CN115798217A - 多模式交通网络超路径流量分配方法、装置、设备及介质 - Google Patents

多模式交通网络超路径流量分配方法、装置、设备及介质 Download PDF

Info

Publication number
CN115798217A
CN115798217A CN202310068389.2A CN202310068389A CN115798217A CN 115798217 A CN115798217 A CN 115798217A CN 202310068389 A CN202310068389 A CN 202310068389A CN 115798217 A CN115798217 A CN 115798217A
Authority
CN
China
Prior art keywords
path
traffic
super
hyper
mode
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
Application number
CN202310068389.2A
Other languages
English (en)
Inventor
谭伟
谢军
谢驰
彭小东
桂兴凯
何茂维
刘晓波
李光倜
丁玥
杨洋
张颖宁
燕春林
杨光飞
王南威
王尔卓
陈群
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.)
Southwest Jiaotong University
Southwest Municipal Engineering Design and Research Institute of China
Original Assignee
Southwest Jiaotong University
Southwest Municipal Engineering Design and Research Institute of China
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 Southwest Jiaotong University, Southwest Municipal Engineering Design and Research Institute of China filed Critical Southwest Jiaotong University
Priority to CN202310068389.2A priority Critical patent/CN115798217A/zh
Publication of CN115798217A publication Critical patent/CN115798217A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明提供了一种多模式交通网络超路径流量分配方法、装置、设备及介质，涉及交通流量分配技术领域，包括获取道路网络信息；利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；根据所述道路网络信息构建关于多模式交通网络的均衡分配模型；计算每个OD对的超路径集和所述超路径集对应的相对误差；在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差，本发明用于解决现有技术中的分配模型缺乏考虑路径选择行为，难以适用于大规模交通网络的技术问题。

Description

多模式交通网络超路径流量分配方法、装置、设备及介质
技术领域
本发明涉及交通流量分配技术领域，具体而言，涉及多模式交通网络超路径流量分配方法、装置、设备及介质。
背景技术
交通分配理论作为城市交通网络和服务设施进行系统规划和优化的核心基础理论，旨在预测出行者在城市交通网络上的分布。现有交通分配算法主要是研究单一交通模式的分配算法，对于多模式交通分配算法中的组合模式较少，多为公共汽车与小汽车的组合,较少考虑公交共线问题。同时, 分配模型缺乏考虑路径选择行为，也没有在真实的大规模网络上进行应用，因此,难以适用于大规模交通网络。
发明内容
本发明的目的在于提供一种多模式交通网络超路径流量分配方法、装置、设备及介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
第一方面，本申请提供了一种多模式交通网络超路径流量分配方法，包括：
获取道路网络信息；
利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
根据所述道路网络信息构建关于多模式交通网络的均衡分配模型；
计算每个OD对的超路径集和所述超路径集对应的相对误差，所述超路径集中的超路径均为当前OD对之间可通行的路径；
在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差。
第二方面，本申请还提供了一种多模式交通网络超路径流量分配装置，包括：
获取模块：获取道路网络信息；
构造模块：利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
构建模块：根据所述道路网络信息构建关于多模式交通网络的均衡分配模型；
计算模块：计算每个OD对的超路径集和所述超路径集对应的相对误差，所述超路径集中的超路径均为当前OD对之间可通行的路径；
优化模块：在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差。
第三方面，本申请还提供了一种多模式交通网络超路径流量分配设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现所述多模式交通网络超路径流量分配方法的步骤。
第四方面，本申请还提供了一种可读存储介质，所述可读存储介质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基于多模式交通网络超路径流量分配方法的步骤。
本发明的有益效果为：
本发明提出了公共交通网络和道路网络的连接方式，使用匹配算法保证公共交通站点与正确的道路路段连接，并采用交通弧缩小衔接网络的规模。同时,本发明考虑到了公交共线问题,对多模式交通网络进行改进,增加了出行模式组合的可能性，避免了流量分配结果的不合理性。最后,本发明基于超路径公交分配问题的梯度投影算法，引入内循环策略，能够有效实现多模式分配算法收敛加速，在大规模真实网络上进行应用。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的多模式交通网络超路径流量分配方法流程示意图;
图2为本发明实施例中所述的多模式交通网络超路径流量分配装置结构示意图一；
图3为本发明实施例中所述的多模式交通网络超路径流量分配装置结构示意图二；
图4为本发明实施例中所述的多模式交通网络超路径流量分配设备结构示意图。
图中标记：
01、获取模块；02、构造模块；021、第一获取单元；022、第一创建单元；023、第二创建单元；024、第二获取单元；025、第三创建单元；026、构成单元；03、构建模块；031、第三获取单元；032、第一构建单元；033、第二构建单元；034、第三构建单元；035、第四构建单元；04、计算模块；041、遍历单元；042、第一计算单元；043、存储单元；044、分配单元；045、第二计算单元；05、优化模块；051、第四获取单元；052、第一判断单元；053、第二判断单元；054、第三计算单元；0541、第四计算单元；0542、第三判断单元；0543、第五计算单元；0544、第二更新单元；055、第一更新单元；056、第四判断单元；
800、多模式交通网络超路径流量分配设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。
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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1：
本实施例提供了一种多模式交通网络超路径流量分配方法。
参见图1，图中示出了本方法包括:
S1.获取道路网络信息；
S2.利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
具体的，所述步骤S2包括：
S21.获取道路网络信息中的公交网络的站点-线路信息和地铁网络的站点-线路信息；
S22.根据所述公交网络的站点-线路信息和地铁网络的站点-线路信息创建公交站点节点、公交虚拟站点节点、地铁站台节点、上车弧、下车弧和行驶弧；
具体包括：
对每一公交站点 s创建公交站点节点ns，得到公交站点节点集
Figure SMS_1
；
创建虚拟站点节点
Figure SMS_2
，得到虚拟站点节点集
Figure SMS_3
；
对每一地铁站点，创建站台节点
Figure SMS_4
，得到站台节点集
Figure SMS_5
；
创建公交上车弧
Figure SMS_6
，得到公交上车弧集
Figure SMS_7
；
创建地铁上车弧集
Figure SMS_8
，得到地铁上车弧集
Figure SMS_9
；
由公交上车弧集和地铁上车弧集得到上车弧集
Figure SMS_10
；
创建公交下车弧
Figure SMS_11
，得到公交下车弧集
Figure SMS_12
；
创建地铁下车弧
Figure SMS_13
，得到地铁下车弧集
Figure SMS_14
；
由公交下车弧集和地铁下车弧集得到下车弧集
Figure SMS_15
；
创建行驶弧
Figure SMS_16
，得到行驶弧集
Figure SMS_17
。
S23.根据公交站点节点和地铁站台节点创建虚拟换乘节点、步行弧和换乘弧；
对每一公交站点ns，创建虚拟换乘节点
Figure SMS_18
，得到虚拟换乘节点集
Figure SMS_19
；
每对地铁站台节点间创建双向步行弧
Figure SMS_20
和
Figure SMS_21
，得到地铁站内的步行弧集
Figure SMS_22
；
每对地铁站台节点间创建双向换乘弧
Figure SMS_23
和
Figure SMS_24
，得到地铁换乘弧集
Figure SMS_25
，
S24.获取道路网络信息中的道路信息，根据道路信息创建私家车节点、出租车节点、出租车弧和私家车弧；
对于每一道路节点n，创建私家车节点np，得到私家车节点集
Figure SMS_26
；
创建出租车节点nh，得到出租车节点集
Figure SMS_27
；
对每一道路弧a，创建私家车弧ap，弧上时间根据平均出行速度计算，得到私家车弧集
Figure SMS_28
；
创建出租车弧ah，弧上时间根据平均出行速度计算，得到出租车弧集
Figure SMS_29
。
S25.由公交站点节点、公交虚拟站点节点、地铁站台节点、虚拟换乘节点、私家车节点和出租车节点构成节点集，由上车弧、下车弧、步行弧、换乘弧、行驶弧、出租车弧和私家车弧构成弧集；
令节点集
Figure SMS_30
；
令弧集
Figure SMS_31
。
S26.由所述节点集和弧集构成多模式交通网络
Figure SMS_32
，所述节点集内的任意两个节点组成一个OD对。
基于以上实施例，本方法还包括以下步骤：
S3.利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
具体的，所述步骤S2包括：
S31.获取道路网络信息中公交和地铁的发车频率和行驶时间；
S32.根据公交和地铁的发车频率和行驶时间构建超路径费用计算模型；
Figure SMS_33
；（1）
式中，w表示OD对，W为OD对的集合，a为交通弧，p为超路径，
Figure SMS_35
为超路径p的弧集，v表示交通弧上的流量，Pw为OD对w之间的超路径集，
Figure SMS_37
为超路径p上的交通弧a的被使用的概率，
Figure SMS_39
为交通弧a的费用函数，
Figure SMS_36
为超路径p的节点集，Ns为站点节点集，i为超路径p的节点集与站点节点集的交集，
Figure SMS_38
为超路径p上公交站点i的吸引集，fa为交通弧a的发车频率，
Figure SMS_40
为超路径p上经过站点i的概率；
Figure SMS_41
表示超路径p上的所有交通弧的期望费用，
Figure SMS_34
表示超路径p上的所有公交站点的总期望等待时间，Cp表示超路径p的费用。
S33.当交通流量在多模式交通网络上的分布满足用户均衡时，构建超路径费用约束模型；
本实施例中，出行费用是影响出行者路径和出行模式选择的主要因素。在本发明中广义时间费用(min)定义为出行时间和金钱花费的线性加和，其中金钱花费通过时间价值参数vot (元/小时)换算为时间，求解的最短超路径就是指的该广义时间费用最少。
在出行时，出行者总尝试选择广义费用最小的路径，而该路径的费用通常会随着交通量的增加而增加，从而使得一部分流量会转移到费用更小的路径上，直到所有被选择的路径费用相等时，交通网络上的流量分布到达一种均衡状态，即用户均衡。
用户均衡是指：在每一个用户都选择广义费用最小的路径之后，因为该条路径的交通量的增加导致该路径的费用提高，例如：时间费用会因为路径的拥挤度增加而提高，此时该路径不再是费用最小，会有一部分流量转移到费用更小的路径上（即一部分用户会选择改变选择，选择另外费用更小的路径）。同理，由于流量变化导致的路径费用变化继续不断地发生流量向一条更小费用的路径转移的过程，直到用户不能再选择一条比现在路径费用更小的路径，此时所有被选择的路径费用相等，交通网络上的流量分布就达到了一种均衡状态，即用户均衡。
因此，当交通流量在多模式交通网络上的分布达到用户均衡时，需要满足的约束条件为：
Figure SMS_42
，
Figure SMS_43
；（2）
式中，Cp为超路径p的费用，hp为超路径p的流量，uw为最短可行超路径的费用。
S34.构建交通流量约束模型和超路径的流量分布约束模型；
具体的,所述交通流量约束模型为:
Figure SMS_44
；（3）
式中，所述
Figure SMS_45
表示OD对w之间的预设交通流量；
所述流量分布约束模型为:
Figure SMS_46
；（4）
S35.由超路径费用计算模型、超路径费用约束模型、交通流量约束模型和流量分布约束模型共同组成多模式交通网络的均衡分配模型。
基于以上实施例，本方法还包括以下步骤：
S4.计算每个OD对的超路径集和所述超路径集对应的相对误差，所述超路径集中的超路径均为当前OD对之间可通行的路径；
具体的,所述步骤S4包括:
S41.遍历每个OD对；
S42.利用超路径的标号法计算每个OD对的初始最短超路径，所述初始最短超路径由多条交通弧组成；
本实施例中, 所述标号法为本领域常用的现有技术,此处不再赘述。
S43.将每条初始最短超路径存入OD对对应的超路径集中；
S44.将每个OD对的预设交通流量全部分配至对应的原始最短超路径上，并计算超路径集中所使用的每条交通弧的费用
Figure SMS_47
；
S45.利用每条交通弧的费用计算相对误差RG；
Figure SMS_48
；（5）
式中，
Figure SMS_49
表示原始最短超路径的费用，将每条交通弧的费用
Figure SMS_50
代入公式（1）可计算得到
Figure SMS_51
，Cp为可行超路径的费用，
Figure SMS_52
为OD对w之间的预设交通流量。
基于以上实施例，本方法还包括以下步骤：
S5.在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差：
具体的，所述步骤S5包括：
S51.获取当前OD对的超路径集对应的相对误差；
S52.判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小：
若相对误差小于预设误差或当前OD对的最短超路径的计算次数大于预设迭代次数，则继续获取下一个OD对的超路径集对应的相对误差，直到遍历完所有的OD对；
具体的，所述令预设迭代次数为MaxIter，令预设误差为
Figure SMS_53
，
初始化当前OD对的最短超路径的计算次数为I=0；
若
Figure SMS_54
或者
Figure SMS_55
，则表示当前交通网络上的流量分布达到用户均衡状态。
否则，重新计算当前OD对w的最短超路径
Figure SMS_56
，所述最短超路径
Figure SMS_57
为一条或多条；
S53.判断当前的最短超路径
Figure SMS_58
是否已存在超路径集Pw中：
若
Figure SMS_59
，令I=I+1，重新判断当前OD对的最短超路径的计算次数与预设迭代次数的大小；
若
Figure SMS_60
，则将当前的最短超路径存入超路径集中：令
Figure SMS_61
，采用梯度投影算法在满足均衡分配模型下为超路径集中的每条最短超路径重新分配流量；
具体的，所述梯度投影算法为：
1）对每一条超路径
Figure SMS_62
，超路径p上分配的流量为hp，利用公式（1）计算得到超路径p的费用Cp；
2）利用公式（1）计算超路径
Figure SMS_63
的费用
Figure SMS_64
，所述
Figure SMS_65
为除了超路径p之外其它的超路径，若
Figure SMS_66
，令参考超路径
Figure SMS_67
；
3）对每一条超路径
Figure SMS_68
，若
Figure SMS_69
，则使用公式（1）分别计算超路径的费用Cp和参考超路径的费用
Figure SMS_70
，并使用二分法计算流量转移量
Figure SMS_71
；
4）创建临时变量
Figure SMS_72
；
5）判断Cp与
Figure SMS_73
的大小：
若
Figure SMS_74
，则令
Figure SMS_75
；
若
Figure SMS_76
，令
Figure SMS_77
；
6）计算超路径p重新分配的流量
Figure SMS_78
。
S54.根据重新分配的流量计算超路径集中所使用到的交通弧的费用；
具体的，超路径p所使用到的交通弧分配到的流量
Figure SMS_79
；利用
Figure SMS_80
更新交通弧的费用Ca。
具体的，所述步骤S54还包括：
初始化收敛指标的更新次数为n=0，令预设更新次数为MaxInnerIter;
S541.根据超路径集中所使用到的交通弧的费用和重新分配的流量计算收敛指标；
利用更新后的交通弧的费用Ca重新计算得到超路径的费用
Figure SMS_81
；
根据超路径的费用
Figure SMS_82
和重新分配的流量
Figure SMS_83
计算收敛指标：
Figure SMS_84
；（6）
S542.判断所述收敛指标与相对误差的大小：
若所述收敛指标小于相对误差：
Figure SMS_85
，则利用所述交通弧的费用更新相对误差
Figure SMS_86
；
否则，则采用梯度投影算法在满足均衡分配模型下为超路径集中的每条最短超路径重新分配流量；
S543.根据重新分配的流量计算超路径集中所使用到的交通弧的费用；
S544.利用所述超路径集中重新分配的流量和所使用到的交通弧的费用更新收敛指标，直到收敛指标的更新次数大于预设更新次数或收敛指标小于相对误差；
具体的，令n=n+1，判断n与MaxInnerIter的大小:
若n＜MaxInnerIter，重复步骤S541；
若n＞MaxInnerIter，进入步骤S55。
S55.利用所述交通弧的费用更新相对误差，并删除超路径集中未被分配到流量的最短超路径；
S56.重复判断更新后的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小。
实施例2：
如图2、图3所示，本实施例提供了一种多模式交通网络超路径流量分配装置，所述装置包括：
获取模块01：获取道路网络信息；
构造模块02：利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
构建模块03：根据所述道路网络信息构建关于多模式交通网络的均衡分配模型；
计算模块04：计算每个OD对的超路径集和所述超路径集对应的相对误差，所述超路径集中的超路径均为当前OD对之间可通行的路径；
优化模块05：在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差。
基于以上实施例,所述构造模块02包括：
第一获取单元021：获取道路网络信息中的公交网络的站点-线路信息和地铁网络的站点-线路信息；
第一创建单元022：根据所述公交网络的站点-线路信息和地铁网络的站点-线路信息创建公交站点节点、公交虚拟站点节点、地铁站台节点、上车弧、下车弧和行驶弧；
第二创建单元023：根据公交站点节点和地铁站台节点创建虚拟换乘节点、步行弧和换乘弧；
第二获取单元024：获取道路网络信息中的道路信息，根据道路信息创建私家车节点、出租车节点、出租车弧和私家车弧；
第三创建单元025：由公交站点节点、公交虚拟站点节点、地铁站台节点、虚拟换乘节点、私家车节点和出租车节点构成节点集，由上车弧、下车弧、步行弧、换乘弧、行驶弧、出租车弧和私家车弧构成交通弧集；
构成单元026：由所述节点集和交通弧集构成多模式交通网络，所述节点集内的任意两个节点组成一个OD对。
基于以上实施例,所述构建模块03包括：
第三获取单元031：获取道路网络信息中公交和地铁的发车频率和行驶时间；
第一构建单元032：根据公交和地铁的发车频率和行驶时间构建超路径费用计算模型；
第二构建单元033：当交通流量在多模式交通网络上的分布满足用户均衡时，构建超路径费用约束模型；
第三构建单元034：构建交通流量约束模型和超路径的流量分布约束模型；
第四构建单元035：由超路径费用计算模型、超路径费用约束模型、交通流量约束模型和流量分布约束模型共同组成多模式交通网络的均衡分配模型。
基于以上实施例,所述计算模块04包括：
遍历单元041：遍历每个OD对；
第一计算单元042：利用超路径的标号法计算每个OD对的初始最短超路径，所述初始最短超路径由多条交通弧组成；
存储单元043：将每条初始最短超路径存入OD对对应的超路径集中；
分配单元044：将每个OD对的预设交通流量全部分配至对应的原始最短超路径上，并计算超路径集中所使用的每条交通弧的费用；
第二计算单元045：利用每条交通弧的费用计算相对误差。
基于以上实施例,所述优化模块05包括：
第四获取单元051：获取当前OD对的超路径集对应的相对误差；
第一判断单元052：判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小：
若相对误差小于预设误差或当前OD对的最短超路径的计算次数大于预设迭代次数，则继续获取下一个OD对的超路径集对应的相对误差，直到遍历完所有的OD对；
否则，重新计算当前OD对的最短超路径；
第二判断单元053：判断当前的最短超路径是否已存在超路径集中：
若否，则将当前的最短超路径存入超路径集中，采用梯度投影算法在满足均衡分配模型下为超路径集中的每条最短超路径重新分配流量；
若是，重新判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小；
第三计算单元054：根据重新分配的流量计算超路径集中所使用到的交通弧的费用；
第一更新单元055：利用所述交通弧的费用更新相对误差，并删除超路径集中未被分配到流量的最短超路径；
第四判断单元056：重复判断更新后的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小。
基于以上实施例,所述第三计算单元054还包括：
第四计算单元0541：根据超路径集中所使用到的交通弧的费用和重新分配的流量计算收敛指标；
第三判断单元0542：判断所述收敛指标与相对误差的大小：
若所述收敛指标小于相对误差，则利用所述交通弧的费用更新相对误差；
否则，则采用梯度投影算法在满足均衡分配模型下为超路径集中的每条最短超路径重新分配流量；
第五计算单元0543：根据重新分配的流量计算超路径集中所使用到的交通弧的费用；
第二更新单元0544：利用所述超路径集中重新分配的流量和所使用到的交通弧的费用更新收敛指标，直到收敛指标的更新次数大于预设更新次数或收敛指标小于相对误差。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3：
相应于上面的方法实施例，本实施例中还提供了一种多模式交通网络超路径流量分配设备，下文描述的一种多模式交通网络超路径流量分配设备与上文描述的一种多模式交通网络超路径流量分配方法可相互对应参照。
图4是根据示例性实施例示出的一种多模式交通网络超路径流量分配设备800的框图。如图4所示，该多模式交通网络超路径流量分配设备800可以包括：处理器801，存储器802。该多模式交通网络超路径流量分配设备800还可以包括多媒体组件803， I/O接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该多模式交通网络超路径流量分配设备800的整体操作，以完成上述的多模式交通网络超路径流量分配方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该多模式交通网络超路径流量分配设备800的操作，这些数据例如可以包括用于在该多模式交通网络超路径流量分配设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(ElectricallyErasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该多模式交通网络超路径流量分配设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(NearFieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，多模式交通网络超路径流量分配设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital SignalProcessing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的多模式交通网络超路径流量分配方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的多模式交通网络超路径流量分配方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由多模式交通网络超路径流量分配设备800的处理器801执行以完成上述的多模式交通网络超路径流量分配方法。
实施例4：
相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种多模式交通网络超路径流量分配方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的多模式交通网络超路径流量分配方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多模式交通网络超路径流量分配方法，其特征在于，包括：
获取道路网络信息；
利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
根据所述道路网络信息构建关于多模式交通网络的均衡分配模型；
计算每个OD对的超路径集和所述超路径集对应的相对误差，所述超路径集中的超路径均为当前OD对之间可通行的路径；
在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差。
2.根据权利要求1所述的多模式交通网络超路径流量分配方法，其特征在于,所述根据所述道路网络信息构建关于多模式交通网络的均衡分配模型，包括：
获取道路网络信息中公交和地铁的发车频率和行驶时间；
根据公交和地铁的发车频率和行驶时间构建超路径费用计算模型；
当交通流量在多模式交通网络上的分布满足用户均衡时，构建超路径费用约束模型；
构建交通流量约束模型和超路径的流量分布约束模型；
由超路径费用计算模型、超路径费用约束模型、交通流量约束模型和流量分布约束模型共同组成多模式交通网络的均衡分配模型。
3.根据权利要求1所述的多模式交通网络超路径流量分配方法，其特征在于,所述计算每个OD对的超路径集和超路径集中所使用的交通弧的费用，所述超路径为当前OD对之间可通行的路径，包括：
遍历每个OD对；
利用超路径的标号法计算每个OD对的初始最短超路径，所述初始最短超路径由多条交通弧组成；
将每条初始最短超路径存入OD对对应的超路径集中；
将每个OD对的预设交通流量全部分配至对应的原始最短超路径上，并计算超路径集中所使用的每条交通弧的费用；
利用每条交通弧的费用计算相对误差。
4.根据权利要求1所述的多模式交通网络超路径流量分配方法，其特征在于,所述在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差，包括：
获取当前OD对的超路径集对应的相对误差；
判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小：
若相对误差小于预设误差或当前OD对的最短超路径的计算次数大于预设迭代次数，则继续获取下一个OD对的超路径集对应的相对误差，直到遍历完所有的OD对；
否则，重新计算当前OD对的最短超路径；
判断当前的最短超路径是否已存在超路径集中：
若否，则将当前的最短超路径存入超路径集中，采用梯度投影算法在满足均衡分配模型下为超路径集中的每条最短超路径重新分配流量；
若是，重新判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小；
根据重新分配的流量计算超路径集中所使用到的交通弧的费用；
利用所述交通弧的费用更新相对误差，并删除超路径集中未被分配到流量的最短超路径；
重复判断更新后的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小。
5.一种多模式交通网络超路径流量分配装置，其特征在于，包括：
获取模块：获取道路网络信息；
构造模块：利用所述道路网络信息构造多模式交通网络，所述多模式交通网络中包含若干个OD对；
构建模块：根据所述道路网络信息构建关于多模式交通网络的均衡分配模型；
计算模块：计算每个OD对的超路径集和所述超路径集对应的相对误差，所述超路径集中的超路径均为当前OD对之间可通行的路径；
优化模块：在满足均衡分配模型下，采用多模式分配算法为所述多模式交通网络中的所有超路径集中的每条超路径分配流量，根据分配的流量实时计算相对误差，直到每个超路径集对应的相对误差小于预设误差。
6.根据权利要求5所述的多模式交通网络超路径流量分配装置，其特征在于，所述构建模块包括：
第三获取单元：获取道路网络信息中公交和地铁的发车频率和行驶时间；
第一构建单元：根据公交和地铁的发车频率和行驶时间构建超路径费用计算模型；
第二构建单元：当交通流量在多模式交通网络上的分布满足用户均衡时，构建超路径费用约束模型；
第三构建单元：构建交通流量约束模型和超路径的流量分布约束模型；
第四构建单元：由超路径费用计算模型、超路径费用约束模型、交通流量约束模型和流量分布约束模型共同组成多模式交通网络的均衡分配模型。
7.根据权利要求5所述的多模式交通网络超路径流量分配装置，其特征在于，所述计算模块包括：
遍历单元：遍历每个OD对；
计算单元：利用超路径的标号法计算每个OD对的初始最短超路径，所述初始最短超路径由多条交通弧组成；
存储单元：将每条初始最短超路径存入OD对对应的超路径集中；
分配单元：将每个OD对的预设交通流量全部分配至对应的原始最短超路径上，并计算超路径集中所使用的每条交通弧的费用；
第一计算单元：利用每条交通弧的费用计算相对误差。
8.根据权利要求5所述的多模式交通网络超路径流量分配装置，其特征在于，所述优化模块包括：
第三获取单元：获取当前OD对的超路径集对应的相对误差；
第一判断单元：判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小：
若相对误差小于预设误差或当前OD对的最短超路径的计算次数大于预设迭代次数，则继续获取下一个OD对的超路径集对应的相对误差，直到遍历完所有的OD对；
否则，重新计算当前OD对的最短超路径；
第二判断单元：判断当前的最短超路径是否已存在超路径集中：
若否，则将当前的最短超路径存入超路径集中，采用梯度投影算法在满足均衡分配模型下为超路径集中的每条最短超路径重新分配流量；
若是，重新判断当前的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小；
第二计算单元：根据重新分配的流量计算超路径集中所使用到的交通弧的费用；
第一更新单元：利用所述交通弧的费用更新相对误差，并删除超路径集中未被分配到流量的最短超路径；
第三判断单元：重复判断更新后的相对误差与预设误差的大小或当前OD对的最短超路径的计算次数与预设迭代次数的大小。
9.一种多模式交通网络超路径流量分配设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述多模式交通网络超路径流量分配方法的步骤。
10.一种可读存储介质，其特征在于：所述可读存储介质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如权利要求1至4任一项所述多模式交通网络超路径流量分配方法的步骤。
CN202310068389.2A 2023-02-06 2023-02-06 多模式交通网络超路径流量分配方法、装置、设备及介质 Pending CN115798217A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310068389.2A CN115798217A (zh) 2023-02-06 2023-02-06 多模式交通网络超路径流量分配方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310068389.2A CN115798217A (zh) 2023-02-06 2023-02-06 多模式交通网络超路径流量分配方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115798217A true CN115798217A (zh) 2023-03-14

Family

ID=85430055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310068389.2A Pending CN115798217A (zh) 2023-02-06 2023-02-06 多模式交通网络超路径流量分配方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115798217A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362520A (zh) * 2023-05-26 2023-06-30 西南交通大学 一种多模式交通网络区域划分方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188923A (zh) * 2019-05-06 2019-08-30 西南交通大学 一种基于大数据技术的多模式公交客流推算方法
CN111898793A (zh) * 2020-06-08 2020-11-06 东南大学 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
CN112652189A (zh) * 2020-12-30 2021-04-13 西南交通大学 基于策略流的交通分配方法、装置、设备及可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188923A (zh) * 2019-05-06 2019-08-30 西南交通大学 一种基于大数据技术的多模式公交客流推算方法
CN111898793A (zh) * 2020-06-08 2020-11-06 东南大学 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
CN112652189A (zh) * 2020-12-30 2021-04-13 西南交通大学 基于策略流的交通分配方法、装置、设备及可读存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JIA-XIANG ZHU等: "A Traffic Assignment Approach for Multi-Modal Transportation Networks Considering Capacity Constraints and Route Correlations" *
刘刚: "随机路网多用户多方式混合均衡研究", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑) *
帅斌: "限速条件下多模式交通均衡分配模型与算法" *
徐占东: "基于发车频率的大规模公交网络分配模型与算法研究" *
罗端高: "多用户多方式混合交通均衡变分模型及求解算法", 交通运输系统工程与信息 *
郑力祥等: "基于超网络的多模式交通的随机网络加载问题", 山东科学 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116362520A (zh) * 2023-05-26 2023-06-30 西南交通大学 一种多模式交通网络区域划分方法、装置、设备及介质
CN116362520B (zh) * 2023-05-26 2023-07-28 西南交通大学 一种多模式交通网络区域划分方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
US20240133700A1 (en) Multimodal Vehicle Routing System and Method with Vehicle Parking
US20190347371A1 (en) Method and system for orchestrating multi-party services using semi-cooperative nash equilibrium based on artificial intelligence, neural network models,reinforcement learning and finite-state automata
CN110162931B (zh) 城市轨道交通大规模路网快速仿真系统
JP2023510879A (ja) 路線計画方法、装置、機器、及びコンピュータ記憶媒体
Lu et al. Flexible feeder transit route design to enhance service accessibility in urban area
JP6375588B2 (ja) 知能型の列車スケジューリング方法
Huang et al. A bimodal Gaussian inhomogeneous Poisson algorithm for bike number prediction in a bike-sharing system
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
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
WO2019003672A1 (ja) 交通需要予測装置、及び交通需要予測方法
CN114550482A (zh) 一种基于低碳目标的导航方法及停车场导航方法
CN111724076A (zh) 运营中断条件下区域多式轨道交通客流动态分配方法
CN115798217A (zh) 多模式交通网络超路径流量分配方法、装置、设备及介质
Kidwai et al. A genetic algorithm based bus scheduling model for transit network
Saha et al. Network model for rural roadway tolling with pavement deterioration and repair
Socharoentum et al. Multi-modal transportation with multi-criteria walking (MMT-MCW): Personalized route recommender
JP2023155476A (ja) 情報処理システム、情報処理装置、情報処理方法及び情報処理プログラム
Yu et al. Optimal routing of multimodal mobility systems with ride‐sharing
Nasibov et al. A multi-criteria route planning model based on fuzzy preference degrees of stops
Wang et al. Optimal bus bridging schedule with transfer passenger demand during disruptions of urban rail transit
Zarrinmehr et al. A path-based greedy algorithm for multi-objective transit routes design with elastic demand
JP2013167516A (ja) 経路探索装置、コンピュータプログラム
Meng et al. A simulation-based dynamic traffic assignment model with combined modes
Li et al. Multimodal, multicriteria dynamic route choice: A GIS-microscopic traffic simulation approach
Zhang et al. Golden ratio genetic algorithm based approach for modelling and analysis of the capacity expansion of urban road traffic network

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230314

RJ01 Rejection of invention patent application after publication