CN115423168A - 一种考虑服务稳定性的定制公交路网优化方法及系统 - Google Patents
一种考虑服务稳定性的定制公交路网优化方法及系统 Download PDFInfo
- Publication number
- CN115423168A CN115423168A CN202211041804.7A CN202211041804A CN115423168A CN 115423168 A CN115423168 A CN 115423168A CN 202211041804 A CN202211041804 A CN 202211041804A CN 115423168 A CN115423168 A CN 115423168A
- Authority
- CN
- China
- Prior art keywords
- customized
- bus
- network
- line
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 238000005192 partition Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 24
- 230000008447 perception Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 230000035945 sensitivity Effects 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
- 238000012546 transfer 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"
-
- 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
-
- G06Q50/40—
-
- 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
Abstract
本发明涉及智能交通技术领域,公开了一种考虑服务稳定性的定制公交线网优化方法及系统,包括以下步骤:S1.采集现有交通流数据,进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;S2.根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;S3.采用随机模拟和改进NEWMAN算法生成初始定制公交线网;S4.针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选方案集中选择最终出行方案;S5.采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,得到最优定制公交线网。本发明解决了现有技术无法在实际随机交通路网环境下充分考量服务稳定性和乘客需求引导的问题。
Description
技术领域
本发明涉及智能交通技术领域,更具体的,涉及一种考虑服务稳定性的定制公交线网优化方法及系统。
背景技术
如今迅速增长的个性化、高品质出行需求使得城市交通供给和乘客出行需求之间的矛盾日益凸显,传统的固定线路公交由于其车内空间拥挤、灵活性不足、出行时间长且不可控等缺点备受乘客诟病。随着移动互联网技术的迅速发展,定制公交等新型共享公交运输方式在世界范围内被广泛应用。
在定制公交运营中,公交运营企业以特定诉求为目标、以乘客出行需求为依据、在各种实际约束的限制下,规划出满足全部或部分乘客出行需求的定制公交线路。若乘客的出行需求被定制公交线路覆盖,则该需求可以采用定制公交完成出行,否则,该需求被拒绝。在定制公交实际运营中有两个关键问题值得关注:一是路网随机交通环境导致其服务稳定性难以保证。“准时”是定制公交服务的一个核心优势,也是影响定制公交吸引力的重要因素。服务稳定性可定义为定制公交准时服务的乘客数量占总服务乘客数量的比例。在路网随机交通环境下,定制公交车辆速度具有随机性,定制公交车辆极可能无法按照预计时刻准点到达站点,进而导致服务稳定性难以保证。因此,在定制公交线网规划中,必须基于定制公交车辆速度的随机性合理预估到站时间并以此作为重要依据规划定制公交车辆线路,从而提高定制公交服务稳定性。二是在线网规划中片面强调被动响应乘客出行需求导致运营企业和乘客双方利益受损。定制公交是一种需求响应式公交,即以满足乘客出行需求,如上/下车站点、上/车时间等,为原则来规划定制公交线网,这是提高定制公交服务质量和吸引力的重要方式。然而,片面被动响应乘客出行需求同样存在负面效应:一方面,可能导定制公交运营成本的大幅提高,影响定制公交服务的可持续性;另一方面,由于交通信息的不完全性,乘客提出的出行需求可能不符合实际交通条件的要求,导致为其服务不可行或成本过高,从而只能拒绝为其服务,降低了定制公交服务的覆盖面。
国内外学者针对定制公交线路优化问题进行了相关研究:包括基于分层聚类的OD区域划分,以社会效益最大化、运行成本最小化为目标进行线网规划;还包括针对动态出行请求,构建了定制公交路线的多目标优化模型;还包括以线网运营收益最大化为目标,提出一个两阶段的定制公交线网设计框架;还包括以乘客额外旅行时间和运营成本最小为目标、以出行时间、车辆容量等为约束,构建定制公交线网优化模型。
针对这一问题,现有技术还有一种考虑双边匹配的定制公交合乘优化方法,包括:定制公交合乘双边匹配的要素确定,所述的要素包括乘客、车辆、路况信息和站点;目标函数的确定,包括系统最优目标函数、乘客最优目标函数和运营商最优目标函数;双边匹配合乘类型的确定;双边匹配的定制公交合乘优化模型;根据优化模型生成偏好列表;双边稳定匹配算法。
通过对现有定制公交线网优化方法的归纳与总结,可以发现存在以下不足:一.当前的线网规划通常假定定制公交车辆速度或行程时间为确定性参数,该方式固然极大地简化了定制公交车辆与乘客在出行时间匹配上的繁杂性,但忽略定制公交行驶速度或行程时间的随机性极可能导致车辆预估到站时间与实际到站时间差异甚大,从而影响定制公交服务的稳定性。二.当前通常强调以满足乘客出行需求为原则来优化定制公交线网,忽略了乘客出行需求本身可能存在的不合理因素或不可行性,从而对运营企业和乘客产生不利影响。
然而现有技术存在无法在实际随机交通路网环境下充分考量服务稳定性和乘客需求引导的问题,因此如何发明一种能够充分考量服务稳定性和乘客需求引导的定制公交线网优化方法,是本技术领域亟需解决的问题。
发明内容
本发明为了解决现有技术无法充分考量服务稳定性和乘客需求引导的问题,提供了一种在随机交通路网环境下,考虑服务稳定性的定制公交线网优化方法及系统,其还具有考虑运营利润最大化的特点。
为实现上述本发明目的,采用的技术方案如下:
一种考虑服务稳定性的定制公交线网优化方法,包括以下步骤:
S1.采集现有的交通流数据,进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;
S2.根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
S3.根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网;
S4.针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应乘客从备选出行方案中选择最终出行方案;
S5.根据初始定制公交车线网、初始方案中未被响应乘客的出行方案及定制公交路网子区的车辆速度规律,以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交路网进行整体再优化,得到最优定制公交线网。
优选的,所述的步骤S1中,进行定制公交路网的交通参数估算,具体为:
其中,v(b)(j,m)为路段j在时段m的公交车平均速度;b代表公交车;t(b)(i,m)和d(b)(i,m)分别是公交车行程i在时段m的行驶时间和行驶距离;T(b)(j,m)和D(b)(j,m)分别是时段m公交车在路段j的总行驶时间和行驶距离;k(b)(j,m)为路段j在时段m的公交车平均密度;l(j)是路段j的长度;τ为集计时段长度;k(b)(m)是区域内按路段长度加权的平均公交车密度;J是区域内公交车路段数量;L为总车道长度;q(b)(m)是区域内公交车平均流量;s(j)是路段j的车道数;T(b)(m)和D(b)(m)分别是时段m公交车总行驶时间和总行驶距离;v(b)(m)时段m公交车区域平均速度。
进一步的,所述的步骤S1中,定制公交路网的分区,具体步骤为:
S101.将道路划分为若干路段,根据现有的交通流数据,计算定制公交车辆的路段速度;
S102.基于定制公交车路段速度、路段间的距离以及路段连通性为依据对路段进行聚类,形成若干初始小区;
S103.以定制公交路网的公交路段速度总方差最小化为目标,考虑初始小区间的邻接关系,将初始子区合并形成若干子区;以降低路网公交路段速度总方差为目标,调整位于边界上的路段的归属子区,得到定制公交路网分区。
更进一步的,所述的步骤S1中,提取定制公交路网子区的车辆速度规律,具体步骤为:
ES1.根据定制公交路网的分区的各个子区的公交车平均流量、平均密度值和平均速度,识别子区公交车平均密度和平均速度的关系,获得公交车子区运行规律;
ES2.根据定制公交线网优化的时间段,找出该时间段内各子区路网中定制公交车平均密度的分布区段以及该密度区段对应的定制公交车速度可能值,进行定制公交车平均速度分布拟合,提取公交线网待优化时间段内的公交车辆速度分布规律。
更进一步的,所述的步骤S2中,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网网优化模型,具体为:
a.基于乘客出行需求、定制公交路网子区的车辆速度规律,寻求准时服务的乘客数量比例最优的线网优化方案,得到服务稳定性最大化目标函数:
其中,K为运营企业定制公交车队中的车辆集合,Vb和Va分别为乘客出行需求中的上车站点和下车站点集合,为乘客出行需求r在站点i的上车乘客数量,为0-1决策变量,当车辆k从站点i行驶到站点j时,取值为1,否则为0;为指示变量,当车辆k准时到达站点vi和vj时取值为1,否则为0;
b.根据乘客的出行方案、现有的公交车数据,计算运营企业收入和运营企业支付的成本,最大化运营企业利润,得到运营利润最大化目标函数:
max F2=G-C
其中,G为运营企业收入,C为运营企业支付的成本。
c.根据服务稳定性最大化目标函数和运营利润最大化目标函数,根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
更进一步的,所述的步骤b中,根据乘客的出行方案、现有的公交车数据,计算运营企业收入和运营企业支付的成本,最大化运营企业利润得到运营利润最大化目标函数,具体步骤为:
b01.根据乘客的出行方案,计算运营企业的服务收入G:
b02.根据拟规划的公交车线网,考虑车辆在线路上的行驶成本、车辆早于乘客指定时间窗到站的等待成本以及乘客上下车的服务成本,得到运营企业成本C:
其中,
V为定制公交拟规划线网的站点集合;S为出行方案集合;μk为调度车辆k的固定成本;ηk为0-1决策变量,当车辆k参与运营时,取值为1,否则为0;λk为车辆k单位时间的折算成本;tij为车辆从站点i行驶到站点j的时间;τi车辆在站点i的服务时间;v0为车场,设定车辆从车场驶出和返回车场的成本忽略不计,即车辆从车场驶入线路第一个站点以及从线路最后一个站点驶回车场的时间为0;为车辆k在站点i的等待时间;为车辆k到达站点i的时刻;Tr,b为乘客出行需求r指定的上车时间;
Sb03.得到运营利润最大化目标函数。
更进一步的,定制公交线网优化模型的约束条件为:
A.车辆和服务方案指派约束:
A1.设定每个乘客出行需求最多只能由一台定制公交车辆采用一种出行方案进行服务;
A2.设定一个乘客出行需求仅可以指派给参与运营的定制公交车辆,并且只有当车辆参与运营时才允许其在线路上行驶;
A3.设定同一个需求中的乘客都只能由同一辆车运送;
B.时间约束:
B1.针对被确认可以为其提供定制公交出行服务的乘客,对于每个为其提供服务的出行方案,设置车辆在乘客指定的时间窗内到达上下车站点;
B2.在前后站点之间设置访问时间;
C.访问顺序限制:
C1.针对被响应的乘客出行需求,设置服务车辆先访问其上车站点然后访问其下车站点;
D.定制公交车辆发车和收车约束:
D1.设定每辆参与运营的公交车从车场出发,完成任务后返回车场;
E.流量平衡约束:
E1.设定一个站点若同时有接送要求或在不同时间有出行乘客出行需求,则被拆分成地理位置相同的多个站点,并且这些站点之间的行程时间为零;
F.车辆容量约束:
F1设定公交车上的乘客数量小于最大载客量,并设定每条线路的最小载客量要求;
G.定制公交车辆数量约束:
G1设定投入运营的定制公交车辆数量不能超过车队车辆总数;
H.决策变量取值约束:
H1.设定服务稳定性最大化模型和运营利润最大化模型的决策变量取值的范围。
更进一步的,所述的步骤S3中,根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交路网,具体为:
S301.生成初始线路:
ES101.针对定制公交路网中的每一站点,通过矩阵算法求解各站点间的最短路径;
ES102.以出行需求为对象,为每一个出行需求单独安排一条线路,称为初始线路;每一条初始线路均为:车场——上车站点——下车站点——车场;设定运营车辆从车场驶入线路第一个站点及完成运输任务后从最后一个站点驶回车场的费用为0;初始线路满足除线路最低载客量约束以外的所有其他约束;
ES103.若定制公交车辆以最高速度行驶不能满足乘客出行时间要求,则判断定制公交无法为该类乘客出行需求提供服务,将此类乘客出行需求进行剔除,得到原始定制公交线网;
S302.构建组合库:
ES201.随机抽取两条初始线路,根据线路上站点间的最短距离以及站点上出行时间的先后顺序,在满足站点访问顺序要求的前提下,将线路拼接形成一条新线路;
ES202.若新线路违反最大载客量约束,则终止该线路合并,否则,重新抽取两条初始线路进行合并,直至新线路满足最大载客量约束为止;新线路与其他初始线路一起构成一个初始解;
ES203.重复上述步骤M次,直至生成M个线路库,线路库的集合称为组合库;
S303.采用随机模拟的方式,计算各线路适应度:
ES301.针对每一条线路,找出各站点所在的子区以及每一个连续站点间最短路径的子区分布,计算路径在各子区内的行驶距离;进行若干次随机模拟,每次基于途径子区的速度分布规律随机抽取一个速度值,计算每一个连续站点之间的子路径的行程时间;
ES302.将连续站点间的行程时间沿线路逐步累加,计算线路上定制公交车辆到达各站点的实际时刻;
ES303.若线路上的车辆能够在乘客指定的上下车时间窗内到达相关站点,则判断该线路能够准时接送该乘客;统计随机模拟中,各线路每次准时服务的乘客数量和总乘客数量,计算各线路服务稳定性;
ES304.统计每次随机模拟中各线路的利润;
ES305.以各线路服务稳定性均值和各线路的利润为指标计算组合库中各线路库的适应度,产生适应度矩阵;
S304.更新线路库:
ES401.根据适应度矩阵,对线路库中的各线路进行TOPSIS评分;
ES402.将线路按评分降序排列,选择前|K|条线路构成有效线路,其余线路作为待响应线路;
ES403.通过三个分支对线路库进行进化操作:
XS1.将有效线路与待响应线路进行合并,即每次随机抽取一条有效线路和一条待响应线路,按规则进行合并,并检查是否满足最大载客量约束,直至生成一条新线路,产生新线路库;
XS2.随机从有效线路中抽取两条线路进行合并,直至生成满足最大载客量约束的新线路,产生新线路库;
XS3.随机从待响应线路中抽取两条线路进行合并,直至生成满足最大载客量约束的新线路,产生新线路库;
S305.计算更新后的线路库中的线路的TOPSIS评分,并根据更新后的线路库中的线路的TOPSIS评分更新组合库,最终保留排名位于前M的线路库构成更新后的组合库;
S306.重复步骤S304-S305对组合库进行迭代,直至没有可以继续合并的线路;
S307.从迭代后的组合库中选择最优线路库:
ES701.计算迭代后的组合库中各线路库中线路的适应度;
ES702.采用TOPSIS法对各线路库中的线路进行评分并将线路按降序排列,选择排名位于前|K|位的线路,剔除不满足最低载客量约束的线路以后构成有效线路;
ES703.有效线路的总平均服务稳定性和总平均利润作为各线路库优劣的评判标准,选择最优线路库,将最优线路库作为初始定制公交线网。
更进一步的,所述的步骤S4中,针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案集中选择最终出行方案,具体步骤为:
S401.获取初始定制公交车线网中未被响应的乘客的待引导需求,生成其对应的待引导需求站点对列表和已规划线路的站点表;
S402.根据待引导需求站点对列表、已规划线路的站点表、待引导需求,通过调整上/下车站点或上/下车时刻生成可选的备选出行方案,使初始定制公交车线网中未被响应的乘客成为可被定制公交被响应的乘客;
S403.综合考虑出行时间、支付费用、乘客对时间和费用的敏感程度、感知误差、外部环境,计算各个方案的感知成本;根据各个方案的感知成本,并基于效用最大化原则,得到乘客选择选择意愿概率最大的方案,将选择意愿概率最大的方案作为乘客的出行方案,否则该待引导需求无法被服务。
一种考虑服务稳定性的定制公交线网优化系统,包括数据采集模块、车辆速度规律模块、模型构建模块、初始定制公交线网模块、需求引导模块、模型再优化模块;
所述的数据采集模块用于采集现有的交通需求与交通流数据;
所述的车辆速度规律模块用于进行定制公交车线网交通的参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;
所述的模型构建模块用于根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
所述的初始定制公交线网模块用于根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网;
所述的需求引导模块用于针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿确定初始方案中未被响应乘客的出行方案;
所述的模型再优化模块用于根据初始定制公交车线网、初始方案中未被响应乘客的出行方案及定制公交路网子区的车辆速度规律,以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,得到最优定制公交线网。
本发明的有益效果如下:
本发明通过采集现有的交通流数据,进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律,充分考虑了定制公交路网子区中车辆速度的随机性,既避免了以平均速度为依据预估车辆到站时间带来的偏差,同时也规避了在道路层面表征车辆速度规律的繁杂性和由此而产生的大量计算工作量;本发明还根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型,根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网,考虑了服务稳定性最大化和运营利润最大化;本发明还针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案集中选择最终出行方案,充分考虑了对乘客出行需求的引导,从而扩大了可服务人群范围;最后,本发明以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,提高了定制公交线网优化的寻优效率和准确度。由此本发明解决了现有技术无法在实际路网随机交通环境下充分考量服务稳定性和乘客需求引导的问题,且具有考虑运营利润最大化的特点。
附图说明
图1是本发明一种考虑服务稳定性的定制公交线网优化方法的流程示意图。
图2是本发明的定制公交速度分布拟合示意图。
图3是本发明的出行需求引导示意图。
图4是本发明的一种考虑服务稳定性的定制公交线网优化方法的完整算法流程图。
图5是广州市中心城区路网图。
图6是本发明对广州市中心城区路网分区结果图。
图7是定制公交出行需求示意图。
图8是目标函数值的变化趋势图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示,一种考虑服务稳定性的定制公交线网优化方法,包括以下步骤:
S1.采集现有的交通流数据,进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;
S2.根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
S3.根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网;
S4.针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选方案集中选择最终出行方案;
S5.根据初始定制公交车线网、初始方案中未被响应乘客的出行方案及定制公交路网子区的车辆速度规律,以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,得到最优定制公交线网。
实施例2
更具体的,在一个具体实施例中,所述的步骤S1中,进行定制公交路网的交通参数估算,具体为:
其中,v(b)(j,m)为路段j在时段m的公交车平均速度;b代表公交车;t(b)(i,m)和d(b)(i,m)分别是公交车行程i在时段m的行驶时间和行驶距离;T(b)(j,m)和D(b)(j,m)分别是时段m公交车在路段j的总行驶时间和行驶距离;k(b)(j,m)为路段j在时段m的公交车平均密度;l(j)是路段j的长度;τ为集计时段长度;k(b)(m)是区域内按路段长度加权的平均公交车密度;J是区域内公交车路段数量;L为总车道长度;q(b)(m)是区域内公交车平均流量;s(j)是路段j的车道数;T(b)(m)和D(b)(m)分别是时段m公交车总行驶时间和总行驶距离;v(b)(m)时段m公交车区域平均速度。
在一个具体实施例中,所述的步骤S1中,定制公交路网的分区,具体步骤为:
S101.将道路划分为若干路段,根据现有的交通流数据,计算定制公交车路段速度;
S102.基于定制公交车路段速度、路段间的距离以及路段连通性为依据对路段进行聚类,形成若干初始小区;
S103.以定制公交路网的公交路段速度总方差最小化为目标,考虑初始小区间的邻接关系,将初始子区合并形成若干子区;以降低路网公交路段速度总方差为目标,调整位于边界上的路段的归属子区,得到定制公交路网分区。
在一个具体实施例中,所述的步骤S1中,提取定制公交路网子区的车辆速度规律,具体步骤为:
ES1.根据定制公交路网分区的各个子区的公交车平均流量、平均密度值和平均速度,识别子区公交车平均密度和平均速度的关系,获得公交车子区运行规律;
ES2.根据定制公交线网优化的时间段,找出该时间段内各子区路网中定制公交车平均密度的分布区段以及该密度区段对应的定制公交车速度可能值,进行定制公交车平均速度分布拟合,提取公交线网优化的时间段内的公交车辆速度分布规律。速度分布拟合后的图形如图2所示。
在一个具体实施例中,所述的步骤S2中,根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型,具体为:
a.基于乘客出行需求、定制公交路网子区的车辆速度规律,寻求准时服务的乘客数量比例最优的线网优化方案,得到服务稳定性最大化目标函数:
其中,K为运营企业定制公交车队的车辆集合,Vb和Va分别为乘客出行需求中的上车站点和下车站点集合,为乘客出行需求r在站点i的上车乘客数量,为0-1决策变量,当车辆k从站点i行驶到站点j时,取值为1,否则为0;为指示变量,当车辆k准时到达站点vi和vj时取值为1,否则为0;
b.根据乘客的出行方案、现有的公交车数据,计算运营企业收入和运营企业支付的成本,最大化运营企业利润,得到营利润最大化目标函数:
max F2=G-C
其中,G为运营企业收入,C为运营企业支付的成本。
c.根据服务稳定性最大化目标函数和营利润最大化目标函数,根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
在一个具体实施例中,所述的步骤b中,根据乘客的出行方案、现有的公交车数据,计算运营企业收入和运营企业支付的成本,最大化运营企业利润,得到运营利润最大化目标函数,具体步骤为:
b01.根据乘客的出行方案,计算运营企业的服务收入G:
b02.根据拟规划的公交车线网,考虑车辆在线路上的行驶成本、车辆早于乘客指定时间窗到站的等待成本以及乘客上下车的服务成本,得到运营企业成本C:
其中,
V为定制公交拟规划线网的站点集合;S为出行方案集合;μk为调度车辆k的固定成本;ηk为0-1决策变量,当车辆k参与运营时,取值为1,否则为0;λk为车辆k单位时间的折算成本;tij为车辆从站点i行驶到站点j的时间;τi车辆在站点i的服务时间;v0为车场,设定车辆从车场驶出和返回车场的成本忽略不计,即车辆从车场驶入线路第一个站点以及从线路最后一个站点驶回车场的时间为0;为车辆k在站点i的等待时间;为车辆k到达站点i的时刻;Tr,b为乘客出行需求r指定的上车时间;
Sb03.得到运营利润最大化目标函数。
在一个具体实施例中,定制公交线网优化模型的约束条件为:
A.车辆和服务方案指派约束:
A1.设定每个乘客出行需求最多只能由一台定制公交车辆采用一种出行方案进行服务,并且每个需求仅可采用原始出行方案或一个备选方案完成出行:
A2.设定一个乘客出行需求仅可以指派给参与运营的定制公交车辆,并且只有当车辆参与运营时才允许其在线路上行驶:
A3.正常情况下,不允许定制公交采用换乘的方式完成乘客出行服务,即每个需求中的乘客都只能由同一辆车运送。设定每个需求中的乘客都只能由同一辆车运送:
B.时间约束:
B1.针对被确认可以为其提供定制公交出行服务的乘客,对于每个为其提供服务的出行方案,设置车辆在乘客指定的时间窗内到达上下车站点:
B2.在前后站点之间设置访问时间;当车辆k依次先后访问站点i和j时,站点j是站点i的紧后站点,必须满足时间约束,其中W是一个足够大的正数。该约束意味着车辆k到达站点j的时刻不早于车辆k到达站点i的时刻与车辆等待时间、服务时间和从站点i驶到站点j的行程时间之和:
C.访问顺序限制:
C1.针对被响应的乘客出行需求,设置服务车辆先访问其上车站点然后访问其下车站点:
D.定制公交车辆发车和收车约束:
D1.设定每辆参与运营的公交车从车场出发,完成任务后返回车场:
E.流量平衡约束:
E1.在本发明中,一个站点如果同时有接送要求或在不同时间有出行需求,则该被拆分成地理位置相同的多个站点,并且这些站点之间的行程时间为零。通过该方式,每个站点仅有一个上车需求或下车需求,在此情况下,每个站点最多仅需要被定制公交车辆访问一次,此外,设定参与运营的定制公交车辆在访问完线路的除车场以外的站点以后必须离开:
F.车辆容量约束:
F1设定公交车上的乘客数量小于最大载客量,并设定每条线路的最小载客量要求:
G.定制公交车辆数量约束:
G1设定投入运营的定制公交车辆数量不能超过车队中的车辆总数:
式中,|K|表示集合K中的元素个数,即车队中的车辆总数;
H.决策变量取值约束:
H1.设定服务稳定性最大化模型和运营利润最大化模型的决策变量取值的范围。
在一个具体实施例中,所述的步骤S3中,根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网,具体为:
S301.生成初始线路:
ES101.针对定制公交路网中的每一站点,通过矩阵算法求解各站点间的最短路径;
ES102.以出行需求为对象,为每一个出行需求单独安排一条线路,称为初始线路;每一条初始线路均为:车场——上车站点——下车站点——车场;设定运营车辆从车场驶入线路第一个站点及完成运输任务后从最后一个站点驶回车场的费用为0;初始线路满足除线路最低载客量约束以外的所有其他约束;
ES103.若定制公交车辆以最高速度行驶不能满足乘客出行时间要求,则判断定制公交无法为该类乘客出行需求提供服务,将此类乘客出行需求进行剔除,得到原始定制公交线网;
S302.构建组合库:
ES201.随机抽取两条初始线路,根据线路上站点间的最短距离以及站点上出行时间的先后顺序,在满足站点访问顺序要求的前提下,将线路拼接形成一条新线路;
ES202.若新线路违反最大载客量约束,则终止该线路合并,否则,重新抽取两条初始线路进行合并,直至新线路满足最大载客量约束为止;新线路与其他初始线路一起构成一个初始解;
ES203.重复上述步骤M次,直至生成M个线路库,线路库的集合称为组合库;
S303.采用随机模拟的方式,计算各线路适应度:
ES301.针对每一条线路,找出各站点所在的子区以及每一个连续站点间最短路径的子区分布,计算路径在各子区内的行驶距离;进行若干次随机模拟,每次基于途径子区的速度分布规律随机抽取一个速度值,计算每一个连续站点之间的子路径的行程时间;
ES302.将连续站点间的行程时间沿线路逐步累加,计算线路上定制公交车辆到达各站点的实际时刻;
ES303.若线路上的车辆能够在乘客指定的上下车时间窗内到达相关站点,则判断该线路能够准时接送该乘客;统计随机模拟中,各线路每次准时服务的乘客数量和总乘客数量,计算各线路服务稳定性;
ES304.统计每次随机模拟中各线路的利润:
其中,J为模拟次数,I为本次模拟线路需求总数,rij为第i个需求在第j次模拟中的利润,uij表示第j次模拟中需求i是否被准时满足,为0-1变量。
ES305.以各线路服务稳定性均值和各线路的利润均值为指标计算组合库中各线路库的适应度,产生适应度矩阵;
S304.更新线路库:
ES401.根据适应度矩阵,对线路库中的各线路进行TOPSIS评分:
①计算各线路库正、负理想解的距离:
②计算线路l的综合评分Cl,Cl→1说明线路l越好:
ES402.将线路按评分降序排列,选择前|K|条线路构成有效线路,其余线路作为待响应线路;
ES403.通过三个分支对线路库进行进化操作:
XS1.将有效线路与待响应线路进行合并,即每次随机抽取一条有效线路和一条待响应线路,按规则进行合并,并检查是否满足最大载客量约束,直至生成一条新线路,产生新线路库;
XS2.随机从有效线路中抽取两条线路进行合并,直至生成满足最大载客量约束的新线路,产生新线路库;
XS3.随机从待响应线路中抽取两条线路进行合并,直至生成满足最大载客量约束的新线路,产生新线路库;
本实施例中,每次线路库更新后,线路总数量减少一条。
本实施例中,在检查新线路是否满足车辆最大载客量约束时,需考虑不同车型的最大容量存在差异。假设车辆最大载客量为P1 max和且当某两条线路合并后,车辆载客人数仍然小于P1 max,线路可完成合并;当线路合并后,车辆载客人数超过则应禁止该两条线路的合并;当线路合并后, 则需对比采用小容量车型和大容量车型的优劣,此因此,同时保留在最大载客量分别为P1 max和时的线路合并分支:一是以P1 max为最大载客量约束,由于该线路经合并后载客人数将超过P1 max,因此须禁止该线路的合并,转而选择其他线路合并,完成线路库更新。为扩大搜索过程中的搜索范围,允许以该方式得到的线路库在指定代数内不进行淘汰。二是以为最大载客量约束,允许该线路的合并,完成线路库更新。
S305.计算更新后的线路库中的线路的TOPSIS评分,并根据更新后的线路库中的线路的TOPSIS评分更新组合库,最终保留排名位于前M的线路库构成更新后的组合库:
①计算各线路库中线路的适应度;
②采用TOPSIS法对各线路库中的线路进行评分并将线路按降序排列,选择排名位于前|K|位的线路构成该线路库的有效线路;
③以有效线路的总平均服务稳定性和总平均利润作为各线路库优劣的评判标准。采用TOPSIS法对各线路库进行评分。
④保留排名位于前M的线路库。
(2)对以P1 max为最大载客量约束更新得到的线路库进行以下操作:
S306.重复步骤S304-S305对组合库进行迭代,直至没有可以继续合并的线路;
S307.从迭代后的组合库中选择最优线路库:
ES701.计算迭代后的组合库中各线路库中线路的适应度;
ES702.采用TOPSIS法对各线路库中的线路进行评分并将线路按降序排列,选择排名位于前|K|位的线路,剔除不满足最低载客量约束的线路以后构成有效线路;
ES703.有效线路的总平均服务稳定性和总平均利润作为各线路库优劣的评判标准,选择最优线路库,将最优线路库作为初始定制公交线网:
式中,m*为最优线路库,Cm为线路库m的TOPSIS分值。
在一个具体实施例中,所述的步骤S4中,针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案集中选择最终出行方案,具体步骤为:
S401.获取初始定制公交车线网中未被响应的乘客的待引导需求,生成其对应的待引导需求站点对列表和已规划线路的站点表;
S402.根据待引导需求站点对列表、已规划线路的站点表、待引导需求,通过调整上/下车站点或上/下车时刻生成可选的备选出行方案,使初始定制公交车线网中未被响应的乘客成为可被定制公交被响应的乘客;
S403.综合考虑出行时间、支付费用、乘客对时间和费用的敏感程度、感知误差、外部环境,计算各个方案的感知成本;根据各个方案的感知成本,并基于效用最大化原则,得到乘客选择选择意愿概率最大的方案,将选择意愿概率最大的方案作为乘客的出行方案,否则该待引导需求无法被服务。
本实施例中,如图3所示,s1是出行需求r的原始出行方案,其指定的上/下车站点及上/下车时间窗分别为{i,j}、[Tr,b±Δ,Tr,a±Δ],Δ为乘客允许的时间偏差,为车辆k到达站点i的时刻。当定制公交系统无法以原始出行方案s1为其提供服务时,将尝试调整上/下车站点或上/下车时刻生成备选出行方案s2、s3或s4。方案s2中,上/下车站点为{i',j},上车时间窗为 为乘客采用其他方式从i到达i'的时间长度,下车时间窗不变;方案s3中,上/下车站点为{i,j'},乘客上车时间窗不变,下车时间窗为 为乘客采用其他方式从j到达j'的时间长度。方案s4中,上/下车站点为{i',j'},乘客上/下车时间窗分别为和
本实施例中,由于备选方案s2、s3和s4均改变了乘客原本的出行要求且有部分路程需要采用其他交通方式(如步行或共享单车等)完成,降低了乘客出行的舒适度,故当定制公交系统无法以乘客原始出行要求为其提供服务时,可通过广义票价优惠等措施对其进行补偿,以引导乘客继续选择备选方案s2、s3或s4出行。
本实施例中,当乘客不能通过定制公交以原方案出行时,将根据不同备选方案的感知成本重新选择出行方案。感知出行成本与实际出行时间和支付费用有关,并且受乘客对时间和费用的敏感程度以及感知误差的影响。此外,外部环境(如气温、是否降雨等天气条件)亦会显著影响乘客的选择决策,在高温、低温或者降雨等天气条件下,乘客更愿意采用纯定制公交出行。令:fij为采用定制公交从i到j的出行费用;为采用其他方式从i到i'的出行费用;βr为出行需求r的时间敏感系数;γr为出行需求r的费用敏感系数;θ1、θ2分别为备选方案中调整一个或两个站点时的广义票价折扣系数;ω1、ω2分别为出行时间和出行费用权重,ω1+ω2=1;δij为乘客对出行成本的感知误差;α为天气影响因子,当处于高温、低温或者降雨等天气条件时,α为足够大的正数,意味着乘客不会选择备选方案出行;否则,α取值为1,即天气条件不对乘客出行方案选择行为产生影响。忽略上/下车的时间损耗,乘客r采用备选出行方案的感知效用期望值如下所示:
式中,及为乘客r采用四种出行方案的成本,且以广义成本的形式表达;因此,其负数可理解为效用的确定项。乘客对成本的感知存在误差,因此假设δij、δi'j、δij'及δi'j'为感知成本的误差项,服从参数为τ的I型极值分布且独立同分布,该误差项的方差为根据这一假设,可得到出行方案概率选择的显式表达,即logit模型。故乘客选择出行方案sn的概率可以估计为:
根据效用最大化原则,若定制公交系统不能以原出行方案为乘客提供服务,则在备选方案的广义成本不高于原出行方案的前提下,乘客将选择概率最大的备选方案作为最终出行方案。
本实施例中,S402.根据待引导需求站点对列表、已规划线路的站点表、待引导需求,通过调整上/下车站点或上/下车时刻生成可选的备选出行方案具体为:
令待引导需求中的站点对为[A,B],选出可能存在多个备选出行方案也可能不存在备选出行方案。具体如下:
①若站点A与已规划线路上的某个站点C在地理位置上重合,则在该已规划线路上搜索与站点B间的距离不超过给定值的另一站点D,尝试将待引导需求B引导至D,按照不影响乘客到达最终目的地的时间为原则,计算此时乘客在站点D的上下车时间窗,若该上下车时间窗与规划线路对应站点上的时间窗存在交集,则可生成备选出行方案s2。
②若站点B与已规划线路上的某个站点C在地理位置上重合,则可尝试生成备选出行方案s3。
③若站点A和B与规划线路上的站点均不重合,则以站点A或B搜索与其相距在指定范围内的已规划线路上的站点;然后,在该线路上搜索是否存在与待引导需求另一个站点距离符合要求的站点,如有,则计算待引导需求站点调整以后的上下车时间窗,若该时间窗与规划线路对应站点上的时间窗存在交集,则可生成备选出行方案s4。
④如无法在不增加线路的前提下搜寻到备选出行方案,则该待引导需求无法被服务。
如图4所示,本发明通过采集现有的交通流数据,进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律,充分考虑了定制公交车辆速度的随机性,既避免了以平均速度为依据预估车辆到站时间带来的偏差,同时也规避了在道路层面表征车辆速度规律的繁杂性和由此而产生的大量计算工作量;本发明还基于实际随机交通路网环境建立以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型,根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网,考虑了服务稳定性最大化和运营利润最大化;本发明还针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案中选择最终出行方案,充分考虑了未被响应乘客的出行需求调整意愿,从而扩大了可服务人群范围;最后,本发明以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,提高了定制公交线网的寻优效率和准确度。本发明由此实现了:1.定制公交车辆速度被视为随机变量,基于子区分区理论提取该速度规律,既符合实际又降低了在道路层面表征车辆速度的繁琐程度。2.通过随机模拟的方式,搜索在速度随机条件下具有服务稳定性和利润最优的定制公交线网方案,有利于定制公交系统以规划的线路和服务质量提供服务,保证定制公交的服务效果。3.突破被动响应乘客需求的限制,为初始线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导该类乘客从备选出行方案集中确定最终出行方案,一方面增加了定制公交服务的乘客数量,另一方面也为更多乘客提供了环保、高质的公交服务。
实施例3
一种考虑服务稳定性的定制公交线网优化系统,包括数据采集模块、车辆速度规律模块、模型构建模块、初始定制公交线网模块、需求引导模块、模型再优化模块;
所述的数据采集模块用于采集现有的交通需求与交通流数据;
所述的车辆速度规律模块用于进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;
所述的模型构建模块用于根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
所述的初始定制公交线网模块用于根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网;
所述的需求引导模块用于针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案中选择最终出行方案;
所述的模型再优化模块用于根据初始定制公交车线网、初始方案中未被响应乘客的出行方案及定制公交路网子区的车辆速度规律,以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,得到最优定制公交线网。
本实施例中,如图5、图6所示,本发明以广州市公交车GPS数据为依据分析公交车路网行驶规律,采用分区算法对广州市中心城区路网进行子区划分,广州市中心城区路网如图6所示,分区后路网被划分为5个均质子区。
本实施例中,根据各子区公交车平均密度和速度间的关系规律,对定制公交线网规划时段内各子区速度分布进行拟合,例如,采用拉普拉斯分布、t分布和正态分布对子区4的速度值进行分布拟合,如图8所示。表1显示该区速度分布在各模型拟合表现,结果表明正态分布的拟合效果最好,故采用正态分布拟合该子区的速度规律。各子区公交车速度均可采用正态分布进行速度拟合,公交车速度均值和标准差如表2所示。
表1子区4各模型拟合表现
备注:SSE指误差平方和;AIC指赤池信息量准则;BIC指贝叶斯信息量。
表2不同分区车辆行驶速度分布表
本实施例中,本发明通过矩阵算法获取拓扑路网中所有路网连接节点间的最短距离,构建最短距离矩阵。通过匹配乘客需求点到路网节点上,将其作为索引,可搜索路网节点间的最短距离信息;之后,基于站间路径所对应的子区及在该子区内的行驶距离进行基于分区速度分布的速度模拟实验,求得定制公交车辆运行速度,以此计算线路途经链路的行程时间。
本实施例中,本发明基于定制公交速度的随机性,以最大服务稳定性和运营企业利润最大化为目标,考虑若干实际约束条件,利用随机模拟和改进NEWMAN算法可得到多车型、带容量限制的定制公交线网优化方案。
本实施例中,利用本发明提出的方法对广州市定制公交线网优化进行了仿真分析。广州某年某月某日某时段的定制公交出行需求数量为455个,部分需求详细信息如图7所示。车队规模为85辆,其中16辆为22座车,69辆为45座车,22座车的固定成本为130元/趟、车辆变动成本为2.3元/km,45座车的固定成本为150元/趟、车辆变动成本为3.2元/km。乘客上下车时间消耗为2秒/次;假定乘客对出行耗时的敏感程度(β)为0.4,对定制公交票价的敏感程度(γ)为0.6,出行耗时和公交票价的权重ω1和ω2分别为0.4和0.6,备选出行方案调整一个或两个站点时的广义票价折扣系数θ1和θ2分别为0.8和0.6;天气影响因子α取值为1,定制公交票价规则为3km以内为4元,超出3km的部分2元/km。
本实施例中,采用本发明提出的方法,获得了定制公交优化线网,线网服务稳定性为87.58%,运营企业收益为3131.540元。目标函数值的变化趋势如图8所示。
本实施例中,本发明提出方法所得的线网优化效果与单车型车队、采用定制公交分区路网平均速度、仅以被动需求响应为原则进行的线网优化效果进行对比,如表3所示。由表可知,采用本发明提出的方法,可得到稳定性和利润更优的定制公交线网方案,并且在定制公交运营中以多车型车队来提供服务所得的效果更佳。
表3不同车型与速度的最大收益及稳定性对比表
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种考虑服务稳定性的定制公交线网优化方法,其特征在于:包括以下步骤:
S1.采集现有的交通流数据,进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;
S2.根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
S3.根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网;
S4.针对初始定制公交线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案集中选择最终出行方案;
S5.根据初始定制公交线网、初始方案中未被响应乘客的出行方案及定制公交路网子区的车辆速度规律,以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,得到最优定制公交线网。
2.根据权利要求1所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤S1中,进行定制公交路网的交通参数估算,具体为:
其中,v(b)(j,m)为路段j在时段m的公交车平均速度;b代表公交车;t(b)(i,m)和d(b)(i,m)分别是公交车行程i在时段m的行驶时间和行驶距离;T(b)(j,m)和D(b)(j,m)分别是时段m公交车在路段j的总行驶时间和行驶距离;k(b)(j,m)为路段j在时段m的公交车平均密度;l(j)是路段j的长度;τ为集计时段长度;k(b)(m)是区域内按路段长度加权的平均公交车密度;J是区域内公交车路段数量;L为总车道长度;q(b)(m)是区域内公交车平均流量;s(j)是路段j的车道数;T(b)(m)和D(b)(m)分别是时段m公交车总行驶时间和总行驶距离;v(b)(m)时段m公交车区域平均速度。
3.根据权利要求1所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤S1中,定制公交路网的分区,具体步骤为:
S101.将道路划分为若干路段,根据现有交通流数据,计算定制公交车辆的路段速度;
S102.基于定制公交车路段速度、路段间的距离以及路段连通性为依据对路段进行聚类,形成若干初始小区;
S103.以定制公交路网的公交路段速度总方差最小化为目标,考虑初始小区间的邻接关系,将初始子区合并形成若干子区;以降低路网公交路段速度总方差为目标,调整位于边界上的路段的归属子区,得到定制公交路网分区。
4.根据权利要求1所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤S1中,提取定制公交路网子区的车辆速度规律,具体步骤为:
ES1.根据定制公交路网分区的各个子区的公交车平均流量、平均密度值和平均速度,识别子区公交车平均密度和平均速度的关系,获得公交车子区运行规律;
ES2.根据定制公交线网优化的时间段,找出该时间段内各子区路网中定制公交车辆平均密度的分布区段以及该密度区段对应的定制公交车速度可能值,进行定制公交车平均速度分布拟合,提取公交线网待优化时间段内的公交车辆速度分布规律。
5.根据权利要求2所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤S2中,根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型,具体为:
a.基于乘客出行需求、定制公交路网子区的车辆速度规律,寻求准时服务的乘客数量比例最优的线网优化方案,得到服务稳定性最大化目标函数:
其中,K为运营企业定制公交车队的车辆集合,Vb和Va分别为出行乘客的上车站点和下车站点集合,为乘客出行需求r在站点i的上车乘客数量,为0-1决策变量,当车辆k从站点i行驶到站点j时,取值为1,否则为0;为指示变量,当车辆k准时到达站点vi和vj时取值为1,否则为0;
b.根据乘客的出行方案、现有的公交车数据,计算运营企业收入和运营企业支付的成本,最大化运营企业利润,得到运营利润最大化目标函数:
max F2=G-C
其中,G为运营企业收入,C为运营企业支付的成本;
c.根据服务稳定性最大化目标函数和运营利润最大化目标函数,根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型。
6.根据权利要求5所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤b中,根据乘客的出行方案、现有的公交车数据,计算运营企业收入和运营企业支付的成本,最大化运营企业利润,得到运营企业利润最大化目标函数,具体步骤为:
b01.根据乘客的出行方案,计算运营企业的服务收入G:
b02.根据拟规划的公交车线网,考虑车辆在线路上的行驶成本、车辆早于乘客指定时间窗到站的等待成本以及乘客上下车的服务成本,得到运营企业成本C:
其中,
V为定制公交拟规划线网的站点集合;S为出行方案集合;μk为调度车辆k的固定成本;ηk为0-1决策变量,当车辆k参与运营时,取值为1,否则为0;λk为车辆k单位时间的折算成本;tij为车辆从站点i行驶到站点j的时间;τi车辆在站点i的服务时间;v0为车场,设定车辆从车场驶出和返回车场的成本忽略不计,即车辆从车场驶入线路第一个站点以及从线路最后一个站点驶回车场的时间为0;为车辆k在站点i的等待时间;为车辆k到达站点i的时刻;Tr,b为乘客出行需求r指定的上车时间;
Sb03.得到运营利润最大化目标函数。
7.权利要求5所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:定制公交线网优化模型的约束条件为:
A.车辆和服务方案指派约束:
A1.设定每个乘客出行需求最多只能由一台定制公交车辆采用一种出行方案进行服务;
A2.设定一个乘客出行需求仅可以指派给参与运营的定制公交车辆,并且只有当车辆参与运营时才允许其在线路上行驶;
A3.设定同一个需求中的所有乘客都只能由同一辆车运送;
B.时间约束:
B1.针对被确认可以为其提供定制公交出行服务的乘客,对于每个为其提供服务的出行方案,设置车辆在乘客指定的时间窗内到达上下车站点;
B2.在前后站点之间设置访问时间;
C.访问顺序限制:
C1.针对被响应的乘客出行需求,设置服务车辆先访问其上车站点然后访问其下车站点;
D.定制公交车辆发车和收车约束:
D1.设定每辆参与运营的公交车从车场出发,完成任务后返回车场;
E.流量平衡约束:
E1.设定一个站点若同时有接送要求或在不同时间有出行乘客出行需求,则被拆分成地理位置相同的多个站点,并且这些站点之间的行程时间为零;
F.车辆容量约束:
F1设定公交车上的乘客数量小于最大载客量,并设定每条线路的最小载客量要求;
G.定制公交车辆数量约束:
G1设定投入运营的定制公交车辆数量不能超过车队的车辆总数;
H.决策变量取值约束:
H1.设定服务稳定性最大化模型和运营利润最大化模型的决策变量取值的范围。
8.根据权利要求6所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤S3中,根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网,具体为:
S301.生成初始线路:
ES101.针对定制公交路网中的每一站点,通过矩阵算法求解各站点间的最短路径;
ES102.以出行需求为对象,为每一个出行需求单独安排一条线路,称为初始线路;每一条初始线路均为:车场——上车站点——下车站点——车场;设定运营车辆从车场驶入线路第一个站点及完成运输任务后从最后一个站点驶回车场的费用为0;初始线路满足除线路最低载客量约束以外的所有其他约束;
ES103.若定制公交车辆以最高速度行驶不能满足乘客出行时间要求,则判断定制公交无法为该类乘客出行需求提供服务,将此类乘客出行需求进行剔除,得到原始定制公交线网;
S302.构建组合库:
ES201.随机抽取两条初始线路,根据线路上站点间的最短距离以及站点上出行时间的先后顺序,在满足站点访问顺序要求的前提下,将线路拼接形成一条新线路;
ES202.若新线路违反最大载客量约束,则终止该线路合并,否则,重新抽取两条初始线路进行合并,直至新线路满足最大载客量约束为止;新线路与其他初始线路一起构成一个初始解;
ES203.重复上述步骤M次,直至生成M个线路库,线路库的集合称为组合库;
S303.采用随机模拟的方式,计算各线路适应度:
ES301.针对每一条线路,找出各站点所在的子区以及每一个连续站点间最短路径的子区分布,计算路径在各子区内的行驶距离;进行若干次随机模拟,每次基于途径子区的速度分布规律随机抽取一个速度值,计算每一个连续站点之间的子路径的行程时间;
ES302.将连续站点间的行程时间沿线路逐步累加,计算线路上定制公交车辆到达各站点的实际时刻;
ES303.若线路上的车辆能够在乘客指定的上下车时间窗内到达相关站点,则判断该线路能够准时接送该乘客;统计随机模拟中,各线路每次准时服务的乘客数量和总乘客数量,计算各线路服务稳定性;
ES304.统计每次随机模拟中各线路的利润;
ES305.以各线路服务稳定性均值和各线路的利润为指标计算组合库中各线路库的适应度,产生适应度矩阵;
S304.更新线路库:
ES401.根据适应度矩阵,对线路库中的各线路进行TOPSIS评分;
ES402.将线路按评分降序排列,选择前|K|条线路构成有效线路,其余线路作为待响应线路;
ES403.通过三个分支对线路库进行进化操作:
XS1.将有效线路与待响应线路进行合并,即每次随机抽取一条有效线路和一条待响应线路,按规则进行合并,并检查是否满足最大载客量约束,直至生成一条新线路,产生新线路库;
XS2.随机从有效线路中抽取两条线路进行合并,直至生成满足最大载客量约束的新线路,产生新线路库;
XS3.随机从待响应线路中抽取两条线路进行合并,直至生成满足最大载客量约束的新线路,产生新线路库;
S305.计算更新后的线路库中的线路的TOPSIS评分,并根据更新后的线路库中的线路的TOPSIS评分更新组合库,最终保留排名位于前M的线路库构成更新后的组合库;
S306.重复步骤S304-S305对组合库进行迭代,直至没有可以继续合并的线路;
S307.从迭代后的组合库中选择最优线路库:
ES701.计算迭代后的组合库中各线路库中线路的适应度;
ES702.采用TOPSIS法对各线路库中的线路进行评分并将线路按降序排列,选择排名位于前|K|位的线路,剔除不满足最低载客量约束的线路以后构成有效线路;
ES703.有效线路的总平均服务稳定性和总平均利润作为各线路库优劣的评判标准,选择最优线路库,将最优线路库作为初始定制公交线网。
9.根据权利要求1所述的考虑服务稳定性的定制公交线网优化方法,其特征在于:所述的步骤S4中,针对初始定制公交车线网中未被响应的乘客设计备选出行方案,基于乘客选择意愿引导初始方案中未被响应的乘客从备选出行方案中选择最终出行方案,具体步骤为:
S401.获取初始定制公交车线网中未被响应的乘客的待引导需求,生成其对应的待引导需求站点对列表和已规划线路的站点表;
S402.根据待引导需求站点对列表、已规划线路的站点表、待引导需求,通过调整上/下车站点或上/下车时刻生成可选的备选出行方案,使初始定制公交车线网中未被响应的乘客成为可被定制公交被响应的乘客;
S403.综合考虑出行时间、支付费用、乘客对时间和费用的敏感程度、感知误差、外部环境,计算各个方案的感知成本;根据各个方案的感知成本,并基于效用最大化原则,得到乘客选择意愿概率最大的方案,将选择意愿概率最大的方案作为乘客的出行方案,否则该待引导需求无法被服务。
10.一种考虑服务稳定性的定制公交线网优化系统,其特征在于:包括数据采集模块、车辆速度规律模块、模型构建模块、初始定制公交线网模块、需求引导模块、模型再优化模块;
所述的数据采集模块用于采集现有的交通需求与交通流数据;
所述的车辆速度规律模块用于进行定制公交路网的交通参数估算和定制公交路网的分区,提取定制公交路网子区的车辆速度规律;
所述的模型构建模块用于根据车辆速度规律,建立路网随机交通环境下,以服务稳定性最大化和运营利润最大化为目标的定制公交线网优化模型;
所述的初始定制公交线网模块用于根据优化模型,基于定制公交路网子区的速度规律和乘客出行需求,采用随机模拟和改进NEWMAN算法,生成初始定制公交线网;
所述的需求引导模块用于针对初始定制公交车线网中未被响应的乘客设计备选出行方案集,基于乘客选择意愿确定初始方案中未被响应乘客的出行方案;
所述的线网再优化模块用于根据初始定制公交车线网、初始方案中未被响应乘客的出行方案及定制公交路网子区的车辆速度规律,以服务稳定性最大化和运营利润最大化为目标,采用随机模拟和改进NEWMAN算法对初始定制公交线网进行整体再优化,得到最优定制公交线网。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211041804.7A CN115423168A (zh) | 2022-08-29 | 2022-08-29 | 一种考虑服务稳定性的定制公交路网优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211041804.7A CN115423168A (zh) | 2022-08-29 | 2022-08-29 | 一种考虑服务稳定性的定制公交路网优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115423168A true CN115423168A (zh) | 2022-12-02 |
Family
ID=84200011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211041804.7A Pending CN115423168A (zh) | 2022-08-29 | 2022-08-29 | 一种考虑服务稳定性的定制公交路网优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423168A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432386A (zh) * | 2023-02-20 | 2023-07-14 | 湖南大学无锡智能控制研究院 | 一种用于智能公交系统的多车型时刻表设计方法及系统 |
CN116882714A (zh) * | 2023-09-07 | 2023-10-13 | 中国铁路设计集团有限公司 | 一种考虑线网建设时序的多年度交路一体化方案编制方法 |
-
2022
- 2022-08-29 CN CN202211041804.7A patent/CN115423168A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432386A (zh) * | 2023-02-20 | 2023-07-14 | 湖南大学无锡智能控制研究院 | 一种用于智能公交系统的多车型时刻表设计方法及系统 |
CN116432386B (zh) * | 2023-02-20 | 2023-11-24 | 湖南大学无锡智能控制研究院 | 一种用于智能公交系统的多车型时刻表设计方法及系统 |
CN116882714A (zh) * | 2023-09-07 | 2023-10-13 | 中国铁路设计集团有限公司 | 一种考虑线网建设时序的多年度交路一体化方案编制方法 |
CN116882714B (zh) * | 2023-09-07 | 2023-11-28 | 中国铁路设计集团有限公司 | 一种考虑线网建设时序的多年度交路一体化方案编制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409599B (zh) | 基于实时需求的定制公交线路开通优化方法 | |
CN111260221B (zh) | 一种面向城市全局基于动态模型的交通设施承载力评估方法 | |
CN107564269B (zh) | 一种基于支付意愿的半灵活公交调度方法 | |
CN115423168A (zh) | 一种考虑服务稳定性的定制公交路网优化方法及系统 | |
CN109447340B (zh) | 一种可靠性最短路的定制公交线路优化方法 | |
Chen et al. | Customized bus route design with pickup and delivery and time windows: Model, case study and comparative analysis | |
CN107330547A (zh) | 一种城市公交动态调度优化方法及系统 | |
CN110580404A (zh) | 一种基于城市多模式交通网络的网络运能确定方法 | |
CN111985835A (zh) | 一种居住区共享停车泊位的分配方法 | |
CN108805344A (zh) | 一种考虑时变需求的高速铁路网络列车开行方案优化方法 | |
CN102169524A (zh) | 城市轨道交通网络客流分布的分阶段多路径模型算法 | |
CN112561249B (zh) | 面向实时需求的城市定制公交调度方法 | |
CN106127357A (zh) | 一种基于预约数据的定制公交自动布线系统及方法 | |
CN109308574A (zh) | 一种实时响应的互联网半灵活公交调度方法 | |
CN102169512A (zh) | 基于时间窗约束的城市轨道交通网络动态可达性计算方法 | |
CN111667086A (zh) | 一种车辆共乘路径寻优方法及系统 | |
CN114117700A (zh) | 基于复杂网络理论的城市公共交通网络优化研究方法 | |
Shu et al. | A novel demand-responsive customized bus based on improved ant colony optimization and clustering algorithms | |
CN112784000A (zh) | 基于出租车轨迹数据的寻客方法 | |
CN113538886A (zh) | 一种实时响应式定制公交递阶调度方法 | |
CN111882915A (zh) | 采用复合算法及交互模型的应需定制公交线路规划方法 | |
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 | |
CN114912659A (zh) | 铁路客运中转换乘方案计算方法及系统、设备和存储介质 | |
CN112418514A (zh) | 一种运用蚁群系统优化校园公交线路规划的方法 | |
CN116524705A (zh) | 一种城际出行车辆的调度方法及终端 |
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 |