CN111063191A - 用于公交线网设计的发车频率与线网结构联合优化方法 - Google Patents
用于公交线网设计的发车频率与线网结构联合优化方法 Download PDFInfo
- Publication number
- CN111063191A CN111063191A CN201911274656.1A CN201911274656A CN111063191A CN 111063191 A CN111063191 A CN 111063191A CN 201911274656 A CN201911274656 A CN 201911274656A CN 111063191 A CN111063191 A CN 111063191A
- Authority
- CN
- China
- Prior art keywords
- line
- frequency
- passenger flow
- bus
- departure
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Abstract
本发明公开了一种用于公交线网设计的发车频率与线网结构联合优化方法,根据客流量的变化动态地优化现有公交线网的发车频率和线网结构,对线网结构的优化包括:删除线路、新建线路和延长线路,最终得以应用到下一优化周期的公交线网,实现乘客充分的换乘与出行自由。
Description
技术领域
本发明涉及公共交通信息处理技术领域,更具体的说是涉及一种用于公交线网设计的发车频率与线网结构联合优化方法。
背景技术
随着国内城市化进程的不断推进,城市道路交通流量逐渐饱和,交通问题已经成为政府亟待解决的社会性问题。大量实践表明,公共交通仍是切实解决城市交通问题的主要手段。近年来,在城市发展战略中一直强调公共交通优先,构建服务水平更高、运营效益更好的城市公交系统是城市发展的迫切需求。
公交线网承载着城市公共交通客流,是城市公共交通骨架,是公交规划的核心内容,因此合理的线网对提升公交系统效率及服务水平具有重要意义。此外,对公交系统来说,合理的线网能减小车队规模,减轻运力负担,使公共交通发挥更大的作用。城市中的公交线网呈现出线路繁杂、站点密集和客流量大的特点,而目前在实际公交线网设计及优化过程中,仍存在许多问题:优化调整较需求的变化仍有所滞后;线网结构单一;居民的“路径依赖”影响线网结构优化和部分地面公交线路功能定位不清晰等。同时国际上逐步掀起了“公交线网革命”的热潮:公交线网逐步由“直达型”转变为“换乘型”,公交线网革命的目的是实现充分的换乘与出行自由。
发明内容
有鉴于此,本发明提供了一种用于公交线网设计的发车频率与线网结构联合优化方法,能够根据客流量的变化动态地优化现有公交线网的发车频率和线网结构,实现乘客充分的换乘与出行自由。
为了实现上述目的,本发明采用如下技术方案:
一种用于公交线网设计的发车频率与线网结构联合优化方法,包括:
S1:根据历史数据预测下一优化周期的客流量;
S2:构建线网优化的数学模型,根据步骤S1中预测客流量计算线网优化的数学模型的目标值;若当前目标值与上一优化周期目标值的差值大于预设阈值,则进行步骤S3;
S3:采用粒子群算法对各线路发车频率进行优化,并对发车频率优化结果进行检验,若存在线路发车频率未在频率约束范围内或未在线网中的路段客流量达到发车频率最低要求,则进行步骤S4;
S4:删除线路发车频率低于发车最低频率要求的线路,然后选取不在既有线网内,且路段客流量增加的所有路段,按照增加客流量百分比的顺序和预设的标准依次进行延长线路或新增线路的操作,得到应用于下一优化周期的公交线网。
优选的,在步骤S1中,根据历史数据采用加权平均法预测下一优化周期的客流量,其中,历史数据包括:公交IC卡数据、互联网规划和/或导航数据。
优选的,在步骤S2中,若差值未超过预设阈值,则保持线网不变,优化过程终止。
优选的,在步骤S2中,所述线网优化模型基于如下假设:(1)先到站点的乘客先上车;(2)优化时段内,线路的发车频率不发生变化;(3)只考虑单向客流;(4)各线路公交车车型相同;(5)公交车行驶速度固定;(6)每个站点均可成为公交线路的首末站点;
所述线网优化模型的优化目标为:最小化公交企业运营成本、乘客出行时间成本与未满足需求惩罚成本之和:
minPU_COST+TRAC_COST+PA_COST
其中,PU_COST为公交企业运营成本,TRAC_COST为未满足需求惩罚成本,PA_COST为乘客出行时间成本;
公交企业运营成本PU_COST为线路长度Li与线路发车频率fi、优化时段H和公交行驶距离单位成本Ckm之积,其中R表示线路集;
乘客出行时间成本PA_COST为线路中每段路段客流量qjk与平均出行时间tjk之积的和,再乘上乘客出行时间单位成本Cpa,tjk用路段长度除以速度得到:
未满足需求惩罚成本为路段客流量qjk与在优化时段内公交运载所有乘客量CvfiH的差值的绝对值与需求单位成本Ctr之积:
其中,xi代表线路i入选线网或不入选,需要确定备选线路集中的线路是否入选线网,建立0-1规划模型;
模型所满足的约束条件为:
(1)线路长度约束
Lmin≤Li≤Lmax;
其中,Lmax为线路最大长度,Lmin为线路最小长度;
(2)发车频率约束
fmin≤fi≤fmax
其中,线路i的发车频率,fmax为发车频率最大值,fmin为发车频率最小值;
(3)非直线系数约束
M为非直线系数标准,可根据国家标准或当地实际情况确定,Li为线路i的运营里程,Di为线路i首末站点的空间直线距离;
线网动态优化的开始时机是根据预设阈值来确定的,记上一优化周期系统目标值为S,根据预测的客流量,计算出的系统目标值为S',G称作阈值范围或灵敏度条件;当|S'/S-1|≤G时,说明当前的线网结构及发车频率能够满足客流需求,不需要进行优化;否则,进行步骤S3,G的大小可根据实际需求确定。
优选的,步骤S3中还包括:若所有线路发车频率均在频率约束范围内且未在线网中的路段客流量没有达到发车频率最低要求,则将发车频率优化结果应用于下一优化周期,优化过程终止。
优选的,步骤S4中还包括:若有多条线路需要删除,则选择发车频率最低的一条线路删除,其他需要删除的线路的发车频率标记为最低发车频率,在后续优化周期中逐渐删除。
这里需要说明的是,将其他需要删除的线路标记为最低发车频率后,等下一次再进行频率优化时,得到的这些线路的发车频率还会小于最低发车频率,依旧会将发车频率最低的一条线路删除,以在后续的优化周期中逐渐删除。
优选的,在步骤S4中,预设的标准是:
当在如下情况时,会采用延长线路的操作,且当相接中部和相接首末站同时出现时,按照相接首末站计算:
(1)总客流满足发车最低频率、长度满足公交最低运营里程,与一条线路的首末站相接,且接入该线后,满足长度及非直线系数约束;
(2)总客流满足发车最低频率、长度满足公交最低运营里程,与多条线路的首末站相接,选接入后能满足线路约束的公交线,再从中选取具有与客流较为匹配的发车频率的线路;
(3)总客流满足发车最低频率、长度不满足公交最低运营里程,与一条线路的首末站相接,且接入该线后,满足长度及非直线系数约束;
(4)总客流满足发车最低频率、长度不满足公交最低运营里程,与多条线路的首末站相接,选接入后能满足线路约束的公交线,再从中选取具有与客流较为匹配的发车频率的线路;
在如下情况时,会采用新建线路的操作,相接中部和相接首末站同时出现时,按相接首末站计算:
(1)总客流满足发车最低频率、长度满足公交最低运营里程,与一条线路的首末站相接,接入该线后,不满足满足长度及非直线系数约束;
(2)总客流满足发车最低频率、长度满足公交最低运营里程,与公交线网不相接;
(3)总客流满足发车最低频率、长度满足公交最低运营里程,与现有线网相接但为线路中部;
(4)总客流满足发车最低频率、长度满足公交最低运营里程,与多条线路的首末站相接,但接入后不满足线路约束。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种用于公交线网设计的发车频率与线网结构联合优化方法,根据客流量的变化动态地优化现有公交线网的发车频率和线网结构,对线网结构的优化包括:删除线路、新建线路和延长线路,最终得以应用到下一优化周期的公交线网,实现乘客充分的换乘与出行自由。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种用于公交线网设计的发车频率与线网结构联合优化方法流程示意图;
图2为本发明提供的删除线路的示意图;
图3为本发明提供的延长线路与新建线路的决策图;
图4为本发明提供的线路生成至延长示意图;
图5为本发明提供的线网拓扑结构和站点间距离的示意图;
图6为本发明提供的预测下一优化周期客流示意图;
图7为本发明实施例对应的延长线路与新建线路决策过程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见附图1,本发明实施例公开了一种用于公交线网设计的发车频率与线网结构联合优化方法,包括:
S1:根据历史数据预测下一优化周期的客流量;
在步骤S1中,根据历史数据采用加权平均法预测下一优化周期的客流量,其中,历史数据包括:公交IC卡数据、互联网规划和/或导航数据,还可以是其他数据。
S2:构建线网优化的数学模型,根据步骤S1中预测客流量计算线网优化的数学模型的目标值;若当前目标值与上一优化周期目标值的差值大于预设阈值,则进行步骤S3;若差值未超过预设阈值,则保持线网不变,优化过程终止;
首先,对线网优化模型做出如下假设:(1)先到站点的乘客先上车;(2)优化时段内,线路的发车频率不发生变化;(3)只考虑单向客流;(4)各线路公交车车型相同;(5)公交车行驶速度固定;(6)每个站点均可成为公交线路的首末站点;
所述线网优化模型的优化目标为:最小化公交企业运营成本、乘客出行时间成本与未满足需求惩罚成本之和,模型所需要的符号定义如表1所示。
minPU_COST+TRAC_COST+PA_COST
其中,PU_COST为公交企业运营成本,TRAC_COST为未满足需求惩罚成本,PA_COST为乘客出行时间成本;
公交企业运营成本PU_COST为线路长度Li与线路发车频率fi、优化时段H和公交行驶距离单位成本Ckm之积,其中R表示线路集;
乘客出行时间成本PA_COST为线路中每段路段客流量qjk与平均出行时间tjk之积的和,再乘上乘客出行时间单位成本Cpa,tjk用路段长度除以速度得到:
未满足需求惩罚成本为路段客流量qjk与在优化时段内公交运载所有乘客量CvfiH的差值的绝对值与需求单位成本Ctr之积:
未满足需求惩罚成本有两个含义,第一个含义是指有些线路不会入选线网,这些线路上的一部分站点将没有公交车通过,需求没有满足,便给系统目标一个惩罚值;第二个含义是指某些站点之间,有较多线路通过,优化时段内的运力已远超过需求,此时是客流与运力不匹配,造成了运力浪费。因此即最优结果是在优化时段内该路段的总运力恰好能将乘客全部运送。
其中,xi代表线路i入选线网或不入选,在本发明中,需要确定备选线路集中的线路是否入选线网,因此可建立0-1规划模型;
模型所满足的约束条件为:
(1)线路长度约束
Lmin≤Li≤Lmax;
其中,Lmax为线路最大长度,Lmin为线路最小长度;线路长度过短,则给居民出行带来不便,线路长度过长,则会增加企业的运营成本,因此需要对线路长度进行限制。
(2)发车频率约束
fmin≤fi≤fmax
其中,线路i的发车频率,fmax为发车频率最大值,fmin为发车频率最小值;发车频率过少,则无法满足居民的出行需求,发车频率过多,则会造成运力资源的空置,增加企业成本,因此发车频率要在一个合理范围内:
(3)非直线系数约束
M为非直线系数标准,Li为线路i的运营里程,Di为线路i首末站点的空间直线距离;线路的实际运营长度与线路首末站点直线距离的比值称为非直线系数。非直线系数过高会使公交服务质量下降,吸引客流能力变弱,也不利于司机驾驶。M可根据国家标准或当地实际情况确定。
线网动态优化的开始时机是根据预设阈值来确定的,记上一优化周期系统目标值为S,根据预测的客流量,计算出的系统目标值为S',G称作阈值范围或灵敏度条件;当|S'/S-1|≤G时,说明当前的线网结构及发车频率能够满足客流需求,不需要进行优化;否则,进行步骤S3,G的大小可根据实际需求确定。
表1模型符号定义
S3:采用粒子群算法对各线路发车频率进行优化,并对发车频率优化结果进行检验,若存在线路发车频率未在频率约束范围内或未在线网中的路段客流量达到发车频率最低要求,则进行步骤S4;若所有线路发车频率均在频率约束范围内且未在线网中的路段客流量没有达到发车频率最低要求,则将发车频率优化结果应用于下一优化周期,优化过程终止。
对于所构建的优化模型,当其线路确定而频率不确定时,频率就作为了系统唯一要确定的决策变量。将其频率约束改动如下式,其中ffmin<fmin:
ffmin≤fi≤fmax
当优化出的各条线路频率在fmin和fmax之间且未在线网中的路段客流没有达到发车频率最低要求,说明仅通过频率优化,可以满足客流需求。若优化出的某条线路频率在ffmin和fmin之间或未在线网的路段客流达到了发车最低频率要求,说明仅通过发车频率优化无法满足客流需求,则将进行线网结构调整,即步骤S4。
本发明采用粒子群算法对发车频率进行优化。源于鸟类觅食行为的粒子群算法(PSO)属于群体智能算法,其是一种新兴的智能随机搜索算法,能以较大的概率收敛于全局最优解,采用粒子群算法求解多峰、非线性问题,能较好地进行全局搜索,也可以采用其他优化算法优化发车频率。
S4:删除线路发车频率低于发车最低频率要求的线路,然后选取不在既有线网内,且路段客流量增加的所有路段,按照增加客流量百分比的顺序和预设的标准依次进行延长线路或新增线路的操作,得到应用于下一优化周期的公交线网,包括线路的发车频率和具体途经站点。其中,若有多条线路需要删除,则选择发车频率最低的一条线路删除,其他需要删除的线路的发车频率标记为最低发车频率,在后续优化周期中逐渐删除。
在步骤S4中,删除、延长和新建线路如下所述:
a、删除线路
删除线路依据发车频率。优化频率时,采用的范围是[ffmin,fmax],但线路运营可接受的频率范围为[fmin,fmax],且ffmin<fmin。因此,当计算得到的发车频率在ffmin和fmin之间时,将在下一优化周期中删除该条线路。当优化结果中有多条线路频率在ffmin和fmin之间,则选择频率最低的任意一条删除,其他线路频率标记为fmin,在后续的优化周期中不断删除。图2展示了线路删除的过程。
b、延长线路与新建线路
选取不在既有线网内,且路段客流增加的所有路段,按增加客流量百分比的顺序依次进行延长线路与新增线路的操作,请参见结合附图3。
在线路满足长度要求和非直线系数要求的情况下,延长线路可以使线路具有良好的可通达性,能使乘客达到更多的目的地。同时,由于原线路基础设施良好,接入的部分只需要较小的代价就能快速融入整个线网。在面对没有公交线路布设但客流量大的路段,考虑将其纳入某一既有线路,通过多优化周期迭代,能实现线路的不断延长。
新建线路的操作借鉴了“公交线网革命”的思想:由“直达型”线网转变为“换乘型”线网。如果某一路段此次预测客流满足最小发车频率且相比上一周期预测客流有所增加,说明该路段较为需要公交交通,可考虑在该路段新建线路,新线路的发车频率与客流量匹配。
在删除频率过低的线路后,将此次预测客流与上一周期预测客流进行对比,选取出预测客流量增加且不在既有线网中的路段,按客流量增加百分比依次对路段进行操作。判断其总客流量是否满足发车最低频率、路段长度是否满足公交线路运营最低里程、是否与现有线网相接以及若相接的话,相接部位与条数。
在如下情况时,会采用延长线路的操作,相接中部和相接首末站同时出现时,按相接首末站计算:
(1)总客流满足发车最低频率、长度满足公交最低运营里程,与一条线路的首末站相接,且接入该线后,满足长度及非直线系数约束;
(2)总客流满足发车最低频率、长度满足公交最低运营里程,与多条线路的首末站相接,选接入后能满足线路约束的公交线,再从中选取具有与客流较为匹配的发车频率的线路;
(3)总客流满足发车最低频率、长度不满足公交最低运营里程,与一条线路的首末站相接,且接入该线后,满足长度及非直线系数约束;
(4)总客流满足发车最低频率、长度不满足公交最低运营里程,与多条线路的首末站相接,选接入后能满足线路约束的公交线,再从中选取具有与客流较为匹配的发车频率的线路。
在如下情况时,会采用新建线路的操作,相接中部和相接首末站同时出现时,按相接首末站计算:
(1)总客流满足发车最低频率、长度满足公交最低运营里程,与一条线路的首末站相接,接入该线后,不满足满足长度及非直线系数约束;
(2)总客流满足发车最低频率、长度满足公交最低运营里程,与公交线网不相接;
(3)总客流满足发车最低频率、长度满足公交最低运营里程,与现有线网相接但为线路中部;
(4)总客流满足发车最低频率、长度满足公交最低运营里程,与多条线路的首末站相接,但接入后不满足线路约束。图3展示了新建线路的决策图,图4展示了本发明提出的新建线路和延长线路方法通过多周期迭代实现线路的生成至延长的过程。
下面结合具体实施例对本发明所提供的技术方案做进一步阐述。
本实施例选择在北京国贸地区工作,居住地分布在通州区、北三县、廊坊地区的通勤早高峰出行需求,即国贸—通州通勤走廊。数据采用的是2018年3月早8点至9点的公交IC卡OD数据。简化数据,构建含10条线路和32站点的算例线网。图5展示了构建线网的拓扑结构和站点之间的距离,线路的具体信息如表2所示。
本发明中,设定一个优化周期为一周,采用加权移动平均法,历史数据时间跨度为四周。每周采用5个工作日客流的平均数值,四周的权重分别为0.1,0.1,0.3和0.5,得到预测下一周期的客流如图6所示。假设公交车的速度为20km/h,其他参数按如下取值Ckm=4,Ctr=20,H=1,Cpa=5,Lmax=35,Lmin=4,fmax=12,fmin=4,Cv=50,ffmin=2,G=5%。
表2 10条线路具体信息
经计算,之前的系统目标值为276209.82,当用预测客流进行计算时,系统目标值变为296455.06,增加了7.32%,超过了阈值。因此,进行发车频率优化步骤,表3展示了发车频率优化结果。尽管得到的所有频率优化结果都符合要求,但有未在线网中的路段其客流量满足最低发车频率,因此进行线网结构优化。
表3频率优化结果
满足客流量增加、未在线网内、客流满足最低发车频率的路段为1—5、29—30、9—10和18—29,客流增长率分别为17%、8%、5%和0.3%。根据客流增长率的大小,依次对路段做出决策。将长度是否满足运营最低里程记为标准A,是否与现有线网相接及相接类型记为标准B,接入线路后是否满足线路约束,记为标准C,对这4条路段的决策结果如图7所示。
如此,便得到了应用于下一优化周期的线网,具体线路信息如表4所示。用预测客流与当前线网进行计算,系统目标值为296455.06,用预测客流与优化后的线网进行计算,系统目标值为274596.11,目标值减小了7.37%。实例结果表明,本发明可通过发车频率优化与线网结果优化有效地优化公交线网。
表4应用于下一周期的线网
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,包括:
S1:根据历史数据预测下一优化周期的客流量;
S2:构建线网优化的数学模型,根据步骤S1中预测客流量计算线网优化的数学模型的目标值;若当前目标值与上一优化周期目标值的差值大于预设阈值,则进行步骤S3;
S3:采用粒子群算法对各线路发车频率进行优化,并对发车频率优化结果进行检验,若存在线路发车频率未在频率约束范围内或未在线网中的路段客流量达到发车频率最低要求,则进行步骤S4;
S4:删除线路发车频率低于发车最低频率要求的线路,然后选取不在既有线网内,且预测客流量增加的所有路段,按照增加客流量百分比的顺序和预设的标准依次进行延长线路或新增线路的操作,得到应用于下一优化周期的公交线网。
2.根据权利要求1所述的一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,在步骤S1中,根据历史数据采用加权平均法预测下一优化周期的客流量,其中,历史数据包括:公交IC卡数据、互联网规划和/或导航数据。
3.根据权利要求2所述的一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,在步骤S2中,若差值未超过预设阈值,则保持线网不变,优化过程终止。
4.根据权利要求1所述的一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,在步骤S2中,所述线网优化模型基于如下假设:(1)先到站点的乘客先上车;(2)优化时段内,线路的发车频率不发生变化;(3)只考虑单向客流;(4)各线路公交车车型相同;(5)公交车行驶速度固定;(6)每个站点均可成为公交线路的首末站点;
所述线网优化模型的优化目标为:最小化公交企业运营成本、乘客出行时间成本与未满足需求惩罚成本之和:
min PU_COST+TRAC_COST+PA_COST
其中,PU_COST为公交企业运营成本,TRAC_COST为未满足需求惩罚成本,PA_COST为乘客出行时间成本;
公交企业运营成本PU_COST为线路长度Li与线路发车频率fi、优化时段H和公交行驶距离单位成本Ckm之积,其中R表示线路集;
乘客出行时间成本PA_COST为线路中每段路段客流量qjk与平均出行时间tjk之积的和,再乘上乘客出行时间单位成本Cpa,tjk用路段长度除以速度得到:
未满足需求惩罚成本为路段客流量qjk与在优化时段内公交运载所有乘客量CvfiH的差值的绝对值与需求单位成本Ctr之积:
其中,xi代表线路i入选线网或不入选,需要确定备选线路集中的线路是否入选线网,建立0-1规划模型;
模型所满足的约束条件为:
(1)线路长度约束
Lmin≤Li≤Lmax;
其中,Lmax为线路最大长度,Lmin为线路最小长度;
(2)发车频率约束
fmin≤fi≤fmax
其中,线路i的发车频率,fmax为发车频率最大值,fmin为发车频率最小值;
(3)非直线系数约束
M为非直线系数标准,Li为线路i的运营里程,Di为线路i首末站点的空间直线距离;
线网动态优化的开始时机是根据预设阈值来确定的,记上一优化周期系统目标值为S,根据预测的客流量,计算出的系统目标值为S',G称作阈值范围或灵敏度条件;当|S'/S-1|≤G时,说明当前的线网结构及发车频率能够满足客流需求,不需要进行优化;否则,进行步骤S3,G的大小可根据实际需求确定。
5.根据权利要求1所述的一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,步骤S3中还包括:若所有线路发车频率均在频率约束范围内且未在线网中的路段客流量没有达到发车频率最低要求,则将发车频率优化结果应用于下一优化周期,优化过程终止。
6.根据权利要求1所述的一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,步骤S4中还包括:若有多条线路需要删除,则选择发车频率最低的一条线路删除,其他需要删除的线路的发车频率标记为最低发车频率,在后续优化周期中逐渐删除。
7.根据权利要求1所述的一种用于公交线网设计的发车频率与线网结构联合优化方法,其特征在于,在步骤S4中,预设的标准是:
当在如下情况时,会采用延长线路的操作,且当相接中部和相接首末站同时出现时,按照相接首末站计算:
(1)总客流满足发车最低频率、长度满足公交最低运营里程,与一条线路的首末站相接,且接入该线后,满足长度及非直线系数约束;
(2)总客流满足发车最低频率、长度满足公交最低运营里程,与多条线路的首末站相接,选接入后能满足线路约束的公交线,再从中选取具有与客流较为匹配的发车频率的线路;
(3)总客流满足发车最低频率、长度不满足公交最低运营里程,与一条线路的首末站相接,且接入该线后,满足长度及非直线系数约束;
(4)总客流满足发车最低频率、长度不满足公交最低运营里程,与多条线路的首末站相接,选接入后能满足线路约束的公交线,再从中选取具有与客流较为匹配的发车频率的线路;
在如下情况时,会采用新建线路的操作,相接中部和相接首末站同时出现时,按相接首末站计算:
(1)总客流满足发车最低频率、长度满足公交最低运营里程,与一条线路的首末站相接,接入该线后,不满足满足长度及非直线系数约束;
(2)总客流满足发车最低频率、长度满足公交最低运营里程,与公交线网不相接;
(3)总客流满足发车最低频率、长度满足公交最低运营里程,与现有线网相接但为线路中部;
(4)总客流满足发车最低频率、长度满足公交最低运营里程,与多条线路的首末站相接,但接入后不满足线路约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274656.1A CN111063191B (zh) | 2019-12-12 | 2019-12-12 | 用于公交线网设计的发车频率与线网结构联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274656.1A CN111063191B (zh) | 2019-12-12 | 2019-12-12 | 用于公交线网设计的发车频率与线网结构联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111063191A true CN111063191A (zh) | 2020-04-24 |
CN111063191B CN111063191B (zh) | 2020-11-24 |
Family
ID=70298831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911274656.1A Active CN111063191B (zh) | 2019-12-12 | 2019-12-12 | 用于公交线网设计的发车频率与线网结构联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111063191B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652438A (zh) * | 2020-06-04 | 2020-09-11 | 上海燕汐软件信息科技有限公司 | 物流线路的动态优化方法和装置 |
CN112434844A (zh) * | 2020-11-10 | 2021-03-02 | 郑州天迈科技股份有限公司 | 基于凸包计算和遗传算法排序线网的新开及延长方法 |
CN112466122A (zh) * | 2021-01-28 | 2021-03-09 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公交线网的备选线路集生成、线路规划方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044149A (zh) * | 2011-01-12 | 2011-05-04 | 北京交通大学 | 一种基于时变客流的城市公交运营协调方法与装置 |
EP2541506A1 (en) * | 2011-06-27 | 2013-01-02 | Siemens S.A.S. | Method and system for managing a flow of passengers on a platform |
CN103942948A (zh) * | 2014-04-10 | 2014-07-23 | 中南大学 | 基于分段拼接的城市公交线路网络的生成方法 |
CN105205557A (zh) * | 2015-09-17 | 2015-12-30 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN105868861A (zh) * | 2016-04-08 | 2016-08-17 | 青岛海信网络科技股份有限公司 | 一种基于时空数据融合的公交客流演化分析方法 |
US20160377449A1 (en) * | 2014-06-09 | 2016-12-29 | Volkswagen Aktiengesellschaft | Situation-aware route and destination predictions |
CN106779163A (zh) * | 2016-11-18 | 2017-05-31 | 华南理工大学 | 一种基于智能搜索的定制公交线网优化方法 |
CN107633319A (zh) * | 2017-07-03 | 2018-01-26 | 中兴软创科技股份有限公司 | 一种新增公交线路优化设计方法 |
US20180211124A1 (en) * | 2017-01-25 | 2018-07-26 | Via Transportation, Inc. | Detecting the Number of Vehicle Passengers |
US20180268705A1 (en) * | 2017-03-15 | 2018-09-20 | NEC Laboratories Europe GmbH | Method for route optimization for demand responsive transportation |
CN108805356A (zh) * | 2018-06-11 | 2018-11-13 | 苏州规划设计研究院股份有限公司 | 小区域公交线路优化方法及系统 |
CN109493601A (zh) * | 2018-11-21 | 2019-03-19 | 青岛大学 | 一种公交支线设置方法 |
CN109543895A (zh) * | 2018-11-15 | 2019-03-29 | 北京航空航天大学 | 一种出基于出租客流转化的公交线网优化方法 |
CN110232831A (zh) * | 2019-06-21 | 2019-09-13 | 上海理工大学 | 一种基于需求响应型公交的发车时刻优化方法 |
-
2019
- 2019-12-12 CN CN201911274656.1A patent/CN111063191B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044149A (zh) * | 2011-01-12 | 2011-05-04 | 北京交通大学 | 一种基于时变客流的城市公交运营协调方法与装置 |
EP2541506A1 (en) * | 2011-06-27 | 2013-01-02 | Siemens S.A.S. | Method and system for managing a flow of passengers on a platform |
CN103942948A (zh) * | 2014-04-10 | 2014-07-23 | 中南大学 | 基于分段拼接的城市公交线路网络的生成方法 |
US20160377449A1 (en) * | 2014-06-09 | 2016-12-29 | Volkswagen Aktiengesellschaft | Situation-aware route and destination predictions |
CN105205557A (zh) * | 2015-09-17 | 2015-12-30 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN105868861A (zh) * | 2016-04-08 | 2016-08-17 | 青岛海信网络科技股份有限公司 | 一种基于时空数据融合的公交客流演化分析方法 |
CN106779163A (zh) * | 2016-11-18 | 2017-05-31 | 华南理工大学 | 一种基于智能搜索的定制公交线网优化方法 |
US20180211124A1 (en) * | 2017-01-25 | 2018-07-26 | Via Transportation, Inc. | Detecting the Number of Vehicle Passengers |
US20180268705A1 (en) * | 2017-03-15 | 2018-09-20 | NEC Laboratories Europe GmbH | Method for route optimization for demand responsive transportation |
CN107633319A (zh) * | 2017-07-03 | 2018-01-26 | 中兴软创科技股份有限公司 | 一种新增公交线路优化设计方法 |
CN108805356A (zh) * | 2018-06-11 | 2018-11-13 | 苏州规划设计研究院股份有限公司 | 小区域公交线路优化方法及系统 |
CN109543895A (zh) * | 2018-11-15 | 2019-03-29 | 北京航空航天大学 | 一种出基于出租客流转化的公交线网优化方法 |
CN109493601A (zh) * | 2018-11-21 | 2019-03-19 | 青岛大学 | 一种公交支线设置方法 |
CN110232831A (zh) * | 2019-06-21 | 2019-09-13 | 上海理工大学 | 一种基于需求响应型公交的发车时刻优化方法 |
Non-Patent Citations (3)
Title |
---|
DAI CUN-JIE; LI YIN-ZHEN; MA CHANG-XI; CHAI HUO: "Optimization of departure frequency for bus rapid transit with multi-type vehicles under time-dependent demand", 《JOURNAL OF TRAFFIC AND TRANSPORTATION ENGINEERING》 * |
王佳: "城市常规公交线网与发车频率优化设计", 《中国博士学位论文全文数据库(工程科技Ⅱ辑)》 * |
韩印,李维斌,李晓峰: "城市公交线网调整优化PSO算法", 《中国公路学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652438A (zh) * | 2020-06-04 | 2020-09-11 | 上海燕汐软件信息科技有限公司 | 物流线路的动态优化方法和装置 |
CN111652438B (zh) * | 2020-06-04 | 2024-04-19 | 上海燕汐软件信息科技有限公司 | 物流线路的动态优化方法和装置 |
CN112434844A (zh) * | 2020-11-10 | 2021-03-02 | 郑州天迈科技股份有限公司 | 基于凸包计算和遗传算法排序线网的新开及延长方法 |
CN112434844B (zh) * | 2020-11-10 | 2024-01-26 | 郑州天迈科技股份有限公司 | 基于凸包计算和遗传算法排序线网的新开及延长方法 |
CN112466122A (zh) * | 2021-01-28 | 2021-03-09 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公交线网的备选线路集生成、线路规划方法及装置 |
CN112466122B (zh) * | 2021-01-28 | 2021-06-15 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公交线网的备选线路集生成、线路规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111063191B (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111063191B (zh) | 用于公交线网设计的发车频率与线网结构联合优化方法 | |
CN107092976B (zh) | 一种多目标模型协同优化多条公交线路发车间隔的方法 | |
Kang et al. | A case study on the coordination of last trains for the Beijing subway network | |
CN104881710B (zh) | 一种基于车辆自组网的城市快递配送方法 | |
CN107766994A (zh) | 一种共享自行车调度方法与调度系统 | |
CN108417031A (zh) | 一种基于Agent仿真的智能停车泊位预约策略优化方法 | |
CN108647221A (zh) | 一种基于gis的公交路径规划方法 | |
CN107507430A (zh) | 一种城市路口交通控制方法及系统 | |
CN111401614A (zh) | 一种城市轨道交通动态客流分配方法及系统 | |
CN107274035A (zh) | 一种交通网络和电动汽车充电站协调规划的方法 | |
CN114743401B (zh) | 一种基于公交数字化转型的数据可视化公交调度管理平台 | |
CN105205559A (zh) | 基于多源异构众包数据的风景旅行路线规划系统 | |
CN114117700A (zh) | 基于复杂网络理论的城市公共交通网络优化研究方法 | |
CN115713207A (zh) | 一种混合公交服务组合优化方法 | |
Liu et al. | Optimization of urban cold chain transport routes under time-varying network conditions | |
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 | |
CN107316100A (zh) | 智慧城市中电动汽车的充电调度策略 | |
CN115907597A (zh) | 一种基于最小排放的货物运输结构预测方法 | |
CN115099569A (zh) | 基于模糊逻辑控制器的乘客与出租车匹配方法 | |
Li et al. | Flexible Bus Route Setting and Scheduling Optimization Adapted to Spatial-temporal Variation of Passenger Flow. | |
CN111652782B (zh) | 基于多元数据的乡村垃圾收运作业系统 | |
Liu et al. | Comparison of Two Algorithms for Multiline Bus Dynamic Dispatching | |
Tang et al. | Energy-oriented routing strategy of electric vehicle: An end-to-end reinforcement learning approach | |
Samizadeh et al. | Decision making for autonomous vehicles' strategy in triple-lane roundabout intersections | |
CN109034593B (zh) | 一种拼车优先管控策略实施效益评价方法 |
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 |