CN114881423B - 一种针对枢纽换乘场景的联程中转城市确定方法 - Google Patents

一种针对枢纽换乘场景的联程中转城市确定方法 Download PDF

Info

Publication number
CN114881423B
CN114881423B CN202210398301.9A CN202210398301A CN114881423B CN 114881423 B CN114881423 B CN 114881423B CN 202210398301 A CN202210398301 A CN 202210398301A CN 114881423 B CN114881423 B CN 114881423B
Authority
CN
China
Prior art keywords
city
transit
level
index
cities
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
Application number
CN202210398301.9A
Other languages
English (en)
Other versions
CN114881423A (zh
Inventor
李颢然
杨敏
马晨翔
贾舟
徐子喻
任怡凤
李宏伟
张聪伟
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202210398301.9A priority Critical patent/CN114881423B/zh
Publication of CN114881423A publication Critical patent/CN114881423A/zh
Application granted granted Critical
Publication of CN114881423B publication Critical patent/CN114881423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computational Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

本发明公开了一种针对枢纽换乘场景的联程中转城市确定方法，具体为：建立联程中转城市基本特征、影响因素、标定结果三级特征体系；将最劣指标的城市筛除，并进行主客观赋权结合确定各层级指标权重；利用权重生成评价函数，对中转城市的服务水平进行评估排序。本发明对中转城市进行了特征挖掘与提取，从距离影响因素、城市服务因素、枢纽水平因素、服务便捷因素四个方面构建指标体系，通过智能化初筛、系统性评价确定联程中转城市的优先级排序。本发明方法重点关注对联程出行中的中转城市选择，从而有效提高出行者换乘舒适性和联程出行的连续性、保障性、便捷性。

Description

一种针对枢纽换乘场景的联程中转城市确定方法
技术领域
本发明属于多模式交通出行技术领域，具体涉及一种针对枢纽换乘场景的联程中转城市确定方法。
背景技术
随着都市圈、城市群的快速发展，我国高频次、中短距、高时间价值的出行特征更为显著，联程出行需求与日俱增。发展联程运输能促进区域一体化的多模式运输转型升级，是综合交通运输体系高质量一体化发展关键。随着我国交通基础设施的逐步完善，航空、铁路、公路等主要运输方式的快速发展，旅客对出行品质和体验的要求提高，尤其是对联程出行的需求日益增加。中转城市作为联程出行服务中的重要一环，起着不同出行方式衔接、提供联程服务等作用，极大影响了用户对于联程出行方式的选择。
中转换乘是联程出行中的关键环节，在整个出行中起衔接作用。然而，现有市场上的出行方案推荐软件中，仅考虑中转城市的地理位置和热门程度，导致中转城市数量的限制，旅客的换乘体验不佳。例如：一位乘客选择按照某一出行推荐方案进行联程出行，在中转城市进行换乘，但是该推荐方案并未考虑到在该城市中前后两种出行方式之间所需的换乘时间，同时也未考虑到换乘站点之间的市内交通方式的舒适度，导致该旅客在整个中转过程中的换乘时间十分有限，中转体验差。这种换乘的不便导致了旅客的出行服务体验较差。
发明内容
为解决上述问题，本发明公开了一种针对枢纽换乘场景的联程中转城市确定方法。根据用户的偏好，利用主观赋权法对评价指标进行定性分析；根据所用数据，利用客观赋权法为评价指标赋权。最后将两者的算数平均值作为最终权重，进行主客观综合赋权，从而为不同需求的用户提供针对性的中转城市备选集合，满足其出行需求。
为达到上述目的，本发明的技术方案如下：
一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，包括以下步骤：
(1)建立联程中转城市的三级特征体系，共包括三级指标，其中一级指标为联程城市服务水平1项，二级指标为距离影响因素、城市服务因素、枢纽水平因素、服务便捷因素4项，三级指标为分为4类的12项，三级指标中每一类对应1项二级指标；
(2)对所有备选中转城市进行初步筛选；
(3)确定初步筛选得到的各中转城市的二级指标权重；
(4)计算初步筛选得到的各中转城市的一级指标值，并按照对应一级指标值从大到小的顺序确定各中转城市的优先级，以供按需选择。
进一步地，所述步骤(1)中，三级指标包括对应距离影响因素的总距离Lreal、距离比Lrelative、非直线系数r，对应枢纽水平因素的旅客吞吐量num和站点数量Nstation，对应城市服务因素的城市等级rank、市内交通方式数量Ntrans、站点间距distancestation、通行费用costtrans，以及对应服务便捷因素的线路数量Nline、车次分布均匀性distribution、时间段覆盖率rate。
进一步地，所述三级指标中旅客吞吐量num、站点数量Nstation、城市等级rank、市内交通方式数量Ntrans以及线路数量Nline通过网络爬虫获取，其余指标采用以下方法计算得到：
(1)总距离Lreal＝LO-City+LCity-D，其中LO-City表示从出发地到中转城市的直线距离，LCity-D表示从中转城市到目的地的直线距离；
(2)距离比
(3)非直线系数其中Lstraight表示出发地到目的地的直线距离；
(4)站点间距其中station表示所选中转城市，p和q表示枢纽站点编号，disp-q表示枢纽站点p到枢纽站点q的实际距离；
(5)通行费用costtrans＝mink∈trans(costk)，其中trans表示市内交通方式，k表示市内交通工具编号，costk表示第k种交通工具通行费用；
(6)车次分布均匀性其中SD_depart为向量C1×24中所有元素的标准差，Mean_depart为向量C1×24中所有元素的平均值，C1×24＝(C0，C1，....，C23)，Cl为第l个时间段内车次数量统计值，l＝0，1，...，23，每个时间段为1小时；
(7)时间段覆盖率
进一步地，所述步骤(2)的初步筛选过程包括：
①备选中转城市的决策属性矩阵为：
其中，N3为三级指标项数，M为备选中转城市数量，xij表示第i个中转城市的第j项三级指标值；
②定义最劣理想城市，其决策属性矩阵为其中yj＝min1≤i≤Mxij；
③遍历中转城市，若当前备选中转城市和最劣理想城市在各类三级指标下均至少存在1项指标值相同，则移除当前备选中转城市，完成初步筛选。
进一步地，所述步骤(3)的具体步骤如下：
①构造判断矩阵其中akj＝1/ajk，akj表示第k项三级指标相对于第j项三级指标的比较结果；
②求取判断矩阵最大特征值λmax对应的特征向量并进行归一化，得到向量
③对初步筛选得到的各中转城市的决策属性矩阵进行归一化处理，得到矩阵其中M′为初步筛选得到的中转城市数量，i′＝1，2，...M′；
④计算初步筛选得到的第i′个中转城市的第j项三级指标比重：
⑤计算第j项三级指标的信息熵：其中/>
⑥计算第j项三级指标的权重：综合所有三级指标的权重得到权重向量/>
⑦综合权值向量其中wj为第j项三级指标的综合权值。
进一步地，所述步骤③的归一化公式为
进一步地，所述步骤(4)中计算初步筛选得到的各中转城市的一级指标值的具体步骤如下：
①构建函数生成矩阵/>其中，/>为初步筛选得到的第i′个中转城市的第j2项二级指标，j2＝1，2，...，N2，N2为二级指标项数，K表示对应第/>项二级指标的一类三级指标的集合，/>代表K中的三级指标/> 为代表K中的三级指标/>的综合权值；
②对进行归一化，得到矩阵/>
③定义最大值最小值/>
④定义初步筛选得到的第i′个中转城市与最大值和最小值的距离分别为：
⑤初步筛选得到的第i′个中转城市的一级指标为根据各目标城市的一级指标值从大到小排序，确定各中转城市的优先级，以供按需选择。
进一步地，所述步骤②的归一化公式为
一种针对枢纽换乘场景的联程中转城市确定设备，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以下针对枢纽换乘场景的联程中转城市确定方法的步骤：
(1)建立联程中转城市的三级特征体系，共包括三级指标，其中一级指标为联程城市服务水平1项，二级指标为距离影响因素、城市服务因素、枢纽水平因素、服务便捷因素4项，三级指标为分为4类的12项，三级指标中每一类对应1项二级指标；
(2)对所有备选中转城市进行初步筛选；
(3)确定初步筛选得到的各中转城市的二级指标权重；
(4)计算初步筛选得到的各中转城市的一级指标值，并按照对应一级指标值从大到小的顺序确定各中转城市的优先级，以供按需选择。
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以下针对枢纽换乘场景的联程中转城市确定方法的步骤：
(1)建立联程中转城市的三级特征体系，共包括三级指标，其中一级指标为联程城市服务水平1项，二级指标为距离影响因素、城市服务因素、枢纽水平因素、服务便捷因素4项，三级指标为分为4类的12项，三级指标中每一类对应1项二级指标；
(2)对所有备选中转城市进行初步筛选；
(3)确定初步筛选得到的各中转城市的二级指标权重；
(4)计算初步筛选得到的各中转城市的一级指标值，并按照对应一级指标值从大到小的顺序确定各中转城市的优先级，以供按需选择。
本发明针对现有方法对中转城市的选择判别较少，且无法完全涵盖中转城市中有影响的问题，本发明将基础数据与提取数据相结合，对中转城市进行深度特征挖掘与描述，为联程出行提供一种针对枢纽换乘场景的联程中转城市确定方法，为用户提供高质量、高服务水平的中转换乘选择，从而使联程出行旅客获得更舒适便捷的换乘体验。
附图说明
图1是本发明的流程图。
具体实施方式
下面将结合附图与具体实施方式对本发明进行进一步详细描述，应注意下述的实例仅用于说明，仅为本发明一部分实施例，而不是全部的实施例。
在一个实施例中，如图1所示，提供了一种针对枢纽换乘场景的联程中转城市确定方法，包括以下步骤：
(1)建立联程中转城市三级特征体系
三级特征体系包括三级指标：
一级指标：联程城市服务水平1项；
二级指标：距离影响因素、城市综合能力、枢纽建设等级、行程便捷程度4项；
三级指标：共4类12项，每一类对应1项二级指标；第一类是对应距离影响因素的总距离Lreal、距离比Lrelative、非直线系数r，第二类是对应枢纽水平因素的旅客吞吐量num和站点数量Nstation，第三类是对应城市服务因素的城市等级rank、市内交通方式数量Ntrans、站点间距distancestation、通行费用costtrans，第四类是对应服务便捷因素的线路数量Nline、车次分布均匀性distribution、时间段覆盖率rate。
(2)对所有备选中转城市进行初步筛选，以简单快捷的方式初步排除备选中转城市
以有M个备选中转城市，Nt＝12项三级评价指标为例，生成决策属性矩阵 其中xij表示第i个中转城市的第j项三级指标值。
定义最劣理想城市，其决策属性矩阵为其中yj＝min1≤i≤Mxij。
遍历备选中转城市，若当前备选中转城市和最劣理想城市在各类三级指标下均至少存在1项指标值相同，则移除当前备选中转城市，完成初步筛选。
(3)客观赋权与主观赋权结合，初步筛选得到的各中转城市的二级指标权重
主观赋权的方法：
构造判断矩阵其中akj＝1/ajk，akj表示第k项三级指标相对于第j项三级指标的比较结果。
在生成判断矩阵后，求取判断矩阵最大特征值λmax对应的特征向量，并进行归一化处理，得到向量表示同一层次元素(三级指标)对于上一层因素(二级指标)相对重要性的排序权值。这里进行一致性检验，计算一致性指标，指标计算公式为/>通过查表获得随机一致性指标RI，计算一致性比率/>当CR＜0.1时认为通过检验。
客观赋权的方法包括：
对初步筛选得到的各中转城市的决策属性矩阵进行归一化处理，得到矩阵/>其中M′为初步筛选得到的中转城市数量，i′＝1，2，...M′，x′i′j为初步筛选得到的第i′个中转城市的第j项三级指标。计算初步筛选得到的第i′个中转城市的第j项三级指标比重：/>同时计算第j项三级指标的信息熵：/>其中/>计算第j项三级指标的权重：/>综合所有三级指标的权重得到权重向量/>
在得到主客观赋权的两种权值后，将两者的算数平均值作为最终权重，进行主客观综合赋权，得到综合权值向量其中wj为第j项三级指标的综合权值。
(4)确定初步筛选后各中转城市的一级指标值并进行排序，确定初步筛选后各中转城市的优先级
构建函数生成矩阵/>其中，为初步筛选得到的第i′个中转城市的第j2项二级指标，j2＝1，2，...，N2，N2为二级指标项数，K表示对应第/>项二级指标的一类三级指标的集合，/>代表K中的三级指标/> 为代表K中的三级指标/>的综合权值。
对进行归一化，得到矩阵/>
定义最大值最小值/>
定义初步筛选得到的第i′个中转城市与最大值和最小值的距离分别为：
初步筛选得到的第i′个中转城市的一级指标为根据各目标城市的一级指标值从大到小排序，确定各中转城市的优先级，以供按需选择。
在一个实施例中，提供了一种针对枢纽换乘场景的联程中转城市确定装置，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针对枢纽换乘场景的联程中转城市确定方法的步骤。
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针对枢纽换乘场景的联程中转城市确定方法的步骤。
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。
在一个实施例中，某出行者于2021年8月7日10：00-12：00从浙江省衢州市前往江苏省太仓市，其考虑到衢州市与太仓市之间未设有直达铁路或直达公路线路，其决定使用公铁联程的方式满足出行需求，以下使用上述针对枢纽换乘场景的联程中转城市确定方法为其确定最合适的联程中转城市。
(1)建立联程中转城市三级特征体系：
确定出发日期为2021年8月7日，出发时间为10：00-12：00，出发省市为浙江省衢州市，目的地城市为江苏省太仓市。
通过查询城市数据库，确定与浙江省衢州市存在直达铁路或公路线路，且与江苏省太仓市存在直达公路或直达铁路的县级及以上城市信息。备选中转城市包含上海、苏州、南京、杭州、绍兴、宁波、湖州、宣城等城市。鉴于篇幅限制，以下选取上海、苏州、杭州、南京四个城市作为备选中转城市进行流程说明。
根据出发日期、出发地和目的地，通过API接口调用数据库中不同中转城市的联程票务数据、各城市地理信息数据和各站点数据。获得从出发地衢州市至目的地太仓市的直线距离351公里、和衢州市至上海市、苏州市、杭州市、南京市四城市的实际距离{323km，310km，191km，484km}、和从上海市、苏州市、杭州市、南京市至目的地太仓市的实际距离{50km，49km，160km，229km}。依据公式Lreal＝LO-City+LCity-D， 计算得旅程总距离为Lreal{373km，359km，351km，713km}，旅程距离比Lrelative为{6.46，6.33，1.19，2.11}，旅程非直线系数r为{1.06，1.03，1，2.03}。
通过调取数据库中存储的上海市、苏州市、杭州市、南京市的站点数据，获得四城市的城市等级rank为{上海：超大城市，苏州：特大城市，杭州：特大城市，南京：特大城市}，以及城市枢纽建设等级为{上海：一级，苏州：二级，杭州：一级，南京：一级}和对应枢纽建设等级下的旅客吞吐量num{上海：225.3万人次/天，苏州：155.7万人次/天，杭州：271.8万人次/天，南京：223.6万人次/天}。调取获得各城市的站点数量Nstation为{上海：20，苏州：11，杭州：9，南京：9}以及对应的站点名称和位置，并获得各个城市的换乘方式数量Ntrans{上海：12，杭州：7，苏州：7，南京：8}。在此基础上，根据公式costtrans＝mink∈trans(costk)以及API接口获取，计算、获得单个城市市内站点间距disstation分别为{上海：58km，苏州：15km，杭州：28km，南京：29km}，以及各个城市内的换乘方式数量Ntrans{上海：4，苏州：3，杭州：3，南京：3}，市内最小通行费用costtrans{上海：4元，苏州：10元，杭州：20元，南京：15元}。
调取数据库中过去365天的联程出行数据和票务数据，获得所要求的行程便捷程度下线路数量为{上海：4121，苏州：1089，杭州：1177，南京：1204}和候选中转城市在2021年7月8日当天24小时每一小时时段的车次数量，生成四个1行24列的向量C1×24。根据公式和/>确定指标车次分布均匀性distribution{上海：0.12，苏州：0.13，杭州：0.15，南京：0.13}以及指标时间覆盖率rate{上海：1，苏州：0.99，杭州：0.99，南京：0.98}。
将上述获得的城市数据构建为矩阵X，数据的矩阵形式为
其中，xi，j代表第i个城市的第j项评价指标。
本实施例中，备选中转城市数目为4，评价指标数目为12，生成备选中转城市的决策属性矩阵如下：
(2)对备选中转城市进行初步筛选
城市外层循环顺序采用上海-苏州-杭州-南京的顺序，指标内层循环顺序采用从总距离开始，到时间段覆盖率结束的遍历顺序，将每个候选城市的每项指标与最劣理想城市的指标进行比较，遍历得到杭州距离影响因素下的距离比、城市服务因素下的是换乘方式数量、枢纽水平因素下的站点数量、服务便捷因素下的时间段覆盖率均为最劣，故将南京市从候选城市集合中排除。最终得到筛选后的候选城市集合{上海，苏州，杭州}。
初步筛选得到的各中转城市的决策属性矩阵如下：
(3)客观赋权与主观赋权结合，确定初步筛选得到的各中转城市的二级指标权重
进入最优中转城市评价部分，为初步筛选得到的各中转城市的二级指标权重进行客观赋权，获得主观赋权权重向量：
Ws＝[0.00，0.32，0.57，0.59，0.83，0.86，0.98，0.90，0.96，1.00，0.96，0.99]。
计算获得一致性指标CI、随机一致性指标RI和一致性比率CR，因为CR＜0.1，一致性检验通过，无需调整。
在主观赋权完成后，使用客观赋权方法对初步筛选得到的各中转城市的二级指标权重进行客观赋权。对初步筛选得到的各中转城市的决策属性矩阵进行归一化处理，获得的归一化矩阵：
获得所有三级指标的客观权重向量：
Wo＝[1.53，1.52，1.53，1.50，1.50，1.52，1.53，1.53，1.52，1.50，1.53，1.50]。
基于主观权值与客观权值，利用公式确定综合权值向量：
W＝[0.77，0.92，1.05，1.05，1.17，1.19，1.26，1.22，1.24，1.25，1.25，1.25]。
(4)确定最优中转城市
进而得到最大值Z+＝[1 1 1 1]，最小值Z-＝[0 0 0 0])。接着求取中转城市至最大值与最小值的距离，得到上海，苏州和杭州的一级指标分别为0.89，0.22和0.41。
按照一级指标值由大到小排序为{上海，杭州，苏州}，确定出该出行者在2021年8月7日10:00-12:00间从浙江省衢州市前往江苏省太仓市的出行，其最优联程中转城市选择为上海，次优选择为杭州。
现有出行推荐软件出行方案中均推荐在上海进行换乘，与本推荐方法相同；但相关出行推荐软件并未提供其他可行的中转换乘城市选择，相较本推荐方法换乘选择单一，不能够给用户提供更加便捷、丰富的出行选择。
以上实施例展示了本发明的基本原理、主要特征，仅为本发明的一个实施例，在不脱离本发明精神和范围的前提下本发明的任何变化与改进，都应落入本发明要求保护的范围内，该范围由所附的权利要求书及其等同物界定。

Claims (8)

1.一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，包括以下步骤：
(1)建立联程中转城市的三级特征体系，共包括三级指标，其中一级指标为联程城市服务水平1项，二级指标为距离影响因素、城市服务因素、枢纽水平因素、服务便捷因素4项，三级指标为分为4类的12项，三级指标中每一类对应1项二级指标；
(2)对所有备选中转城市进行初步筛选；
(3)确定初步筛选得到的各中转城市的二级指标权重；
(4)计算初步筛选得到的各中转城市的一级指标值，并按照对应一级指标值从大到小的顺序确定各中转城市的优先级，以供按需选择；
所述步骤(3)的具体步骤如下：
①构造判断矩阵其中akj＝1/ajk，akj表示第k项三级指标相对于第j项三级指标的比较结果；
②求取判断矩阵最大特征值λmax对应的特征向量并进行归一化，得到向量 N3为三级指标项数；
③对初步筛选得到的各中转城市的决策属性矩阵进行归一化处理，得到矩阵其中M′为初步筛选得到的中转城市数量，i′＝1,2,…M′；
④计算初步筛选得到的第i′个中转城市的第j项三级指标比重：
⑤计算第j项三级指标的信息熵：其中/>
⑥计算第j项三级指标的权重：综合所有三级指标的权重得到权重向量
综合权值向量其中wj为第j项三级指标的综合权值；
所述步骤(4)中计算初步筛选得到的各中转城市的一级指标值的具体步骤如下：
1)构建函数生成矩阵/>其中，为初步筛选得到的第i′个中转城市的第j2项二级指标，j2＝1,2,…,N2，N2为二级指标项数，K表示对应第/>项二级指标的一类三级指标的集合，/>代表K中的三级指标/> 为代表K中的三级指标/>的综合权值；
2)对进行归一化，得到矩阵/>
3)定义最大值最小值/>
4)定义初步筛选得到的第i′个中转城市与最大值和最小值的距离分别为：
5)初步筛选得到的第i′个中转城市的一级指标为根据各目标城市的一级指标值从大到小排序，确定各中转城市的优先级，以供按需选择。
2.根据权利要求1所述的一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，所述步骤(1)中，三级指标包括对应距离影响因素的总距离Lreal、距离比Lrelative、非直线系数r，对应枢纽水平因素的旅客吞吐量num和站点数量Nstation，对应城市服务因素的城市等级rank、市内交通方式数量Ntrans、站点间距distancestation、通行费用costtrans，以及对应服务便捷因素的线路数量Nline、车次分布均匀性distribution、时间段覆盖率rate。
3.根据权利要求2所述的一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，所述三级指标中旅客吞吐量num、站点数量Nstation、城市等级rank、市内交通方式数量Ntrans以及线路数量Nline通过网络爬虫获取，其余指标采用以下方法计算得到：
(1)总距离Lreal＝LO-city+LCity-D，其中LO-City表示从出发地到中转城市的直线距离，LCity-D表示从中转城市到目的地的直线距离；
(2)距离比
(3)非直线系数其中Lstraight表示出发地到目的地的直线距离；
(4)站点间距其中station表示所选中转城市，p和q表示枢纽站点编号，disp-q表示枢纽站点p到枢纽站点q的实际距离；
(5)通行费用costtrans＝mink∈trans(costk)，其中trans表示市内交通方式，k表示市内交通工具编号，costk表示第k种交通工具通行费用；
(6)车次分布均匀性其中SD_depart为向量C1×24中所有元素的标准差，Mean_depart为向量C1×24中所有元素的平均值，C1×24＝(C0,C1,…,C23)，Cl为第l个时间段内车次数量统计值，l＝0,1,…,23，每个时间段为1小时；
(7)时间段覆盖率
4.根据权利要求1所述的一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，所述步骤(2)的初步筛选过程包括：
①备选中转城市的决策属性矩阵为：
其中，N3为三级指标项数，M为备选中转城市数量，xij表示第i个中转城市的第j项三级指标值；
②定义最劣理想城市，其决策属性矩阵为其中yj＝min1≤i≤ Mxij；
③遍历备选中转城市，若当前备选中转城市和最劣理想城市在各类三级指标下均至少存在1项指标值相同，则移除备选当前中转城市，完成初步筛选。
5.根据权利要求1所述的一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，所述步骤③的归一化公式为
6.根据权利要求1所述的一种针对枢纽换乘场景的联程中转城市确定方法，其特征在于，所述步骤2)的归一化公式为
7.一种针对枢纽换乘场景的联程中转城市确定设备，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6中任一所述的针对枢纽换乘场景的联程中转城市确定方法的步骤。
8.一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6中任一所述的针对枢纽换乘场景的联程中转城市确定方法的步骤。
CN202210398301.9A 2022-04-15 2022-04-15 一种针对枢纽换乘场景的联程中转城市确定方法 Active CN114881423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210398301.9A CN114881423B (zh) 2022-04-15 2022-04-15 一种针对枢纽换乘场景的联程中转城市确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210398301.9A CN114881423B (zh) 2022-04-15 2022-04-15 一种针对枢纽换乘场景的联程中转城市确定方法

Publications (2)

Publication Number Publication Date
CN114881423A CN114881423A (zh) 2022-08-09
CN114881423B true CN114881423B (zh) 2024-05-07

Family

ID=82669861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210398301.9A Active CN114881423B (zh) 2022-04-15 2022-04-15 一种针对枢纽换乘场景的联程中转城市确定方法

Country Status (1)

Country Link
CN (1) CN114881423B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100125572A (ko) * 2009-05-21 2010-12-01 연세대학교 산학협력단 운영자 관점의 대중교통체계 평가 시스템
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
CN110751366A (zh) * 2019-09-12 2020-02-04 西南交通大学 一种干线铁路与城市轨道交通运能匹配度计算方法
CN113343400A (zh) * 2021-06-23 2021-09-03 北京航空航天大学 一种城市群综合客运枢纽协同布局优化方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100125572A (ko) * 2009-05-21 2010-12-01 연세대학교 산학협력단 운영자 관점의 대중교통체계 평가 시스템
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
CN110751366A (zh) * 2019-09-12 2020-02-04 西南交通大学 一种干线铁路与城市轨道交通运能匹配度计算方法
CN113343400A (zh) * 2021-06-23 2021-09-03 北京航空航天大学 一种城市群综合客运枢纽协同布局优化方法及系统

Also Published As

Publication number Publication date
CN114881423A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
Zhou et al. A geographical information system based multi-criteria decision-making approach for location analysis and evaluation of urban photovoltaic charging station: A case study in Beijing
CN108596727B (zh) 一种共享单车的管理与决策方法
CN106127357A (zh) 一种基于预约数据的定制公交自动布线系统及方法
CN105630984A (zh) 一种运价搜索系统
CN110119890B (zh) 一种基于ahp-灰色关联分析的铁路乘车方案排序方法
Lee A multi-criteria approach for prioritizing advanced public transport modes (APTM) considering urban types in Korea
Csonka et al. Service quality analysis and assessment method for European carsharing systems
Yang et al. Analyzing drivers’ intention to accept parking app by structural equation model
CN116128172A (zh) 一种空铁联运路线生成方法、系统及设备和存储介质
CN114881423B (zh) 一种针对枢纽换乘场景的联程中转城市确定方法
CN106845680A (zh) 一种轨道交通线路接驳方案比选方法及装置
CN108898437A (zh) 一种车联网环境下基于动态不确定需求的协同拼车费用分担方法
CN110567474B (zh) 基于大数据的出租车实时巡游路线推荐系统及方法
CN113592246B (zh) 一种基于pca-topsis模型的道路施工期公交线网评价方法
CN115456372B (zh) 一种农村低效建设用地识别标准体系构建方法
CN110222876A (zh) 一种基于资源均衡效益的旅游交通路网优化方法
Kumar et al. Mode choice for urban work-based daily trips: a multi-criteria decision making model using the Analytical Hierarchical Process
Wang et al. An Affinity Propagation‐Based Clustering Method for the Temporal Dynamics Management of High‐Speed Railway Passenger Demand
Tian et al. Method for determining the valid travel route of railways based on generalised cost under the syncretic railway network
Wang et al. Using AHP for evaluating travel mode competitiveness in long-distance travel
Wang et al. A Decision Method for Subway Station Selection Based on the Optimal Closeness Coefficient
CN117370905B (zh) 一种面向异常事件的综合客运枢纽的分类方法
Deng et al. Layout optimizing of public bicycle stations based on ahp in wuhan
CN113191595B (zh) 车辆运营全生命周期成本关联数据分析方法及系统
Shi et al. Research on expressway service area location and classification

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