CN112200372A - 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法 - Google Patents

一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法 Download PDF

Info

Publication number
CN112200372A
CN112200372A CN202011096271.3A CN202011096271A CN112200372A CN 112200372 A CN112200372 A CN 112200372A CN 202011096271 A CN202011096271 A CN 202011096271A CN 112200372 A CN112200372 A CN 112200372A
Authority
CN
China
Prior art keywords
passenger
queuing
traffic
sharing rate
time
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.)
Pending
Application number
CN202011096271.3A
Other languages
English (en)
Inventor
罗喜伶
胡依婷
白东梅
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202011096271.3A priority Critical patent/CN112200372A/zh
Publication of CN112200372A publication Critical patent/CN112200372A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (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)

Abstract

本发明提供一种大型空港枢纽综合交通乘客分担率优化方法，属于交通运筹学领域。本发明用于减轻机场陆侧交通排队拥堵。所述方法包括：建立机场陆侧交通排队模型，使用Runge‑Kutta法预测排队长度信息。收集陆侧交通处的实时排队长度和乘客到达速率信息，结合预测排队时间，给定交通方式中各效用因素所占权重，通过Multinominal Logit模型计算乘客分担率，并通过连续加权平均(MSWA)算法计算改变排队时间权重后的优化乘客分担率，最后基于该计算结果进行乘客引导。

Description

一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客 引导方法
技术领域
本发明涉及交通运筹学领域，特别是涉及运筹学中的排队论领域。
背景技术
机场庞大的客流量给陆侧交通运输带来了压力，每日航班进出港高峰期中，旅客在通过陆侧交通离开机场时，常需长时间的排队等待。造成这种旅客滞留的一个重要原因是，乘客在选择交通方式时，无法获得陆侧交通的排队信息，无法将准确的排队时间因素作为交通方式选择的考虑，因此无法正确估计当前交通方式的效用值。并且，乘客角度考虑的排队时间与其他静态因素各自所占权重跟机场管理方角度的各因素所占权重存在一定的差异。因此，机场管理方有必要对乘客选择交通方式的比例进行合理有效的控制。
针对大型空港枢纽陆侧交通拥堵问题，机场管理方已经采取了部分措施，但这些措施普遍存在下述问题：
1)采取乘客交通方式引导时，机场管理方多以自己的经验和估计为驱动，没有具体的数字化精准计算；
2)目前的乘客引导措施一般在夜间实行，且仅针对夜间由出租车运力不足导致的旅客滞留场景实施，尚未对于日间客流量大时多交通方式分担下的乘客选择采取引导；
基于以上原因，本文开发了一种新的针对多种交通方式选择概率的乘客引导方法。
为了避免片面地为了减轻拥堵而不考虑乘客在交通费用与行驶时间方面的需求，本方法在乘客交通方式选择概率的优化模型中，同时考虑排队时间、交通费用和行驶时间等因素，并适当提高排队时间所占权重，从而达到减轻排队拥堵的目的。
发明内容
本发明旨在针对机场陆侧交通排队拥堵的问题，基于乘客在对交通方式进行选择时，排队时间未知及其与交通费用、行驶时间因素所占权重不合理的两个因素进行解决。通过计算调整权重优化后的乘客分担率并根据求得的乘客分担率对乘客进行引导，以达到减轻拥堵的效果。
为达到上述目的，本发明通过以下技术方案实现：
建立机场的三种公共陆侧交通出租车、大巴和地铁的排队模型，给出状态转移概率矩阵；
使用Runge-Kutta法以交通方式的排队模型为基础，预测给定时间段内的各交通方式排队长度变化；
使用Multinominal Logit(MNL)模型公式，在已知排队时间、行驶时间和交通费用和对应权重的情况下，计算相应的乘客分担率；
以排队长度在不同乘客到达率下的变化为原理，使用连续加权平均法(MSWA)进行迭代求解，获得尽可能避免拥堵且充分考虑交通费用与行驶时间合理性时的优化乘客分担率；
在具体实施乘客引导措施时，每隔一个固定的时间段T，根据当前时间段内的预测排队长度和乘客到达速率计算一次最优的乘客分担率，并在当前时间段内按照该分担率对乘客进行引导。到下一个时间段时，根据上述步骤更新当前最优的乘客分担率，并在下一个时间段内按照新的乘客分担率执行乘客引导。
进一步地，在上述方案中，所述对机场陆侧交通服务过程建立排队模型的方法，包括：
用泊松分布模拟乘客到达交通上客区的过程，分布参数由现场数据采集给出。在出租车服务过程中，将出租车的多个停车位看成排队论中的多个服务台，因此出租车排队过程可用M/M/c/K排队模型模拟，并且可以给出计算瞬时分布所需要的状态转移概率矩阵。巴士服务过程中，包括购票和上车等待发车的两个过程，购票过程可用M/M/1/K的排队模型模拟，巴士等待发车时一般服从客满即走且最长发车时间不超过固定数值的规则，因此等待发车的过程用Min-(N，T)规则的更新过程模拟，其等待时间分布采用更新定理中剩余寿命的公式计算，并给出售票过程的状态转移概率矩阵。在地铁服务过程中(以中国地铁为例)，包括售票和安检两个串联的过程，因此根据排队论中独立串联服务系统的规则可以给出地铁服务系统中的两个概率转移矩阵。
在上述方案中，所述排队长度预测，包括：
采用视频监测、客流计数器等方法获取当前陆侧交通旅客排队长度数据，以及当前陆侧交通乘客到达速率数据。使用排队模型中构造的排队状态转移概率矩阵，基于排队论中的Fokker-Planck等式构造差分方程，并采用4阶Runge-Kutta法计算给定时间内的排队长度预测结果，其中取时间步长为0.02秒。
在上述方案中的MNL离散选择模型方法中，包括：
设在出租车、大巴和地铁三种交通方式的选择问题中，某一交通方式效用的排队时间、交通费用和行驶时间的无量纲参数值分别为m，n和k，其权重分别为α，β和γ，下标t、b和s分别代表出租车、大巴和地铁，则乘客选择出租车、大巴和地铁的概率分别为：
Pt＝exp(αtmt+βtnt+γtkt)/i∈(t，b，s)∑exp(αimi+βini+γiki)
Pb＝exp(αbmb+βbnb+γbkb)/i∈(t，b，s)∑exp(αimi+βini+γiki)
Ps＝exp(αsms+βsns+γsks)/i∈(t，b，s)∑exp(αimi+βini+γiki)
在上述方案中的连续加权平均法求解最优乘客分担率中，包括：
以给定预测时间段内的排队时间预测值作为机场计算最优乘客分担率时的考虑排队时间，当计算陆侧交通静态效用时，选择交通费用和行驶时间两种因素，给定合成乘客分担率选择概率时的权重，获得最优的乘客分担率。为充分保证在减轻拥堵的同时其交通费用和行驶时间的合理性，选择能够模拟乘客选择交通方式的平衡过程的MSWA算法来计算优化的乘客分担率。由于排队时间会根据乘客到达速率变化，且会与乘客选择不同交通方式的概率相互影响，因此乘客在根据交通效用选择交通方式时存在平衡迭代的过程，这是MSWA算法模拟选择过程的基础。
进一步的，获得优化的乘客分担率后，机场工作人员在下一个时间段内以该乘客分担率为目标对乘客进行引导。
本发明提供了一个根据求得的乘客分担率执行乘客引导办法的具体框架。通过设定更新策略和用以执行更新策略的固定时间段，本发明给出了一种可行性更高且计算成本更经济的实施方案。本发明能够准确合理地计算优化后的乘客分担率，并能够根据计算得到的乘客分担率有效地实施乘客引导措施，能够有效缓解机场陆侧交通乘客排队拥堵的问题。
附图说明
图1为机场旅客乘坐不同交通方式的排队模型；
图2为计算优化乘客分担率的算法流程；
图3为乘客引导策略的实施流程；
图4为完整实施乘客引导方法的技术路线。
具体实施方式
为使本发明实施例的目的、方案和效果更加清楚、明确，以下参考附图并举例对本发明进一步详细说明。
图1为基于排队论建立的机场旅客乘坐三种不同的陆侧交通方式(出租车、巴士和地铁)时的排队模型。其中出租车只有一个排队候车的过程，且有多个停车位供乘客上车，通常出租车的乘客排队区是有限的，因此选择M/M/c/K排队模型进行模拟；乘坐巴士时通常由购票和上车等待发车两部分组成，售票过程由于一般只有一个售票窗口且乘客排队区有限，用M/M/1/K的排队模型。等待发车的过程由于客满即走和最长发车间隔的设定，用Min-(N,T)的更新过程模拟。这两个过程相互独立，可以构成独立的串联过程；地铁的乘坐过程通常由售票和排队安检两部分组成，地铁的排队系统中乘客排队区容量通常是无限的，且有多个售票窗和安检台，因此用两个M/M/c的排队模型模拟这两个过程相互独立，可以看作独立的串联过程。
图2是使用MSWA算法的流程图。当排队长度为零时，乘客根据交通费用和行驶时间两个保持不变的效用进行第一次交通方式选择，形成交通方式间的初始乘客分担率v(0)，随后在交通方式间形成排队现象，此时由于不同交通方式间具有不同的排队时间，排队时间这一因素参与到乘客进行交通方式选择时的考虑中，因此乘客的交通分担率改变为g(0)，排队长度随之变化，排队时间改变，则乘客分担率再次变化，其变化数值由v(1)的公式给出。多次迭代时，第n次迭代的乘客分担率和第n+1次迭代的分担率分别为v(n)和v(n+1)。通过计算图2判断语句是否成立来判断迭代过程是否收敛，当不等式成立时迭代收敛，即可认为排队时间和乘客分担率之间的相互影响达到平衡，形成充分考虑静态效用和排队时间的最佳乘客分担率。
图3为根据算得的乘客分担率执行乘客引导的具体方法的流程图。该过程包括：
设当前时刻为T0，在之后的T时间段内，预测T0+t∈[T0,T0+T]时刻的排队时间，其中出租车、大巴和地铁的排队时间t1、t2和t3，将该预测排队时间作为MNL模型中的参数值。给定机场管理方能够承受的最长排队时间W作为一个固定的阈值，比较W和T0+t时的预测排队时间t1、t2和t3的大小。根据上一步的比较结果，若t1、t2和t3都小于W，则该时间段内不执行乘客引导；若其中有一个预测的排队时间大于W，则立刻调用MSWA算法计算优化的乘客分担率。根据求得的乘客分担率，在当前时间段[T0,T0+T]内以该分担率为标准执行乘客引导。时间T后，令当前时刻为T1＝T0+T，再次执行最开始的步骤，更新乘客引导策略。
由于乘客在自主选择交通方式时，排队时间、交通费用和行驶时间因素所占的权重没有站在机场整体的角度设定，可能会导致过度拥堵；在机场管理方的角度，为避免乘客拥堵且同时考虑交通费用效益及行驶时间的情况下，排队时间在总体效用中会占有比乘客角度更高的权重，在此权重下机场的拥堵能得到有效缓解。通过MSWA算法，结合已知的各因素取值及其权重，便能够获得合理的乘客分担率，从而得到能够有效减轻乘客拥堵的引导方案。

Claims (4)

1.一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法，其特征在于，所述方法包括：
利用排队论进行综合交通排队过程建模并预测其排队时间，以排队时间的动态因素与交通费用和行驶时间的静态因素合成乘客选择交通方式的概率，用连续加权平均法计算动态排队时间和乘客选择交通方式的概率相互影响并平衡的过程，最终获得优化的乘客分担率，并基于此实施乘客引导。
2.根据权利要求1所述乘客引导办法，其特征在于，使用了排队模型模拟陆侧交通服务过程，包括用M/M/c/K模拟出租车服务，用M/M/c/K和Min-(N,T)串联模拟大巴服务，用两个M/M/c串联模拟地铁服务过程。
3.根据权利要求1所述乘客引导办法，其特征在于，利用了改进的连续加权平均法，将排队时间与乘客配流问题引入到连续加权平均算法中。
4.根据权利要求1所述乘客引导办法，其特征在于，设计了可实施的能够根据优化乘客分担率进行乘客引导的办法框架，设定了周期性更新引导策略的方法。
CN202011096271.3A 2020-10-14 2020-10-14 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法 Pending CN112200372A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011096271.3A CN112200372A (zh) 2020-10-14 2020-10-14 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011096271.3A CN112200372A (zh) 2020-10-14 2020-10-14 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法

Publications (1)

Publication Number Publication Date
CN112200372A true CN112200372A (zh) 2021-01-08

Family

ID=74010047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011096271.3A Pending CN112200372A (zh) 2020-10-14 2020-10-14 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法

Country Status (1)

Country Link
CN (1) CN112200372A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361984A (zh) * 2021-08-11 2021-09-07 北京航空航天大学杭州创新研究院 基于互馈模型的空港客流与运力流动态耦合方法和系统
CN113420926A (zh) * 2021-06-29 2021-09-21 北京交通大学 一种城市枢纽间多交通方式运力协同优化方案编制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120197516A1 (en) * 2010-06-16 2012-08-02 Airbus Engineering Centre India System and method for aircraft taxi gate selection based on passenger connecting flight information
CN109447385A (zh) * 2018-08-28 2019-03-08 浙江工业大学 一种基于排队论的机场安检效率优化方案评估方法
US20190108468A1 (en) * 2017-10-10 2019-04-11 Khanh Vinh Nguyen Method and apparatus to operate smart mass transit systems with on-demand rides, dynamic routes and coordinated transfers

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120197516A1 (en) * 2010-06-16 2012-08-02 Airbus Engineering Centre India System and method for aircraft taxi gate selection based on passenger connecting flight information
US20190108468A1 (en) * 2017-10-10 2019-04-11 Khanh Vinh Nguyen Method and apparatus to operate smart mass transit systems with on-demand rides, dynamic routes and coordinated transfers
CN109447385A (zh) * 2018-08-28 2019-03-08 浙江工业大学 一种基于排队论的机场安检效率优化方案评估方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
任其亮等: "信息共享视角下铁路客运枢纽出租车运营通道数优化模型", 《重庆交通大学学报(自然科学版)》 *
何汉等: "大型空港客运交通枢纽客流集散规律研究", 《铁道运输与经济》 *
赵明明: "济南遥墙机场R3线引入对陆侧交通分流的影响", 《科技风》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113420926A (zh) * 2021-06-29 2021-09-21 北京交通大学 一种城市枢纽间多交通方式运力协同优化方案编制方法
CN113361984A (zh) * 2021-08-11 2021-09-07 北京航空航天大学杭州创新研究院 基于互馈模型的空港客流与运力流动态耦合方法和系统
CN113361984B (zh) * 2021-08-11 2021-12-21 北京航空航天大学杭州创新研究院 基于互馈模型的空港客流与运力流动态耦合方法和系统

Similar Documents

Publication Publication Date Title
US10713957B2 (en) Efficient VTOL resource management in an aviation transport network
Jiang et al. Reinforcement learning approach for coordinated passenger inflow control of urban rail transit in peak hours
Niu et al. Optimizing urban rail timetable under time-dependent demand and oversaturated conditions
Zhang et al. Optimizing minimum and maximum green time settings for traffic actuated control at isolated intersections
CN110866649A (zh) 一种短期地铁客流预测方法、系统及电子设备
CN109272157A (zh) 一种基于门控神经网络的高速公路交通流参数预测方法及系统
CN107194491A (zh) 一种基于公交客流和站间行程时间预测的动态调度方法
CN112070355A (zh) 一种机场摆渡车的分配调度方法
CN110222972B (zh) 一种基于数据驱动的城市轨道交通路网协同限流方法
CN112200372A (zh) 一种大型空港枢纽陆侧综合交通优化乘客分担率计算及乘客引导方法
CN110555990A (zh) 一种基于lstm神经网络的有效停车时空资源预测方法
CN112381260B (zh) 基于进站比例的城市轨道交通客流管控优化方法
CN113780808B (zh) 基于柔性公交接驳系统线的车辆服务属性决策优化方法
CN114241751B (zh) 一种面向大型停车场的多出入口动静态交通协调优化方法
CN114580751B (zh) 空港到港旅客疏散时间预测方法、系统、存储介质及终端
CN113537626B (zh) 一种聚合信息差异的神经网络结合时间序列预测的方法
CN114004452A (zh) 城轨调度方法、装置、电子设备及存储介质
CN114266406A (zh) 一种基于联邦学习的大范围路网交通流状态预测方法
CN116307441B (zh) 考虑突发场景的城市轨道交通枢纽换乘设施优化配置方法
CN110222892B (zh) 乘客的下车站点预测方法及装置
CN111191843A (zh) 一种基于时序网络传播动力学方程的机场延误预测方法
CN116013059A (zh) 一种营运车辆的调度方法、装置、电子设备及存储介质
CN114330842A (zh) 一种基于两阶段优化的机场摆渡车调度方法
CN113420926A (zh) 一种城市枢纽间多交通方式运力协同优化方案编制方法
CN114463978A (zh) 一种基于轨道交通信息处理终端的数据监测方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210108