CN109523146A - 一种基于复杂网络的调度区域划分方法 - Google Patents

Abstract

本发明公开了一种基于复杂网络的调度区域划分方法，包括以下步骤：将整个城市路网，按照主要道路划分为多个自然小区；基于所有公共自行车租赁点的经纬度位置进行所归属的自然小区判别，将同一自然小区内的所有公共自行车租赁点合并作为一个节点；构造以自然小区为节点的复杂网络，以模块度为目标函数，通过层次贪婪算法进行节点的聚类划分；并综合聚类划分所得的各区域的地理位置、公共自行车租赁点的数量进行二次聚类调整，将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案。本发明的方法可有效解决当前公共自行车调度区域划分不合理、调度效率低的问题。

Description

一种基于复杂网络的调度区域划分方法

技术领域

本发明属于公共交通调度领域，具体涉及一种基于复杂网络的调度区域划分方法。

背景技术

随着城市的发展，居民的出行需求越来越高，随之而来的是交通拥堵状况愈发严重。公共自行车系统作为解决“最后一公里”难题的有效手段能够缓解城市的道路交通压力，减少污染源的排放。然而随着公共自行车系统的规模不断扩大，其管理与服务也引发了一些新的问题，主要表现在“借车难、还车难”，即在用车高峰时段，经常出现部分服务点的锁桩已满无法还车，同时其他部分服务点因自行车数量过少而无法借车。目前，“借车难、还车难”已经成为了公共自行车运营公司亟待解决的核心问题。

解决“借车难、还车难”问题的主要途径是通过自行车调度，车辆调度需要事先对公共自行车系统进行调度区域的划分。杭州作为最早发展公共自行车的城市，其运营管理水平走在全国前列，而杭州市的调度区域划分目前还只是停留在结合道路进行人工划分的阶段，其存在的缺陷如下：

(1)基于人工划分，耗时耗力，一旦有新的服务点的扩充，则需进行人工调整，不具有可扩展性。

(2)未考虑自行车的自流动性，仍需要进行跨区域调度。

(3)存在调度路径过长，所需调度车辆过多的问题。

这些问题的存在导致了成本的提高以及资源的浪费，因此，现有技术中针对人工划分存在的问题提出了进一步的解决方案。如专利申请号为201410362468.5的专利文献中公开了公共自行车调度区域划分方法，其提出通过关联规则的方法提取了相关性较高的租赁点，形成多个租赁点的关联集合，然后利用k-means聚类根据距离属性将其他租赁点归入到集合中得到调度区域。但该方法存在以下缺点：

(1)只考虑了部分租赁点之间的流动相关性。

(2)相关性阈值σ_min的确定较困难，其科学性有待商榷。

(3)聚类方法必须事先确定好聚类中心的个数，缺少灵活性。

现有技术又如，专利申请号为201410162000.1的专利文献中公开了一种基于图论的公共自行车调度区域智能划分方法，该方法提出结合实际距离、路况的难易程度以及租赁点的关联度构造广义矩阵，通过阈值r进行剪枝处理绘制区域连通图，并对所有租赁点进行了分级。

该方法考虑了道路距离以及一定的流动相关性，但在区域连通图的处理方式较为简单，仅仅通过剪枝处理后的广义矩阵来进行划分，未对其做进一步处理，其划分的数量可能较为庞大，且也未考虑各调度区域租赁点的数量均衡性，仍不能有效地解决调度区域划分的问题，因此，研究如何科学地划分调度区域具有重要的意义。

发明内容

本发明的目的在于提供一种基于复杂网络的调度区域划分方法，该方法可有效解决当前公共自行车调度区域划分不合理、调度效率低的问题。

为实现上述目的，本发明所采取的技术方案为：

一种基于复杂网络的调度区域划分方法，用于对公共自行车的调度区域进行划分，所述调度区域划分方法包括以下步骤：

步骤1、将整个城市路网，按照主要道路划分为多个自然小区；

步骤2、基于所有公共自行车租赁点的经纬度位置进行所归属的自然小区判别，将同一自然小区内的所有公共自行车租赁点合并作为一个节点，同时将各自然小区间的公共自行车流通量作为节点间的公共自行车流通量；

步骤3、构造以自然小区为节点的复杂网络，以模块度为目标函数，通过层次贪婪算法进行节点的聚类划分；

步骤4、针对步骤3中的聚类划分结果，综合聚类划分所得的各区域的地理位置、公共自行车租赁点的数量进行二次聚类调整，将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案。

作为优选，所述主要道路包括快速路和主干路，所述将整个城市路网，按照主要道路划分为多个自然小区，包括：

步骤1.1、先将整个城市路网，按照快速路划分为多个主小区；

步骤1.2、对每个主小区，再按照主干路的分布进行二次划分，最终得到由主要道路划分所得的多个自然小区。

作为优选，所述构造以自然小区为节点的复杂网络，以模块度为目标函数，通过层次贪婪算法进行节点的聚类划分，包括：

步骤3.1、以每个自然小区作为单独节点，将每个节点分别归入不同集合中，遍历所有节点，对每个节点i，分别进行将节点i归入到与节点i存在公共自行车流通量的相邻节点所在的集合中，并计算归入前后公共自行车网络产生的相对增益ΔQ′；

步骤3.2、若计算所得的相对增益均小于0，则该节点i保留在原集合不变；反之，将节点i归入到相对增益最大的相邻节点所在的集合中；

步骤3.3、在每个节点都完成相对增益计算后，将同一集合中的各节点合并为新的节点，并计算各集合间的公共自行车流通量作为新节点间的公共自行车流通量；

步骤3.4、重复步骤3.1至步骤3.3的操作，直至整个公共自行车网络的模块度Q不发生变化，则得到第一次聚类划分结果。

作为优选，所述相对增益ΔQ′为：

其中，ΔQ′表示p节点转移集合后的产生的模块度的相对增益；为p节点与所要转移的集合间的公共自行车流通量之和；∑_itot表示所要转移的集合内所有节点的公共自行车归还量总和；表示p节点的公共自行车的借出量；表示p节点的公共自行车的归还量；∑_otot表示所要转移的集合内所有节点的公共自行车借出量之和；W为整个公共自行车系统中公共自行车流通量，上述各参数的统计数据量均为时间段[t1,t2]内的统计量。

作为优选，所述公共自行车网络的模块度Q为：

其中，Q为公共自行车网络的模块度；u,v分别表示u节点和v节点；表示在时间段[t1,t2]内从u节点到v节点的公共自行车流通量；表示在时间段[t1,t2]内整个公共自行车系统中的公共自行车流通量；δ(C_u,C_v)为克罗内克函数，若u节点与v节点在同一集合内，则克罗内克函数的值为1；否则值为0。

作为优选，所述针对步骤3中的聚类划分结果，综合聚类划分所得的各区域的地理位置、公共自行车租赁点的数量进行二次聚类调整，将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案，包括：

步骤4.1、统计步骤3中聚类划分后所得的各区域中公共自行车租赁点的数量，并按照公共自行车租赁点的数量对每个区域进行属性标定；

步骤4.2、将公共自行车租赁点的数量最少的区域与相邻区域中公共自行车租赁点的数量最少的区域进行合并，形成一个新的区域，重新统计新区域中公共自行车租赁点的数量并进行属性标定；

步骤4.3、重复步骤4.2的操作，直至区域的数量与公共自行车调度中心的数量相同，即完成二次聚类调整，形成最终的调度区域划分方案。

本发明提供的一种基于复杂网络的调度区域划分方法，通过公共自行车交易数据得出租赁点间的公共自行车流通量，结合通过主要道路划分的自然小区，针对自然小区间的自行车的流动相关性进行聚类划分，最终确定最后的区域划分方案。该方法充分利用了公共自行车在服务点间的自流动性，对公共自行车调度区域进行合理的划分，使各调度区域内部自行车量存在一定的自平衡性，减少了调度车辆在租赁点之间的行驶距离和调度成本，显著提高调度效率，对于公共自行车运营公司具有重要的指导意义。

附图说明

图1为本发明基于复杂网络的调度区域划分方法的一种实施例流程图。

具体实施方式

下面结合附图和实施例对本发明技术方案做进一步详细说明，以下实施例不构成对本发明的限定。

本实施例提供一种基于复杂网络的调度区域划分方法，用于对公共自行车的调度区域进行划分，该方法依据城市公共自行车系统运行的OD数据实现，其中，O为Origin指出发地，D为Destination指目的地，OD数据即为起终点间的出行数据，由OD数据计算得到指定两点之间的公共自行车流通量。

如图1所示，基于复杂网络的调度区域划分方法包括以下步骤：

步骤1、将整个城市路网，按照主要道路划分为多个自然小区，形成调度区域划分的最小基本单元。

具体地，在城市道路规划中，城市道路等级由高到低一般分为快速路、主干路、次干路以及支路。为了合理衡量自然小区规划时的工作量以及区域大小，本实施例采用快速路和主干路两种主要道路按道路等级从高到低进行自然小区规划，具体的划分步骤如下：

步骤1.1、先将整个城市路网，按照快速路划分为多个主小区；

步骤1.2、对每个主小区，再按照主干路的分布进行二次划分，最终得到由主要道路划分所得的多个自然小区。

在将整个城市路网划分为多个自然小区后，对规划所得的自然小区进行编号，作为调度区域划分的基本单元，并根据快速路和主干路的位置信息得到所有自然小区的边界坐标。

步骤2、基于所有公共自行车租赁点的经纬度位置进行所归属的自然小区判别，将同一自然小区内的所有公共自行车租赁点合并为一个节点，同时将各自然小区间的公共自行车流通量作为节点间的公共自行车流通量。

具体地，通过自然小区的边界坐标以及公共自行车租赁点的经纬度位置进行匹配计算，确定每个公共自行车租赁点所归属的自然小区，并将归属后的公共自行车租赁点标记上对应的自然小区的编号。

根据城市公共自行车系统运行的OD数据，得到各公共自行车租赁点间的公共自行车流通量，并根据公共自行车租赁点所属的自然小区，统计属于同一自然小区中的公共自行车租赁点与其他自然小区间的公共自行车流通量，作为节点间的公共自行车流通量。

在得到节点间的公共自行车流通量后，以自然小区作为基本单元进行聚类划分，本实施例在聚类划分中引用了复杂网络的定义，即指具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。复杂网络的特征为小世界、集群即集聚程度的概念、幂律的度分布概念。

将自然小区视为复杂网络中的节点，自然小区间的自行车流通作为复杂网络的边，相应的流通量即为边的权重值，对整个公共自行车网络的模块度进行优化，此过程包含了多层聚类过程，聚类过程如下。

步骤3、构造以自然小区为节点的复杂网络，以模块度为目标函数，通过层次贪婪算法进行节点的聚类划分。

具体地，包括以下步骤：

步骤3.1、以每个自然小区作为单独节点，将每个节点分别归入不同集合中，遍历所有节点，对每个节点i，分别进行将节点i归入到与节点i存在公共自行车流通OD量的相邻节点所在的集合中，计算归入前后公共自行车网络产生的相对增益ΔQ′，上述的相对增益ΔQ′为：

其中，ΔQ′表示p节点转移集合后的产生的模块度的相对增益；为p节点与所要转移的集合间的公共自行车流通量之和；∑_itot表示所要转移的集合内所有节点的公共自行车归还量总和；表示p节点的公共自行车的借出量；表示p节点的公共自行车的归还量；∑_otot表示所要转移的集合内所有节点的公共自行车借出量之和；W为整个公共自行车系统中的公共自行车流通量。上述各参数的统计数据量均为时间段[t1,t2]内的统计量，以避免公共自行车归还量、借出量以及流通量等参数的统计数据量过大，且集合内的节点为公共自行车租赁点或自然小区；

步骤3.2、若计算所得的相对增益均小于0，则该节点i保留在原集合不变；反之，将节点i归入到相对增益最大的相邻节点所在的集合中；

步骤3.3、在每个节点都完成相对增益计算后，将同一集合中的各节点合并为新的节点，并计算各集合间的公共自行车流通量作为新节点间的公共自行车流通量；

步骤3.4、重复步骤3.1至步骤3.3的操作，直至整个公共自行车网络的模块度Q不发生变化，则得到第一次聚类划分结果，上述的公共自行车网络的模块度Q为：

其中，Q为公共自行车网络的模块度；u,v分别表示u节点和v节点，节点为公共自行车租赁点或自然小区；表示在时间段[t1,t2]内从u节点到v节点的公共自行车流通量；表示在时间段[t1,t2]内整个公共自行车系统中的公共自行车流通量；δ(C_u,C_v)为克罗内克函数，若u节点与v节点在同一集合内，则克罗内克函数的值为1；否则值为0。

由步骤3可得，初始时刻，所有由自然小区构成的节点均属于不同的集合当中，遍历所有节点，试图将节点归入其相邻节点所在集合中，并分别计算节点在归入所有相邻节点所在集合前后所产生的相对增益ΔQ′，取使相对增益最大的相邻节点所在集合作为该小区节点的目的集合，不断重复此过程直至所有节点的集合不发生变动。随后，将各个集合内的节点分别合并成新节点，即一个集合对应一个新节点，计算各个新节点间的公共自行车的流通量，重复以上过程，直至整个网络的模块度Q不发生变化，即完成第一次聚类划分，初步形成多个聚类区域。

需要说明的是，在公共自行车租赁点与自然小区的匹配过程中，部分自然小区可能在空间上并不存在相应的公共自行车租赁点，则该自然小区与相邻的自然小区之间不存在公共自行车流通量，因此在步骤3中不参与集合归入操作，这导致初步形成的聚合区域中某些聚合区域内部存在“空洞”。此时，可采取近邻原则，将无公共自行车租赁点的自然小区所形成的聚类区域归入相邻的聚合区域中。

在第一次聚类完成之后，得到的为初步聚类区域，为了提高调度区域划分的合理性，还需要根据步骤4进行二次聚类。

步骤4、针对步骤3中的聚类划分结果，综合聚类划分所得的各区域的地理位置、公共自行车租赁点的数量进行二次聚类调整，将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案。

二次聚类的具体操作步骤如下：

步骤4.1、统计步骤3中聚类划分后所得的各区域中公共自行车租赁点的数量，并按照公共自行车租赁点的数量对每个区域进行属性标定；

步骤4.2、将公共自行车租赁点的数量最少的区域与相邻区域中公共自行车租赁点的数量最少的区域进行合并，形成一个新的区域，重新统计新区域中公共自行车租赁点的数量并进行属性标定；

步骤4.3、重复步骤4.2的操作，直至区域的数量与公共自行车调度中心的数量相同，即完成二次聚类调整，最终将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案。

本实施例的基于复杂网络的调度区域划分方法，充分利用了公共自行车在服务点间的自流动性，对公共自行车调度区域进行合理的划分，使各调度区域内部自行车量存在一定的自平衡性，减少了调度车辆在服务点之间的行驶距离和调度成本，对于公共自行车运营公司具有重要的指导意义。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (6)

1.一种基于复杂网络的调度区域划分方法，用于对公共自行车的调度区域进行划分，其特征在于，所述调度区域划分方法包括以下步骤：

步骤1、将整个城市路网，按照主要道路划分为多个自然小区；

步骤2、基于所有公共自行车租赁点的经纬度位置进行所归属的自然小区判别，将同一自然小区内的所有公共自行车租赁点合并作为一个节点，同时将各自然小区间的公共自行车流通量作为节点间的公共自行车流通量；

步骤3、构造以自然小区为节点的复杂网络，以模块度为目标函数，通过层次贪婪算法进行节点的聚类划分；

步骤4、针对步骤3中的聚类划分结果，综合聚类划分所得的各区域的地理位置、公共自行车租赁点的数量进行二次聚类调整，将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案。

2.如权利要求1所述的基于复杂网络的调度区域划分方法，其特征在于，所述主要道路包括快速路和主干路，所述将整个城市路网，按照主要道路划分为多个自然小区，包括：

步骤1.1、先将整个城市路网，按照快速路划分为多个主小区；

步骤1.2、对每个主小区，再按照主干路的分布进行二次划分，最终得到由主要道路划分所得的多个自然小区。

3.如权利要求1所述的基于复杂网络的调度区域划分方法，其特征在于，所述构造以自然小区为节点的复杂网络，以模块度为目标函数，通过层次贪婪算法进行节点的聚类划分，包括：

步骤3.1、以每个自然小区作为单独节点，将每个节点分别归入不同集合中，遍历所有节点，对每个节点i，分别进行将节点i归入到与节点i存在公共自行车流通量的相邻节点所在的集合中，并计算归入前后公共自行车网络产生的相对增益ΔQ′；

步骤3.2、若计算所得的相对增益均小于0，则该节点i保留在原集合不变；反之，将节点i归入到相对增益最大的相邻节点所在的集合中；

步骤3.3、在每个节点都完成相对增益计算后，将同一集合中的各节点合并为新的节点，并计算各集合间的公共自行车流通量作为新节点间的公共自行车流通量；

步骤3.4、重复步骤3.1至步骤3.3的操作，直至整个公共自行车网络的模块度Q不发生变化，则得到第一次聚类划分结果。

4.如权利要求3所述的基于复杂网络的调度区域划分方法，其特征在于，所述相对增益ΔQ′为：

其中，ΔQ′表示p节点转移集合后的产生的模块度的相对增益；为p节点与所要转移的集合间的公共自行车流通量之和；∑_itot表示所要转移的集合内所有节点的公共自行车归还量总和；表示p节点的公共自行车的借出量；表示p节点的公共自行车的归还量；∑_otot表示所要转移的集合内所有节点的公共自行车借出量之和；W为整个公共自行车系统中公共自行车流通量，上述各参数的统计数据量均为时间段[t1，t2]内的统计量。

5.如权利要求3所述的基于复杂网络的调度区域划分方法，其特征在于，所述公共自行车网络的模块度Q为：

其中，Q为公共自行车网络的模块度；u，v分别表示u节点和v节点；表示在时间段[t1，t2]内从u节点到v节点的公共自行车流通量；表示在时间段[t1，t2]内整个公共自行车系统中的公共自行车流通量；δ(C_u，C_v)为克罗内克函数，若u节点与v节点在同一集合内，则克罗内克函数的值为1；否则值为0。

6.如权利要求1所述的基于复杂网络的调度区域划分方法，其特征在于，所述针对步骤3中的聚类划分结果，综合聚类划分所得的各区域的地理位置、公共自行车租赁点的数量进行二次聚类调整，将第一次聚类划分后的区域聚为多个大调度区域，形成最终的调度区域划分方案，包括：

步骤4.1、统计步骤3中聚类划分后所得的各区域中公共自行车租赁点的数量，并按照公共自行车租赁点的数量对每个区域进行属性标定；

步骤4.2、将公共自行车租赁点的数量最少的区域与相邻区域中公共自行车租赁点的数量最少的区域进行合并，形成一个新的区域，重新统计新区域中公共自行车租赁点的数量并进行属性标定；

步骤4.3、重复步骤4.2的操作，直至区域的数量与公共自行车调度中心的数量相同，即完成二次聚类调整，形成最终的调度区域划分方案。