CN110704993A - 一种疏解地铁客流压力的定制公交线路设计方法 - Google Patents

Abstract

本发明公开了一种疏解地铁客流压力的定制公交线路设计方法，包括以下步骤：(1)通过改进的DBSCAN算法对地铁瓶颈区段刷卡数据进行时空聚类，获取瓶颈区段乘客相似的出行需求；(2)结合出行需求聚类结果，对接驳地铁的共享单车和公共自行车骑行起、终点进行传统DBSCAN聚类分析，确定定制公交线路备选站点集；(3)基于备选站点集，建立定制公交线路规划的双层模型；(4)通过枚举法及贪婪算法，求解双层规划模型，得到企业运营效率最大化的线路方案，帮助疏解地铁瓶颈区段客流压力。本发明充分利用了地铁刷卡数据与自行车订单数据，主动识别定制公交潜在需求，弥补了线上调查数据不足不全的缺陷，有助于在一定程度上缓解地铁瓶颈区段压力。

Description

一种疏解地铁客流压力的定制公交线路设计方法

技术领域

本发明涉及定制公交及数据挖掘领域，具体涉及一种疏解地铁客流压力的定制公交线路设 计方法。

背景技术

近年来，一种名为定制公交的新型公共交通方式在我国兴起，它通过在网上平台搜集交 通需求并进行汇总，制定备选的公交线路让用户进行选择，提供了先进的、私人化、灵活的、 门到门的需求响应型公交服务，对乘客具有很大的吸引力。

然而定制公交目前在获取乘客需求方面存在着一定问题，其数据主要来源于网上调查， 但网上调查有样本量不足，获取需求不全面，线路设计周期过长等缺陷。另外，很多地铁乘 客并不了解定制公交线上平台，单从线上调查无法制定相应定制公交线路满足其需求。如果 能基于地铁出行数据分析出乘客真实需求，针对性地设计合理的定制公交线路，就能将一部 分客流转移到定制公交上，充分发挥定制公交优势，并缓解地铁压力，提升居民公交出行的 舒适度及整个公共交通系统的服务品质。

发明内容

发明目的：针对线上调查的不足，本发明提出了一种疏解地铁客流压力的定制公交线路 设计方法，主动识别地铁瓶颈区段乘客出行需求，针对性提供高品质公交服务，缓解瓶颈区 段客流压力。

技术方案：一种疏解地铁客流压力的定制公交线路设计方法，包括以下步骤：

(1)提取地铁服务能力瓶颈区段乘客刷卡数据，利用改进的DBSCAN算法，同时进行出行起点、出行终点和出行时间的聚类，得到相似出行需求的乘客簇，作为同一线路定制公交潜在用户；

(2)结合出行需求聚类结果，利用传统DBSCAN算法聚类接驳地铁的共享单车和公共 自行车出行起、终点，聚类中心视作地铁乘客出行潜在源点，从而确定定制公交线路备选站 点集；

(3)基于备选站点集，建立定制公交线路规划的双层模型；

(4)通过枚举法及贪婪算法，求解双层规划模型，得到企业运营效率最大化的地铁瓶颈 区段线路方案。

进一步地，所述步骤1中的地铁服务能力瓶颈指的是在一定服务水平条件下，断面客流 量与运输能力的比值超过服务水平限制的地铁区间。

进一步地，所述步骤1中的改进的DBSCAN聚类算法，其构成一个簇的条件为：

|N_r,t(T_i)|≥M

T是所有乘客出行数据的集合；

分别是出行数据T_i,T_j各自的出行起点；

分别 是出行数据T_i,T_j各自的出行终点；

分别是出行数据T_i,T_j各自的出行时间；dist()是求两 点间的欧式距离的函数；r为空间半径；t为时间半径；N_r,t(T_i)代表T_i的邻域内的所有数据 的集合，若某出行数据T_j满足，与T_i起点的距离在空间半径r以内，终点的距离在空间半径r 以内，出行时间在时间半径t以内，则认为T_j处在出行数据T_i的邻域内。M为密度阈值，规 定了构成一个簇所需的最小样本量。

进一步地，所述步骤2中的接驳地铁的共享自行车骑行数据，是指骑行起点或终点在目 标地铁站周围500m范围内的共享单车和公共自行车骑行数据；而目标地铁站是指步骤1中 地铁刷卡聚类得到的乘客出行簇对应的聚类中心，它们是乘客出行簇共同的出行起点地铁站 和出行终点地铁站，作为固定的定制公交线路起、终点站；结合固定站点集，对接驳这些地 铁站的共享自行车数据的非接驳端的骑行起点或终点进行传统的DBSCAN聚类，得到的聚类 中心构成相应线路的备选站点集。

进一步地，所述步骤2中的传统的DBSCAN聚类方法，其聚类参数是(ε,MinPts)。构成 一个簇的条件是某一个点周围ε范围内有至少MinPts个点。与步骤1中改进的DBSCAN算法 类似，ε为空间半径，MinPts为密度阈值，规定了构成一个簇所需的最小样本量，此处根据 骑行起点或终点的聚类效果比较取值。

进一步地，所述步骤3中的双层规划模型，上层模型的决策变量为是否将备选站点k作 为正式站点，约束条件为停车站点数量和线路长度等，目标函数为使得企业运营收入最大化， 如下式：

maxB＝B₁-C₁-C₂

C₂＝(d/v+S·t_stop)·ρ₂

其中，B₁票价收入，C₁为发车成本，C₂为运营成本，y_k为决策变量，

为所有站点的乘客人数之和，ρ为乘客票价，

为最小发车数量，N₀是车辆额定载客数，ρ₁为单位发车成本，d为线路长度，v为定制公交运行速度，S为线路站点数量，t_stop为车辆 停靠时间，ρ₂为车辆小时运营成本；

下层模型为在上层确定的站点中，规划路径，使定制公交车辆经过所有的站点一次，路 径总长度最短，加上车辆需回到起始点的限制，相当于运筹学中经典的旅行商问题(TSP)。

进一步地，所述步骤4中求解线路规划双层模型按以下步骤进行：

(41)基于步骤(3)中的备选站点集，枚举法生成所有站点组合方案；

(42)对于每个方案，生成该方案内所有站点的距离矩阵；

(43)对于每个方案，利用贪心算法求解路径，使车辆经过所有的站点一次后回到初始 站点，路径总长度最短；

(44)判断规划的线路是否符合站点个数、线路长度等约束条件；

(45)比较所有方案的企业运营收入，确定最终站点方案及线路设计。

有益效果：本发明针对地铁瓶颈区段客流压力过大、服务水平不足的问题，提出根据实 际出行数据主动识别乘客需求的定制公交线路设计方法。提出的考虑时空特征的DBSCAN算 法，能聚类具有相似出行需求的瓶颈区段地铁乘客，获取潜在定制公交出行需求；通过接驳 地铁的共享自行车骑行起、终点聚类确定线路备选站点集，设计双层规划模型可求解最佳线 路方案。本发明结合了地铁刷卡数据和共享自行车订单数据，考虑了乘客出行的时空特征， 挖掘潜在定制公交出行需求，弥补了线上调查在数据上不足不全、覆盖面不广的缺陷，对满 足乘客对高品质公交服务需要、疏解地铁瓶颈区段客流压力具有极大的意义。

附图说明

图1为根据本发明的方法流程图。

图2为定制公交备选站点集确定方法图。

图3为实施例中聚类结果线路大体走向图。

图4为实施例中具体线路设计图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

图1所示为本发明一种疏解地铁客流压力的定制公交线路设计方法的流程图，主要包含 以下步骤：

步骤(1)，通过改进的DBSCAN算法，对地铁服务能力瓶颈区段刷卡数据聚类获取潜在 定制公交出行需求。具体流程如下：

S1：确定地铁服务能力瓶颈区段，即在一定服务水平条件下，断面客流量与运输能力的 比值超过服务水平限制的地铁区间。提取上车站点在瓶颈区段内或者下车站点为瓶颈区段内 的地铁刷卡数据，作为地铁瓶颈区段刷卡数据集。

S2：基于地铁瓶颈区段刷卡数据集构造地铁瓶颈区段出行数据集T＝(T₁,T₂,...,T_i...,T_m)， 任意一个出行数据T_i，由三个要素组成：①出行起点经纬度

②出行终点经纬度③出 发时间

确定聚类参数(r,t,M)，r为空间半径，取乘客可接受的步行到定制公交站点的距 离；t为时间半径，取乘客可接受的等车时间；M为密度阈值，规定了构成一个簇所需的最 小样本量，取发出一辆定制公交所要求的最小载客量与从地铁向定制公交转移的概率的比值。

S3：令核心对象集合

聚类簇数k＝0，未访问样本集合Γ＝D,簇划分

S4：对于i＝1,2,...,m，按如下步骤找出所有的核心对象：

a)若T_j满足

则T_j属于T_i的邻域内， 通过遍历所有出行数据，找到样本T_i的邻域子样本集N_r,t(T_i)。

b)如果|N_r,t(T_i)|≥M，则T_i为核心对象，将样本T_i加入Ω。

S5：如果

则算法结束，否则转入步骤6。

S6：在Ω中，随机选择一个核心对象o，初始化当前簇核心对象子集Ω_cur＝{o},类别序 号k＝k+1，当前簇样本集合C_k＝{o},更新未访问样本集合Γ＝Γ-{o}。

S7：如果

则C_k生成完毕，更新簇划分(C₁,C₂,...,C_k)和核心对象集合Ω＝Ω-Ω_cur， 转入步骤4。

S8：在Ω_cur中取出一个核心对象o′，通过r，t，找出所有的邻域子样本集N_r,t(o'),令 θ＝N_r,t(o')∩Γ，更新C_k＝C_k∪θ,Γ＝Γ-θ,Ω_cur＝Ω_cur∪(θ＝N_r,t(o')∩Ω)，转入步骤6。

S9：输出簇划分结果C＝(C₁,C₂,...,C_k)，每一个簇代表了一群有着相似出行需求的乘客， 认为他们有乘坐同一线路的定制公交的可能性。

步骤(2)，基于地铁刷卡数据聚类结果，确定定制公交线路备选站点集。附图2为定制 公交备选站点集确定方法图。将步骤(1)中得到的地铁乘客簇对应的地铁站，作为定制公交 线路固定的起、终点停靠站(附图2中方形符号)。此外，利用接驳地铁站的共享单车和公共 自行车数据来挖掘乘客可能的出行源点，体现定制公交门到门的服务特征。具体为：提取还 车地点在线路固定起点站(地铁站)附近500m内的共享自行车数据，视作接驳地铁的出行， 对其骑行起点(附图2中黑点)经纬度进行传统的DBSCAN密度聚类，将聚类中心设为定制 公交线路起点区域的备选停靠站(附图2左侧三角形符号)。同理，可以确定终点区域的备选 停靠站(附图2右侧三角形符号)。其中，传统的DBSCAN聚类方法中规定：对于任意一个 点，如果其周围ε范围内(邻域)有至少MinPts个点，其为核心点；如果某个点的ε范围内 点的个数小于MinPts但是落在核心点的邻域内，其为边界点；其余则为噪声点。具体步骤为:

S1：根据ε和密度阈值MinPts，判断一个点是核心点、边界点还是噪声点，核心点及其 周围ε范围内的点作为一个簇。

S2：如果核心点之间的距离小于ε，那就将它们归于同一个簇。

S3：将边界点分配到距离它最近的核心点范围内，最终完成簇的划分。

S4：比选多组不同取值的MinPts，取聚类效果最好的一组。

步骤(3)，基于备选站点集，建立定制公交线路规划的双层模型。模型针对单条定制公 交线路，上层模型的决策变量为

目标函数为使得企业运营收入最大化：

maxB＝B₁-C₁-C₂

C₂＝(d/v+S·t_stop)·ρ₂

其中，B₁票价收入，C₁为发车成本，C₂为运营成本，

为所有站点的乘客人数之 和，ρ为乘客票价，

为最小发车数量，N₀是车辆额定载客数，ρ₁为单位发车成本，d为线路长度，v为定制公交运行速度，S为线路站点数量，t_stop为车辆停靠时间，ρ₂为 车辆小时运营成本。

上层模型应满足如下约束条件：

停靠站点数量应不超过上限S_max

线路长度约束应在线路长度下限l_min和线路长度上限l_max之间

下层模型为运筹学中经典的旅行商问题(TSP)，决策变量为：

目标函数为定制公交停靠所有站点后，回到起始站点，总行驶距离最短，即

d_ij为站点S_i到站点S_j的直线距离。

约束条件如下：

步骤(4)，枚举法与贪心算法结合，求解定制公交线路规划的双层模型。具体步骤包括：

(41)基于步骤(3)中的备选站点集，枚举法生成所有站点组合方案。

(42)对于每个站点组合方案，通过计算任意两个站点之间的直线距离，生成该方案内 所有站点的距离矩阵。以直线距离代表两站点间的路径长度。

(43)对于每个站点组合方案，首先任选一个站点作为起始站点并标记，然后在未标记 站点中选择下一个站点使得迄今为止经过的线路总长度最短，并标记所选站点，重复站点选 择步骤直到方案内所有站点都被标记，记录站点顺序和线路长度。

(44)判断规划的路径是否符合站点个数、线路长度等约束条件，如果符合，则将该路 径作为该站点组合方案下的最佳定制公交线路；如果不符合，则说明此站点方案不可行，删 去。

(45)比较所有方案的企业运营收入，确定最终站点方案及线路设计。

下面用具体实施例来进一步说明本发明的技术方案。

研究区域为南京市早高峰时段的地铁服务能力瓶颈区段，包含新街口、大行宫等7个地 铁站点，时间段为2月22日(周三)早高峰时段(7:00-9:00)。提取地铁刷卡数据共104823 条，数据形式如表1所示(出发时间的单位已转换为秒)：

表1地铁刷卡数据格式

(1)利用改进的DBSCAN聚类算法，对地铁服务能力瓶颈区段刷卡数据同时进行出行 起点、出行终点、出发时间三参数的聚类，获取定制公交潜在出行需求。聚类指标中，空间 半径r取360m，时间半径t取240s，密度阈值M取100。经聚类得到23个簇，经整理后为8 条潜在定制公交线路，如表2和附图3所示。

假设这些线路都能开通，且聚类簇内的地铁用户均有28.1％的概率(转移概率通过实地 调查得知)乘坐定制公交，那么定制公交约能分担1952人/小时的地铁客流量。经统计，当 天早高峰时段瓶颈区段的单向客流量约为31447人/小时，那么定制公交分担的客流占比为 1952/31447*100％＝6.2％，可在一定程度上缓解瓶颈区段的压力。

表2地铁乘客聚类结果

以其中的马群站-大行宫/新街口(马群线)为例继续实施线路设计。

(2)基于步骤(1)地铁刷卡聚类结果，补充接驳地铁站点的自行车骑行源点聚类，确 定定制公交线路备选站点集。对于马群线，提取接驳起点(马群站)公共自行车及共享单车 骑行订单数据共518条，对骑行源点进行传统的DBSCAN聚类，聚类指标为 ε＝360m,MinPts＝4。最终提取聚类中心共5个。加上固定的起终点站，共8个站点，站点 信息(上车人数按照28.1％的转移概率估计)如表3：

表3备选站点信息

(3)对马群线建立定制公交线路规划模型。对模型中的参数进行赋值：车辆额定载客量 N＝30人/车，票价ρ为8元/人，单位发车成本ρ₁为160元/车，运行速度v取25km/h，车辆停靠时间t_stop取1/90h，车辆小时运营成本ρ₂为300元/h。上层模型中的约束条件：站点数量上限S_max取6个，线路长度上下限l_max和l_min分别取50km和10km。

(4)求解定制公交线路规划的双层模型，得出最佳线路规划方案。对于马群线，经过模 型运算，共得到了满足约束条件的组合方案共27个，企业收入最大的前五个方案如表4：

表4前五位路线方案

经比较，方案19为最优选择。根据备选站点3，4，6周围用地性质，将其分别命名为润 康苑站、金桂园站和东方红郡站，与马群站一同作为定制公交线路起点区域站点，因此可得 到马群线定制公交的站点及线路图如附图4。

以上内容仅是通过一个具体实施例对本发明所作的进一步详细说明，不能认定本发明只 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 (7)

1.一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述方法包括以下步骤：

(1)提取地铁服务能力瓶颈区段乘客刷卡数据，利用改进的DBSCAN算法进行时空聚类，得到相似的出行需求聚类结果，制作定制公交潜在需求；

(2)结合出行需求聚类结果，利用传统DBSCAN算法聚类接驳地铁的共享单车和公共自行车骑行起、终点，聚类中心视作地铁乘客出行潜在源点，从而确定定制公交线路备选站点集；

(3)基于备选站点集，建立定制公交线路规划的双层模型；

(4)通过枚举法及贪婪算法，求解双层规划模型，得到企业运营效率最大化的线路方案，帮助疏解地铁瓶颈区段客流压力。

2.根据权利要求1所述的一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述步骤1中的地铁服务能力瓶颈指的是在一定服务水平条件下，断面客流量与运输能力的比值超过服务水平限制的地铁区间。

3.根据权利要求1所述的一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述步骤1中改进的DBSCAN算法同时对地铁服务能力瓶颈区段乘客出行数据的出行起点、出行终点、出发时间三参数进行聚类，提取具有相似出行需求、可能乘坐同一线路定制公交的乘客簇；该算法中，构成一个簇的条件是：

|N_r,t(T_i)|≥M

式中，T是所有乘客出行数据的集合；

分别是出行数据T_i,T_j各自的出行起点；

分别是出行数据T_i,T_j各自的出行终点；分别是出行数据T_i,T_j各自的出行时间；dist()是求两点间的欧式距离的函数；r为空间半径，取乘客可接受的步行到定制公交站点的距离；t为时间半径，取乘客可接受的等车时间；N_r,t(T_i)代表T_i的邻域，即同时在空间半径和时间半径范围内的所有数据的集合；M为密度阈值，规定了构成一个簇所需的最小样本量，取发出一辆定制公交所要求的最小载客量与地铁乘客转移到定制公交的概率的比值。

4.根据权利要求1所述的一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述步骤2中将骑行起点或终点在目标地铁站周围500m范围内的共享单车和公共自行车骑行数据，认为是接驳地铁的共享自行车骑行数据，步骤1中地铁刷卡聚类得到的乘客出行簇对应的聚类中心为出行起点地铁站和出行终点地铁站，将其视作固定的定制公交线路起、终点站；结合固定站点集，对接驳这些地铁站的共享自行车数据的非接驳端的骑行起点或终点进行聚类，得到的聚类中心构成相应线路的备选站点集，聚类方法为传统的DBSCAN方法；定制公交的站点，只在备选站点集与固定站点集中进行选择。

5.根据权利要求1所述的一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述步骤2中应用的传统DBSCAN聚类算法，其聚类参数为(ε,MinPts)，构成一个簇的条件是某一个点周围ε范围内有至少MinPts个点，与步骤1中改进的DBSCAN算法类似，ε为空间半径，MinPts为密度阈值，规定了构成一个簇所需的最小样本量，此处根据聚类效果取值。

6.根据权利要求1所述的一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述步骤3中定制公交线路双层规划模型，上层模型中，决策变量是针对某条定制公交线路，是否将备选站点k作为正式站点，目标函数为企业运营收入最大化：

max B＝B₁-C₁-C₂

C₂＝(d/v+S·t_stop)·ρ2

其中，B₁票价收入，C₁为发车成本，C₂为运营成本，y_k为决策变量，为所有站点的乘客人数之和，ρ为乘客票价，

为最小发车数量，N₀是车辆额定载客数，ρ₁为单位发车成本，d为线路长度，v为定制公交运行速度，S为线路站点数量，t_stop为车辆停靠时间，ρ₂为车辆小时运营成本。

上层模型应满足如下约束条件：

停靠站点数量应不超过上限S_max，

线路长度约束应在线路长度下限l_min和线路长度上限l_max之间，

下层模型决策变量为定制公交是否从站点S_i直接去站点S_j，目标函数为定制公交停靠所有站点后，回到起始站点，总行驶距离最短，可处理为运筹学中经典的旅行商问题(TSP)。

7.根据权利要求1所述的一种疏解地铁客流压力的定制公交线路设计方法，其特征在于，所述步骤4包括以下步骤：

(41)基于步骤(3)中的备选站点集，枚举法生成所有站点组合方案；

(42)对于每个站点组合方案，通过计算任意两个站点之间的直线距离，生成该方案内所有站点的距离矩阵。以直线距离代表两站点间的路径长度；

(43)对于每个站点组合方案，首先任选一个站点作为起始站点并标记，然后在未标记站点中选择下一个站点使得迄今为止经过的线路总长度最短，并标记所选站点，重复站点选择步骤直到方案内所有站点都被标记，记录站点顺序和线路长度；

(44)判断规划的路径是否符合站点个数、线路长度等约束条件，如果符合，则将该路径作为该站点组合方案下的最佳定制公交线路；如果不符合，则说明此站点方案不可行，删去；

(45)比较所有方案的企业运营收入，确定最终站点方案及线路设计。

Images