CN115829246A - 行程时间不确定环境下公共交通站点可达性评价方法 - Google Patents

行程时间不确定环境下公共交通站点可达性评价方法 Download PDF

Info

Publication number
CN115829246A
CN115829246A CN202211469335.9A CN202211469335A CN115829246A CN 115829246 A CN115829246 A CN 115829246A CN 202211469335 A CN202211469335 A CN 202211469335A CN 115829246 A CN115829246 A CN 115829246A
Authority
CN
China
Prior art keywords
travel time
station
environment
uncertain
public transport
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
CN202211469335.9A
Other languages
English (en)
Inventor
刘向龙
陈碧宇
刘好德
丁妍
陈雪萍
李香静
李佳杰
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.)
Wuhan University WHU
China Academy of Transportation Sciences
Original Assignee
Wuhan University WHU
China Academy of Transportation Sciences
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 Wuhan University WHU, China Academy of Transportation Sciences filed Critical Wuhan University WHU
Priority to CN202211469335.9A priority Critical patent/CN115829246A/zh
Publication of CN115829246A publication Critical patent/CN115829246A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Navigation (AREA)

Abstract

本发明涉及一种行程时间不确定环境下公共交通站点可达性评价方法，包括：步骤1，计算每一个居民点在行程时间不确定环境下对其搜索区域内公共交通站点的选择概率；步骤2，对每一个公共交通站点构建其搜索区域，计算该站点在行程时间不确定环境下的供需比；步骤3，对每一个居民点构建其搜索区域，计算该居民点在行程时间不确定环境下的公共交通站点可达性。本发明在公共交通站点可达性度量中融入了行程时间不确定性，提出了一种行程时间不确定环境下基于站点效率的三步移动搜索法，以评估行程时间不确定环境下城市居民公共交通站点可达性，更好地捕捉可达性在时间维度上的变化。

Description

行程时间不确定环境下公共交通站点可达性评价方法
技术领域
本发明涉及公共交通可达性评价领域，尤其是涉及行程时间不确定环境下的公共交通站点可达性评价方法。
背景技术
“在城市优先发展公共交通”是解决我国城市交通拥堵等问题的有效手段。公共交通具有载客量多、能耗低、污染小等特点，优先发展公共交通也是经国际上许多大城市验证的缓解城市交通拥堵问题的有效措施。公共交通可达性是衡量公共交通系统运行状况与服务能力的有效指标，研究公共交通可达性能够度量城市公共交通资源是否合理、公平地配置。因此，研究城市公共交通可达性对优化城市公共交通系统，提升公共交通服务能力，增加公共交通吸引力，缓解城市交通压力具有重要意义。
现实环境中交通网络存在着各种随机不确定因素(如交通拥堵、交通事故、异常天气等)，车辆的运行受这些因素的影响而发生变化，故交通网络中任意两点的行程时间不是一个确定的值，具有不确定性。早期，可达性研究中通常采用平均行程时间或者自由流的行程时间进行可达性计算，忽略了行程时间的不确定性。研究表明，行程时间的不确定性对人们的出行行为具有重要影响，大多数人在安排重要活动时有风险规避的倾向，通常会预留额外的时间以保证能在预定的行程时间内到达设施点获取服务。
相关文献有：
Chen B Y,Cheng X P,Kwan M P,et al.Evaluating spatial accessibility tohealthcare services under travel time uncertainty:A reliability-basedfloating catchment area approach[J].Journal of Transport Geography,2020,87:102794.
Taylor M A P.Travel through time:the story of research on travel timereliability[J].Transportmetrica B:transport dynamics,2013,1(3):174-194.
Carrion C,Levinson D.Value of travel time reliability:A review ofcurrent evidence[J].Transportation research part A:policy and practice,2012,46(4):720-741.
发明内容
本发明提出了一种评估行程时间不确定环境下城市居民公共交通站点可达性的方法，以更好地捕捉可达性在时间维度上的变化。
本发明的技术方案为行程时间不确定环境下基于站点效率的三步移动搜索法，包括以下步骤：
步骤1，计算每一个居民点在行程时间不确定环境下对其搜索区域内公共交通站点的选择概率；
步骤2，对每一个公共交通站点构建其搜索区域，计算该站点在行程时间不确定环境下的供需比；
步骤3，对每一个居民点构建其搜索区域，计算该居民点在行程时间不确定环境下的公共交通站点可达性。
进一步的，步骤1的具体实现方式如下，
(一)首先计算每一个公共交通站点处的服务设施可达性，方法为：
计算需求点k(即公共交通站点k)处的第u类设施可达性值
Figure SMS_1
对其进行归一化得到
Figure SMS_2
Figure SMS_3
Figure SMS_4
式中，
Figure SMS_5
是虚拟需求点k(即公共交通站点k)处的第u类设施可达性值(归一化前)，即从公共交通站点k出发在特定行程时间阈值内步行所能到达的第u类设施点的累计机会和，该可达性度量方法为累计机会法；f是公共交通站点k在指定时间阈值内步行所能到达的所有设施点集合F0中的一个设施点；
Figure SMS_6
是基于公共交通站点k到设施点f步行时间
Figure SMS_7
的距离衰减函数；
Figure SMS_8
是虚拟需求点k(即公共交通站点k)处的第u类设施可达性值(归一化的)。
针对不同的设施类型可以赋予不同的权重，用
Figure SMS_9
表示，得到公共站点k处考虑多种服务设施可达性的综合可达性
Figure SMS_10
Figure SMS_11
(二)计算行程时间不确定环境下公共交通站点的站点效率，计算方法为：
Figure SMS_12
式中，Ej(r0)为行程时间不确定环境下公共交通站点j的站点效率；
Figure SMS_13
是在可靠度r0约束下，公共交通站点j到其可达站点k的可靠最短行程时间，由基于行程时间
Figure SMS_14
累积分布函数的反函数
Figure SMS_15
求得；
Figure SMS_16
是基于可靠最短行程时间
Figure SMS_17
的公共交通距离阻抗函数；
Figure SMS_18
是(一)中计算得到的公共交通站点k处的综合服务设施可达性。
(三)计算每一个居民点对其搜索区域内公共交通站点的选择概率：
Figure SMS_19
式中，Probij(r0)是行程时间不确定环境下居民点i对公共交通站点j的选择概率；fW(tij)与fW(tis)分别是基于居民点i到其搜索区域D0内公共交通站点j与s步行时间tij与tis的步行距离衰减函数；Ej(r0)与Es(r0)分别是行程时间不确定环境下的公共交通站点j与s的站点效率，由(二)中求得。
进一步的，步骤2的具体实现方式如下，
Figure SMS_20
式中，Rj(r0)是行程时间不确定环境下公共交通站点j的供需比；k是公共交通站点j搜索区域D0内的居民点；Probkj(r0)是步骤1计算获得的行程时间不确定环境下居民点k对公共交通站点j的选择概率；Pk是居民点k处的人口数量；fW(tkj)是基于居民点k到公共交通站点j步行时间tkj的步行距离衰减函数；Sj是一段时间内通过公共交通站点j的公共交通车辆数量。
进一步的，步骤3的具体实现方式如下，
Figure SMS_21
式中，
Figure SMS_22
是行程时间不确定环境下居民点i的公共交通站点可达性；j是居民点i搜索区域D0内的公共交通站点；Probij(r0)是行程时间不确定环境下居民点i对公共交通站点j的选择概率，由步骤1计算得到；Rj(r0)是公共交通站点j的供需比；tij是居民点i到公共交通站点j的步行时间，fW(tij)是步行距离衰减函数；Ej(r0)是步骤1第(二)步中计算出的行程时间不确定环境下公共交通站点j的站点效率。
现有的公共交通站点可达性研究因不涉及基于公共交通系统的行程时间，故几乎不涉及行程时间不确定性问题，本发明针对这一不足，在公共交通站点可达性度量中融入了行程时间不确定性，提出了一种行程时间不确定环境下基于站点效率的三步移动搜索法，以评估行程时间不确定环境下城市居民公共交通站点可达性，更好地捕捉可达性在时间维度上的变化。
附图说明
图1为时空棱镜示意图：(a)传统时空棱镜；(b)可靠时空棱镜
图2为GTFS格式公共交通数据组成
图3为本发明中城市居民公共交通站点可达性计算示意图
图4为本发明中公共交通站点服务设施可达性计算示意图
图5为本发明中公共交通站点效率计算示意图
图6为不同可靠度下的公共交通站点效率：(a)0.95可靠度；(b)0.5可靠度
图7为不同可靠度下的城市居民公共交通站点可达：(a)0.95可靠度；(b)0.5可靠度
图8为不同可靠度下的城市居民公共交通可达性变化
具体实施方式
本发明的目的是通过城市中的公交站点分布数据、POI数据、人口数据、公交行程时间等属性计算出公共交通站点可达性，以客观地评价城市居民到达公共交通站点获取公共交通服务的难易程度，同时考虑行程时间可能的变化，引入行程时间可靠度的概念，以评估行程时间不确定环境下城市居民公共交通站点可达性。
首先对本发明中涉及到的行程时间可靠度的概念进行介绍。
由于现实环境中交通网络中存在的各种随机不确定因素，交通网络中任意两点的行程时间具有不确定性，行程时间的不确定性在现有文献中通常用可靠度约束来量化。
2013年Chen等在传统时空棱镜模型的基础上，引入行程时间可靠度的概念提出了一种可靠时空棱镜模型，用于描述行程时间不确定环境下个人活动的时空约束，如图1所示。Chen等人将从特定地点出发的人群，在预定行程时间阈值内至少有α的概率可准时到达的时空区域定义为该地点人群在α可靠度下的可靠时空棱镜。因此，个体的活动范围不仅受到行程时间阈值的限制，还受到行程时间可靠度α的限制。如图1(b)所示，行程时间可靠度α限制下的个体活动范围通常随着可靠度的增大而缩小。
在行程时间不确定环境下，从起点r到终点s的行程速度V是一个随机变量，相应地，行程时间Trs行程时间也是一个随机变量，可以表示为：
Trs＝||r-s||/V
行程时间预算可以表示为：
b＝ts-tr-cmin
式中，cmin为在活动范围内一点预计停留的时间。那么，在预定时间ts之前到达终点s的概率α(α∈(0，1))可以表示为：
Figure SMS_23
式中，f(t)与
Figure SMS_24
分别是到达终点时间ts分布的概率密度函数和累积分布函数。准时到达概率的确定则与个人定义的当前活动的重要程度相关，重要程度越高的活动所需要准时到达的概率越大，准时达到的概率在文献中通常被称为行程时间可靠度。这种准时到达的概率，在文献中也被认为是个体对迟到风险的冒险态度：
若α＞0.5，表明个体倾向于准时到达，表现出风险规避的态度；
若α＝0.5，表明个体无明确倾向性，表现出中立态度；
若α＜0.5，表明个体不倾向于准时到达，表现出偏好风险的态度。
在行程时间不确定的公共交通网络中，从起始公共交通站点O到目标站点D的最短路径pOD的行程时间
Figure SMS_25
可以表示为换乘所需的步行时间
Figure SMS_26
车辆未到达前的等待时间
Figure SMS_27
以及乘坐车辆的时间
Figure SMS_28
三部分之和：
Figure SMS_29
行程时间不确定的环境下，由于任意两公共交通站点之间的换乘时间取决于两站点之间的步行距离，通常不会改变，故换乘所需要的步行时间
Figure SMS_30
是确定的；而受各种不确定性因素的影响，公共交通车辆无法按照预定的时刻表运行，故车辆到站时间以及站点间车辆的行驶时间都具有不确定性，因此公共交通车辆未到达前的等待时间
Figure SMS_31
以及乘坐车辆时间
Figure SMS_32
均为随机变量，那么总的行程时间
Figure SMS_33
也是一个随机变量。基于此，在给定的行程时间阈值t0内，从公共交通站点O出发准时到达目标站点D的概率(rOD)可以表示为：
Figure SMS_34
式中，Φ是从公共交通站点O到目标站点D行程时间
Figure SMS_35
分布的累积分布函数，基于公共交通系统准时到达的概率rOD∈(0，1)，该概率在文献中又被称为行程时间可靠度，可靠度越高，准时到达概率越大。相应地，基于行程时间
Figure SMS_36
累积分布函数的反函数可以计算指定可靠度(r0)约束下基于公共交通系统从起始公共交通站点出发准时到达目标站点所需要的最短行程时间，即可靠最短行程时间
Figure SMS_37
可以表示为：
Figure SMS_38
以下结合附图和实例详细说明本发明技术方案，该实例中的研究区域为深圳市，所用研究数据有深圳市公共交通路线与站点数据，深圳市路网数据，由手机信令数据估算得到的人口分布数据，包括餐馆、医院、商场百货、超市四类服务设施的POI数据，以及公交车的GPS轨迹数据。利用路网数据可以求得任意两点间的步行时间，而在数据预处理阶段需要利用深圳市公共交通路线与站点数据、公交GPS轨迹数据以及地铁时刻表数据等生成深圳市公共交通运行的公共交通数据标准(General Transit Feed Specification，GTFS)格式数据，该数据格式内容组成如图2。如图3所示，本发明评估行程时间不确定环境下城市居民公共交通站点可达性的过程如下：
步骤1，计算每一个居民点在行程时间不确定环境下对其搜索区域内公共交通站点的选择概率，如图3(a)。
(一)首先计算每一个公共交通站点处的服务设施可达性，如图4所示，步骤如下：
计算需求点k(即公共交通站点k)处的第u类设施可达性值
Figure SMS_39
对其进行归一化得到
Figure SMS_40
Figure SMS_41
Figure SMS_42
式中，
Figure SMS_43
是虚拟需求点k(即公共交通站点k)处的第u类设施可达性值(归一化前)，包括餐馆、医院、商场百货、超市四类；f是公共交通站点k在20分钟内步行所能到达的所有设施点集合F0中的一个设施点；
Figure SMS_44
为高斯函数；
Figure SMS_45
Figure SMS_46
是公共交通站点k处的第u类设施可达性值(归一化的)，归一化方法采用最值归一法(Min-Max Normalization)即：
Figure SMS_47
对4类设施类型赋予权重，得到公共站点k处考虑多种服务设施可达性的综合可达性
Figure SMS_48
Figure SMS_49
(二)计算行程时间不确定环境下公共交通站点的站点效率，如图5所示，计算方法为：
Figure SMS_50
式中，Ej(r0)为行程时间不确定环境下公共交通站点j的站点效率；
Figure SMS_51
是在可靠度r0约束下，公共交通站点j到其可达站点k的可靠最短行程时间，由基于行程时间
Figure SMS_52
累积分布函数的反函数
Figure SMS_53
求得；
Figure SMS_54
是基于可靠最短行程时间
Figure SMS_55
的公共交通距离阻抗函数，为高斯函数；
Figure SMS_56
是(一)中计算得到的公共交通站点k处的综合服务设施可达性。
分别计算可靠度r0为0.95和0.5情况下公共交通站点的站点效率，即Ej(0.95)和Ej(0.5)，计算结果如图6。
(三)计算每一个居民点对其搜索区域内(800m范围内的缓冲区)公共交通站点的选择概率：
Figure SMS_57
式中，Probij(r0)是行程时间不确定环境下居民点i对公共交通站点j的选择概率；fW(tij)与fW(tis)分别是基于居民点i到其搜索区域D0内公共交通站点j与s步行时间tij与tis的步行距离衰减函数，均为高斯函数；Ej(r0)与Es(r0)分别是行程时间不确定环境下的公共交通站点j与s的站点效率，由(二)中求得。由此计算得到可靠度r0为0.95和0.5情况下居民点i对公共交通站点j的选择概率，即Probij(0.95)和Probij(0.5)。
步骤2，对每一个公共交通站点构建其搜索区域(800m范围内的缓冲区)，计算该站点在行程时间不确定环境下的供需比，如图3(b)。
Figure SMS_58
式中，Rj(r0)是行程时间不确定环境下公共交通站点j的供需比；k是公共交通站点j搜索区域D0内的居民点；Probkj(r0)是步骤1计算获得的行程时间不确定环境下居民点k对公共交通站点j的选择概率；Pk是居民点k处的人口数量；fw(tkj)是基于居民点k到公共交通站点j步行时间tkj的步行距离衰减函数，为高斯函数；Sj是一段时间内通过公共交通站点j的公共交通车辆数量。由此计算得到可靠度r0为0.95和0.5情况下公共交通站点的供需比，即Rj(0.95)和Rj(0.5)。
步骤3，对每一个居民点构建其搜索区域，计算该居民点在行程时间不确定环境下的公共交通站点可达性，如图3(c)。
Figure SMS_59
式中，
Figure SMS_60
是行程时间不确定环境下居民点i的公共交通站点可达性；j是居民点i搜索区域D0内的公共交通站点；Probij(r0)是行程时间不确定环境下居民点i对公共交通站点j的选择概率，由步骤1计算得到；Rj(r0)是步骤2中计算得到的公共交通站点j的供需比；tij是居民点i到公共交通站点j的步行时间，fW(tij)是步行距离衰减函数，为高斯函数；Ej(r0)是步骤1第(二)步中计算出的行程时间不确定环境下公共交通站点j的站点效率。最终得到的可靠度r0分别为0.95和0.5情况下居民点的公共交通站点可达性
Figure SMS_61
与
Figure SMS_62
如图7所示，可以看出随着可靠度的增大，几乎所有城市居民的公共交通站点可达性值都呈现出减小的趋势。图8展示了晚高峰期间行程时间可靠度增大对不同地区城市居民公共交通站点可达性的影响，其中，约55.01％区域的公共交通站点可达性值减小比例大于等于40％，大多分布在公共交通站点与路线稀疏的区域；仅约41.10％区域的公共交通站点可达性值减小比例低于40％，大多分布在公共交通站点与路线密集的区域。这表明在城市居民公共交通站点可达性研究中忽略行程时间可靠度会过高城市居民的公共交通站点可达性，尤其是公共交通站点与路线稀疏区域的公共交通站点可达性。
本发明技术方案可采用计算机软件技术实现自动运行流程。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (3)

1.行程时间不确定环境下公共交通站点可达性评价方法，其特征在于技术方案以三步移动搜索法为基础，包括如下步骤：
步骤1，计算每一个居民点在行程时间不确定环境下对其搜索区域内公共交通站点的选择概率；
步骤2，对每一个公共交通站点构建其搜索区域，计算该站点在行程时间不确定环境下的供需比；
步骤3，对每一个居民点构建其搜索区域，计算该居民点在行程时间不确定环境下的公共交通站点可达性。
2.如权利要求书1所述的行程时间不确定环境下公共交通站点可达性评价方法，其特征在于行程时间不确定环境下各指标的计算：由基于行程时间
Figure FDA0003957872060000011
累积分布函数的反函数
Figure FDA0003957872060000012
求得一定可靠度约束r0下公共交通站点j到其可达站点k的可靠最短行程时间，便可得到行程时间不确定环境下的公共交通站点效率、居民对站点的选择概率、公共交通站点的供需比，最终计算得到行程时间不确定环境下的公共交通站点可达性。
3.如权利要求书1所述的行程时间不确定环境下公共交通站点可达性评价方法，其特征在于其中的公共交通站点效率度量，该度量用于量化基于某一公共交通站点获取其他各类城市服务的难易程度，也在一定程度上表征了当前站点的服务水平。
CN202211469335.9A 2022-11-22 2022-11-22 行程时间不确定环境下公共交通站点可达性评价方法 Pending CN115829246A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211469335.9A CN115829246A (zh) 2022-11-22 2022-11-22 行程时间不确定环境下公共交通站点可达性评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211469335.9A CN115829246A (zh) 2022-11-22 2022-11-22 行程时间不确定环境下公共交通站点可达性评价方法

Publications (1)

Publication Number Publication Date
CN115829246A true CN115829246A (zh) 2023-03-21

Family

ID=85530383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211469335.9A Pending CN115829246A (zh) 2022-11-22 2022-11-22 行程时间不确定环境下公共交通站点可达性评价方法

Country Status (1)

Country Link
CN (1) CN115829246A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433105A (zh) * 2023-05-22 2023-07-14 深圳大学 一种定量评估轨道交通与城市空间要素分布耦合度的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433105A (zh) * 2023-05-22 2023-07-14 深圳大学 一种定量评估轨道交通与城市空间要素分布耦合度的方法
CN116433105B (zh) * 2023-05-22 2023-09-19 深圳大学 一种定量评估轨道交通与城市空间要素分布耦合度的方法

Similar Documents

Publication Publication Date Title
CN109657843B (zh) 一种城市接驳公交系统的一体化规划决策支持系统
CN108564226B (zh) 一种基于出租车gps及手机信令数据的公交线路优化方法
US20190329788A1 (en) Road condition status prediction method, device, and server, and storage medium
Ker et al. Myths and realities in walkable catchments: The case of walking and transit
CN111882867A (zh) 一种基于物联网的城市智慧交通预警系统
US20130013599A1 (en) Identifying a candidate part of a map to be updated
CN112784000B (zh) 基于出租车轨迹数据的寻客方法
CN110400461B (zh) 一种路网变更检测方法
CN115829246A (zh) 行程时间不确定环境下公共交通站点可达性评价方法
CN107633701A (zh) 一种车位智能匹配控制方法
CN111931079A (zh) 推荐网约车上车点的方法及系统
CN109977527B (zh) 一种城市公共充电站网络的充电桩配置方法
JP7188444B2 (ja) 情報処理装置、情報処理方法及びプログラム
CN112686417A (zh) 一种地铁大客流预测方法、系统及电子设备
CN114254825A (zh) 一种配送路径的确定方法、装置、电子设备及存储介质
CN113079463A (zh) 一种基于手机信令数据的旅游景点游客出行活动识别方法
CN108197078A (zh) 一种基于公交ic卡数据计算公交断面客流量的方法
CN111126878A (zh) 一种基于生态指数的城市交通运行评价方法
CN114971085A (zh) 一种公交站点可达性的预测方法、系统及存储介质
CN114090554A (zh) 一种居民出行od的职住平衡区域划分方法
Li et al. Flexible Bus Route Setting and Scheduling Optimization Adapted to Spatial-temporal Variation of Passenger Flow.
CN114141008A (zh) 一种基于手机信令数据的新型共享公共交通服务区域选取方法
Christodoulou et al. Dynacargo routing subsystem and its algorithms for efficient urban waste collection
CN108932838A (zh) 检测高速公路上的拥堵状况的方法和装置
CN111276002A (zh) 一种基于服务瓶颈站点识别的公交调度方法

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