CN111105078B - 一种定制公交网络优化方法 - Google Patents

一种定制公交网络优化方法 Download PDF

Info

Publication number
CN111105078B
CN111105078B CN201911200404.4A CN201911200404A CN111105078B CN 111105078 B CN111105078 B CN 111105078B CN 201911200404 A CN201911200404 A CN 201911200404A CN 111105078 B CN111105078 B CN 111105078B
Authority
CN
China
Prior art keywords
customized
travel
bus
constraint
bus route
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.)
Active
Application number
CN201911200404.4A
Other languages
English (en)
Other versions
CN111105078A (zh
Inventor
成诚
王洧
王天佐
刘畅
李兴华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201911200404.4A priority Critical patent/CN111105078B/zh
Publication of CN111105078A publication Critical patent/CN111105078A/zh
Application granted granted Critical
Publication of CN111105078B publication Critical patent/CN111105078B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种定制公交网络优化方法，该方法包括以下步骤：收集公交需求和出行成本；提取稳定的公交需求，并按照出行量筛选稳定的公交需求，得到集计出行需求，并计算现状广义出行成本；基于集计出行需求和现状广义出行成本建立以使用定制公交的旅客的广义出行成本收益最大为目标的定制公交网络优化模型；基于定制公交网络优化模型，利用启发式算法得到备选线路集合；基于备选线路集合，利用启发式算法得到定制公交网络。与现有技术相比，考虑了用户在面向定制公交供给时的出行方式选择，提高了规划的定制公交线路的适用性。

Description

一种定制公交网络优化方法
技术领域
本发明涉及公共交通信息处理及规划设计领域，尤其是涉及一种定制公交网络优化方法。
背景技术
地面公共汽电车系统是缓解交通拥堵的有效方式。然而，由于公交线路设置不合理、停靠站点数量多、车内拥挤程度高、行程时间可靠度低等缺陷的存在，该系统难以满足旅客对高品质出行的需求。
近年来，随着互联网技术的普及，一种新型的公交汽电车系统，定制公交系统，在国内外城市得到了广泛推广。定制公交是一种基于旅客需求分析结果，为出行起终点、服务需求相同或相似的人群提供出行服务的需求响应型系统。此外，相比于常规公交汽电车线路，定制公交的停站次数少，且保障“一人一座”，极大程度地提高了公交出行环境和出行效率。
为支撑定制公交系统的快速发展，国内外学者对定制公交线路优化进行了研究，Guo等提出了一种以最小化旅客和车辆运行成本为目标的定制公交网络设计方法，Cao和Wang基于最短路径算法，提出了一种两阶段定制公交设计方法。同时，国内专利申请书CN106779163、CN 109344529、CN 107609677也为定制公交线路的规划设计提供了经验借鉴。
从经济学角度分析，在设置定制公交线路后，当且仅当该线路为旅客带来正效益时，旅客才会改乘定制公交出行，因此，在定制公交线路规划过程中，应充分考虑已有交通方式的竞争力，综合比选可行的定制公交线路，而这恰是现有定制公交线路规划方法中缺失的因素。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种定制公交网络优化方法。
本发明的目的可以通过以下技术方案来实现：
一种定制公交网络优化方法，该方法包括以下步骤：
步骤S1：收集公交需求和出行成本；
步骤S2：提取稳定的公交需求，并按照出行量筛选稳定的公交需求，得到集计出行需求，并计算现状广义出行成本；
步骤S3：基于集计出行需求和现状广义出行成本建立以使用定制公交的旅客的广义出行成本收益最大为目标的定制公交网络优化模型；
步骤S4：基于定制公交网络优化模型，利用启发式算法得到备选线路集合；
步骤S5：基于备选线路集合，利用启发式算法得到定制公交网络。
所述的公交需求和出行成本通过出行调查或交通卡数据收集。
所述现状出行成本E的计算公式为：
E＝VOT×TT×max(1,α×c+β)+P
其中，VOT为时间价值，TT为行程时间，c为车内拥挤度，α和β为计算系数，P为票价。
所述的定制公交网络优化模型的目标函数为：
其中，Z是广义出行成本收益，为i到j间使用第k条定制公交线路的用户数量，为i到j间现状广义出行成本，tij为i到j间的定制公交线路时间，td为定制公交驻站时间，VOT为时间价值，pk为第k条定制公交线路的票价，/>在第k条定制公交线路包括i到j时取1，否则取0。
所述的定制公交网络优化模型的约束条件为：
其中，i,j,l为起、终点或节点的编号，k为线路编号，M为定制公交线路的上限数，Nk为第k条定制公交线路的小时最大发车数，cf为固定人力成本，cr为运营成本，Sk为第k条定制公交线路的停站数量，Vi k为第k条定制公交线路到达i时的乘客数量，C为公交乘客容量，为第k条定制公交线路在虚拟起点o时的乘客数量，/>为第k条定制公交线路在虚拟终点e时的乘客数量，/>在第k条定制公交线路包括i到l时取1，否则取0，/>在第k条定制公交线路包括l到j时取1，否则取0，/>在第k条定制公交线路包括o到i时取1，否则取0，/>在第k条定制公交线路包括i到e时取1，否则取0，toi为从o到i所需时长，tie为从i到e所需时长，Dmin为定制公交线路的下限长度，Dmax为定制公交线路的上限长度，Qij为从i到j的出行需求，dij为从i到j的出行距离，N为各条定制公交线路每小时最大发车数，pk为第k条定制公交线路的票价，S为定制公交线路的站点数量限制值。
所述的步骤S4包括：
步骤S41：计算最大需求对数量h；
步骤S42：基于最大需求对数量h，筛选得到潜在线路；
步骤S43：提取潜在线路的需求对，根据行程时间和需求对的现有广义出行成本，得到需求对的最高收费标准；
步骤S44：根据最高收费标准计算潜在线路的运行收入，若运营成本超过运行收入，去除需求对，得到可用需求对；
步骤S45：基于可用需求对和小时最大发车数，计算潜在线路的发车数量；
步骤S46：基于潜在线路的发车数量和潜在线路，得到备选线路集合。
所述的步骤S5包括：
步骤S51：从备选线路集合提取效益最大的线路加入定制公交网络，并在需求对中减去已经服务的需求；
步骤S52：根据更新后的需求对计算备选线路集合的线路效益，执行步骤S51，直至达到终止条件。
所述的定制公交网络包括途经站点、发车频率和线路票价信息。
与现有技术相比，本发明具有以下优点：
(1)在线路优化过程中，使用定制公交的旅客出行效益增加量最大为目标，考虑了用户在面向定制公交供给时的出行方式选择，提高了规划的定制公交线路的适用性。
(2)在实现单一线路求解的基础上，通过第二阶段优化问题，实现了定制交通网络的规划，解决多区域、多线路规划问题。
(3)两阶段启发式算法，提高了模型的求解效率，为支撑定制公交的运行提供有效支撑。
附图说明
图1为本发明的流程图；
图2为本发明的生成备选线路集合的流程图；
图3为本发明的生成定制公交网络的流程图；
图4(a)为本发明施案例的出行起点需求图；
图4(b)为本发明施案例的出行起点需求图；
图5为本发明施案例的定制公交网络结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
本实施例提供一种定制公交网络优化方法，如图1所示，包括以下步骤：
第一步，定制公交需求及其特征提取。通过出行调查或交通卡数据等方式获取乘客的日常公交需求和出行成本。其中公交需求包括起终点、期望出行时间和期望到达时间等信息。出行成本包括现状出行方式的平均车内时间、平均等待时间、票价、车内拥挤度等信息。
第二步，需求集计及广义出行成本估算。集计出行需求和出行成本。根据城市管理需求，将城市区域进行网格化处理，将处在同一出行小区内部的起终点调整为小区形心，以1分钟为时间间隔，以起终点对为对象统计出行信息，具体统计内容包括起点小区、终点小区、出行需求量、期望行程时间、现状广义出行成本。其中，广义出行成本是平均车内时间、平均等待时间、出行票价、车内拥挤情况的加权值。广义出行成本的计算方法如下式所示：
E＝VOT×TT×max(1,α×c+β)+P (1)
其中，VOT为时间价值，TT为行程时间，c为车内拥挤度，α和β为计算系数，P为票价(元)。
第三步，道路运行信息提取。基于高德地图、百度地图等开源出行数据，提取各起终点间最短行程时间，计算最短行程对应的广义出行成本。
第四步，有效需求提取。根据管理需求，设置出行需求阈值，剔除实际出行需求低于出行需求阈值的起终点对，或现状广义出行成本低于最短行程时间对应的广义出行成本的出行需求。
第五步，构建定制公交网络规划模型，该模型考虑各条定制公交线路的运行能力、旅客是否会选择该线路、线路长度、发车频率、站点数量等约束，以使用定制公交的旅客的广义出行成本收益最大为优化目标构建优化模型。
模型的目标函数如下：
其中，Z是广义出行成本收益，为i到j间使用第k条定制公交线路的用户数量，为i到j间预期的广义出行成本，tij为i到j间的定制公交线路时间，td为定制公交驻站时间，VOT为时间价值，pk为第k条定制公交线路的票价，xijk在第k条定制公交线路包括i到j时取1，否则取0。
模型包括以下约束：
其中，约束(3)表示每一条定制公交线路的运行收入要高于运营成本。约束(4)说明每个站点上下车后车内人数不超过车辆的承载能力。约束(5)说明在虚拟起、终点上无上下车需求。约束(6)指的是通过出行需求对的起点的车辆必须经过需求对的终点。约束(7)表示用户仅在出行收益有所提升时才会选择定制公交线路。约束(8)是任一定制公交线路每个节点的进出平衡约束。约束(9)指每个路段只能被一条定制公交线路经过1次。约束(10)和(11)表示所有车辆必须经过虚拟的车辆起终点。约束(12)假定虚拟车辆起终点与实际节点间的行程时间为0。约束(13)表明定制公交线路的长度在既定的约束范围内。约束(14)限制了定制公交线路的数量。约束(15)表明定制公交线路经过的站点数量不能超过既定阈值。约束(16)用于控制车辆的发车频率。约束(17)至约束(19)是对各决策变量取值的约束。
模型中的变量及参数说明如表1所示，本实施例主要针对早高峰通勤乘客需求构建模型。
表1模型参数说明
第六步，备选线路集合生成。基于模型约束参数，根据启发式算法生成满足运营需求的备选线路集合，其流程图如图2所示，具体流程如下：
(1)输入最大随机生成线路数、定制公交线路的站点数量限制值、定制公交线路上限长度、公交线路每小时最大发车数等关键参数，计算潜在提取的最大需求对数量h，即最大停靠站点数的一半；
(2)对于第m个虚拟潜在线路(若为第一条则m＝1)，随机生成1到h之间的整数随机数，该整数随机数视为虚拟潜在线路m的需求对服务量s。从需求对备选集中随机抽取s个需求对，提取其中的停靠点，并按照每个需求对终点必须在起点之后的原则随机生成一个站点连线，作为虚拟潜在线路m的潜在线路并计算潜在线路长度，若长度超出定制公交线路上限长度，则重新进行第(2)步，否则进入第(3)步；
(3)根据潜在线路的停靠顺序，在需求对备选集中提取潜在线路可服务的需求对集，令集合内需求对数量为q，根据该潜在线路间需求对的行程时间及其对应的现状广义出行成本，计算每一需求对能接受的最高收费标准；
(4)按照每一需求对能接受的收费标准从低到高的顺序排序潜在线路可服务的需求对集，根据不同收费标准测算潜在线路可行性，对于第一次测算，令测算次数n＝1，以第一个可服务的需求对收费标准为潜在线路价格，假定小时发车数w＝1，根据公交乘客容量估算总上下车人数，计算公交的运行收入，若运营成本超过运行收入，则剔除该价格对应的可服务的需求对，n＝n+1，若计算n次后线路仍不满足收益超过成本的要求，则退回步骤(2)重新生成潜在线路，直至穷尽集合内需求对数量为q。若在第n次测算中针对一辆公交实现运行收入超过运营成本时，则进入步骤(5)；
(5)若小时发车数低于每小时最大发车数，则发车数w＝w+1，在现有需求基础上减去前一辆车已服务的需求，按照步骤(4)相关过程测算该车运行收入和运营成本，若满足运行收入超过运营成本，则继续进行(5)，直到第w班车运行收入不超过运营成本或达到每小时最大发车数时，则以w-1或第w班车作为该潜在线路的发车数量。
(6)查找已有的潜在线路集合，若当前生成的潜在线路为新线路，保存该潜在线路和广义出行成本收益，m＝m+1，否则返回第(2)步；
(7)若m达到最大随机生成线路数时，即第一阶段计算工作完成，形成了备选线路集合。
第七步，定制公交网络优化。基于备选线路集合，遴选最优定制公交线路，规划定制公交网络，输出定制公交线路集合，每条线路包括途经站点、发车频率、线路票价等信息。算法流程如下，流程图如图3所示。
(1)输入定制公交线路的上限数M，同时对第一阶段生成的备选线路按照广义出行成本收益降序排序。通过循环计算的方法，提取备选线路中最优的R条线路作为定制公交网络；
(2)令已经提取的线路数为T，当前线路编号为x，在第一次循环开启前T＝0，x＝0；
(3)对于第一次循环，x＝x+1，提取备选线路中广义出行成本收益最大的线路，加入至定制公交网络集合，T＝T+1，并在对应需求对中减去已经服务的需求对；
(4)x＝x+1，根据更新后的需求对计算备选线路的广义出行成本收益，并根据广义出行成本收益对备选线路集合重新按照降序排序，提取广义出行成本收益最大的线路，且T＝T+1；
(5)若T不小于定制公交线路的上限数或穷尽备选线路集合，则结束计算，生成途经站点、发车频率、线路票价等信息，生成的定制公交网络即为最优解，反之重复步骤(4)。
下面为一具体例子：
本例采用上海市2015年4月1日至4月30日的早7点30分至8点30分的轨道交通IC卡数据和高德地图2019年5月1日的路段车速和距离数据，规划定制公交网络，每天的平均出行需求如图4所示。
本例以轨道交通站点作为起终点小区站点，以每月在相同时间段内相同用户相同起终点数据超过5次的数据作为一稳定起终点集，通过第一步、第二步集计数据，相应数据表如表2、表3所示。其中，广义成本以VOT取为34元/小时，α、β取0.125和0.823计算。
表2出行需求及出行成本信息
表3出行需求及现状广义出行成本集计表
起点 终点 出行需求量(人次) 现状广义出行成本(元/次)
唐镇 大渡河路 2 65.5
南翔 广兰路 8 61.0
爱国路 曹杨路 17 40.7
大木桥路 杨树浦路 33 28.5
… … … …
完成第三步后，在第四步中以出行需求不少于15人为标准，提取出行需求，提取后的集计表如表4所示。
表4需求提取后的出行需求及现状广义出行成本集计表
起点 终点 出行需求量(人次) 现状广义出行成本(元/次)
爱国路 曹杨路 17 40.7
大木桥路 杨树浦路 33 28.5
… … … …
定制公交线路的站点数量限制值为6、每小时最大发车数为4，公交线路长度为5-30km，驻站时间1分钟，固定人力成本为80元/车次、线路运营成本132元/小时，最大随机生成线路数50000，定制公交线路的上限数为10作为输入参数，生成定制公交网络及其中各条线路的小时发车辆，生成结果如表5所示，相应线路位置如图5所示。
在采用模型生成的10条定制公交线路后，将有1275位乘客从采用轨道交通出行转变为采用定制公交出行，每天带来节约广义出行成本7856.1元，人均出行成本节约为6.15元。同时，线路长度、站点数量均满足既定要求。结果中发现定制公交线路的站点数量不超过4个，这主要因为基于轨道交通数据计算时，站点间距较长，在更多站点数量下线路的长度会超出线路长度约束。
表5方案生成结果
本实施例在定制公交快速发展的背景下，通过历史出行信息分析旅客的现状广义出行成本，根据改变出行方式产生的效益，构建定制公交网络优化模型，并设计一种两阶段的启发式算法求解优化模型，生成定制公交网络。该模型生成的线路具备运营可行性和高吸引力等技术特点，可为定制公交的规划、运营和管理提供参考。

Claims (3)

1.一种定制公交网络优化方法，其特征在于，该方法包括以下步骤：
步骤S1：收集公交需求和出行成本；
步骤S2：提取稳定的公交需求，并按照出行量筛选稳定的公交需求，得到集计出行需求，并计算现状广义出行成本，所述现状广义出行成本E的计算公式为：
E＝VOT×TT×max(1,α×c+β)+P
其中，VOT为时间价值，TT为行程时间，c为车内拥挤度，α和β为计算系数，P为票价；
步骤S3：基于集计出行需求和现状广义出行成本建立以使用定制公交的旅客的广义出行成本收益最大为目标的定制公交网络优化模型；所述的定制公交网络优化模型的目标函数为：
其中，Z是广义出行成本收益，为i到j间使用第k条定制公交线路的用户数量，/>为i到j间现状广义出行成本，tij为i到j间的定制公交线路时间，td为定制公交驻站时间，VOT为时间价值，pk为第k条定制公交线路的票价，/>在第k条定制公交线路包括i到j时取1，否则取0；
所述的定制公交网络优化模型的约束条件为：
其中，约束(3)表示每一条定制公交线路的运行收入要高于运营成本；约束(4)说明每个站点上下车后车内人数不超过车辆的承载能力；约束(5)说明在虚拟起、终点上无上下车需求；约束(6)指的是通过出行需求对的起点的车辆必须经过需求对的终点；约束(7)表示用户仅在出行收益有所提升时才会选择定制公交线路；约束(8)是任一定制公交线路每个节点的进出平衡约束；约束(9)指每个路段只能被一条定制公交线路经过1次；约束(10)和(11)表示所有车辆必须经过虚拟的车辆起终点；约束(12)假定虚拟车辆起终点与实际节点间的行程时间为0；约束(13)表明定制公交线路的长度在既定的约束范围内；约束(14)限制了定制公交线路的数量；约束(15)表明定制公交线路经过的站点数量不能超过既定阈值；约束(16)用于控制车辆的发车频率；约束(17)至约束(19)是对各决策变量取值的约束；
其中，i,j,l为起、终点或节点的编号，k为线路编号，M为定制公交线路的上限数，Nk为第k条定制公交线路的小时最大发车数，cf为固定人力成本，cr为运营成本，Sk为第k条定制公交线路的停站数量，Vi k为第k条定制公交线路到达i时的乘客数量，C为公交乘客容量，为第k条定制公交线路在虚拟起点o时的乘客数量，/>为第k条定制公交线路在虚拟终点e时的乘客数量，/>在第k条定制公交线路包括i到l时取1，否则取0，/>在第k条定制公交线路包括l到j时取1，否则取0，/>在第k条定制公交线路包括o到i时取1，否则取0，/>在第k条定制公交线路包括i到e时取1，否则取0，toi为从o到i所需时长，tie为从i到e所需时长，Dmin为定制公交线路的下限长度，Dmax为定制公交线路的上限长度，Qij为从i到j的出行需求，dij为从i到j的出行距离，N为各条定制公交线路每小时最大发车数，pk为第k条定制公交线路的票价，S为定制公交线路的站点数量限制值；
步骤S4：基于定制公交网络优化模型，利用启发式算法得到备选线路集合；
其中，所述的步骤S4包括：
步骤S41：计算最大需求对数量h；
步骤S42：基于最大需求对数量h，筛选得到潜在线路；
步骤S43：提取潜在线路的需求对，根据行程时间和需求对的现有广义出行成本，得到需求对的最高收费标准；
步骤S44：根据最高收费标准计算潜在线路的运行收入，若运营成本超过运行收入，去除需求对，得到可用需求对；
步骤S45：基于可用需求对和小时最大发车数，计算潜在线路的发车数量；
步骤S46：基于潜在线路的发车数量和潜在线路，得到备选线路集合；
步骤S5：基于备选线路集合，利用启发式算法得到定制公交网络；
其中，所述的步骤S5包括：
步骤S51：从备选线路集合提取效益最大的线路加入定制公交网络，并在需求对中减去已经服务的需求；
步骤S52：根据更新后的需求对计算备选线路集合的线路效益，执行步骤S51，直至达到终止条件。
2.根据权利要求1所述的一种定制公交网络优化方法，其特征在于，所述的公交需求和出行成本通过出行调查或交通卡数据收集。
3.根据权利要求1所述的一种定制公交网络优化方法，其特征在于，所述的定制公交网络包括途经站点、发车频率和线路票价信息。
CN201911200404.4A 2019-11-29 2019-11-29 一种定制公交网络优化方法 Active CN111105078B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911200404.4A CN111105078B (zh) 2019-11-29 2019-11-29 一种定制公交网络优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911200404.4A CN111105078B (zh) 2019-11-29 2019-11-29 一种定制公交网络优化方法

Publications (2)

Publication Number Publication Date
CN111105078A CN111105078A (zh) 2020-05-05
CN111105078B true CN111105078B (zh) 2023-09-29

Family

ID=70420999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911200404.4A Active CN111105078B (zh) 2019-11-29 2019-11-29 一种定制公交网络优化方法

Country Status (1)

Country Link
CN (1) CN111105078B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085249B (zh) * 2020-07-27 2022-11-04 北京工业大学 一种基于强化学习的定制公交线路规划方法
CN112348341A (zh) * 2020-10-30 2021-02-09 天津市市政工程设计研究院 一种地面公交实时竞争指数的计算方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915401A (zh) * 2011-09-07 2013-02-06 微软公司 在公共运输网络中的旅行规划
CN103745277A (zh) * 2014-01-22 2014-04-23 宁波大学 一种轨道交通接驳公交线网优化系统
CN104318758A (zh) * 2014-11-05 2015-01-28 东南大学 基于多层次多模式的公交线网规划方法
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
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
CN107330559A (zh) * 2017-07-03 2017-11-07 华南理工大学 一种多起终点多车型混载的定制公交线路规划方法
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
CN108961804A (zh) * 2018-06-20 2018-12-07 北京市交通运行监测调度中心 基于多指标分类交集的公交线路调整备选集合确定方法
CN109002923A (zh) * 2018-07-23 2018-12-14 宁波大学 一种城际多方式出行线路规划方法
CN109344529A (zh) * 2018-10-22 2019-02-15 北京航空航天大学 一种基于两阶段启发式算法的定制公交线路设计方法
CN109409599A (zh) * 2018-10-24 2019-03-01 天津市市政工程设计研究院 基于实时需求的定制公交线路开通优化方法
EP3503069A1 (en) * 2016-08-19 2019-06-26 Dalian University Of Technology Big data based bus line schedule collaborative optimization method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751536A (zh) * 2013-12-25 2015-07-01 中兴通讯股份有限公司 一种公交站点优化评估方法和系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102915401A (zh) * 2011-09-07 2013-02-06 微软公司 在公共运输网络中的旅行规划
CN103745277A (zh) * 2014-01-22 2014-04-23 宁波大学 一种轨道交通接驳公交线网优化系统
CN104318758A (zh) * 2014-11-05 2015-01-28 东南大学 基于多层次多模式的公交线网规划方法
WO2017045294A1 (zh) * 2015-09-17 2017-03-23 华南理工大学 一种城市常规公交线网设计方法
EP3503069A1 (en) * 2016-08-19 2019-06-26 Dalian University Of Technology Big data based bus line schedule collaborative optimization method
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
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
CN107330559A (zh) * 2017-07-03 2017-11-07 华南理工大学 一种多起终点多车型混载的定制公交线路规划方法
CN108961804A (zh) * 2018-06-20 2018-12-07 北京市交通运行监测调度中心 基于多指标分类交集的公交线路调整备选集合确定方法
CN109002923A (zh) * 2018-07-23 2018-12-14 宁波大学 一种城际多方式出行线路规划方法
CN109344529A (zh) * 2018-10-22 2019-02-15 北京航空航天大学 一种基于两阶段启发式算法的定制公交线路设计方法
CN109409599A (zh) * 2018-10-24 2019-03-01 天津市市政工程设计研究院 基于实时需求的定制公交线路开通优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
互联网定制公交的网络调度模型及其求解算法;雷永巍;林培群;姚凯斌;;交通运输系统工程与信息(第01期);全文 *

Also Published As

Publication number Publication date
CN111105078A (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN108922178B (zh) 基于公交多源数据的公交车辆实时满载率计算方法
CN107919014B (zh) 面向多载客里程的出租车运行线路优化方法
CN110298516B (zh) 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器
CN111105078B (zh) 一种定制公交网络优化方法
CN105719019A (zh) 一种考虑用户预约数据的公共自行车高峰期需求预测方法
CN109544901A (zh) 一种基于历史客流大数据的公交智能排班方法及装置
CN110704993A (zh) 一种疏解地铁客流压力的定制公交线路设计方法
CN109376207A (zh) 从手机信令数据中提取高速列车乘客常住地的方法
CN109308574A (zh) 一种实时响应的互联网半灵活公交调度方法
CN107564269A (zh) 一种基于支付意愿的半灵活公交调度方法
CN110909434B (zh) 一种低碳导向下的城市公共交通干线网络设计方法
CN111027929B (zh) 地铁票务清分方法及装置
CN110019569B (zh) 一种获取城市轨道交通运营状态信息的方法
CN107220733B (zh) 基于互联网和车路协同的起讫点集定制公交开行优化方法
CN111915150A (zh) 一种电动公交系统规划方法
CN111476494A (zh) 基于多源数据精准分析公交人口地理分布的方法
CN109389243A (zh) 结合联网收费数据的高速公路交通情况调查站点布设方法
CN108303112A (zh) 一个基于出租车群的城市包裹递送路线规划系统
CN117974129A (zh) 一种基于乘车行为智能补登的对账方法及系统
CN107016633A (zh) 城市轨道交通接运公交计划发车时刻生成方法
CN112053053A (zh) 一种电动汽车充电站选址方法
CN115049272A (zh) 一种基于电池交换进行中间站充电的电动公交调度方法
CN115359646A (zh) 一种基于车载终端的换电车辆调度方法及系统
CN112465396B (zh) 一种基于沿线站点事件的公交调度方法及系统
CN111339159B (zh) 一种一票制公交数据的分析挖掘方法

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