CN117391270B - 一种基于brt专用道的公交线网规划方法 - Google Patents
一种基于brt专用道的公交线网规划方法 Download PDFInfo
- Publication number
- CN117391270B CN117391270B CN202311330767.6A CN202311330767A CN117391270B CN 117391270 B CN117391270 B CN 117391270B CN 202311330767 A CN202311330767 A CN 202311330767A CN 117391270 B CN117391270 B CN 117391270B
- Authority
- CN
- China
- Prior art keywords
- bus
- population
- chromosomes
- path
- chromosome
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012546 transfer Methods 0.000 title claims abstract description 14
- 210000000349 chromosome Anatomy 0.000 claims abstract description 76
- 230000035772 mutation Effects 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 3
- 230000007306 turnover Effects 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于BRT专用道的公交线网规划方法,包括:初始化种群,其中,种群内包括根据公交站点的优先级对包括BRT专用道的公交线网进行染色体编码的多个个体;采用基于最小换乘、最短路的方法给乘客分配乘车路径,并根据乘车路径设置路径的发车频率;根据乘车路径和路径的发车频率进行染色体适应度计算;对种群内的所有染色体进行分级交叉和分级变异处理后,根据所有染色体适应度淘汰部分染色体,形成新的后代种群;将后代种群进行迭代处理,直至筛选出最优染色体作为最优公交线网。本发明实现了科学利用BRT专用道,避免BRT专用道串车、拥堵现场,提高了公交的运营效率,最小化乘客的出行成本。
Description
技术领域
本发明属于公共交通规划技术领域,具体涉及一种基于BRT专用道的公交线网规划方法。
背景技术
公交占据着城市公共交通的主体地位,是解决城市交通拥堵,环境污染问题的根本手段。公交线网的布局是公交基础服务,直接影响着公交的服务质量,优化线网布局是公交实现降本增效的重要手段,受到了公交集团的广泛重视。
当前国内多数的BRT系统都会允许公交行驶BRT专用道来提升自己的周转效率与准点率,同时方便乘客换乘BRT,我们将其称为共享BRT专用道模式。BRT专用道共享对于提升BRT专用道资源利用、提高公交准点率、方便乘客出行具有重要的意义。
但是现有的公交线网规划方法,在进行规划时都没有考虑到共享BRT专用道模式,导致了BRT专用道缺乏科学的利用,进一步造成了许多城市的BRT专用道资源浪费,或者串车问题频发,严重影响了公共交通的正常运营。然而传统的线网规划问题由于城市站点基数大,且线路走向、长度、数量均不确定,所以解空间非常庞大,同时线网评价复杂,进一步加剧了问题的求解难度。而共享BRT专用道的引入使得线网规划的同时还需要确定线路对BRT专用道的使用,平衡BRT专用道中的车辆密度,进一步加剧了问题的复杂性。
发明内容
针对现有技术中公交线网规划没有考虑共享BRT专用道的技术空白,本发明提供一种基于BRT专用道的公交线网规划方法,为公交线路使用BRT共享专用道提供了科学合理的指引,提升了BRT专用道资源的利用效率,大幅减少专用道串车现象,方便了乘客换乘BRT线路。
本发明提供一种基于BRT专用道的公交线网规划方法,其特征在于,包括:
初始化种群,其中,种群内包括根据公交站点的优先级对包括BRT专用道的公交线网进行染色体编码的多个个体;
从初始化的种群开始进行迭代处理,包括:
针对种群内的每个染色体进行如下操作:采用基于最小换乘、最短路的方法给乘客分配乘车路径,并根据乘车路径设置路径的发车频率;根据乘车路径和路径的发车频率进行染色体适应度计算;
对种群内的所有染色体进行分级交叉和分级变异处理后,根据所有染色体适应度淘汰部分染色体,形成新的后代种群;
将后代种群进行迭代处理,直至筛选出最优染色体作为最优公交线网。
进一步的,在所述初始化种群之前,还包括:
获取公交站点信息和BRT布局信息,具体包括:站点位置、站点间的行驶时间和公交线路和BRT专用道布局;
将可通行的公交站点连接,形成公交线路,所有公交线路形成公交线网。
进一步的,所述初始化种群,包括:
为所有公交站点随机生成互不相同的优先级;根据公交站点的优先级,生成包括多个基因组的染色体;染色体与公交线网对应,每个基因组与公交线路一一对应;每个基因组中包括n+1个基因,其中,基因组中前n个基因的基因值为站点的优先级,最后一个基因的基因值表示线路所包括的公交节点数量;生成多个公交线网的染色体,作为初始种群。
进一步的,所述采用基于最小换乘、最短路的方法给乘客分配乘车路径,并,包括:
在染色体编码的每个染色体的基因组中,根据站点优先级大小遍历公交站点,解得公交线路,所有基因组解码形成的公交线路集合为公交线网;
在解码后的公交线网中,根据乘客的需求选择相应的公交线路作为乘坐路线,并优先将乘客分配到总乘坐时间最少的乘坐路线,以通过BRT专用道的总乘客数不超过通过该BRT专用道最大承载量为依据,确定乘车路径;所述BRT专用道最大承载量为公交最多时满载的乘客量。
进一步的,所述根据乘车路径设置路径的发车频率,包括:统计乘车路径中每两个站点连接线路中的每小时单元乘客数最大值,计算公交线路的发车频率,其中发车频率=每小时单元乘客数最大值÷对应公交车额定承载量。
进一步的,所有染色体的适应度F按照以下公式计算:
其中,P表示所有的乘客组的集合,p表示乘客组,即为任意两站点每小时内通过的乘客,k表示乘车路径,表示乘客组p的乘车路径k的出行时间,/>表示乘客组p中选择路径k的乘客数,r表示公交线路,Tr表示公交线路的周转时间,即公交车往返一次公交线路所需的时间,fr表示公交线路的发车频率,R表示公交线网中所有的公交线路,|R|表示公交线网的公交线路数量。
进一步的,所述分级交叉,包括线路交叉与站点交叉,其中线路交叉为交换两条染色体中的一对基因组,站点交叉为交换基因组中的部分站点的优先级。
进一步的,所述分级变异,包括线路变异与站点变异,其中线路变异为随机为染色体增加或者删除一个基因组,站点变异为随机交换基因组中两个基因的基因值。
进一步的,所述根据所有染色体适应度淘汰部分染色体,形成新的后代种群,包括:淘汰适应度小的部分染色体后的剩余染色体作为优势种群,对优势种群采用轮盘赌的方法从当前种群中选择下一代形成后代种群。
本发明的有益效果在于,创新地考虑到了BRT专用道的公交线路规划,科学利用BRT专用道,避免BRT专用道串车、拥堵现场;同时基于最小换乘、最短路的方法给乘客分配乘车路径,给出BRT专用道线路的发车频率,提高公交的运营效率,最小化乘客的出行成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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的附图。
图1是本发明一个实施例的方法的示意性流程图;
图2是本发明一个实施例的染色体的结构示意图;
图3为本发明一个实施例的最短路乘车分配方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
如图1所示,本发明提供一种实施例一种基于BRT专用道的公交管理设置方法,包括:
S1:初始化种群,其中,种群内包括根据公交站点的优先级对包括BRT专用道的公交线网进行染色体编码的多个个体;
S2:从初始化的种群开始进行迭代处理,包括:
S21:针对种群内的每个染色体进行如下操作:采用基于最小换乘、最短路的方法给乘客分配乘车路径,并根据乘车路径设置路径的发车频率;根据乘车路径和路径的发车频率进行染色体适应度计算;
S22:对种群内的所有染色体进行分级交叉和分级变异处理后,根据所有染色体适应度淘汰部分染色体,形成新的后代种群;
S3:将后代种群进行迭代处理,直至筛选出最优染色体作为最优公交线网。
在本实施例中,在初始化种群后,初始化种群的迭代次数l和种群内染色体序列i,其中迭代次数l和染色体序列i根据公交线网的随机生成的解的个数决定,令迭代次数l=0,染色体序列i=0;利用迭代次数l对种群进行迭代优化,利用染色体序列i对种群内每个染色体进行评价。首先对初始化群体中的个体进行S21的操作,完成令i++,重新对下一条染色体进行S21的操作......直到初始化种群内所有的染色体都完成S21的操作后,令l++,进行下一代种群的生成操作S22,重复上述步骤,直到迭代次数l达到其最高值。
可选地,作为本发明一个实施例,如图1所示,在所述初始化种群之前,还包括:获取公交站点信息和BRT布局信息,包括:站点位置、站点间的行驶时间和公交线路和BRT专用道布局、客流需求;将可通行的公交站点连接,形成公交线路,所有公交线路形成公交线网。客流需求为任意两站点之间高峰时期(乘客最多时)一小时内有多少乘客期望通行,也即单元乘客数最大值;将客流需求对应的乘客划分到一个乘客组。
本申请中的公交站点包括本方法规划范围内的所有普通公交站点和所有允许公交停靠的BRT站点;如果公交站点之间能够允许公交车直接到达,就在节点间建立站点连接,更进一步如果公交站点间可以允许BRT公交车通过BRT专用道到达,就在节点间建立BRT连接;最终的公交线网就是由一组公交连接和BRT连接组成的公交线路构成。
需要说明的是,本发明是通过额定容量来考虑BRT与公交车的不同车型;这里的规划是假设BRT线路已经存在,且不改变(BRT已经建设完成),只是针对公交线路进行规划本文没有考虑不同公交线路的车型。
可选地,作为本发明一个实施例,所述初始化种群,包括:为所有公交站点随机生成互不相同的优先级;根据公交站点的优先级,生成包括多个基因组的染色体;染色体与公交线网对应,每个基因组与公交线路一一对应;每个基因组中包括n+1个基因,其中,基因组中前n个基因的基因值为站点的优先级,最后一个基因的基因值表示线路所包括的公交节点数量;生成多个公交线网的染色体,作为初始种群。
具体地,采用基于优先级的编码方式生成初始解,首先随机生成公交站点的优先级;为n个公交站点随机生成互不相同的优先级,优先级的取值范围为[1,n];基于优先级编码形成i个初始解;初始解的编码方式如图2所示,每个初始解由一个包括r个基因组的染色体构成;每个基因组k(k∈[1,r])表示一条公交线路,每个基因组包括n+1个基因,其中前n个基因的基因值prn为站点的优先级,最后一个基因lr的基因值表示线路所包括站点数量。
可选地,作为本发明一个实施例,所述采用基于最小换乘、最短路的方法给乘客分配乘车路径,包括:在染色体编码的每个染色体的基因组中,根据站点优先级大小遍历公交站点,解得公交线路,所有基因组解码形成的公交线路集合为公交线网;在解码后的公交线网中,根据乘客的需求选择相应的公交线路作为乘坐路线,并优先将乘客分配到总乘坐时间最少的乘坐路线,以通过BRT专用道的总乘客数不超过通过该BRT专用道最大承载量为依据,确定乘车路径;所述BRT专用道最大承载量为BRT公交最多时满载的乘客量。
具体地,染色体解码过程包括:首先找到第一个基因组;选取基因组中优先级最大的公交节点作为线路的首站,然后遍历当前公交节点的可达公交节点集合,选取其中优先级最大的公交节点作为下一个公交节点,不断重复寻找公交节点的过程,直到线路的公交节点数与最后一个基因的基因值相等,此时完成了基因组的解码;不断重复基因组解码过程,直到将染色体中所有基因组解码完成,此时所有基因组解码形成的新路集合就是公交线网。通过解码,获得表示公交线网中所有的公交线路R,公交线网的公交线路数量|R|、表示公交线路的周转时间Tr。
乘车路径生成过程,如图3所示,根据解码后的公交线网布局,遍历所有的公交线路,为乘客生成的路线包括直达路线、一次换乘路线和两次换乘路线。
最短路分配;在目前为乘客生成的路线中,优先选择换乘数最少的换乘路线,如果换乘数最少的线路不止一条,则优先选择用时最短的线路中,根据途径包含BRT专用道的公交连接的最大容量,将乘客尽可能多的分配至用时较少的路线中;其中BRT专用道最大容量是为了避免专用道中车辆太多,造成串车所预设的一个最大车辆数指标,通过BRT专用道所需时间除以2分钟再乘以公交车容量来计算,这样可以保证BRT专用道中的公交车辆至少有2分钟的发车间隔;这也就是说,分配到包含BRT专用道的公交连接中的乘客之和,必须要小于对应BRT专用道的最大容量;对于超出容量的乘客,就要分配到其他最短出行时间的线路中去。
具体地,其中BRT专用道最大承载量是为了避免专用道中车辆太多,造成串车所预设的一个最大车辆数指标,其中,BRT专用道最大承载量CB=(TB÷t0)×C;t0最小的发车频率,TB为通过BRT专用道所需时间;C为BRT公交额定承载量,例如最小的发车频率为2分钟,设置最小的发车频率可以保证BRT专用道中的公交车辆至少有2分钟的发车间隔;这也就是说,分配到包含BRT专用道的公交连接中的乘客之和,必须要小于对应BRT专用道的最大容量;对于超出容量的乘客,就要分配到其他最短出行时间的线路中去。
可选地,作为本发明一个实施例,所述根据乘车路径设置路径的发车频率,包括:统计乘车路径中每两个站点连接线路中的每小时的单元乘客数最大值,计算线路的发车频率;其中,发车频率=单元乘客数最大值÷对应公交车额定承载量。
具体地,乘客出现路径规划完成后就产生了每条公交线路中每个公交连接中的单位乘客数,然后用单位乘客数最多的公交连接的乘客数除以公交车的额定承载量,就是线路的发车频率fr。
可选地,作为本发明一个实施例,所有染色体的适应度F按照以下公式计算:
其中,P表示所有的乘客组的集合,p表示乘客组,k表示分配后的乘车路径,表示分配后的乘客组p的乘车路径k的出行时间,/>表示分配后乘客组p中选择路径k的乘客数,Tr表示公交线路的周转时间,即公交车往返一次公交线路所需的时间;fr表示公交线路的发车频率,R表示公交线网中所有的公交线路,r表示公交线路的序号,|R|表示公交线网的公交线路数量。
可选地,作为本发明一个实施例,所述分级交叉,包括线路交叉与站点交叉,其中线路交叉为交换两条染色体中的一对基因组,站点交叉为交换基因组中的部分站点的优先级。
可选地,作为本发明一个实施例,所述分级变异,包括线路变异与站点变异,其中线路变异为随机为染色体增加或者删除一个基因组,站点变异为随机交换基因组中两个基因的基因值。
可选地,作为本发明一个实施例,所述根据所有染色体适应度淘汰部分染色体,形成新的后代种群,包括:淘汰适应度小的部分染色体后的剩余染色体作为优势种群,对优势种群采用轮盘赌的方法从当前种群中选择下一代形成后代种群。
按照适应度大小对染色体进行优劣排序,认定适应度大的染色体优于适应度小的,在本实施例中可以淘汰种群中适应度差的20%的染色体,对剩下的优势种群采用遗传算法中轮盘赌的方法形成新的后代种群。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内或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所述以权利要求的保护范围为准。
Claims (8)
1.一种基于BRT专用道的公交线网规划方法,其特征在于,包括:
初始化种群,其中,种群内包括根据公交站点的优先级对包括BRT专用道的公交线网进行染色体编码的多个个体;为所有公交站点随机生成互不相同的优先级;根据公交站点的优先级,生成包括多个基因组的染色体;染色体与公交线网对应,每个基因组与公交线路一一对应;每个基因组中包括n+1个基因,其中,基因组中前n个基因的基因值为站点的优先级,最后一个基因的基因值表示线路所包括的公交节点数量;生成多个公交线网的染色体,作为初始种群;
从初始化的种群开始进行迭代处理,包括:
针对种群内的每个染色体进行如下操作:采用基于最小换乘、最短路的方法给乘客分配乘车路径,并根据乘车路径设置路径的发车频率;根据乘车路径和路径的发车频率进行染色体适应度计算;
对种群内的所有染色体进行分级交叉和分级变异处理后,根据所有染色体适应度淘汰部分染色体,形成新的后代种群;
将后代种群进行迭代处理,直至筛选出最优染色体作为最优公交线网。
2.根据权利要求1所述的方法,其特征在于,在所述初始化种群之前,还包括:
获取公交站点信息和BRT布局信息,具体包括:站点位置、站点间的行驶时间和公交线路、BRT专用道布局和客流需求对应的乘客组;
将可通行的公交站点连接,形成公交线路,所有公交线路形成公交线网。
3.根据权利要求1所述的方法,其特征在于,所述采用基于最小换乘、最短路的方法给乘客分配乘车路径,包括:
在染色体编码的每个染色体的基因组中,根据站点优先级大小遍历公交站点,解得公交线路,所有基因组解码形成的公交线路集合为公交线网;
在解码后的公交线网中,根据乘客的需求选择相应的公交线路作为乘坐路线,并优先将乘客分配到总乘坐时间最少的乘坐路线,以通过BRT专用道的总乘客数不超过通过该BRT专用道最大承载量为依据,确定乘车路径;所述BRT专用道最大承载量为公交最多时满载的乘客量。
4.根据权利要求1所述的方法,其特征在于,所述根据乘车路径设置路径的发车频率,包括:统计乘车路径中每两个站点连接线路中的每小时单元乘客数最大值,计算公交线路的发车频率,其中发车频率=每小时单元乘客数最大值÷对应公交车额定承载量。
5.根据权利要求1所述的方法,其特征在于,所有染色体的适应度按照以下公式计算:
其中,P表示所有的乘客组的集合,表示乘客组,即为任意两站点每小时内通过的乘客,k 表示分配后的乘车路径,/>表示分配后的乘客组/>的乘车路径k的出行时间,/>表示分配后乘客组/>中选择路径k的乘客数,/>表示公交线路的周转时间,即公交车往返一次公交线路所需的时间;/>表示公交线路的发车频率,R表示公交线网中所有的公交线路,表示公交线路的序号,/>表示公交线网的公交线路数量。
6.根据权利要求1所述的方法,其特征在于,所述分级交叉,包括线路交叉与站点交叉,其中线路交叉为交换两条染色体中的一对基因组,站点交叉为交换基因组中的部分站点的优先级。
7.根据权利要求1所述的方法,其特征在于,所述分级变异,包括线路变异与站点变异,其中线路变异为随机为染色体增加或者删除一个基因组,站点变异为随机交换基因组中两个基因的基因值。
8.根据权利要求1所述的方法,其特征在于,所述根据所有染色体适应度淘汰部分染色体,形成新的后代种群,包括:淘汰适应度小的部分染色体后的剩余染色体作为优势种群,对优势种群采用轮盘赌的方法从当前种群中选择下一代形成后代种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330767.6A CN117391270B (zh) | 2023-10-12 | 2023-10-12 | 一种基于brt专用道的公交线网规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330767.6A CN117391270B (zh) | 2023-10-12 | 2023-10-12 | 一种基于brt专用道的公交线网规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117391270A CN117391270A (zh) | 2024-01-12 |
CN117391270B true CN117391270B (zh) | 2024-05-28 |
Family
ID=89467778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311330767.6A Active CN117391270B (zh) | 2023-10-12 | 2023-10-12 | 一种基于brt专用道的公交线网规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391270B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779163A (zh) * | 2016-11-18 | 2017-05-31 | 华南理工大学 | 一种基于智能搜索的定制公交线网优化方法 |
CN107330559A (zh) * | 2017-07-03 | 2017-11-07 | 华南理工大学 | 一种多起终点多车型混载的定制公交线路规划方法 |
CN108053062A (zh) * | 2017-12-11 | 2018-05-18 | 北京航空航天大学 | 一种基于多源数据的定制公交线路生成方法 |
CN109753694A (zh) * | 2018-12-13 | 2019-05-14 | 东南大学 | 基于全过程出行感知时间的中小城市公交线网设计方法 |
CN112149910A (zh) * | 2020-09-28 | 2020-12-29 | 上海汽车集团股份有限公司 | 一种路径规划方法及装置 |
CN114723141A (zh) * | 2022-04-11 | 2022-07-08 | 华侨大学 | 一种brt多服务模式优化方法及系统 |
CN115775059A (zh) * | 2022-12-19 | 2023-03-10 | 北京百度网讯科技有限公司 | 一种站点规划方法、装置、设备以及存储介质 |
-
2023
- 2023-10-12 CN CN202311330767.6A patent/CN117391270B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779163A (zh) * | 2016-11-18 | 2017-05-31 | 华南理工大学 | 一种基于智能搜索的定制公交线网优化方法 |
CN107330559A (zh) * | 2017-07-03 | 2017-11-07 | 华南理工大学 | 一种多起终点多车型混载的定制公交线路规划方法 |
CN108053062A (zh) * | 2017-12-11 | 2018-05-18 | 北京航空航天大学 | 一种基于多源数据的定制公交线路生成方法 |
CN109753694A (zh) * | 2018-12-13 | 2019-05-14 | 东南大学 | 基于全过程出行感知时间的中小城市公交线网设计方法 |
CN112149910A (zh) * | 2020-09-28 | 2020-12-29 | 上海汽车集团股份有限公司 | 一种路径规划方法及装置 |
CN114723141A (zh) * | 2022-04-11 | 2022-07-08 | 华侨大学 | 一种brt多服务模式优化方法及系统 |
CN115775059A (zh) * | 2022-12-19 | 2023-03-10 | 北京百度网讯科技有限公司 | 一种站点规划方法、装置、设备以及存储介质 |
Non-Patent Citations (6)
Title |
---|
城市公交线网优化的双层模型及遗传算法求解;刘环宇;宋瑞;许旺土;韩璧;;城市公共交通;20090915(第9期);32-36 * |
基于遗传算法公交线路网优化模型仿真研究;孙志田;张建梅;闫常丽;;计算机仿真;20111115;第28卷(第11期);第335-338页 * |
多起终点多车型混载的定制公交线路规划模型;胡郁葱;陈栩;罗嘉陵;;广西师范大学学报(自然科学版);20181025;第36卷(第4期);第1-11页 * |
快速公交发车间隔优化研究;叶清;马昌喜;杨信丰;齐博;;兰州交通大学学报;20150215(第01期);170-174 * |
快速公交线路发车频率优化仿真研究;白子建;龚凤刚;王玉秀;;城市道桥与防洪;20100215(第2期);111-115 * |
编组站进路调度优化算法;崔炳谋;马钧培;张朴;;中国铁道科学;20070428;第28卷(第2期);第100-104页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117391270A (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779163B (zh) | 一种基于智能搜索的定制公交线网优化方法 | |
CN112561249B (zh) | 面向实时需求的城市定制公交调度方法 | |
CN109543934B (zh) | 城市公交线网的综合指标的评价方法 | |
CN110929925B (zh) | 基于环境温度与用户行为的电动汽车充电站规划方法 | |
CN104966135B (zh) | 基于可达性和可达强度的公交线路网络优化方法 | |
CN111626469B (zh) | 一种面向运能提升的快慢车开行优化方法 | |
CN112309119B (zh) | 一种城市交通系统容量分析优化方法 | |
CN115409388A (zh) | 多车型定制公交运营优化方法 | |
CN112347596B (zh) | 一种城市公交线网优化方法 | |
Xiong et al. | Route network design of community shuttle for metro stations through genetic algorithm optimization | |
CN114511143A (zh) | 基于组团划分的城市轨道交通线网生成方法 | |
CN115713207A (zh) | 一种混合公交服务组合优化方法 | |
Li et al. | A user-based charge and subsidy scheme for single OD network mobility management | |
CN117391270B (zh) | 一种基于brt专用道的公交线网规划方法 | |
CN117172080A (zh) | 考虑用户出行差异与充电决策偏好的ev充电站规划方法 | |
CN112070275A (zh) | 一种轨道交通路网协同限流的方法和装置及设备 | |
Zhang et al. | The research on planning of taxi sharing route and sharing expenses | |
CN107679653B (zh) | 一种基于优势出行距离的od分配方法 | |
Yao et al. | Circle line optimization of shuttle bus in central business district without transit hub | |
Park et al. | Multiobjective approach to the transit network design problem with variable demand considering transit equity | |
CN110674967A (zh) | 一种不确定行车时间下快递车辆路径鲁棒优化方法 | |
CN115186969A (zh) | 带变邻域搜索的多引导解粒子群多目标拼车问题优化方法 | |
CN115169669A (zh) | 一种基于轨迹大数据支持的出租车合乘方法 | |
CN114595862A (zh) | 一种可实现最低平均充电能耗的ev储能充电网络规划方法 | |
Bulut et al. | Optimizing bus lines using genetic algorithm for public transportation |
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 |