CN116720997A - 一种基于大数据分析的公交线路评价体系及优化方法 - Google Patents
一种基于大数据分析的公交线路评价体系及优化方法 Download PDFInfo
- Publication number
- CN116720997A CN116720997A CN202310806170.8A CN202310806170A CN116720997A CN 116720997 A CN116720997 A CN 116720997A CN 202310806170 A CN202310806170 A CN 202310806170A CN 116720997 A CN116720997 A CN 116720997A
- Authority
- CN
- China
- Prior art keywords
- bus
- route
- line
- evaluation system
- passengers
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 70
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000007405 data analysis Methods 0.000 title claims description 16
- 230000008901 benefit Effects 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 239000003016 pheromone Substances 0.000 claims description 30
- 238000012546 transfer Methods 0.000 claims description 18
- 230000009191 jumping Effects 0.000 claims description 9
- 241000257303 Hymenoptera Species 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
一种基于大数据分析的公交线路评价体系及优化方法，其中公交线路评价体系一级指标包括乘客出行体验、公交运行效益、城市公交设施，乘客出行体验包含二级指标满载率、乘客平均投诉率、常住人口出行舒适度；公交运行效益包括二级指标公交线路自营率、某线路公交车单位公里的载客量、公交线路高峰小时平均运送速度；城市公交设施包含二级指标出行便捷系数、公交线路非直线系数、公交站500米覆盖率。本发明以出行者、政府部门、公交公司为评价对象，以用户体验、企业运营、城市公交设施为评价准则，选取合适的公交量化指标建立评价体系，依据运营大数据进行指标计算赋值赋分，结合熵权法确定指标权重，形成一套客观、易量化指标体系指导公交线路持续优化。
Description
技术领域
本发明涉及公共交通领域，尤其是指一种基于大数据分析的公交线路评价体系及优化方法。
背景技术
城市公交系统是城市综合交通基础设施的重要组成部分，公交优先战略是解决城市道路拥堵问题最为有效的规划理念。作为现代城市居民出行的重要交通方式，公交一直深受上学、上班等有通勤需求的城市居民青睐。布局合理、出行高效的城市公交线网规划方案，为居民提供了更加方便快捷、安全高效、经济舒适、准时准点的出行条件，同时，以常规公交作为城市交通规划的研究导向，可优化城市用地布局，提高道路利用效率、减少交通事故、减少公交集团运营成本，并且促进了城市社会经济的发展和提高了居民生活水平。
长沙市共有300余条公交线路，4000多个公交站点，公交线路优化主要基于长沙市现有公共交通的运行状况及存在的问题来判断方案是否满足未来客运交通需求，这种评价较为通用，缺少科学数据支撑，且现有公共交通的运行状况及存在的问题的提出存在一定的偶然性、随机性、经验主义，没有系统的全面的综合的考虑公共交通涉及的出行者、政府部门、公交公司综合利益。
为此，建立一套结合长沙特点的公交线路评价体系，对长沙市的公交的交通效益进行评价。以出行者、政府部门、公交公司为影响评价对象，以用户体验、企业运营、城市公交设施为评价准则，对城市公交进行交通效益评价，选取合适的公交量化指标建立综合评价体系，采用熵权法作为评价方法进行效率量化权重分析，以长沙市交通综合运行协调与应急指挥中心(TOCC)的公交统计数据为依据，评价公交系统综合效益。
发明内容
为了解决上述问题，本发明提供了一种基于大数据分析的公交线路评价体系及优化方法，该评价体系可根据当前城市历年公交统计数据，计算出各指标的评价结果，用于评价公交系统综合效益，该方法以该评价体系为支撑，进行科学的、可持续性的调优，最大发挥城市公交设施资源作用，为乘客提供便捷的出行服务、为企业降本增效。
为实现上述目的，本发明采用了如下技术方案：
一种基于大数据分析的公交线路评价体系，采用层次分析法构建，使用二级指标体系，一级指标包括乘客出行体验、公交运行效益、城市公交设施，所述乘客出行体验包含如下二级指标：
满载率，用于描述公交车辆的拥挤度、舒适度及使用效率的指标，公交满载率过大，拥挤度提升，会降低乘客的舒适度，但会增大车辆的使用效率；公交满载率过小，拥挤度下降，会提升乘客的舒适度，却可能使车辆使用效率降低；
乘客平均投诉率，基于公共服务考虑，乘客投诉率则表明服务质量的一项重要标准；
常住人口出行舒适度，基于公共服务考虑，乘客出行舒适度表达的是乘客出行是否满足乘客出行的需求，主要从等待时间上考虑是否满足；
所述公交运行效益包含如下二级指标：
公交线路自营率：基于公交运行效益考虑，通过考虑到部分群体(学生卡、老年卡)的搭乘公交车的需求，从而了解对公交自营效益的影响；
某线路公交车单位公里的载客量：是交线路运营效益的关键指标，通过该指标与公交线路每车每公里的运营成本比较，可以分析公交线路的运营效益状况；
公交线路高峰小时平均运送速度：用于衡量乘客的出行时间成本、公交线路运营成本，以及运营车辆的配置情况；
所述城市公交设施包含如下二级指标：
出行便捷系数,基于公共服务考虑，考虑市民出行搭乘地铁接驳的便捷系数，从接驳便捷维度评估接驳的便捷系数；
公交线路非直线系数,公交线路非直线系数反映公交线路的直达程度和乘客的绕行情况，用于评价线路服务的经济性；
公交站500米覆盖率,公交站点服务面积率，是公交站点服务面积占城市用地总面积的百分比，用于反馈城市公交设施服务水平。
作为本发明进一步的方案，所述公交线路评价体系的二级指标的数据取值依据交通综合运行协调与应急指挥中心(TOCC)的公交统计数据计算获取，所述公交线路评价体系的二级指标的赋分方法依据指标的实际计算值进行赋分。
作为本发明进一步的方案,所述公交线路评价体系的二级指标实际计算值通过以下方法获得：
数据需求：需要每个站点的上车人数、下车人数，公交车内的可利用空地面积；
表示第f次公交车在第n个站点与第n+1个站点之间的满载率，表示对应车辆的下车人数，表示对应车辆的上车人数，α为时间不均衡系数，β为空间不均衡系数；
乘客平均投诉率＝(乘客投诉数量/历年线路投诉的均值)*100％
数据需求：某一线路趟次公交车中，乘客投诉时间以及次数；
D表示对应线路的乘客平均投诉率，Ccurrent表示对应线路本年度出现了投诉量，Chistory表示对应线路历年线路投诉的均值；
常住人口出行舒适度＝(乘客公交出行人数/乘客出行总人数)*100％
数据需求：乘客出行数据；
D为常住人口出行舒适度，P1为乘客公交出行总人数，P为乘客出行总人数，总出行人数详细包括：该站点的公交出行人数、站点附近的出租车、网约车出行总人数；
数据需求：公交卡类别数据，刷卡数据；
D表示公交线路自营率，S表示学生的刷卡量，O表示老年人刷卡量，sum表示刷卡总量；
数据需求：公交刷卡数据(实体卡、虚拟卡)、到离站数据，城市公交线路线网长度基础数据；
PTNI13表示某线路公交车单位公里的载客量，表示第f次公交车n站点的载客量，l(n,n+1)表示第n个站点与第n+1个站点之间的距离，Bf表示第f次公交车的车辆换算系数，见下表:
数据需求：公交线路总运营里程、总行程时间；
为公交线路高峰小时平均运送速度，即某线路的公交车在统计的高峰时段内总运营里程与总行程时间的比值，表示某线路的公交车在高峰时段i的总运营里程，Ti H表示表示某线路的公交车在高峰时段i的总行程时间；
出行便捷系数＝(站点商圈距离/距离基数)*100％
数据需求：站点坐标位置，商圈坐标位置；
D为出行便捷系数，d为站点商圈距离，其中距离基数为乘客出行可接受的最大步行距离，约为2km；
数据需求：城市公交线路线网长度基础数据；
PTNI7是公交线路非直线系数，即某线路长度与该线路起点站与终点站之间的直线距离的比值，l(n,n+1)表示第n个站点与第n+1个站点之间的距离，L直线表示该线路起点站与终点站之间的直线距离，单位为公里(km)；
数据需求：公交车站点位置，城市轮廓经纬度；
D为公交站500米覆盖率，G为公交站点范围内的网格数量，Gnumber为网格总数量；
将城市内区域划分为n个网格，网格边长为890米(为减少误差，网格面积与半径为500米的圆范围一致)，若网格内存在公交站点，则认为当前网格方便区域内乘客出行；
作为本发明进一步的方案,所述公交线路评价体系的二级指标赋分如下表：
作为本发明进一步的方案,所述公交线路评价体系的二级指标评价规则依据指标赋分评价，如下表：
作为本发明进一步的方案,所述公交线路评价体系采用熵权法确定一级指标权重，乘客出行体验、公交运行效益、城市公交设施的权重分别为0.5、0.3、0.2。
作为本发明进一步的方案,所述公交线路评价体系一级指标综合评分值为各二级指标分值加和。
一种公交线路优化方法，包括以下步骤：
S1：输入初始公交数据(包括城市道路网络和客流od矩阵)和蚁群算法的参数；
S2：按照优化目标函数找到客流密度最大以及非直线系数最小的公交线路集合fr并进行排序；
S3：选择fr最小的线路，将蚂蚁放在该公交线路的起点上，初始化线网中的信息素；
S4:将起点加入每一只蚂蚁的tak表中，计算出每个公交站点的转移概率，根据转移概率选择下一个公交站点，直到到达终点或没有下一个可达站点；
S5：判断每只蚂蚁搜索得到的路径是否满足公交线网优化的约束条件，若不满足条件则跳转至S7；
S6：对每只蚂蚁搜索得到的满足约束条件的路线分别按照客流分配算法进行客流分配，并根据客流分配的结果根据优化目标函数对线路进行评价，并记录最优值；
S7：首先根据评价函数值利用信息素更新公式进行信息素的更新，然后对不满足约束条件的路线进行额外的信息素蒸发；
S8：执行蚁群算法的迭代次数,采用评价函数对最优路线和原路线评价，若优于原线路则用最优路线替代原线路,否则跳转至S4；
S9：判断所有线路是否都调整完成；
S10：若达到公交线网优化算法迭代次数则输出调整后的公交线网，算法结束，否则跳转至S2；
作为本发明进一步的方案，所述S8评价函数采用公交线路评价体系分别对最优路线和原路线二级指标进行评分，然后按一级指标权重进行加权平均获得各自的综合评分，评分高的为优选线路。
综上所述,本发明的一种基于大数据分析的公交线路评价体系及优化方法具有以下优点：
一种基于大数据分析的公交线路评价体系，通过对TOCC提供的公交IC卡数据、GPS数据等公交数据的分析得到各线路指标得分，据此对各线路进行分析评价和问题诊断，进而开展优化调整工作，形成线网优化评估方案，这使得公交企业决策与公交线路评价方法具有一定的科学性及可持续性。
一种公交线路优化方法在公交线路调优工作中，依据公交线路评价体系，对比分析出的最优路线和原路线的各指标加权平均分，以科学数据支撑线路调优，并经过对调优后线路数据的可持续监控，最终使公交线路网既能够为乘客提供便捷的出行服务，也为企业降本增效，兼顾社会效益和经济效益。
附图说明
图1为本发明一种基于大数据分析的公交线路评价体系结构示意图；
图2为本发明一种公交线路优化方法的控制流程图；
具体实施方式
为了更好地了解本发明的目的、结构以及功能，下面结合附图和实施案例对本发明进一步详细说明，所述是对本发明的解释而不是限定。
请参阅图1所示，本发明一种基于大数据分析的公交线路评价体系采用层次分析法构建，使用二级指标体系，一级指标包括乘客出行体验、公交运行效益、城市公交设施；乘客出行体验包含二级指标满载率、乘客平均投诉率、常住人口出行舒适度，公交运行效益包含二级指标公交线路自营率，某线路公交车单位公里的载客量，公交线路高峰小时平均运送速度；城市公交设施包含二级指标出行便捷系数、公交线路非直线系数、公交站500米覆盖率。
满载率，用于描述公交车辆的拥挤度、舒适度及使用效率的指标，公交满载率过大，拥挤度提升，会降低乘客的舒适度，但会增大车辆的使用效率；公交满载率过小，拥挤度下降，会提升乘客的舒适度，却可能使车辆使用效率降低。
乘客平均投诉率，基于公共服务考虑，乘客投诉率则表明服务质量的一项重要标准。
常住人口出行舒适度，基于公共服务考虑，乘客出行舒适度表达的是乘客出行是否满足乘客出行的需求，主要从等待时间上考虑是否满足。
公交线路自营率：基于公交运行效益考虑，通过考虑到部分群体(学生卡、老年卡)的搭乘公交车的需求，从而了解对公交自营效益的影响。
某线路公交车单位公里的载客量：是交线路运营效益的关键指标，通过该指标与公交线路每车每公里的运营成本比较，可以分析公交线路的运营效益状况。
公交线路高峰小时平均运送速度：用于衡量乘客的出行时间成本、公交线路运营成本，以及运营车辆的配置情况。
出行便捷系数,基于公共服务考虑，考虑市民出行搭乘地铁接驳的便捷系数，从接驳便捷维度评估接驳的便捷系数。
公交线路非直线系数,公交线路非直线系数反映公交线路的直达程度和乘客的绕行情况，用于评价线路服务的经济性。
公交站500米覆盖率,公交站点服务面积率，是公交站点服务面积占城市用地总面积的百分比，用于反馈城市公交设施服务水平。
公交线路评价体系的二级指标的数据取值依据交通综合运行协调与应急指挥中心(TOCC)的公交统计数据计算获取，所述公交线路评价体系的二级指标的赋分方法依据指标的实际计算值进行赋分。
公交线路评价体系的二级指标实际计算值通过以下方法获得：
数据需求：需要每个站点的上车人数、下车人数，公交车内的可利用空地面积；
表示第f次公交车在第n个站点与第n+1个站点之间的满载率，表示对应车辆的下车人数，表示对应车辆的上车人数，α为时间不均衡系数，β为空间不均衡系数；
时间不均衡性(α)
其中由于公交线路覆盖区域居民出行存在出行目的单一，体现在公交满载率方面会出现高、平峰现象，在高峰期将会出现较大的满载率，而平峰期的满载率相对较小，高平峰落差较大，使用时间不均衡系数衡量高平峰满载率在时间上的不均衡性，指高峰期平均满载率与全天平均满载率的比值，即：
高峰期平均满载率指早晚高峰该条线路在某一断面的平均满载率，全天平均满载率指该条线路在某一断面的全天平均满载率。当时间不均衡系数不大于1.5时，表明该条线路时间均衡性良好；当时间不均衡系数>1.5时，表明该线路高峰期平均满载率已远大于平峰满载率，出现高峰期乘车拥挤，而平峰期车辆利用率不高的现象。
空间不均衡性(β)
由于城市开发的不均衡，公共交通出行的拥挤程度在地域上呈现差异性，在高密度开发的商业繁华地段会出现较高的满载率，在低密度区域会出现较小的满载率，因此，使用空间不均衡系数表征公交满载率的空间不均衡性，具体指高峰期公交线路拥挤(满载率>80％)的区段长度与线路总长之比，反映的是高峰期整条线路的有效利用率，即：
其中，拥挤区段长度为满载率>80％时公交车辆的行驶区段长度，线路总长为公交车辆运营总长度。当空间不均衡系数40％时，表明该条线路空间均衡性良好；当空间不均衡系数>40％时，表明该条线路服务水平较低的区段所占的比例已超过乘客的最大容忍度；
乘客平均投诉率＝(乘客投诉数量/历年线路投诉的均值)*100％
数据需求：某一线路趟次公交车中，乘客投诉时间以及次数；
D表示对应线路的乘客平均投诉率，Ccurrent表示对应线路本年度出现了投诉量，Chistory表示对应线路历年线路投诉的均值；
常住人口出行舒适度＝(乘客公交出行人数/乘客出行总人数)*100％
数据需求：乘客出行数据；
D为常住人口出行舒适度，P1为乘客公交出行总人数，P为乘客出行总人数，总出行人数详细包括：该站点的公交出行人数、站点附近的出租车、网约车出行总人数；
数据需求：公交卡类别数据，刷卡数据；
D表示公交线路自营率，S表示学生的刷卡量，O表示老年人刷卡量，sum表示刷卡总量；
数据需求：公交刷卡数据(实体卡、虚拟卡)、到离站数据，城市公交线路线网长度基础数据；
PTNI13表示某线路公交车单位公里的载客量，表示第f次公交车n站点的载客量，l(n,n+1)表示第n个站点与第n+1个站点之间的距离，Bf表示第f次公交车的车辆换算系数，见下表:
数据需求：公交线路总运营里程、总行程时间；
为公交线路高峰小时平均运送速度，即某线路的公交车在统计的高峰时段内总运营里程与总行程时间的比值，表示某线路的公交车在高峰时段i的总运营里程，Ti H表示表示某线路的公交车在高峰时段i的总行程时间；
出行便捷系数＝(站点商圈距离/距离基数)*100％
数据需求：站点坐标位置，商圈坐标位置；
D为出行便捷系数，d为站点商圈距离，其中距离基数为乘客出行可接受的最大步行距离，约为2km；
数据需求：城市公交线路线网长度基础数据；
PTNI7是公交线路非直线系数，即某线路长度与该线路起点站与终点站之间的直线距离的比值，l(n,n+1)表示第n个站点与第n+1个站点之间的距离，表示第n站点到L直线表示该线路起点站与终点站之间的直线距离，单位为公里(km)；
数据需求：公交车站点位置，城市轮廓经纬度；
D为公交站500米覆盖率，G为公交站点范围内的网格数量，Gnumber为网格总数量；
将城市内区域划分为n个网格，网格边长为890米(为减少误差，网格面积与半径为500米的圆范围一致)，若网格内存在公交站点，则认为当前网格方便区域内乘客出行。
公交线路评价体系的二级指标赋分规则如下：
公交线路评价体系的二级指标评价规则
公交线路评价体系采用熵权法确定一级指标权重，乘客出行体验、公交运行效益、城市公交设施的权重分别为0.5、0.3、0.2，一级指标综合评分值为各二级指标分值加和。
请参阅图2，以下结合附图进一步对发明的方法进行描述。
一种公交线路优化方法，基于以下目标进行：
换乘次数少，使乘客尽可能的直达目的地，减少不必要的换乘次数和换乘等待时间；
出行时间短，尽可能的按起终点的最短距离路线进行公交路线的布设，使公交线网中的乘客总出行时间或总出行距离最短；
线网效率高，尽可能的在客流密集地方优先布设公交线路，而在客流密度低的地方减少公交线路的布设。
同时，公交线路优化的过程中受到约束条件约束：
线路长度约束：公交线路的长度不能太长也不能太短，如果线路过长，则公交车辆很难准点到站，从而增加了乘客的等车时间，降低了公共交通的服务质量。公交线路长度运行时间最短为30分钟，中小城市最长为45分钟、大城市最长为60分钟。公交车辆的平均车速为15km/h，线路最短长度限制为7.5km，中小城市最长距离限制为11.25km、大城市最长距离限制为15km，公交线路长度约束：
lmin≤l≤lmax
其中，l为线路长度，lmin为最短长度为7.5km，lmax为最长长度为15km。
非直线系数约束：线路的非直线系数是公交线路的实际线路长度除以公交线路起点和终点之间的空间直线距离。公交线路的非直线系数越小越好，理想值为1。对单条公交线路来说，非直线系数最好不应该大于1.5：
其中，PTNI7为非直线系数；L直线表示该线路起点站与终点站之间的直线距离，单位为公里(km)。
站点间距离约束：在城市快速道路或者交通性主干道上的公交线路以快速、大容量公交为主，这种情况下的站间距就会比较大，一般为800-2000m；而在城区主干道上的公交线路主要承担的是干线交通功能，此时就要结合交叉口的情况来确定，一般为500-800m；城市次干路和支路沿途通常分布较密集的商超和服务设施等，线路以集散为主，因此站间距在350-500m，此时的站间距相对最小。我们考虑如下的站点间距：
0.5≤l(n,n+1)≤1.5
一种公交线路优化方法，包括以下步骤：
S1：输入初始公交数据(包括城市道路网络和客流od矩阵)和蚁群算法的参数；
S2：按照优化目标函数找到客流密度最大以及非直线系数最小的公交线路集合fr并进行排序；
目标函数的具体公式如下：
其中，是线路r的直达客流量(直达客流是指只用通过线路r就能到达目的地的客流而不需要换乘)，lr是线路r的长度,为r线路的非直线系数，目标函数值越大越满足优化目标。
S3：选择fr最小的线路，将蚂蚁放在该公交线路的起点上，初始化线网中的信息素；
在用蚁群算法开始搜索路径之前，我们使用原有的公交路线作为算法的初始路径，并在其路径上放置一定量的信息素，为蚁群算法的搜索过程提供一定的指导，防止蚁群算法搜索得到的路径偏离原始路线太多。具体的公式如下：
其中，i,j为初始线路r上的相邻站点，ε是一个常数。
信息素信息和启发式信息是蚁群算法的关键点，信息素通常与其评价函数有关。而启发式信息是通过贪心算法得到的，它鼓励蚂蚁去选择局部最优的路径，它主要包括直达客流量以及站点间距离等。具体计算公式如下：
其中，start为起点；odmj表示经过m和j站点的乘客数量，njm表示经过m和j站点的公交线路条数；p是一常数。启发式信息中包含了从起点到下一个站点j的乘客数量之和、起点到下一个站点j的线路长度以及起点到下一个j已有的公交线路条数，这样可以减少线路的重复率，服务更多的乘客。
S4:将起点加入每一只蚂蚁的tak表中，计算出每个公交站点的转移概率，根据转移概率选择下一个公交站点，直到到达终点或没有下一个可达站点；
第k只蚂蚁在站点i使用如下概率公式选择下一个站点j：
其中，为第k只蚂蚁从当前公交站点i选择选择下一个公交站点j的概率；τij为路径(i,j)上的信息素强度；ηij叫为路径(i,j)上的启发式信息；α是信息素的影响因子；β是启发式信息的影响因子；tak为第k只蚂蚁访问过的公交站点集合。
S5：判断每只蚂蚁搜索得到的路径是否满足公交线网优化的约束条件，若不满足条件则跳转至S7；
S6：对每只蚂蚁搜索得到的满足约束条件的路线分别按照客流分配算法进行客流分配，并根据客流分配的结果根据优化目标函数对线路进行评价，并记录最优值；
每两个公交站点i和j(odij≠0)，可能有许多路线(指在蚁群算法中，每只蚂蚁为公交线路寻找的新线路所经过的路线)能从公交站点从i站到达j站，(直达，一次换乘或二次换乘)，路线的费用由下面的公式决定：
其中，为从公交站点i站到达j站选择路线r的费用；Troute为路线r直达公交的平均等待时间(等于路线r中从公交站点i站能直达j站的所有公交线路发车间隔总和的一半与直达公交线路数量no的比值)；A为等待时间的权重，B1表示一次换乘的惩罚费用，当有公交线路需要一次换乘时X1为1，否则为0，n1表示该路线中需要一次换乘的公交线路的数量；B2表示二次换乘的惩罚费用，当有公交线路需要两次换乘时X2为1，否则为0，n2表示该路线中需要两次换乘的公交线路的数量；n3表示该路线中所有公交线路方案(包括直达，一次换乘或二次换乘)的数量；为从公交站点i站到达j站选择路线r的乘车时间，即B3为为的权重；
S7：首先根据评价函数值利用信息素更新公式进行信息素的更新，然后对不满足约束条件的路线进行额外的信息素蒸发；
信息素的更新包括两个步骤：第一步是通过模拟自然界中信息素的蒸发去减少每一条边上的信息素数量，第二步是计算每一只蚂蚁所走过的路径上的信息素增量。信息素的更新公式如下：
其中，是更新之后的信息素；是更新之前的信息素；ρ是控制信息素挥发的常数；k是第几只蚂蚁；是第k只蚂蚁在ij上更新的信息素量。具体的计算公式如下：
其中，wk为第k只蚂蚁搜索得到的公交线路；是wk的评价函数值；ε是一个常数。
为了减少不符合约束条件的解的出行，我们决定加入惩罚机制。当出现以下情况时需要进行惩罚。
第一，搜索过程中出现回路；
第二，搜索得到的线路r不符合长度约束(l≤lmin或l≥lmax)；
第三，搜索得到的线路r不符合非直线系数约束
惩罚的具体做法是在信息素更新之后再对需要进行惩罚的蚂蚁所经过的路径进行额外的信息素蒸发，即：
其中，Lpen表示需要惩罚的蚂蚁所搜索得到的线路；表示额外信息素挥发参数。
S8：执行蚁群算法的迭代次数,采用评价函数对最优路线和原路线评价，若优于原线路则用最优路线替代原线路,否则跳转至S4。
其中，评价函数采用公交线路评价体系分别对最优路线和原路线二级指标进行评分，然后按一级指标权重进行加权平均获得各自的综合评分，评分高的为优选线路。
S9：判断所有线路是否都调整完成；
S10：若达到公交线网优化算法迭代次数则输出调整后的公交线网，算法结束，否则跳转至S2；
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (9)
1.一种基于大数据分析的公交线路评价体系，其特征在于，所述公交线路评价体系采用层次分析法构建，使用二级指标体系，一级指标包括乘客出行体验、公交运行效益、城市公交设施，所述乘客出行体验包含如下二级指标：
满载率，用于描述公交车辆的拥挤度、舒适度及使用效率的指标，公交满载率过大，拥挤度提升，会降低乘客的舒适度，但会增大车辆的使用效率；公交满载率过小，拥挤度下降，会提升乘客的舒适度，却可能使车辆使用效率降低；
乘客平均投诉率，基于公共服务考虑，乘客投诉率则表明服务质量的一项重要标准；
常住人口出行舒适度，基于公共服务考虑，乘客出行舒适度表达的是乘客出行是否满足乘客出行的需求，主要从等待时间上考虑是否满足；
所述公交运行效益包含如下二级指标：
公交线路自营率：基于公交运行效益考虑，通过考虑到部分群体(学生卡、老年卡)的搭乘公交车的需求，从而了解对公交自营效益的影响；
某线路公交车单位公里的载客量：是交线路运营效益的关键指标，通过该指标与公交线路每车每公里的运营成本比较，可以分析公交线路的运营效益状况；
公交线路高峰小时平均运送速度：用于衡量乘客的出行时间成本、公交线路运营成本，以及运营车辆的配置情况；
所述城市公交设施包含如下二级指标：
出行便捷系数,基于公共服务考虑，考虑市民出行搭乘地铁接驳的便捷系数，从接驳便捷维度评估接驳的便捷系数；
公交线路非直线系数,公交线路非直线系数反映公交线路的直达程度和乘客的绕行情况，用于评价线路服务的经济性；
公交站500米覆盖率,公交站点服务面积率，是公交站点服务面积占城市用地总面积的百分比，用于反馈城市公交设施服务水平。
2.根据权利要求1所述的一种基于大数据分析的公交线路评价体系，其特征在于，所述公交线路评价体系的二级指标的数据取值依据交通综合运行协调与应急指挥中心(TOCC)的公交统计数据计算获取，所述公交线路评价体系的二级指标的赋分方法依据指标的实际计算值进行赋分。
3.根据权利要求2所述的一种基于大数据分析的公交线路评价体系，其特征在于,所述公交线路评价体系的二级指标实际计算值通过以下方法获得：
数据需求：需要每个站点的上车人数、下车人数，公交车内的可利用空地面积；
表示第f次公交车在第n个站点与第n+1个站点之间的满载率，表示对应车辆的下车人数，表示对应车辆的上车人数，α为时间不均衡系数，β为空间不均衡系数；
乘客平均投诉率＝(乘客投诉数量/历年线路投诉的均值)*100％
数据需求：某一线路趟次公交车中，乘客投诉时间以及次数；
D表示对应线路的乘客平均投诉率，Ccurrent表示对应线路本年度出现了投诉量，Chistory表示对应线路历年线路投诉的均值；
数据需求：乘客出行数据；
D为常住人口出行舒适度，P1为乘客公交出行总人数，P为乘客出行总人数；
数据需求：公交卡类别数据，刷卡数据；
D表示公交线路自营率，S表示学生的刷卡量，O表示老年人刷卡量，sum表示刷卡总量；
数据需求：公交刷卡数据(实体卡、虚拟卡)、到离站数据，城市公交线路线网长度基础数据；
PTNI13表示某线路公交车单位公里的载客量，表示第f次公交车n站点的载客量，l(n,n+1)表示第n个站点与第n+1个站点之间的距离，Bf表示第f次公交车的车辆换算系数；
数据需求：公交线路总运营里程、总行程时间；
为公交线路高峰小时平均运送速度，表示某线路的公交车在高峰时段i的总运营里程，Ti H表示表示某线路的公交车在高峰时段i的总行程时间；
数据需求：站点坐标位置，商圈坐标位置；
D为出行便捷系数，d为站点商圈距离；
数据需求：城市公交线路线网长度基础数据；
PTNI7是公交线路非直线系数，l(n,n+1)表示第n个站点与第n+1个站点之间的距离，L直线表示该线路起点站与终点站之间的直线距离；
数据需求：公交车站点位置，城市轮廓经纬度；
D为公交站500米覆盖率，G为公交站点范围内的网格数量，Gnumber为网格总数量。
4.根据权利要求2所述的一种基于大数据分析的公交线路评价体系，其特征在于,所述公交线路评价体系的二级指标赋分如下表：
5.根据权利要求1所述的一种基于大数据分析的公交线路评价体系，其特征在于,所述公交线路评价体系的二级指标评价规则依据指标赋分评价，如下表：
6.根据权利要求1所述的一种基于大数据分析的公交线路评价体系，其特征在于,所述公交线路评价体系采用熵权法确定一级指标权重，乘客出行体验、公交运行效益、城市公交设施的权重分别为0.5、0.3、0.2。
7.根据权利要求6所述的一种基于大数据分析的公交线路评价体系，其特征在于,所述公交线路评价体系一级指标综合评分值为各二级指标分值加和。
8.一种公交线路优化方法，其特征在于,包括以下步骤：
S1：输入初始公交数据(包括城市道路网络和客流od矩阵)和蚁群算法的参数；
S2：按照优化目标函数找到客流密度最大以及非直线系数最小的公交线路集合fr并进行排序；
S3：选择fr最小的线路，将蚂蚁放在该公交线路的起点上，初始化线网中的信息素；
S4:将起点加入每一只蚂蚁的tak表中，计算出每个公交站点的转移概率，根据转移概率选择下一个公交站点，直到到达终点或没有下一个可达站点；
S5：判断每只蚂蚁搜索得到的路径是否满足公交线网优化的约束条件，若不满足条件则跳转至S7；
S6：对每只蚂蚁搜索得到的满足约束条件的路线分别按照客流分配算法进行客流分配，并根据客流分配的结果根据优化目标函数对线路进行评价，并记录最优值；
S7：首先根据评价函数值利用信息素更新公式进行信息素的更新，然后对不满足约束条件的路线进行额外的信息素蒸发；
S8：执行蚁群算法的迭代次数,采用评价函数对最优路线和原路线评价，若优于原线路则用最优路线替代原线路,否则跳转至S4；
S9：判断所有线路是否都调整完成；
S10：若达到公交线网优化算法迭代次数则输出调整后的公交线网，算法结束，否则跳转至S2。
9.根据权利要求8所述的一种公交线路优化方法，其特征在于，所述S8中评价函数采用公交线路评价体系分别对最优路线和原路线各指标进行评分，然后按一级指标权重进行加权平均获得各自的综合评分，评分高的为优选线路。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310806170.8A CN116720997A (zh) | 2023-07-03 | 2023-07-03 | 一种基于大数据分析的公交线路评价体系及优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310806170.8A CN116720997A (zh) | 2023-07-03 | 2023-07-03 | 一种基于大数据分析的公交线路评价体系及优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116720997A true CN116720997A (zh) | 2023-09-08 |
Family
ID=87866098
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310806170.8A Pending CN116720997A (zh) | 2023-07-03 | 2023-07-03 | 一种基于大数据分析的公交线路评价体系及优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116720997A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993231A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市海成智联科技有限公司 | 一种公共交通运营系统质量评价方法及系统 |
| CN117422337A (zh) * | 2023-10-30 | 2024-01-19 | 交科院技术咨询（北京）有限公司 | 公共交通绩效的评价方法及系统 |
| CN117495204A (zh) * | 2023-12-29 | 2024-02-02 | 济南市城市交通研究中心有限公司 | 基于数据分析的城市公交运行效率评估方法及系统 |
| CN118036888A (zh) * | 2024-02-27 | 2024-05-14 | 北京交通发展研究院 | 公交专用道运行监测评价方法、系统和电子设备 |
| CN118154396A (zh) * | 2024-04-30 | 2024-06-07 | 长沙市规划勘测设计研究院 | 一种基于多元空间数据的新增公交线路规划方法 |
-
2023
- 2023-07-03 CN CN202310806170.8A patent/CN116720997A/zh active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116993231A (zh) * | 2023-09-27 | 2023-11-03 | 深圳市海成智联科技有限公司 | 一种公共交通运营系统质量评价方法及系统 |
| CN116993231B (zh) * | 2023-09-27 | 2024-01-16 | 深圳市海成智联科技有限公司 | 一种公共交通运营系统质量评价方法及系统 |
| CN117422337A (zh) * | 2023-10-30 | 2024-01-19 | 交科院技术咨询（北京）有限公司 | 公共交通绩效的评价方法及系统 |
| CN117495204A (zh) * | 2023-12-29 | 2024-02-02 | 济南市城市交通研究中心有限公司 | 基于数据分析的城市公交运行效率评估方法及系统 |
| CN117495204B (zh) * | 2023-12-29 | 2024-04-16 | 济南市城市交通研究中心有限公司 | 基于数据分析的城市公交运行效率评估方法及系统 |
| CN118036888A (zh) * | 2024-02-27 | 2024-05-14 | 北京交通发展研究院 | 公交专用道运行监测评价方法、系统和电子设备 |
| CN118154396A (zh) * | 2024-04-30 | 2024-06-07 | 长沙市规划勘测设计研究院 | 一种基于多元空间数据的新增公交线路规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
| Owczarzak et al. | Design of passenger public transportation solutions based on autonomous vehicles and their multiple criteria comparison with traditional forms of passenger transportation | |
| CN111260221A (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 | |
| CN109753694A (zh) | 基于全过程出行感知时间的中小城市公交线网设计方法 | |
| CN107609677A (zh) | 一种基于出租车gps大数据的定制公交线路规划方法 | |
| CN101692271A (zh) | 多交通方式综合诱导方法 | |
| CN112309119B (zh) | 一种城市交通系统容量分析优化方法 | |
| CN110309962A (zh) | 基于时间扩展模型的铁路行程路线规划方法及装置 | |
| 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 | |
| CN106682759B (zh) | 针对电动出租车的电池供应系统及网络优化方法 | |
| CN112784000A (zh) | 基于出租车轨迹数据的寻客方法 | |
| 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 | |
| CN111723871B (zh) | 一种公交车实时车厢满载率的估算方法 | |
| CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
| CN112488582A (zh) | 一种基于多源数据的地铁列车开行方案设计方法 | |
| CN112465222A (zh) | 一种基于充电站服务水平预测的最佳充电站选择方法 | |
| CN114897445B (zh) | 公交线网的停靠点调整优化方法、装置及可读存储介质 | |
| CN116468219A (zh) | 一种枢纽站接驳出租车合乘调度匹配方法 | |
| CN111127076A (zh) | 一种出租车共享模式下的定价方法 | |
| CN114048913B (zh) | 一种基于粒子群算法和遗传算法混合的救援规划方法 | |
| CN115169669A (zh) | 一种基于轨迹大数据支持的出租车合乘方法 | |
| CN110533215A (zh) | 一种基于gps数据的巡游出租车寻客行为预测方法 | |
| CN114021295A (zh) | 一种基于分支定界法的多方式行车道精细化设置方法 | |
| CN114897213A (zh) | 一种历史街区公交可达性测算方法与优化方法 |
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 |