CN114139765A - 一种公交换乘网络优化方法、装置及电子设备 - Google Patents
一种公交换乘网络优化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114139765A CN114139765A CN202111226294.6A CN202111226294A CN114139765A CN 114139765 A CN114139765 A CN 114139765A CN 202111226294 A CN202111226294 A CN 202111226294A CN 114139765 A CN114139765 A CN 114139765A
- Authority
- CN
- China
- Prior art keywords
- network
- bus
- target value
- line
- cost
- 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
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 43
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000006855 networking Effects 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 241001334134 Rugopharynx epsilon Species 0.000 claims description 3
- 230000035772 mutation Effects 0.000 description 7
- 239000013068 control sample Substances 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 241001134453 Lista Species 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种公交换乘网络优化方法、装置及电子设备，所述优化方法包括：获取基础网络和获取计划公交线路数，基于基础网络分别生成计划公交线路数的公交线路，将公交线路组网形成公交线路网络，基于公交线路网络对每个用户分别进行最短路规划，并获取每个用户在最短路规划下出行的单个成本，基于所有单个成本获取所有用户出行的总成本，以总成本为目标值，判断目标值是否收敛，若是，得到公交线路网络，若否，采用启发式算法对公交线路网路进行优化迭代，直至目标值收敛。本发明在不显著增加解空间的情况下给出最优换乘网络方案，适合大规模城市级公交网络、运输网络等的求解。
Description
技术领域
本发明涉及公共交通线网规划技术领域，具体而言，涉及一种公交换乘网络优化方法、装置及电子设备。
背景技术
随着城市化进程推进速度的不断加快，以及城市机动化加速，使得许多大城市和特大城市交通拥堵的状况日趋加剧，且交通拥堵的状况不断地向中等城市蔓延。而城市公共交通是与人们生活息息相关的重要基础设施，其基本任务是为乘客提供安全、方便、迅速、准点、舒适的乘车条件。优先发展城市公共交通，提高公交出行比例，将有利于缓解城市交通所面临的压力。但要提高公交的吸引力，仅仅依靠增加公交线路和公交车辆数量是不够的，还需从优化公交线网结构等方面着手。
经研究发现，换乘次数是大部分乘客出行时首先考虑的因素，现有技术中在公交网络的设计和优化时，所有的节点都可能作为换乘点，即问题的解中需要先假定换乘点，再确定车辆行驶路线，这种预先假定换乘点的方式导致解空间扩大，解空间在原规模基础上按指数速度增大，增加了求解的难度。
发明内容
本发明解决的问题是现有技术中换乘网络优化存在解空间显著增加、求解困难的问题。
为解决上述问题，本发明提供一种公交换乘网络优化方法，包括：
获取基础网络和获取计划公交线路数；
基于所述基础网络分别生成所述计划公交线路数的公交线路；
将所述公交线路组网形成公交线路网络；
基于所述公交线路网络对每个用户分别进行最短路规划，并获取每个用户在所述最短路规划下出行的单个成本，基于所有所述单个成本获取所有用户出行的总成本；
以所述总成本为目标值，判断所述目标值是否收敛，若是，得到所述公交线路网络，若否，采用启发式算法对所述公交线路网路进行优化迭代，直至所述目标值收敛。
较佳地，所述获取计划公交线路数包括：采用如下公式确定所述计划公交线路数，
R∈(R1，R2)，其中，
其中，R为所述计划公交线路数，Cw为所研究城市范围的宽度，Cl为所研究城市范围的长度，Cs为用户的最大且合理的步行距离，R1表示在等间隔的情况下为所研究城市铺上横纵交错的正交公交线路网格需要的线路数，I为计划投入的线路总预算，Pi为平均单条线路的造价，R2表示计划预算所能支持的最大线路数。
较佳地，所述基础网络为具有节点-连接结构的网络，所述基础网络包括基础节点，所述公交线路包括第一节点；
所述将所述公交线路组网形成公交线路网络包括：
获取所述第一节点中与所述基础节点重合的节点，作为第一重合节点；
将R条所述公交线路中与所述基础节点重合的所述第一重合节点合并为一个节点，作为线路搭接换乘节点。
较佳地，所述获取每个用户在所述最短路规划下出行的单个成本包括：采用如下公式确定所述单个成本，
Ci＝Li+kI，
其中，i表示第i个用户，Ci表示第i个用户在所述最短路规划下出行的单个成本，Li为第i个用户在经所述最短路规划得到的最短路上出行的路径长度成本，I为第i个用户在所述公交线路网络上换乘一次产生的成本，k为第i个用户在所述公交线路网络上的换乘次数。
较佳地，所述基于所有所述单个成本获取所有用户出行的总成本包括：采用如下公式确定所述总成本，
Cj＝∑Ci；
其中，j表示第j个公交线路网络，Cj表示所有用户在第j个公交线路网络上出行的总成本。
较佳地，所述判断所述目标值是否收敛，包括：
获取所述目标值在最后1/3阶段的迭代中取得的下降值占总下降值的比率；
比较所述比率是否小于设定的收敛速度阈值；
若是，则确定所述目标值收敛；
若否，则对所述公交线路网路进行优化迭代，直至所述目标值收敛。
较佳地，所述基于所述基础网络分别生成所述计划公交线路数的公交线路包括：
根据线路生成需求，获取样点个数；
根据所述样点个数，调用适配的启发策略，启发生成处于所述基础网络中的多个控制样点；
基于生成有多个所述控制样点后的基础网络，求解无环旅行商问题，得到经过多个所述控制样点的无环最短路径；
基于所述无环最短路径生成所述公交线路。
较佳地，所述无环最短路径包括多个所述控制样点和多个第一网络节点；
所述基于所述无环最短路径生成所述公交线路包括：
将至少一个所述第一网络节点与所述基础网路中的节点搭接连通，使得所述无环最短路径成为带有节点序列的线路；
将所述带有节点序列的线路存储至数据库或配置文件中，得到所述公交线路。
本发明相较于现有技术具有的有益效果如下：
本发明根据获取的基础网络首先进行单条公交线路的生成，且计划数的公交线路生成可并行进行，进而提高线路规划速度和效率。本发明将生成的计划数公交线路组网后进行优化和评价，以用户出行的总成本为目标值进行评价，体现的是线网的总体性能，且无需对每条单线进行单独评价，而是在整体网络上进行带换乘的评价，并通过对公交线路网络的不断优化迭代，在不显著增加解空间的情况下给出最优换乘网络方案，适合大规模城市级公交网络、运输网络等的求解。
本发明还提供一种公交换乘网络优化装置，包括：
获取模块，用于获取基础网络和计划公交线路数；
线路生成模块，用于基于所述基础网络分别生成所述计划公交线路数的公交线路；
线路组网模块，用于将所述公交线路组网形成公交线路网络；
导航评价模块，用于对每个用户进行基于所述公交线路网络的最短路规划，并获取每个用户在所述最短路规划下出行的单个成本，基于所有所述单个成本获取所有用户出行的总成本；
分析模块，用于以所述总成本为目标值，判断所述目标值是否收敛，若是，得到所述公交线路网络，若否，采用启发式算法对所述公交线路网路进行优化迭代，直至所述目标值收敛。
本发明还提供一种电子设备，包括存储有计算机程序且可与处理器耦合的存储器，当所述计算机程序被所述处理器加载并执行时，实现如上所述的公交换乘网络优化方法。
附图说明
图1为本发明实施例中公交换乘网络优化方法的总体流程图；
图2为本发明实施例中公交换乘网络优化方法的流程框图；
图3为本发明实施例中单线规划并行的流程示意图；
图4为本发明实施例中单线组网示意图。
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。
需要说明的是，本发明中所提及的以下缩略语和关键术语的含义如下：
公交线路：指待生成或待优化的公交线路；
基础网络：基础网络是具有“节点-连接”结构的网络，是公交线路生成的基础；
公交线路网络：一组由公交线路构成，在节点上可相互连通进行换乘；
公交线路控制样点：用来决定线路的点，视线路规划的场景不同，既可以是带有经纬度属性的地理点，也可以是基础网络中的某个节点；
公交线路样条：在本发明中特指由控制样点拟合决定的公交线路；
OD：Origin&Destination，指乘坐公交进行出行的一人次旅程，带有具体的出发点和目的地。
请参阅图1、2所示，本发明实施例提供一种公交换乘网络优化方法，包括如下步骤：
S1，获取基础网络和获取计划公交线路数；
S2，基于基础网络分别生成计划公交线路数的公交线路；
S3，将公交线路组网形成公交线路网络；
S4，基于公交线路网络对每个用户分别进行最短路规划，并获取每个用户在最短路规划下出行的单个成本，基于所有单个成本获取所有用户出行的总成本；
S5，以总成本为目标值，判断目标值是否收敛，若是，得到公交线路网络，若否，采用启发式算法对公交线路网路进行优化迭代，直至目标值收敛。
本实施例根据获取的基础网络首先进行单条公交线路的生成，且计划数的公交线路生成可并行进行，提高线路规划速度和效率。本实施例将生成的计划数公交线路组网后进行优化和评价，以用户出行的总成本为目标值进行评价，体现的是线网的总体性能，且无需对每条单线进行单独评价，而是在整体网络上进行带换乘的评价，并通过对公交线路网络的不断优化迭代，在不显著增加解空间的情况下给出最优换乘网络方案，适合大规模城市级公交网络、运输网络等的求解。
具体地，基础网络既可以是路网，由路段连接和路段节点组成；也可以是已有公交线路构成的网络，由线路站点间线的连接和站点节点组成。基础网络可以预先存储在数据库或配置文件中。
计划公交线路数为根据需求选定的公交线路总数R，合理的值可根据如下公式在R1和R2之间选取确定。
R∈(R1，R2)，其中，
上述公式中，R为计划公交线路数，其取值为R1与R2之间的某个整数，Cw，为所研究城市范围的宽度，Cl为所研究城市范围的长度，Cs为用户的最大且合理的步行距离，R1表示在等间隔的情况下为所研究城市铺上横纵交错的正交公交线路网格需要的线路数，I为计划投入的线路总预算，Pi为平均单条线路的造价，R2表示计划预算所能支持的最大线路数。
本实施例中，在确定公交线路数时，不仅考虑城市边界范围，还增加对线路预算、成本等的考虑，选取的公交线路数更加合理，也有利于后续对生成的公交网络进行以总成本为目标值的评价时更容易达到收敛，减少优化程序，提高规划效率。
按照本发明，在基础网络的基础上，首先进行单条公交线路的生成，即单线规划，且预先设定的计划公交线路数R条可以并行规划，如图3所示。其中一些实施方式中，S2中基于基础网络分别生成计划公交线路数的公交线路，包括：
S21，根据线路生成需求，获取样点个数，示例性地：
2个公交线路样点适合生成穿越整个城区的干线，一般设置起点和终点即可，在基础网络规整的情况下，如城市的正交格局，可保证绕行系数接近1。
3个公交线路样点适合生成具有潮汐客流运输能力的干线，一般最大的绕行系数不超过1.5。
用5个控制样点可生成矩形公交环线：分别是矩形四个顶点，外加与首点重合的末点。
其余场景下，样点个数可根据需要选取，没有严格限制。
样点个数可以根据线路场景预先存储在配置文件中。
本实施例中，生成线路的样点数量可以根据公交线路的优化场景灵活选择，样点数量最低可以为2，可以远小于最终线路的节点数例如公交站数量或路网节点数量。
S22，根据样点个数，调用适配的启发策略，启发生成处于基础网络中的多个控制样点。
具体地，根据公交线路优化的场景，调用不同的启发策略。可以在群体算法例如遗传算法、蚁群算法等或者单个体算法例如邻域搜索算法等，通过初始解生成策略或者邻域解生成策略启发生成新的样点，初始解生成策略适于生成全新的样点，邻域解生成策略适于在当前样点所在节点的周围，选择相邻节点作为样点的新位置。
优选地，在基础网络上布置生成的多个控制样点，即每个控制样点对应基础网络的一个节点，为便于叙述，将基础网络中与控制样点对应的节点称为基础网络节点，本实施例中控制样点共享基础网络节点的坐标信息和/或标号信息，即启发生成控制样点后的基础网络中，各控制样点保留着与其对应的基础网络节点的标号信息和坐标信息，同时，对于启发后的基础网络，控制样点的标号和坐标信息也可以共享给对应的基础网络节点，如此，提高启发前后网络之间的相互连接性，便于在启发前后的基础网络中快速检索出控制样点。
S23，基于生成有多个控制样点后的基础网络，求解无环旅行商问题，得到经过多个控制样点的无环最短路径，构成公交线路样条。
旅行商问题是指给定一系列中间点和各中间点之间的距离，求解仅经过一次中间点并回到起始点的最短回路，无环旅行商问题则表示无需回到起始点。
本实施例中，基于启发后的基础网络，建立无环旅行商问题模型，基于启发式算法建立预设路径规划模型，并通过预设路径规划模型对无环旅行商问题模型进行求解，简化了无环最短路径的求解方式，提升规划效率。
S24，基于无环最短路径生成公交线路，其中，无环最短路径包括多个控制样点和多个第一网络节点，至少一个第一网络节点与基础网路中的节点搭接连通，使得无环最短路径成为带有节点序列的线路。将带有节点序列的线路存储至数据库或配置文件中，得到公交线路。
本实施例中，将无环最短路径铺在线网上，将公交线路样条所经过的所有基础网络节点可选择地搭接连通或不连通，对所有搭接连通的节点和控制样点进行排序处理，得到具有带有节点序列的线路，将节点序列与无环最短路径存储后形成公交线路。其中，公交线路样条中节点与第一网络节点不连通表示该公交线路样条中的节点只经过不设站点。搭接而成的站点，可以是公交网络上的普通车站或中转车站，也可以是物流运输的普通站点或中转站点。搭接的逻辑可以根据不同线路生成的需要实施。
由于现有技术中在依据路网或线网生成新公交线路时，需要给出线路经过的所有站点，也即需使用较长的站点序列才能表示一条线路。这种用全量沿线站点方式定义的公交线路，一般城市规模单线情况下，涉及几十个站点，站点数为k，其解空间在Nk，但如果是m条公交线路组网情况下，解空间可达Nmk，城市难以在有效时间内达到收敛，且还会有很大概率出现站点顺序不合理，导致公交线路绕行系数过高，甚至在OD的指向上来回反复，造成成本过大、运营或运输效率下降。
本实施例中，根据样点个数启发生成新的控制样点，而样点个数是根据线路生成需求选定的，即样点个数与线路生成的形状有关，通过样点个数启发生成控制样点，可以更好地控制线路的生成形状，进一步地，基于控制样点通过启发策略生成无环最短路径，并通过与基础网络之间的搭接连通，形成具有节点序列的无环最短路径，由于无环最短路径具有路径无环和最短的双重属性，因此将无环最短路径作为公交线路，避免了公共交通路线过绕。
按照本发明，单线规划结束后，得到R条单线公交线路，而后进行单线组网，将生成的R条单线公交线路组网合并形成公交网络，如图4所示。其中一些实施方式中，S3中将生成的公交线路组网形成公交线路网络包括：将S2中生成的R条公交线路铺在基础网络上，将R条公交线路上拥有的在基础网络上的重合节点，合并为一个节点，合并准则是：这些线路节点所在的基础节点相同，代表这些线路在该节点上是相连通的，可以换乘。
具体地，假设单条公交线路中具有多个第一节点，则单条公交线路中与基础网络中的基础节点重合的第一节点为第一重合节点，获取每条公交线路的第一重合节点，然后将R条公交线路中的第一重合节点合并为一个节点，由于每条公交线路中，第一重合节点均是与基础节点相同的，因此R条公交线路中的第一重合节点所在的基础节点相同，可以作为线路搭接换乘节点，如图4所示。由此，将R条公交线路组网形成一个新的公交线路，下文简称为网络G。
其中一些实施方式中，S4中，对生成的公交线路网络G，将所有的OD在网络G上进行最短路规划，进行导航评价。
示例性地，将所有的OD在网络G上进行最短路规划，并进行导航评价的具体流程为：
对所有OD进行如下并行操作：
针对一个ODi，使用Dijkstra、A-Star等最短路算法，在网络G上求其最短路，路径长度成本为Li。
如果Ri在经过某连通节点后，无法继续原线路，即产生了换乘，则增加一次换乘成本，具体量为常数I，代表换乘带来的成本消耗。
则ODi在网络G上的单个成本为：
Ci＝Li+kI，
其中，i表示第i个用户，Ci表示第i个用户在最短路规划下出行的单个成本，Li为第i个用户在经最短路规划得到的最短路上出行的路径长度成本，I位第i个用户在公交线路网络上换乘一次产生的成本，k为第i个用户在公交线路网络上的换乘次数。
所有用户出行的总成本的获取方式为，将所有OD的成本相加，即为网络G服务于这些出行OD的总成本，采用如下公式确定总成本，
Cj＝∑Ci，
其中，j表示第j个公交线路网络，Cj表示所有用户在第j个公交线路网络上出行的总成本。应当理解，Cj为网络G的成本型性能测度，即目标值，其值越低越好。
其中一些实施方式中，S5中，判断目标值是否收敛的方法为：
获取目标值在最后1/3阶段的迭代中取得的下降值占总下降值的比率；
比较比率是否小于设定的收敛速度阈值，其中，设定的收敛速度阈值可根据需要选定为0.05或0.1等；
若是，则确定目标值收敛；
若否，则对公交线路网路进行优化迭代，直至目标值收敛。
具体地，优化迭代的策略可以采用启发式等算法，推进至下一次迭代。本实施例中，既可以用遗传算法、蚁群算法等群体启发式算法，也可以使用自适应大邻域搜索等单个体启发式算法。
在本步骤中，上一代的部分解(如R条线路中的一部分)需要被取消、变异、交叉、或重新生成，而另一部分可以保留，具体都取决于迭代算法。以遗传算法为例，对优化迭代的过程进行详细说明。
对于遗传算法，一个网络的解可用List<List<ControlPoint>>类型表示，其中ControlPoint为控制点，List<ControlPoint>为一组控制点代表的一条线路，而一个解即为多条线路以及他们组成的公交网络，在评价中，该公交网络会取得一个成本值C。而对于一个遗传群体，每个个体代表一个可选公交网络，则整个群体即为List<List<List<ControlPoint>>>，每个个体成本值记为Cj。
示例性地，取消的策略可以是结合了目标值比较和随机策略的，解k(List<List<ControlPoint>>)被取消的概率为：
即：单个网络的成本越大，其被取消的概率越大。
保留的策略可以按如下公式获得，即保留的概率为：
Pk保留＝1-Pk取消；
示例性地，变异的策略可以选取待变异的个体k，然后按照个体变异算子进行变异操作。针对选取的一个待变异个体解k(List<List<ControlPoint>>)，代表了一个完整的候选运输网络，对其进行变异操作的过程如下：
步骤E2.1：选取变异线路；
在个体解k中随机选取一条线路，方法是取随机数
rr＝Random(0，n-1)；
其中n为个体数，Random(0，n-1)为取0至n-1的随机整数，即在0至n-1的中随机取一个整数，作为选取变异线路的下标，则第rr条线路即为待变异线路。
步骤E2.2：选取变异控制点；
对于步骤E2.1选取的一条线路(形式为List<ControlPoint>)，在其所有控制点中选取一条，标号为：
rc＝Random(0，c-1)；
其中c为控制点个数，则第rc个控制点为需要变异的控制点。
步骤E2.3：对控制点进行移位操作；
步骤E2.1和步骤E2.2可以循环、重复，直到选取。对第rr条线的第rc个控制点进行移位，目标位置为网络上不满足场景的线型策略(如直线线型、直角线型)的任意一个随机节点。
上述步骤E2.1、E2.2、E2.3可以循环、重复进行，进行多次线路和控制点的选取，直至受到变异操作的线路和控制点数量满足变异率(5％至30％之间为宜)的设计。
示例性地，针对一个群体中的两个个体进行部分线路的交换，具体步骤如下：
步骤E3.1：随机选择个体A和个体B；
其标号确定方法均为：
ri＝Random(0，I-1)；
其中I为个体数，若两次取到标号相同，则重复进行，直到标号不同，则A和B为两个不同的个体。
步骤E3.2随机选择个体中的待交换线路；
具体步骤为：针对每一个个体(A或B)，针对其每一条线路进行概率测算，满足下列条件则计入个体的待交换线路列表
rr＝RandomF(0，1)＞rcf；
其中rcf为交叉概率，一般选0.1至0.25为宜；RandomF(0，1)为取0至1的连续随机浮点数。至此形成两个待交换线路列表ListA和ListB，将ListA从个体A中去除，并加入ListB，形成A’；将ListB从B中去除，并加入ListA，形成B’。至此形成两个交叉后的新个体。
本发明另一实施例提供一种公交换乘网络优化装置，包括：
获取模块，用于获取基础网络和计划公交线路数；
线路生成模块，用于基于基础网络分别生成计划公交线路数的公交线路；
线路组网模块，用于将公交线路组网形成公交线路网络；
导航评价模块，用于对每个用户进行基于公交线路网络的最短路规划，并获取每个用户在最短路规划下出行的单个成本，基于所有单个成本获取所有用户出行的总成本；
分析模块，用于以总成本为目标值，判断目标值是否收敛，若是，得到公交线路网络，若否，采用启发式算法对公交线路网路进行优化迭代，直至目标值收敛。
本发明另一实施例还提供一种电子设备，包括存储有计算机程序且可与处理器耦合的存储器，当计算机程序被处理器加载并执行时，实现如上的公交换乘网络优化方法。
最后应说明的是，以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种公交换乘网络优化方法，其特征在于，包括：
获取基础网络和获取计划公交线路数；
基于所述基础网络分别生成所述计划公交线路数的公交线路；
将所述公交线路组网形成公交线路网络；
基于所述公交线路网络对每个用户分别进行最短路规划，并获取每个用户在所述最短路规划下出行的单个成本，基于所有所述单个成本获取所有用户出行的总成本；
以所述总成本为目标值，判断所述目标值是否收敛，若是，得到所述公交线路网络，若否，采用启发式算法对所述公交线路网路进行优化迭代，直至所述目标值收敛。
2.根据权利要求1所述的公交换乘网络优化方法，其特征在于，所述获取计划公交线路数包括：
采用如下公式确定所述计划公交线路数：
R∈(R1,R2),其中，
其中，R为所述计划公交线路数，Cw为所研究城市范围的宽度，Cl为所研究城市范围的长度，Cs为用户的最大且合理的步行距离，R1表示在等间隔的情况下为所研究城市铺上横纵交错的正交公交线路网格需要的线路数，I为计划投入的线路总预算，Pi为平均单条线路的造价，R2表示计划预算所能支持的最大线路数。
3.根据权利要求1所述的公交换乘网络优化方法，其特征在于，所述基础网络为具有节点-连接结构的网络，所述基础网络包括基础节点，所述公交线路包括第一节点；
所述将所述公交线路组网形成公交线路网络包括：
获取所述第一节点中与所述基础节点重合的节点，作为第一重合节点；
将R条所述公交线路中与所述基础节点重合的所述第一重合节点合并为一个节点，作为线路搭接换乘节点。
4.根据权利要求1所述的公交换乘网络优化方法，其特征在于，所述获取每个用户在所述最短路规划下出行的单个成本包括：
采用如下公式确定所述单个成本：
Ci＝Li+kI；
其中，i表示第i个用户，Ci表示第i个用户在所述最短路规划下出行的单个成本，Li为第i个用户在经所述最短路规划得到的最短路上出行的路径长度成本，I为第i个用户在所述公交线路网络上换乘一次产生的成本，k为第i个用户在所述公交线路网络上的换乘次数。
5.根据权利要求4所述的公交换乘网络优化方法，其特征在于，所述基于所有所述单个成本获取所有用户出行的总成本包括：
采用如下公式确定所述总成本：
Cj＝∑Ci；
其中，j表示第j个公交线路网络，Cj表示所有用户在第j个公交线路网络上出行的总成本。
6.根据权利要求1所述的公交换乘网络优化方法，其特征在于，所述判断所述目标值是否收，包括：
获取所述目标值在最后1/3阶段的迭代中取得的下降值占总下降值的比率；
比较所述比率是否小于设定的收敛速度阈值；
若是，则确定所述目标值收敛；
若否，则对所述公交线路网路进行优化迭代，直至所述目标值收敛。
7.根据权利要求1所述的公交换乘网络优化方法，其特征在于，所述基于所述基础网络分别生成所述计划公交线路数的公交线路包括：
根据线路生成需求，获取样点个数；
根据所述样点个数，调用适配的启发策略，启发生成处于所述基础网络中的多个控制样点；
基于生成有多个所述控制样点后的基础网络，求解无环旅行商问题，得到经过多个所述控制样点的无环最短路径；
基于所述无环最短路径生成所述公交线路。
8.根据权利要求7所述的公交换乘网络优化方法，其特征在于，所述无环最短路径包括多个所述控制样点和多个第一网络节点；
所述基于所述无环最短路径生成所述公交线路包括：
将至少一个所述第一网络节点与所述基础网路中的节点搭接连通，使得所述无环最短路径成为带有节点序列的线路；
将所述带有节点序列的线路存储至数据库或配置文件中，得到所述公交线路。
9.一种公交换乘网络优化装置，其特征在于，包括：
获取模块，用于获取基础网络和计划公交线路数；
线路生成模块，用于基于所述基础网络分别生成所述计划公交线路数的公交线路；
线路组网模块，用于将所述公交线路组网形成公交线路网络；
导航评价模块，用于对每个用户进行基于所述公交线路网络的最短路规划，并获取每个用户在所述最短路规划下出行的单个成本，基于所有所述单个成本获取所有用户出行的总成本；
分析模块，用于以所述总成本为目标值，判断所述目标值是否收敛，若是，得到所述公交线路网络，若否，采用启发式算法对所述公交线路网路进行优化迭代，直至所述目标值收敛。
10.一种电子设备，其特征在于，包括存储有计算机程序且可与处理器耦合的存储器，当所述计算机程序被所述处理器加载并执行时，实现如权利要求1至8任一项所述的公交换乘网络优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111226294.6A CN114139765A (zh) | 2021-10-21 | 2021-10-21 | 一种公交换乘网络优化方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111226294.6A CN114139765A (zh) | 2021-10-21 | 2021-10-21 | 一种公交换乘网络优化方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114139765A true CN114139765A (zh) | 2022-03-04 |
Family
ID=80395344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111226294.6A Pending CN114139765A (zh) | 2021-10-21 | 2021-10-21 | 一种公交换乘网络优化方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114139765A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049156A (zh) * | 2022-08-11 | 2022-09-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通线网运行图衔接优化方法、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060206363A1 (en) * | 2005-03-13 | 2006-09-14 | Gove Jeremy J | Group travel planning, optimization, synchronization and coordination software tool and processes for travel arrangements for transportation and lodging for multiple people from multiple geographic locations, domestic and global, to a single destination or series of destinations |
| CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
| CN103745277A (zh) * | 2014-01-22 | 2014-04-23 | 宁波大学 | 一种轨道交通接驳公交线网优化系统 |
| CN112101751A (zh) * | 2020-08-31 | 2020-12-18 | 华南理工大学 | 一种公共交通优化方法、系统、装置及存储介质 |
| CN112200393A (zh) * | 2020-12-04 | 2021-01-08 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公共交通线路生成方法、装置、设备和存储介质 |
-
2021
- 2021-10-21 CN CN202111226294.6A patent/CN114139765A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060206363A1 (en) * | 2005-03-13 | 2006-09-14 | Gove Jeremy J | Group travel planning, optimization, synchronization and coordination software tool and processes for travel arrangements for transportation and lodging for multiple people from multiple geographic locations, domestic and global, to a single destination or series of destinations |
| CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
| CN103745277A (zh) * | 2014-01-22 | 2014-04-23 | 宁波大学 | 一种轨道交通接驳公交线网优化系统 |
| CN112101751A (zh) * | 2020-08-31 | 2020-12-18 | 华南理工大学 | 一种公共交通优化方法、系统、装置及存储介质 |
| CN112200393A (zh) * | 2020-12-04 | 2021-01-08 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种公共交通线路生成方法、装置、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049156A (zh) * | 2022-08-11 | 2022-09-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通线网运行图衔接优化方法、电子设备及存储介质 |
| CN115049156B (zh) * | 2022-08-11 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通线网运行图衔接优化方法、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arbex et al. | Efficient transit network design and frequencies setting multi-objective optimization by alternating objective genetic algorithm | |
| Cipriani et al. | Transit network design: A procedure and an application to a large urban area | |
| CN109000676B (zh) | 一种vanet环境下结合预测信息的路径规划方法 | |
| Cipriani et al. | A bus network design procedure with elastic demand for large urban areas | |
| John et al. | An improved multi-objective algorithm for the urban transit routing problem | |
| CN111879329B (zh) | 基于a*算法的定制公交可通行最短路径计算方法 | |
| Verma et al. | Feeder bus routes generation within integrated mass transit planning framework | |
| CN105654206A (zh) | 基于乘客出行空间分布的公交站点选址布局优化方法 | |
| D’Souza et al. | Pickup and delivery problem using metaheuristics techniques | |
| CN111898793B (zh) | 一种组合出行方式下考虑用户感知差异性的路径选择方法 | |
| CN109670240A (zh) | 一种城市多模式公交网络初始线路生成方法 | |
| CN110909434A (zh) | 一种低碳导向下的城市公共交通干线网络设计方法 | |
| Guo et al. | Integrated location and routing planning of electric vehicle service stations based on users’ differentiated perception under a time-sharing leasing mode | |
| Jiang et al. | Peak-hour vehicle routing for first-mile transportation: Problem formulation and algorithms | |
| CN112418514A (zh) | 一种运用蚁群系统优化校园公交线路规划的方法 | |
| CN114139765A (zh) | 一种公交换乘网络优化方法、装置及电子设备 | |
| Sun et al. | Solving demand-responsive feeder transit service design with fuzzy travel demand: A collaborative ant colony algorithm approach | |
| Garcia et al. | Hybrid approach for the public transportation time dependent orienteering problem with time windows | |
| Kanoh et al. | Route guidance with unspecified staging posts using genetic algorithm for car navigation systems | |
| Beed et al. | A hybrid multi-objective carpool route optimization technique using genetic algorithm and A* algorithm | |
| Ambrosino et al. | An algorithmic framework for computing shortest routes in urban multimodal networks with different criteria | |
| Abbaspour et al. | An evolutionary solution for multimodal shortest path problem in metropolises | |
| Thymianis et al. | Electric vehicle routing problem: Literature review, instances and results with a novel ant colony optimization method | |
| Santos et al. | Accelerating learning of route choices with C2I: A preliminary investigation | |
| CN111581759B (zh) | 一种基于里奇曲率用于公交线网优化的评估方法 |
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 |