CN111815166A - 基于客流分配的城市公共交通系统的协同优化方法和装置 - Google Patents

基于客流分配的城市公共交通系统的协同优化方法和装置 Download PDF

Info

Publication number
CN111815166A
CN111815166A CN202010656829.2A CN202010656829A CN111815166A CN 111815166 A CN111815166 A CN 111815166A CN 202010656829 A CN202010656829 A CN 202010656829A CN 111815166 A CN111815166 A CN 111815166A
Authority
CN
China
Prior art keywords
mode
line
network
public transport
equal
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
Application number
CN202010656829.2A
Other languages
English (en)
Other versions
CN111815166B (zh
Inventor
吴建军
黄康
杨欣
冯旭杰
唐金金
孙会君
屈云超
尹浩东
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong 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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202010656829.2A priority Critical patent/CN111815166B/zh
Publication of CN111815166A publication Critical patent/CN111815166A/zh
Application granted granted Critical
Publication of CN111815166B publication Critical patent/CN111815166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明实施例提供了一种基于客流分配的城市公共交通系统的协同优化方法，包括：步骤1，将城市公共交通系统用虚拟网络进行表示；所述城市公共交通系统包括：城市轨道交通、公交网络；步骤2，建立基于公共交通一体化网络的客流分配模型；步骤3，建立城市轨道交通与公交时刻表换乘协同最大化模型；步骤4，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；步骤5，利用线性加权将第二阶段双目标转化为单目标，并进行求解。本发明用来协同优化城市轨道交通与公交网络时刻表，有助于提高由城市轨道交通与公交组成的城市公共支架网络的整体服务水平，吸引公共交通出行。

Description

基于客流分配的城市公共交通系统的协同优化方法和装置
技术领域
本发明涉及交通领域，尤其涉及一种基于客流分配的城市公共交通系统的协同优化方法。
背景技术
随着我国城市化的进程，城市交通出行需求剧增，公共交通的以低碳，环保，运量大等显著优势也随之推广。世界超级大城市大多采取了公交导向的交通发展模式，公共交通出行比例的超过一半。作为城市公共交通的重要组成部分的常规公交与城市轨道交通承担了绝大部分的出行。对于城市轨道交通与常规公交系统间的科学衔接，以充分实现城市公共交通的整体效益，保障城市公共交通的可持续发展，对根本上改善城市交通拥挤状况具有重要意义。
目前国内的公共交通系统中，城市轨道交通与公交的时刻表编制一般独立进行，按照各自的运营特性与需求来安排，没有进行协调规划，除非发车班次非常密集，否则乘客的换乘与候车时间将会过长。通过确定合理的发车间隔以及换乘站的到发时间控制，可以使城市轨道交通与常规公交在换乘站实现同步到达，大大降低乘客的换乘时间，但是发车间隔调整将导致运输能力与运营成本的变化，因此实施同步协调时刻表是非常有必要的。
发明内容
本发明的实施例提供了一种基于客流分配的城市公共交通系统的协同优化方法，能够协同优化城市轨道交通与公交网络时刻表。
一种基于客流分配的城市公共交通系统的协同优化方法，包括：
步骤1，将城市公共交通系统用虚拟网络进行表示；所述城市公共交通系统包括：城市轨道交通、公交网络；
步骤2，建立基于公共交通一体化网络的客流分配模型；
步骤3，建立城市轨道交通与公交时刻表换乘协同最大化模型；
步骤4，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；
步骤5，利用线性加权将第二阶段双目标转化为单目标，并进行求解。
一种基于客流分配的城市公共交通系统的协同优化装置，包括：
表示单元，将城市公共交通系统用虚拟网络进行表示；所述城市公共交通系统包括：城市轨道交通、公交网络；
第一建立单元，建立基于公共交通一体化网络的客流分配模型；
第二建立单元，建立城市轨道交通与公交时刻表换乘协同最大化模型；
第三建立单元，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；
求解单元，利用线性加权将第二阶段双目标转化为单目标，并进行求解。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例中，可以协同优化城市轨道交通与公交网络时刻表，有助于提高由城市轨道交通与公交组成的城市公共支架网络的整体服务水平，吸引公共交通出行。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的基于客流分配的城市公共交通系统的协同优化方法的流程示意图；
图2为本发明中城市轨道交通与公交构成的层次网络示意图；
图3为本发明中北京城市轨道交通与公交子网络构成
图4(a)为本发明中运营区间的拥挤函数的示意图；
图4(b)为本发明中运营区间的服务水平函数的示意图；
图5为本发明中运营区间的服务水平函数构建过程的示意图；
图6为本发明中运营时段内某运营区间的服务水平结果的示意图；
图7为本发明中高峰时段各子目标的提升的示意图；
图8为本发明中不同客流时段各子目标的示意图；
图9为本发明的基于客流分配的城市公共交通系统的协同优化装置的结构示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明提供了城市轨道交通网络与公交网络常规运营条件下的时刻表设计方法，具体涉及到常规运营时段，基于城市轨道交通与公交组成的公共交通网络客流分配的城市轨道交通与公交两阶段协同时刻表的优化方法，可以用于公共交通网络时刻表优化。
本发明的目的在于提供一种基于客流分配的城市轨道交通网络与公交网络两阶段协同时刻表优化方法，具体为考虑将城市轨道交通网络与公交网络构建成一体化的公共交通网络，并输入乘客公共交通整体出行需求，以用户均衡为准侧，得出客流在网络中的分布。基于客流在网络中分布，协同优化城市轨道交通网络与公交网络时刻表。所述方法用来优化常规运营条件下具体城市轨道交通与网络时刻表，提高城市公共交通的服务水平与吸引力。
本发明的目的由以下技术方案实现：
如图1所示，一种基于客流分配的城市公共交通系统的协同优化方法，所述方法步骤如下：
步骤11，将城市公公交通系统用虚拟网络进行表示。
将包括城市轨道交通、公交网络用有向网络G(N,A,L)进行表示，N,A与L分别表示网络中的节点,网络弧,线路集合。M0＝{1,2}模式集合。m:地铁模式,m＝1，否则为公交模式，m＝2；G1＝{N1,A1,L1}城市轨道交通网络G2＝{N2,A2,L2}}:公交网络，Am:运行区段集合；Lm:线路集合,Nm:换乘站点集合。
步骤12，建立基于公共交通一体化网络的客流分配模型。
运行路段的拥挤阻抗：
模式m的运行区段车内的拥挤系数的定义：
Figure BDA0002577056480000041
Figure BDA0002577056480000042
模式m的线路l的s区间的运行区段上的客流量；
Figure BDA0002577056480000051
模式m的线路l所采用的车型，对应的列车座位数；
Figure BDA0002577056480000052
模式m的线路l所采用的车型，乘客感到拥挤时对应的客流量；
Am：模式m的一般拥挤情况下的额外成本系数；
Bm：模式m的过度拥挤情况下的额外成本系数；
Figure BDA0002577056480000053
模式m的线路l路段s的运行时间；
模式m的运行区段阻抗:
Figure BDA0002577056480000054
换乘节点的阻抗费用：
Δc:换乘次数的增加导致的乘客心理的额外支出费用。
θm-m′：模式m到模式m′的枢纽换乘节点的惩罚系数。
Figure BDA0002577056480000055
模式m到模式m′的换乘枢纽站n的平均换乘时间。
Figure BDA00025770564800000512
n∈(Nm∩Nm′),m,m′∈M0
停站时间阻抗：
Figure BDA0002577056480000056
模式m的线路l换乘站n的站台拥挤系数；
Figure BDA0002577056480000057
模式m的换乘站n的停站时间；
Figure BDA0002577056480000058
等待时间阻抗：
Figure BDA0002577056480000059
模式m的线路l上的换乘站的平均等待时间:
Figure BDA00025770564800000510
总阻抗函数：
Figure BDA00025770564800000511
定义Cp,q为节点p和q，形成p→q的运行过程，区段与节点总阻抗，
xp,q：为时空节点p和q，形成的p→q的运行区段的客流量，
Figure BDA00025770564800000616
客流OD对od分配在路径r上的客流量。
R0:路径的集合。
OD：总的od对的集合。
K0:总的路径的数量。
Figure BDA0002577056480000061
0-1变量，当运行路段p→q属于od对的路径r,
Figure BDA0002577056480000062
否则，
Figure BDA0002577056480000063
Figure BDA0002577056480000064
0-1变量，当节点p属于od对的路径r,
Figure BDA0002577056480000065
否则，
Figure BDA0002577056480000066
εp:0-1变量，当节点p属于地铁站点,εp＝1，否则为公交站点，εp＝0；
Figure BDA0002577056480000067
0-1变量，当节点l属于地铁线路,
Figure BDA0002577056480000068
否则为公交线路，
Figure BDA0002577056480000069
满足流量的均衡原则：则有
Figure BDA00025770564800000610
Qod:实际的OD需求,则有：
Figure BDA00025770564800000611
Figure BDA00025770564800000612
路径的总阻抗,则有：
Figure BDA00025770564800000613
uod:平衡状态下od的最小出行费用。
Figure BDA00025770564800000614
构建的平衡配流模型：
Figure BDA00025770564800000615
Figure BDA0002577056480000071
步骤13，建立城市轨道交通与公交时刻表换乘协同最大化模型。
在上述步骤后，客流在网络中的分布可以作为静态输入。城市轨道交通与公交时刻表衔接水平也即是体现在换乘站的换乘是否流畅。因此，以网络客流分布为基础，建立城市轨道交通与公交时刻表换乘协同最大化模型。模型的变量主要包括每条线路对应的发出间隔、每个站点到达，出发时刻等等。在确定性模型中用到的符号如下所示：
Lm:模式m的网络中的线路数目。
Figure BDA0002577056480000072
模式m的第k条线路的站点数目。
Figure BDA0002577056480000073
模式m的网络中的换乘节点数目。
Figure BDA0002577056480000074
模式m的线路k(1≤k≤L1)的发车间隔。
Figure BDA0002577056480000075
模式m的线路k(1≤k≤L1)的最小发车间隔。
Figure BDA0002577056480000076
模式m的线路k(1≤k≤L1)的最大发车间隔。
Figure BDA0002577056480000077
为模式m的线路k的发车时间段。
Figure BDA0002577056480000078
时间段
Figure BDA0002577056480000079
上，模式m的线路k的计划发车数。
Figure BDA00025770564800000710
公交-地铁双层网络中的，地铁-公交衔接的节点集合。
Figure BDA00025770564800000711
0-1变量，模式m的线路k(1≤k≤Lm)的第
Figure BDA00025770564800000712
次发车与模式m′的线路q(1≤q≤Lm′)的第
Figure BDA00025770564800000713
次发车，在节点n“协同”取1，否则取0，k≠q。
Figure BDA0002577056480000081
模式m的线路k(1≤k≤Lm)的第
Figure BDA0002577056480000082
次发车与模式m′的线路q(1≤q≤Lm′)的第
Figure BDA0002577056480000083
次发车，在节点n换乘的客流量，k≠q。
考虑客流的最大协同目标函数：
Figure BDA0002577056480000084
模式m到模式m′的协同客流为Qm-m′。
考虑不同模式的重要性，加入模式m到模式m′的重要度系数:ωm-m′
目标函数：城市轨道交通与公交时刻表最大协同。
Figure BDA0002577056480000085
约束条件：
(4)每辆车必须在相应的规定时间段内发车:
Figure BDA0002577056480000086
(5)每辆车的发车间隔必须在规定的最大与最小的发车间隔内:
Figure BDA0002577056480000087
Figure BDA0002577056480000088
(6)对于模式m到模式m′协同需要满足的时空条件:
Figure BDA0002577056480000089
模式m的第k条线的第i辆车到达n站的时刻。
Figure BDA00025770564800000810
模式m的乘客的第k条线的第i辆车n站的下车时间。
Figure BDA00025770564800000811
模式m的第k条线的第i辆车离开n站的时刻。
Figure BDA00025770564800000812
模式m的第k条线的第i辆车n站的停站时间。
Figure BDA00025770564800000813
模式m的第k条线的第i辆车的第q条线的第j辆车在n站的走行时间。
Figure BDA0002577056480000091
地铁的第k线的i-j区间的运行时间。
Figure BDA0002577056480000092
模式m的线路k的第i个起点站发车时刻，其中
Figure BDA0002577056480000093
Figure BDA0002577056480000094
模式m的线路k上，从起点至节点j的行驶时间。
3.模式m的线路k(1≤k≤Lm)的第
Figure BDA0002577056480000095
辆车换乘到模式m′的线路q(1≤q≤Lm′)时的时刻早于其第
Figure BDA0002577056480000096
车辆的离开时刻，
4.模式m的线路k(1≤k≤Lm)的第
Figure BDA0002577056480000097
辆车换乘到模式m′的线路q(1≤q≤Lm′)时的时刻不早于其第
Figure BDA0002577056480000098
车辆的到达时刻。
Figure BDA0002577056480000099
Figure BDA00025770564800000910
Figure BDA00025770564800000911
Figure BDA00025770564800000912
对其进行线性化处理如下(其中M是一个极大的数)：
Figure BDA00025770564800000913
Figure BDA00025770564800000914
综合上述约束则最大协同的模型：
Figure BDA0002577056480000101
Figure BDA0002577056480000102
步骤14，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型。
城市轨道交通与公交时刻表协同最大化必然有利于乘客的换乘过程。但是只追求衔接水平而忽视线路或者运营区间的服务水平也是不科学的。因此，考虑乘客在运营区间接受的服务水平，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型。
假设乘客的到达时均匀的，乘客的平均等待时间为发车间隔的一半，当发车数量一定的情况下，发车时间对乘客的平均等待时间影响不大。乘客的服务在区间的水平受发车时间影响大。其乘客在运营区间的服务水平的定义与乘客的拥挤程度相关，因此利用乘客在区间的拥挤水平构建了区间服务水平。
其中的符号定义：
β:拥挤程度；
βmax:最大的拥挤程度；
E:服务水平；
x：客流量；
Capm：列车的最大的容量；
η：服务系数(0<η≤1)；
Figure BDA0002577056480000111
配流之后,模式m的于n→(n+1)站之间的运行区段上客流量；
Figure BDA0002577056480000112
模式m的第k条线的第i辆车位于n→(n+1)站之间的运行区段上的旅客到达率：
Figure BDA0002577056480000113
Figure BDA0002577056480000114
模式m的第k条线的第i辆车位于n→(n+1)站之间的运行区段上的人数：
Figure BDA0002577056480000115
Figure BDA0002577056480000116
模式m的第k条线的第i辆车位于n→(n+1)站之间的运行区段上的服务水平：
Figure BDA0002577056480000117
服务水平的斜率与截距的表示：
Figure BDA0002577056480000118
Figure BDA0002577056480000119
约束：
不能超过车内容量：
Figure BDA00025770564800001110
新增的目标函数，最大化运营区间的服务水平：
Figure BDA00025770564800001111
步骤15，利用线性加权将第二阶段双目标转化为单目标，并利用软件求解。
上述城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型可以利用线性加权将双目标转化为单目标，
Figure BDA00025770564800001112
Figure BDA0002577056480000121
Figure BDA0002577056480000122
综上，最终的单目标模型属于混合整数线性规划问题，可以现有求解软件编程实现高效求解。
本发明具有以下有益效果：
本发明用来协同优化城市轨道交通与公交网络时刻表，有助于提高由城市轨道交通与公交组成的城市公共支架网络的整体服务水平，吸引公共交通出行。并具有以下优点：
(1)构建了城市轨道交通与公交组成的一体化公共交通网络。(2)在城市轨道交通与公交组成的一体化公共交通网络上加载乘客的出行需求，建立均衡条件下乘客在网络中的客流分配模型。(3)以一体化公共交通网络客流分布结果为输入，同时考虑乘客的换乘衔接以及运营区间的服务水平，在不降低运营区间的服务水平的条件下，最大化的提高了乘客的换乘衔接，使得网络的整体衔接水平和区间服务水平都得以保证，有较强的实用性。(4)模型的建立为混合整数线性规划，便于求解，具有较高的计算效率，能够满足日常运营管理的时效要求。
以下描述本发明的应用场景：
在本发明的方法中，根据城市轨道交通以及公交运营公司的运营数据，构建如图2的示意网络，其具体案例网络为北京城市轨道交通以及公交运营的子网络，如图3所示，包含北京轨道交通1,4,5,6号线，以及北京公交1,2,5,7,13路公交线路，其构成典型的放射以及互相交叉的网络形态。
获取北京城市轨道交通以及公交运营公司的运营中的乘客交通刷卡数据，包含某日早上7：30-10:30三个小时包含三个客流特征(7:30-8:30为高峰期，8:30-9:30为高峰至平峰的过渡期，9:30-10:30为平峰期)的乘客刷卡的OD(起点-终点)数据。每个客流时期的运营的车辆以及发车要求如表1所示。
表1运营的车辆以及发车要求
Figure BDA0002577056480000131
步骤1，根据示意网络的城市轨道交通以及现有公交线路情况建立一体化网络。
将城市轨道交通现有公交站点以及公交站点统一编号表示，并用运行弧，停站弧将交通模式内站点连接。同模式换乘弧将城市轨道交通以及公交内部换乘站连接起来。最后，在城市轨道交通站公交之间的接驳节点用跨模式换乘弧连接起来。其中换乘(弧)时间采用实测的方式录入。
步骤2，第一阶段基于公共交通一体化网络的客流分配模型的求解。
配流模型是基于用户均衡(user equlibrium)的静态配流。因为网络涉及的两种的模式，通过跨模式换乘弧连接，形成一体网络，可以采用较为成熟的带容量限制迭代平衡的近似配流算法，其过程如下，事先设定一个最大迭代次数N：
第1步：初始化。令
Figure BDA0002577056480000141
用全有全无方法将OD矩阵加载到交通网络上，得到路段流量
Figure BDA0002577056480000142
设置迭代次数n＝1。
第2步：计算
Figure BDA0002577056480000143
第3步：加权平滑。计算
Figure BDA0002577056480000144
其中权值0.75和0.25是由经验得到的。
第4步：网络加载。根据路段的阻抗值
Figure BDA0002577056480000145
用全有全无方法将OD矩阵加载到交通网络上，得到路段流量
Figure BDA0002577056480000146
第5步：如果n＝N，则结束计算。反之，令n＝n+1返回第2步
经过配流计算后，可以得到在每个客流时期的网络上的客流分布。在每个客流时段内，假设每个网络区段上的流量是均匀加载的，如图4所示。
步骤3，第二阶段城市轨道交通与公交时刻表换乘协同最大化模型的求解验证。
依据配流结果，可以统计每个换乘站的客流量
Figure BDA0002577056480000147
如表二所示。
表2网络中站点换乘客流量
Figure BDA0002577056480000148
Figure BDA0002577056480000151
其中：S-S:轨道交通-轨道交通；S-B轨道交通-公交；B-B公交-公交；B-S公交-轨道交通。
该模型的数学本质为混合整数线性规划，在导入换乘客流后，可以利用求解器Gurobi在Python环境进行模型的编程求解。
步骤4，第二阶段城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型的求解验证。
首先，构建的服务水平函数如图5所示，将运营区间的拥挤函数构建为线性关系，并利用服务水平与拥挤成反相关的性质，将服务水平构建成与客流量成反比的线性函数。
轨道交通参数预设：a＝-1/1500；b＝1；Z＝1500；
Capacity＝1800；βmax＝0.4；βmin＝0.8；η＝5/6；公交参数预设：a＝-1/100；b＝1；Z＝50；Capacity＝80；120βmax＝0.6；βmin＝0.6；η＝5/8；运营时段内某运营区间的服务水平结果示意如图6所示。
高峰时段，求解结果在不同的权重下的目标函数值如表3所示。
表3不同权重下的目标函数值
P P<sub>1</sub> α<sub>1</sub> P<sub>2</sub> α<sub>2</sub>
2223.786 1123 1 2223.786 0
2123.307 1219 0.9 2223.786 0.1
2024.627 1234 0.8 2222.283 0.2
1925.481 1242 0.7 2218.402 0.3
1826.177 1238 0.6 2218.296 0.4
1729.219 1241 0.5 2217.437 0.5
1628.475 1236 0.4 2217.187 0.6
1533.023 1241 0.3 2214.409 0.7
1438.266 1244 0.2 2215.33 0.8
1343.051 1247 0.1 2207.514 0.9
1248 1248 0 2207.209 1
考虑在轨道交通与公交模式具体相同权重下，各模式中，以及模式间的协同以及服务水平的变化，统计了各种子目标如图7所示：高峰时段轨道交通总的区间服务水平(E1),公交总的区间服务水平(E2)，轨道交通系统内总是换乘协同数量(Z1_1)，公交系统内总是换乘协同数量(Z2_2)，城市轨道交通与公交之间的总是换乘协同数量(轨道交通-公交：Z1_2，公交-轨道交通：Z2_1)。总体来看，各子目标都得到了提升。
不同子目标反映了公共交通网络以及线路的整体服务水平，不同时段的总体对比如图8所示，高峰期-过渡期-平峰期，因为提供的发车频率的变化，整体服务水呈现与发车频率正比的关系。每个时段的子目标变化如表4所示。可以看出每个时段，提出的方法不仅都将网络的协同水平提高了，对区间服务水平的也得到了保证，并没有出现明显降低。同时，对于整体提升的效果可以呈现平峰期>过渡期>高峰期。
表4不同时段子目标函变化
Figure BDA0002577056480000171
图9为本发明所述的一种基于客流分配的城市公共交通系统的协同优化装置，包括：
表示单元，将城市公共交通系统用虚拟网络进行表示；所述城市公共交通系统包括：城市轨道交通、公交网络；
第一建立单元，建立基于公共交通一体化网络的客流分配模型；
第二建立单元，建立城市轨道交通与公交时刻表换乘协同最大化模型；
第三建立单元，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；
求解单元，利用线性加权将第二阶段双目标转化为单目标，并进行求解。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种基于客流分配的城市公共交通系统的协同优化方法，其特征在于，包括：
步骤1，将城市公共交通系统用虚拟网络进行表示；所述城市公共交通系统包括：城市轨道交通、公交网络；
步骤2，建立基于公共交通一体化网络的客流分配模型；
步骤3，建立城市轨道交通与公交时刻表换乘协同最大化模型；
步骤4，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；
步骤5，利用线性加权将第二阶段双目标转化为单目标，并进行求解。
2.根据权利要求1所述的方法，其特征在于，所述步骤1具体为：
将城市轨道交通网络和公交网络用有向网络G(N，A，L)进行表示，N，A与L分别表示网络中的节点，网络弧，线路集合；M0＝{1，2}模式集合；m：地铁模式，m＝1；否则为公交模式，m＝2；G1＝{N1，A1，L1}城市轨道交通网络G2＝{N2，A2，L2}}：公交网络，Am：运行区段集合；Lm：线路集合，Nm：换乘站点集合。
3.根据权利要求1所述的方法，其特征在于，所述步骤2具体为：
运行路段的拥挤阻抗：
模式m的运行区段车内的拥挤系数的定义：
Figure FDA0002577056470000011
Figure FDA0002577056470000012
模式m的线路1的s区间的运行区段上的客流量；
Figure FDA0002577056470000013
模式m的线路1所采用的车型，对应的列车座位数；
Figure FDA0002577056470000021
模式m的线路1所采用的车型，乘客感到拥挤时对应的客流量；
Am：模式m的一般拥挤情况下的额外成本系数；
Bm：模式m的过度拥挤情况下的额外成本系数；
Figure FDA0002577056470000022
模式m的线路1路段s的运行时间；
模式m的运行区段阻抗：
Figure FDA0002577056470000023
换乘节点的阻抗费用：
Δc：换乘次数的增加导致的乘客心理的额外支出费用；
θm-m′：模式m到模式m′的枢纽换乘节点的惩罚系数；
Figure FDA0002577056470000024
模式m到模式m′的换乘枢纽站n的平均换乘时间；
Figure FDA0002577056470000025
停站时间阻抗：
Figure FDA0002577056470000026
模式m的线路1换乘站n的站台拥挤系数；
Figure FDA0002577056470000027
模式m的换乘站n的停站时间；
Figure FDA0002577056470000028
等待时间阻抗：
Figure FDA0002577056470000029
模式m的线路1上的换乘站的平均等待时间：
Figure FDA00025770564700000210
总阻抗函数：
Figure FDA00025770564700000211
定义Cp，q为节点p和q，形成p→q的运行过程，区段与节点总阻抗，
xp，q：为时空节点p和q，形成的p→q的运行区段的客流量，
Figure FDA00025770564700000212
客流OD对od分配在路径r上的客流量；
R0：路径的集合；
OD：总的od对的集合；
K0：总的路径的数量；
Figure FDA0002577056470000031
0-1变量，当运行路段p→q属于od对的路径r，
Figure FDA0002577056470000032
否则，
Figure FDA0002577056470000033
Figure FDA0002577056470000034
0-1变量，当节点p属于od对的路径r，
Figure FDA0002577056470000035
否则，
Figure FDA0002577056470000036
εp：0-1变量，当节点p属于地铁站点，εp＝1，否则为公交站点，εp＝0；
Figure FDA0002577056470000037
0-1变量，当节点l属于地铁线路，
Figure FDA0002577056470000038
否则为公交线路，
Figure FDA0002577056470000039
满足流量的均衡原则：则有
Figure FDA00025770564700000310
Qod：实际的OD需求，则有：
Figure FDA00025770564700000311
Figure FDA00025770564700000312
路径的总阻抗，则有：
Figure FDA00025770564700000313
uod：平衡状态下od的最小出行费用；
Figure FDA00025770564700000314
构建的平衡配流模型：
Figure FDA00025770564700000315
Figure FDA0002577056470000041
4.根据权利要求1所述的方法，其特征在于，所述步骤3包括：
将客流在网络中的分布作为静态输入，城市轨道交通与公交时刻表衔接水平也即是体现在换乘站的换乘是否流畅，以网络客流分布为基础，建立城市轨道交通与公交时刻表换乘协同最大化模型；模型的变量主要包括每条线路对应的发出间隔、每个站点到达，出发时刻；在确定性模型中用到的符号如下所示：
Lm：模式m的网络中的线路数目；
Figure FDA0002577056470000042
模式m的第k条线路的站点数目；
Figure FDA0002577056470000043
模式m的网络中的换乘节点数目；
Figure FDA0002577056470000044
模式m的线路k(1≤k≤L1)的发车间隔；
Figure FDA0002577056470000045
模式m的线路k(1≤k≤L1)的最小发车间隔；
Figure FDA0002577056470000046
模式m的线路k(1≤k≤L1)的最大发车间隔；
Figure FDA0002577056470000047
为模式m的线路k的发车时间段；
Figure FDA0002577056470000048
时间段
Figure FDA0002577056470000049
上，模式m的线路k的计划发车数；
Figure FDA00025770564700000410
公交-地铁双层网络中的，地铁-公交衔接的节点集合；
Figure FDA00025770564700000411
0-1变量，模式m的线路k(1≤k≤Lm)的第
Figure FDA00025770564700000412
次发车与模式m′的线路q(1≤q≤Lm′)的第
Figure FDA00025770564700000413
次发车，在节点n“协同”取1，否则取0，k≠q；
Figure FDA0002577056470000051
模式m的线路k(1≤k≤Lm)的第
Figure FDA0002577056470000052
次发车与模式m′的线路q(1≤q≤Lm′)的第
Figure FDA0002577056470000053
次发车，在节点n换乘的客流量，k≠q；
考虑客流的最大协同目标函数：
Figure FDA0002577056470000054
模式m到模式m′的协同客流为Qm-m′；
考虑不同模式的重要性，加入模式m到模式m′的重要度系数：ωm-m′
目标函数：城市轨道交通与公交时刻表最大协同；
Figure FDA0002577056470000055
约束条件：
(1)每辆车必须在相应的规定时间段内发车：
Figure FDA0002577056470000056
(2)每辆车的发车间隔必须在规定的最大与最小的发车间隔内：
Figure FDA0002577056470000057
Figure FDA0002577056470000058
(3)对于模式m到模式m′协同需要满足的时空条件：
Figure FDA0002577056470000059
模式m的第k条线的第i辆车到达n站的时刻；
Figure FDA00025770564700000510
模式m的乘客的第k条线的第i辆车n站的下车时间；
Figure FDA00025770564700000511
模式m的第k条线的第i辆车离开n站的时刻；
Figure FDA00025770564700000512
模式m的第k条线的第i辆车n站的停站时间；
Figure FDA00025770564700000513
模式m的第k条线的第i辆车的第q条线的第j辆车在n站的走行时间；
Figure FDA0002577056470000061
地铁的第k线的i-j区间的运行时间；
Figure FDA0002577056470000062
模式m的线路k的第i个起点站发车时刻，其中
Figure FDA0002577056470000063
Figure FDA0002577056470000064
模式m的线路k上，从起点至节点j的行驶时间；
1.模式m的线路k(1≤k≤Lm)的第
Figure FDA0002577056470000065
辆车换乘到模式m′的线路q(1≤q≤Lm′)时的时刻早于其第
Figure FDA0002577056470000066
车辆的离开时刻，
2.模式m的线路k(1≤k≤Lm)的第
Figure FDA0002577056470000067
辆车换乘到模式m′的线路q(1≤q≤Lm′)时的时刻不早于其第
Figure FDA0002577056470000068
车辆的到达时刻；
Figure FDA0002577056470000069
Figure FDA00025770564700000610
Figure FDA00025770564700000611
Figure FDA00025770564700000612
对其进行线性化处理如下(其中M是一个极大的数)：
Figure FDA00025770564700000613
Figure FDA00025770564700000614
综合上述约束则最大协同的模型：
Figure FDA0002577056470000071
Figure FDA0002577056470000072
5.根据权利要求1所述的方法，其特征在于，所述步骤4包括：
考虑乘客在运营区间接受的服务水平，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；
假设乘客的到达时均匀的，乘客的平均等待时间为发车间隔的一半，当发车数量一定的情况下，发车时间对乘客的平均等待时间影响不大；乘客的服务在区间的水平受发车时间影响大；其乘客在运营区间的服务水平的定义与乘客的拥挤程度相关，因此利用乘客在区间的拥挤水平构建了区间服务水平；
其中的符号定义：
β：拥挤程度；
βmax：最大的拥挤程度；
E：服务水平；
x：客流量；
Capm：列车的最大的容量；
η：服务系数(0＜η≤1)；
Figure FDA0002577056470000073
配流之后，模式m的于n→(n+1)站之间的运行区段上客流量；
Figure FDA0002577056470000074
模式m的第k条线的第i辆车位于n→(n+1)站之间的运行区段上的旅客到达率：
Figure FDA0002577056470000081
Figure FDA0002577056470000082
模式m的第k条线的第i辆车位于n→(n+1)站之间的运行区段上的人数：
Figure FDA0002577056470000083
Figure FDA0002577056470000084
模式m的第k条线的第i辆车位于n→(n+1)站之间的运行区段上的服务水平：
Figure FDA0002577056470000085
服务水平的斜率与截距的表示：
Figure FDA0002577056470000086
Figure FDA0002577056470000087
约束：
不能超过车内容量：
Figure FDA0002577056470000088
新增的目标函数，最大化运营区间的服务水平：
Figure FDA0002577056470000089
6.根据权利要求1所述的方法，其特征在于，所述步骤5包括：
将城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型利用线性加权，将双目标转化为单目标：
Figure FDA00025770564700000810
Figure FDA00025770564700000811
Figure FDA00025770564700000812
7.一种基于客流分配的城市公共交通系统的协同优化装置，其特征在于，包括：
表示单元，将城市公共交通系统用虚拟网络进行表示；所述城市公共交通系统包括：城市轨道交通、公交网络；
第一建立单元，建立基于公共交通一体化网络的客流分配模型；
第二建立单元，建立城市轨道交通与公交时刻表换乘协同最大化模型；
第三建立单元，建立城市轨道交通与公交时刻表协同最大化与运营区间服务水平的双目标模型；
求解单元，利用线性加权将第二阶段双目标转化为单目标，并进行求解。
CN202010656829.2A 2020-07-09 2020-07-09 基于客流分配的城市公共交通系统的协同优化方法和装置 Active CN111815166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010656829.2A CN111815166B (zh) 2020-07-09 2020-07-09 基于客流分配的城市公共交通系统的协同优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010656829.2A CN111815166B (zh) 2020-07-09 2020-07-09 基于客流分配的城市公共交通系统的协同优化方法和装置

Publications (2)

Publication Number Publication Date
CN111815166A true CN111815166A (zh) 2020-10-23
CN111815166B CN111815166B (zh) 2023-10-17

Family

ID=72842343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010656829.2A Active CN111815166B (zh) 2020-07-09 2020-07-09 基于客流分配的城市公共交通系统的协同优化方法和装置

Country Status (1)

Country Link
CN (1) CN111815166B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469489A (zh) * 2021-05-10 2021-10-01 北京工业大学 一种远郊大型活动外围核心区客流协同优化方法
CN114117700A (zh) * 2021-11-29 2022-03-01 吉林大学 基于复杂网络理论的城市公共交通网络优化研究方法
CN114997545A (zh) * 2022-08-04 2022-09-02 深圳市城市交通规划设计研究中心股份有限公司 一种轨道衔接优化方法、电子设备及存储介质
CN115782985A (zh) * 2022-11-30 2023-03-14 北京轨道交通路网管理有限公司 轨道交通换乘衔接列车时刻表的调整方法及装置
CN115809729A (zh) * 2022-11-28 2023-03-17 北京交通大学 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050143845A1 (en) * 2003-12-24 2005-06-30 Hirotaka Kaji Multiobjective optimization apparatus, multiobjective optimization method and multiobjective optimization program
US20080215512A1 (en) * 2006-09-12 2008-09-04 New York University System, method, and computer-accessible medium for providing a multi-objective evolutionary optimization of agent-based models
CN104573849A (zh) * 2014-12-12 2015-04-29 安徽富煌和利时科技股份有限公司 基于arima模型预测客流的公交调度优化方法
CN105460048A (zh) * 2015-11-17 2016-04-06 广西大学 城轨交通优化操纵与行车调度综合节能控制方法及装置
CN107274032A (zh) * 2017-06-29 2017-10-20 上海交通大学 一种双目标交通网络规划模型优化计算方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050143845A1 (en) * 2003-12-24 2005-06-30 Hirotaka Kaji Multiobjective optimization apparatus, multiobjective optimization method and multiobjective optimization program
US20080215512A1 (en) * 2006-09-12 2008-09-04 New York University System, method, and computer-accessible medium for providing a multi-objective evolutionary optimization of agent-based models
CN104573849A (zh) * 2014-12-12 2015-04-29 安徽富煌和利时科技股份有限公司 基于arima模型预测客流的公交调度优化方法
CN105460048A (zh) * 2015-11-17 2016-04-06 广西大学 城轨交通优化操纵与行车调度综合节能控制方法及装置
CN107274032A (zh) * 2017-06-29 2017-10-20 上海交通大学 一种双目标交通网络规划模型优化计算方法
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 (3)

* Cited by examiner, † Cited by third party
Title
周霞;吕红霞;陈钉均;张慧;: "基于时空可达的城市轨道交通末班车时刻表优化", 综合运输, no. 04 *
王振伟: "北京市电动出租车充电设施选址优化", 《中国优秀硕士论文全文数据库 工程科技Ⅱ辑》 *
袁振洲 等: "基于差异化换乘感知的轨道交通末班车衔接优化", 《北京交通大学学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469489A (zh) * 2021-05-10 2021-10-01 北京工业大学 一种远郊大型活动外围核心区客流协同优化方法
CN113469489B (zh) * 2021-05-10 2023-10-10 北京工业大学 一种远郊大型活动外围核心区客流协同优化方法
CN114117700A (zh) * 2021-11-29 2022-03-01 吉林大学 基于复杂网络理论的城市公共交通网络优化研究方法
CN114997545A (zh) * 2022-08-04 2022-09-02 深圳市城市交通规划设计研究中心股份有限公司 一种轨道衔接优化方法、电子设备及存储介质
CN115809729A (zh) * 2022-11-28 2023-03-17 北京交通大学 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法
CN115809729B (zh) * 2022-11-28 2023-08-22 北京交通大学 考虑新增线路的城市轨道交通枢纽换乘设施优化配置方法
CN115782985A (zh) * 2022-11-30 2023-03-14 北京轨道交通路网管理有限公司 轨道交通换乘衔接列车时刻表的调整方法及装置
CN115782985B (zh) * 2022-11-30 2023-10-13 北京轨道交通路网管理有限公司 轨道交通换乘衔接列车时刻表的调整方法及装置

Also Published As

Publication number Publication date
CN111815166B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN111815166A (zh) 基于客流分配的城市公共交通系统的协同优化方法和装置
CN109409599B (zh) 基于实时需求的定制公交线路开通优化方法
CN109774750B (zh) 一种基于虚拟耦合模式的动态调度时空决策方法
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
WO2023065389A1 (zh) 一种基于公交多源数据分析的智能排班表生成方法
CN107832958A (zh) 一种基于需求分析的电动出租车充电站规划方法
CN103793760B (zh) 多模式综合交通枢纽内部客流换乘分配比例优化方法
Zhan et al. Energy-efficient high-speed train rescheduling during a major disruption
CN112580866B (zh) 基于全程车与区间车组合调度的公交线路串车优化方法
CN113408790B (zh) 一种模块化车辆运行路径及组合策略协同优化方法及系统
Zhang et al. EV charging network design with transportation and power grid constraints
Bie et al. Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data
Li et al. Comprehensive optimization of a metro timetable considering passenger waiting time and energy efficiency
Yin et al. Operation plan of China Railway Express at inland railway container center station
CN115169933A (zh) 一种考虑充电站内多公交线路换乘的公交发车时刻表优化方法
Zhang et al. Real-time energy saving optimization method for urban rail transit train timetable under delay condition
CN113096429B (zh) 基于公交调度站点集散的弹性公交区域灵活性线路生成方法
CN112434969A (zh) 一种区域多式轨道交通运力资源调配方法
CN113096430B (zh) 基于欧氏距离收费的弹性公交即时需求动态响应方法
CN115936330A (zh) 一种基于拉格朗日原理的需求响应式brt车辆调度算法
Zhou et al. Optimization of urban rail transit connection scheme for evacuating large volumes of arriving railway passengers
Deng et al. Multiobjective Collaborative Optimization Method for the Urban Rail Multirouting Train Operation Plan
Wang et al. A Bi-Objective Optimization Model for Coordinated Train Timetabling in Rail Transit Networks
CN111667087A (zh) 一种考虑污染排放的公交跳站运行方法
Wen et al. Design of seat allocation of high-speed trains

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