CN114141044A - 考虑乘客选择行为的公交时刻表协调优化方法 - Google Patents
考虑乘客选择行为的公交时刻表协调优化方法 Download PDFInfo
- Publication number
- CN114141044A CN114141044A CN202111387541.0A CN202111387541A CN114141044A CN 114141044 A CN114141044 A CN 114141044A CN 202111387541 A CN202111387541 A CN 202111387541A CN 114141044 A CN114141044 A CN 114141044A
- Authority
- CN
- China
- Prior art keywords
- passengers
- passenger
- bus
- waiting time
- transfer
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种考虑乘客选择行为的公交时刻表协调优化方法,该方法对于重叠区间的乘客选择行为进行了考虑,采用了MNL模型计算乘客选择公交车和换乘站点的概率,以此作为乘客选择的比例进行计算;在此基础上,构建非换乘乘客等车时间模型和换乘乘客等车时间模型,进而构建乘客总等车时间模型,以乘客总等车时间最小为目标,求解得到最优公交时刻表,即各线路的各班次公交车发车时刻。本发明可用于对有重叠区间的公交线路制定时刻表,有助于减少乘客等车时间。
Description
技术领域
本发明涉及一种考虑乘客选择行为的公交时刻表协调优化方法技术,属于城市公共交通运营管理技术领域。
背景技术
公交时刻表是公交行车的依据,也是公交调度计划中的重要组成部分。编制合理的公交时刻表,既能够减少乘客等车时间,提高公交服务满意度,又能够降低运营成本。在对多条有重叠区间的公交线路调度的过程中,通常会采用的两个假设如下:(1)、乘客乘坐最先达到的公交车出行,即先到先服务;(2)、乘客在选择换乘站点时,假设乘客在重叠区间的起始站点换乘,将多点换乘转化为单点换乘问题。但这并不能反应真实情况,这是由于乘客选择乘坐车辆和换乘站点时,会受到多方面因素的影响,如等车时间、车厢拥挤度等。
公交乘客由换乘乘客和非换乘乘客两部分组成,对于换乘乘客而言,不同线路间公交车辆到站时间的差异性越小越好,这样会缩短这部分乘客的换乘时间,而对于非换乘乘客而言,其中一部分乘客可以选择多条线路出行,若到站时间差异性过小,不仅会加剧公交站点处的拥挤,也会使后续到达的车辆满载率过低,二者之间相互矛盾,由此需要对多线路的公交时刻表进行协调调度。
发明内容
技术问题:本发明提供了一种考虑乘客选择行为的公交时刻表协调优化方法,用于编制公交时刻表的编制,以减少换乘乘客、非换乘乘客的等车时间。
技术方案:为解决上述技术问题,本发明采用的技术方案是:
步骤一、确定乘客选择换乘站点以及公交车辆时考虑的因素;
步骤二、采用多项Logit模型(Multinomial Logit Model,MNL模型)描述乘客的选择行为,得到乘客选择的概率模型;
步骤三、建立非换乘乘客等车时间模型;
步骤四、建立换乘乘客等车时间模型;
步骤五、建立乘客总等车时间模型;
步骤六、基于乘客选择的概率模型、非换乘乘客等车时间模型、换乘乘客等车时间模型以及乘客总等车时间模型,以乘客总等车时间最小为目标,采用分支定界法求解得到最优公交时刻表。
在步骤一中,乘客对于换乘站点的选择要考虑的因素如下:(1)、出行目的:包括上班、上学等通勤出行,或是其他出行等;(2)、出行时段;(3)、换乘等待时间;(4)、换乘站点客流量;(5)、车厢拥挤度。乘客对于线路选择的因素如下:(1)、出行目的;(2)、车厢拥挤度;(3)、出行距离;(4)、有无座位情况;(5)、等车时间。
在步骤二中,由以上因素,构建乘客选择换乘站点/公交车辆α的效用函数如下所示:
Vα=Ax1+Bx2+Cx3+Dx4+Ex5+λ (1)
式中:A、B、C、D、E表示乘客选择换乘站点/公交车辆α时考虑的因素,x1、x2、x3、x4、x5、λ表示未标定的参数。
对公交用户进行问卷调查,问卷调查内容为在不同影响因素下的乘客选择,并对问卷调查数据进行统计,采用SPSS软件对公式(1)中的参数进行标定,确定乘客选择换乘站点/公交车辆α的概率如下所示:
式中,Vβ表示乘客选择换乘站点/公交车辆β的效用,J表示换乘站点/公交车辆集合,α,β∈J。
在步骤三中,建立非换乘乘客等车时间模型,如下述公式所示:
Ta=T1+T2 (9)
式中,为乘坐k车的乘客的平均等车时间(单位:s),其中k为经过线路(i,j)的到达时间排在第k位的公交车辆,(i,j)表示站点i和站点j之间的线路;为k车离开站点i的时刻;分别k车和k-1车离开起始站点的时刻;d1,i为起始站点和站点i之间的距离(单位:m);vk为k车的平均运行速度(单位:m/s);T1为第一类乘客的等车时间(单位:s),第一类乘客指的是上、下车站点有一个不在重叠区间的乘客,这类乘客只能选择一条公交线路出行;c为研究时段内经过(i,j)的车辆数(单位:辆);为线路l上乘坐k车的第一类乘客数(单位:人);λi,j为(i,j)内乘客的到达率(单位:人/s);σk,l为一个0,1变量,当k车属于线路l时,为1,否则为0;T2为第二类乘客的等车时间(单位:s),第二类乘客指的是上、下车站点均在重叠区间内,这类乘客能够选择多条公交线路出行;为线路l上乘坐k车的第二类乘客数(单位:人);为选择k车的概率,可由公式(2)计算得到:Ta为非换乘乘客的总等车时间(单位:s);l为线路的集合,N为站点的集合。
在步骤四中,建立换乘乘客等车时间模型,如下述公式所示:
式中,为k车上面选择站点m换乘的乘客数(单位:人);qk为k车上面换乘的乘客数(单位:人),为k车上面乘客选择站点m换乘的概率,可由公式(2)计算得到;M为重叠区间内换乘站点的个数(单位:个);Tb为换乘乘客的总等车时间(单位:s);Td,m为换乘公交车辆的到达时刻;Tk,m为k车的到站时刻。
在步骤五中,建立乘客总等车时间模型,如下述公式所示:
T=Ta+Tb (13)
s.t.
有益效果:
本发明所述的考虑乘客选择行为的公交时刻表协调优化方法,与现有技术相比,考虑了重叠区间内乘客的选择行为对公交时刻表的影响,包括对换乘站点的选择和公交车辆的选择,在此基础上,构建了乘客的等车时间模型,有效的减少了乘客的总等车时间,包括换乘乘客和非换乘乘客的等车时间,本发明可用于在重叠区间内制定更加符合实际情况的公交时刻表,具有十分广阔的应用场景。
附图说明
图1是本发明的考虑乘客选择行为的公交时刻表协调优化方法流程图。
具体实施方式
下面结合附图以及具体实施例,对本发明的技术方案作进一步阐述。
在一个实施例中,如图1所示,提供了一种考虑乘客选择行为的公交时刻表协调优化方法,具体步骤如下:
步骤一:确定乘客选择换乘站点以及公交车辆时考虑的因素;
在该步骤中,乘客对于换乘站点的选择要考虑的因素如下:(1)、出行目的:包括上班、上学等通勤出行,或是其他出行等;(2)、出行时段;(3)、换乘等待时间;(4)、换乘站点客流量;(5)、车厢拥挤度。乘客对于线路选择的因素如下:(1)、出行目的;(2)、车厢拥挤度;(3)、出行距离;(4)、有无座位情况;(5)、等车时间。
步骤二:采用多项Logit模型MNL描述乘客的选择行为,得到乘客选择的概率模型;
在该步骤中,根据步骤一中的因素,构建乘客选择换乘站点/公交车辆α的效用函数如下所示:
Vα=Ax1+Bx2+Cx3+Dx4+Ex5+λ (1)
式中:A、B、C、D、E表示乘客选择换乘站点/公交车辆α时考虑的因素,x1、x2、x3、x4、x5、λ表示未标定的参数。
对公交用户进行问卷调查,问卷调查内容为在不同影响因素下的乘客选择,影响因素如步骤一中所示,并对问卷调查数据进行统计,采用SPSS软件对公式(1)中的参数标定,并结合效用函数,确定乘客选择的概率如下所示:
步骤三:建立非换乘乘客等车时间模型,如下述公式所示:
Ta=T1+T2 (9)
式中,为乘坐k车的乘客的平均等车时间(单位:s),其中k为经过线路(i,j)的到达时间排在第k位的公交车辆,(i,j)表示站点i和站点j之间的线路;为k车离开站点i的时刻;为k车离开起始站点的时刻;d1,i为起始站点和站点i之间的距离(单位:m);vk为k车的平均运行速度(单位:m/s);T1为第一类乘客的等车时间(单位:s),第一类乘客指的是上、下车站点有一个不在重叠区间的乘客,这类乘客只能选择一条公交线路出行;c为研究时段内经过(i,j)站点的车辆数(单位:辆);为乘坐k车的第一类乘客数(单位:人);λi,j为(i,j)内乘客的到达率(单位:人/s);σk,l为一个0,1变量,当车辆k属于线路l时,为1,否则为0;T2为第二类乘客的等车时间(单位:s),第二类乘客指的是上、下车站点均在重叠区间内,这类乘客能够选择多条公交线路出行;为乘坐k车的第二类乘客数(单位:人);为选择k车的概率,可由公式(2)计算得到:Ta为非换乘乘客的总等车时间(单位:s)。
步骤四:建立换乘乘客等车时间模型,如下述公式所示:
式中,为k车上面选择站点m换乘的乘客数(单位:人);qk为k车上面换乘的乘客数(单位:人),为k车上面乘客选择站点m换乘的概率,可由公式(2)计算得到;M为重叠区间内换乘站点的个数(单位:个);Tb为换乘乘客的总等车时间(单位:s);Td,m为换乘公交车辆的到达时刻;Tk,m为k车的到站时刻。
步骤五:建立乘客总等车时间模型,由分支定界法求解得到最优时刻表,即为各个线路各个车辆的起始发车时间。
在该步骤中,建立乘客总等车时间模型,如下述公式所示:
T=Ta+Tb (13)
s.t.
式中,T为乘客总等车时间(单位:s),为线路l内第k辆车离开起始站点的时刻;hmin表示最小的公交车的发车间隔(单位:s),hmax表示最大的公交车的发车间隔(单位:s)。步骤六:基于乘客选择的概率模型、非换乘乘客等车时间模型、换乘乘客等车时间模型以及乘客总等车时间模型,以乘客总等车时间最小为目标,由分支定界法求解得到最优公交时刻表,即为各个线路各个车辆的起始发车时间。
在一个实施例中,提供了一种考虑乘客选择行为的公交时刻表协调优化装置,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的考虑乘客选择行为的公交时刻表协调优化方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其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的考虑乘客选择行为的公交时刻表协调优化方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
Claims (9)
1.一种考虑乘客选择行为的公交时刻表协调优化方法,其特征在于,该方法包括以下步骤:
步骤一、确定乘客选择换乘站点以及公交车辆时考虑的因素;
步骤二、采用多项Logit模型描述乘客的选择行为,得到乘客选择的概率模型;
步骤三、建立非换乘乘客等车时间模型;
步骤四、建立换乘乘客等车时间模型;
步骤五、建立乘客总等车时间模型;
步骤六、基于乘客选择的概率模型、非换乘乘客等车时间模型、换乘乘客等车时间模型以及乘客总等车时间模型,以乘客总等车时间最小为目标,求解得到最优公交时刻表。
2.根据权利要求1所述的一种考虑乘客选择行为的公交时刻表协调优化方法,其特征在于,所述的步骤一中乘客选择换乘站点时考虑的因素如下:(1)、出行目的(2)、出行时段;(3)、换乘等待时间;(4)、换乘站点客流量;(5)、车厢拥挤度;乘客选择公交车辆时考虑的因素如下:(1)、出行目的;(2)、车厢拥挤度;(3)、出行距离;(4)、有无座位情况;(5)、等车时间。
4.根据权利要求1所述的一种考虑乘客选择行为的公交时刻表协调优化方法,其特征在于,所述的步骤四中,非换乘乘客等车时间模型如下述公式所示:
Ta=T1+T2 (9)
式中,为乘坐k车的乘客的平均等车时间,其中k车为经过线路(i,j)的到达时间排在第k位的公交车辆,(i,j)表示站点i和站点j之间的线路;为k车离开站点i的时刻;分别为k车和k-1车离开起始站点的时刻;d1,i为起始站点和站点i之间的距离;vk为k车的平均运行速度;T1为第一类乘客的等车时间,第一类乘客指的是上、下车站点有一个不在重叠区间的乘客;c为研究时段内经过(i,j)的车辆数;为线路l上乘坐k车的第一类乘客数;λi,j为(i,j)内乘客的到达率;σk,l为一个0,1变量,当k车属于线路l时,为1,否则为0;T2为第二类乘客的等车时间,第二类乘客指的是上、下车站点均在重叠区间内;为线路l上乘坐k的第二类乘客数;为选择k车的概率:Ta为非换乘乘客的总等车时间;l为线路的集合,N为站点的集合。
6.根据权利要求5所述的一种考虑乘客选择行为的公交时刻表协调优化方法,其特征在于,所述的步骤六中,建立乘客总等车时间模型如下述公式所示:
T=Ta+Tb (13)
s.t.
hmin≤Tl k,1-Tl k-1,1≤hmax (14)
式中,T为乘客总等车时间,Tl n,1为线路l内k车离开起始站点的时刻;hmin表示最小的公交车的发车间隔,hmax表示最大的公交车的发车间隔。
7.根据权利要求1所述的一种考虑乘客选择行为的公交时刻表协调优化方法,其特征在于,采用分支定界法求解得到最优公交时刻表。
8.一种考虑乘客选择行为的公交时刻表协调优化装置,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一所述的考虑乘客选择行为的公交时刻表协调优化方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一所述的考虑乘客选择行为的公交时刻表协调优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111387541.0A CN114141044B (zh) | 2021-11-22 | 2021-11-22 | 考虑乘客选择行为的公交时刻表协调优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111387541.0A CN114141044B (zh) | 2021-11-22 | 2021-11-22 | 考虑乘客选择行为的公交时刻表协调优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114141044A true CN114141044A (zh) | 2022-03-04 |
CN114141044B CN114141044B (zh) | 2023-02-21 |
Family
ID=80390808
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111387541.0A Active CN114141044B (zh) | 2021-11-22 | 2021-11-22 | 考虑乘客选择行为的公交时刻表协调优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114141044B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737129A (zh) * | 2012-06-20 | 2012-10-17 | 东南大学 | 一种公交车辆区域行车时刻表编制的方法 |
WO2017045294A1 (zh) * | 2015-09-17 | 2017-03-23 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN106652434A (zh) * | 2016-12-02 | 2017-05-10 | 东南大学 | 一种基于轨道交通协调的公交调度方法 |
CN106652530A (zh) * | 2016-11-02 | 2017-05-10 | 北京瑞华赢科技发展有限公司 | 一种调度时刻表生成方法及装置 |
CN106845734A (zh) * | 2017-03-29 | 2017-06-13 | 东南大学 | 面向末班换乘需求的多模式公共交通时刻表优化方法 |
CN110119835A (zh) * | 2019-03-26 | 2019-08-13 | 杭州电子科技大学 | 一种基于区间计算的公交动态发车调度优化方法 |
WO2021159865A1 (zh) * | 2020-02-11 | 2021-08-19 | 罗普特科技集团股份有限公司 | 一种基于数据校准的公交路线预测方法及系统 |
-
2021
- 2021-11-22 CN CN202111387541.0A patent/CN114141044B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737129A (zh) * | 2012-06-20 | 2012-10-17 | 东南大学 | 一种公交车辆区域行车时刻表编制的方法 |
WO2017045294A1 (zh) * | 2015-09-17 | 2017-03-23 | 华南理工大学 | 一种城市常规公交线网设计方法 |
CN106652530A (zh) * | 2016-11-02 | 2017-05-10 | 北京瑞华赢科技发展有限公司 | 一种调度时刻表生成方法及装置 |
CN106652434A (zh) * | 2016-12-02 | 2017-05-10 | 东南大学 | 一种基于轨道交通协调的公交调度方法 |
CN106845734A (zh) * | 2017-03-29 | 2017-06-13 | 东南大学 | 面向末班换乘需求的多模式公共交通时刻表优化方法 |
CN110119835A (zh) * | 2019-03-26 | 2019-08-13 | 杭州电子科技大学 | 一种基于区间计算的公交动态发车调度优化方法 |
WO2021159865A1 (zh) * | 2020-02-11 | 2021-08-19 | 罗普特科技集团股份有限公司 | 一种基于数据校准的公交路线预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
安实等: "基于换乘时间窗的公交区域时刻表优化方法", 《公路与汽运》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114141044B (zh) | 2023-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tirachini et al. | The economics of automated public transport: Effects on operator cost, travel time, fare and subsidy | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN111340406B (zh) | 基于od客流的公交动态编排模型的实现方法及系统 | |
CN109795371A (zh) | 基于移动终端路线规划的电动车辆充电提醒方法及装置 | |
CN113222387B (zh) | 面向氢燃料车辆的多目标调度与协同优化方法 | |
Bischoff et al. | Proactive empty vehicle rebalancing for Demand Responsive Transport services | |
CN104408908A (zh) | 公交车辆越站调度方法及系统 | |
CN111553530B (zh) | 一种城际网约车包车出行运力预测与出行推荐方法及系统 | |
CN107274665A (zh) | 巴士运力资源规划方法及系统 | |
CN111898909B (zh) | 一种基于实时需求的无人驾驶公交派车方法 | |
Khani | Models and solution algorithms for transit and intermodal passenger assignment (development of fast-trips model) | |
CN111754757B (zh) | 一种公交竞争线路排班方法 | |
CN108133329B (zh) | 考虑充电反馈效应的电动汽车出行与充电需求分析方法 | |
CN113077162A (zh) | 面向实时需求的多车型定制公交区域调度方法 | |
CN113538886A (zh) | 一种实时响应式定制公交递阶调度方法 | |
CN112465211A (zh) | 一种轨道交通列车满载率控制方法及应用 | |
Lee et al. | Optimal Automated Demand Responsive Feeder Transit Operation and Its Impact | |
CN117455019A (zh) | 一种基于行程时间预测的网约车合乘动态匹配方法 | |
CN114141044B (zh) | 考虑乘客选择行为的公交时刻表协调优化方法 | |
Bischoff et al. | Current and future dynamic passenger transport services—Modeling, simulation, and optimization in a sustainable transport system | |
CN107862865B (zh) | 一种出行信息的预测方法及装置 | |
Grahle et al. | Autonomous shuttles for urban mobility on demand applications–ecosystem dependent requirement elicitation | |
de Palma et al. | Ride-sharing with inflexible drivers in the Paris metropolitan area | |
CN112465177A (zh) | 一种基于大数据分析的公交线路优化系统及方法 | |
CN115641722B (zh) | 一种基于动态等待时间的班车出行服务系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |