CN112149059B - 构建城市间客流分担模型的方法和装置 - Google Patents

构建城市间客流分担模型的方法和装置 Download PDF

Info

Publication number
CN112149059B
CN112149059B CN202010932710.3A CN202010932710A CN112149059B CN 112149059 B CN112149059 B CN 112149059B CN 202010932710 A CN202010932710 A CN 202010932710A CN 112149059 B CN112149059 B CN 112149059B
Authority
CN
China
Prior art keywords
city
convenience
passenger
departure
arrival
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
Application number
CN202010932710.3A
Other languages
English (en)
Other versions
CN112149059A (zh
Inventor
刘环宇
段东平
张博
邱冰
张婧
李中波
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.)
China Railway Fifth Survey and Design Institute Group Co Ltd
Original Assignee
China Railway Fifth Survey and Design Institute Group Co Ltd
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 China Railway Fifth Survey and Design Institute Group Co Ltd filed Critical China Railway Fifth Survey and Design Institute Group Co Ltd
Priority to CN202010932710.3A priority Critical patent/CN112149059B/zh
Publication of CN112149059A publication Critical patent/CN112149059A/zh
Application granted granted Critical
Publication of CN112149059B publication Critical patent/CN112149059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种构建城市间客流分担模型的方法和装置，该方法包括：获取各种客运方式由出发城市到到达城市的乘坐便捷性参数；基于乘坐便捷性参数和第一待定参数，构建各种客运方式的出行便捷性系数表达式；基于出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式；基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式；采用实际客流分担数据对客流分担模型表达式进行回归分析，确定第一待定系数的数值，以构建客流分担模型。因为修正后的交通阻抗表达式引入了各种客运方式在出发城市和到达城市中乘坐便捷性的因素，所以构建的客流分担模型更符合实际情况，预测准确度更高。

Description

构建城市间客流分担模型的方法和装置
技术领域
本公开涉及交通规划技术领域，尤其涉及一种构建城市间客流分担模型的方法和装置。
背景技术
城市间客流分担模型是表征不同客运方式对客流分担情况的模型，其可以用于预测各种客运方式的乘客分担量。
为了能够构建客流分担模型，需要获取各种客运方式的交通阻抗。而现有各种客运方式的交通阻抗计算仅考虑了从始发车站到到达车站的广义成本，但是采用此广义成本构建的交通阻抗模型对客运方式乘客分担量预测与实际乘客分担量具有很大差距，也就是前述构建的客流分担模型精准度并不高。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了构建城市间客流分担模型的方法和装置。
一方面，本申请提供一种构建城市间客流分担模型的方法，包括：
获取各种客运方式由出发城市到到达城市的乘坐便捷性参数；
基于所述乘坐便捷性参数和第一待定系数，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式；
基于所述出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式；
基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式；
采用实际客流分担数据对所述客流分担模型表达式进行回归分析，确定所述第一待定系数的数值，以构建所述客流分担模型。
可选地，获取各种客运方式由出发城市到到达城市的乘坐便捷性参数，包括：
获取各种客运方式在出发城市的出发便捷性参数和在到达城市的到达便捷性参数；
根据所述出发便捷性参数和所述到达便捷性参数，计算所述乘坐便捷性参数。
可选地，所述出发便捷性参数为所述到达便捷性参数为/>
为所述客运方式在出发城市的车站到出发城市中心的距离，D出发为出发城市的城市半径；/>为所述客运方式在到达城市车站到到达城市中心的距离，D到达为到达城市的城市半径。
可选地，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式，具体为：
采用作为所述出行便捷性系数表达式；
其中，b为所述出行便捷性系数，为所述乘坐便捷性参数，α为所述第一待定系数。
可选地，所述广义成本包括乘坐对应所述客运方式从出发城市达到到达城市的票价成本，以及，乘坐对应所述客运方式产生的沉没成本。
可选地，基于所述出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式，包括：
基于所述出行便捷性系数表达式，第二待定参数，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式；
采用实际客流分担数据对所述客流分担模型表达式进行回归分析，确定所述第一待定系数的数值的同时，确定所述第二待定系数的数值。
另一方面，本申请提供一种构建城市间客流分担模型的装置，包括：
获取单元，用于获取各种客运方式由出发城市到到达城市的乘坐便捷性参数；
模型表达式构建单元，用于基于所述乘坐便捷性参数和第一待定系数，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式；基于所述出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式；以及，基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式；
模型构建单元，用于采用实际客流分担数据对所述客流分担模型表达式进行回归分析，确定所述第一待定系数的数值，以构建所述客流分担模型。
可选地，所述获取单元获取各种客运方式在出发城市的出发便捷性参数和在到达城市的到达便捷性参数，根据所述出发便捷性参数和所述到达便捷性参数，计算所述乘坐便捷性参数。
本申请提供的确定客流分担模型的方法和装置，采用表征某种客运方式在出发城市和到达城市小户型便捷性的出行便捷性参数对广义成本进行了修正，得到修正后的表征某一客运方式交通阻抗的交通阻抗表达式，再利用修正后的交通阻抗表达式构建客流分担模型。因为修正后的交通阻抗表达式引入了各种客运方式在出发城市和到达城市中乘坐便捷性的因素，所以构建的客流分担模型更符合实际情况，预测准确度更高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开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性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的确定城市间客流分担模型的方法流程图；
图2是本申请实施例提供的构建城市间客流分担模型的装置的结构示意图；
图3是本申请实施例提供的一种电子设备的结构示意图；
其中，11-获取单元，12-模型表达式构建单元，13-模型构建单元；21-处理器，22-存储器，23-通信接口，24-总线***。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
本申请实施例提供一种确定城市间客流分担模型方法，用于构建客流分担模型表达式，并利用实际客流分担数据，确定客流分担模型表达式中的待定参数，继而得到实际的客流分担模型。实际的客流分担模型可以为未来制定各种客运方式发展策略、规划各种客运吞吐量提供依据。
在对本申请实施例提供的构建城市间客流分担模型方法做分析前，首先对本申请实施例中的一些术语涵义做解释。
本申请实施例中，客运方式是指高速列车、普通列车、飞机、轮船或者长途汽车等中长途公共交通运输方式。采用城市市内公共交通在城市内通勤并不被认定本申请实施例中的客运方式；如果实际应用中采用家用小轿车进行长途出行，则家用小轿车在城市间主干公路时的状态被认定为被申请实施例中的客运方式，而家用小轿车在从城市内到达城市间主干道路是的状态不被认定客运方式(此时被认为是在城市内通勤)。
本申请实施例中提及的城市是相互之间距离较远的，不能通过短途运营方式运载乘客，而是需要依靠前述客运方式运载乘客，实现人员流动的人口聚居区。
为了方便管理和乘客的聚集，城市中设置各种客运方式站点(例如火车站、客运枢纽站、飞机场、城市间主干公路入口)；站点可能设置在在城市内，也可能设置在城市边缘。
例如，北京和天津两个大型城市之间并不能由公交线路、地铁线路直接连通；乘客如果需要从北京去天津，可能选择的客运方式包括：乘坐高速铁路(对应的出发客运站点为北京南站)、乘坐普速列车(对应的出发客运站点为北京站)、乘坐长途客车(对应的出发客运站点为八王坟长途客运站)，或者自驾出行(对应的出发站点为京沪高速或者京沪第二高速的起点)。
为了采用前述客运方式，乘客需要从行程起点乘坐市内交通工具或者搭乘私人小客车到达对应出发的客运站点，以及乘坐市内交通工具或者搭乘私人小客车从到达城市的客运站点到达行程终点。
图1是本申请实施例提供的确定城市间客流分担模型的方法流程图；如图1所示，本申请实施例提供的方法包括步骤S101-S105。
S101：获取各种客运方式由出发城市到到达城市的乘坐出行便捷性参数。
乘坐便捷性参数是表示乘客采用某种客运方式便捷性的参数，其直接和相应客运方式在出发城市和到达城市的位置特性或者交通便捷性特性相关。本申请实施例中，乘坐便捷性参数并不是用于表征乘坐前文中提及客运方式本身的便捷性，而是表征乘客为了采用前述中长途客运方式在城市内通勤的便捷性。
从路程划分的角度考虑，乘客中长途出行路程可以分为三个阶段：(1)从行程起点到出发城市客运站点；(2)从出发城市客运站点到到达城市客运站点；(3)从到达城市客运站点到达行程终点。
乘坐便捷性参数是用于表示前段中(1)和(3)特征情况的参数，即表征乘客从行程起点到出发城市客运站点，以及从到达城市客运站点到行程终点便捷性的参数。
因为乘坐便捷性参数直接反应了乘客到达出发城市客运站点、离开到达城市客运站点的便利性，所以其影响乘客对乘坐客运方式的选择。
本申请实施例应用中，获取乘坐便捷性参数的方法可以包括：分别获取客运方式在出发城市的出发便捷性参数，在到达城市的到达便捷性参数；根据出发便捷性参数和到达便捷性参数计算乘坐便捷性参数。
例如，在一个具体应用中，考虑到前述(1)和(3)两种情况是互不干扰的，因此可以采用计算得到乘坐便捷性参数/>其中/>为出发便捷性参数，/>为达到便捷性参数。
在另外一个具体应用中，考虑到乘客对到达城市并不熟悉，可能无法预估各种客运方式在到达城市的到达出行便捷性系数，并不考虑各种客运方式在到达城市的便捷性，因此可以直接采用出发便捷性参数作为乘坐便捷性参数/>
本申请实施例具体应用中，确定出发便捷性参数和到达便捷性参数/>得到的方法有如下几种。
第一种
出发便捷性参数可以采用第一距离d出发和出发城市的城市半径D出发比值确定。第一距离d出发为某一客运方式在出发城市车站到出发城市中心的距离。
目前，大部分城市都是以某一中心为基准，采用放射性方式建设；中心区域部分人口密度大，边缘区域人口密度小。某一客运方式车站设置地越是靠近城市中心，对大部分乘客来说到达此车站的便捷性越高；相反地，某一客运方式车站设置地越是远离城市中心，对大部分乘客来说到达此车站的便捷性越差。基于此现状，本申请实施例具体应用中可以以出发城市的城市半径D出发为参照，以客运车站距离城市中心的距离和D出发进行比较，确定出发便捷性参数。
第二种
出发便捷性参数可以采用从出发城市中心到客运车站的典型代表时间表示。
以北京为例，虽然首都国际机场距离北京中心区域的距离较远，但是因为有地铁机场线直接连接东直门交通枢纽和首都机场，其他交通枢纽和首都机场间有机场大巴通勤，实际从市内各地到达首都国际机场的时间较短，考虑这一时间原因，乘客也可能认为到达首都国际机场较为便捷。因此出发城市中心到客运车站的典型路程时间作为出发便捷性参数是合理的。
对应前述确定出发便捷性参数的方法，确定到达便捷性参数/>的方法也可以有两种。第一种是采用第二距离d到达和到达城市的城市半径D到达的比值作为到达便捷性参数/>第二距离为某一客运方式在到达城市车站到到达城市中心的距离。第二种是采用到达城市中心到到达城市客运车站的典型路程时间确定。
应当注意的是，前文中提及的城市中心可以是城市的形心，也可以是城市最为繁华、交通最为便利的位置；具体应用中，城市中心设定根据城市的形状、城市的道路交通状况和市内交通布局确定。
S102：基于乘坐便捷性系数和第一待定系数，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式。
出行便捷性系数是基于已经确定的乘坐出行便捷性参数和一未知的第一待定系数，构建出的表征某一客运方式由出发城市到到达城市的便捷性的系数。
在本申请实施例的一个应用中，出行便捷性系数可以采用计算，其中b为出行便捷性系数，α为第一待定系数。本申请实施例其他应用也可以采用其他算法公式，基于第一待定系数和乘坐便捷性参数，构建出行便捷性系数表达式。
S103：基于出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式。
交通阻抗是表征一客运方式被乘客选择可能性的特征参数。交通阻抗越大，其被乘客选择的可能性就越小；某一客运方式的交通阻抗与此客运方式的广义成本、此客运方式的出行便捷程度有关。
本申请实施例一些应用中，可以采用r＝R·b表示交通阻抗表达式；其中，r为某一客运方式的由出发城市到到达城市的交通阻抗，R为某一客运方式由出发城市到到达城市的广义成本。在其他应用中，也可以采用其他可能的运算方式构建采用出行便捷性系数表达式和广义成本，构建交通阻抗表达式。
广义成本R是指采用对应客运方式从出发城市到到达城市乘客付出的成本。广义成本至少包括乘坐某一客运方式的车票费用成本。
针对不同的情况，本申请实施例中确定广义成本的方式不同。
在某些情况下，例如在工作日出行的情况下，乘客可能还占用正常工作时间出行而影响收入，此类收入作为出行时的沉没成本也可以作为广义成本的一部分使用。即在一些情况下，广义成本除了包括车票费用成本外，还包括乘客乘坐对应客运方式产生的沉没成本；沉没成本可以采用对应时间段可以产出的经济效益表示，例如可以采用对应时间段用于生产可产出的GDP表示。
在另外一些情况下，例如在节假日或者正常工作日非工作时间段(例如19点-22点时间段)，常规情况下此时间段客户并不工作而产生经济效益，此时广义成本可以仅为车票费用成本。
S104：基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式。
本申请实施例中，客流分担表达式可以采用Logit模型，确定客流分担模型表达式。
在本申请实施例一个引用中，基于传统的Logit模型进行改进，得到客流分担模型表达式其中β为第二待定系数，Pk为从出发城市到到达城市采用第k种客运方式的分担份额。
在本申请实施例其他应用中，也可以采用其他数学计算方法确定客流分担模型表达式。引入的除第一待定系数外的其他待定系数的数量可以是一个，也可以是0个或者多个。
S105：采用实际客流分担数据对客流分担模型表达式进行回归分析，确定待定系数的数值，以构建客流分担模型。
步骤S105中采用回归分析方法，以多个城市之间的实际客流分担数据为依据，计算前述的第一待定系数(在某些情况下，包括计算第二待定系数)，以最终确定客流分担模型的过程。
在确定待定参数后，即可以构建出基于实际客流的客流分担模型。
结合前述S101-S105的分析，本申请实施例提供的确定客流分担模型的方法，采用表征某种客运方式在出发城市和到达城市小户型便捷性的出行便捷性参数对广义成本进行了修正，得到修正后的表征某一客运方式交通阻抗的交通阻抗表达式，再利用修正后的交通阻抗表达式构建客流分担模型。
修正后的交通阻抗表达式引入了各种客运方式在出发城市和到达城市中乘坐便捷性的因素，使得客流分担模型更符合实际情况；相应的，基于此构建的客流分担模型也更为准确。
以下以一实际应用为例，对本申请提供的构建客流分担模型的方法做介绍。在一个实际应用中统计了沈阳、长春和哈尔滨三个城市的相关数据，分别如表1-表5。请注意，因为三个城市之间距离等特点，轨道交通是三个城市间最为重要的公共交通运行方式，所以具体应用中仅构建了轨道交通的客流分担模型，其中轨道交通包括普速铁路和高速铁路。
表1：沈阳、长春、哈尔滨间普速及高铁客流量(万人/年)
表2：沈阳、长春、哈尔滨间普速及高铁客流分担比例
OD 普速 高铁 合计
长春-哈尔滨 57.5％ 42.5％ 100％
沈阳-哈尔滨 60.9％ 39.1％ 100％
沈阳-长春 54.2％ 45.8％ 100％
表3：沈阳、长春、哈尔滨间普速及高铁广义费用(R)表(亿元)
表4：沈阳、长春、哈尔滨普速及高铁车站距离表(km)
车站 与城市中心距离 车站 与城市中心距离
哈尔滨站 2.9 哈尔滨西站 7.8
长春站 2.6 长春西站 10.0
沈阳站 2.4 沈阳北站 2.2
表5：沈阳、长春、哈尔滨城市半径表(km)
城市 城市半径
哈尔滨 22.6
长春 31.0
沈阳 15.6
根据前文S101-S105表述，首先分别计算普客、高铁在三个城市的出发便捷性参数、到达便捷性参数，继而确定出行便捷性系数；各种数据如表6。
表6：乘坐便捷性参数计算表
根据表6数据，构建普速和高铁的出行便捷性参数表达式如表7。
表7出行便捷性系数表达式表
O\D 普速 高铁
沈阳-长春 b＝1+α×e-0.2373 b＝1+α×e-0.4631
沈阳-哈尔滨 b＝1+α×e-0.2819 b＝1+α×e-0.4861
长春-哈尔滨 b＝1+α×e-0.2124 b＝1+α×e-0.6680
根据表7，构建普速和高铁的交通阻抗表达式如表8。
表8交通阻抗表达式表
O\D 普速 高铁
沈阳-长春 r＝6.0×(1+α×e-0.2373) r＝8.0×(1+α×e-0.4631)
沈阳-哈尔滨 r＝7.7×(1+α×e-0.2819) r＝9.1×(1+α×e-0.4861)
长春-哈尔滨 r＝2.8×(1+α×e-0.2124) r＝3.3×(1+α×e-0.6680)
长春-沈阳 r＝5.9×(1+α×e-0.2373) r＝8.1×(1+α×e-0.4631)
哈尔滨-沈阳 r＝7.9×(1+α×e-0.2819) r＝8.1×(1+α×e-0.4861)
哈尔滨-长春 r＝2.9×(1+α×e-0.2124) r＝3.4×(1+α×e-0.6680)
根据表8数据，可以分别确定沈阳-长春、沈阳-哈尔滨和长春-哈尔滨的客流分担模型表达式。
随后利用表2中数据和三个客流分担模型表达式进行运算，可以得到第一待定系数和第二待定系数的值。具体计算过程如下。
根据可得/> i代表某一出发城市，j代表某一到达城市；
则
针对两边取对数，得到
令ln(Pij普/Pij高)为Dij，(Rij高-Rij普)为Rij，为Bij，则Dij/β＝Rij+αBij；
Dij、Rij和Bij均可以通过表中数据计算得到；则根据三个城市之间的客流分担比例数据，采用回归分析，可以确定α＝1.3597，β＝1.5550。在确定α和β后，即可以确定客流分担模型的完整表达式。
除了提供前述的构建城市间客流分担模型的方法外，本申请实施例还提供一种构建城市间客流分担模型的装置。
图2是本申请实施例提供的构建城市间客流分担模型的装置的结构示意图。如图2所示，装置包括获取单元11、模型表达式构建单元12和模型构建单元13。
获取单元11用于获取各种客运方式由出发城市到到达城市的乘坐便捷性参数。
乘坐便捷性参数是表示乘客采用某种客运方式便捷性的参数，其直接和相应客运方式在出发城市和到达城市的位置特性或者交通便捷性特性相关。本申请实施例中，乘坐便捷性参数并不是用于表征乘坐前文中提及客运方式本身的便捷性，而是表征乘客为了采用前述中长途客运方式在城市内通勤的便捷性。
因为乘坐便捷性参数直接反应了乘客到达出发城市客运站点、离开到达城市客运站点的便利性，所以其影响乘客对乘坐客运方式的选择。
本申请实施例应用中，获取乘坐便捷性参数的方法可以包括：分别获取客运方式在出发城市的出发便捷性参数，在到达城市的到达便捷性参数；根据出发便捷性参数和到达便捷性参数计算乘坐便捷性参数。
例如，在一个具体应用中，因此可以采用计算得到乘坐便捷性参数其中/>为出发便捷性参数，/>为达到便捷性参数。在另外一个具体应用中，乘客对到达城市并不熟悉，可能无法预估各种客运方式在到达城市的到达出行便捷性系数，因此可以直接采用出发便捷性参数/>作为乘坐便捷性参数/>
本申请实施例具体应用中，确定出发便捷性参数和到达便捷性参数/>得到的方法有如下几种。
第一种：出发便捷性参数可以采用第一距离d出发和出发城市的城市半径D出发比值确定，到达便捷性参数/>采用第二距离d到达和到达城市的城市半径D到达的比值确定。第一距离d出发为某一客运方式在出发城市车站到出发城市中心的距离，第二距离为某一客运方式在到达城市车站到到达城市中心的距离。
第二种：出发便捷性参数可以采用从出发城市中心到客运车站的典型代表时间表示。
模型表达式构建单元12用于执行如下操作：
(1)基于乘坐便捷性参数和第一待定系数，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式。
出行便捷性系数是基于已经确定的乘坐出行便捷性参数和一未知的第一待定系数，构建出的表征某一客运方式由出发城市到到达城市的便捷性的系数。
在本申请实施例的一个应用中，出行便捷性系数可以采用计算，其中b为出行便捷性系数，α为第一待定系数。本申请实施例其他应用也可以采用其他算法公式，基于第一待定系数和乘坐便捷性参数，构建出行便捷性系数表达式
(2)基于出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本，构建交通阻抗表达式。
交通阻抗是表征一客运方式被乘客选择可能性的特征参数。交通阻抗越大，其被乘客选择的可能性就越小；某一客运方式的交通阻抗与此客运方式的广义成本、此客运方式的出行便捷程度有关。
本申请实施例一些应用中，可以采用r＝R·b表示交通阻抗表达式；其中，r为某一客运方式的由出发城市到到达城市的交通阻抗，R为某一客运方式由出发城市到到达城市的广义成本。在其他应用中，也可以采用其他可能的运算方式构建采用出行便捷性系数表达式和广义成本，构建交通阻抗表达式。
广义成本R是指采用对应客运方式从出发城市到到达城市乘客付出的成本。广义成本至少包括乘坐某一客运方式的车票费用成本。
针对不同的情况，本申请实施例中确定广义成本的方式不同。
在某些情况下，例如在工作日出行的情况下，乘客可能还占用正常工作时间出行而影响收入，此类收入作为出行时的沉没成本也可以作为广义成本的一部分使用。即在一些情况下，广义成本除了包括车票费用成本外，还包括乘客乘坐对应客运方式产生的沉没成本；沉没成本可以采用对应时间段可以产出的经济效益表示，例如可以采用对应时间段用于生产可产出的GDP表示。
在另外一些情况下，例如在节假日或者正常工作日非工作时间段(例如19点-22点时间段)，常规情况下此时间段客户并不工作而产生经济效益，此时广义成本可以仅为车票费用成本。
(3)基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式。
本申请实施例中，客流分担表达式可以采用Logit模型，确定客流分担模型表达式。
在本申请实施例一个引用中，基于传统的Logit模型进行改进，得到客流分担模型表达式其中β为第二待定系数，Pk为从出发城市到到达城市采用第k种客运方式的分担份额。
在本申请实施例其他应用中，也可以采用其他数学计算方法确定客流分担模型表达式。引入的除第一待定系数外的其他待定系数的数量可以是一个，也可以是0个或者多个。
模型构建单元13用于采用实际客流分担数据对所述客流分担模型表达式进行回归分析，确定所述第一待定系数的数值，以构建所述客流分担模型。当然，在构建的客流分担模型表达式包括除第一待定系数外的其他待定系数外，模型构建单元13还用于计算其他的待定系数。
本申请实施例提供的确定客流分担模型的装置，采用表征某种客运方式在出发城市和到达城市小户型便捷性的出行便捷性参数对广义成本进行了修正，得到修正后的表征某一客运方式交通阻抗的交通阻抗表达式，再利用修正后的交通阻抗表达式构建客流分担模型。修正后的交通阻抗表达式引入了各种客运方式在出发城市和到达城市中乘坐便捷性的因素，使得客流分担模型更符合实际情况；相应的，基于此构建的客流分担模型也更为准确。
本申请实施例还提供一种电子设备和一种计算机可读存储介质
图3是本申请实施例提供的一种电子设备的结构示意图。电子设备可用于构建城市间客流分担模型。
如图3所示，电子包括至少一个处理器21、至少一个存储器22、至少一个通信接口23和总线***24；通信接口23用于实现电子设备内各个组件与外部设备之间的信息传输。
处理器21、存储器23和通信接口23通过总线***24耦合在一起。总线***24除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图3中将各种总线都标为总线***24。
本申请实施例中的存储器22可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。在一些实施方式中，存储器22存储了如下的元素：可执行单元或者数据结构，或者他们的子集，或者他们的扩展集，操作***和应用程序。
操作***包含各种***程序，例如框架层、核心库层、驱动层等，用于实现各种基础任务以及处理基于硬件的任务。应用程序包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用任务。实现本申请实施例提供的构建城市间客流分担模型的方法的程序可以包含在应用程序中。
在本申请实施例中，处理器21通过调用存储器22存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器21用于执行本申请实施例提供的构建城市间客流分担模型方法各实施例的步骤。
本申请实施例提供的构建城市间客流分担模型的方法可以应用于处理器21中，或者由处理器21实现。处理器21可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器21中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器21可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例提供的构建城市间客流分担模型的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器22，处理器21读取存储器22中的信息，结合其硬件完成方法的步骤。
本申请实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行构建城市间客流分担模型方法各实施例的步骤，为避免重复描述，在此不再赘述。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种构建城市间客流分担模型的方法，其特征在于，包括：
获取各种客运方式由出发城市到到达城市的乘坐便捷性参数，所述乘坐便捷性参数是表示乘客采用某种客运方式在城市内通勤便捷性的参数，包括：获取各种客运方式在出发城市的出发便捷性参数和在到达城市的到达便捷性参数，所述出发便捷性参数为所述到达便捷性参数为/> 为所述客运方式在出发城市的车站到出发城市中心的距离，D出发为出发城市的城市半径；/>为所述客运方式在到达城市车站到到达城市中心的距离，D到达为到达城市的城市半径；将所述出发便捷性参数和所述到达便捷性参数相加，得到所述乘坐便捷性参数；
基于所述乘坐便捷性参数和第一待定系数，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式，所述出行便捷性系数表达式为其中b为所述出行便捷性系数，α为所述第一待定系数，/>为所述乘坐便捷性参数；
基于所述出行便捷性系数表达式b，以及对应客运方式由出发城市到到达城市的广义成本R，构建交通阻抗表达式r＝R·b，所述广义成本为采用对应客运方式从出发城市到到达城市乘客付出的成本，所述交通阻抗表达式是表征一客运方式被乘客选择可能性的表达式；
基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式，包括：采用Logit模型构建所述客流分担模型表达式；
采用实际客流分担数据对所述客流分担模型表达式进行回归分析，确定所述第一待定系数的数值，以构建所述客流分担模型。
2.根据权利要求1所述的方法，其特征在于，
所述广义成本包括乘坐对应所述客运方式从出发城市达到到达城市的票价成本，以及，乘坐对应所述客运方式产生的沉没成本。
3.一种构建城市间客流分担模型的装置，其特征在于，包括：
获取单元，用于获取各种客运方式由出发城市到到达城市的乘坐便捷性参数，所述乘坐便捷性参数是表示乘客采用某种客运方式在城市内通勤便捷性的参数，包括：获取各种客运方式在出发城市的出发便捷性参数和在到达城市的到达便捷性参数，所述出发便捷性参数为所述到达便捷性参数为/> 为所述客运方式在出发城市的车站到出发城市中心的距离，D出发为出发城市的城市半径；/>为所述客运方式在到达城市车站到到达城市中心的距离，D到达为到达城市的城市半径；将所述出发便捷性参数和所述到达便捷性参数相加，得到所述乘坐便捷性参数；
模型表达式构建单元，用于基于所述乘坐便捷性参数和第一待定系数，构建各种客运方式由出发城市到到达城市的出行便捷性系数表达式，所述出行便捷性系数表达式为其中b为所述出行便捷性系数，α为所述第一待定系数，/>为所述乘坐便捷性参数；基于所述出行便捷性系数表达式，以及对应客运方式由出发城市到到达城市的广义成本R，构建交通阻抗表达式r＝R·b，所述广义成本为采用对应客运方式从出发城市到到达城市乘客付出的成本，所述交通阻抗表达式是表征一客运方式被乘客选择可能性的表达式；以及，基于各种客运方式的交通阻抗表达式，构建由出发城市到到达城市的客流分担模型表达式，包括：采用Logit模型构建所述客流分担模型表达式；
模型构建单元，用于采用实际客流分担数据对所述客流分担模型表达式进行回归分析，确定所述第一待定系数的数值，以构建所述客流分担模型。
4.一种电子设备，其特征在于，包括处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至2任一项所述方法的步骤。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至2任一项所述方法的步骤。
CN202010932710.3A 2020-09-08 2020-09-08 构建城市间客流分担模型的方法和装置 Active CN112149059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010932710.3A CN112149059B (zh) 2020-09-08 2020-09-08 构建城市间客流分担模型的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010932710.3A CN112149059B (zh) 2020-09-08 2020-09-08 构建城市间客流分担模型的方法和装置

Publications (2)

Publication Number Publication Date
CN112149059A CN112149059A (zh) 2020-12-29
CN112149059B true CN112149059B (zh) 2023-12-19

Family

ID=73890747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010932710.3A Active CN112149059B (zh) 2020-09-08 2020-09-08 构建城市间客流分担模型的方法和装置

Country Status (1)

Country Link
CN (1) CN112149059B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117313335B (zh) * 2023-09-14 2024-07-19 壬通交通科技发展(上海)有限公司 基于数字孪生的智慧城市组件化构建方法及构建平台
CN117745108B (zh) * 2024-02-20 2024-05-07 中国民用航空飞行学院 一种先进空中交通的客流需求预测方法和***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208033A (zh) * 2013-03-22 2013-07-17 北京交通大学 一种成网条件下城市轨道交通新线接入客流预测方法
JP2016177425A (ja) * 2015-03-19 2016-10-06 公益財団法人鉄道総合技術研究所 プログラム及び抽出装置
CN109214577A (zh) * 2018-09-18 2019-01-15 交通运输部科学研究院 一种综合运输通道客运分担率预测方法
CN110119845A (zh) * 2019-05-11 2019-08-13 北京京投亿雅捷交通科技有限公司 一种轨道交通客流预测的应用方法
CN111401614A (zh) * 2020-03-09 2020-07-10 西南交通大学 一种城市轨道交通动态客流分配方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103208033A (zh) * 2013-03-22 2013-07-17 北京交通大学 一种成网条件下城市轨道交通新线接入客流预测方法
JP2016177425A (ja) * 2015-03-19 2016-10-06 公益財団法人鉄道総合技術研究所 プログラム及び抽出装置
CN109214577A (zh) * 2018-09-18 2019-01-15 交通运输部科学研究院 一种综合运输通道客运分担率预测方法
CN110119845A (zh) * 2019-05-11 2019-08-13 北京京投亿雅捷交通科技有限公司 一种轨道交通客流预测的应用方法
CN111401614A (zh) * 2020-03-09 2020-07-10 西南交通大学 一种城市轨道交通动态客流分配方法及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于 TransCAD 的轨道交通客流预测与分析;刘环宇;《铁道建筑技术》;278-279,284 *
基于Logit模型的京石通道客流分担率预测;郭倩倩 等;《物流技术》;第37卷(第07期);69-72 *

Also Published As

Publication number Publication date
CN112149059A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN106504577B (zh) 一种停车换乘出行路线规划方法及装置
US8738289B2 (en) Advanced routing of vehicle fleets
CN106651728B (zh) 一种综合运输体系客运方式优势运距的确定方法
CN112149059B (zh) 构建城市间客流分担模型的方法和装置
US10255807B1 (en) Method and apparatus for providing a map data update based on region-specific data turbulence
CN103530694B (zh) 基于时空网络构建的城市地铁动态客流分配方法
CN105654721B (zh) 一种采用公交ic卡和车载gps数据计算公交od量的方法
CN109102114B (zh) 一种基于数据融合的公交出行下车站点估计方法
CN107590239B (zh) 一种基于ic卡数据测定地铁站点公共自行车接驳半径的方法
CN112070372A (zh) 基于区间不确定性的公交客流分配方法、***、存储介质
CN111047858A (zh) 一种融合算法的公交客流出行od确定方法及装置
CN110222884B (zh) 基于poi数据和客流量的车站可达性评估方法
Bhatt et al. GIS and gravity model-based accessibility measure for Delhi metro
CN115496316A (zh) 一种基于多源数据的公交线路客流动态分配方法
Tsioulianos et al. How do passenger and trip attributes affect walking distances to bus public transport stops? Evidence from university students in Greece
JP7227862B2 (ja) ポート開設場所提案装置
CN113139765A (zh) 基于时态网络的物流推荐方法、装置及计算设备
CN117146848A (zh) 路径规划方法、装置及电子设备
CN109325617B (zh) 一种城市交通状态预测方法及装置
CN115083198B (zh) 一种多车运力资源调度方法及装置
CN114724414B (zh) 城市空中交通分担率的确定方法、装置、电子设备及介质
CN113420439B (zh) 综合交通承载力计算方法、装置、计算机设备及存储介质
Nasiboglu et al. Origin-destination matrix generation using smart card data: Case study for Izmir
CN111047167B (zh) 线路数据处理方法、装置、设备和存储介质
CN110567473B (zh) 一种公交路径确定方法和***

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