CN111581759A - 一种基于里奇曲率用于公交线网优化的评估方法 - Google Patents

Abstract

本发明公开了一种基于里奇曲率用于公交线网优化的评估方法，包括如下步骤，输入待优化的网络和出行需求大数据；S2、分别计算全样本和采集样本中每两个站点之间的里奇曲率，直到所有站点之间的里奇曲率全部计算完成；S3、根据计算获取的里奇曲率和站点间流量，评估需要优化的站点对。优点是：基于大数据观测的实际需求和出行轨迹，结合现有公交线网的结构特征，从发掘供需不匹配的角度提供启发式算法，锁定需要优化的重点路段目标，适用于改造较为成熟的城市公交网络系统。

Description

一种基于里奇曲率用于公交线网优化的评估方法

技术领域

本发明涉及公交线网优化技术领域，尤其涉及一种基于里奇曲率用于公交 线网优化的评估方法。

背景技术

目前，针对交通线网的优化方式一般是采用线性规划的方法，具体是基于 目标站点规划线路，创建一套全新的网络而非对已有线路的改造；用线性规划 进行的线网优化或设计是针对全局的规划，而非评估基于现有的公交线网重点 需要优化的路段在哪些位置。部分方法由于多种原因，如受限于数据，对出行 需求考虑不够全面，出行的具体轨迹也不清晰，无法对比存在的线网与真实出 行行为或需求之间的差异。还有部分方法虽考虑出行起终点的位置，但未对规 划出的网络的结构所能够造成的影响进行评估，或规划线网未从改造现有线网 的角度出发，因此不适用于对比较成熟的城市优化公交线网。

发明内容

本发明的目的在于提供一种基于里奇曲率用于公交线网优化的评估方法， 从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于里奇曲率用于公交线网优化的评估方法，所述评估方法包括如下步 骤，

S1、输入待优化的网络和出行需求大数据；

S2、分别计算全样本和采集样本中每两个站点之间的里奇曲率，直到所有站 点之间的里奇曲率全部计算完成；

S3、根据计算获取的里奇曲率和站点间流量，评估需要优化的站点对。

优选的，步骤S1包括，

S11、输入已预处理的待优化网络；该待优化网络包括站点集合 V＝{v(1),v(2),…v(N)}和线路集合E＝{e(1),e(2),…e(M)}，各所述线路为一 系列站点的顺序集合；

其中，N为站点总数量；M为线路总数量；

S12、输入已预处理的出行需求大数据；所述出行需求大数据包括公交刷卡 数据、GPS定位数据和手机基站定位数据。

优选的，步骤S2包括，

S21、在待优化网络中，任意取两个站点v(m)和v(n)，计算该两个站点v(m)和 v(n)之间的距离Dmn；在待优化网络中分别寻找该两个站点v(m)和v(n)的邻居节 点集合Δ(m)和Δ(n)；若该两个站点v(m)和v(n)直接相连，则将站点v(m)和v(n)分 别从其相应的邻居节点集合Δ(m)和Δ(n)中去除；若某邻居节点在从站点v(m)到站 点v(n)的路径上，则将该邻居节点去除；

其中，v(m)∈V，v(n)∈V，(1≤m,n≤N)；

S22、在邻居节点集合Δ(n)和Δ(m)中分别挑选出一个节点δⁿ(i)和δ^m(j)，循环 计算两个节点δⁿ(i)和δ^m(j)之间的出行量f_ij和最短出行成本d_ij，直到邻居节点集 合Δ(m)和Δ(n)中每个节点都配对完成计算；

S23、计算两个站点v(m)和v(n)之间的里奇曲率；

S24、循环执行步骤S21至步骤S23，直到所有站点或采样站点之间的里奇曲 率全部计算完成。

优选的，所述两个节点δⁿ(i)和δ^m(j)之间的出行量，以人为单位计数；所述 两个节点δⁿ(i)和δ^m(j)之间的最短出行成本为从节点δⁿ(i)到节点δ^m(j)的最短网 络加权距离。

优选的，所述两个站点v(m)和v(n)之间的里奇曲率，通过如下公式计算获取，

其中，C(m,n)表示两个站点v(m)和v(n)之间的里奇曲率；Fmn＝∑i∑jf_ij为两 个站点v(m)和v(n)相应的邻居节点集合Δ(m)和Δ(n)之间流通的带方向的出行总 流量；Dmn为两个站点v(m)和v(n)之间的距离；f_ij和d_ij分别为两个邻域内节点 δⁿ(i)和δ^m(j)之间的出行量和最短出行成本。

优选的，步骤S3中具体包括，

S31、选取里奇曲率小于第一设定阈值的两个站点v(m)和v(n)，说明该两点之 间通路吸引力优于周围邻域的其他通路的吸引力；

S32、判断该两个站点v(m)和v(n)之间出行流量T_mn是否小于第二设定阈值或 大于第三设定阈值；若小于第二设定阈值，则说明这两站点v(m)和v(n)之间的路 段可以起到枢纽作用但在实际中并没有发挥价值，因此需要查看该路段是否本 身需求就小，或者查看其发车排班时间是否可优化；若大于第三设定阈值，则 说明这两站点v(m)和v(n)之间的通路吸引力和实际承载压力都大，需要开发分流 的新路线；

S33、选取里奇曲率大于第四设定阈值的两个站点v(m)和v(n)，说明该两点之 间通路吸引力不优于周围邻域的其他通路的吸引力；

S34、判断该两个站点v(m)和v(n)之间出行流量T_mn是否小于第二设定阈值或 大于第三设定阈值；若小于第二设定阈值，则无需特别关注；若大于第三设定 阈值，则表示该两个站点v(m)和v(n)之间的通路吸引力不优于其周围的其他通路 的吸引力，但实际承载压力却较大，则尤其需要开发分流的新路线；

S35、重复步骤S31至S34，直到所有的里奇曲率小于第一设定阈值或大于第 四设定阈值的站点对全部评估完毕。

本发明的有益效果是：1、本发明提供的评估方法，基于大数据观测的实际 需求和出行轨迹，结合现有公交线网的结构特征，从发掘供需不匹配的角度提 供启发式算法，锁定需要优化的重点路段目标，对改造较为成熟的城市系统中 已有公交网络较为适用。2、本发明提供的评估方法，在出行大数据的基础上用 网络的里奇曲率找寻公交线网中供需不匹配的路段，以启发式方法辅助判别需 要优化的公交线网路段。

附图说明

图1是本发明实施例中评估方法的原理示意图；

图2是本发明实施例中站点的邻居节点集合示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本 发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解 释本发明，并不用于限定本发明。

实施例一

如图1所示，本实施例中提供了一种基于里奇曲率用于公交线网优化的评估 方法，所述优化方法包括如下步骤，

S1、输入待优化的网络和出行需求大数据；

S2、分别计算全样本和采集样本中每两个站点之间的里奇曲率，直到所有 站点之间的里奇曲率全部计算完成；

S3、根据计算获取的里奇曲率和站点间流量，评估需要优化的站点对。

本实施例中，待优化网络可以是指定的已有单个网络，也可以由多个网络以 及网络之间的联系构造成的复合网络。

本实施例中，步骤S1包括，

S11、输入已预处理的待优化网络；该待优化网络包括站点集合 V＝{v(1),v(2),…v(N)}和线路集合E＝{e(1),e(2),…e(M)}，各所述线路为一系 列站点的顺序集合；线路与道路网络不同，线路为道路网络的一个顺序子集； 需要说明：同一站点可以同时在多条线路上，即V和E之间的映射是多对多映射。

其中，N为站点总数量；M为线路总数量；该过程中的预处理指代的是清理 网络脏数据，如重复的或错误的；修复网络拓扑，如将不连接的线路连接，坐 标错误的修改等。

S12、输入已预处理的出行需求大数据；所述出行需求大数据包括但不限于 公交刷卡数据、GPS定位数据和手机基站定位数据。该过程中的预处理指代的是 矫正过错误信息、格式统一的，按需增删合并过的数据集。

本实施例中，出行需求大数据具体可以有多种类型，该数据能够反映居民的 出行起始、终止点、出发及到达时间、换乘信息，有些数据还可反映出行方式 及具体线路。具体可应用的出行需求大数据包括：公交刷卡数据、GPS定位数据 以及、手机基站定位数据等。

本实施例中，曲率是微分几何中表达曲面几何形态的概念，推广到网络中则 用“里奇曲率”的概念表达离散数据的曲率。网络上两节点之间，若曲率为正， 说明这两点周围邻域流量互通的最佳路径不通过这两个节点，即这两节点之间 的路径并非交通枢纽；若曲率为负，说明这两点周伟邻域流量互通的最佳路径 需要通过这两个节点，这两点之间的路径是交通枢纽；若曲率为零，则说明邻 域互通的最佳路径在网络上均质，是否选择通过这两个节点的路径并不影响。

本实施例中，步骤S2包括，

S21、在待优化网络中，任意取两个站点v(m)和v(n)，计算该两个站点v(m)和 v(n)之间的距离Dmn；在待优化网络中分别寻找该两个站点v(m)和v(n)的邻居节 点集合Δ(m)和Δ(n)；若该两个站点v(m)和v(n)直接相连，则将站点v(m)和v(n)分 别从其相应的邻居节点集合(邻域)Δ(m)和Δ(n)中去除；若某邻居节点在从站 点v(m)到站点v(n)的路径上，则将该邻居节点去除；

其中，v(m)∈V，v(n)∈V，(1≤m,n≤N)；

S22、在邻居节点集合Δ(n)和Δ(m)中分别挑选出一个节点δⁿ(i)和δ^m(j)，循环 计算两个节点δⁿ(i)和δ^m(j)之间的出行量f_ij和最短出行成本d_ij，直到邻居节点集 合Δ(m)和Δ(n)中每个节点都配对完成计算；

S23、计算两个站点v(m)和v(n)之间的里奇曲率；

S24、循环执行步骤S21至步骤S23，直到所有站点或采样站点之间的里奇曲 率全部计算完成。

本实施例中，步骤S21中任意选择的两个站点v(m)和v(n)可以直接在待优化网 络中相连(如A-B-C中的A和B)也可以间接相连(如A和C)。由于指定的待优化 网络可能是复合网络，即多种类型的网络混合成，如公交车与地铁结合叠加的 网络，则根据节点类型的不同将节点分类。设输入的复合网络含有Q个单纯网络， 则节点可以分为Q类，类型作为节点的属性标记在每个节点上。如图2所示，站 点v(m)和v(n)的邻域包含多种类型的邻居，用不同形状和颜色表示不同类型邻居 与连边；而两站点可直接相邻或不相邻。

本实施例中，所述两个节点δⁿ(i)和δ^m(j)之间的出行量，以人为单位计数； 所述两个节点δⁿ(i)和δ^m(j)之间的最短出行成本为从节点δⁿ(i)到节点δ^m(j)的最 短网络加权距离。该距离需要在给定的待优化网络上计算，按指定方式定义出 行成本；得到最短距离的路径可能经过也可能不经过站点v(m)和v(n)。

出行量根据不同的数据可能有不同计算方法，如果使用公交刷卡数据，则为 两站点之间各条线路刷卡的总量，由输入数据可以很容易计算，将刷卡记录加 和即可。最短出行成本由Dijkstra算法在由时间加权或指定方法加权的网络上 计算得到。

本实施例中，所述两个站点v(m)和v(n)之间的里奇曲率，通过如下公式计算 获取，

其中，C(m,n)表示两个站点v(m)和v(n)之间的里奇曲率，其能够表征站点v(m) 和v(n)的邻居节点集合之间流量交互的平均距离与站点v(m)和v(n)之间距离的大 小关系，其取值范围从负无穷到正无穷；Fmn＝∑i∑jf_ij为两个站点v(m)和v(n)相 应的邻居节点集合Δ(m)和Δ(n)之间流通的带方向的出行总流量；Dmn为两个站 点v(m)和v(n)之间的距离；f_ij和d_ij分别为两个节点δⁿ(i)和δ^m(j)之间的出行量和最 短出行成本。

本实施例中，步骤S3中具体包括，

S31、选取里奇曲率小于第一设定阈值的两个站点v(m)和v(n)，说明该两点之 间通路吸引力优于周围邻域的其他通路的吸引力；

S32、判断该两个站点v(m)和v(n)之间出行流量T_mn是否小于第二设定阈值或 大于第三设定阈值；若小于第二设定阈值，则说明这两站点v(m)和v(n)之间的路 段可以起到枢纽作用但在实际中并没有发挥价值，因此需要查看该路段是否本 身需求就小，或者查看其发车排班时间是否可优化；若大于第三设定阈值，则 说明这两站点v(m)和v(n)之间的通路吸引力和实际承载压力都大，需要开发分流 的新路线；

S33、选取里奇曲率大于第四设定阈值的两个站点v(m)和v(n)，说明该两点之 间通路吸引力不优于周围邻域的其他通路的吸引力；

S34、判断该两个站点v(m)和v(n)之间出行流量T_mn是否小于第二设定阈值或 大于第三设定阈值；若小于第二设定阈值，则无需特别关注；若大于第三设定 阈值，则表示该两个站点v(m)和v(n)之间的通路吸引力不优于其周围的其他通路 的吸引力，但实际承载压力却较大，则尤其需要开发分流的新路线；

S35、重复步骤S31至S34，直到所有的里奇曲率小于第一设定阈值或大于第 四设定阈值的站点对全部评估完毕。

本实施例中，所述第一设定阈值和第四设定阈值为判断里奇曲率大小的一个 评判标准，其不存在统一的标准，可以用整个曲率数值的分位数表示，也可以 是人为指定的经验数值。所述出行流量T_mn是数据给定的，即两个站点间出行的 人数，根据上下车刷卡数据可以轻易推知；根据手机或GPS流量数据则可以求捕 捉到两个站点之间的记录数的总和。第二设定阈值和第三设定阈值为评价出行 流量大小的一个评判标准。

根据里奇曲率到站点间流量评估需要优化的站点对时，需要优化的站点对需 考虑如下情况：

1)两个站点v(m)和v(n)之间的里奇曲率较小(里奇曲率小于第一设定阈值的 两个站点v(m)和v(n))，即这两点从出行需求与网络结构角度看，是重要的交通 廊道，起到道路枢纽作用，说明该两点之间通路吸引力比周围邻域的其他通路 更优；

2)根据出行大数据考虑两个站点v(m)和v(n)之间的出行流量T_mn；若出行流 量小于第二设定阈值，则表示T_mn小且曲率较小，则说明这两站点之间的路段可 以起到枢纽作用但在实际中并没有发挥价值，因此需要查看该路段是否本身需 求就小，或者查看其发车排班时间是否可优化；如果出行流量大于第三设定阈 值，则表示T_mn大且曲率小，则说明这两站点之间的通路吸引力和实际承载压力 都大，需要开发分流的新路线。

3)两个站点v(m)和v(n)之间的里奇曲率较大(里奇曲率大于第四设定阈值的 两个站点v(m)和v(n))，说明该两点之间通路吸引力相比并不优于周围邻域的其 他通路的吸引力；

4)、根据出行大数据考虑两个站点v(m)和v(n)之间的出行流量T_mn；若出行流 量小于第二设定阈值，则表示T_mn小且曲率较大，则无需特别关注；如果出行流 量大于第三设定阈值，则表示T_mn大且曲率大，则表示该两个站点v(m)和v(n)之间 的通路吸引力并不优于周围邻域的其他道路的吸引力，但实际承载压力却较大， 则尤其需要开发分流的新路线。

本实施例中，根据步骤S1至S3后的评估结果，即可获得需要优化的站点对， 采用现有的优化方式对相应站点进行优化即可，所采用的优化方式可用任意优 化方法，具体的优化方案可用现有的线性规划、蚁群算法、模拟淬火、或者是 直接的手动连接被指定的优化路段均可。比如可以从提升公交线路的运行频率 或提升速率等方面，提高该路段的吸引力。

实施例二

本实施例中，以北京公交网络为例，具体说明评估方法的实施过程：

1、输入北京市公交网络与出行行为相关信息；具体为，

1.1、输入北京市公交网络信息，包括公共汽车与地铁网络的站点、线路， 并提供网络的接驳换乘信息，不同线路甚至不同交通方式的站点之间的换乘连 边假设为步行。站点包括其唯一标识ID、经纬度、站名、所属线路、是否换乘、 交通模式，从而建立复合网络的拓扑与几何信息。所构建的相邻站点间线路信 息包括线路名称、线路长度、线路交通模式；

1.2、输入北京市出行行为信息，用北京公交刷卡记录表示居民出行行为。 刷卡记录包括用户匿名ID、每次出行中每段行程的上下车刷卡时间、上下车刷 卡站点名称与ID、该段行程的出行模式、线路ID。输入根据手机信令数据得到 的分小时人口移动的起始终止点(OD点)位置热度信息，即将分析空间划分成 250*250米网格，将每小时中每对格子之间人口移动的数据量作为OD的热度信 息；

2、计算任意两站点间的里奇曲率；具体为，

2.1、在给定的北京公交复合网络中，任意取给定的站点集合中两个站点v(m) 和v(n)，v(m)∈V，v(n)∈V，(1≤m,n≤N)；这两站点可以直接在网络中相连(如 A-B-C中的A和B)也可以间接相连(如A和C)。计算两节点之间在1.1中给定网络 上的距离，记为Dmn。从网络结构中分别寻找站点v(m)和v(n)的邻居节点集合 Δ(m)和Δ(n)；若v(m)和v(n)直接相连，则将v(m)和v(n)分别从Δ(m)和Δ(n)中去除； 若某邻居节点在从v(m)和v(n)的路径上，则也将该节点从相应邻居节点集合中去 除。北京公交网络是一个复合网络，即多种出行方式的网络混合成，包括公交 车与地铁结合叠加的网络，则根据节点类型的不同将节点分类为公交车站、地 铁站。同时根据1.2所述基于手机信令的OD热度信息，考虑到有上下车的人从小 区中出来到某站上车或到达某个站点下车去往最终向目的地，这类网格地块也应被算作某个站点的邻居节点，因此节点类型补充OD点这一类型，邻居节点的 类型作为属性标记在每个节点上。如图2所示，站点v(m)和v(n)的邻居节点集合 包含三种类型的邻居，其中方块形表示OD点、圆圈表示公交或地铁站。连接圆 圈的实线箭头表示站点直接由线路相连，虚线表示站点由换乘方式相连，如步 行或骑行。而两被考察的站点v(m)和v(n)在给定网络中可直接相邻或不相邻；

2.2、每次挑选邻域Δ(n)中一个节点δⁿ(i)和Δ(m)中一个节点δ^m(j)，循环进行 如下两步计算，直到两个邻居节点集合中每个节点分别配对完成计算：

A、根据1.2中刷卡的公交出行数据，计算δⁿ(i)和δ^m(j)之间的出行量f_ij，以 人为单位计数；

B、根据1.1中网络数据，计算δⁿ(i)和δ^m(j)之间在网络上的最短出行成本d_ij， 即从一个邻居节点集合内一站点到另一邻居节点集合内一站点的最短网络出行 时间，这一时间同时考虑网络距离和出行方式速率。得到最短出行时间的路径 可能经过也可能不经过站点v(m)和v(n)。

2.3、计算两个站点v(m)和v(n)之间的里奇曲率

里奇曲率能够表征站点v(m)和v(n)的邻居节点集合之间流量交互的平均距离与站点 v(m)和v(n)之间距离的大小关系，其取值范围从负无穷到正无穷；Fmn＝∑i∑jf_ij为两个站点v(m)和v(n)相应的邻居节点集合Δ(m)和Δ(n)之间流通的带方向的出 行总流量；Dmn为两个站点v(m)和v(n)之间的距离；f_ij和d_ij分别为两个节点δⁿ(i) 和δ^m(j)之间的出行量和最短出行成本。

3、根据里奇曲率到站点间流量评估需要优化的站点对时，需要优化的站点 对需考虑如下情况：

1)两个站点v(m)和v(n)之间的里奇曲率较小(里奇曲率小于第一设定阈值的 两个站点v(m)和v(n))，即这两点从出行需求与网络结构角度看，是重要的交通 廊道，起到道路枢纽作用，说明该两点之间通路吸引力比周围邻域的其他通路 更优；

2)根据出行大数据考虑两个站点v(m)和v(n)之间的出行流量T_mn；若出行流 量小于第二设定阈值，则表示T_mn小且曲率较小，则说明这两站点之间的路段可 以起到枢纽作用但在实际中并没有发挥价值，因此需要查看该路段是否本身需 求就小，或者查看其发车排班时间是否可优化；如果出行流量大于第三设定阈 值，则表示T_mn大且曲率小，则说明这两站点之间的通路吸引力和实际承载压力 都大，需要开发分流的新路线。

3)两个站点v(m)和v(n)之间的里奇曲率较大(里奇曲率大于第四设定阈值的 两个站点v(m)和v(n))，说明该两点之间通路吸引力相比并不优于周围邻域的其 他通路的吸引力；

4)、根据出行大数据考虑两个站点v(m)和v(n)之间的出行流量T_mn；若出行流 量小于第二设定阈值，则表示T_mn小且曲率较大，则无需特别关注；如果出行流 量大于第三设定阈值，则表示T_mn大且曲率大，则表示该两个站点v(m)和v(n)之间 的通路吸引力并不优于周围邻域的其他道路的吸引力，但实际承载压力却较大， 则尤其需要开发分流的新路线。

本实施例中，所述步骤S3之后还要对需要优化的站点进行优化，所采用的优 化方式可用任意优化方法，具体的优化方案可用现有的线性规划、蚁群算法、 模拟淬火、或者是直接的手动连接被指定的优化路段均可。比如可以从提升公 交线路的运行频率或提升速率等方面，提高该路段的吸引力。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：

本发明提供了一种基于里奇曲率用于公交线网优化的评估方法，该评估方法 基于大数据观测的实际需求和出行轨迹，结合现有公交线网的结构特征，从发 掘供需不匹配的角度提供启发式算法，锁定需要优化的重点路段目标，对改造 较为成熟的城市系统中已有公交网络较为适用；该评估方法在出行大数据的基 础上用网络的里奇曲率找寻公交线网中供需不匹配的路段，以启发式方法辅助 判别需要优化的公交线网路段。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技 术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这 些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种基于里奇曲率用于公交线网优化的评估方法，其特征在于：所述评估方法包括如下步骤，

S1、输入待优化的网络和出行需求大数据；

S2、分别计算全样本和采集样本中每两个站点之间的里奇曲率，直到所有站点之间的里奇曲率全部计算完成；

S3、根据计算获取的里奇曲率和站点间流量，评估需要优化的站点对。

2.根据权利要求1所述的基于里奇曲率用于公交线网优化的评估方法，其特征在于：步骤S1包括，

S11、输入已预处理的待优化网络；该待优化网络包括站点集合V＝{v(1),v(2),…v(N)}和线路集合E＝{e(1),e(2),…e(M)}，各所述线路为一系列站点的顺序集合；

其中，N为站点总数量；M为线路总数量；

S12、输入已预处理的出行需求大数据；所述出行需求大数据包括公交刷卡数据、GPS定位数据和手机基站定位数据。

3.根据权利要求2所述的基于里奇曲率用于公交线网优化的评估方法，其特征在于：步骤S2包括，

S21、在待优化网络中，任意取两个站点v(m)和v(n)，计算该两个站点v(m)和v(n)之间的距离Dmn；在待优化网络中分别寻找该两个站点v(m)和v(n)的邻居节点集合Δ(m)和Δ(n)；若该两个站点v(m)和v(n)直接相连，则将站点v(m)和v(n)分别从其相应的邻居节点集合Δ(m)和Δ(n)中去除；若某邻居节点在从站点v(m)到站点v(n)的路径上，则将该邻居节点去除；

其中，v(m)∈V，v(n)∈V，(1≤m,n≤N)；

S22、在邻居节点集合Δ(n)和Δ(m)中分别挑选出一个节点δⁿ(i)和δ^m(j)，循环计算两个节点δⁿ(i)和δ^m(j)之间的出行量f_ij和最短出行成本d_ij，直到邻居节点集合Δ(m)和Δ(n)中每个节点都配对完成计算；

S23、计算两个站点v(m)和v(n)之间的里奇曲率；

S24、循环执行步骤S21至步骤S23，直到所有站点或采样站点之间的里奇曲率全部计算完成。

4.根据权利要求3所述的基于里奇曲率用于公交线网优化的评估方法，其特征在于：所述两个节点δⁿ(i)和δ^m(j)之间的出行量，以人为单位计数；所述两个节点δⁿ(i)和δ^m(j)之间的最短出行成本为从节点δⁿ(i)到节点δ^m(j)的最短网络加权距离。

5.根据权利要求4所述的基于里奇曲率用于公交线网优化的评估方法，其特征在于：所述两个站点v(m)和v(n)之间的里奇曲率，通过如下公式计算获取，

其中，C(m,n)表示两个站点v(m)和v(n)之间的里奇曲率；Fmn＝∑i∑jf_ij为两个站点v(m)和v(n)相应的邻居节点集合Δ(m)和Δ(n)之间流通的带方向的出行总流量；Dmn为两个站点v(m)和v(n)之间的距离；f_ij和d_ij分别为两个邻域内节点δⁿ(i)和δ^m(j)之间的出行量和最短出行成本。

6.根据权利要求5所述的基于里奇曲率用于公交线网优化的评估方法，其特征在于：步骤S3中具体包括，

S31、选取里奇曲率小于第一设定阈值的两个站点v(m)和v(n)，说明该两点之间通路吸引力优于周围邻域的其他通路的吸引力；

S32、判断该两个站点v(m)和v(n)之间出行流量T_mn是否小于第二设定阈值或大于第三设定阈值；若小于第二设定阈值，则说明这两站点v(m)和v(n)之间的路段可以起到枢纽作用但在实际中并没有发挥价值，因此需要查看该路段是否本身需求就小，或者查看其发车排班时间是否可优化；若大于第三设定阈值，则说明这两站点v(m)和v(n)之间的通路吸引力和实际承载压力都大，需要开发分流的新路线；

S33、选取里奇曲率大于第四设定阈值的两个站点v(m)和v(n)，说明该两点之间通路吸引力不优于周围邻域的其他通路的吸引力；

S34、判断该两个站点v(m)和v(n)之间出行流量T_mn是否小于第二设定阈值或大于第三设定阈值；若小于第二设定阈值，则无需特别关注；若大于第三设定阈值，则表示该两个站点v(m)和v(n)之间的通路吸引力不优于其周围的其他通路的吸引力，但实际承载压力却较大，则尤其需要开发分流的新路线；

S35、重复步骤S31至S34，直到所有的里奇曲率小于第一设定阈值或大于第四设定阈值的站点对全部评估完毕。

Images