CN111640294B - 一种新建地铁线路影响下城市公交线路客流变化预测方法 - Google Patents

Abstract

本发明公开了一种新建地铁线路影响下城市公交线路客流变化预测方法，包括步骤：构建地铁和公交出行相关数据集以及交通特征数据集；确定新建地铁线路影响范围；出行者出行方式选择影响因素构建；建立出行效用函数模型以及确定影响因素权重和数值规范化；建立分担率预测模型，量化新建地铁对城市公交线路客流变化影响。本发明可以对有新建地铁城市公交客流变化进行预测，有助于获得地铁与公交的关系，提高城市公共交通体系发展。

Description

一种新建地铁线路影响下城市公交线路客流变化预测方法

技术领域

本发明涉及一种预测公交客流分担方法，特别是在考虑地铁影响下的预测方法，属于交通管理与规划的技术领域。

背景技术

近年来，随着我国城镇化、机动化进程不断加快，以交通拥堵为代表的城市交通问题尤为突出，已成为制约城市发展的一大难题。大力发展公共交通，提高乘客选择公共交通方式在城市交通系统中的分担率，是解决交通问题的重要途径。

为了应对城市出行需求不断增加，地铁的建设逐渐成为各大城市的规划内容，但是地铁的修建必然会对现有公交系统造成一定影响，如果不能了解影响的范围以及特征，会造成公交系统的浪费和不能真正解决出行需求的目的。

因此，需要分析新建地铁对公交线路的影响范围，并且研究对公交系统的影响特征。多方面调查分析新建地铁对公交的影响程度，从而才能做到完善公交网络，提高公共交通的占有率。

发明内容

本发明的目的是确定新建地铁对公共交通的客流影响，以此为参考，可以更好的提高公共交通的发展。

为了达到上述目的，本发明所采用的技术方案是：

一种新建地铁线路影响下城市公交线路客流变化预测方法，包括以下步骤:

1)构建地铁和公交出行相关数据集以及交通特征数据集

对于确定新建地铁线路对公交客流影响，需要构建出行者选择公交或地铁的出行相关数据集以及交通特征相关数据集；

构建公交和地铁特征数据集I＝{A，B，C，D}，其中A表示出行所需时间，B表示出行所需费用，C表示出行恢复疲劳时间，D表示车辆发车时间以及换乘时间；

构建地铁范围数据集

其中T_轨表示出行者从地铁影响范围边缘点到达地铁站点，然后乘坐地铁到达市中心所需时间，T_道表示出行者从影响范围边缘行至市中心时间，V_道表示城市公共交通速度，V_轨表示地铁的平均运行速度，V_步表示步行速度，S_道表示从边缘范围到达市中心的距离，其中包含两种一为属于郊区段的距离S_道郊和属于城市内道路S_道市，S_轨表示利用地铁从站点到市中心距离，R表示从影响范围边缘点到达轨道交通站点的距离即影响范围半径。

2)确定新建地铁线路影响范围

利用出行者从地铁线路影响范围边缘至市中心与从轨道站点至市中心所用时间相同原理，计算出该新建地铁线路影响范围；

3)出行者出行方式选择影响因素构建

出行者出行方式选择影响因素很多，通过构建影响因素，从而明确出行效用；

4)建立出行效用函数模型以及确定影响因素权重和数值规范化

建立出行者出行效用函数，并确定相关影响因素和权重，从出行者所选择交通方式角度分析，新建地铁对公交客流的影响；

5)建立分担率预测模型

根据出行效用函数建立出行方式的分担率模型，量化新建地铁对城市公交线路客流变化影响。

本发明进一步设置为：所述步骤1)构建地铁和公交出行相关数据集以及交通特征数据集，具体为，

地铁范围数据集

的相关数据可通过资料获取；公交和地铁特征数据集I＝{A，B，C，D}，其中A，B，C，D等数据需通过调查地铁公交范围内出行者资料获取。

本发明进一步设置为：所述步骤2)确定新建地铁线路影响范围，具体为，

利用出行时间相同原理进行计算地铁线路影响范围，即轨道交通使用者，从影响范围边缘点到轨道交通站点，之后乘坐轨道交通到达市中心时间，应该与在边缘点乘坐公共交通到达市中心时间一致即T_轨＝T_道，T_轨由两部分组成，T_道由一部分组成。

即

两式相等得出

从而得出地铁影响范围

本发明进一步设置为：所述步骤3)出行者出行方式选择影响因素构建，具体为，

快速性因素主要由出行者从出发地至目的地所需时间来量化表示，

L表示出行距离，V_i表示第i种出行方式的平均速度，t_sn表示换乘所需时间；

经济性因素主要由出行方式的票价来量化表示，B_n＝P_rn，P_rn表示第n种出行方式的票价；

舒适性因素主要由出行者出行所需恢复疲劳时间来量化表示，

LT表示出行者恢复疲劳极限值，一般取为15小时，t_n表示第n种出行方式的在途运输时间，α_n、β_n是第n种出行方式的待定影响系数；

便捷性因素主要由发车间隔时间来量化表示，

h_n表示第n种出行方式的发车时间间隔，f_n表示第n种出行方式的平均发车频率。

本发明进一步设置为：所述步骤4)建立出行效用函数模型以及确定影响因素权重和数值规范化，具体为，

4-1)构造出行者效用函数

根据相关数据分析，选择快速性、经济性、舒适性和便捷性作为影响因素引入效用用函数。构建具体效用函数表达式如下：

V_n＝θ₁A_n+θ₂B_n+θ₃C_n+θ₄D_n

其中V_n表示第n种交通方式的效用值，θ₁、θ₂、θ₃、θ₄表示相应的参数，A_n表示第n种交通方式的快速性指标，B_n表示第n种交通方式的经济性指标，C_n表示第n种交通方式的舒适性指标，D_n表示第n种交通方式的便捷性指标；

在此效用函数下需要确定影响因素权重以及规范化

4-2)影响因素权重构建

确定各指标权重

x_j是第j个影响因素的去模糊化后的重要度。

本发明进一步设置为：所述步骤5)建立分担率预测模型，具体为5-1)预测模型的构造

根据选择方式只有两种，采用Logit模型中的BL模型作为客流分担率模型，由效用函数模型，假设i＝1表示公交，i＝2表示地铁，则公交分担率预测模型为

地铁分担率预测模型为

本发明所达到的有益效果：

本发明可以对有新建地铁城市公交客流变化进行预测，分析新建地铁对公交的影响程度，有助于获得地铁与公交的关系，从而进一步完善公交网络，提高公共交通的占有率，提高城市公共交通体系发展。

附图说明

图1是本发明的流程图；

图2是城市轨道交通影响范围计算示意图；

图3是本实施例中选择的研究地铁和公交线路示意图；

图4是影响范围半径数据折线图。

具体实施方式

下面结合说明书附图，对本发明做进一步的说明。

如图1所示一种新建地铁线路影响下城市公交线路客流变化预测方法，包括如下步骤:

1)构建地铁和公交出行相关数据集以及交通特征数据集

对于确定新建地铁线路对公交客流影响，需要构建出行者选择公交或地铁的出行相关数据集以及交通特征相关数据集；

构建公交和地铁特征数据集I＝{A，B，C，D}，其中A表示出行所需时间，B表示出行所需费用，C表示出行恢复疲劳时间，D表示车辆发车时间间隔，这些数据通过调查地铁公交范围内出行者资料获取；

构建地铁范围数据集

其中，T_轨表示出行者从地铁影响范围边缘点到达地铁站点，然后乘坐地铁到达市中心所需时间，T_道表示出行者从轨道交通影响范围边缘行至市中心时间，V_道表示城市公共交通速度，V_道市表示城市中心公共交通速度，V_道郊表示郊区公共交通速度，V_轨表示地铁的平均运行速度，V_步表示步行速度，S_道表示从边缘范围到达市中心的距离，其中包含两种：属于郊区段的距离S_道郊和属于城市内道路S_道市，S_轨表示利用地铁从站点到市中心距离，R表示从轨道交通影响范围边缘点到达轨道交通站点的距离即影响范围半径，这些数据可通过相关资料获取。

2)确定新建地铁线路影响范围，具体为，

如图2所示，利用出行时间相同原理进行计算地铁线路影响范围，即轨道交通使用者，从影响范围边缘点到轨道交通站点，之后乘坐轨道交通到达市中心的时间，应该与在边缘点乘坐公共交通到达市中心的时间一致，即T_轨＝T_道，T_轨由两部分组成，T_道由一部分组成。

即

两式相等得出

从而得出地铁影响范围

3)根据构建的公交和地铁特征数据集，进行出行者出行方式选择影响因素构建，具体为，

快速性因素指标A_n主要由出行者从出发地至目的地所需时间来量化表示，

L表示出行距离，V_n表示第n种出行方式的平均速度，t_sn表示换乘所需时间；

经济性因素指标B_n主要由出行方式的票价来量化表示，B_n＝P_rn，P_rn表示第n种出行方式的票价；

舒适性因素指标C_n主要由出行者出行所需恢复疲劳时间来量化表示，

LT表示出行者恢复疲劳极限值，一般取为15小时，t_n表示第n种出行方式的在途运输时间，α_n、β_n是第n种出行方式的待定影响系数；

便捷性因素指标D_n主要由发车间隔时间来量化表示，

h_n表示第n种出行方式的发车时间间隔，f_n表示第n种出行方式的平均发车频率。

4)建立出行效用函数模型以及确定影响因素权重和数值规范化，具体为，

4-1)构造出行者效用函数

根据相关数据分析，选择快速性、经济性、舒适性和便捷性因素指标作为影响因素引入效用函数。构建具体效用函数表达式如下：

V_n＝θ₁A_n+θ₂B_n+θ₃C_n+θ₄D_n

其中V_n表示第n种交通方式的效用值，θ₁、θ₂、θ₃、θ₄表示相应的参数，A_n表示第n种交通方式的快速性因素指标，B_n表示第n种交通方式的经济性因素指标，C_n表示第n种交通方式的舒适性因素指标，D_n表示第n种交通方式的便捷性因素指标；

在此效用函数下需要确定影响因素指标权重以及规范化

4-2)影响因素权重构建

对不同线路P_i(i＝1，2...m)(m表示公交线路总数量)的影响因素指标C_j(j＝1，2，3，4)进行的模糊权重，采用定量标准判断模糊数集，设模糊数集结合三值为a_ij，b_ij，c_ij，不同的重要程度采用不同量x_ij＝(a_ij，b_ij，c_ij)，构建权重矩阵如下：

A为权重矩阵，x_ij为权重矩阵A中的影响因素重要程度，

然后对模糊数值进行聚合：

a_ij＝min{a_ijk}

c_ij＝max{c_ijk}

k为进行模糊评价的次数，min{a_ijk}为所有对某影响因素重要程度x_ij中所有的a_ij中的最小值，max{c_ijk}为所有对某影响因素重要程度x_ij中所有的c_ij中的最大值；a_ijk是指第k次评价中对第i线路第j个影响因素重要程度的最低值，b_ijk是指第k次评价中对第i线路第j个影响因素重要程度的中间值，c_ijk是指第k次评价中对第i线路第j个影响因素重要程度的最高值；

然后再进行去模糊化

x_j是第j个影响因素的去模糊化后的重要度；

确定各指标权重

5)建立分担率预测模型，具体为，

5-1)预测模型的构造

根据选择方式只有两种，采用Logit模型中的BL模型作为客流分担率模型，由效用函数模型，假设n＝1表示公交，n＝2表示地铁，则公交分担率预测模型为

地铁分担率预测模型为

实施例：

通过一个实例对本发明新建地铁线路影响下城市公交线路客流预测变化方法给出进一步说明，图3所示的是选择的研究地铁和公交线路示意图，两条线路相对重合度较高。下面根据本发明地铁对公交客流影响的具体步骤具体展开

S1：构建预测相关数据集

对于地铁和公交等相关数据，根据实地调查，确定选取地铁一号线以及重合度较高的18路公交车。具体的地铁平均运行速度、全程路线长度、运行时间等等相关数据，根据实地记录如表1、表2所示。

表1运行数据

表2出行数据

S2：确定新建地铁影响线路范围

S21：将表1中地铁以及公交运行的速度、运行路程等相关数据按照影响范围确定公式进行计算，从而得出大致影响范围如表3所示。

表3地铁影响范围

S22：根据关于地铁影响范围的资料，以及将表格最后一列所得出的半径数据绘制成折线图，如图4所示，综合分析，选定地铁对公交客流的影响范围在1.5km左右。

S3：出行者出行方式选择影响因素构建

根据步骤1所列出公交和地铁的运行和出行相关数据，出行方式影响因素的构建即对出行时间、发车间隔、出行所需费用等等数据进行调查明确，如表4所示。

表4影响因素

S4：建立出行效用函数模型以及确定影响因素权重和数值规范化

S41：根据相关数据分析，选择快速性、经济性、舒适性和便捷性作为影响因素引入效用函数。构建具体效用函数表达式如下：

V_n＝θ₁A_n+θ₂B_n+θ₃C_n+θ₄D_n

S42：影响因素权重构建

利用模糊数集方法结合三值(最低可能值a^L、最可能值a^M、最高可能值a^H)判断标准来确定影响因素权重。

模糊数a～可由(a^L，a^M，a^H)决定，0≤a^L≤a^M≤a^H，规定其隶属函数为：

通过语言变量对影响因素权重进行判断，并且为了提高其判断的准确性，需要再将语言变量通过模糊数集转化，其对应关系如下表5所示。

表5对应关系

分别选取不同的专家对各影响因素指标的重要性进行权重判定，然后将评定语言进行模糊数集转化，再根据公式去模糊化，最终得出权重值如表6所示。

表6影响因素权重值

根据影响因素权重值，可将本实例下的出行效用函数改为：

V_n＝0.2765A_n+0.2522B_n+0.2522C_n+0.2191D_n

S43：影响因素规范化

根据步骤1所得出的数据，将其进行数值量化，然后根据规范化过程，再将数据进行规范化处理，如表7、表8所示。

表7影响因素数值量化

表8影响因素数值规范化

S5：建立分担率预测模型

根据效用函数模型，假设i＝1表示公交，i＝2表示地铁，则公交分担率预测模型为

地铁分担率预测模型为

根据以上步骤可以得出两种出行方式的出行效用函数分别为0.43，0.92，则将其带入分担率模型，可以得出两个出行方式的分担率分别是公交为0.38，地铁为0.62，表明新建的地铁对公交客流的影响冲击较大，这种情况会随着地铁系统的逐步完成变得更加明显。

Claims (5)

1.一种新建地铁线路影响下城市公交线路客流变化预测方法，其特征在于，包括以下步骤：

1)构建地铁和公交出行相关数据集以及交通特征数据集

构建出行者选择公交或地铁的出行数据集以及交通特征数据集；

2)确定新建地铁线路影响范围

利用出行者从地铁线路影响范围边缘点至市中心与从轨道站点至市中心所用时间相同，计算出该新建地铁线路影响范围；

3)出行者出行方式选择影响因素构建

根据出行者出行方式选择确定影响因素指标；

4)建立出行效用函数模型以及确定影响因素权重和数值规范化

根据影响因素指标建立出行者出行效用函数，并确定影响因素指标权重以及规范化，从出行者所选择交通方式角度分析，新建地铁对公交客流的影响；

5)建立分担率预测模型

根据出行效用函数建立出行方式的分担率模型，量化新建地铁对城市公交线路客流变化影响；

所述步骤1)构建地铁和公交出行数据集以及交通特征数据集，具体为，

构建地铁范围数据集

其中，T_轨表示出行者从地铁影响范围边缘点到达地铁站点，然后乘坐地铁到达市中心所需时间，T_道表示出行者从轨道交通影响范围边缘行至市中心时间，V_道表示城市公共交通速度，V_道市表示城市中心公共交通速度，V_道郊表示郊区公共交通速度，V_轨表示地铁的平均运行速度，V_步表示步行速度，S_道表示从边缘范围到达市中心的距离，其中包含两种：属于郊区段的距离S_道郊和属于城市内道路S_道市，S_轨表示利用地铁从站点到市中心距离，R表示从轨道交通影响范围边缘点到达轨道交通站点的距离即影响范围半径；

所述步骤2)确定新建地铁线路影响范围，具体为，

轨道交通使用者，从影响范围边缘点到轨道交通站点，之后乘坐轨道交通到达市中心的时间与在边缘点乘坐公共交通到达市中心的时间一致，即T_轨＝T_道，

得出

从而得出地铁影响范围

2.根据权利要求1所述的一种新建地铁线路影响下城市公交线路客流变化预测方法，其特征在于：所述步骤1)构建地铁和公交出行数据集以及交通特征数据集，具体还包括，

构建公交和地铁特征数据集I＝{A，B，C，D}，其中A表示出行所需时间，B表示出行所需费用，C表示出行恢复疲劳时间，D表示车辆发车时间间隔。

3.根据权利要求2所述的一种新建地铁线路影响下城市公交线路客流变化预测方法，其特征在于：所述步骤3)出行者出行方式选择影响因素构建，具体为：

快速性因素指标

L表示出行距离，V_i表示第i种出行方式的平均速度，t_sn表示换乘所需时间；

经济性因素指标B_n＝P_rn，P_rn表示第n种出行方式的票价；

舒适性因素指标

LT表示出行者恢复疲劳极限值，t_n表示第n种出行方式的在途运输时间，α_n、β_n是第n种出行方式的待定影响系数；

便捷性因素指标

h_n表示第n种出行方式的发车时间间隔，f_n表示第n种出行方式的平均发车频率。

4.根据权利要求3所述的一种新建地铁线路影响下城市公交线路客流变化预测方法，其特征在于：所述步骤4)建立出行效用函数模型以及确定影响因素指标权重和数值规范化，具体为，

4-1)构造出行者效用函数

将快速性、经济性、舒适性和便捷性因素指标作为影响因素引入效用函数，构建具体效用函数表达式如下：

V_n＝θ₁A_n+θ₂B_n+θ₃C_n+θ₄D_n

其中V_n表示第n种交通方式的效用值，θ₁、θ₂、θ₃、θ₄表示相应的影响因素权重参数，A_n表示第n种交通方式的快速性因素指标，B_n表示第n种交通方式的经济性因素指标，C_n表示第n种交通方式的舒适性因素指标，D_n表示第n种交通方式的便捷性因素指标；

4-2)影响因素权重构建

确定各指标权重

x_j是第j个影响因素的去模糊化后的重要度。

5.根据权利要求1所述的一种新建地铁线路影响下城市公交线路客流变化预测方法，其特征在于：所述步骤5)建立分担率预测模型，具体为，

5-1)预测模型的构造

采用Logit模型中的BL模型作为客流分担率模型，由效用函数模型，设i＝1表示公交，i＝2表示地铁，则公交分担率预测模型为

地铁分担率预测模型为

Images