CN112700034B - 一种联程联运路径选择方法、装置、设备及可读存储介质 - Google Patents
一种联程联运路径选择方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112700034B CN112700034B CN202011506157.3A CN202011506157A CN112700034B CN 112700034 B CN112700034 B CN 112700034B CN 202011506157 A CN202011506157 A CN 202011506157A CN 112700034 B CN112700034 B CN 112700034B
- Authority
- CN
- China
- Prior art keywords
- passenger
- formula
- time
- constructing
- intermodal
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010187 selection method Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 73
- 238000012546 transfer Methods 0.000 claims description 58
- 239000003016 pheromone Substances 0.000 claims description 27
- 241000257303 Hymenoptera Species 0.000 claims description 22
- 230000007704 transition Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 230000035945 sensitivity Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 208000027418 Wounds and injury Diseases 0.000 claims description 3
- 230000006378 damage Effects 0.000 claims description 3
- 208000014674 injury Diseases 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000005314 correlation function Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000011160 research Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (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
本发明提供了一种联程联运路径选择方法、装置、设备及可读存储介质，所述方法包括：构建综合运输体系的三维时‑空‑状态网络系统；依据所述三维时‑空‑状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果。本发明是通过考虑旅客总成本以及总旅行时间满意度的一种路径选择方法，对于指导各运输体系加强联动，提高运输组合优势具有参考意义。
Description
技术领域
本发明涉及综合交通运输系统技术领域，具体而言，涉及一种联程联运路径选择方法、装置、设备及可读存储介质。
背景技术
联程联运作为综合运输服务体系的重要组成部分，能够充分发挥多种运输方式的比较优势，提高综合运输的组合效能，是现代化综合交通运输体系建设的重要切入点。“无缝衔接”的出行服务已成为综合交通运输体系建设全新的发展趋势，而旅客联程联运则是提升运输方式供给能力、综合运输组合效率和旅客出行体验最为有效的途径。
旅客联程联运是指以旅客运输为主体，综合考虑多种交通运输方式的组合。为更充分发挥各种运输方式的比较优势和组合效率，提升运输服务供给能力和质量，改进旅客出行体验，更好地满足旅客多样化出行需求，可通过一种考虑旅客运输需求的联程联运路径选择方法。
目前，国内外对于货物运输的联程联运，在联运模型、算法等方面已经形成了较为全面的系统性研究；对于旅客联程也在运输组织理论、城市轨道交通和公交系统协调运输组织方面取得了一定研究进展。
目前，针对旅客联程联缺乏定性的、系统的研究，既有的研究成果集中在对于货物运输的联运路径优化方面，对于旅客运输方面具有很大的研究提升空间。现有的联程联运方法具有以下弊端：
（1）目前，我国综合交通运输系统各种交通方式自成体系，没有相对的联动机制；
（2）现有研究中，联程联运路径优化多以货物联运优化为主，缺少以旅客视角做考虑的联程联运研究；
（3）对于各类联运路径组合优化问题，大多缺少对综合运输网络的可视化描述；
（4）常规的联程联运路径优化模型多以单目标优化为主。
综上所述，现有研究在旅客运输方面缺乏系统研究，而旅客运输又是综合运输的一大主体服务对象，对于我国综合交通运输系统各种交通方式自成体系的弊端，使得综合交通运输的巨大潜能未能得到充分释放，而通过对旅客运输联程联运路径选择的研究，能够充分分析旅客对运输方式组合选择的特性，对于如何有效各运输方式的组合效能具有深远的研究意义。
发明内容
本发明的目的在于提供一种联程联运路径选择方法、装置、设备及可读存储介质，以改善上述问题。
为了实现上述目的，本申请实施例提供了如下技术方案：
一方面，本申请实施例提供了一种联程联运路径选择方法，所述方法包括：构建综合运输体系的三维时-空-状态网络系统；依据所述三维时-空-状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果。
可选地，所述构建综合运输体系的三维时-空-状态网络系统，包括：
基于旅客所在线路中的节点和时间，构建联程联运二维时空网络；
在所述二维时空网络中引入联运交通方式的改变作为状态变化；
设置所述状态变化的表达与传递，得到三维时-空-状态网络系统。
可选地，所述构建旅客运输成本函数公式，包括：构建公路运输方式的旅客出行花费公式，公式为：
（1）
公式（1）中：
：为客车车型运价（含2%的旅客身体伤害赔偿责任保障金）；：表示旅客计费旅程（营运线路公路里程+城市市区里程）；：表示旅客站务费；：表示车辆通行费；：表示燃油附加费；：表示其他法定费用；
构建铁路运输方式的旅客出行花费公式，公式为：
（2）
公式（2）中：
：为基本票价；：表示为计价里程；
构建水路运输方式的旅客出行花费公式，公式为：
（3）
公式（3）中：
：为水运航线基价；：为指导价浮动幅度；
构建航空运输方式的旅客出行花费公式，公式为：
（4）
公式（4）中：
：为航班票价；：为燃油附加费；：为机场建设费；
构建旅客出行的换乘花费公式：
（5）
公式（5）中：表示换乘过程所对应的成本；
构建换乘弧表达公式：
（6）
公式（6）中：
表示弧为运输弧，表示弧为换乘弧；
则所述旅客运输成本函数公式为：
（7）
公式（7）中：
：表示弧段上的旅客运输花费；：用来判断弧段的性质，是处于物理运输弧还是换乘弧。
可选地，所述构建旅客总旅行时间满意度函数公式，包括：
采用离散型时间满意度函数进行刻画，得出对时间敏感性不同的旅客时间满意度函数，满意度函数公式如下：
（8）
公式（8）中：表示旅客起点到达终点总的旅行时间；表示旅客时间满意度的敏感度；表示旅客对总旅行时间感到绝对满意的临界时刻；表示旅客对总旅行时间无法接受的起始时刻，之后旅客的满意度一直为0；
则所述旅客总旅行时间满意度函数公式为：
（9）。
可选地，所述构建旅客等待时间惩罚函数公式，包括：
（10）
公式（10）中：
（11）
表示换乘节点的等待时间惩罚；表示不同类型的旅客在节点处的等待时间惩罚系数，其中为A，B，C 3类旅客类型；为一个很大的数值，表示节点处交通方式的发车时刻在旅客可接受等待时间之后或是在旅客换乘时间内，则给予最大的惩罚，使其在节点等待下一车次或考虑换乘另一种交通方式。
可选地，所述基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型，包括：
构建旅行总成本函数公式：
（12）
联立旅客总成本、旅客总旅行时间满意度函数公式：
（13）
构建联程联运路径选择数学模型公式：
（14）
公式（14）中：为各相关函数权重值；
（15）
公式（14）表示为：旅行总成本与旅客时间满意度的处理的函数关系式；
所述联程联运路径选择模型包括如下约束条件：
旅客最多换乘2次的约束条件公式：
（16）
旅客均能在起点搭乘任一交通工具出发的约束条件公式：
（17）
公式（17）中，；
旅客能搭乘任一交通工具到达终点的约束条件公式：
（18）
公式（18）中，。
变量约束条件公式：
（19）
公式（19）中，，其中：表示表示弧为运输弧，表示弧为换乘弧。
可选地，所述对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果,包括：
将起点城市、所有中间节点城市以及终点城市按照顺序编号，对于中间节点城市将其虚拟为城市集合；
初始化算法参数，开始时每条边的信息素量都相等；
配置禁忌表，将只蚂蚁全部放置在起始城市中，每一只蚂蚁配置一个禁忌表，将起始城市编号写入禁忌表中；
计算转移概率，取第1只蚂蚁，计算其转移概率，将已选择的下一个虚拟城市编号记入蚂蚁的禁忌表中；
禁忌表判断，判断蚂蚁禁忌表中是否包含同一个虚拟城市集合内的两个虚拟城市编号，若是，则记蚂蚁到达该节点城市的时刻为T，在进行中转的运输方式时刻表中选择一个发车时刻：T’>T并且与T最为接近，将T’作为蚂蚁在该节点城市的出发时刻，进行下一个到达城市节点选择；
蚂蚁探索，重复计算转移概率到禁忌表判断步骤，直到蚂蚁到达终点城市，该蚂蚁完成探索；
重复计算转移概率到蚂蚁探索步骤，直至只蚂蚁全部探索完毕；
进行路径信息素的更新；
蚂蚁禁忌表中所记录的即为本次联程联运迭代路径，更新当前最优路径，清空所有蚂蚁的禁忌表，迭代次数iter=iter+1；
判断是否达到预定的最大迭代次数，或者是否出现停滞现象，若是，计算结束，输出当前最优路径，否则转配置禁忌表步骤，继续进行下一次迭代；
计算结束，输出最优路径。
第二方面，本申请实施例提供了一种联程联运路径选择装置，所述装置包括：第一构建模块、第二构建模块、第三构建模块、路径选择模块；第一构建模块，用于构建综合运输体系的三维时-空-状态网络系统；第二构建模块，用于依据所述三维时-空-状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；第三构建模块，用于基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；路径选择模块，用于对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果。
第三方面，本申请实施例提供了一种联程联运路径选择设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述联程联运路径选择方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述联程联运路径选择方法的步骤。
本发明的有益效果为：
1、本发明是通过考虑旅客总成本以及总旅行时间满意度的一种路径选择方法，对于指导各运输体系加强联动，提高运输组合优势具有参考意义。建模过程方便简单、建模标准统一，方法计算效率高，方法真实可靠，方法考虑因素全面，具有很好的操作性、通用性和可重用性。
2、本发明在构建三维时空网络模型时，考虑了旅客在换乘不同运输方式的约束，体现了三维时空网络对换乘过程的可视化性。在模型的设计上，依据联程联运路径选择模型的特点对各子模型板块进行分步分析，确保模型的逻辑性和正确性，对算法的改进能够很好的找到多目标规划的解集。
3、本发明通过构建综合运输网下的三维时-空-状态网络，简化联程联运中转节点时间与成本的复杂问题，建立旅客总成本最小以及总旅行时间满意度最大的多目标优化模型；通过对蚁群算法节点转移规则的改进，使联程联运路径选择具有旅客运输的要求，进而优化路径选择方案；本发明对于指导各交通方式依据旅客选择行为而制定相应的运输组织方案具有参考意义。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明
的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中所述的一种联程联运路径选择方法流程示意图；
图2是本发明实施例中所述的二维时-空联运网络图；
图3是本发明实施例中所述的最短路的二维时-空网络图；
图4是本发明实施例中所述三维时-空-状态网络图；
图5是本发明实施例中所述的3类旅客时间满意度函数图示意图；
图6是本发明实施例中所述的换乘节点等待时间惩罚函数示意图；
图7是本发明实施例中所述的一种联程联运路径选择装置结构示意图；
图8是本发明实施例中所述的一种联程联运路径选择设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的
本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了一种联程联运路径选择方法，该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1.构建综合运输体系的三维时-空-状态网络系统；
步骤S2.依据所述三维时-空-状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；
步骤S3.基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；
步骤S4.对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果。
在本公开的一种具体实施方式中，所述步骤S1，还可以包括步骤S11、步骤S12和步骤S13。
步骤S11.基于旅客所在线路中的节点和时间，构建联程联运二维时空网络，具体为：
在联运时空网络中，任一交通站点称为节点，节点间的路径称为弧，运输的路径称为物理弧，在城市节点间换乘的路径称为换乘弧，令表示网络中弧的集合。考虑综合运输体系，令物理节点和
分别代表旅客的起始、终到站；建立节点集合（1…n）表示各交通方式的车站，和表示线路中任意节点，即，各节点均在城市内部，且旅客换乘行为在城市内部节点间进行；表示时间集合，；集合表示各种交通方式，（），其中=公，=铁，=水，=空。
本实施例构建一条包含4个节点的简易二维时-空联运网络图，如附图2所示；图中节点2，3内存在两种运输方式，在城市内部车站进行换乘时，旅客可以任意选择其中的运输方式，寻找最优的出行路径。
在联运时空网络中，将时间划分为均等的、具有相同的时间长度的间隔，则旅客出行最短路的二维时-空网络图，如附图3所示，假设当前多式联运路径为：。
步骤S12.在所述二维时空网络中引入联运交通方式的改变作为状态变化，具体为：
本实施例提出的TST网络，是在二维时空网络的基础上，引入状态的概念，刻画联程运输对时空资源占用的方法。本实施例将采用连续的TST网络对旅客多式联运的路径选择问题进行处理。定义参数表示任意时刻旅客乘坐某交通工具的运输状态，当旅客乘坐的联运交通工具发生改变时，运输状态也随之变化。运输状态是一个集合，表示为，其顺序是网络中各运输方式按照固定顺序的排列，且根据旅客当前的乘坐状态，将各运输方式表示为0-1变量。
步骤S13.设置所述状态变化的表达与传递，得到三维时-空-状态网络系统，具体为：
本实施例以网络中存在四种运输方式为例，设其固顺序为公路、铁路、水运、航空，此时根据各运输方式当前时刻是否被旅客选择来
表达运输状态，且各种运输状态之间可以互相转换，如表示当前时刻旅客乘坐的是公路客车，表示当前时刻旅客乘坐的是铁路列车，由到的状态转换表示随着时间的变化，旅客由公路运输换乘为铁路运输，运输状态在网络中能够互相传递。
设定运输状态只在换乘弧上发生改变，如附图 3 所示，在物理弧上运输状态不发生改变。将运输状态引入时空网络后，二维时空网络由此转变为三维时空状态网络。在TST网络中，每个节点可表示为，则表示为弧的三维网络表达式，三维时-空-状态网络图，如附图4所示。
在本公开的一种具体实施方式中，所述步骤S2，还可以包括步骤S21、步骤S22和步骤S23。
步骤S21.构建旅客运输成本函数公式，包括：
步骤S211.构建公路运输方式的旅客出行花费公式，公式为：
（1）
公式（1）中：
：为客车车型运价，含2%的旅客身体伤害赔偿责任保障金；：表示旅客计费旅程，为营运线路公路里程+城市市区里程；：表示旅客站务费；：表示车辆通行费；：表示燃油附加费；：表示其他法定费用；
步骤S212.构建铁路运输方式的旅客出行花费公式，公式为：
（2）
公式（2）中：
：为基本票价；：表示为计价里程；
步骤S213.构建水路运输方式的旅客出行花费公式，公式为：
（3）
公式（3）中：
：为水运航线基价；：为指导价浮动幅度；
步骤S214.构建航空运输方式的旅客出行花费公式，公式为：
（4）
公式（4）中：
：为航班票价；：为燃油附加费；：为机场建设费；
步骤S215.构建旅客出行的换乘花费公式：
（5）
公式（5）中：表示换乘过程所对应的成本；
步骤S216.构建换乘弧表达公式：
（6）
公式（6）中：
表示弧为运输弧，表示弧为换乘弧；
步骤S217.则所述旅客运输成本函数公式为：
（7）
公式（7）中：
：表示弧段上的旅客运输花费；：用来判断弧段的性质，是处于物理运输弧还是换乘弧。
步骤S22.所述构建旅客总旅行时间满意度函数公式，包括：
步骤S221.使用模糊理论对时间进行模糊化处理：定义旅客时间满意度函数（y轴）为旅客换乘时间（x轴）的模糊隶属度函数，并令隶属度为1；
步骤S222.由于不同出行需求的旅客对时间的敏感性有着不同的要求，因此，本实施例将旅客划分为对总旅行时间有高度要求的商务类旅客(PA)，对总旅行时间有一般要求的学生类旅客(PB)以及对总旅行时间没有太大要求的务工类旅客(PC)，用集合表示旅客的类型，三类旅客可表示为；
步骤S223.构建换乘时间满意度公式：采用离散型时间满意度函数进行刻画，由此得出3类旅客时间满意度函数图示意图，如附图5所示，表示不同类型旅客的时间满意度的敏感度，则3类旅客的敏感度分别表示为：。当时，旅客的满意度与总旅行时间呈现线性关系；当时，函数为凹函数，满意度随时间发生较大变化，表明旅客对时间较为敏感；当时，函数为凸函数，满意度随时间变化缓慢，表明旅客对时间的敏感性较低。满意度函数公式如下：
（8）
公式（8）中：表示旅客起点到达终点总的旅行时间；表示旅客时间满意度的敏感度；表示旅客对总旅行时间感到绝对满意的
临界时刻；表示旅客对总旅行时间无法接受的起始时刻，之后旅客的满意度一直为0；
步骤S224.则旅客总旅行时间满意度函数公式为：
（9）
步骤S23.所述构建旅客等待时间惩罚函数公式，包括：
步骤S231.等待时间定义：
当旅客在某一城市内部需要进行换乘时，由于各交通工具有固定的运输班次，因此需要考虑旅客进行换乘时所付出的等待时间。当等待时间超过某一固定数值时，可能会导致旅客的心理状态发生变化，使旅客选择换乘另一种交通工具，由此可能会增加旅客的总运输成本。鉴于此，本实施例引入时间惩罚成本函数，确保旅客能够选择最优的换乘方案，换乘节点等待时间惩罚函数示意图，如附图6所示。
步骤S232.构建旅客等待时间惩罚函数公式：
（10）
（11）
公式（11）中：
表示换乘节点的等待时间惩罚；
表示不同类型的旅客在节点处的等待时间惩罚系数，其中为A，B，C 3类旅客类型；为一个很大的数值，表示节点处交通方式的发车时刻在旅客可接受等待时间之后或是在旅客换乘时间内，则给予最大的惩罚，使其在节点等待下一车次或考虑换乘另一种交通方式。
因不同类型的旅客对时间敏感度不一致，因此不同类型的旅客时间惩罚系数值不同，定义对时间有高度要求的旅客的惩罚系数大于对时间敏感度较低的惩罚系数。为一个很大的数，即旅客在可接受换成时间窗前到达，则给予最大的惩罚，使其考虑换乘另一种交通方式。
步骤S3.基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型，包括：
步骤S31.构建旅行总成本函数公式：
（12）步骤S32.联立旅客总成本、旅客总旅行时间满意度函数公式：
（13）步骤S33.构建联程联运路径选择数学模型公式：
本发明在三维时−空−状态网络中进行综合运输系统的路径分析，以旅客总成本最小以及总旅行时间满意度最大为研究目标。其中，运输总成本包含物理弧上的运输成本与换乘弧上的换乘成本；运输总时间包含运输时间、换乘与等待时间。为实现联运总费用最小化，令费用与运输时间成正比，对运输成本函数、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式进行整理，得出最终数学模型为：
（14）
公式（14）中，为各相关函数权重值；
（15）
公式（14）表示为：旅行总成本与旅客总旅行时间满意度的处理的函数关系式。
步骤S34.构建数学模型约束条件，包括：
步骤S341.构建旅客最多换乘2次的约束条件公式：
（16）
步骤S342.构建旅客均能在起点搭乘任一交通工具出发的约束条件公式：
（17）
公式（17）中，；
步骤S343.构建旅客能搭乘任一交通工具到达终点的约束条件公式：
（18）
公式（18）中，。
步骤S344.构建变量约束条件公式：
（19）
公式（19）中，，其中：表示表示弧为运输弧，表示弧为换乘弧。
在本公开的一种具体实施方式中，所述步骤S4，还可以包括步骤S41、步骤S42、步骤S43和步骤S44。
步骤S41.蚁群算法解代码设计：
对于联程联运问题，所求解即为运输路径与交通方式的组合。由此，本模型中解的设计如下：令所有蚂蚁从起点城市出发，并将蚂蚁遍历城市按照顺序编号（为起点城市，为终点城市）；对每只蚂蚁设置相应的禁忌表和可行表，禁忌表用于存储蚂蚁遍历过的
城市以及搭乘的交通工具，且蚂蚁不能再次遍历禁忌表中的城市；可行表则用于存储蚂蚁待访问的城市以及可供选择的交通运输工具。当蚂蚁到达终点城市时，禁忌表中蚂蚁所遍历城市与搭乘交通工具的组合即为模型的解，如：；
步骤S42.节点转移规则定义；
对于节点转移的选择，蚂蚁会依据两城市间路径上信息素的量进行判断。蚁群算法中计算路径转移的概率为：
（20）
公式（20）中，表示时刻在节点处的蚂蚁转移到节点的概率；
在本模型中，除路径上原有的信息素对蚂蚁产生的影响外，换乘运输成本和换乘时间也将对节点转移概率产生影响，因此，本实施例对节点转移选择概率公式中引入换乘成本与时间权重，则重新定义路径转移概率为：
（21）
公式（21）中，表示蚂蚁下一步的可选城市节点集合;表示蚂蚁的禁忌表;将已选择的下一个虚拟城市编号记入蚂蚁的禁忌表中；为旅行时间满意度权重。
步骤S43.信息素更新规则；
本实施例参考Ant cycle 模型中采用全局信息更新信息素的策略以及最大最小蚂蚁系统（MMAS）中对每条路径设置限制的信息素值而避免搜索停滞的优势，结合模型目标作为路径信息素更新量的依据。设定蚂蚁在时刻到达终点，则节点间路径上信息素浓度的更新由以下公式确定。
（22）
（23）
（24）
公式（22）表示为时刻城市与城市之间的信息素量；公式（23）为到时刻城市与城市之间信息素的增加量；公式（24）为第只蚂蚁在到时刻经过城市与城市的信息素增加量，其中，Q表示信息素常数，表示蚂蚁本次探索路径的目标值；表示信息素挥发系数。
步骤S44.蚁群算法实现步骤；
步骤S441.将起点城市、所有中间节点城市以及终点城市按照顺序编号，对于中间节点城市将其虚拟为城市集合，具体为：将起点城市、所有中间节点城市以及终点城市按照顺序编号的方法记为O，1，2，…，D；对于中间节点城市，依据联程联运所包含运输方式种类将其虚拟为城市集合，虚拟编号如（、……）所示；令所有节点城市集合为N；
步骤S442.初始化算法参数，开始时每条边的信息素量都相等，具体为：开始时每条边的信息素量都相等，即 ,，表示边上的信息素量，表示本次迭代边上的信息素增量；
表示城市编号，；当前迭代次数，最大迭代次数为。
步骤S443.配置禁忌表，将只蚂蚁全部放置在起始城市中，每一只蚂蚁配置一个禁忌表，将起始城市编号1写入禁忌表中；
步骤S444.计算转移概率，取第1只蚂蚁计算其转移概率，将已选择的下一个虚拟城市编号记入蚂蚁的禁忌表中,具体为：
取第1只蚂蚁，依据计算其转移概率：
（25）
公式（25）中:表示蚂蚁下一步的可选城市节点集合，表示蚂蚁的禁忌表，表示启发式函数信息素和启发式信息重要度的参数；将已选择的下一个虚拟城市编号记入蚂蚁的禁忌表中；
步骤S445.禁忌表判断，判断蚂蚁禁忌表中是否包含同一个虚拟城市集合内的两个虚拟城市编号，若是，则表示在该节点城市进行中转，记蚂蚁到达该节点城市的时刻为T，在进行中转的运输方式时刻表中选择一个发车时刻：T’>T并且与T最为接近，将T’作为蚂蚁在该节点城市的出发时刻，进行下一个到达城市节点选择；
步骤S446.蚂蚁探索，重复步骤S414到步骤S415，直到蚂蚁到达终点城市，该蚂蚁完成探索；
步骤S447.重复步骤S414到步骤S416，直至只蚂蚁全部探索完毕；
步骤S448.进行路径信息素的更新,具体为：
在t+n时刻所有蚂蚁全部完成探索，首先计算蚂蚁r的探索路径上各条边的信息素增加量：
之后计算每条边上的总的信息素增加量： ；
最后计算每条边上现阶段信息素持有量：。
步骤S449.蚂蚁禁忌表中所记录的即为本次联程联运迭代路径，更新当前最优路径，清空所有蚂蚁的禁忌表，迭代次数iter=iter+1；
步骤S450.判断是否达到预定的最大迭代次数，或者是否出现停滞现象，若是，计算结束，输出当前最优路径，否则转配置禁忌表步骤，继续进行下一次迭代；
步骤S451.计算结束，输出最优路径。
实施例2
如图2所示，本实施例提供了一种联程联运路径选择装置，所述系统包括第一构建模块701、第二构建模块702、第三构建模块703和路径选择模块704。
第一构建模块701，用于构建综合运输体系的三维时-空-状态网络系统；
第二构建模块702，用于依据所述三维时-空-状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；
第三构建模块703，用于基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；
路径选择模块704，用于对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了一种联程联运路径选择设备，下文描述的一种联程联运路径选择设备与上文描述的一种联程联运路径选择方法可相互对应参照。
图8是根据一示例性实施例示出的一种联程联运路径选择设备800的框图。如图8所示，该电子设备800可以包括：处理器801，存储器802。该电子设备800还可以包括多媒体组件803，输入/输出(I/O)接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该电子设备800的整体操作，以完成上述的联程联运路径选择方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备800的操作，这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearFieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的联程联运路径选择方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的联程联运路径选择方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由电子设备800的处理器801执行以完成上述的联程联运路径选择方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种联程联运路径选择方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的联程联运路径选择方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述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。
Claims (8)
1.一种联程联运路径选择方法，其特征在于，包括：
构建综合运输体系的三维时-空-状态网络系统；
依据所述三维时-空-状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；
基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；
对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果；
其中，所述构建综合运输体系的三维时-空-状态网络系统，包括：
基于旅客所在线路中的节点和时间，构建联程联运二维时空网络；
在所述二维时空网络中引入联运交通方式的改变作为状态变化；
设置所述状态变化的表达与传递，得到三维时-空-状态网络系统；
其中，所述对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果,包括：
将起点城市、所有中间节点城市以及终点城市按照顺序编号，对于中间节点城市将其虚拟为城市集合；
初始化算法参数，开始时每条边的信息素量都相等；
配置禁忌表，将只蚂蚁全部放置在起始城市中，每一只蚂蚁配置一个禁忌表，将起始城市编号写入禁忌表中；
计算转移概率，取第1只蚂蚁，计算其转移概率，将已选择的下一个虚拟城市编号记入蚂蚁的禁忌表中；
禁忌表判断，判断蚂蚁禁忌表中是否包含同一个虚拟城市集合内的两个虚拟城市编号，若是，则记蚂蚁到达该节点城市的时刻为T，在进行中转的运输方式时刻表中选择一个发车时刻：T’>T并且与T最为接近，将T’作为蚂蚁在该节点城市的出发时刻，进行下一个到达城市节点选择；
蚂蚁探索，重复计算转移概率到禁忌表判断步骤，直到蚂蚁到达终点城市，该蚂蚁完成探索；
重复计算转移概率到蚂蚁探索步骤，直至只蚂蚁全部探索完毕；
进行路径信息素的更新；
蚂蚁禁忌表中所记录的即为本次联程联运迭代路径，更新当前最优路径，清空所有蚂蚁的禁忌表，迭代次数iter=iter+1；
判断是否达到预定的最大迭代次数，或者是否出现停滞现象，若是，计算结束，输出当前最优路径，否则转配置禁忌表步骤，继续进行下一次迭代；
计算结束，输出最优路径。
2.根据权利要求1所述的联程联运路径选择方法，其特征在于，所述构建旅客运输成本函数公式，包括：
构建公路运输方式的旅客出行花费公式，公式为：
（1）
公式（1）中：
：为客车车型运价，含2%的旅客身体伤害赔偿责任保障金；：表示旅客计费旅程，为营运线路公路里程+城市市区里程；：表示旅客站务费；：表示车辆通行费；：表示燃油附加费；：表示其他法定费用；i和j表示线路中任意的一个节点； t ,s∈T ，T表示时间集合，χ和χ'均表示任意时刻旅客乘坐某交通工具的运输状态
构建铁路运输方式的旅客出行花费公式，公式为：
（2）
公式（2）中：
：为基本票价；：表示为计价里程；
构建水路运输方式的旅客出行花费公式，公式为：
（3）
公式（3）中：
：为水运航线基价；：为指导价浮动幅度；
构建航空运输方式的旅客出行花费公式，公式为：
（4）
公式（4）中：
：为航班票价；：为燃油附加费；：为机场建设费；
构建旅客出行的换乘花费公式：
（5）
公式（5）中：表示换乘过程所对应的成本；
构建换乘弧表达公式：
（6）
公式（6）中：
表示弧为运输弧，表示弧为换乘弧；
则所述旅客运输成本函数公式为：
（7）
公式（7）中：
：表示弧段上的旅客运输花费；：用来判断弧段的性质，是处于物理运输弧还是换乘弧。
3.根据权利要求1所述的联程联运路径选择方法，其特征在于，所述构建旅客总旅行时间满意度函数公式，包括：
采用离散型时间满意度函数进行刻画，得出对时间敏感性不同的旅客时间满意度函数，满意度函数公式如下：
（8）
公式（8）中：表示旅客起点到达终点总的旅行时间；表示旅客时间满意度的敏感度；表示旅客对总旅行时间感到绝对满意的临界时刻；表示旅客对总旅行时间无法接受的起始时刻，之后旅客的满意度一直为0；
则所述旅客总旅行时间满意度函数公式为：
（9）。
4.根据权利要求1所述的联程联运路径选择方法，其特征在于，所述构建旅客等待时间惩罚函数公式，包括：
（10）
公式（10）中：
（11）
表示换乘节点的等待时间惩罚；表示不同类型的旅客在节点处的等待时间惩罚系数，其中为A，B，C 3类旅客类型；为一个很大的数值，表示节点处交通方式的发车时刻在旅客可接受等待时间之后或是在旅客换乘时间内，则给予最大的惩罚，使其在节点等待下一车次或考虑换乘另一种交通方式；为列车在i站的到达时间；为换乘时间；为乘客最佳等待时间；为乘客可接受等待时间；为列车在j站发车时刻。
5.根据权利要求1所述的联程联运路径选择方法，其特征在于，所述基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型，包括：
构建旅行总成本函数公式：
（12）
联立旅客总成本、旅客总旅行时间满意度函数公式：
（13）
构建联程联运路径选择数学模型公式：
（14）
公式（14）中：为各相关函数权重值；
（15）
公式（14）表示为：旅行总成本与旅客总旅行时间满意度的处理的函数关系式；
所述联程联运路径选择模型包括如下约束条件：
旅客最多换乘2次的约束条件公式：
（16）
旅客均能在起点搭乘任一交通工具出发的约束条件公式：
（17）
公式（17）中，；O为物理节点代表旅客的起始站; N为节点集合表示各交通方式的车站；
旅客能搭乘任一交通工具到达终点的约束条件公式：
（18）
公式（18）中，；D为物理节点代表旅客的终到站；
变量约束条件公式：
（19）
公式（19）中，，K表示各种交通方式集合；其中：表示表示弧为运输弧，表示弧为换乘弧。
6.一种联程联运路径选择装置，其特征在于，包括：
第一构建模块，用于构建综合运输体系的三维时-空-状态网络系统；
第二构建模块，用于依据所述三维时-空-状态网络系统构建旅客运输成本函数公式、旅客总旅行时间满意度函数公式以及旅客等待时间惩罚函数公式；
第三构建模块，用于基于上述函数公式，以旅客总成本最小以及总旅行时间满意度最大为目标，构建联程联运路径选择模型；
路径选择模块，用于对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果；
其中，所述构建综合运输体系的三维时-空-状态网络系统，包括：
基于旅客所在线路中的节点和时间，构建联程联运二维时空网络；
在所述二维时空网络中引入联运交通方式的改变作为状态变化；
设置所述状态变化的表达与传递，得到三维时-空-状态网络系统；
其中，所述对所述联程联运路径选择模型进行求解，得到联程联运路径选择结果,包括：
将起点城市、所有中间节点城市以及终点城市按照顺序编号，对于中间节点城市将其虚拟为城市集合；
初始化算法参数，开始时每条边的信息素量都相等；
配置禁忌表，将只蚂蚁全部放置在起始城市中，每一只蚂蚁配置一个禁忌表，将起始城市编号写入禁忌表中；
计算转移概率，取第1只蚂蚁，计算其转移概率，将已选择的下一个虚拟城市编号记入蚂蚁的禁忌表中；
禁忌表判断，判断蚂蚁禁忌表中是否包含同一个虚拟城市集合内的两个虚拟城市编号，若是，则记蚂蚁到达该节点城市的时刻为T，在进行中转的运输方式时刻表中选择一个发车时刻：T’>T并且与T最为接近，将T’作为蚂蚁在该节点城市的出发时刻，进行下一个到达城市节点选择；
蚂蚁探索，重复计算转移概率到禁忌表判断步骤，直到蚂蚁到达终点城市，该蚂蚁完成探索；
重复计算转移概率到蚂蚁探索步骤，直至只蚂蚁全部探索完毕；
进行路径信息素的更新；
蚂蚁禁忌表中所记录的即为本次联程联运迭代路径，更新当前最优路径，清空所有蚂蚁的禁忌表，迭代次数iter=iter+1；
判断是否达到预定的最大迭代次数，或者是否出现停滞现象，若是，计算结束，输出当前最优路径，否则转配置禁忌表步骤，继续进行下一次迭代；
计算结束，输出最优路径。
7.一种联程联运路径选择设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述联程联运路径选择方法的步骤。
8.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述联程联运路径选择方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011506157.3A CN112700034B (zh) | 2020-12-18 | 2020-12-18 | 一种联程联运路径选择方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011506157.3A CN112700034B (zh) | 2020-12-18 | 2020-12-18 | 一种联程联运路径选择方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112700034A CN112700034A (zh) | 2021-04-23 |
| CN112700034B true CN112700034B (zh) | 2023-05-16 |
Family
ID=75507376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011506157.3A Active CN112700034B (zh) | 2020-12-18 | 2020-12-18 | 一种联程联运路径选择方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112700034B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113743987A (zh) * | 2021-08-25 | 2021-12-03 | 东南大学 | 基于空铁联程的客运方式班次及票价制定方法 |
| CN114923497B (zh) * | 2022-04-21 | 2023-07-21 | 西南交通大学 | 一种铁路出行的路径规划方法、装置、设备及存储介质 |
| CN115098798A (zh) * | 2022-06-09 | 2022-09-23 | 福州大学 | 融合地图数据的多元交通流城市空间组织模式识别方法 |
| CN115032997B (zh) * | 2022-06-22 | 2023-04-07 | 江南大学 | 一种基于蚁群算法的第四方物流运输路径规划方法 |
| CN117010778B (zh) * | 2023-10-07 | 2023-12-15 | 北京索云科技股份有限公司 | 一种基于多式联运的数据管理方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399464A (zh) * | 2017-09-27 | 2018-08-14 | 圆通速递有限公司 | 一种多式联运路径优化方法和系统 |
| CN111160731A (zh) * | 2019-12-13 | 2020-05-15 | 东南大学 | 一种基于旅客感知的空铁联程服务综合评价方法 |
| CN111340673A (zh) * | 2020-01-09 | 2020-06-26 | 北京航空航天大学 | 一种基于空铁耦合网络的出行耗时计算方法 |
| CN111401614A (zh) * | 2020-03-09 | 2020-07-10 | 西南交通大学 | 一种城市轨道交通动态客流分配方法及系统 |
| CN111626477A (zh) * | 2020-04-29 | 2020-09-04 | 河海大学 | 一种考虑不确定条件的多式联运路径优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190392368A1 (en) * | 2018-06-23 | 2019-12-26 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Scheduling Multiple Modes of Transport |
-
2020
- 2020-12-18 CN CN202011506157.3A patent/CN112700034B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399464A (zh) * | 2017-09-27 | 2018-08-14 | 圆通速递有限公司 | 一种多式联运路径优化方法和系统 |
| CN111160731A (zh) * | 2019-12-13 | 2020-05-15 | 东南大学 | 一种基于旅客感知的空铁联程服务综合评价方法 |
| CN111340673A (zh) * | 2020-01-09 | 2020-06-26 | 北京航空航天大学 | 一种基于空铁耦合网络的出行耗时计算方法 |
| CN111401614A (zh) * | 2020-03-09 | 2020-07-10 | 西南交通大学 | 一种城市轨道交通动态客流分配方法及系统 |
| CN111626477A (zh) * | 2020-04-29 | 2020-09-04 | 河海大学 | 一种考虑不确定条件的多式联运路径优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 多式联运下运输方式与路径选择问题研究;李帅帅;《中国优秀硕士学位论文全文数据库 信息科技辑》(第02期);第I140-91页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112700034A (zh) | 2021-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112700034B (zh) | 一种联程联运路径选择方法、装置、设备及可读存储介质 | |
| Tong et al. | Customized bus service design for jointly optimizing passenger-to-vehicle assignment and vehicle routing | |
| Kim et al. | Optimal vehicle routing with real-time traffic information | |
| Chen et al. | Customized bus route design with pickup and delivery and time windows: Model, case study and comparative analysis | |
| Qin et al. | Reinforcement learning for ridesharing: An extended survey | |
| CN111428931B (zh) | 物流配送线路规划方法、装置、设备及存储介质 | |
| Wei et al. | A green demand-responsive airport shuttle service problem with time-varying speeds | |
| Gomes et al. | Sustainable Demand Responsive Transportation systems in a context of austerity: The case of a Portuguese city | |
| Asghari et al. | Environmental and social implications of incorporating carpooling service on a customized bus system | |
| Yu et al. | Optimal operations planning of electric autonomous vehicles via asynchronous learning in ride-hailing systems | |
| Wang et al. | Integrating passenger incentives to optimize routing for demand-responsive customized bus systems | |
| Dorokhova et al. | Routing of electric vehicles with intermediary charging stations: A reinforcement learning approach | |
| Futalef et al. | An online decision-making strategy for routing of electric vehicle fleets | |
| CN113379159B (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
| Nguyen | Fair cost sharing auction mechanisms in last mile ridesharing | |
| Zhou et al. | Location of transit-oriented development stations based on multimodal network equilibrium: Bi-level programming and paradoxes | |
| Sarker et al. | A data-driven reinforcement learning based multi-objective route recommendation system | |
| Koźlak et al. | Multi-agent approach to dynamic pick-up and delivery problem with uncertain knowledge about future transport demands | |
| Fu et al. | Targeted optimal-path problem for electric vehicles with connected charging stations | |
| Wang et al. | Optimization and Simulation of Carsharing under the Internet of Things | |
| Fielbaum et al. | New sources of economies and diseconomies of scale in on-demand ridepooling systems and comparison with public transport | |
| CN116485196B (zh) | 基于强化学习的服务区开放控制决策方法和系统 | |
| Halden et al. | MANAGING UNCERTAINTY IN TRANSPORT POLICY DEVELOPMENT. | |
| Djadane et al. | Dynamic vehicle routing problems under flexible time windows and fuzzy travel times | |
| Wen | Value of information in dispatching shared autonomous mobility-on-demand systems: a simulation framework |
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 |