CN109816979A - 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 - Google Patents

Abstract

本发明公开了一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，首先，对研究区内所有公交站点和公交线路建立公交复杂网络，并计算每个公交站点的中介中心性。同时，构建考虑公交车到站频率和乘车舒适度的公交线路推荐方法的评价体系；其次，设置出发地S和目的地E的地理位置，分别对S和E进行步行缓冲区分析，得到S和E在指定缓冲区范围内的站点集合{Sa}和{Ea}；再计算{Sa}中每个公交站点到{Ea}的所有推荐公交线路方案，所得结果记为集合{SE}；最后，求解考虑公交车到站频率和乘车舒适度的公交线路，结果按照指定项顺序进行排序。本发明能够更合理地考虑步行距离、换乘、公交乘客舒适度、到站频率等问题，为城市公交出行优化提供科学依据。

Description

考虑公交车到站频率和乘车舒适度的公交线路推荐方法

技术领域

本发明涉及城市规划与城市交通系统技术领域，特别是一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法。

背景技术

目前，公交是城市交通的一种重要绿色出行工具，与每个人的都息息相关，特别是每天乘坐公交进行通勤的人群。然而，由于城市交通拥堵、步行环境不友好、公交线路推荐算法不够友好等问题的存在，城市公交出行存在着许多急需改进的地方，如城市交通出行早晚高峰时间内，部分公交线路上公交出行速度缓慢、车内极其拥堵、乘客候车时间过长等；现有公交线路推荐算法更多是关注步行距离长度最少、总行程最短以及换乘次数最少等方面，而忽视了人乘车的实际体验感，使得很多人不愿意乘坐公交车。除此之外，还存在着以下实践和算法分析问题：首先，城市中不同公交线路的利用率存在着差异，并非所有的线路都是处于拥挤状态，即有些线路实际上在出行高峰时段内更适合公交出行但是没有多少乘客，如何更加合理地引导乘客进行不同线路的选择是公交线路推荐算法研究中的一个重要问题。其次，当前公交线路推荐算法中，并没有综合考虑到最短路径、到站频率、公交换乘与公交舒适性之间的优化计算问题，使得人们往往更多地是选择非换乘路线。但是实际上必要的换乘可能会带来更优的出行舒适感和出行时耗，因为非换乘路线可能需要的候车时间过长以及车内十分拥挤的环境造成乘客对公交出行产生抵触的情绪。其中，对于车内拥挤程度判断的解决方案：随着近年来深度学习的快速发展，利用深度学习算法进行视频或者图像中人数计算（特别是密集人群中人数计算）已经非常成熟。然而，这项技术并没有被应用到公交车内出行环境的评价中。关于到站频率计算的解决方案：因为当前城市中公交车都装有GPS定位装置，可以较为容易地计算出在指定站点和指定时间段内的到站公交车的数量。

与此同时，若放弃优先推荐那些到站频率不高、车内拥挤的公交线路，则可能会优先推荐到需要进行中转的公交线路。那么，还需要对这些需要中转的公交线路采取进一步的优化推荐。对于基于复杂网络理论，城市公交复杂网络中节点的中介性越高，则其公交中转的能力越强。为此，本发明对于推荐的公交线路按照中转站点的中介性大小进行一定的排序操作。

另外，城市交通低碳绿色化发展是当前城市发展中的一个重要理念。那么以此为指导方向，则在实际发展中需要更好地提升现有资源的利用效率而不是简单地增加公交线路和车辆来解决公交出行困难的问题。换言之，在现有资源不变的情况下，通过算法来提升解决实际问题的能力是首选的方案。

综上分析，在公交推荐算法中如何合理地考虑步行距离、换乘、公交乘客舒适度、到站频率等问题，来综合提高公交运营效率和乘客公交出行愿意的实践意义重大。为此，本发明提出了一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，本发明能够更合理地考虑公交舒适度、公交换乘等问题，为城市公交出行优化提供科学依据。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，包括以下步骤：

步骤1、基于复杂网络理论，对研究区内所有公交站点和公交线路做如下处理：以公交站点为节点，若两个公交站点之间有公交线路连通，则认为这两个公交站点之间存在一条边；以此，建立研究区内的公交复杂网络；

步骤2、构建考虑公交车到站频率和乘车舒适度的公交线路推荐方法的评价体系T，具体如下：

步骤2.1、首先，计算每条待筛选公交线路总步行距离T₁与换乘次数T₂；

步骤2.2、其次，若T₁超过第一阈值 t1或T₂超过第二阈值 t2，则该公交线路不作为推荐线路；

步骤2.3、再依据用户查询公交线路的时间点，计算最近的P天内该时间点前后Q小时内的每条待筛选公交线路公交车的到站频率T₃、公交车内的乘坐拥挤度T₄，P为大于等于1且小于等于7的整数，Q为大于等于1且小于等于3的实数；其中，公交车内的乘坐拥挤度T₄是利用深度学习算法对公交车内视频数据进行解析，并通过解析所得到的公交车内乘客数大小来确定乘车拥挤度；到站频率为在指定出发站点和指定时间段内的到站公交车的数量；

步骤2.4、若T3超过第三阈值t3或T4超过第四阈值t4，则该公交线路不作为推荐线路；若T3小于第三阈值t3且T4小于第四阈值t4，则该公交线路作为推荐线路；

步骤3、设置出发地S和目的地E的地理位置，分别对S和E进行步行缓冲区分析，得到S和E在指定缓冲区范围内的站点集合{S_a}和{E_a}；

步骤4、依据公交线路与站点的空间拓扑关系与公交班次编排信息，计算得到所有的S和E的公交出行线路方案，并按照评价体系T对公交出行线路方案进行筛选，得到最终推荐的公交线路结果；

步骤5、最终推荐的公交线路结果按照指定项顺序进行排序。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，第一阈值为最大步行距离阈值，第二阈值为最大换乘次数阈值，第三阈值为最适宜到站频率阈值，第四阈值为最适宜拥挤度阈值。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，第一阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最大步行距离；第二阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最大换乘次数；第三阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最适宜到站频率；第四阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最适宜拥挤度。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，计算每个公交站点的中介中心性，若推荐线路中存在中转公交站点，则选择那些中介中心性最高的站点作为中转站点。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，步骤2.3中拥挤度通过公交车感兴区内人数或者密度来衡量。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，步骤3中对S和E进行步行缓冲区分析，得到S和E在指定步行缓冲区范围内的站点集合{S_a}和{E_a}，具体如下：

步骤3.1、设置进行步行缓冲区分析时的半径r；

步骤3.2、对出发地S进行缓冲区分析，并计算求得缓冲区内所有包含的公交站点集合，记为{S_a}，{S_a}具体表示为：{S₁，S₂，S₃,…,S_n; n>=1}，S_v为缓冲区内所包含的第v个标识号的公交站点，v=1,2,3…,n,n为缓冲区内所包含的公交站点标识号的总数；

步骤3.3、对目的地E进行缓冲区分析，并计算求得缓冲区内所有包含的公交站点集合，记为{E_a}，{E_a}具体表示为：{ E₁，E₂，E₃,…,E_n; n>=1}，E_v为缓冲区内所包含的第v个标识号的公交站点，v=1,2,3…,n,n为缓冲区内所包含的公交站点标识号的总数。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，r为500到1000米中某一个值。

作为本发明所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法进一步优化方案，步骤5中最终推荐的公交线路结果是按照T3或者T4值大小进行排序。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

（1）本发明提供了一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，特别是基于公交车乘车舒适度的计算分析，通过该方法可以提升公交运营效率和改善公交出行舒适度。同时，对于城市绿色健康发展具有十分重要的意义；

（2）本发明作为优化城市公共资源的一个重要手段，主要是针对现有城市公交资源进行算法上的改进，减小了对城市现有公交运行系统常态化运行的影响；同时，本发明也是对现有在线公交线路推荐算法的进一步补充和完善。

附图说明

图1是本发明的整体流程示意图。

图2是公交线路选择案例的示意图。

图3是常见的推荐公交线路的示意图。

图4是本发明推荐的公交线路的示意图。

图5是本发明推荐的公交线路具有较高中介性站点的示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，包括以下步骤：

步骤1）参考附图1，基于复杂网络理论，对研究区内所有公交站点和公交线路做如下处理：以公交站点为节点，若两个公交站点之间有公交线路连通，则认为这两个公交站点之间存在一条边；以此，建立研究区内的公交复杂网络；

步骤2）参考附图1，构建考虑公交车到站频率和乘车舒适度的公交线路推荐方法的评价体系T；

参考附图2，若出现了A到B的公交出行需求情况，即尽管a线路公交线路距离最短，但是a线路公交车出行可能会非常拥堵、乘车等待时间长；b线路距离要远，且线路需要在C点换乘，但整个线路不拥堵、等车时间非常短、在C点换乘的班次也较多；实际上，走b线路比a线路更节省时间和舒适。那么，在公交出行班次推荐时（特别是通勤时段），软件应当优先提供b路线方案而不是a方案。也就是说，公交线路出行规划还需要进一步考虑公交车出行的舒适度等问题，而这在传统公交线路推荐算法中并没有考虑。

步骤2.1），若推荐线路中存在中转公交站点，则优先选择那些中介性最高的站点作为中转站点。

步骤2.2），计算总步行距离（记为T1）与换乘次数（记为T2），若T1超过第一阈值t1或T2超过第二阈值t2，则该公交线路不作为推荐线路。总步行距离T1和换乘次数是当前主要公交线路推荐算法和应用中需要考虑的重点因素。同时，这也是人们选择公交出行的一个非常重要主观因素。因此，本发明首先要删除那些出行距离或换乘次数过大的线路,例如步行超过1.5公里，换乘次数超过2次。

步骤2.3），再依据用户请求的公交线路查询的时间点，计算该时间段内的每条待筛选公交线路公交车的到站频率（记为T3）、公交车内的乘坐拥挤度（记为T4）。其中，公交车内分时间段的乘坐拥挤度T4是利用深度学习算法对公交车内视频数据进行解析，并通过解析所得到的公交车内乘客数大小来确定拥挤程度。拥挤程度可以通过公交车感兴区内人数或者密度来衡量。

步骤2.4），若T3超过第三阈值t3或T4超过第四阈值t4，则该公交线路不作为优先推荐线路。若T3小于第三阈值t3且T4小于第四阈值t4，则该公交线路作为优先推荐线路。

第一阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最大步行距离；第二阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最大换乘次数；第三阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最适宜到站频率；第四阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最适宜拥挤度。

对于本实例而言，参考附图3，起点到终点推荐的路线（56路）尽管不需要中转，但是由于该公交线路在出行高峰期道路十分拥堵，公交车的到始发站的频率低，大约15分钟才能等到1辆车到达，公交车运行的时间达到30分钟。同时，该线路公交车在出行高峰期上车人数较多，车内拥挤程度高，乘车的舒适性差。

为此，参见附图4，提供了一条新的公交线路，但是需要经过中转。具体线路为：先步行至始发站乘坐170路，然后在中转站乘坐42路到达目的地。尽管这一公交线路存在中转步骤，但是170路和42路在相应公交站点的到站频率均在5分钟以内，且整条线路避开了城市拥堵路段，因此车行速度也较快。更为重要的是：这2路车的乘客较少，因此乘坐的舒适性非常高。

同时，参考附图5，在中转站还可以通过65路、45路到达目的地。也就是说这个中转站的中介性较高。乘客不仅在这个中转站可以乘坐到站频率的公交线路，还可以有多个公交线路到达目的地，从而提高了乘车的便利性。

步骤3）设置出发地（记为S）和目的地（记为E）的地理位置，分别对S和E进行步行缓冲区分析，得到S和E在指定缓冲区范围内的站点集合{S_a}和{E_a}；

步骤3.1、设置进行步行缓冲区分析时的半径r；

步骤3.2、对出发地S进行缓冲区分析，并计算求得缓冲区内所有包含的公交站点集合，记为{S_a}，{S_a}具体表示为：{S₁，S₂，S₃,…,S_n; n>=1}，S_v为缓冲区内所包含的第v个标识号的公交站点，v=1,2,3…,n,n为缓冲区内所包含的公交站点标识号的总数；

步骤3.3、对目的地E进行缓冲区分析，并计算求得缓冲区内所有包含的公交站点集合，记为{E_a}，{E_a}具体表示为：{ E₁，E₂，E₃,…,E_n; n>=1}，E_v为缓冲区内所包含的第v个标识号的公交站点，v=1,2,3…,n,n为缓冲区内所包含的公交站点标识号的总数。

r为500到1000米中某一个值。

步骤4）计算{S_a}中每个公交站点到{E_a}的所有推荐公交线路方案，所得结果记为集合{SE}；

步骤4.1），通过公交线路与站点的空间拓扑关系与公交班次编排信息，计算得到所有的S和E的公交出行线路方案。对于本实例而言，{SE}包含了2条线路，分别为直达的56路和先170再中转42路；

步骤4.2），对每一种公交出行线路方案，按照评价体系T进行方案的筛选。

步骤5）计算结果默认呈现给用户的结果是可以按照T3或者T4值大小进行排序的。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替代，都应当视为属于本发明的保护范围。

Claims (8)

1.一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，包括以下步骤：

步骤1、基于复杂网络理论，对研究区内所有公交站点和公交线路做如下处理：以公交站点为节点，若两个公交站点之间有公交线路连通，则认为这两个公交站点之间存在一条边；以此，建立研究区内的公交复杂网络；

步骤2、构建考虑公交车到站频率和乘车舒适度的公交线路推荐方法的评价体系T，具体如下：

步骤2.1、首先，计算每条待筛选公交线路总步行距离T₁与换乘次数T₂；

步骤2.2、其次，若T₁超过第一阈值 t1或T₂超过第二阈值 t2，则该公交线路不作为推荐线路；

步骤2.3、再依据用户查询公交线路的时间点，计算最近的P天内该时间点前后Q小时内的每条待筛选公交线路公交车的到站频率T₃、公交车内的乘坐拥挤度T₄，P为大于等于1且小于等于7的整数，Q为大于等于1且小于等于3的实数；其中，公交车内的乘坐拥挤度T₄是利用深度学习算法对公交车内视频数据进行解析，并通过解析所得到的公交车内乘客数大小来确定乘车拥挤度；到站频率为在指定出发站点和指定时间段内的到站公交车的数量；

步骤2.4、若T3超过第三阈值t3或T4超过第四阈值t4，则该公交线路不作为推荐线路；若T3小于第三阈值t3且T4小于第四阈值t4，则该公交线路作为推荐线路；

步骤3、设置出发地S和目的地E的地理位置，分别对S和E进行步行缓冲区分析，得到S和E在指定缓冲区范围内的站点集合{S_a}和{E_a}；

步骤4、依据公交线路与站点的空间拓扑关系与公交班次编排信息，计算得到所有的S和E的公交出行线路方案，并按照评价体系T对公交出行线路方案进行筛选，得到最终推荐的公交线路结果；

步骤5、最终推荐的公交线路结果按照指定项顺序进行排序。

2.根据权利要求1所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，第一阈值为最大步行距离阈值，第二阈值为最大换乘次数阈值，第三阈值为最适宜到站频率阈值，第四阈值为最适宜拥挤度阈值。

3.根据权利要求1所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，第一阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最大步行距离；第二阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最大换乘次数；第三阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最适宜到站频率；第四阈值设置的原则是通过调查统计确定正常乘坐公交所能接受的最适宜拥挤度。

4.根据权利要求1所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，计算每个公交站点的中介中心性，若推荐线路中存在中转公交站点，则选择那些中介中心性最高的站点作为中转站点。

5.根据权利要求1所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，步骤2.3中拥挤度通过公交车感兴区内人数或者密度来衡量。

6.根据权利要求1所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，步骤3中对S和E进行步行缓冲区分析，得到S和E在指定步行缓冲区范围内的站点集合{S_a}和{E_a}，具体如下：

步骤3.1、设置进行步行缓冲区分析时的半径r；

步骤3.2、对出发地S进行缓冲区分析，并计算求得缓冲区内所有包含的公交站点集合，记为{S_a}，{S_a}具体表示为：{S₁，S₂，S₃,…,S_n; n>=1}，S_v为缓冲区内所包含的第v个标识号的公交站点，v=1,2,3…,n,n为缓冲区内所包含的公交站点标识号的总数；

步骤3.3、对目的地E进行缓冲区分析，并计算求得缓冲区内所有包含的公交站点集合，记为{E_a}，{E_a}具体表示为：{ E₁，E₂，E₃,…,E_n; n>=1}，E_v为缓冲区内所包含的第v个标识号的公交站点，v=1,2,3…,n,n为缓冲区内所包含的公交站点标识号的总数。

7.根据权利要求6所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，r为500到1000米中某一个值。

8.根据权利要求1所述的一种考虑公交车到站频率和乘车舒适度的公交线路推荐方法，其特征在于，步骤5中最终推荐的公交线路结果是按照T3或者T4值大小进行排序。