CN113987103A - 一种面向城市综合交通网的组合出行路径搜索方法及系统 - Google Patents

一种面向城市综合交通网的组合出行路径搜索方法及系统 Download PDF

Info

Publication number
CN113987103A
CN113987103A CN202111606816.5A CN202111606816A CN113987103A CN 113987103 A CN113987103 A CN 113987103A CN 202111606816 A CN202111606816 A CN 202111606816A CN 113987103 A CN113987103 A CN 113987103A
Authority
CN
China
Prior art keywords
network
impedance
representing
time
travel
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
CN202111606816.5A
Other languages
English (en)
Other versions
CN113987103B (zh
Inventor
甘勇华
杜刚诚
覃增雄
顾宇忻
刘佳辉
林晓生
黄启乐
欧阳剑
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.)
Guangzhou Transportation Planning And Research Institute Co ltd
Original Assignee
GUANGZHOU TRANSPORT PLANNING RESEARCH INSTITUTE
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 GUANGZHOU TRANSPORT PLANNING RESEARCH INSTITUTE filed Critical GUANGZHOU TRANSPORT PLANNING RESEARCH INSTITUTE
Priority to CN202111606816.5A priority Critical patent/CN113987103B/zh
Publication of CN113987103A publication Critical patent/CN113987103A/zh
Application granted granted Critical
Publication of CN113987103B publication Critical patent/CN113987103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种面向城市综合交通网的组合出行路径搜索方法及系统，首先在地理信息系统中导入由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网，对各层次的网络分别进行拓扑化处理，将其拓扑为不可再分的节点和路段，并设定节点和路段的时间阻抗和费用阻抗，设定可行出行路径的筛选原则，根据输入起讫点的位置坐标，按照出行时间、出行费用、换乘次数共3类归类标准分别搜索组合出行路径，从而为出行者提供多元化的出行选择。本发明解决了现有组合出行路径搜索方法局限于单一交通网络、不适用于城市综合交通网的缺陷，更加符合出行即服务理念以及城市智慧交通的发展趋势和内在必然需求。

Description

一种面向城市综合交通网的组合出行路径搜索方法及系统
技术领域
本发明涉及城市智慧交通领域，该领域是新一代信息技术在城市交通规划、建设和治理中的具体应用，尤其涉及一种面向城市综合交通网的组合出行路径搜索方法及系统。
背景技术
2014年在芬兰赫尔辛基召开的欧盟智能交通系统大会提出了出行即服务理念（Mobility as a Service，简称MaaS），MaaS成为了城市智慧交通领域的热门话题，在全球范围内迅速兴起。MaaS是通过整合不同交通方式，为出行者提供组合的出行路径推荐服务和量身定制的出行套餐，从而增强出行者的幸福感。组合出行路径搜索方法作为MaaS的基础技术，越来越受到学术界和工业界的重视。
经过多年发展，目前我国大城市已逐步建成由公共交通网（含城市轨道交通网、公共汽车网、辅助性公交网）、道路交通网、慢行交通网共同构成的综合交通网络日益完善。在组合出行路径搜索方法方面，现有的出行路径搜索方法大多是针对单一的交通网路，例如：高德、百度等APP虽然在公共交通网内部实现了整合，能够搜索出地铁+公共汽车这一类组合出行路径，但未将道路网、慢行交通网和公共交通网进行整合，目前尚不能搜索出驾车+地铁、驾车+公共汽车两类组合出行路径，仅在部分区域能够搜索出骑行+地铁、骑行+公共汽车两类组合出行路径，存在一定的局限性。在组合出行路径集推荐方面，国内外学者往往用加权求和的方法，将组合出行路径的时间、费用、舒适度三大类属性综合计算为广义费用，导致出行者难以根据自身的需求直观地评判组合出行路径的优劣。
发明内容
本发明将由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网作为研究对象，涉及步行、骑行、驾车（含自驾、出租车和网约车）、城市轨道交通（含地铁、有轨电车）、公共汽车共5类出行方式，定义了可行出行路径的筛选原则，按照出行时间、出行费用、换乘次数3类分别搜索组合出行路径，从而为出行者提供多元化的出行选择。
为实现上述目的，本发明提供了一种面向城市综合交通网的组合出行路径搜索方法，包括以下步骤：
S1、对城市综合交通网进行拓扑化处理
在地理信息系统中导入由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网，这四类网络的坐标系一致，分别对其进行拓扑化处理，其中慢行交通网、道路网以交叉口作为节点，交叉口之间的道路作为路段，城市轨道交通线网、公共汽车线网以站点作为节点，站点之间的路线作为路段；
S2、设定出行方式及其运行的网络
将出行方式设定为步行、骑行、驾车、城市轨道交通、公共汽车，一次出行过程中可利用多种出行方式，其中所述驾车包含自驾车、出租车和网约车，所述城市轨道交通包含地铁、有轨电车；
各类型的出行方式运行在各自的网络上，其中步行、骑行运行在慢行交通网，驾车运行在道路网，城市轨道交通运行在城市轨道交通线网，公共汽车运行在公共汽车线网；
S3、设定不同网络之间的转换点
城市轨道交通线网、公共汽车线网能够在各自的站点处，通过换乘的方式分别转换到的城市轨道交通线网、公共汽车线网的其他线路上，也能够转换到慢行交通网或道路网；
慢行交通网、道路网能够在空间重叠处实现转换，也能够转换到与之重叠的城市轨道交通线网、公共汽车线网中的站点上；
S4、计算网络中节点和路段的阻抗
对四类网络中的节点和路段分别计算阻抗，阻抗包括时间阻抗、费用阻抗，计算不同网络之间转换点的换乘阻抗；
四类网络中的节点的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
若该节点是信号控制交叉口，则时间阻抗计算如下：
Figure 750387DEST_PATH_IMAGE001
其中， TM表示慢行交通网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示该路径在本节点的绿信比，x表示该路径在本节点的饱和度；
若该节点不是信号控制交叉口，则时间阻抗计算如下：
Figure 790018DEST_PATH_IMAGE002
其中，LM表示通过慢行交通网中该节点所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中节点的费用阻抗设为0；
（2）对于道路网
若该节点是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 31644DEST_PATH_IMAGE003
其中，TD表示道路网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示某方向的绿信比，x表示某方向的饱和度，q表示某方向的机动车流量，FD表示道路网中节点的费用阻抗，Eidle表示机动车在怠速状态下的平均能源消耗系数，P表示能源价格；
若该节点不是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 447713DEST_PATH_IMAGE004
其中，LD表示通过道路网中该节点所需要的距离，VD表示道路网的平均速度，Edriving表示机动车在行驶状态下的平均能源消耗系数；
（3）对于城市轨道交通线网
考虑站台拥挤度和乘客上下车时间计算时间阻抗，具体如下：
Figure 825605DEST_PATH_IMAGE005
其中，TR表示城市轨道交通网中节点的阻抗，T0表示基本停站时间，
Figure 298787DEST_PATH_IMAGE006
表示站台拥挤度对基本停站时间的影响系数，
Figure 762129DEST_PATH_IMAGE007
表示上下车的乘客数量对基本停站时间的影响系数，NR表示实际的上下车乘客数量，CR表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
（4）对于公共汽车线网
考虑乘客上下车时间计算时间阻抗
Figure 981889DEST_PATH_IMAGE008
其中，TB表示公共汽车线网中节点的阻抗，T1表示基本停站时间，
Figure 214287DEST_PATH_IMAGE009
表示站台拥挤度对基本停站时间的影响系数，
Figure 861300DEST_PATH_IMAGE010
表示上下车的乘客数量对基本停站时间的影响系数，NB表示实际的上下车乘客数量，CB表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
S5、设定可行路径的筛选原则
可行路径筛选原则设定如下：
（P1）任意网络中的任一路段只能被利用一次；
（P2）不同网络之间的转换次数不能超过设定的上限值Nt；
（P3）城市轨道交通线网内部不同线路之间的转换次数不能超过设定的上限值Nr；
（P4）公共汽车线网内部不同线路之间的转换次数不能超过设定的上限值Nb；
（P5）在从慢行交通网、道路网转换到城市轨道交通线网或公共汽车线网的情形下，城市轨道交通线网或公共汽车线网的出行距离与慢行交通网、道路网的出行距离的比值要大于阈值Rd；
S6、根据起讫点位置搜索路径并输出结果
根据输入的起讫点位置坐标，按照出行时间最短、出行费用最少、换乘次数最少的原则分别搜索最优出行路径，并输出结果。
优选地，步骤S4中，四类网络中的路段的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
基于平均行驶速度计算时间阻抗，具体如下：
Figure 811939DEST_PATH_IMAGE011
其中，
Figure 569810DEST_PATH_IMAGE012
表示慢行交通网中路段的时间阻抗，
Figure 922294DEST_PATH_IMAGE013
表示通过慢行交通网中该路段所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中路段的费用阻抗设为0；
（2）对于道路网
基于实时车速计算时间阻抗，基于行驶的距离计算费用阻抗，具体如下：
Figure 743138DEST_PATH_IMAGE014
其中，
Figure 181073DEST_PATH_IMAGE015
表示道路网中路段的时间阻抗，
Figure 742635DEST_PATH_IMAGE016
表示通过该路段所需要行驶的距离，
Figure 949626DEST_PATH_IMAGE017
表示道路网中路段的费用阻抗；
（3）对于城市轨道交通线网
基于运行时刻表计算时间阻抗，基于分段阶梯式的票务规则计算费用阻抗，具体如下：
Figure 938442DEST_PATH_IMAGE018
Figure 739039DEST_PATH_IMAGE019
其中，
Figure 963346DEST_PATH_IMAGE020
表示城市轨道交通线网中路段的时间阻抗，
Figure 162859DEST_PATH_IMAGE021
分别表示列车到达该路段终点和起点的时刻，
Figure 181631DEST_PATH_IMAGE022
表示城市轨道交通网中路段的费用阻抗，
Figure 469524DEST_PATH_IMAGE023
表示分段阶梯式票务规则的起步价，n表示分段阶梯式票务规则的段数，D0表示起步价的出行距离上限值，
Figure 497523DEST_PATH_IMAGE024
分别表示第i段阶梯的距离上限值和单位距离的费率，DR表示通过轨道交通线网中该路段所需的行驶距离；
（4）对于公共汽车线网
基于实时公交车速计算时间阻抗，基于单一票制的票务规则计算费用阻抗，具体如下：
Figure 554471DEST_PATH_IMAGE025
其中，
Figure 9724DEST_PATH_IMAGE026
表示公共汽车线网中路段的时间阻抗，
Figure 519333DEST_PATH_IMAGE027
表示通过公共汽车线网中该路段所需要行驶的距离，VB表示该路段的实时公交车速，
Figure 963740DEST_PATH_IMAGE028
表示公共汽车线网中路段的费用阻抗，
Figure 265408DEST_PATH_IMAGE029
表示公共汽车的单一票制价格。
优选地，S6、根据起讫点位置搜索路径并输出结果中，路径搜索方法如下：
（1）输入起讫点的位置坐标；
（2）将出行路径按照出行时间、出行费用、换乘次数三个标准归类，其中出行时间和出行费用类别均存储按照倒序排在前3的出行路径，换乘次数类别存储步行、骑行、驾车、城市轨道交通、公共汽车这5种出行方式中各自出行时间最短的出行路径；
（3）按照起讫点的位置坐标和可行路径筛选原则搜索出行路径，对于每个类别存储的出行路径，若搜索出更优的，则更新，否则不更新；
（4）若所有类别的出行路径均不更新，则输出结果。
一种面向城市综合交通网的组合出行路径搜索系统，所述搜索系统包括城市综合交通网拓扑处理模块、出行方式及其运行的网络设定模块、不同网络之间的转换点设定模块、网络中节点和路段的阻抗计算模块、可行路径筛选模块、路径搜索模块和结果显示模块；具体如下：
M1、所述城市综合交通网拓扑处理模块对城市综合交通网进行拓扑化处理
在地理信息系统中导入由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网，这四类网络的坐标系一致，分别对其进行拓扑化处理，其中慢行交通网、道路网以交叉口作为节点，交叉口之间的道路作为路段，城市轨道交通线网、公共汽车线网以站点作为节点，站点之间的路线作为路段；
M2、所述出行方式及其运行的网络设定模块设定出行方式及其运行的网络
将出行方式设定为步行、骑行、驾车、城市轨道交通、公共汽车，一次出行过程中可利用多种出行方式，其中所述驾车包含自驾车、出租车和网约车，所述城市轨道交通包含地铁、有轨电车；
各类型的出行方式运行在各自的网络上，其中步行、骑行运行在慢行交通网，驾车运行在道路网，城市轨道交通运行在城市轨道交通线网，公共汽车运行在公共汽车线网；
M3、所述不同网络之间的转换点设定模块设定不同网络之间的转换点
城市轨道交通线网、公共汽车线网能够在各自的站点处，通过换乘的方式分别转换到的城市轨道交通线网、公共汽车线网的其他线路上，也能够转换到慢行交通网或道路网；
慢行交通网、道路网能够在空间重叠处实现转换，也能够转换到与之重叠的城市轨道交通线网、公共汽车线网中的站点上；
M4、所述网络中节点和路段的阻抗计算模块计算网络中节点和路段的阻抗
对四类网络中的节点和路段分别计算阻抗，阻抗包括时间阻抗、费用阻抗，计算不同网络之间转换点的换乘阻抗；
四类网络中的节点的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
若该节点是信号控制交叉口，则时间阻抗计算如下：
Figure 766928DEST_PATH_IMAGE001
其中， TM表示慢行交通网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示该路径在本节点的绿信比，x表示该路径在本节点的饱和度；
若该节点不是信号控制交叉口，则时间阻抗计算如下：
Figure 888468DEST_PATH_IMAGE002
其中，LM表示通过慢行交通网中该节点所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中节点的费用阻抗设为0；
（2）对于道路网
若该节点是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 133635DEST_PATH_IMAGE003
其中，TD表示道路网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示某方向的绿信比，x表示某方向的饱和度，q表示某方向的机动车流量，FD表示道路网中节点的费用阻抗，Eidle表示机动车在怠速状态下的平均能源消耗系数，P表示能源价格；
若该节点不是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 289810DEST_PATH_IMAGE004
其中，LD表示通过道路网中该节点所需要的距离，VD表示道路网的平均速度，Edriving表示机动车在行驶状态下的平均能源消耗系数；
（3）对于城市轨道交通线网
考虑站台拥挤度和乘客上下车时间计算时间阻抗，具体如下：
Figure 962231DEST_PATH_IMAGE005
其中，TR表示城市轨道交通网中节点的阻抗，T0表示基本停站时间，
Figure 571067DEST_PATH_IMAGE006
表示站台拥挤度对基本停站时间的影响系数，
Figure 351417DEST_PATH_IMAGE007
表示上下车的乘客数量对基本停站时间的影响系数，NR表示实际的上下车乘客数量，CR表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
（4）对于公共汽车线网
考虑乘客上下车时间计算时间阻抗
Figure 362098DEST_PATH_IMAGE008
其中，TB表示公共汽车线网中节点的阻抗，T1表示基本停站时间，
Figure 205420DEST_PATH_IMAGE009
表示站台拥挤度对基本停站时间的影响系数，
Figure 301552DEST_PATH_IMAGE010
表示上下车的乘客数量对基本停站时间的影响系数，NB表示实际的上下车乘客数量，CB表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
M5、所述可行路径筛选模块设定可行路径的筛选原则
可行路径筛选原则设定如下：
（P1）任意网络中的任一路段只能被利用一次；
（P2）不同网络之间的转换次数不能超过设定的上限值Nt；
（P3）城市轨道交通线网内部不同线路之间的转换次数不能超过设定的上限值Nr；
（P4）公共汽车线网内部不同线路之间的转换次数不能超过设定的上限值Nb；
（P5）在从慢行交通网、道路网转换到城市轨道交通线网或公共汽车线网的情形下，城市轨道交通线网或公共汽车线网的出行距离与慢行交通网、道路网的出行距离的比值要大于阈值Rd；
M6、所述路径搜索模块根据起讫点位置搜索路径并由所述结果显示模块输出结果
根据输入的起讫点位置坐标，按照出行时间最短、出行费用最少、换乘次数最少的原则分别搜索最优出行路径，并输出结果。
优选地，M4、所述网络中节点和路段的阻抗计算模块计算网络中节点和路段的阻抗时，四类网络中的路段的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
基于平均行驶速度计算时间阻抗，具体如下：
Figure 888522DEST_PATH_IMAGE011
其中，
Figure 629076DEST_PATH_IMAGE012
表示慢行交通网中路段的时间阻抗，
Figure 767934DEST_PATH_IMAGE013
表示通过慢行交通网中该路段所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中路段的费用阻抗设为0；
（2）对于道路网
基于实时车速计算时间阻抗，基于行驶的距离计算费用阻抗，具体如下：
Figure 206220DEST_PATH_IMAGE014
其中，
Figure 721515DEST_PATH_IMAGE015
表示道路网中路段的时间阻抗，
Figure 316576DEST_PATH_IMAGE016
表示通过该路段所需要行驶的距离，
Figure 626334DEST_PATH_IMAGE017
表示道路网中路段的费用阻抗；
（3）对于城市轨道交通线网
基于运行时刻表计算时间阻抗，基于分段阶梯式的票务规则计算费用阻抗，具体如下：
Figure 572425DEST_PATH_IMAGE018
Figure 501198DEST_PATH_IMAGE030
其中，
Figure 340978DEST_PATH_IMAGE020
表示城市轨道交通线网中路段的时间阻抗，
Figure 694074DEST_PATH_IMAGE021
分别表示列车到达该路段终点和起点的时刻，
Figure 252094DEST_PATH_IMAGE022
表示城市轨道交通网中路段的费用阻抗，
Figure 718979DEST_PATH_IMAGE023
表示分段阶梯式票务规则的起步价，n表示分段阶梯式票务规则的段数，D0表示起步价的出行距离上限值，
Figure 413265DEST_PATH_IMAGE024
分别表示第 i段阶梯的距离上限值和单位距离的费率，DR表示通过轨道交通线网中该路段所需的行驶距离；
（4）对于公共汽车线网
基于实时公交车速计算时间阻抗，基于单一票制的票务规则计算费用阻抗，具体如下：
Figure 205772DEST_PATH_IMAGE025
其中，
Figure 985509DEST_PATH_IMAGE026
表示公共汽车线网中路段的时间阻抗，
Figure 256085DEST_PATH_IMAGE027
表示通过公共汽车线网中该路段所需要行驶的距离，VB表示该路段的实时公交车速，
Figure 70457DEST_PATH_IMAGE028
表示公共汽车线网中路段的费用阻抗，
Figure 771215DEST_PATH_IMAGE029
表示公共汽车的单一票制价格。
优选地，M6、所述路径搜索模块根据起讫点位置搜索路径时，路径搜索方法如下：
（1）输入起讫点的位置坐标；
（2）将出行路径按照出行时间、出行费用、换乘次数三个标准归类，其中出行时间和出行费用类别均存储按照倒序排在前3的出行路径，换乘次数类别存储步行、骑行、驾车、城市轨道交通、公共汽车这5种出行方式中各自出行时间最短的出行路径；
（3）按照起讫点的位置坐标和可行路径筛选原则搜索出行路径，对于每个类别存储的出行路径，若搜索出更优的，则更新，否则不更新；
（4）若所有类别的出行路径均不更新，则输出结果。
本发明采用以上技术方案与现有技术相比，具有以下有益效果：
（1）以城市综合交通网为研究对象，具体包括慢行交通网、道路网、城市轨道交通线网和公共汽车线网，解决了现有出行路径搜索方法局限于单一交通网络的缺陷。
（2）为保障出行体验，避免出现换乘过多、绕路、重复走同一路段等情形，设定了可行路径筛选原则，确保出行路径合理可行。
（3）以节点和路段作为网络的最小单元，精细化计算慢行交通网、道路网、城市轨道交通线网和公共汽车线网的时间阻抗和费用阻抗，保证组合出行路径的时间、费用更加符合实际情况。
（4）按照出行时间、出行费用、换乘次数分类输出多条组合出行路径，为出行者提供多元化的选择，出行者可根据自身的偏好直观地选择最优路径。
附图说明
图1为本发明一种面向城市综合交通网的组合出行路径搜索方法总体流程图。
图2为本发明一种面向城市综合交通网的组合出行路径搜索系统架构图。
图3为本发明实施例的慢行交通网示意图。
图4为本发明实施例的道路网示意图。
图5为本发明实施例的城市轨道交通线网示意图。
图6为本发明实施例的公共汽车线网示意图。
图7为本发明实施例的按出行时间阻抗归类的3条组合出行路径示意图。
图8为本发明实施例的按出行费用阻抗归类的3条组合出行路径示意图。
图9为本发明实施例的按换乘次数归类的5条组合出行路径示意图。
具体实施方式
参见附图1，本发明提供了一种面向城市综合交通网的组合出行路径搜索方法，具体步骤如下：
S1、对城市综合交通网进行拓扑化处理
在地理信息系统中导入由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网，这四类网络的坐标系一致，分别对其进行拓扑化处理，其中慢行交通网、道路网以交叉口作为节点，交叉口之间的道路作为路段，城市轨道交通线网、公共汽车线网以站点作为节点，站点之间的路线作为路段；
S2、设定出行方式及其运行的网络
将出行方式设定为步行、骑行、驾车（含自驾、出租车和网约车）、城市轨道交通（含地铁、有轨电车）、公共汽车，一次出行过程中可利用多种出行方式；
各类型的出行方式运行在各自的网络上，其中步行、骑行运行在慢行交通网，驾车运行在道路网，城市轨道交通运行在城市轨道交通线网，公共汽车运行在公共汽车线网；
S3、设定不同网络之间的转换点
城市轨道交通线网、公共汽车线网能够在各自的站点处，通过换乘的方式分别转换到的城市轨道交通线网、公共汽车线网的其他线路上，也能够转换到慢行交通网或道路网；
慢行交通网、道路网能够在空间重叠处实现转换，也能够转换到与之重叠的城市轨道交通线网、公共汽车线网中的站点上；
S4、设定网络中节点和路段的阻抗
对四类网络中节点的时间、费用阻抗的设定具体如下：
（1）对于慢行交通网
若该节点是信号控制交叉口，则时间阻抗计算如下：
Figure 38249DEST_PATH_IMAGE001
其中， TM表示慢行交通网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示该路径在本节点的绿信比，x表示该路径在本节点的饱和度；
若该节点不是信号控制交叉口，则时间阻抗计算如下：
Figure 112515DEST_PATH_IMAGE002
其中，LM表示通过慢行交通网中该节点所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中节点的费用阻抗设为0；
（2）对于道路网
若该节点是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 781394DEST_PATH_IMAGE003
其中，TD表示道路网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示某方向的绿信比，x表示某方向的饱和度，q表示某方向的机动车流量，FD表示道路网中节点的费用阻抗，Eidle表示机动车在怠速状态下的平均能源消耗系数，P表示能源价格；
若该节点不是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 650124DEST_PATH_IMAGE004
其中，LD表示通过道路网中该节点所需要的距离，VD表示道路网的平均速度，Edriving表示机动车在行驶状态下的平均能源消耗系数；
（3）对于城市轨道交通线网
考虑站台拥挤度和乘客上下车时间计算时间阻抗，具体如下：
Figure 279819DEST_PATH_IMAGE005
其中，TR表示城市轨道交通网中节点的阻抗，T0表示基本停站时间，
Figure 16831DEST_PATH_IMAGE006
表示站台拥挤度对基本停站时间的影响系数，
Figure 412653DEST_PATH_IMAGE007
表示上下车的乘客数量对基本停站时间的影响系数，NR表示实际的上下车乘客数量，CR表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
（4）对于公共汽车线网
考虑乘客上下车时间计算时间阻抗
Figure 842497DEST_PATH_IMAGE008
其中，TB表示公共汽车线网中节点的阻抗，T1表示基本停站时间，
Figure 959489DEST_PATH_IMAGE009
表示站台拥挤度对基本停站时间的影响系数，
Figure 234612DEST_PATH_IMAGE010
表示上下车的乘客数量对基本停站时间的影响系数，NB表示实际的上下车乘客数量，CB表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
对四类网络中路段的时间、费用阻抗的设定具体如下：
（1）对于慢行交通网
基于平均行驶速度计算时间阻抗，具体如下：
Figure 753450DEST_PATH_IMAGE011
其中，
Figure 88616DEST_PATH_IMAGE012
表示慢行交通网中路段的时间阻抗，
Figure 692904DEST_PATH_IMAGE013
表示通过慢行交通网中该路段所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中路段的费用阻抗设为0；
（2）对于道路网
基于实时车速计算时间阻抗，基于行驶的距离计算费用阻抗，具体如下：
Figure 650014DEST_PATH_IMAGE014
其中，
Figure 147992DEST_PATH_IMAGE015
表示道路网中路段的时间阻抗，
Figure 795005DEST_PATH_IMAGE016
表示通过该路段所需要行驶的距离，
Figure 745643DEST_PATH_IMAGE017
表示道路网中路段的费用阻抗；
（3）对于城市轨道交通线网
基于运行时刻表计算时间阻抗，基于分段阶梯式的票务规则计算费用阻抗，具体如下：
Figure 503515DEST_PATH_IMAGE018
Figure 855999DEST_PATH_IMAGE031
其中，
Figure 673913DEST_PATH_IMAGE020
表示城市轨道交通线网中路段的时间阻抗，
Figure 111848DEST_PATH_IMAGE021
分别表示列车到达该路段终点和起点的时刻，
Figure 404901DEST_PATH_IMAGE022
表示城市轨道交通网中路段的费用阻抗，
Figure 877471DEST_PATH_IMAGE023
表示分段阶梯式票务规则的起步价，n表示分段阶梯式票务规则的段数，D0表示起步价的出行距离上限值，
Figure 866287DEST_PATH_IMAGE024
分别表示第 i段阶梯的距离上限值和单位距离的费率，DR表示通过轨道交通线网中该路段所需的行驶距离；
（4）对于公共汽车线网
基于实时公交车速计算时间阻抗，基于单一票制的票务规则计算费用阻抗，具体如下：
Figure 666884DEST_PATH_IMAGE025
其中，
Figure 891191DEST_PATH_IMAGE026
表示公共汽车线网中路段的时间阻抗，
Figure 828055DEST_PATH_IMAGE027
表示通过公共汽车线网中该路段所需要行驶的距离，VB表示该路段的实时公交车速，
Figure 112405DEST_PATH_IMAGE028
表示公共汽车线网中路段的费用阻抗，
Figure 403228DEST_PATH_IMAGE029
表示公共汽车的单一票制价格。
S5、设定可行路径的筛选原则
为保障出行体验，出行路径必须合理可行，避免出现换乘过多、绕路、重复走同一路段等情形，可行路径筛选原则设定如下：
（P1）任意网络中的任一路段只能被利用一次；
（P2）不同网络之间的转换次数不能超过设定的上限值Nt；
（P3）城市轨道交通线网内部不同线路之间的转换次数不能超过设定的上限值Nr；
（P4）公共汽车线网内部不同线路之间的转换次数不能超过设定的上限值Nb；
（P5）在从慢行交通网、道路网转换到城市轨道交通线网或公共汽车线网的情形下，城市轨道交通线网或公共汽车线网的出行距离与慢行交通网、道路网的出行距离的比值要大于阈值Rd；
S6、根据起讫点位置搜索路径并输出结果
（1）输入起讫点的位置坐标；
（2）将出行路径按照出行时间、出行费用、换乘次数三个标准归类，其中出行时间和出行费用类别均存储按照倒序排在前3的出行路径，换乘次数类别存储步行、骑行、驾车、城市轨道交通、公共汽车这5种出行方式中各自出行时间最短的出行路径；
（3）按照起讫点的位置坐标和可行路径筛选原则搜索出行路径，对于每个类别存储的出行路径，若搜索出更优的，则更新，否则不更新；
（4）若所有类别的出行路径均不更新，则输出结果。
参加见附图2，本发明还涉及一种面向城市综合交通网的组合出行路径搜索系统，所述搜索系统包括城市综合交通网拓扑处理模块、出行方式及其运行的网络设定模块、不同网络之间的转换点设定模块、网络中节点和路段的阻抗计算模块、可行路径筛选模块、路径搜索模块和结果显示模块；所述城市综合交通网拓扑处理模块实现上述S1、所述出行方式及其运行的网络设定模块实现上述S2、所述不同网络之间的转换点设定模块实现上述S3、所述网络中节点和路段的阻抗计算模块实现上述S4、所述可行路径筛选模块实现上述S5、所述路径搜索模块和结果显示模块实现上述S6；
下面将结合附图和实施例对本发明做进一步的详细说明。
本实施例选取广州市越秀区、天河区为研究范围，其中慢行交通网见图3，道路网见图4，城市轨道交通线网见图5，公共汽车线网见图6。设定参数如表1所示。
表1
Figure 306593DEST_PATH_IMAGE032
输入起讫点位置，起点位于广州华林寺附近，终点位于广州奥林匹克体育中心附近。
按照出行时间输出3条组合出行路径，如图7所示，各条路径的具体信息如表2所示。
表2
路径序号 时间（分钟） 费用（元） 换乘次数（次） 路径简介
1 50.32 7 1 步行、地铁8号线、地铁4号线、骑行
2 52.86 14 3 步行、地铁8号线、地铁1号线、地铁5号线、驾车
3 67.12 6 2 步行、地铁8号线、地铁1号线、地铁5号线、步行
按照出行费用输出3条组合出行路径，如图8所示，各条路径的具体信息如表3所示。
表3
路径序号 时间（分钟） 费用（元） 换乘次数（次） 路径简介
1 73.13 6 2 步行、17路公交、地铁5号线、地铁21号线、步行
2 74.78 6 2 步行、521路公交、地铁5号线、地铁21号线、步行
3 74.85 6 2 步行、114路公交、地铁5号线、地铁21号线、步行
按照换乘次数输出5条出行路径，如图9所示，各条路径的具体信息如表4所示。
表4
路径序号 时间（分钟） 费用（元） 换乘次数（次） 路径简介
1 280 0 0 步行
2 80 2 0 骑行
3 41 46 0 驾车
4 44 6 2 步行、地铁8号线、地铁4号线、地铁21号线、步行
5 92 2 1 步行、297路公交、B4路公交、步行
与现有技术相比，本发明的优势在于：
（1）以城市综合交通网为研究对象，具体包括慢行交通网、道路网、城市轨道交通线网和公共汽车线网，解决了现有出行路径搜索方法局限于单一交通网络的缺陷。
（2）为保障出行体验，避免出现换乘过多、绕路、重复走同一路段等情形，设定了可行路径筛选原则，确保出行路径合理可行。
（3）以节点和路段作为网络的最小单元，精细化计算慢行交通网、道路网、城市轨道交通线网和公共汽车线网的时间阻抗和费用阻抗，保证组合出行路径的时间、费用更加符合实际情况。
（4）按照出行时间、出行费用、换乘次数分类输出多条组合出行路径，为出行者提供多元化的选择，出行者可根据自身的偏好直观地选择最优路径。
对于本领域的普通技术人员来说，在不脱离本申请创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本申请的保护范围。

Claims (6)

1.一种面向城市综合交通网的组合出行路径搜索方法，其特征在于，包括以下步骤：
S1、对城市综合交通网进行拓扑化处理
在地理信息系统中导入由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网，这四类网络的坐标系一致，分别对其进行拓扑化处理，其中慢行交通网、道路网以交叉口作为节点，交叉口之间的道路作为路段，城市轨道交通线网、公共汽车线网以站点作为节点，站点之间的路线作为路段；
S2、设定出行方式及其运行的网络
将出行方式设定为步行、骑行、驾车、城市轨道交通、公共汽车，一次出行过程中可利用多种出行方式，其中所述驾车包含自驾车、出租车和网约车，所述城市轨道交通包含地铁、有轨电车；
各类型的出行方式运行在各自的网络上，其中步行、骑行运行在慢行交通网，驾车运行在道路网，城市轨道交通运行在城市轨道交通线网，公共汽车运行在公共汽车线网；
S3、设定不同网络之间的转换点
城市轨道交通线网、公共汽车线网能够在各自的站点处，通过换乘的方式分别转换到的城市轨道交通线网、公共汽车线网的其他线路上，也能够转换到慢行交通网或道路网；
慢行交通网、道路网能够在空间重叠处实现转换，也能够转换到与之重叠的城市轨道交通线网、公共汽车线网中的站点上；
S4、计算网络中节点和路段的阻抗
对四类网络中的节点和路段分别计算阻抗，阻抗包括时间阻抗、费用阻抗，计算不同网络之间转换点的换乘阻抗；
四类网络中的节点的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
若该节点是信号控制交叉口，则时间阻抗计算如下：
Figure 65607DEST_PATH_IMAGE001
其中， TM表示慢行交通网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示该路径在本节点的绿信比，x表示该路径在本节点的饱和度；
若该节点不是信号控制交叉口，则时间阻抗计算如下：
Figure 285367DEST_PATH_IMAGE002
其中，LM表示通过慢行交通网中该节点所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中节点的费用阻抗设为0；
（2）对于道路网
若该节点是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 783345DEST_PATH_IMAGE003
其中，TD表示道路网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示某方向的绿信比，x表示某方向的饱和度，q表示某方向的机动车流量，FD表示道路网中节点的费用阻抗，Eidle表示机动车在怠速状态下的平均能源消耗系数，P表示能源价格；
若该节点不是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 3646DEST_PATH_IMAGE004
其中，LD表示通过道路网中该节点所需要的距离，VD表示道路网的平均速度，Edriving表示机动车在行驶状态下的平均能源消耗系数；
（3）对于城市轨道交通线网
考虑站台拥挤度和乘客上下车时间计算时间阻抗，具体如下：
Figure 219863DEST_PATH_IMAGE005
其中，TR表示城市轨道交通网中节点的阻抗，T0表示基本停站时间，
Figure 977735DEST_PATH_IMAGE006
表示站台拥挤度对基本停站时间的影响系数，
Figure 330219DEST_PATH_IMAGE007
表示上下车的乘客数量对基本停站时间的影响系数，NR表示实际的上下车乘客数量，CR表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
（4）对于公共汽车线网
考虑乘客上下车时间计算时间阻抗
Figure 882554DEST_PATH_IMAGE008
其中，TB表示公共汽车线网中节点的阻抗，T1表示基本停站时间，
Figure 320489DEST_PATH_IMAGE009
表示站台拥挤度对基本停站时间的影响系数，
Figure 882051DEST_PATH_IMAGE010
表示上下车的乘客数量对基本停站时间的影响系数，NB表示实际的上下车乘客数量，CB表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
S5、设定可行路径的筛选原则
可行路径筛选原则设定如下：
（P1）任意网络中的任一路段只能被利用一次；
（P2）不同网络之间的转换次数不能超过设定的上限值Nt；
（P3）城市轨道交通线网内部不同线路之间的转换次数不能超过设定的上限值Nr；
（P4）公共汽车线网内部不同线路之间的转换次数不能超过设定的上限值Nb；
（P5）在从慢行交通网、道路网转换到城市轨道交通线网或公共汽车线网的情形下，城市轨道交通线网或公共汽车线网的出行距离与慢行交通网、道路网的出行距离的比值要大于阈值Rd；
S6、根据起讫点位置搜索路径并输出结果
根据输入的起讫点位置坐标，按照出行时间最短、出行费用最少、换乘次数最少的原则分别搜索最优出行路径，并输出结果。
2.根据权利要求1所述的一种面向城市综合交通网的组合出行路径搜索方法，其特征在于步骤S4中，四类网络中的路段的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
基于平均行驶速度计算时间阻抗，具体如下：
Figure 961478DEST_PATH_IMAGE011
其中，
Figure 74928DEST_PATH_IMAGE012
表示慢行交通网中路段的时间阻抗，
Figure 158DEST_PATH_IMAGE013
表示通过慢行交通网中该路段所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中路段的费用阻抗设为0；
（2）对于道路网
基于实时车速计算时间阻抗，基于行驶的距离计算费用阻抗，具体如下：
Figure 99833DEST_PATH_IMAGE014
其中，
Figure 426909DEST_PATH_IMAGE015
表示道路网中路段的时间阻抗，
Figure 586626DEST_PATH_IMAGE016
表示通过该路段所需要行驶的距离，
Figure 733573DEST_PATH_IMAGE017
表示道路网中路段的费用阻抗；
（3）对于城市轨道交通线网
基于运行时刻表计算时间阻抗，基于分段阶梯式的票务规则计算费用阻抗，具体如下：
Figure 636938DEST_PATH_IMAGE018
Figure 818521DEST_PATH_IMAGE019
其中，
Figure 273773DEST_PATH_IMAGE020
表示城市轨道交通线网中路段的时间阻抗，
Figure 51892DEST_PATH_IMAGE021
分别表示列车到达该路段终点和起点的时刻，
Figure 618002DEST_PATH_IMAGE022
表示城市轨道交通网中路段的费用阻抗，
Figure 529458DEST_PATH_IMAGE023
表示分段阶梯式票务规则的起步价，n表示分段阶梯式票务规则的段数，D0表示起步价的出行距离上限值，
Figure 155611DEST_PATH_IMAGE024
分别表示第i段阶梯的距离上限值和单位距离的费率，DR表示通过轨道交通线网中该路段所需的行驶距离；
（4）对于公共汽车线网
基于实时公交车速计算时间阻抗，基于单一票制的票务规则计算费用阻抗，具体如下：
Figure 152517DEST_PATH_IMAGE025
其中，
Figure 522319DEST_PATH_IMAGE026
表示公共汽车线网中路段的时间阻抗，
Figure 553860DEST_PATH_IMAGE027
表示通过公共汽车线网中该路段所需要行驶的距离，VB表示该路段的实时公交车速，
Figure 350914DEST_PATH_IMAGE028
表示公共汽车线网中路段的费用阻抗，
Figure 832187DEST_PATH_IMAGE029
表示公共汽车的单一票制价格。
3.根据权利要求1-2任一项所述的一种面向城市综合交通网的组合出行路径搜索方法，其特征在于S6、根据起讫点位置搜索路径并输出结果中，路径搜索方法如下：
（1）输入起讫点的位置坐标；
（2）将出行路径按照出行时间、出行费用、换乘次数三个标准归类，其中出行时间和出行费用类别均存储按照倒序排在前3的出行路径，换乘次数类别存储步行、骑行、驾车、城市轨道交通、公共汽车这5种出行方式中各自出行时间最短的出行路径；
（3）按照起讫点的位置坐标和可行路径筛选原则搜索出行路径，对于每个类别存储的出行路径，若搜索出更优的，则更新，否则不更新；
（4）若所有类别的出行路径均不更新，则输出结果。
4.一种面向城市综合交通网的组合出行路径搜索系统，其特征在于，所述搜索系统包括城市综合交通网拓扑处理模块、出行方式及其运行的网络设定模块、不同网络之间的转换点设定模块、网络中节点和路段的阻抗计算模块、可行路径筛选模块、路径搜索模块和结果显示模块；具体如下：
M1、所述城市综合交通网拓扑处理模块对城市综合交通网进行拓扑化处理
在地理信息系统中导入由慢行交通网、道路网、城市轨道交通线网和公共汽车线网共同构成的城市综合交通网，这四类网络的坐标系一致，分别对其进行拓扑化处理，其中慢行交通网、道路网以交叉口作为节点，交叉口之间的道路作为路段，城市轨道交通线网、公共汽车线网以站点作为节点，站点之间的路线作为路段；
M2、所述出行方式及其运行的网络设定模块设定出行方式及其运行的网络
将出行方式设定为步行、骑行、驾车、城市轨道交通、公共汽车，一次出行过程中可利用多种出行方式，其中所述驾车包含自驾车、出租车和网约车，所述城市轨道交通包含地铁、有轨电车；
各类型的出行方式运行在各自的网络上，其中步行、骑行运行在慢行交通网，驾车运行在道路网，城市轨道交通运行在城市轨道交通线网，公共汽车运行在公共汽车线网；
M3、所述不同网络之间的转换点设定模块设定不同网络之间的转换点
城市轨道交通线网、公共汽车线网能够在各自的站点处，通过换乘的方式分别转换到的城市轨道交通线网、公共汽车线网的其他线路上，也能够转换到慢行交通网或道路网；
慢行交通网、道路网能够在空间重叠处实现转换，也能够转换到与之重叠的城市轨道交通线网、公共汽车线网中的站点上；
M4、所述网络中节点和路段的阻抗计算模块计算网络中节点和路段的阻抗
对四类网络中的节点和路段分别计算阻抗，阻抗包括时间阻抗、费用阻抗，计算不同网络之间转换点的换乘阻抗；
四类网络中的节点的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
若该节点是信号控制交叉口，则时间阻抗计算如下：
Figure 740100DEST_PATH_IMAGE001
其中， TM表示慢行交通网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示该路径在本节点的绿信比，x表示该路径在本节点的饱和度；
若该节点不是信号控制交叉口，则时间阻抗计算如下：
Figure 750781DEST_PATH_IMAGE002
其中，LM表示通过慢行交通网中该节点所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中节点的费用阻抗设为0；
（2）对于道路网
若该节点是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 594103DEST_PATH_IMAGE003
其中，TD表示道路网中节点的时间阻抗，C表示该节点的信号控制方案的周期时长，λ表示某方向的绿信比，x表示某方向的饱和度，q表示某方向的机动车流量，FD表示道路网中节点的费用阻抗，Eidle表示机动车在怠速状态下的平均能源消耗系数，P表示能源价格；
若该节点不是信号控制交叉口，则时间和费用阻抗计算如下：
Figure 690235DEST_PATH_IMAGE004
其中，LD表示通过道路网中该节点所需要的距离，VD表示道路网的平均速度，Edriving表示机动车在行驶状态下的平均能源消耗系数；
（3）对于城市轨道交通线网
考虑站台拥挤度和乘客上下车时间计算时间阻抗，具体如下：
Figure 277206DEST_PATH_IMAGE005
其中，TR表示城市轨道交通网中节点的阻抗，T0表示基本停站时间，
Figure 407973DEST_PATH_IMAGE006
表示站台拥挤度对基本停站时间的影响系数，
Figure 422196DEST_PATH_IMAGE007
表示上下车的乘客数量对基本停站时间的影响系数，NR表示实际的上下车乘客数量，CR表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
（4）对于公共汽车线网
考虑乘客上下车时间计算时间阻抗
Figure 740045DEST_PATH_IMAGE008
其中，TB表示公共汽车线网中节点的阻抗，T1表示基本停站时间，
Figure 133636DEST_PATH_IMAGE009
表示站台拥挤度对基本停站时间的影响系数，
Figure 118910DEST_PATH_IMAGE010
表示上下车的乘客数量对基本停站时间的影响系数，NB表示实际的上下车乘客数量，CB表示基本停站时间内的最大上下车乘客数量；
城市轨道交通线网中节点的费用阻抗设为0；
M5、所述可行路径筛选模块设定可行路径的筛选原则
可行路径筛选原则设定如下：
（P1）任意网络中的任一路段只能被利用一次；
（P2）不同网络之间的转换次数不能超过设定的上限值Nt；
（P3）城市轨道交通线网内部不同线路之间的转换次数不能超过设定的上限值Nr；
（P4）公共汽车线网内部不同线路之间的转换次数不能超过设定的上限值Nb；
（P5）在从慢行交通网、道路网转换到城市轨道交通线网或公共汽车线网的情形下，城市轨道交通线网或公共汽车线网的出行距离与慢行交通网、道路网的出行距离的比值要大于阈值Rd；
M6、所述路径搜索模块根据起讫点位置搜索路径并由所述结果显示模块输出结果
根据输入的起讫点位置坐标，按照出行时间最短、出行费用最少、换乘次数最少的原则分别搜索最优出行路径，并输出结果。
5.根据权利要求4所述的一种面向城市综合交通网的组合出行路径搜索系统，其特征在于M4、所述网络中节点和路段的阻抗计算模块计算网络中节点和路段的阻抗时，四类网络中的路段的时间阻抗和费用阻抗计算方法如下：
（1）对于慢行交通网
基于平均行驶速度计算时间阻抗，具体如下：
Figure 428668DEST_PATH_IMAGE011
其中，
Figure 109179DEST_PATH_IMAGE012
表示慢行交通网中路段的时间阻抗，
Figure 162586DEST_PATH_IMAGE013
表示通过慢行交通网中该路段所需要的距离， VM表示慢行交通的平均速度；
慢行交通网中路段的费用阻抗设为0；
（2）对于道路网
基于实时车速计算时间阻抗，基于行驶的距离计算费用阻抗，具体如下：
Figure 877732DEST_PATH_IMAGE014
其中，
Figure 358392DEST_PATH_IMAGE015
表示道路网中路段的时间阻抗，
Figure 791779DEST_PATH_IMAGE016
表示通过该路段所需要行驶的距离，
Figure 383297DEST_PATH_IMAGE017
表示道路网中路段的费用阻抗；
（3）对于城市轨道交通线网
基于运行时刻表计算时间阻抗，基于分段阶梯式的票务规则计算费用阻抗，具体如下：
Figure 215599DEST_PATH_IMAGE018
Figure 867160DEST_PATH_IMAGE030
其中，
Figure 646898DEST_PATH_IMAGE020
表示城市轨道交通线网中路段的时间阻抗，
Figure 917473DEST_PATH_IMAGE021
分别表示列车到达该路段终点和起点的时刻，
Figure 731845DEST_PATH_IMAGE022
表示城市轨道交通网中路段的费用阻抗，
Figure 429674DEST_PATH_IMAGE023
表示分段阶梯式票务规则的起步价，n表示分段阶梯式票务规则的段数，D0表示起步价的出行距离上限值，
Figure 696707DEST_PATH_IMAGE024
分别表示第i段阶梯的距离上限值和单位距离的费率，DR表示通过轨道交通线网中该路段所需的行驶距离；
（4）对于公共汽车线网
基于实时公交车速计算时间阻抗，基于单一票制的票务规则计算费用阻抗，具体如下：
Figure 770974DEST_PATH_IMAGE025
其中，
Figure 439852DEST_PATH_IMAGE026
表示公共汽车线网中路段的时间阻抗，
Figure 311512DEST_PATH_IMAGE027
表示通过公共汽车线网中该路段所需要行驶的距离，VB表示该路段的实时公交车速，
Figure 65841DEST_PATH_IMAGE028
表示公共汽车线网中路段的费用阻抗，
Figure 68433DEST_PATH_IMAGE029
表示公共汽车的单一票制价格。
6.根据权利要求4-5任一项所述的一种面向城市综合交通网的组合出行路径搜索系统，其特征在于M6、所述路径搜索模块根据起讫点位置搜索路径时，路径搜索方法如下：
（1）输入起讫点的位置坐标；
（2）将出行路径按照出行时间、出行费用、换乘次数三个标准归类，其中出行时间和出行费用类别均存储按照倒序排在前3的出行路径，换乘次数类别存储步行、骑行、驾车、城市轨道交通、公共汽车这5种出行方式中各自出行时间最短的出行路径；
（3）按照起讫点的位置坐标和可行路径筛选原则搜索出行路径，对于每个类别存储的出行路径，若搜索出更优的，则更新，否则不更新；
（4）若所有类别的出行路径均不更新，则输出结果。
CN202111606816.5A 2021-12-27 2021-12-27 一种面向城市综合交通网的组合出行路径搜索方法及系统 Active CN113987103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111606816.5A CN113987103B (zh) 2021-12-27 2021-12-27 一种面向城市综合交通网的组合出行路径搜索方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111606816.5A CN113987103B (zh) 2021-12-27 2021-12-27 一种面向城市综合交通网的组合出行路径搜索方法及系统

Publications (2)

Publication Number Publication Date
CN113987103A true CN113987103A (zh) 2022-01-28
CN113987103B CN113987103B (zh) 2022-02-25

Family

ID=79734288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111606816.5A Active CN113987103B (zh) 2021-12-27 2021-12-27 一种面向城市综合交通网的组合出行路径搜索方法及系统

Country Status (1)

Country Link
CN (1) CN113987103B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757004A (zh) * 2022-04-02 2022-07-15 宁波市规划设计研究院 城市轨道交通线网规划方法、系统及存储介质
CN114973668A (zh) * 2022-05-18 2022-08-30 广州市交通规划研究院有限公司 一种基于拓扑步数分析的城市道路交通薄弱环节识别方法
CN115080550A (zh) * 2022-05-31 2022-09-20 交通运输部规划研究院 路网交通量分配方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169524A (zh) * 2010-02-26 2011-08-31 同济大学 城市轨道交通网络客流分布的分阶段多路径模型算法
CN110782070A (zh) * 2019-09-25 2020-02-11 北京市交通信息中心 一种城市轨道交通突发事件客流时空分布预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169524A (zh) * 2010-02-26 2011-08-31 同济大学 城市轨道交通网络客流分布的分阶段多路径模型算法
CN110782070A (zh) * 2019-09-25 2020-02-11 北京市交通信息中心 一种城市轨道交通突发事件客流时空分布预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡文婷等: "城市多模式道路网设计方法――模型、算法和应用", 《交通信息与安全》 *
蒋忠海等: "城市公交网络阻抗函数模型", 《华中科技大学学报(城市科学版)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757004A (zh) * 2022-04-02 2022-07-15 宁波市规划设计研究院 城市轨道交通线网规划方法、系统及存储介质
CN114973668A (zh) * 2022-05-18 2022-08-30 广州市交通规划研究院有限公司 一种基于拓扑步数分析的城市道路交通薄弱环节识别方法
CN115080550A (zh) * 2022-05-31 2022-09-20 交通运输部规划研究院 路网交通量分配方法及装置

Also Published As

Publication number Publication date
CN113987103B (zh) 2022-02-25

Similar Documents

Publication Publication Date Title
CN113987103B (zh) 一种面向城市综合交通网的组合出行路径搜索方法及系统
CN107389076B (zh) 一种适用于智能网联汽车的节能实时动态路径规划方法
CN105865472B (zh) 一种基于最佳油耗的车载导航方法
CN107545320B (zh) 一种基于图论的城市轨道交通乘客路径规划方法及系统
CN105844362B (zh) 一种城市交通综合出行决策装置
CN104200649B (zh) 基于预先申请的交通高峰期路线资源调度分配系统与方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN107490384B (zh) 一种基于城市路网的最优静态路径选择方法
CN100425768C (zh) 一种公交车零换乘站点结构及零换乘快速公交系统
CN106643771A (zh) 一种导航线路选择方法及系统
CN106097226A (zh) 基于层次规划的城市常规公交线网设计方法
CN107564310A (zh) 一种基于道路交通信息云处理的车路互联系统及方法
Liu et al. An energy-efficient dynamic route optimization algorithm for connected and automated vehicles using velocity-space-time networks
CN103530694A (zh) 基于时空网络构建的城市地铁动态客流分配方法
CN115455681A (zh) 一种面向多载运工具的通勤交通碳排放空间分布估算方法
CN108303112A (zh) 一个基于出租车群的城市包裹递送路线规划系统
Wang et al. Real-time dynamic route optimization based on predictive control principle
CN114078322A (zh) 一种公交运行状态评价方法、装置、设备及存储介质
Haque et al. A literature review on park-and-rides
Oskarbski et al. Reliability and safety as an objective of intelligent transport systems in urban areas
Meng et al. A simulation-based dynamic traffic assignment model with combined modes
Uchimura et al. The dial‐a‐ride problem in a public transit system
CN114021295A (zh) 一种基于分支定界法的多方式行车道精细化设置方法
Izadi et al. Evaluation of the performance of bus special lines according to indicators of quality and transport and its performance improvement using ultra-innovative intelligent models (Case study: Rasht city)
Khodadadi et al. Improve traffic management in the vehicular ad hoc networks by combining ant colony algorithm and fuzzy system

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220414

Address after: 510030 floors 1-6 on the west side of No. 10 Guangwei Road, Yuexiu District, Guangzhou City, Guangdong Province

Patentee after: Guangzhou transportation planning and Research Institute Co.,Ltd.

Address before: 510030 15th floor, Guangren building, No.1 Guangren Road, Yuexiu District, Guangzhou City, Guangdong Province

Patentee before: GUANGZHOU TRANSPORT PLANNING Research Institute