CN115048754A - 基于交通仿真的公交线网优化方法、电子设备及存储介质 - Google Patents
基于交通仿真的公交线网优化方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115048754A CN115048754A CN202210986532.1A CN202210986532A CN115048754A CN 115048754 A CN115048754 A CN 115048754A CN 202210986532 A CN202210986532 A CN 202210986532A CN 115048754 A CN115048754 A CN 115048754A
- Authority
- CN
- China
- Prior art keywords
- line
- cost
- time
- bus
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 238000004088 simulation Methods 0.000 title claims abstract description 18
- 230000006870 function Effects 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明基于交通仿真的公交线网优化方法、电子设备及存储介质,属于公交线网优化技术领域。包括以下步骤:S1.构建多模式公共交通网络;S2.公共交通流量分配;S3.基于分配结果统计线网指标,识别问题线路,统计线路客流指标,首末步行距离、线路绕行系数等指标,基于指标阈值识别问题线路;S4.基于启发式算法优化公交线网。解决现有技术中存在的无法对部分线路进行优化、服务水平低、预测线路客流流量不精准的技术问题。本发明缩短迭代优化算法时间、提升乘客出行体验,同时可减少优化算法生成线路的绕行、缩短乘客出行时间。
Description
技术领域
本申请涉及公交线网优化方法,尤其涉及基于交通仿真的公交线网优化方法、电子设备及存储介质,属于公交线网优化技术领域。
背景技术
近年来,随着城市居民机动化出行需求增加,特别是小汽车出行需求的增长,引发交通拥堵,噪声污染、环境污染等问题。公共交通出行可改善上述问题,然而目前公共交通特别是公交由于准点率较差、换乘距离较长、线路绕行较大且与轨道线路重复度较高等问题导致公交竞争力较差,客流逐年下降,而一个高质量的公交网络规划对提高公交公司服务质量以及减少运营成本至关重要。对公交线网进行合理的规划,可以在有限的资源条件下,充分地发挥出公共交通自身的潜能、改善公共交通的服务水平并且提高公交运营效益,减轻财政补贴压力。目前关于公交线网优化的研究也有许多,但是大多都是重新规划一个公交网络来替代原有的公交网络,而这种方式却并不适合一些大城市。因为对大城市来说不可能用一个全新的公交网络来替代原有的公交网络,这不但会耗费极大的人力物力也会对城市居民的出行造成极大的困扰。因此,设计一个符合现代实际情况的基于现有公交线网进行调整的公交线网优化方法具有重大意义。
针对上述问题研发人员提供了以下方案:
CN109118023B提出一种公共交通线网优化方法,该方法未考虑既有公共交通网络,仅适用于新开发区域公共交通线网规划场景,而目前城市公共交通线路优化调整需考虑线路调整带来的社会影响,仅会对部分线路进行优化调整,保留大部分既有公交线路,减小对居民出行的影响,现有技术对整个公共交通网络进行优化,无法适用于上述部分线网调整的场景。
CN114564809A提出一种考虑当前线网结构的公交线网优化方法,该方法未考虑公交线网调整对出行需求的影响,导致优化出的公交线网方案在实际运营过程中乘客出行时间较长,服务水平较差,进而导致线路客流数较低,运营效益较差等问题。
CN113850442A提出一种考虑地铁接驳站点的城市公交线网优化方法,该方法未考虑出行时间、步行距离、换乘距离、换乘次数等因素,模型精度较差,导致预测客流数不准以及目标函数(总体布局、服务水平评价、运营指标、接驳站点效率多目标)与优化评价(客流)不在同一维度,导致优化后的公交线网的各项指标更差。
因此,亟待一种在保留指标好的路线的基础上提高优化方法服务水平,精准预测各线路客流流量及用户出行时间等指标参数。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,为解决现有技术中存在的无法对部分线路进行优化、服务水平低、预测线路客流流量不精准的技术问题,本发明提供基于交通仿真的公交线网优化方法、电子设备及存储介质。
方案一、基于交通仿真的公交线网优化方法,包括以下步骤:
S1.构建多模式公共交通网络;
S2.公共交通流量分配,包括以下步骤:
S21.基于GTFS线路排班表生成线路断面容量数据字典及线路途径站点数据字典;
S22.将个体需求按OD及15分钟时间片聚类进行集计统计;
S23.将OD按照首次到站时间片进行排序(确定到站优先级);
S24.将排序好的OD交通量按照预设的迭代总次数ns,均匀的分成ns份;
S25.在每一次迭代过程n中,获取每份OD路径数据,通过多进程并行处理,筛选路径方案(若方案出行时间大于1.5倍最短路径,删除路径方案),统计出行方案广义出行成本,并考虑线路断面满载率(多次换乘以最小断面容量为约束),若可达路径方案断面容量均大于容量约束,则向后推迟一个时间片,并增加候车时间成本,然后利用logit模型将每一份OD交通量分配到公共交通网络中。每次迭代都会将OD之间的交通量分配到OD之间的出行成本最小的路径上;
S26.根据交通量的分布情况,进行交通流量加载,得到各线路断面的满载率,更新各线路路段的出行成本;
S27.在下一次迭代过程n+1中,继续分配新的一份OD交通量,根据更新后的线路路段出行成本利用logit模型生成选择概率及选择路径方案的交通需求量,并根据选择路径交通量进行交通的分配;
S28.循环迭代直到迭代次数达到最大迭代次数ns,所有交通量完成了路径分配;
S3.基于分配结果统计线网指标,识别问题线路;
S4.基于启发式算法优化公交线网。
优选的,S3所述基于分配结果统计线网指标,识别问题线路的方法是:包括以下步骤:
S33.统计线路非直线系数R,若非直线系数>1.6,判定为问题线路;
S34.基于分配结果统计首末步行距离大于1公里的OD需求,判定为受影响OD;
S35.将问题线路从线网中删除,再进行一次流量分配,统计无可达路径的OD需求,判定为受影响OD;
S36.统计换乘次数>2的OD需求,判定为受影响OD;
S37.统计首末步行距离大于1公里的OD需求,判定为受影响OD。
优选的,S4所述基于启发式算法优化公交线网方法是:包括以下步骤
S41.基于最近邻搜索算法搜索受影响OD附近最近的公交站点,作为乘客乘坐公交线路的上下车站点pd点;
S42.基于A*算法计算O点(Origin起点)至p点(pickup,上车点)集合的步行距离,d点(delivery 下车点)点至D点(Destination 终点)的步行距离,筛选步行距离小于700米的pd站点作为乘客潜在备选上下车站点;
S43.基于A*算法遍历计算乘客潜在备选上车p点集合至备选下车d点集合的自驾最短路径,保留路径行程时间最短的pd对,作为乘车上下车站点,即新线路开通需途径的站点,确保乘客步行距离较小且上下车pd点路径绕行较小;
S44.构建目标函数:目标函数=乘客出行成本+运营成本
乘客出行成本:
,表示从到自驾在途时间,表示从到的需求量,表示单位时间价值,表示小汽车出行价值系数, 表示小汽车拥堵在途时间,表示小汽车公交非拥堵在途时间;表示已服务的出行需求的在途时间成本系数;表示未服务出行需求的点到点时间成本;表示每个订单包含的pd_demand;
运营成本:
S45.设置约束条件
S46.基于启发式算法的线网优化
基于受影响的PD数据,识别出的问题线路为初始解,利用启发式算法进行迭代优化,移除个节点,表示总节点数,利用BestInsert算子重建移除区域的最优路径;将每次迭代生成的线路加入已删除问题线路的公共交通线网组成新线网,利用OD溯源算法搜索受新线路影响的OD需求,利用公共交通流量分配方法在新线网上进行流量分配,统计新线路乘客出行成本及线路运营成本,计算目标函数值,并与上一次迭代的目标函数值做差,判断是否满足收敛条件,收敛条件:两次目标函数下降至小于阈值或迭代次数>最大迭代次数max_iteration。
优选的,OD溯源算法搜索受新线路影响的OD需求方法是:包括以下步骤:
S461.以新生成线路的站点为圆心,500米长度为半径画圆,得到圆形区域;
S462.判断线路站点与圆形区域的空间关系,筛选属于圆形区域内的站点;
S463.利用A*最短路算法计算圆心与圆形区域内的站点的最短步行路径,筛选步行路径距离小于500米的站点,得到新生成线路步行500米范围内的站点集合;
S464.基于线路站点信息搜索站点集合途径的线路ID,得到线路ID集合;
S465.搜索包含线路ID集合的基于分配的客流OD数据得到可能受影响的OD集合。
方案二、一种电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现方案一所述的基于交通仿真的公交线网优化方法的步骤。
方案三、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方案一所述的基于交通仿真的公交线网优化方法。
本发明的有益效果如下:
(1)本发明既可用于分析公交线网当前交通状态,也可支撑新线路调整后整个线网的状态仿真推演,提升线网优化方案质量;
(2)基于受影响OD溯源技术,每次优化迭代评估时仅考虑收影响的OD客流数据,减小分配OD数据规模,进而大大缩短迭代优化算法时间;
(3)基于指标诊断问题线路,仅优化问题线路,并利用多模式网络拓扑建模方法对网络拓扑进行调整(删除问题线路),减少线路调整对用户出行造成的影响,同时考虑新生成线路与旧线网的关联关系(将新线路加入旧线网中),减少新线路方案与旧线网的竞争,增加之间的换乘协作关系,确保最终优化生成的方案质量;
(4)乘客上下车站点即pd点优选方法,可保证乘客首末步行距离小于500米,提升乘客出行体验,同时可减少优化算法生成线路的绕行、缩短乘客出行时间。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为基于交通仿真的公交线网优化方法流程示意图;
图2为乘客潜在备选上车p点集合至备选下车d点集合的行驶最短路径示意图;
图3为科技园片区公交线路客流统计示意图;
图4为目标函数迭代示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1、参照图1-图4说明本实施方式,基于交通仿真的公交线网优化方法,包括以下步骤:
S1.构建多模式公共交通网络;所述多模式公共交通网络包括地铁、公交和步行三种模式;
S2.公共交通流量分配,具体包括以下步骤:
S21.基于线路排班表生成线路断面容量数据字典;
S22.将个体需求按OD及15分钟时间片聚类进行集计;
S23.将OD按照首次到站时间片进行排序(确定到站优先级);
S24.将排序好的OD交通量按照预设的迭代总次数ns,均匀的分成ns份;
S25.在每一次迭代过程n中,获取每份OD路径数据,通过多进程并行处理,筛选路径方案(若方案出行时间大于1.5倍最短路径,删除路径方案),统计出行方案广义出行成本,并考虑线路断面满载率(多次换乘以最小断面容量为约束),若可达路径方案断面容量均大于容量约束,则向后推迟一个时间片,并增加候车时间成本,然后利用logit模型将每一份OD交通量分配到公共交通网络中。每次迭代都会将OD之间的交通量分配到OD之间的出行成本最小的路径上;
S26.根据交通量的分布情况,进行交通流量加载,得到各线路断面的满载率,更新各线路路段的出行成本;
S27.在下一次迭代过程n+1中,继续分配新的一份OD交通量,根据更新后的线路路段出行成本利用logit模型生成选择概率及选择路径方案的交通需求量,并根据选择路径交通量进行交通的分配;
S28.循环迭代直到迭代次数达到最大迭代次数ns,所有交通量完成了路径分配。
广义出行成本定义:广义成本用于计算旅行者所感知到的路径的效用,从而用于确定到路径的客流分配。它是一个路径的许多不同属性的组合,每个属性都被赋予自己的权重或系数。这些系数将组件转换为公共单位(时间或货币),并被选择以确保每个组件对乘客的相对重要性得到反映。
进入时间(起点至公交站点);
离开时间(公交站点至终点);
换乘时间(异站换乘);
候车时间;
车内在途时间;
换乘惩罚(表2 换乘惩罚时间表);
过度拥挤;
将上述时间参数通过时间价值VOT参数转为统一货币量纲,用于评估路径方案的出行成本支撑路径选择(深圳市68.1元/小时)。同时需考虑不同类型行驶弧成本系数(参照表1不同类型行驶弧成本系数表),以确保路径出行成本与实际出行偏好保持一致。以车内在途时间成本为标准(系数为1)。
表1 不同类型行驶弧成本系数
不同类型弧成本 | 系数比例 |
车内在途时间 | 1 |
进入时间 | 1.0-2.0 |
离开时间 | 1.0-2.0 |
换乘时间 | 1.0-2.0 |
候车时间 | 1.5-2.5 |
换乘惩罚 | 1 |
过度拥挤 | 1-2 |
表2 换乘惩罚时间表
S3.基于分配结果统计线网指标,识别问题线路,统计线路客流指标,首末步行距离、线路绕行系数等指标,基于指标阈值识别问题线路。包括以下步骤:
S33.统计线路非直线系数R,若非直线系数>1.6,判定为问题线路;
S35.将问题线路从线网中删除,再进行一次流量分配,统计无可达路径的OD需求,判定为受影响OD;
S36.统计换乘次数>2的OD需求,判定为受影响OD;
S4.基于启发式算法优化公交线网,构建VRPPD模型,目标函数及约束条件,利用启发式算法进行迭代求解,在迭代过程中利用交通仿真技术对优化方案进行评估,生成优化的公交线路方案,包括以下步骤
S41.基于最近邻搜索算法搜索受影响OD附近的公交站点集合,作为乘客乘坐公交线路的上下车站点pd点;
S42.基于A*算法计算起点O(Origin起点)至上车点p(pickup,上车点)集合的步行距离,下车点d(delivery 下车点)点至终点D(Destination 终点)的步行距离,筛选步行距离小于700米的pd站点作为乘客潜在备选上下车站点;
S43.基于A*算法遍历计算乘客潜在备选上车p点集合至备选下车d点集合的自驾最短路径,保留路径行程时间最短的pd对,作为乘车上下车站点,即新线路开通需途径的站点;
参照图2为例,O起点附近有一个上车站点p1,D终点有共4个下车站点d1,d2,d3,d4,故pd点共p1d1,p1d2,p1d3,p1d4四条路径,其中路径p1d1行程时间最短,故将路径p1d1作为乘客上下车站点。
S44.构建目标函数:目标函数=乘客出行成本+运营成本
乘客出行成本:
,表示从到自驾在途时间,表示从到的需求量,表示单位时间价值,表示小汽车出行价值系数, 表示小汽车拥堵在途时间,表示小汽车公交非拥堵在途时间;表示已服务的出行需求的在途时间成本系数;表示未服务出行需求的点到点时间成本;表示每个订单包含的pd_demand;
运营成本:
S45.设置约束条件
S46.基于启发式算法的线网优化
基于受影响的PD数据,识别出的问题线路为初始解,利用启发式算法进行迭代优化,移除个节点,表示总节点数,利用BestInsert算子重建移除区域的最优路径;将每次迭代生成的线路加入已删除问题线路的公共交通线网组成新线网,利用OD溯源算法搜索受新线路影响的OD需求,利用公共交通流量分配方法在新线网上进行流量分配,统计新线路乘客出行成本及线路运营成本,计算目标函数值,并与上一次迭代的目标函数值做差,判断是否满足收敛条件,收敛条件:两次目标函数下降至小于阈值或迭代次数>最大迭代次数max_iteration。参照图4。
OD溯源算法搜索受新线路影响的OD需求方法是:包括以下步骤:
S461.以新生成线路的站点为圆心,500米长度为半径画圆,得到圆形区域;
S462.判断线路站点与圆形区域的空间关系,筛选属于圆形区域内的站点;
S463.利用A*最短路算法计算圆心与圆形区域内的站点的最短步行路径,筛选步行路径距离小于500米的站点,得到新生成线路步行500米范围内的站点集合;
S464.基于线路站点信息搜索站点集合途径的线路ID,得到线路ID集合;
S465.搜索包含线路ID集合的基于分配的客流OD数据得到可能受影响的OD集合。
参照图3,本实施例以深圳市科技园片区的45公交线路进行问题诊断,分析出12条问题线路,并对这12条问题线路采用本实施例进行优化,生成12条新线路,新线路的乘客出行成本+线路运营成本相比旧线路下降7%,用户平均在途时间缩短9%,其中8条线路百公里客流超过200人/车百公里,可实现线路盈利。
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的基于CREO软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例3、计算机可读存储介质实施例
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于CREO软件的可修改由关系驱动的建模数据的建模方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (6)
1.基于交通仿真的公交线网优化方法,其特征在于,包括以下步骤:
S1.构建多模式公共交通网络;
S2.公共交通流量分配,包括以下步骤:
S21.基于线路排班表生成线路断面容量数据字典;
S22.将个体需求按OD及15分钟时间片聚类进行集计统计;
S23.将OD按照首次到站时间片进行排序;
S24.将排序好的OD交通量按照预设的迭代总次数ns,均匀的分成ns份;
S25.在每一次迭代过程n中,获取每份OD路径数据,通过多进程并行处理,筛选路径方案,统计出行方案广义出行成本,并考虑线路断面满载率,若可达路径方案断面容量均大于容量约束,则向后推迟一个时间片,并增加候车时间成本,然后利用logit模型将每一份OD交通量分配到公共交通网络中,每次迭代都会将OD之间的交通量分配到OD之间的出行成本最小的路径上;
S26.根据交通量的分布情况,进行交通流量加载,得到各线路断面的满载率,更新各线路路段的出行成本;
S27.在下一次迭代过程n+1中,继续分配新的一份OD交通量,根据更新后的线路路段出行成本利用logit模型生成选择概率及选择路径方案的交通需求量,并根据选择路径交通量进行交通的分配;
S28.循环迭代直到迭代次数达到最大迭代次数ns,所有交通量完成了路径分配;
S3.基于分配结果统计线网指标,识别问题线路;
S4.基于启发式算法优化公交线网。
2.根据权利要求1所述的基于交通仿真的公交线网优化方法,其特征在于,S3所述基于分配结果统计线网指标,识别问题线路的方法是:包括以下步骤:
S33.统计线路非直线系数R,若非直线系数>1.6,判定为问题线路;
S34.基于分配结果统计首末步行距离大于1公里的OD需求,判定为受影响OD;
S35.将问题线路从线网中删除,再进行一次流量分配,统计无可达路径的OD需求,判定为受影响OD;
S36.统计换乘次数>2的OD需求,判定为受影响OD;
S37.统计首末步行距离大于1公里的OD需求,判定为受影响OD。
3.根据权利要求2所述的基于交通仿真的公交线网优化方法,其特征在于,S4所述基于启发式算法优化公交线网方法是:包括以下步骤
S41.基于最近邻搜索算法搜索受影响OD附近的公交站点集合,作为乘客乘坐公交线路的上下车站点pd点;
S42.基于A*算法计算起点O至上车点p集合的步行距离,下车点d至终点D的步行距离,筛选步行距离小于700米的pd站点作为乘客潜在备选上下车站点;
S43.基于A*算法遍历计算乘客潜在备选上车p点集合至备选下车d点集合的自驾最短路径,保留路径行程时间最短的pd对,作为乘车上下车站点,即新线路开通需途径的站点;
S44.构建目标函数:目标函数=乘客出行成本+运营成本
乘客出行成本:
,表示从到自驾在途时间,表示从到的需求量,表示单位时间价值,表示小汽车出行价值系数, 表示小汽车拥堵在途时间,表示小汽车公交非拥堵在途时间;表示已服务的出行需求的在途时间成本系数;表示未服务出行需求的点到点时间成本;表示每个订单包含的pd_demand;
运营成本:
S45.设置约束条件
S46.基于启发式算法的线网优化
4.根据权利要求3所述的基于交通仿真的公交线网优化方法,其特征在于,OD溯源算法搜索受新线路影响的OD需求方法是:包括以下步骤:
S461.以新生成线路的站点为圆心,500米长度为半径画圆,得到圆形区域;
S462.判断线路站点与圆形区域的空间关系,筛选属于圆形区域内的站点;
S463.利用A*最短路算法计算圆心与圆形区域内的站点的最短步行路径,筛选步行路径距离小于500米的站点,得到新生成线路步行500米范围内的站点集合;
S464.基于线路站点信息搜索站点集合途径的线路ID,得到线路ID集合;
S465.搜索包含线路ID集合的基于分配的客流OD数据得到可能受影响的OD集合。
5.一种电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1-4任一项所述的基于交通仿真的公交线网优化方法的步骤。
6.一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1-4任一项所述的基于交通仿真的公交线网优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210986532.1A CN115048754B (zh) | 2022-08-17 | 2022-08-17 | 基于交通仿真的公交线网优化方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210986532.1A CN115048754B (zh) | 2022-08-17 | 2022-08-17 | 基于交通仿真的公交线网优化方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115048754A true CN115048754A (zh) | 2022-09-13 |
CN115048754B CN115048754B (zh) | 2023-04-07 |
Family
ID=83168309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210986532.1A Active CN115048754B (zh) | 2022-08-17 | 2022-08-17 | 基于交通仿真的公交线网优化方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115048754B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050673A (zh) * | 2023-03-31 | 2023-05-02 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于CNN-BiLSTM的城市公交客流短时预测方法 |
CN118036854A (zh) * | 2024-04-15 | 2024-05-14 | 深圳市地铁集团有限公司 | 一种轨道交通路径匹配清分方法及系统 |
CN118096478A (zh) * | 2024-04-23 | 2024-05-28 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多维指标动态分析的关键交通基础设施辨识方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020198694A1 (en) * | 2001-06-22 | 2002-12-26 | Qi Yang | Traffic data management and simulation system |
US20080140597A1 (en) * | 2006-07-04 | 2008-06-12 | University Of New Brunswick | System and method suitable for optimizing linehaul operations |
CN104217086A (zh) * | 2014-10-09 | 2014-12-17 | 大连海事大学 | 一种城市公交线网优化方法 |
CN109344991A (zh) * | 2018-08-03 | 2019-02-15 | 华南理工大学 | 一种公交线路最高断面客流预测方法 |
CN110909434A (zh) * | 2019-10-11 | 2020-03-24 | 东南大学 | 一种低碳导向下的城市公共交通干线网络设计方法 |
CN114399099A (zh) * | 2021-12-30 | 2022-04-26 | 中信云网有限公司 | 一种城市轨道交通断面客流的预测方法及装置 |
-
2022
- 2022-08-17 CN CN202210986532.1A patent/CN115048754B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020198694A1 (en) * | 2001-06-22 | 2002-12-26 | Qi Yang | Traffic data management and simulation system |
US20080140597A1 (en) * | 2006-07-04 | 2008-06-12 | University Of New Brunswick | System and method suitable for optimizing linehaul operations |
CN104217086A (zh) * | 2014-10-09 | 2014-12-17 | 大连海事大学 | 一种城市公交线网优化方法 |
CN109344991A (zh) * | 2018-08-03 | 2019-02-15 | 华南理工大学 | 一种公交线路最高断面客流预测方法 |
CN110909434A (zh) * | 2019-10-11 | 2020-03-24 | 东南大学 | 一种低碳导向下的城市公共交通干线网络设计方法 |
CN114399099A (zh) * | 2021-12-30 | 2022-04-26 | 中信云网有限公司 | 一种城市轨道交通断面客流的预测方法及装置 |
Non-Patent Citations (3)
Title |
---|
YU, BIN等: "Optimizing bus transit network with parallel ant colony algorithm", 《PROCEEDINGS OF THE EASTERN ASIA SOCIETY FOR TRANSPORTATION STUDIES》 * |
徐茜: "城市常规公交线网优化设计", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
阚长城等: "疫情下公共交通系统通勤客流测算及优化建议――以北京市为例", 《城市交通》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050673A (zh) * | 2023-03-31 | 2023-05-02 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于CNN-BiLSTM的城市公交客流短时预测方法 |
CN116050673B (zh) * | 2023-03-31 | 2023-08-01 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于CNN-BiLSTM的城市公交客流短时预测方法 |
CN118036854A (zh) * | 2024-04-15 | 2024-05-14 | 深圳市地铁集团有限公司 | 一种轨道交通路径匹配清分方法及系统 |
CN118096478A (zh) * | 2024-04-23 | 2024-05-28 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多维指标动态分析的关键交通基础设施辨识方法 |
CN118096478B (zh) * | 2024-04-23 | 2024-07-19 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于多维指标动态分析的关键交通基础设施辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115048754B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115048754B (zh) | 基于交通仿真的公交线网优化方法、电子设备及存储介质 | |
CN112466122B (zh) | 一种公交线网的备选线路集生成、线路规划方法及装置 | |
Falchetta et al. | Electric vehicle charging network in Europe: An accessibility and deployment trends analysis | |
CN107316098B (zh) | 一种基于用户行为分析的汽车租赁点选址方法 | |
CN108492558B (zh) | 一种高速公路预约出行方法、存储介质及终端 | |
CN112990648A (zh) | 一种轨道交通网络运营稳定性评估方法 | |
CN110414795B (zh) | 基于改进两步移动搜索法的新增高铁枢纽可达性影响方法 | |
CN116720997A (zh) | 一种基于大数据分析的公交线路评价体系及优化方法 | |
CN111950777A (zh) | 定制公交线路设计方法及装置 | |
CN110222884B (zh) | 基于poi数据和客流量的车站可达性评估方法 | |
CN117196197A (zh) | 一种公共交通站点布局优化方法 | |
CN114462898A (zh) | 基于地理信息的公路规划管理方法及系统 | |
CN115222297B (zh) | 公交线路优化调整方案评估方法、电子设备及存储介质 | |
CN116504091A (zh) | 一种基于智能网联的需求响应公交实时调度方法及系统 | |
CN114524004B (zh) | 机车运用统计方法、装置、设备和存储介质 | |
Li et al. | Method for determining the location of highway passenger transportation hubs using poi data and the dijkstra algorithm in large city | |
CN115130868A (zh) | 基于手机信令的城市土地利用与交通一体化互动反馈模型 | |
CN115689085A (zh) | 基于客流时空分布推演的城市轨道交通时域优化方法 | |
CN114897445A (zh) | 公交线网的停靠点调整优化方法、装置及可读存储介质 | |
CN112434844B (zh) | 基于凸包计算和遗传算法排序线网的新开及延长方法 | |
CN103605905A (zh) | 一种城市轨道交通首班车发车时间计算方法 | |
CN112288160A (zh) | 一种出行方案规划方法及相关设备 | |
CN111861040A (zh) | 公交线路的优化调整方法及装置、设备、存储介质 | |
Hu et al. | An ant colony optimization based approach to adjust public transportation network | |
CN114723163B (zh) | 分时段客流时空分配方法、系统、电子设备及存储介质 |
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 |