CN105844362A - 城市交通综合出行决策模型 - Google Patents
城市交通综合出行决策模型 Download PDFInfo
- Publication number
- CN105844362A CN105844362A CN201610193300.5A CN201610193300A CN105844362A CN 105844362 A CN105844362 A CN 105844362A CN 201610193300 A CN201610193300 A CN 201610193300A CN 105844362 A CN105844362 A CN 105844362A
- Authority
- CN
- China
- Prior art keywords
- node
- road
- trip
- net
- point
- 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.)
- Granted
Links
- 238000012546 transfer Methods 0.000 claims description 51
- 238000000034 method Methods 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 16
- 230000000977 initiatory effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 102000003712 Complement factor B Human genes 0.000 claims description 3
- 108090000056 Complement factor B Proteins 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 9
- 230000008901 benefit Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 201000004569 Blindness Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009897 systematic effect Effects 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种出行决策模型,尤其是涉及一种基于出行链全过程一体化出行综合信息的城市交通综合出行决策模型。包括小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块。本发明所提供的决策支持模型结合了小汽车出行路径优化、公共交通出行路径优化以及P+R出行路径优化,从而综合性较传统的决策***更加全面,适用范围更广,实用性更强。同时,本发明技术方案还能够实现出行起始点与出行终止点不在同一路网网络中的出行路径优化。
Description
技术领域
本发明涉及一种出行决策模型,尤其是涉及一种基于出行链全过程一体化出行综合信息的城市交通综合出行决策模型。
背景技术
交通拥堵逐渐成为制约城市发展的主要问题之一,许多城市开始加大力度实施和完善智能交通***(ITS,Intelligent Transportation System),以期从根源上解决交通拥堵问题,ITS是城市交通领域未来的发展方向。其中,先进的出行者信息***(ATIS,Advanced Traveler Information system)是发展ITS***的关键所在。
传统的交通出行者会根据自己的出行需求确定此次出行的目的地,同时结合自身的出行经验与已知的道路交通信息来衡量此次出行的必要性和可行性,不同地域、不同性别、不同年龄段的出行者都会根据其自身的个人特征对出行有不同的判断。与传统出行相比,ATIS条件下出行决策过程的主要不同表现在对交通出行信息的整个获取、接受、处理的过程,这是一个动态调整和反复调整的过程。交通出行者需要根据众多的交通信息属性来选择对其有用的出行信息,而在选择交通出行信息的过程中,具有不同个人特征的出行者会根据自己在ATIS的使用经历、对既有交通环境的感知以及个人经验来决定最后的出行。出行者的出行选择会作用在外部交通,使交通环境的状态发生改变(路段拥堵等),路网状态的改变又会以交通出行信息的形式反馈给出行者,从而又引发了新一轮的交通出行信息选择和出行行为选择的过程。
在ATIS作用下,出行者的路径选择是一个动态的复杂过程,这个动态环境下的不确定性主要是由以下几个事实作用产生的。首先,出行者的出行决策要受到交通网络中其他出行者的决策的影响;其次,交通***中的各种交互关系是高度非线性的,尤其是随着***演化,ATIS的推荐线路有可能变得不是最优的,此外,ATIS在交通出行决策中的影响还取决于出行者对ATIS信息的信任度以及接收到的ATIS样本信息。如若ATIS不能提供及时有效的交通信息,甚至提供错误的信息,不仅会给出行者带来出行的不便,也会产生一些例如过激反应、集聚反应的现象。因此ATIS要严格注意剔除错误、无效的信息,最终提供给出行者正确、有效的信息。
ATIS是利用先进的通信、电子和多媒体网络技术,通过个人便携装置,接受和访问交通信息服务***,以便出行者实时、有选择的获取与公路、铁路、航空等多种出行方式相关联的道路(航班)交通信息、公共交通信息、换乘信息、交通气象信息、停车场信息以及其他服务信息。这些信息也可以根据出行者所需,加以取舍,而出行决策***作为其中的关键环节之一。
目前,出行决策***的应用主要体现在面向各类移动智能出行设备,以及面向出行者的服务网站和软件,主要包括以下四类:
1、实时电子地图,如百度地图、高德地图、谷歌地图及腾讯地图等;
2、打车软件,如易到用车、滴滴出行、UBER以及AA拼车等;
3、智能公交电子站牌,一款集工业设计与软件开发服务为一体的智能设备,具备车辆到站信息实时显示、实时报站、公共信息实时后台一键发布等功能。其电子地图查询功能依托于智能公交***,借助于电子地图、车载GPS信号***和无线通信技术,可以方便地查询停靠在公交LCD电子站牌所在站点的某一条公交线路途经的主要道路、公交线路走向、沿途公交站点及相对站距,并用绿色突出标注当前乘客所在站点的地理位置;
4、公共交通APP,8684公交、爱帮公交、交通在手以及巴士公交等。
以上四种方法通过向出行者提供路况实时信息、公共交通信息,以及出行路径查询、导航和周边信息等服务,使出行者能够在一体化出行过程中实现动态决策,选择效用最优的出行方案。
目前,国内正大力推广建设ATIS***,借鉴学习国外发达国家的交通管理理念,建立完善的综合交通信息服务***,而出行决策***作为其中的关键环节之一,具有实际的研究意义。
发明内容
有鉴于此,本发明的目的在于提供一种一体化出行综合决策支持模型,该模型能够通过对小汽车出行时的路径进行优化,还能够对公共交通出行时的路径进行优化,同时基于小汽车出行路径优化和公共交通出行路径优化得到P+R出行时的路径优化。同时对传统的Dijkstra进行改进,能够减少搜索区域内的盲目性,能够缩短搜索时间,改进后的Dijkstra算法更加适用于路网规模较大,遍历站点数较多的路网结构。此外,决策模型在出行费用计算时,还提出了出行拥挤费用,进一步从出行费用方面对出行路径进行优化。
为了实现本发明的目的,所采用的技术方案为:
城市交通综合出行决策模型,包括小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块;
其中小汽车出行决策模块根据给定的起始点依托路网拓扑结构给出可行路线,若给定的起始点和终止点不一定在路网上,则通过给定的起始点经纬度搜索距给定起始点最近的路网节点,得到给定起始点邻近的路网节点集合A;同时通过给定的终止点经纬度搜索距给定终止点最近的节点,得到给定终止点邻近的路网节点集合S;然后通过Dijkstra算法求得出行方案;
所述公共交通出行决策模块根据不同城市的实际公交数据给出可行公交方案,其具体步骤为:
Step1:在选定区域中以任一O点和D点为中心,分别以半径为r,300m≤r≤600m,搜索O点和D点周围的所有站点,分别用集合S1和S2表示;
Step2:在数据库中搜索集合S1和S2中所有站点经过的线路,将相同线路进行合并后得到线路集合U1和U2表示;
Step3:判断U1和U2的交集是否为空,若则O点和D点之间有直达线路,得到公交路线,运算结束;若则O点和D点之间没有直达线路,执行Step4;
Step4:在数据库中搜索集合U1和U2中所有线路经过的站点,将集合U1和U2中所有线路经过的相同的站点进行合并后得到站点集合S11和S22;
Step5:判断S11和S22的交集是否为空,若则O点可以通过一次换乘到达D点,得出换乘方案,运算结束;若则O点与D点之间无法通过一次换乘到达,运算结束;
所述P+R出行决策模块根据城市已有P+R站点布局,给定起始点,再结合小汽车出行决策模块得出的出行路径方案结果和公共交通出行决策模块得出的公交路线结果,最终得到P+R出行决策模块的出行路线;
通过出行者信息***,将得到的小汽车出行方案、公共交通出行方案和/或P+R出行方案进行发布。
本发明所提供的决策支持模型结合了小汽车出行路径优化、公共交通出行路径优化以及P+R出行路径优化,从而综合性较传统的决策***更加全面,适用范围更广,实用性更强。同时,本发明技术方案还能够实现出行起始点与出行终止点不在同一路网网络中的出行路径优化。
进一步的,本发明在确定路网节点集合A和路网节点集合S除了可以通过经纬度搜索获得,还可以通过以下步骤得到,其中路网节点集合A获得的具体步骤为:
SA1:输入出行起始点的坐标;
SA2:选取路网中节点编号为m的路网节点,获取m路网节点的坐标,判断m路网节点的坐标是否等于出行起始点的坐标,若相等,则令与出行起始点相邻的第i个路网节点ri等于节点编号为m的路网节点,路网节点集合A={rm},算法终止;否则计算m路网节点坐标与出行起始点坐标之间的欧式距离,并将计算得到的欧式距离归入路网各节点与出行起始点的欧式距离集合Lo;
SA3:选取路网中节点编号为m+1的路网节点,获取m+1路网节点的坐标,判断m+1路网节点的坐标是否等于出行起始点的坐标,若相等,则令与出行起始点相邻的第i个路网节点ri等于节点编号为m+1的路网节点,路网节点集合A={rm+1},算法终止,否则计算m+1路网节点坐标与出行起始点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行起始点的欧式距离集合Lo;
SA4:判断m是否等于路网节点总集合js中节点数,若等于,则转至SA5;若m<js,则转至SA3;
SA5:将集合Lo进行排序,筛选出欧式距离最小的两个路网节点,形成起始点邻近的路网节点集合A={rm,rm+1}。
而所述路网节点集合S通过以下步骤得到:
SB1:输入出行终止点坐标;
SB2:选取路网中节点编号为n的路网节点,获取n路网节点的坐标,判断n路网节点的坐标是否等于出行终止点的坐标,若相等,则令与出行终止点相邻的第j个路网节点Sj等于节点编号为n的路网节点,路网节点集合S={sn},算法终止;否则计算n路网节点坐标与出行终止点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行终止点的欧式距离集合LD;
SB3:选取路网中节点编号为n+1的路网节点,获取n+1路网节点的坐标,判断n+1路网节点的坐标是否等于出行终止点的坐标,若相等,则令与出行终止点相邻的第j个路网节点Sj等于节点编号为n+1的路网节点,路网节点集合S={sn+1},算法终止,否则计算n+1路网节点坐标与出行终止点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行终止点的欧式距离集合LD;
SB4:判断n是否等于路网节点总集合ls中节点数,若等于,则转至SB5;若n<ls,则转至SB3;
SB5:将集合LD进行排序,筛选出欧式距离最小的两个路网节点,形成终止点邻近的路网节点集合S={sn,sn+1}。
本发明为了能够使本决策支持模型能够减少搜索区域内的盲目性,能够缩短搜索时间,本发明对Dijkstra算法进行了改进,改进后的Dijkstra算法具体为:
定义为第i个与出行起始点相邻的路网节点ri到路网节点编号为m的路网节点的可行路径方案集合,其中为路网节点ri到m路网节点的第k条可行路径的节点序列,且k=1,2,…;pn∈P;为m路网节点至第j个与出行终止点相邻的路网节点Sj的欧式距离,
SC1:首先进行初始化,令i=1,j=1;
SC2:从集合A中选取ri作为路网模型中的出行起始节点,从集合S中选取sj作为路网模型中的出行终止节点;定义已标记节点的集合P和未标记节点的集合T,定义当前节点c=ri;
SC3:计算当前节点c与终止节点sj的欧式距离在当前节点c的邻接节点集合Km={m1,m2,…,mα},计算当前节点c的第α个邻接节点mα与终止节点sj的欧式距离若
则求mα与当前节点c的可行路径方案集合中各条可行路径的节点序列的交集,若为空,则在当前节点c的各条可行路径的节点序列中增加节点mα形成节点mα的各条可行路径的节点序列与定义当前节点c=mα;若不为空则不记录;
SC4:判断当前节点c的邻接节点集合Km={m1,m2,…,mα}里是否包含定义的终止节点sj,若包含,则转至SC5;若不包含,则转至SC3;
SC5:判断集合A是否只包含一个节点,若是,则转至SC7;若否,则令i=i+1,转至SC6;
SC6:判断i是否大于2,若i>2,转至SC7;若否,则转至SC2;
SC7:判断集合S是否只包含一个节点,若是,则算法终止;若否,令i=1,j=j+1,转至SC8;
SC8:判断j是否大于2,若j>2,则算法终止;若否,则转至SC2。
发明所述的Step5作了进一步的改进,具体的改进为:
判断S11和S22的交集是否为空,若则令S11和S22的交集B={a,b,......,y},首先删除B与S1的交集元素和起始站包含直达线路的元素后得到B*,然后对集合B*中的元素x进行搜索分析,根据集合Z提取元素x的两个方向的站点,再分别检验元素x两个方向的站点在各自的公交车行驶方向的位置参数λxi是否满足λO<λxi<λD,i=1,2;若存在满足该判断条件的λxi,则表示站x的位置参数在起始站之后,终到站之前,可以实现换乘方向的连接;否则表示该换乘连接无效;继续判断λxi中i的取值,若i=1则表示同向换乘;否则表示对向换乘;若则起始站与终到站之间无法通过一次换乘到达,运算结束。
通过以上改进,有效地解决了线路往返站点相同时,搜索S11和S22交集时出现虽然站点编号相同但公交车开行方向与实际需要换乘的方向相反,导致无法实现有效地换乘的问题,同时,还使得对向换乘能够有效地换成。
本发明为了能够进一步的优化出行路径方案,在得出最优出行路径方案规划后,本发明还结合了最优出行路径计算出行广义费用,在以上技术方案的基础上本决策支持模型还包括出行广义费用计算模块,广义费用计算模块根据小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块得出的出行路径,计算小汽车出行广义费用、公共交通出行广义费用和P+R出行广义费用,
其中,小汽车出行广义费用包括出行距离费用和出行时间费用,小汽车出行广义费用满足以下关系:
式(1)中:
C—路网模型中两路网节点之间的广义费用;
CF—路网模型中两路网节点之间的出行距离费用;
CT—路网模型中两路网节点之间的出行时间费用;
f(o,r)—出行起始点O与初始搜索节点r之间的路段单位距离车辆行驶费用;
f(r,p1)—初始搜索节点r与第1次搜索终止节点p1之间的路段单位距离车辆行驶费用;
f(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1之间的路段单位距离车辆行驶费用;
f(pn,S)—第n次搜索终止节点pn至终止搜索节点S之间的路段单位距离车辆行驶费用;
f(S,D)—终止搜索节点S至出行终止点D之间的路段单位距离车辆行驶费用;
L(O,r)—出行起始点O至初始搜索节点r的距离;
L(r,p1)—初始搜索节点r至第1次搜索终止节点p1;
L(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1的路段长度;
L(pn,s)—第n次搜索终止节点pn至终止搜索节点s的路段长度;
L(s,D)—终止搜索节点s至出行终止点D的路段长度;
V(O,r)—出行起始点O至初始搜索节点r的路段速度;
V(r,p1)—初始搜索节点r至第1次搜索终止节点p1的路段速度;
V(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1的路段速度;
V(pn,s)—第n次搜索终止节点pn至终止搜索节点s的路段速度;
V(s,D)—终止搜索节点s至出行终止点D的路段速度;
Y—乘客所在城市的平均工资;
公共交通出行广义费用包括出行票价费用和出行时间费用,所述的出行票价费用满足以下关系:
式(2)中:
BF(i,j)—节点i和节点j间的出行票价费用;
—节点i和节点j在常规公交汽车线路上;
—节点i和节点j在轨道公交线路上;
—节点i和节点j在走行换乘到常规公交的换乘网络上;
—节点i和节点j在走行换乘到轨道交通的换乘网络上;
λ1(i,j)、λ2(i,j)—票制系数,当乘坐的公交或轨道交通为通票制时,λ1(i,j)和λ2(i,j)为0;当乘坐的公交或轨道交通为里程票制时,λ1(i,j)和λ2(i,j)为1;
—常规公交网络中里程制票价费用;
—轨道公交网络中里程制票价费用;
x(i,j)—路段***,当节点i和节点j属于起始点和终止点之间时,x(i,j)为1,否则x(i,j)为0;
—常规公交网络中通票制票价费用;
—轨道公交网络中通票制票价费用;
所述的出行时间费用满足以下关系:
式(3)中:
BT(i,j)—公共交通出行时的出行时间费用;
LB(i,j)——在常规公交网络中从节点i到节点j间的行车距离;
VB——常规公交的平均行驶速度;
L(O,i)——乘客出发起点到出发车站的距离;
VW——乘客平均步行速度;
—常规公交乘客在起始站等待k路公交汽车的等车时间;
—常规公交乘客在i站点等待k路公交汽车的等车时间;
—轨道公交乘客在起始站等待k路公交汽车的等车时间;
—轨道公交乘客在i站点等待k路公交汽车的等车时间;
L(j,D)——乘客从下车车站到出行目的地的距离;
L(i,j)——下车站点到换乘站点的距离;
Y—乘客所在城市的平均工资;
所述的P+R出行广义费用为小汽车出行广义费用和公共交通出行广义费用之和。
更进一步的,在计算公共交通出行时间费用时,对换乘走行和等待时间进行放大,引入换乘走行时间放大系数α3和换乘等待时间放大系数β3,其中α3=1.9,β3=1.5,引入换乘走行时间放大系数α和换乘等待时间放大系数β后的出行时间费用满足以下关系;
使得本决策支持模型给出的出行方案更加优化。
为了能够使本决策支持模型的计算过程简化,本发明所述 和分别满足以下关系:
式(5)、(6)中:
fBk—常规公交k路公交汽车的发车频率;
fMK—轨道公交k路公交汽车的发车频率。
附图说明
图1为本发明公交路径决策模型中换乘方案查询流程图。
具体实施方式
为了进一步的说明本发明的技术方案,在此结合附图和具体的实施了进行说明。
城市交通综合出行决策模型,其特征在于:包括小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块;
其中小汽车出行决策模块根据给定的起始点依托路网拓扑结构给出可行路线,若给定的起始点和终止点不一定在路网上,则通过给定的起始点经纬度搜索距给定起始点最近的路网节点,得到给定起始点邻近的路网节点集合A;同时通过给定的终止点经纬度搜索距给定终止点最近的节点,得到给定终止点邻近的路网节点集合S;然后通过Dijkstra算法求得出行方案;
所述公共交通出行决策模块根据不同城市的实际公交数据给出可行公交方案,其具体步骤为:
Step1:在选定区域中以任一O点和D点为中心,分别以半径为r,300m≤r≤600m,最好取值为500m,搜索O点和D点周围的所有站点,分别用集合S1和S2表示;
Step2:在数据库中搜索集合S1和S2中所有站点经过的线路,将相同线路进行合并后得到线路集合U1和U2表示;
Step3:判断U1和U2的交集是否为空,若则O点和D点之间有直达线路,得到公交路线,运算结束;若则O点和D点之间没有直达线路,执行Step4;
Step4:在数据库中搜索集合U1和U2中所有线路经过的站点,将集合U1和U2中所有线路经过的相同的站点进行合并后得到站点集合S11和S22;
Step5:判断S11和S22的交集是否为空,若则O点可以通过一次换乘到达D点,得出换乘方案,运算结束;若则O点与D点之间无法通过一次换乘到达,运算结束;
所述P+R出行决策模块根据城市已有P+R站点布局,给定起始点,再结合小汽车出行决策模块得出的出行路径方案结果和公共交通出行决策模块得出的公交路线结果,最终得到P+R出行决策模块的出行路线;
通过出行者信息***,将得到的小汽车出行方案、公共交通出行方案和/或P+R出行方案进行发布。
本发明所提供的决策支持模型结合了小汽车出行路径优化、公共交通出行路径优化以及P+R出行路径优化,从而综合性较传统的决策***更加全面,适用范围更广,实用性更强。同时,本发明技术方案还能够实现出行起始点与出行终止点不在同一路网网络中的出行路径优化。
进一步的,本发明在确定路网节点集合A和路网节点集合S除了可以通过经纬度搜索获得,还可以通过以下步骤得到,其中路网节点集合A获得的具体步骤为:
SA1:输入出行起始点的坐标;
SA2:选取路网中节点编号为m的路网节点,获取m路网节点的坐标,判断m路网节点的坐标是否等于出行起始点的坐标,若相等,则令与出行起始点相邻的第i个路网节点ri等于节点编号为m的路网节点,路网节点集合A={rm},算法终止;否则计算m路网节点坐标与出行起始点坐标之间的欧式距离,并将计算得到的欧式距离归入路网各节点与出行起始点的欧式距离集合Lo;
SA3:选取路网中节点编号为m+1的路网节点,获取m+1路网节点的坐标,判断m+1路网节点的坐标是否等于出行起始点的坐标,若相等,则令与出行起始点相邻的第i个路网节点ri等于节点编号为m+1的路网节点,路网节点集合A={rm+1},算法终止,否则计算m+1路网节点坐标与出行起始点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行起始点的欧式距离集合Lo;
SA4:判断m是否等于路网节点总集合js中节点数,若等于,则转至SA5;若m<js,则转至SA3;
SA5:将集合Lo进行排序,筛选出欧式距离最小的两个路网节点,形成起始点邻近的路网节点集合A={rm,rm+1}。
而所述路网节点集合S通过以下步骤得到:
SB1:输入出行终止点坐标;
SB2:选取路网中节点编号为n的路网节点,获取n路网节点的坐标,判断n路网节点的坐标是否等于出行终止点的坐标,若相等,则令与出行终止点相邻的第j个路网节点Sj等于节点编号为n的路网节点,路网节点集合S={sn},算法终止;否则计算n路网节点坐标与出行终止点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行终止点的欧式距离集合LD;
SB3:选取路网中节点编号为n+1的路网节点,获取n+1路网节点的坐标,判断n+1路网节点的坐标是否等于出行终止点的坐标,若相等,则令与出行终止点相邻的第j个路网节点Sj等于节点编号为n+1的路网节点,路网节点集合S={sn+1},算法终止,否则计算n+1路网节点坐标与出行终止点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行终止点的欧式距离集合LD;
SB4:判断n是否等于路网节点总集合ls中节点数,若等于,则转至SB5;若n<ls,则转至SB3;
SB5:将集合LD进行排序,筛选出欧式距离最小的两个路网节点,形成终止点邻近的路网节点集合S={sn,sn+1}。
本发明为了能够使本决策支持模型能够减少搜索区域内的盲目性,能够缩短搜索时间,本发明对Dijkstra算法进行了改进,改进后的Dijkstra算法具体为:
定义为第i个与出行起始点相邻的路网节点ri到路网节点编号为m的路网节点的可行路径方案集合,其中为路网节点ri到m路网节点的第k条可行路径的节点序列,且k=1,2,…;pn∈P;为m路网节点至第j个与出行终止点相邻的路网节点Sj的欧式距离,
SC1:首先进行初始化,令i=1,j=1;
SC2:从集合A中选取ri作为路网模型中的出行起始节点,从集合S中选取sj作为路网模型中的出行终止节点;定义已标记节点的集合P,最初时该集合中的元素是否只有出行起始点和未标记节点的集合T,最初时该集合中的元素是否为出行起始点以外的其余的路网节点,定义当前节点c=ri;
SC3:计算当前节点c与终止节点sj的欧式距离在当前节点c的邻接节点集合Km={m1,m2,…,mα},计算当前节点c的第α个邻接节点mα与终止节点sj的欧式距离若
β取值1.2
则求mα与当前节点c的可行路径方案集合中各条可行路径的节点序列的交集,若为空,则在当前节点c的各条可行路径的节点序列中增加节点mα形成节点mα的各条可行路径的节点序列与定义当前节点c=mα;若不为空则不记录;
SC4:判断当前节点c的邻接节点集合Km={m1,m2,…,mα}里是否包含定义的终止节点sj,若包含,则转至SC5;若不包含,则转至SC3;
SC5:判断集合A是否只包含一个节点,若是,则转至SC7;若否,则令i=i+1,转至SC6;
SC6:判断i是否大于2,若i>2,转至SC7;若否,则转至SC2;
SC7:判断集合S是否只包含一个节点,若是,则算法终止;若否,令i=1,j=j+1,转至SC8;
SC8:判断j是否大于2,若j>2,则算法终止;若否,则转至SC2。
Dijkstra算法是以赋权网络为基础,把道路视做网络中的边,把路段上的广义费用当作边上的权值处理,以得到从起点到终点的权值最小的线路,该算法是求解道路网络中最优路径的经典算法。算法的基本思想是:将网络中的节点分为未标记节点和已标记节点2种类型,首先将所有节点初始化为未标记节点,每一次搜索都是从未标记节点中搜索距起点路径权值最小的节点作为已标记节点,直至找到终点或者所有节点都成为已标记节点后,结束算法并得到最短的出行路径。Dijkstra算法在查找最短路径时,以相同概率向各个方向扩大搜索区域,具有很大盲目性,时间复杂度为,其中遍历的站点数目;即便在城市路网这种稀疏网络中,采用堆数据结构,算法的时间复杂度大。所以,当路网规模较大,算法需遍历站点数较多时,Dijkstra算法时间复杂度难以满足最短路径查询实时性的要求。
本发明在Dijkstra算法基础上提出改进的Dijkstra算法以期在复杂路网中快速求得广义费用最小的小汽车出行路径方案,改进的Dijkstra算法基本思想:将网络中的节点分为未标记节点和已标记节点2种类型,首先将所有节点初始化为未标记节点;每一次搜索都是从未标记节点中搜索与已标记节点直接相连的节点,但不判断距离;限制扩展方向,加快寻优速度;记录符合条件的可行方案。
在实际运营中公交车运行分为往返两个方向,为避免线路往返站点相同时,搜索S11和S22交集时出现虽然站点编号相同但公交车开行方向与实际需要换乘的方向相反,导致无法实现有效换乘的情况,本发明根据公交车运行方向,将对向站点分为站点1和站点2,分别编号,并建立站名相同但编号不同的合站点集合Z;当站点1和站点2经过的公交线路完全相同时,两个站点合为一个站点。
此外,为表示公交车开行方向,引入站点位置参数λ的概念。根据公交车运行方向站序依次从小到达赋予位置参数值。当搜索换乘线路时,必须保证换乘站的位置参数在起始站之后,终到站之前。以保证搜索的换乘线路可以实现线路方向的有效连接,实现有效换乘;同时,为了避免虽然或交集元素中没有该换乘站,但实际可以通过对向换乘实现有效换乘的方案遗漏情况。
如图1所示,本发明技术方案针对针对上述三个问题对技术方案中所述Step5作了进一步的改进,具体的改进为:
判断S11和S22的交集是否为空,若则令S11和S22的交集B={a,b,......,y},首先删除B与S1的交集元素和起始站包含直达线路的元素后得到B*,然后对集合B*中的元素x进行搜索分析,根据集合Z提取元素x的两个方向的站点,再分别检验元素x两个方向的站点在各自的公交车行驶方向的位置参数λxi是否满足λO<λxi<λD,i=1,2;若存在满足该判断条件的λxi,则表示站x的位置参数在起始站之后,终到站之前,可以实现换乘方向的连接;否则表示该换乘连接无效;继续判断λxi中i的取值,若i=1则表示同向换乘;否则表示对向换乘;若则起始站与终到站之间无法通过一次换乘到达,运算结束。
通过以上改进,有效地解决了线路往返站点相同时,搜索S11和S22交集时出现虽然站点编号相同但公交车开行方向与实际需要换乘的方向相反,导致无法实现有效地换乘的问题,同时,还使得对向换乘能够有效地换成。
本发明为了能够进一步的优化出行路径方案,在得出最优出行路径方案规划后,本发明还结合了最优出行路径计算出行广义费用,在以上技术方案的基础上本决策支持模型还包括出行广义费用计算模块,广义费用计算模块根据小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块得出的出行路径,计算小汽车出行广义费用、公共交通出行广义费用和P+R出行广义费用,
其中,小汽车出行广义费用包括出行距离费用和出行时间费用,小汽车出行广义费用满足以下关系:
式(1)中:
C—路网模型中两路网节点之间的广义费用;
CF—路网模型中两路网节点之间的出行距离费用;
CT—路网模型中两路网节点之间的出行时间费用;
f(o,r)—出行起始点O与初始搜索节点r之间的路段单位距离车辆行驶费用;
f(r,p1)—初始搜索节点r与第1次搜索终止节点p1之间的路段单位距离车辆行驶费用;
f(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1之间的路段单位距离车辆行驶费用;
f(pn,S)—第n次搜索终止节点pn至终止搜索节点S之间的路段单位距离车辆行驶费用;
f(S,D)—终止搜索节点S至出行终止点D之间的路段单位距离车辆行驶费用;
L(O,r)—出行起始点O至初始搜索节点r的距离;
L(r,p1)—初始搜索节点r至第1次搜索终止节点p1;
L(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1的路段长度;
L(pn,s)—第n次搜索终止节点pn至终止搜索节点s的路段长度;
L(s,D)—终止搜索节点s至出行终止点D的路段长度;
V(O,r)—出行起始点O至初始搜索节点r的路段速度;
V(r,p1)—初始搜索节点r至第1次搜索终止节点p1的路段速度;
V(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1的路段速度;
V(pn,s)—第n次搜索终止节点pn至终止搜索节点s的路段速度;
V(s,D)—终止搜索节点s至出行终止点D的路段速度;
Y—乘客所在城市的平均工资;
公共交通出行广义费用包括出行票价费用和出行时间费用,所述的出行票价费用满足以下关系:
式(2)中:
BF(i,j)—节点i和节点j间的出行票价费用;
—节点i和节点j在常规公交汽车线路上;
—节点i和节点j在轨道公交线路上;
—节点i和节点j在走行换乘到常规公交的换乘网络上;
—节点i和节点j在走行换乘到轨道交通的换乘网络上;
λ1(i,j)、λ2(i,j)—票制系数,当乘坐的公交或轨道交通为通票制时,λ1(i,j)和λ2(i,j)为0;当乘坐的公交或轨道交通为里程票制时,λ1(i,j)和λ2(i,j)为1;
—常规公交网络中里程制票价费用;
—轨道公交网络中里程制票价费用;
x(i,j)—路段***,当节点i和节点j属于起始点和终止点之间时,x(i,j)为1,否则x(i,j)为0;
—常规公交网络中通票制票价费用;
—轨道公交网络中通票制票价费用;
所述的出行时间费用满足以下关系:
式(3)中:
BT(i,j)—公共交通出行时的出行时间费用;
LB(i,j)——在常规公交网络中从节点i到节点j间的行车距离;
VB——常规公交的平均行驶速度;
L(O,i)——乘客出发起点到出发车站的距离;
VW——乘客平均步行速度,一般取72m/min;
—常规公交乘客在起始站等待k路公交汽车的等车时间;
—常规公交乘客在i站点等待k路公交汽车的等车时间;
—轨道公交乘客在起始站等待k路公交汽车的等车时间;
—轨道公交乘客在i站点等待k路公交汽车的等车时间;
L(j,D)——乘客从下车车站到出行目的地的距离;
L(i,j)——下车站点到换乘站点的距离;
Y—乘客所在城市的平均工资,如北京市居民2014年平均年工资为77560元;
根据公式(3)得出不同交通网络的票价费用计算公式,具体如表1所示。
表1 不同交通网络的票价费用计算公式
表中:IWB表示走行换乘到常规公交的换乘网络;IWM表示走行换乘到轨道交通的换乘网络;IBW表示常规公交换到走行的换乘网络;IMW表示轨道交通换走行的换乘网络。
所述的P+R出行广义费用为小汽车出行广义费用和公共交通出行广义费用之和。
其中单位距离车辆行驶费用f(o,r)、f(r,p1)、f(pi-1,pi)、f(pn,S)和f(S,D)根据行驶的车速不同其取值不同,具体为:
行驶速度小于等于30km/h时,单位距离车辆行驶费用为1.2元/km;
行驶速度大于30km/h小于等于40km/h时,单位距离车辆行驶费用为0.9元/km;
行驶速度大于40km/h,单位距离车辆行驶费用为0.7元/km。
更进一步的,在计算公共交通出行时间费用时,对换乘走行和等待时间进行放大,引入换乘走行时间放大系数α3和换乘等待时间放大系数β3,其中α3=1.9,β3=1.5,引入换乘走行时间放大系数α和换乘等待时间放大系数β后的出行时间费用满足以下关系;
为了能够使本决策支持模型的计算过程简化,本发明所述 和分别满足以下关系:
式(5)、(6)中:
fBk—常规公交k路公交汽车的发车频率;
fMK—轨道公交k路公交汽车的发车频率。
本发明不局限于上述最佳实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是具有与本申请相同或相近似的技术方案,均落在本发明的保护范围之内。
Claims (7)
1.城市交通综合出行决策模型,其特征在于:包括小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块;
其中小汽车出行决策模块根据给定的起始点依托路网拓扑结构给出可行路线,若给定的起始点和终止点不一定在路网上,则通过给定的起始点经纬度搜索距给定起始点最近的路网节点,得到给定起始点邻近的路网节点集合A;同时通过给定的终止点经纬度搜索距给定终止点最近的节点,得到给定终止点邻近的路网节点集合S;然后通过Dijkstra算法求得出行方案;
所述公共交通出行决策模块根据不同城市的实际公交数据给出可行公交方案,其具体步骤为:
Step1:在选定区域中以任一O点和D点为中心,分别以半径为r,300m≤r≤600m,搜索O点和D点周围的所有站点,分别用集合S1和S2表示;
Step2:在数据库中搜索集合S1和S2中所有站点经过的线路,将相同线路进行合并后得到线路集合U1和U2表示;
Step3:判断U1和U2的交集是否为空,若则O点和D点之间有直达线路,得到公交路线,运算结束;若则O点和D点之间没有直达线路,执行Step4;
Step4:在数据库中搜索集合U1和U2中所有线路经过的站点,将集合U1和U2中所有线路经过的相同的站点进行合并后得到站点集合S11和S22;
Step5:判断S11和S22的交集是否为空,若则O点可以通过一次换乘到达D点,得出换乘方案,运算结束;若则O点与D点之间无法通过一次换乘到达,运算结束;
所述P+R出行决策模块根据城市已有P+R站点布局,给定起始点,再结合小汽车出行决策模块得出的出行路径方案结果和公共交通出行决策模块得出的公交路线结果,最终得到P+R出行决策模块的出行路线;
通过出行者信息***,将得到的小汽车出行方案、公共交通出行方案和/或P+R出行方案进行发布。
2.根据权利要求1所述的城市交通综合出行决策模型,其特征在于:路网节点集合A通过以下步骤得到:
SA1:输入出行起始点的坐标;
SA2:选取路网中节点编号为m的路网节点,获取m路网节点的坐标,判断m路网节点的坐标是否等于出行起始点的坐标,若相等,则令与出行起始点相邻的第i个路网节点ri等于节点编号为m的路网节点,路网节点集合A={rm},算法终止;否则计算m路网节点坐标与出行起始点坐标之间的欧式距离,并将计算得到的欧式距离归入路网各节点与出行起始点的欧式距离集合Lo;
SA3:选取路网中节点编号为m+1的路网节点,获取m+1路网节点的坐标,判断m+1路网节点的坐标是否等于出行起始点的坐标,若相等,则令与出行起始点相邻的第i个路网节点ri等于节点编号为m+1的路网节点,路网节点集合A={rm+1},算法终止,否则计算m+1路网节点坐标与出行起始点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行起始点的欧式距离集合Lo;
SA4:判断m是否等于路网节点总集合js中节点数,若等于,则转至SA5;若m<js,则转至SA3;
SA5:将集合Lo进行排序,筛选出欧式距离最小的两个路网节点,形成起始点邻近的路网节点集合A={rm,rm+1}。
所述路网节点集合S通过以下步骤得到:
SB1:输入出行终止点坐标;
SB2:选取路网中节点编号为n的路网节点,获取n路网节点的坐标,判断n路网节点的坐标是否等于出行终止点的坐标,若相等,则令与出行终止点相邻的第j个路网节点Sj等于节点编号为n的路网节点,路网节点集合S={sn},算法终止;否则计算n路网节点坐标与出行终止点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行终止点的欧式距离集合LD;
SB3:选取路网中节点编号为n+1的路网节点,获取n+1路网节点的坐标,判断n+1路网节点的坐标是否等于出行终止点的坐标,若相等,则令与出行终止点相邻的第j个路网节点Sj等于节点编号为n+1的路网节点,路网节点集合S={sn+1},算法终止,否则计算n+1路网节点坐标与出行终止点坐标之前的欧式距离,并将计算得到的欧式距离归入路网各节点与出行终止点的欧式距离集合LD;
SB4:判断n是否等于路网节点总集合ls中节点数,若等于,则转至SB5;若n<ls,则转至SB3;
SB5:将集合LD进行排序,筛选出欧式距离最小的两个路网节点,形成终止点邻近的路网节点集合S={sn,sn+1}。
3.根据权利要求1或2所述的城市交通综合出行决策模型,其特征在于:所述的Dijkstra算法具体为:
定义为第i个与出行起始点相邻的路网节点ri到路网节点编号为m的路网节点的可行路径方案集合,其中为路网节点ri到m路网节点的第k条可行路径的节点序列,且k=1,2,…;pn∈P;为m路网节点至第j个与出行终止点相邻的路网节点Sj的欧式距离,
SC1:首先进行初始化,令i=1,j=1;
SC2:从集合A中选取ri作为路网模型中的出行起始节点,从集合S中选取sj作为路网模型中的出行终止节点;定义已标记节点的集合P和未标记节点的集合T,定义当前节点c=ri;
SC3:计算当前节点c与终止节点sj的欧式距离在当前节点c的邻接节点集合Km={m1,m2,…,mα},计算当前节点c的第α个邻接节点mα与终止节点sj的欧式距离若
则求mα与当前节点c的可行路径方案集合中各条可行路径的节点序列的交集,若为空,则在当前节点c的各条可行路径的节点序列中增加节点mα形成节点mα的各条可行路径的节点序列与定义当前节点c=mα;若不为空则不记录;
SC4:判断当前节点c的邻接节点集合Km={m1,m2,…,mα}里是否包含定义的终止节点sj,若包含,则转至SC5;若不包含,则转至SC3;
SC5:判断集合A是否只包含一个节点,若是,则转至SC7;若否,则令i=i+1,转至SC6;
SC6:判断i是否大于2,若i>2,转至SC7;若否,则转至SC2;
SC7:判断集合S是否只包含一个节点,若是,则算法终止;若否,令i=1,j=j+1,转至SC8;
SC8:判断j是否大于2,若j>2,则算法终止;若否,则转至SC2。
4.根据权利要求1或2或3所述的城市交通综合出行决策模型,其特征在于:根据公交车运行方向,将对向站点分为站点1和站点2,分别编号,并建立站名相同编号不同的合站点集合Z;为表示公交车的开行方向,引入站点位置参数λ,根据公交车运行方向站序依次从小到大赋予位置参数λ的值;
所述Step5的具体为:
判断S11和S22的交集是否为空,若则令S11和S22的交集B={a,b,......,y},首先删除B与S1的交集元素和起始站包含直达线路的元素后得到B*,然后对集合B*中的元素x进行搜索分析,根据集合Z提取元素x的两个方向的站点,再分别检验元素x两个方向的站点在各自的公交车行驶方向的位置参数λxi是否满足λO<λxi<λD,i=1,2;若存在满足该判断条件的λxi,则表示站x的位置参数在起始站之后,终到站之前,可以实现换乘方向的连接;否则表示该换乘连接无效;继续判断λxi中i的取值,若i=1则表示同向换乘;否则表示对向换乘;若则起始站与终到站之间无法通过一次换乘到达,运算结束。
5.根据权利要求1或2或3或4所述的城市交通综合出行决策模型,其特征在于:还包括出行广义费用计算模块,广义费用计算模块根据小汽车出行决策模块、公共交通出行决策模块和P+R出行决策模块得出的出行路径,计算小汽车出行广义费用、公共交通出行广义费用和P+R出行广义费用,
其中,小汽车出行广义费用包括出行距离费用和出行时间费用,小汽车出行广义费用满足以下关系:
式(1)中:
C—路网模型中两路网节点之间的广义费用;
CF—路网模型中两路网节点之间的出行距离费用;
CT—路网模型中两路网节点之间的出行时间费用;
f(o,r)—出行起始点O与初始搜索节点r之间的路段单位距离车辆行驶费用;
f(r,p1)—初始搜索节点r与第1次搜索终止节点p1之间的路段单位距离车辆行驶费用;
f(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1之间的路段单位距离车辆行驶费用;
f(pn,S)—第n次搜索终止节点pn至终止搜索节点S之间的路段单位距离车辆行驶费用;
f(S,D)—终止搜索节点S至出行终止点D之间的路段单位距离车辆行驶费用;
L(O,r)—出行起始点O至初始搜索节点r的距离;
L(r,p1)—初始搜索节点r至第1次搜索终止节点p1;
L(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1的路段长度;
L(pn,s)—第n次搜索终止节点pn至终止搜索节点s的路段长度;
L(s,D)—终止搜索节点s至出行终止点D的路段长度;
V(O,r)—出行起始点O至初始搜索节点r的路段速度;
V(r,p1)—初始搜索节点r至第1次搜索终止节点p1的路段速度;
V(pi-1,pi)—可行路径第i次搜索终止节点pi至第i-1次搜索终止节点pi-1的路段速度;
V(pn,s)—第n次搜索终止节点pn至终止搜索节点s的路段速度;
V(s,D)—终止搜索节点s至出行终止点D的路段速度;
Y—乘客所在城市的平均工资;
公共交通出行广义费用包括出行票价费用和出行时间费用,所述的出行票价费用满足以下关系:
式(2)中:
BF(i,j)—节点i和节点j间的出行票价费用;
—节点i和节点j在常规公交汽车线路上;
—节点i和节点j在轨道公交线路上;
—节点i和节点j在走行换乘到常规公交的换乘网络上;
—节点i和节点j在走行换乘到轨道交通的换乘网络上;
λ1(i,j)、λ2(i,j)—票制系数,当乘坐的公交或轨道交通为通票制时,λ1(i,j)和λ2(i,j)为0;当乘坐的公交或轨道交通为里程票制时,λ1(i,j)和λ2(i,j)为1;
—常规公交网络中里程制票价费用;
—轨道公交网络中里程制票价费用;
x(i,j)—路段***,当节点i和节点j属于起始点和终止点之间时,x(i,j)为1,否则x(i,j)为0;
—常规公交网络中通票制票价费用;
—轨道公交网络中通票制票价费用;
所述的出行时间费用满足以下关系:
式(3)中:
BT(i,j)—公共交通出行时的出行时间费用;
LB(i,j)——在常规公交网络中从节点i到节点j间的行车距离;
VB——常规公交的平均行驶速度;
L(O,i)——乘客出发起点到出发车站的距离;
VW——乘客平均步行速度;
—常规公交乘客在起始站等待k路公交汽车的等车时间;
—常规公交乘客在i站点等待k路公交汽车的等车时间;
—轨道公交乘客在起始站等待k路公交汽车的等车时间;
—轨道公交乘客在i站点等待k路公交汽车的等车时间;
L(j,D)——乘客从下车车站到出行目的地的距离;
L(i,j)——下车站点到换乘站点的距离;
Y—乘客所在城市的平均工资;
所述的P+R出行广义费用为小汽车出行广义费用和公共交通出行广义费用之和。
6.根据权利要求5所述的城市交通综合出行决策模型,其特征在于:在计算公共交通出行时间费用时,对换乘走行和等待时间进行放大,引入换乘走行时间放大系数α3和换乘等待时间放大系数β3,其中α3=1.9,β3=1.5,引入换乘走行时间放大系数α和换乘等待时间放大系数β后的出行时间费用满足以下关系;
7.根据权利要求5或6所述的城市交通综合出行决策模型,其特征在于:所述和分别满足以下关系:
式(5)、(6)中:
fBk—常规公交k路公交汽车的发车频率;
fMK—轨道公交k路公交汽车的发车频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610193300.5A CN105844362B (zh) | 2016-03-30 | 2016-03-30 | 一种城市交通综合出行决策装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610193300.5A CN105844362B (zh) | 2016-03-30 | 2016-03-30 | 一种城市交通综合出行决策装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105844362A true CN105844362A (zh) | 2016-08-10 |
CN105844362B CN105844362B (zh) | 2021-01-19 |
Family
ID=56584337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610193300.5A Expired - Fee Related CN105844362B (zh) | 2016-03-30 | 2016-03-30 | 一种城市交通综合出行决策装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844362B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106504577A (zh) * | 2016-11-23 | 2017-03-15 | 青岛海信网络科技股份有限公司 | 一种停车换乘出行路线规划方法及装置 |
CN106570584A (zh) * | 2016-11-02 | 2017-04-19 | 北京工商大学 | 基于改进***竞争算法的城市轨道交通乘客路径选择方法 |
CN107220733A (zh) * | 2017-06-15 | 2017-09-29 | 重庆交通大学 | 基于互联网和车路协同的起讫点集定制公交开行优化方法 |
CN107328425A (zh) * | 2017-08-23 | 2017-11-07 | 中科青年交通科技(苏州)有限公司 | 一种基于智慧交通服务平台的线路搜索与实现方法 |
CN107747947A (zh) * | 2017-10-23 | 2018-03-02 | 电子科技大学 | 一种基于用户历史gps轨迹的协同旅行路线推荐方法 |
CN108151756A (zh) * | 2017-12-21 | 2018-06-12 | 深圳市综合交通运行指挥中心 | 一种城市公共交通***的行程时间计算方法和装置 |
CN108537362A (zh) * | 2018-03-06 | 2018-09-14 | 武汉蓝泰源信息技术有限公司 | 基于双向搜索及估值函数剪枝方式的公交换乘方法 |
CN109993353A (zh) * | 2019-03-21 | 2019-07-09 | 华侨大学 | 一种轨道交通沿线常规公交线路选择及调整方法 |
CN110322058A (zh) * | 2019-06-21 | 2019-10-11 | 东南大学 | 一种考虑步行衔接的轨道交通出行方式时间最短路计算方法 |
CN110599760A (zh) * | 2019-10-17 | 2019-12-20 | 东南大学 | 一种多模式交通网络下的出行行为模拟方法 |
CN111738895A (zh) * | 2020-07-20 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 多站点的客运线路生成方法、装置、介质及电子设备 |
CN111860972A (zh) * | 2020-06-29 | 2020-10-30 | 交控科技股份有限公司 | 轨道交通路径生成方法及装置 |
CN114724375A (zh) * | 2022-05-05 | 2022-07-08 | 厦门理工学院 | 一种基于物联网的反向乘客识别*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110015851A1 (en) * | 2002-08-29 | 2011-01-20 | Itis Holding Plc | Apparatus and method for providing traffic information |
CN102110362A (zh) * | 2011-02-01 | 2011-06-29 | 世纪战斧节能环保技术(北京)有限公司 | 一种规划出行路线的处理方法及*** |
CN102506861A (zh) * | 2011-10-12 | 2012-06-20 | 北京世纪高通科技有限公司 | 交通出行信息的处理方法及装置 |
CN103294708A (zh) * | 2012-02-28 | 2013-09-11 | 北京四维图新科技股份有限公司 | 基于公交***的路径规划方法及装置 |
CN104331743A (zh) * | 2014-10-11 | 2015-02-04 | 清华大学 | 一种基于多目标优化的电动车辆出行规划方法 |
-
2016
- 2016-03-30 CN CN201610193300.5A patent/CN105844362B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110015851A1 (en) * | 2002-08-29 | 2011-01-20 | Itis Holding Plc | Apparatus and method for providing traffic information |
CN102110362A (zh) * | 2011-02-01 | 2011-06-29 | 世纪战斧节能环保技术(北京)有限公司 | 一种规划出行路线的处理方法及*** |
CN102506861A (zh) * | 2011-10-12 | 2012-06-20 | 北京世纪高通科技有限公司 | 交通出行信息的处理方法及装置 |
CN103294708A (zh) * | 2012-02-28 | 2013-09-11 | 北京四维图新科技股份有限公司 | 基于公交***的路径规划方法及装置 |
CN104331743A (zh) * | 2014-10-11 | 2015-02-04 | 清华大学 | 一种基于多目标优化的电动车辆出行规划方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570584A (zh) * | 2016-11-02 | 2017-04-19 | 北京工商大学 | 基于改进***竞争算法的城市轨道交通乘客路径选择方法 |
CN106504577B (zh) * | 2016-11-23 | 2019-08-30 | 青岛海信网络科技股份有限公司 | 一种停车换乘出行路线规划方法及装置 |
CN106504577A (zh) * | 2016-11-23 | 2017-03-15 | 青岛海信网络科技股份有限公司 | 一种停车换乘出行路线规划方法及装置 |
CN107220733A (zh) * | 2017-06-15 | 2017-09-29 | 重庆交通大学 | 基于互联网和车路协同的起讫点集定制公交开行优化方法 |
CN107220733B (zh) * | 2017-06-15 | 2020-04-28 | 重庆交通大学 | 基于互联网和车路协同的起讫点集定制公交开行优化方法 |
CN107328425A (zh) * | 2017-08-23 | 2017-11-07 | 中科青年交通科技(苏州)有限公司 | 一种基于智慧交通服务平台的线路搜索与实现方法 |
CN107747947A (zh) * | 2017-10-23 | 2018-03-02 | 电子科技大学 | 一种基于用户历史gps轨迹的协同旅行路线推荐方法 |
CN107747947B (zh) * | 2017-10-23 | 2021-04-30 | 电子科技大学 | 一种基于用户历史gps轨迹的协同旅行路线推荐方法 |
CN108151756A (zh) * | 2017-12-21 | 2018-06-12 | 深圳市综合交通运行指挥中心 | 一种城市公共交通***的行程时间计算方法和装置 |
CN108151756B (zh) * | 2017-12-21 | 2021-06-29 | 深圳市综合交通运行指挥中心 | 一种城市公共交通***的行程时间计算方法和装置 |
CN108537362A (zh) * | 2018-03-06 | 2018-09-14 | 武汉蓝泰源信息技术有限公司 | 基于双向搜索及估值函数剪枝方式的公交换乘方法 |
CN108537362B (zh) * | 2018-03-06 | 2022-01-18 | 武汉蓝泰源信息技术有限公司 | 基于双向搜索及估值函数剪枝方式的公交换乘方法 |
CN109993353B (zh) * | 2019-03-21 | 2022-07-29 | 华侨大学 | 一种轨道交通沿线常规公交线路选择方法 |
CN109993353A (zh) * | 2019-03-21 | 2019-07-09 | 华侨大学 | 一种轨道交通沿线常规公交线路选择及调整方法 |
CN110322058B (zh) * | 2019-06-21 | 2022-04-15 | 东南大学 | 一种考虑步行衔接的轨道交通出行方式时间最短路计算方法 |
CN110322058A (zh) * | 2019-06-21 | 2019-10-11 | 东南大学 | 一种考虑步行衔接的轨道交通出行方式时间最短路计算方法 |
CN110599760A (zh) * | 2019-10-17 | 2019-12-20 | 东南大学 | 一种多模式交通网络下的出行行为模拟方法 |
CN111860972A (zh) * | 2020-06-29 | 2020-10-30 | 交控科技股份有限公司 | 轨道交通路径生成方法及装置 |
CN111860972B (zh) * | 2020-06-29 | 2024-03-19 | 交控科技股份有限公司 | 轨道交通路径生成方法及装置 |
CN111738895B (zh) * | 2020-07-20 | 2021-01-12 | 平安国际智慧城市科技股份有限公司 | 多站点的客运线路生成方法、装置、介质及电子设备 |
CN111738895A (zh) * | 2020-07-20 | 2020-10-02 | 平安国际智慧城市科技股份有限公司 | 多站点的客运线路生成方法、装置、介质及电子设备 |
CN114724375A (zh) * | 2022-05-05 | 2022-07-08 | 厦门理工学院 | 一种基于物联网的反向乘客识别*** |
Also Published As
Publication number | Publication date |
---|---|
CN105844362B (zh) | 2021-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844362A (zh) | 城市交通综合出行决策模型 | |
CN104318758B (zh) | 基于多层次多模式的公交线网规划方法 | |
CN102538806B (zh) | 一种路径规划方法以及相关设备 | |
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配***与方法 | |
CN103278168B (zh) | 一种面向交通热点规避的路径规划方法 | |
CN103364002B (zh) | 结合实时路况及公共交通运营信息的路线规划***和方法 | |
CN111310077B (zh) | 一种旅客智能行程推荐***和方法 | |
CN105205557A (zh) | 一种城市常规公交线网设计方法 | |
Antsfeld et al. | Finding multi-criteria optimal paths in multi-modal public transportation networks using the transit algorithm | |
CN103177561A (zh) | 公交实时路况的生成方法及*** | |
CN102245458A (zh) | 路径检索***、路径检索服务器及路径检索方法 | |
CN112765753B (zh) | 一种公共交通超级网络构建方法 | |
CN102436466A (zh) | 基于gis分类的公交换乘查询方法 | |
CN101587650A (zh) | Gps公交车换乘导航方法及其*** | |
CN101614551A (zh) | 步行网建立方法及装置、路径搜索方法及装置 | |
CN106682812A (zh) | 综合运输体系客运方式分担率‑距离转移曲线确定方法 | |
CN101187996A (zh) | 一种基于自适应骨干网的快速公交选线算法 | |
CN106225800A (zh) | 基于实时路况信息的环境友好型车辆导航路径构建方法 | |
CN105547310A (zh) | 一种基于pm2.5健康出行的路径规划装置及方法 | |
CN103049829B (zh) | 城乡客运线网与枢纽场站一体化融合方法 | |
CN110222912A (zh) | 基于时间依赖模型的铁路行程路线规划方法及装置 | |
CN107092986A (zh) | 基于站点及共线运行的公交乘客出行路径选择方法 | |
CN106709591A (zh) | 一种车联网环境下不确定需求的协同拼车路线选择方法 | |
CN112347596A (zh) | 一种城市公交线网优化方法 | |
CN116187605A (zh) | 一种基于gis技术的公交线网选线方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210119 |
|
CF01 | Termination of patent right due to non-payment of annual fee |