科学的依据，具有实际推广价值。
Description
技术领域
本发明涉及城市共享自行车系统规划的技术领域，尤其是指一种基于双层规划的共享自行车区域投放规划方法。
背景技术
共享经济为绿色出行、可持续发展提供了重要的实现路径，作为共享经济的产物，共享自行车以低碳环保、资金和基础设施投入少、便民惠利等优势，成为居民短距离出行的主要交通方式之一，有效解决了居民出行“最后一公里”的问题。并随着互联网的快速发展和移动支付手段的普及，共享自行车在较短时间内收获了市场的极大正面反响，国内外许多城市都大力支持、推广共享自行车系统的发展。
与公共自行车不同的是共享自行车没有固定的站点，共享自行车的投放一般是根据客流的分布情况将车辆投放在小区、商圈、写字楼周边。由于共享自行车投放点以及投放量难以确定，容易出现共享自行车的投放与用户需求不平衡的现象。目前国内外对共享自行车的研究多从成本利润或者用户需求出发，大多没有同时考虑系统用户总的出行成本、用户出行时间以及用户出行需求来规划共享自行车投放的位置以及投放量，所以有必要对共享自行车投放区域的位置以及投放量进行研究。
发明内容
本发明的目的在于克服现有技术的不足，提出了一种基于双层规划的共享自行车区域投放规划方法，该方法创新地从用户使用体验的角度出发，同时考虑各类成本、系统用户总的出行成本、用户出行时间以及用户出行需求，科学合理地规划共享自行车的投放区域以及投放量，具有较高的应用价值。
为实现上述目的，本发明所提供的技术方案为：一种基于双层规划的共享自行车区域投放规划方法，包括以下步骤：
1)获取拟提供服务的共享自行车系统的规划基础资料，包括备选共享自行车区域投放点资料、交通小区资料、交通小区和备选共享自行车区域投放点距离资料、交通小区之间的共享自行车出行需求资料、建设运营成本资料、路网相关资料；
2)根据获取得到的基础资料，构建各条出行路径的广义出行成本函数，其中广义出行成本由步行时间和骑行时间两部分构成；
3)分别以共享自行车网络系统最优和用户均衡为上层模型和下层模型，建立基于双层规划的共享自行车区域投放规划模型；
4)对共享自行车区域投放规划模型进行求解，得到各区域投放点的位置以及共享自行车配备方案。
在步骤1)中，所述备选共享自行车区域投放点资料包括拟提供共享自行车的服务范围、服务范围内的共享自行车客流产生情况和共享自行车客流产生点位置，以此确定共享自行车区域投放备选投放点位置，共享自行车客流产生情况以及产生点位置通过交通调查获得；所述交通小区资料包括拟提供共享自行车的服务范围内交通小区的划分情况以及交通小区内共享自行车投放区域的用地性质；所述交通小区和备选共享自行车区域投放点距离资料包括交通小区形心到共享自行车区域投放点的距离以及各共享自行车区域投放点之间的距离，从共享自行车系统规划方案获得；所述交通小区之间的共享自行车出行需求资料是指各交通小区时间的共享自行车出行OD量数据，从历史数据或者交通调查获得；所述建设运营成本资料包括共享自行车单价、运营维护费用、租赁费用和旅行时间价值，通过市场调查和共享自行车系统规划方案获得；所述路网相关资料包括拟提供共享自行车服务范围内的路径情况、道路阻抗函数、共享自行车骑行速度和用户步行速度，从共享自行车系统规划方案获得。
步骤2)中，构建各条出行路径的广义出行成本函数，包含如下步骤：
2.1)建立共享自行车出行路径：共享自行车出行路径是指用户使用共享自行车从起点到终点的单向出行过程假设有k条路径，每条路径共包括5个阶段：a、从起点交通小区r步行至借车点m；b、在借车点m借车；c、使用共享自行车从借车点m骑行至另一还车点n；d、在还车点n还车；e、从还车点n步行至终点交通小区s；
2.2)计算步行时间：步行时间是指用户从起点步行至借车点m或从还车点n步行至终点所用的时间；假设交通小区出行需求均匀分布，因此共享自行车出行的起点和终点能够看成起讫点交通小区的形心；步行时间计算公式为：
式中，分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；srm、sns分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的距离；vw是用户平均步行速度；
2.3)计算骑行时间：骑行时间是指用户从借车点m骑行共享自行车到还车点n的时间，骑行时间与借还点距离以及路段流量有关。骑行时间计算公式为：
式中，为借车点m骑行共享自行车到还车点n的骑行时间；c为单位租赁费用；τ为旅行时间价值；smn是借车点m和还车点n之间的距离；vf是在自由流状态下借车点m和还车点n之间的共享自行车的速度；kj是借车点m和还车点n之间的共享自行车阻塞密度；ξ为速度折减系数，若设置了共享自行车专用道ξ＝1，否则0＜ξ＜1；qmn为m和n之间的共享自行车流量，计算公式为 为OD对(r,s)之间的出行路径k上的共享自行车出行量；
2.4)计算各出行路径的广义出行成本函数：用户在OD对(r,s)间第k条路径使用共享自行车出行的成本包括步行时间成本和骑行时间成本，计算公式为：
式中，为交通小区r到交通小区s的广义出行成本；分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；为借车点m骑行共享自行车到还车点n的骑行时间。
在步骤3)中，建立基于双层规划的共享自行车区域投放规划模型，包含如下步骤：
3.1)对模型的建立提出如下假设：
①模型中的投放点为区域投放的虚拟投放点，该点的投放量是这一区域投放量之和；
②共享自行车流是单向的，即总是从借车点到还车点。任意投放点都具备借车和还车功能，视其在出行路径中的位置而定；
③各交通小区的需求或吸引发生点是该小区共享自行车发生量和吸引量最集中的点，但是该点并不一定是小区的形心。不考虑小区内的交通出行，各小区的需求量是根据数据获得的需求量，因此建立的模型是一个确定需求条件下的静态模型；
3.2)以系统用户出行成本最小为目标函数建立上层模型，需要满足的约束条件为：①共享自行车系统建设资金不超过投资资金上限；②共享自行车系统日常运营管理费用不超过系统运营资金上限；③共享自行车区域投放点的数量不超过相应范围；
Subject to:
式中，qrm为起点r至借车点m借车的客流量；qns为还车点n至终点s借车的客流量；qmn为m和n之间的共享自行车流量，计算公式为 为OD对(r,s)之间的出行路径k上的共享自行车出行量；分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；为借车点m骑行共享自行车到还车点n的骑行时间；bx为投放的共享自行车数量；yx为决策变量，当投放点被选中时yx＝1，否则yx＝0；cb为共享自行车单价；Cf为共享自行车系统建设的资金上限；co为投放点每小时的运营费用；Cv为系统运营资金的上限；为投放点数量下限，取值不小于规划区域内交通小区的个数；为投放点数量上限；
3.3)下层模型为共享自行车系统用户均衡模型，需要满足的约束条件为：①OD对(r,s)之间各路径上的共享自行车流量之和等于该OD对之间的共享自行车需求量；②路径上的共享自行车流量为非负值；
Subject to:
式中，qmn为m和n之间的共享自行车流量；为借车点m骑行共享自行车到还车点n的骑行时间；qrs为OD对(r,s)之间的共享自行车出行量；为OD对(r,s)之间的出行路径k上的共享自行车出行量。
在步骤4)中，求解共享自行车区域投放规划模型的方法为启发式算法，选择结合遗传算法的混合粒子群算法进行求解，求解过程如下：
①将下层模型转化为其一阶条件，公式如下；用下层模型的一阶条件代替下层模型，得到一个与双层规划模型等价的单层模型；
式中，M、ε均为正数，M＞＞ε；为表征流量大小的变量，当 否则 为OD对(r,s)之间的出行路径k上的共享自行车出行量；为交通小区r到交通小区s的广义出行成本；urs为OD对(r,s)之间的最短出行时间；
②令迭代次数t＝0，利用随机函数生成初始值和初始速度以及决策变量yx的初始值当投放点被选中时yx＝1，否则yx＝0；
③采用粒子群算法更新的位置和速度采用遗传算法中的选择、交叉、变异策略更新yx的位置
④根据算法的收敛准则判断结果是否满足迭代停止条件，若满足，则得到问题的最终优化结果；若不满足则返回到步骤③继续求解；
⑤根据模型的求解结果，得到共享自行车区域投放点的位置以及需要投放的共享自行车数量。
本发明与现有技术相比，具有如下优点和有益效果：
本发明创新地从用户使用体验的角度出发，同时考虑各类成本、系统用户总的出行成本、用户出行时间以及用户出行需求，能够同时确定投放区域的选址及规模，为投放区域的规划以及投放量的预测提供科学的依据，具有较高的实际推广价值。
附图说明
图1为本发明方法的流程图。
图2为本发明实施例中备选共享自行车区域投放点及交通小区分布图。
图3为本发明实施例中共享自行车区域投放点及投放量规划方案示意图。
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。
如图1所示，本实施例所提供的基于双层规划的共享自行车区域投放规划方法，包括以下步骤：
1)收集获取备选共享自行车区域投放点资料包括拟提供共享自行车的服务范围、服务范围内的共享自行车客流产生情况、共享自行车客流产生点位置，以此确定共享自行车区域投放备选投放点位置，共享自行车客流产生情况以及产生点位置通过交通调查获得；所述交通小区资料包括拟提供共享自行车的服务范围内交通小区的划分情况以及交通小区内共享自行车投放区域的用地性质；所述交通小区和备选共享自行车区域投放点距离资料包括交通小区形心到共享自行车区域投放点的距离以及各共享自行车区域投放点之间的距离，从共享自行车系统规划方案获得；所述交通小区之间的共享自行车出行需求资料是指各交通小区时间的共享自行车出行OD量数据，从历史数据或者交通调查获得；所述建设运营成本资料包括共享自行车单价、运营维护费用、租赁费用、旅行时间价值，通过市场调查和共享自行车系统规划方案获得；所述路网相关资料包括拟提供共享自行车服务范围内的路径情况、道路阻抗函数、共享自行车骑行速度、用户步行速度，从共享自行车系统规划方案获得。备选共享自行车区域投放点的确定及数据的获取如下：
某城市主城区的22个交通小区以及73个备选共享自行车区域投放点的位置，如图2所示；各交通小区之间的共享自行车出行需求如表1所示；其它相关参数如表2所示。
表1交通小区之间的共享自行车出行需求
表2相关的输入参数
2)构建各条出行路径的广义出行成本函数，包含如下步骤：
2.1)建立共享自行车出行路径：共享自行车出行路径是指用户使用共享自行车从起点到终点的单向出行过程假设有k条路径，每条路径共包括5个阶段：a、从起点交通小区r步行至借车点m；b、在借车点m借车；c、使用共享自行车从借车点m骑行至另一还车点n；d、在还车点n还车；e、从还车点n步行至终点交通小区s；
2.2)计算步行时间：步行时间是指用户从起点步行至借车点m或从还车点n步行至终点所用的时间；假设交通小区出行需求均匀分布，因此共享自行车出行的起点和终点能够看成起讫点交通小区的形心；步行时间计算公式为：
式中，分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；srm、sns分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的距离；vw是用户平均步行速度；
2.3)计算骑行时间：骑行时间是指用户从借车点m骑行共享自行车到还车点n的时间，骑行时间与借还点距离以及路段流量有关。骑行时间计算公式为：
式中，为借车点m骑行共享自行车到还车点n的骑行时间；c为单位租赁费用；τ为旅行时间价值；smn是借车点m和还车点n之间的距离；vf是在自由流状态下借车点m和还车点n之间的共享自行车的速度；kj是借车点m和还车点n之间的共享自行车阻塞密度；ξ为速度折减系数，若设置了共享自行车专用道ξ＝1，否则0＜ξ＜1；qmn为m和n之间的共享自行车流量，计算公式为 为OD对(r,s)之间的出行路径k上的共享自行车出行量；
2.4)计算各出行路径的广义出行成本函数：用户在OD对(r,s)间第k条路径使用共享自行车出行的成本包括步行时间成本和骑行时间成本，计算公式为：
式中，为交通小区r到交通小区s的广义出行成本；分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；为借车点m骑行共享自行车到还车点n的骑行时间。
3)建立基于双层规划的共享自行车区域投放规划模型，包含如下步骤：
3.1)对模型的建立提出如下假设：
①模型中的投放点为区域投放的虚拟投放点，该点的投放量是这一区域投放量之和；
②共享自行车流是单向的，即总是从借车点到还车点。任意投放点都具备借车和还车功能，视其在出行路径中的位置而定；
③各交通小区的需求或吸引发生点是该小区共享自行车发生量和吸引量最集中的点，但是该点并不一定是小区的形心。不考虑小区内的交通出行，各小区的需求量是根据数据获得的需求量，因此建立的模型是一个确定需求条件下的静态模型；
3.2)以系统用户出行成本最小为目标函数建立上层模型，需要满足的约束条件为：①共享自行车系统建设资金不超过投资资金上限；②共享自行车系统日常运营管理费用不超过系统运营资金上限；③共享自行车区域投放点的数量不超过相应范围；
Subject to:
式中，qrm为起点r至借车点m借车的客流量；qns为还车点n至终点s借车的客流量；qmn为m和n之间的共享自行车流量，计算公式为 为OD对(r,s)之间的出行路径k上的共享自行车出行量；分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；为借车点m骑行共享自行车到还车点n的骑行时间；bx为投放的共享自行车数量；yx为决策变量，当投放点被选中时yx＝1，否则yx＝0；cb为共享自行车单价；Cf为共享自行车系统建设的资金上限；co为投放点每小时的运营费用；Cv为系统运营资金的上限；为投放点数量下限，取值不小于规划区域内交通小区的个数；为投放点数量上限；
3.3)下层模型为共享自行车系统用户均衡模型，需要满足的约束条件为：①OD对(r,s)之间各路径上的共享自行车流量之和等于该OD对之间的共享自行车需求量；②路径上的共享自行车流量为非负值；
Subject to:
式中，qmn为m和n之间的共享自行车流量；为借车点m骑行共享自行车到还车点n的骑行时间；qrs为OD对(r,s)之间的共享自行车出行量；为OD对(r,s)之间的出行路径k上的共享自行车出行量。
4)对共享自行车区域投放规划模型进行求解，得到各区域投放点的位置以及共享自行车配备方案。本实施例采用结合遗传算法的混合粒子群算法进行求解，求解过程如下：
①将下层模型转化为其一阶条件，公式如下；用下层模型的一阶条件代替下层模型，得到一个与双层规划模型等价的单层模型；
式中，M、ε均为正数，M＞＞ε；为表征流量大小的变量，当 否则 为OD对(r,s)之间的出行路径k上的共享自行车出行量；为交通小区r到交通小区s的广义出行成本；urs为OD对(r,s)之间的最短出行时间；
②令迭代次数t＝0，利用随机函数生成初始值和初始速度以及决策变量yx的初始值当投放点被选中时yx＝1，否则yx＝0；
③采用粒子群算法更新的位置和速度采用遗传算法中的选择、交叉、变异策略更新yx的位置
④根据算法的收敛准则判断结果是否满足迭代停止条件，若满足，则得到问题的最终优化结果；若不满足则返回到步骤③继续求解；
⑤根据模型的求解结果，如图3所示，得到共享自行车区域投放点的位置以及需要投放的共享自行车数量。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。
Claims (5)
1.一种基于双层规划的共享自行车区域投放规划方法，其特征在于，包括以下步骤：
1)获取拟提供服务的共享自行车系统的规划基础资料，包括备选共享自行车区域投放点资料、交通小区资料、交通小区和备选共享自行车区域投放点距离资料、交通小区之间的共享自行车出行需求资料、建设运营成本资料、路网相关资料；
2)根据获取得到的基础资料，构建各条出行路径的广义出行成本函数，其中广义出行成本由步行时间和骑行时间两部分构成；
3)分别以共享自行车网络系统最优和用户均衡为上层模型和下层模型，建立基于双层规划的共享自行车区域投放规划模型；
4)对共享自行车区域投放规划模型进行求解，得到各区域投放点的位置以及共享自行车配备方案。
2.根据权利要求1所述的一种基于双层规划的共享自行车区域投放规划方法，其特征在于，在步骤1)中，所述备选共享自行车区域投放点资料包括拟提供共享自行车的服务范围、服务范围内的共享自行车客流产生情况和共享自行车客流产生点位置，以此确定共享自行车区域投放备选投放点位置，共享自行车客流产生情况以及产生点位置通过交通调查获得；所述交通小区资料包括拟提供共享自行车的服务范围内交通小区的划分情况以及交通小区内共享自行车投放区域的用地性质；所述交通小区和备选共享自行车区域投放点距离资料包括交通小区形心到共享自行车区域投放点的距离以及各共享自行车区域投放点之间的距离，从共享自行车系统规划方案获得；所述交通小区之间的共享自行车出行需求资料是指各交通小区时间的共享自行车出行OD量数据，从历史数据或者交通调查获得；所述建设运营成本资料包括共享自行车单价、运营维护费用、租赁费用和旅行时间价值，通过市场调查和共享自行车系统规划方案获得；所述路网相关资料包括拟提供共享自行车服务范围内的路径情况、道路阻抗函数、共享自行车骑行速度和用户步行速度，从共享自行车系统规划方案获得。
3.根据权利要求1所述的一种基于双层规划的共享自行车区域投放规划方法，其特征在于，在步骤2)中，构建各条出行路径的广义出行成本函数，包含如下步骤：
2.1)建立共享自行车出行路径：共享自行车出行路径是指用户使用共享自行车从起点到终点的单向出行过程假设有k条路径，每条路径共包括5个阶段：a、从起点交通小区r步行至借车点m；b、在借车点m借车；c、使用共享自行车从借车点m骑行至另一还车点n；d、在还车点n还车；e、从还车点n步行至终点交通小区s；
2.2)计算步行时间：步行时间是指用户从起点步行至借车点m或从还车点n步行至终点所用的时间；假设交通小区出行需求均匀分布，因此共享自行车出行的起点和终点能够看成起讫点交通小区的形心；步行时间计算公式为：
式中，分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；srm、sns分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的距离；vw是用户平均步行速度；
2.3)计算骑行时间：骑行时间是指用户从借车点m骑行共享自行车到还车点n的时间，骑行时间与借还点距离以及路段流量有关，骑行时间计算公式为：
式中，为借车点m骑行共享自行车到还车点n的骑行时间；c为单位租赁费用；τ为旅行时间价值；smn是借车点m和还车点n之间的距离；vf是在自由流状态下借车点m和还车点n之间的共享自行车的速度；kj是借车点m和还车点n之间的共享自行车阻塞密度；ξ为速度折减系数，若设置了共享自行车专用道ξ＝1，否则0＜ξ＜1；qmn为m和n之间的共享自行车流量，计算公式为 为OD对(r,s)之间的出行路径k上的共享自行车出行量；
2.4)计算各出行路径的广义出行成本函数：用户在OD对(r,s)间第k条路径使用共享自行车出行的成本包括步行时间成本和骑行时间成本，计算公式为：
式中，为交通小区r到交通小区s的广义出行成本；分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；为借车点m骑行共享自行车到还车点n的骑行时间。
4.根据权利要求1所述的一种基于双层规划的共享自行车区域投放规划方法，其特征在于，在步骤3)中，建立基于双层规划的共享自行车区域投放规划模型，包含如下步骤：
3.1)对模型的建立提出如下假设：
①模型中的投放点为区域投放的虚拟投放点，该点的投放量是这一区域投放量之和；
②共享自行车流是单向的，即总是从借车点到还车点，任意投放点都具备借车和还车功能，视其在出行路径中的位置而定；
③各交通小区的需求或吸引发生点是该小区共享自行车发生量和吸引量最集中的点，但是该点并不一定是小区的形心，不考虑小区内的交通出行，各小区的需求量是根据数据获得的需求量，因此建立的模型是一个确定需求条件下的静态模型；
3.2)以系统用户出行成本最小为目标函数建立上层模型，需要满足的约束条件为：①共享自行车系统建设资金不超过投资资金上限；②共享自行车系统日常运营管理费用不超过系统运营资金上限；③共享自行车区域投放点的数量不超过相应范围；
Subject to:
式中，qrm为起点r至借车点m借车的客流量；qns为还车点n至终点s借车的客流量；qmn为m和n之间的共享自行车流量，计算公式为 为OD对(r,s)之间的出行路径k上的共享自行车出行量；分别为起点交通小区r的形心至借车点m和还车点n至终点交通小区s的形心的步行时间；为借车点m骑行共享自行车到还车点n的骑行时间；bx为投放的共享自行车数量；yx为决策变量，当投放点被选中时yx＝1，否则yx＝0；cb为共享自行车单价；Cf为共享自行车系统建设的资金上限；co为投放点每小时的运营费用；Cv为系统运营资金的上限；为投放点数量下限，取值不小于规划区域内交通小区的个数；为投放点数量上限；
3.3)下层模型为共享自行车系统用户均衡模型，需要满足的约束条件为：①OD对(r,s)之间各路径上的共享自行车流量之和等于该OD对之间的共享自行车需求量；②路径上的共享自行车流量为非负值；
Subject to:
式中，qmn为m和n之间的共享自行车流量；为借车点m骑行共享自行车到还车点n的骑行时间；qrs为OD对(r,s)之间的共享自行车出行量；为OD对(r,s)之间的出行路径k上的共享自行车出行量。
5.根据权利要求1所述的一种基于双层规划的共享自行车区域投放规划方法，其特征在于：在步骤4)中，求解共享自行车区域投放规划模型的方法为启发式算法，选择结合遗传算法的混合粒子群算法进行求解，求解过程如下：
①将下层模型转化为其一阶条件，公式如下；用下层模型的一阶条件代替下层模型，得到一个与双层规划模型等价的单层模型；
式中，M、ε均为正数，M＞＞ε；为表征流量大小的变量，当 否则 为OD对(r,s)之间的出行路径k上的共享自行车出行量；为交通小区r到交通小区s的广义出行成本；urs为OD对(r,s)之间的最短出行时间；
②令迭代次数t＝0，利用随机函数生成初始值和初始速度以及决策变量yx的初始值当投放点被选中时yx＝1，否则yx＝0；
③采用粒子群算法更新的位置和速度采用遗传算法中的选择、交叉、变异策略更新yx的位置
④根据算法的收敛准则判断结果是否满足迭代停止条件，若满足，则得到问题的最终优化结果；若不满足则返回到步骤③继续求解；
⑤根据模型的求解结果，得到共享自行车区域投放点的位置以及需要投放的共享自行车数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810958834.1A CN109190813B (zh) | 2018-08-22 | 2018-08-22 | 一种基于双层规划的共享自行车区域投放规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810958834.1A CN109190813B (zh) | 2018-08-22 | 2018-08-22 | 一种基于双层规划的共享自行车区域投放规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109190813A true CN109190813A (zh) | 2019-01-11 |
| CN109190813B CN109190813B (zh) | 2022-05-24 |
Family
ID=64918912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810958834.1A Active CN109190813B (zh) | 2018-08-22 | 2018-08-22 | 一种基于双层规划的共享自行车区域投放规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109190813B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109934380A (zh) * | 2019-01-23 | 2019-06-25 | 天津市市政工程设计研究院 | 基于双层规划的共享电动汽车车辆及人员调度优化方法 |
| CN109993349A (zh) * | 2019-03-11 | 2019-07-09 | 同济大学 | 一种城市避难场所选址的优化方法及装置 |
| CN110059986A (zh) * | 2019-05-08 | 2019-07-26 | 武汉大学 | 一种共享单车动态投放方法及系统 |
| CN110222893A (zh) * | 2019-06-06 | 2019-09-10 | 武汉元光科技有限公司 | 共享交通资源的投放地点推荐方法、装置与电子设备 |
| CN110288380A (zh) * | 2019-05-29 | 2019-09-27 | 东南大学 | 基于交通分区的租赁自行车投放量测算方法 |
| CN110533240A (zh) * | 2019-08-26 | 2019-12-03 | 西南交通大学 | 基于轨迹数据的自行车道线网规划方法 |
| CN110827545A (zh) * | 2019-11-14 | 2020-02-21 | 北京首汽智行科技有限公司 | 一种最优车辆数预测方法 |
| CN111178737A (zh) * | 2019-12-24 | 2020-05-19 | 北京摩拜科技有限公司 | 车辆投放方法和服务器 |
| CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
| CN113408819A (zh) * | 2021-07-08 | 2021-09-17 | 东南大学 | 基于服务水平的城市防疫封锁线优化设计软件 |
| CN114565147A (zh) * | 2022-02-23 | 2022-05-31 | 北京阿帕科蓝科技有限公司 | 一种自动创建车站的方法 |
| CN116824833A (zh) * | 2023-03-02 | 2023-09-29 | 四川国蓝中天环境科技集团有限公司 | 一种基于栅格划分的共享单车电子围栏位置优化方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793602A (zh) * | 2014-01-22 | 2014-05-14 | 浙江工业大学 | 一种基于群体抽象凸下界支撑面的全局优化方法 |
| CN105095998A (zh) * | 2015-08-13 | 2015-11-25 | 同济大学 | 一种电力系统遭受恐怖攻击下的安全性分析方法 |
| CN105426997A (zh) * | 2015-11-18 | 2016-03-23 | 西南交通大学 | 城市公共自行车智能调度与运用管理系统及其实现方法 |
| CN106022514A (zh) * | 2016-05-12 | 2016-10-12 | 华南理工大学 | 一种基于出行链的公共电动自行车租赁点选址方法 |
| CN106651059A (zh) * | 2017-01-13 | 2017-05-10 | 国网山西省电力公司 | 一种电动汽车充电站优化配置的方法 |
| CN106803677A (zh) * | 2017-04-11 | 2017-06-06 | 四川大学 | 一种基于分布式电源的主动配电网电压管控方法及系统 |
| CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
| CN107330716A (zh) * | 2017-06-01 | 2017-11-07 | 华南理工大学 | 一种考虑系统最优的定制公交定价方法 |
| CN107909731A (zh) * | 2017-10-23 | 2018-04-13 | 东南大学 | 一种基于大数据的城市共享单车投放管理系统 |
| CN108416515A (zh) * | 2018-02-26 | 2018-08-17 | 武汉理工大学 | 共享单车停放装置投放量测算方法 |
-
2018
- 2018-08-22 CN CN201810958834.1A patent/CN109190813B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793602A (zh) * | 2014-01-22 | 2014-05-14 | 浙江工业大学 | 一种基于群体抽象凸下界支撑面的全局优化方法 |
| CN105095998A (zh) * | 2015-08-13 | 2015-11-25 | 同济大学 | 一种电力系统遭受恐怖攻击下的安全性分析方法 |
| CN105426997A (zh) * | 2015-11-18 | 2016-03-23 | 西南交通大学 | 城市公共自行车智能调度与运用管理系统及其实现方法 |
| CN106022514A (zh) * | 2016-05-12 | 2016-10-12 | 华南理工大学 | 一种基于出行链的公共电动自行车租赁点选址方法 |
| CN106815657A (zh) * | 2017-01-05 | 2017-06-09 | 国网福建省电力有限公司 | 一种考虑时序性和可靠性的配电网双层规划方法 |
| CN106651059A (zh) * | 2017-01-13 | 2017-05-10 | 国网山西省电力公司 | 一种电动汽车充电站优化配置的方法 |
| CN106803677A (zh) * | 2017-04-11 | 2017-06-06 | 四川大学 | 一种基于分布式电源的主动配电网电压管控方法及系统 |
| CN107330716A (zh) * | 2017-06-01 | 2017-11-07 | 华南理工大学 | 一种考虑系统最优的定制公交定价方法 |
| CN107909731A (zh) * | 2017-10-23 | 2018-04-13 | 东南大学 | 一种基于大数据的城市共享单车投放管理系统 |
| CN108416515A (zh) * | 2018-02-26 | 2018-08-17 | 武汉理工大学 | 共享单车停放装置投放量测算方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王亚利: "《解几类优化问题的遗传算法》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 胡郁葱等: "基于双层规划的公共电动自行车租赁点选址模型", 《华南理工大学学报(自然科学版)》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109934380A (zh) * | 2019-01-23 | 2019-06-25 | 天津市市政工程设计研究院 | 基于双层规划的共享电动汽车车辆及人员调度优化方法 |
| CN109993349B (zh) * | 2019-03-11 | 2021-06-18 | 同济大学 | 一种城市避难场所选址的优化方法及装置 |
| CN109993349A (zh) * | 2019-03-11 | 2019-07-09 | 同济大学 | 一种城市避难场所选址的优化方法及装置 |
| CN110059986A (zh) * | 2019-05-08 | 2019-07-26 | 武汉大学 | 一种共享单车动态投放方法及系统 |
| CN110288380B (zh) * | 2019-05-29 | 2023-03-24 | 东南大学 | 基于交通分区的租赁自行车投放量测算方法 |
| CN110288380A (zh) * | 2019-05-29 | 2019-09-27 | 东南大学 | 基于交通分区的租赁自行车投放量测算方法 |
| CN110222893B (zh) * | 2019-06-06 | 2021-11-16 | 武汉元光科技有限公司 | 共享交通资源的投放地点推荐方法、装置与电子设备 |
| CN110222893A (zh) * | 2019-06-06 | 2019-09-10 | 武汉元光科技有限公司 | 共享交通资源的投放地点推荐方法、装置与电子设备 |
| CN110533240A (zh) * | 2019-08-26 | 2019-12-03 | 西南交通大学 | 基于轨迹数据的自行车道线网规划方法 |
| CN110827545B (zh) * | 2019-11-14 | 2020-12-18 | 北京首汽智行科技有限公司 | 一种最优车辆数预测方法 |
| CN110827545A (zh) * | 2019-11-14 | 2020-02-21 | 北京首汽智行科技有限公司 | 一种最优车辆数预测方法 |
| CN111178737A (zh) * | 2019-12-24 | 2020-05-19 | 北京摩拜科技有限公司 | 车辆投放方法和服务器 |
| CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
| CN113408819A (zh) * | 2021-07-08 | 2021-09-17 | 东南大学 | 基于服务水平的城市防疫封锁线优化设计软件 |
| CN114565147A (zh) * | 2022-02-23 | 2022-05-31 | 北京阿帕科蓝科技有限公司 | 一种自动创建车站的方法 |
| CN114565147B (zh) * | 2022-02-23 | 2023-12-26 | 北京阿帕科蓝科技有限公司 | 一种自动创建车站的方法 |
| CN116824833A (zh) * | 2023-03-02 | 2023-09-29 | 四川国蓝中天环境科技集团有限公司 | 一种基于栅格划分的共享单车电子围栏位置优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109190813B (zh) | 2022-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109190813A (zh) | 一种基于双层规划的共享自行车区域投放规划方法 | |
| CN110580404B (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
| Chen et al. | Optimal routing and charging of an electric vehicle fleet for high-efficiency dynamic transit systems | |
| Romero et al. | A simulation-optimization approach to design efficient systems of bike-sharing | |
| CN105427605B (zh) | 一种考虑交通方式转移的公交专用道设置效益计算方法 | |
| CN104200650B (zh) | 一种城市拥堵时段的多模式公交换乘方法 | |
| CN102081658B (zh) | 基于分层路网的路径搜索方法和装置 | |
| CN105469143B (zh) | 基于神经网络动态特征的片上网络资源映射方法 | |
| CN106503836A (zh) | 一种多目标优化的纯电动汽车物流配送优化调度方法 | |
| CN110288212A (zh) | 基于改进的mopso的电动出租车新建充电站选址方法 | |
| CN103745277A (zh) | 一种轨道交通接驳公交线网优化系统 | |
| Pan et al. | Deploying public charging stations for electric taxis: A charging demand simulation embedded approach | |
| CN108921366A (zh) | 一种基于PageRank算法的路网重要路段筛选方法 | |
| CN104021686B (zh) | 一种多交叉口的交通协调控制方法 | |
| CN106952414A (zh) | 一种针对高峰期公共自行车租赁点选址布局方法 | |
| CN108256969A (zh) | 一种公共自行车租赁点调度区域划分方法 | |
| CN106651083A (zh) | 一种城市路段的行人－非机动车隔离设施设置方法 | |
| CN106022514A (zh) | 一种基于出行链的公共电动自行车租赁点选址方法 | |
| CN103473606B (zh) | 基于gis的最大最短路径长度的公交网络整体换乘性能优化方法 | |
| CN108615095A (zh) | 基于随机逐日动态分配的拥堵收费鲁棒最优费率确定方法 | |
| CN110097218A (zh) | 一种时变环境下无人商品配送方法及系统 | |
| Chen et al. | The charging characteristics of large-scale electric vehicle group considering characteristics of traffic network | |
| CN104915731A (zh) | 一种基于车辆自动识别数据的车辆出行路径重构宏微观整合新方法 | |
| Fu et al. | Adaptive signal light timing for regional traffic optimization based on graph convolutional network empowered traffic forecasting | |
| Cheng et al. | Decentralized scheduling optimization for charging‐storage station considering multiple spatial‐temporal transfer factors of electric vehicles |
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 |