CN115497326A - 一种多模式公交出行路径规划方法 - Google Patents
一种多模式公交出行路径规划方法 Download PDFInfo
- Publication number
- CN115497326A CN115497326A CN202211454933.9A CN202211454933A CN115497326A CN 115497326 A CN115497326 A CN 115497326A CN 202211454933 A CN202211454933 A CN 202211454933A CN 115497326 A CN115497326 A CN 115497326A
- Authority
- CN
- China
- Prior art keywords
- subway
- bus
- station
- time
- transfer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012546 transfer Methods 0.000 claims abstract description 177
- 239000002131 composite material Substances 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 12
- 239000011541 reaction mixture Substances 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多模式公交出行路径的规划方法,基于公交和地铁站点及线路数据分别构建公交及地铁的无权有向网络;运用空间连接方法以及智能地图API搜索地铁站点一定范围内的公交站点,建立地铁‑公交复合无权有向网络;基于公交地铁历史进出站数据以及发车间隔数据,计算各站段边以及各换乘边的平均行驶时间和平均换乘时间作为网络权重,构建建立地铁‑公交复合加权有向网络。以乘客的出行时间、出行OD以及出行偏好作为输入,建立出行路径规划模型,并运用改进的Dijkstra算法求解乘客的最优出行路径。本发明基于乘客的偏好特性,快速的规划出行者的多模式出行路径,缩短出行时间,提高乘客的整体公交出行体验。
Description
技术领域
本发明涉及一种多模式公交出行路径规划方法,属于公共交通出行路径规划技术领域。
背景技术
随着我国大中型城市的土地开发强度以及人口密度的日益增高,以私人交通为主导的交通模式所带来的交通拥堵以及环境污染问题已无法支撑城市未来的健康可持续发展。降低小汽车使用强度,引导公众出行选择集约化运输方式是我国当前推进绿色出行发展的首要任务。
在此背景下,如何打造多模式的公交出行***,构建相互配合、分工合理的公共交通网络,保证各类公共出行方式之间的快速换乘、无缝衔接对于提升公共交通***的整体服务水平以及公交分担率至关重要。
在多模式公交***中,地铁具有速度快、运量大、准点率高等特性,可以作为城市公共交通的骨架网络服务于居民中长线路的出行;常规公交具有覆盖面广、通达性高、出行成本低等特点,可以作为城市公共交通的主干网络服务于居民的中短距离出行;两者在运行模式上都采用定点定线的服务模式,功能上相辅相成,在实际运营中占据了公共交通出行的绝大部分比例。因此,对这两种出行模式下的复合网络构建以及出行路径组合规划对实际出行者而言具有十分重要的实际应用价值。
现有的多模式公交出行路径规划方法主要存在两点问题:一是在多模式复合网络构建的过程中往往做出的较多不符合实际的假设,包括:(1)不考虑复合网络上下行线路的差异将网络抽象为无向网络;(2)不考虑各线路在实际运行过程中运行速度的时变特性而将网络中边的权重设为恒定值;(3)不考虑实际的步行换乘距离以及车辆发车间隔而假设换乘时间恒定。以上不合理的假设导致在实际路径规划过程中规划结果偏离实际,并且无法及时地针对实际运行过程中发生的变化做出及时的路径方案调整。二是现有的路径规划模型往往只针对单个目标的优化,如:总出行距离最短、总出行时间最少等,无法结合出行者点当前的出行时间和出行偏好给出更加个性化出行方案组合。因此,本领域技术人员亟需解决当前多模式公交出行路径规划中的技术问题。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种多模式公交出行路径规划方法,辅助出行者进行多模式出行路径规划,缩短出行时间,提升公交出行体验。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种多模式公交出行路径的规划方法,包括以下步骤:
步骤1:获取公交和地铁站点及线路数据,考虑公交、地铁线路上下行线路的差异性,分别构建公交及地铁的无权有向网络。
步骤2:运用空间连接方法以及智能地图API搜索地铁站点一定范围内的公交站点,基于实际路网条件下的步行距离,筛选地铁站点一定范围内的公交站点,建立地铁-公交复合无权有向网络。
步骤3:基于公交、地铁历史进出站数据,考虑各线路在各时段运行速度的时变特性,提取公交、地铁站段间的不同时间区间的平均行驶时间,作为地铁-公交复合无权有向网络中站段边的行驶时间权重。
步骤4:基于公交、地铁各时段的历史发车间隔数据,考虑各线路在各时段发车间隔的时变特性,计算各线路之间的平均换乘时间,作为地铁-公交复合无权有向网络相同交通方式换乘边的换乘时间权重。
步骤5:基于公交、地铁各时段的历史发车间隔数据以及公交与地铁站点之间的步行距离,计算公交、地铁站点之间的平均换乘时间,作为地铁-公交复合无权有向网络中不同交通方式间换乘边的换乘时间的权重。
步骤6:为地铁-公交复合无权有向网络中各连边赋值,建立地铁-公交复合加权有向网络。
步骤7:基于所构建的地铁-公交复合加权有向网络,以乘客的出行时间、出发站点、目的地站点作为输入,综合考虑乘客在出行时间、换乘次数、步行时间以及出行费用方面的偏好,建立出行路径规划模型。
步骤8:采用改进的Dijkstra算法求解出行路径规划模型,输出多模式公交出行路径。
作为优选方案,所述步骤2搜索地铁站点一定范围内的公交站点,具体方法为:
步骤2.1:将包含经纬度信息以及所属线路信息的地铁站点和公交站点数据集导入到python中,文件格式为GeoDataFrame。
步骤2.2:对两个数据集的坐标系进行转换,由原先由经纬度坐标表示的WGS84坐标系转化为墨卡托坐标系。
步骤2.4:对两个数据集的坐标系进行转换,由墨卡托坐标系示转化为智能地图坐标系。
步骤2.5:调用智能地图API计算与中每一个公交站点的实际步
行距离,若智能地图API计算的站点间步行距离大于半径r,则将相应的公交站点剔除集合。最后仅保留实际站点间步行距离小于r的空间映射关系。从实际站点间步行距离
小于r的空间映射关系中获得地铁站点与公交站点的换乘边集合。
作为优选方案,所述步骤3中公交及地铁站段间的不同时间区间的平均行驶时间提取方法表示为:
对于公交网络,获取各线路历史进出站数据,该数据包含公交车辆在线路上到达
每一站点的时间。按线路提取公交车辆在线路上到达每一站点的到站时间,计算各站点间
的行程时间;建立与公交线路的站段边集合一一对应的平均行程时间数据集合;用于表征公交网络中各站段之间的时间权重,包含每个时间区间的站点行程时间的平
均值, t为划分时间区间的标号。
作为优选方案,所述步骤4计算相同交通方式换乘边的换乘时间的计算方式表示为:
对于公交网络,获取各线路的历史发车时间数据,针对公交网络中的换乘边集合,构建对应的平均换乘时间权重集合;用于表征公交网络中具有相同站名的
不同线路之间的换乘时间权重;包含每个时间区间的站点换乘时间的平均值,t为
划分时间区间的标号;针对t时间区间内任意一条边的平均换乘时间数据,表示换乘前的站点,表示换乘后的站点,计算公式如下:
式(1)中,表示所属的公交线路;表示在t时间区间内公
交线路发车时间间隔实测数据的平均值;为t时间区间内公交线路发车时间间隔的标准偏差系数,等于在t时间区间内公交线路发车时间间隔
实测数据的标准差除以发车时间间隔实测数据的平均值。
对地铁网络执行同样的操作,得到与地铁线路换乘边集合所对应的各时段
的平均换乘时间数据集合;包含每个时间区间的站点换乘时间的平均值 ;针对t时间区间内任意一条边的平均换乘时间数据,表示换乘前的站点,表示换乘后的站点,计算公式如下:
式(2)中,表示所属的地铁线路;表示在t时间区间内
地铁线路发车时间间隔实测数据的平均值;为t时间区间内地铁线路发车时间间隔的标准偏差系数,等于在t时间区间内地铁线路发车时间间
隔实测数据的标准差除以发车时间间隔实测数据的平均值。
作为优选方案,所述步骤5中不同交通方式间换乘边的换乘时间计算方式表示为:
针对地铁站点与公交站点的换乘边集合,构建对应的平均换乘时间权重
集合;用于表征地铁-公交复合网络中公交站点换乘步行半径范围内地
铁站点或者地铁站点换乘步行半径范围内公交站点的换乘时间权重;包含每个时
间区间的站点换乘时间的平均值, t为划分时间区间的标号;针对t时间区间内任
意一条边的平均换乘时间数据,表示换乘前的公交站
点,表示换乘后地铁站点,计算公式如下:
作为优选方案,所述步骤6地铁-公交复合加权有向网络表示为:
,其中,表征所有的公交和地铁站点集
合;,表征所有的公交及地铁的站段边集
合以及换乘边集合; ,表征边集E中每
条边的时间权重;表示所有公交站集合,表示所有地铁站集合,表示所有公
交线路的站段边集合,表示公交线路的换乘边集合,表示所有地铁线路的站段
边集合,表示所有地铁线路的换乘边集合,表示地铁站点与公交站点的换
乘边集合,表示公交网络中各站段之间的时间权重,表示地铁网络中各站段之
间的时间权重,表示公交网络中具有相同站名的不同线路之间的换乘时间权重,表示地铁网络中具有相同站名的不同线路之间的换乘时间权重,用于表
征地铁-公交复合网络中公交站点换乘步行半径范围内地铁站点或者地铁站点换乘步行半
径范围内公交站点的换乘时间权重。
所述步骤7出行路径规划模型可以表示为:
s.t.
在式(5)中,优化目标为出行效用最低,出行效用由四部分构成,包括:乘客的总出
行时间、乘客的换乘成本、乘客的步行时间成本、以及乘客的出行费用成本。、、分别
对应换乘成本权重、步行时间权重、出行费用权重;表示最优出行路径中是否包含边(i,j),若包含边(i,j),则的值为1,否则的值为0;表示边(i,j)在t时间区间内时间
权重;表示公交与地铁换乘过程中的步行距离;为步行速度;为地铁的
票价计算函数;为公交的票价计算函数;式(6)表示出行路径的首站必须是乘客的
出发站点();式(7)表示出行路径的末站必须是乘客的出目的地站点();式
(8)表示,若出行路径包含站点j,则其入度和出度均为1,否则,均为0;式(9)表示的取值
范围为0或者1。
作为优选方案,所述步骤8采用改进的Dijkstra 算法对出行路径规划模型进行求解,包括如下步骤:
有益效果:本发明提供的一种多模式公交出行路径规划方法,本发明针对当前路径规划方法对出行时间时变特性以及出行者个性化需求考虑的不足,通过对公共交通历史数据的深入挖掘,基于超级网络理论构建了地铁-公交复合加权有向网络,并在此基础上建立了多模式公交出行路径的规模模型和求解算法。
本发明可以基于出行者当前的出行时间和个性化需求给出最优公交出行路径,从而快速的规划出行者的多模式公交出行路径,提高乘客的整体公交出行体验并使得整体网络出行分布更加均衡。
这种基于历史数据的路径规划方法的相比于当前基于实时数据的地图软件服务所需要的数据资源更少,无需车辆的实时定位数据以及路况数据,可作为一种离线的出行导航方式对实际出行导航进行补充,也可用于与公交出行路径规划相关软件与仿真***当中,同时也可以用于验证新线路开设、原有线路调整以及公交时刻表调整等对乘客出行选择以及整体多模式公交出行客流分布的影响。
附图说明
图1是本发明方法流程图。
图2是本发明实施例中的公交及地铁无权有向网络示意图。
图3是本发明中的地铁站点一定范围内的公交站点识别方法图。
图4是本发明实施例中的地铁-公交复合无权有向网络示意图。
图5是本发明实施例中模型输入输出示意图。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
一种多模式公交出行路径的规划方法,包括以下步骤:
步骤1:获取公交和地铁站点及线路数据,考虑公交、地铁线路上下行线路的差异性,分别构建公交及地铁的无权有向网络。
步骤2:运用空间连接方法以及智能地图API搜索地铁站点一定范围内的公交站点,基于实际路网条件下的步行距离,筛选地铁站点一定范围内的公交站点,建立地铁-公交复合无权有向网络。
步骤3:基于公交、地铁历史进出站数据,考虑各线路在各时段运行速度的时变特性,提取公交、地铁站段间的不同时间区间的平均行驶时间,作为地铁-公交复合无权有向网络中站段边的行驶时间权重。
步骤4:基于公交、地铁各时段的历史发车间隔数据,考虑各线路在各时段发车间隔的时变特性,计算各线路之间的平均换乘时间,作为地铁-公交复合无权有向网络相同交通方式换乘边的换乘时间权重。
步骤5:基于公交、地铁各时段的历史发车间隔数据以及公交与地铁站点之间的步行距离,计算公交、地铁站点之间的平均换乘时间,作为地铁-公交复合无权有向网络中不同交通方式间换乘边的换乘时间的权重。
步骤6:为地铁-公交复合无权有向网络中各连边赋值,建立地铁-公交复合加权有向网络。
步骤7:基于所构建的地铁-公交复合加权有向网络,以乘客的出行时间、出发站点、目的地站点作为输入,综合考虑乘客在出行时间、换乘次数、步行时间以及出行费用方面的偏好,建立出行路径规划模型。
步骤8:采用改进的Dijkstra算法求解出行路径规划模型,输出多模式公交出行路径。
表示公交无权有向网络;表示所有公交站集合,其中对于同一线路上下
行具有相同名称的站点视为同一站点,对于不同线路具有相同名称的站点视为不同站点;表示所有公交线路的站段边集合,站段边集合考虑了各线路上下行站段之间的差异
性,用于表征各条线路相邻站点的联系;表示公交线路的换乘边集合,表征不同线路
具有相同名称站点的换乘关系。
所述步骤2搜索地铁站点一定范围内的公交站点,具体方法为:
步骤2.1:将包含经纬度信息以及所属线路信息的地铁站点和公交站点数据集导入到python中,文件格式为GeoDataFrame。
步骤2.2:对两个数据集的坐标系进行转换,由原先由经纬度坐标表示的WGS84坐标系转化为墨卡托坐标系。
步骤2.4:对两个数据集的坐标系进行转换,由墨卡托坐标系示转化为bd09ll坐标系(智能地图经纬度坐标系)。
步骤2.5:调用智能地图API计算与中每一个公交站点的实际步
行距离,若智能地图API计算的站点间步行距离(考虑实际路网结构)大于半径r,则将相应
的公交站点剔除集合。最后仅保留实际站点间步行距离小于r的空间映射关系。从
实际站点间步行距离小于r的空间映射关系中获得地铁站点与公交站点的换乘边集合。
所述步骤3中公交及地铁站段间的不同时间区间的平均行驶时间提取方法可以表示为:
对于公交网络,获取各线路历史进出站数据,该数据包含公交车辆在线路上到达
每一站点的时间。按线路(分上下行)提取公交车辆在线路上到达每一站点的到站时间,计
算各站点间的行程时间;建立与公交线路的站段边集合一一对应的平均行程时间数
据集合;用于表征公交网络中各站段之间的时间权重,包含每个时间区间的站点
行程时间的平均值, t为划分时间区间的标号;针对t时间区间内任意一条边的平均
行程时间数据,,表示该站段的起始站点和终点
站点,其值可根据据t时间区间内站段行程时间所有实测数据求取平均
值获得。
同理,对地铁网络执行同样的操作,得到与地铁线路站段边集合所对应的各
时段的平均行程时间数据集合。用于表征地铁网络中各站段之间的时间权
重,包含每个时间区间的站点行程时间的平均值。针对t时间区间内任意一条边的平
均行程时间数据,,表示该站段的起始站点和
终点站点,其值可根据据t时间区间内站段行程时间所有实测数据求
取平均值获得。
所述步骤4计算相同交通方式换乘边的换乘时间的计算方式可以表示为:
对于公交网络,获取各线路的历史发车时间数据,针对公交网络中的换乘边集合,构建对应的平均换乘时间权重集合;用于表征公交网络中具有相同站名
的不同线路之间的换乘时间权重,该权重与换乘边中换乘后站点所属的线路的发车时间间
隔相关;包含每个时间区间的站点换乘时间的平均值,t为划分时间区间的标
号;针对t时间区间内任意一条边的平均换乘时间数据,
表示换乘前的站点,表示换乘后的站点,和具有相同的站名,但分
属不同线路。可根据据t时间区间内换乘后站点所属公交
线路的发车时间间隔实测数据计算得出,计算公式如下:
式(1)中,表示在t时间区间内公交线路发车时间间隔实测数据
的平均值;为t时间区间内公交线路发车时间间隔的标准偏差系数,等
于在t时间区间内公交线路发车时间间隔实测数据的标准差除以发车时间间隔实
测数据的平均值。
同理,对地铁网络执行同样的操作,得到与地铁线路换乘边集合所对应的
各时段的平均换乘时间数据集合。包含每个时间区间的站点换乘时间的平
均值 。针对t时间区间内任意一条边的平均换乘时间数据,表示换乘前的站点,表示换乘后的站点,和具有相同的
站名,但分属不同线路。可根据据t时间区间内换乘后站点所属地铁线路的发车时间间隔实测数据计算得出,计算公式如下:
式(2)中,表示在t时间区间内地铁线路发车时间间隔实测数
据的平均值;为t时间区间内地铁线路发车时间间隔的标准偏差系
数,等于在t时间区间内地铁线路发车时间间隔实测数据的标准差除以发车时间间
隔实测数据的平均值。
所述步骤5中不同交通方式间换乘边的换乘时间计算方式可以表示为:
针对地铁站点与公交站点的换乘边集合,构建对应的平均换乘时间权重
集合。用于表征地铁-公交复合网络中公交站点换乘步行半径范围内地
铁站点(或者地铁站点换乘步行半径范围内公交站点)的换乘时间权重,该权重与两个站点
之间的步行距离以及换乘后站点所属的线路的发车时间间隔相关;包含每个时间
区间的站点换乘时间的平均值, t为划分时间区间的标号;针对t时间区间内任意
一条边的平均换乘时间数据,表示换乘前的公交站
点,表示换乘后地铁站点。可根据据站点之间的步行
距离以及t时间区间内换乘后站点所属线路的发车时间间隔实测数据计
算得出,计算公式如下:
所述步骤6地铁-公交复合加权有向网络可以表示为:
所述步骤7出行路径规划模型可以表示为:
s.t.
在式(5)中,优化目标为出行效用最低,出行效用由四部分构成,包括:乘客的总出
行时间、乘客的换乘成本、乘客的步行时间成本、以及乘客的出行费用成本。、、分别
对应换乘成本权重、步行时间权重、出行费用权重,其取值与乘客的出行选择偏好相关;
表示最优出行路径中是否包含边(i,j),若包含边(i,j),则的值为1,否则的值为0;表示边(i,j)在t时间区间内时间权重,t的取值与乘客出行规划的时间相关;表示
公交与地铁换乘过程中的步行距离;为步行速度;为地铁的票价计算函数,
与乘客乘坐的站数相关;为公交的票价计算函数,与乘客公交乘坐线路次数相关;
式(6)表示出行路径的首站必须是乘客的出发站点();式(7)表示出行路径的末站必
须是乘客的出目的地站点();式(8)表示,若出行路径包含站点j,则其入度和出度均
为1,否则,均为0;式(9)表示的取值范围为0或者1。
所述步骤8采用改进的Dijkstra 算法对出行路径规划模型进行求解,包括如下步骤:
实施例:
以下将结合南京的多模型公交具体实施例与说明书附图,对本发明方法做进一步详细说明。
1:获取公交和地铁站点及线路数据,考虑公交地铁线路上下行线路的差异性,分别构建公交及地铁的无权有向网络。
其中,公交/地铁站点及线路数据包括如下属性:站点编号、站点名称、线路名称(起终站点)、站点经度、站点纬度、线路名称、几何属性等七项,具体数据形式如表1、表2所示。
表1 公交站点及线路数据示例
表2 地铁站点及线路数据示例
基于上述数据,如图2所示,建立公交无权有向网络以及地铁无权有向网络、。其中,,表示
公交及地铁站点集合;,表示公交及地铁所有线路的站段边集合,表征各条线
路相邻站点的联系;,表示公交及地铁所有线路的换乘边集合,表征不同线路
具有相同名称站点的换乘关系
2:运用空间连接方法以及智能地图API搜索地铁站点一定范围内的公交站点,基于实际路网条件下的步行距离,筛选地铁站点一定范围内的公交站点,建立地铁-公交复合无权有向网络。
如图3所示,建立地铁站点的周边半径为r(r取值500米)的缓冲区,运用空间连接方法识别缓冲区范围内公交站点,建立地铁站点与公交站点的映射关系。由于识别站点的实际步行距离可能超过r,因此通过调用智能地图API计算范围内公交站点到地铁站点的实际步行距离,此时的步行距离考虑了实际的道路网络结构,结果更加贴合实际。更新地铁站点与公交站点之间的实际步行距离,若步行距离小于r,则保留该映射关系,若步行距离大于r,则删除该映射关系。最终输出所有的地铁站点与公交站点的映射关系表。
3:基于公交、地铁历史进出站数据,考虑各线路在各时段运行速度的时变特性,提取公交、地铁站段间的不同时间区间的平均行驶时间,作为地铁-公交复合无权有向网络中站段边的行驶时间权重。
其中,历史进出站数据示例如表3所示,相邻站点进站时间差即为站点间的行程时
间。考虑到公交站段间的行驶时间与实际路网状况以及客流量紧密相关,因此将全天的运
行时间分为四个时间区间,分别为:(1)早高峰:6:00-8:30;(2)早平峰:8:30-14:30;(3)晚
高峰:16:30-18:30;(4)晚平峰:18:30-23:00。基于公交及地铁一个月的历史进出站数据求
取不同时间区间各站段间的平均行程时间,示例结果如表4所示。其中,公交各站段在不同
时间区间的平均行驶时间数据集合记为,与边集合一一对应;地铁各站段在不同
时间区间的平均行驶时间数据集合记为,与边集合一一对应。
表3 历史进出站数据示例
表4 公交各站段不同时间区间的平均行驶时间示例(单位:min)
4:基于公交、地铁各时段的历史发车间隔数据,考虑各线路在各时段发车间隔的时变特性,计算各线路间的平均换乘时间,作为地铁-公交复合无权有向网络同交通方式之间换乘时间的权重。
其中,历史发车时间数据示例如表5所示,发车间隔为同一线路同一方向的发车时
间差。基于公交及地铁一个月的历史发车时间数据,通过公式(1)、式(2)求取不同时间区段
各换乘边的平均换乘时间,示例结果如表6所示。其中,公交换乘边在不同时间区间的平均
换乘时间数据集合记为,与边集合一一对应;地铁换乘边在不同时间区间的平
均换乘时间数据集合记为,与边集合一一对应。
表5 历史发车时间示例
表6 公交各换乘边不同时间区间的平均换乘时间示例(单位:min)
5:基于公交、地铁各时段的发车间隔数据以及公交与地铁之间的步行距离,计算公交、地铁站点之间的平均换乘时间,作为地铁-公交复合无权有向网络不同交通方式之间换乘时间的权重。
其中,各时段的发车间隔数据可由表5所示历史发车时间计算得到,公交地铁之间
的步行距离可由图3最终的输出结果得到。在此基础上,通过式(3)、式(4) 求取不同时间区
段公交与地铁换乘边的平均换乘时间,步行速度取5公里/小时,得到的示例结果如表7
所示。公交与地铁换乘边在不同时间区间的平均换乘时间数据集合记为,与边集
合一一对应。
表7 公交与地铁各换乘边不同时间区间的平均换乘时间示例(单位:min)
6:基于上述边权的计算,为地铁-公交复合无权有向网络中各连边赋值,建立地
铁-公交复合加权有向网络。地铁-公交复合加权有向网络可以表示为:,其中,表征所有的公交和站点集合;表
征所有的公交及地铁的站段边集合以及换乘边集合(包括同交通方式换乘以及不同交通方
式换乘);,表征边集E中每条边的时间
权重。
7:基于所构建的地铁-公交复合加权有向网络以及乘客的出行输入,建立出行路径规划模型。
其中,乘客的出行输入包括乘客出行的起点站点、终点站点、当前的出行时间、以及出行的偏好(包括:时间最短、换乘最少、步行最少、费用最少)。基于乘客的出行输入,对模型的参数进行设置。首先,根据乘客当前的出行时间,判断所属的时间区间(早高峰、早平峰、晚高峰、晚平峰),基于时间区间设置各边的权重值。其次,基于乘客的出行偏好,设置模型目标函数的权重值,权重值与出行偏好的关系如表8所示。最后,根据公式(5)-(9),构建出行路径规划模型。
表8 模型权重与出行偏好对应关系
8:采用改进的Dijkstra 算法求解路径规划模型,输出多模式出行路径。其中,改进的Dijkstra 算法的伪代码如下。
如图5所示,以乘客出发站站点为水关桥公交站,目的地站点为北外滩水城总站公交站,出行时间为11:45,出行偏好为时间最短为例,运用所提出模型及求解算法,最终输出的最优出行路径为:307路水关桥→307路金陵村→307路金陵小区→307路燕江路南→307路上元门→三号线上元门→三号线柳洲东路→635路北外滩水城五街区西→635路北外滩水城五街区北→635路北外滩水城九街区北→635路北外滩水城十二街区西→635路北外滩水城十六街区西→635路北外滩水城二十街区西→635路北外滩水城总站,出行总时长为34.87分钟,换乘次数为2次,步行距离为245米,出行费用为6元。
本发明公开了一种多模式公交出行路径的规划方法,首先基于公交和地铁站点及线路数据分别构建公交及地铁的无权有向网络;其次,运用空间连接方法以及智能地图API搜索地铁站点一定范围内的公交站点,建立地铁-公交复合无权有向网络;然后基于公交地铁历史进出站数据以及发车间隔数据,计算各站段边以及各换乘边的平均行驶时间和平均换乘时间作为网络权重,构建建立地铁-公交复合加权有向网络。最后,以乘客的出行时间、出行OD(出发站点和目的地站点)以及出行偏好作为输入,建立出行路径规划模型,并运用改进的Dijkstra 算法求解乘客的最优出行路径。本发明可以基于乘客的偏好特性,快速的规划出行者的多模式出行路径,缩短出行时间,提高乘客的整体公交出行体验。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种多模式公交出行路径规划方法,其特征在于:包括以下步骤:
步骤1:获取公交和地铁站点及线路数据,考虑公交、地铁线路上下行线路的差异性,分别构建公交及地铁的无权有向网络;
步骤2:运用空间连接方法以及智能地图API搜索地铁站点一定范围内的公交站点,基于实际路网条件下的步行距离,筛选地铁站点一定范围内的公交站点,建立地铁-公交复合无权有向网络;
步骤3:基于公交、地铁历史进出站数据,考虑各线路在各时段运行速度的时变特性,提取公交、地铁站段间的不同时间区间的平均行驶时间,作为地铁-公交复合无权有向网络中站段边的行驶时间权重;
步骤4:基于公交、地铁各时段的历史发车间隔数据,考虑各线路在各时段发车间隔的时变特性,计算各线路之间的平均换乘时间,作为地铁-公交复合无权有向网络相同交通方式换乘边的换乘时间权重;
步骤5:基于公交、地铁各时段的历史发车间隔数据以及公交与地铁站点之间的步行距离,计算公交、地铁站点之间的平均换乘时间,作为地铁-公交复合无权有向网络中不同交通方式间换乘边的换乘时间的权重;
步骤6:为地铁-公交复合无权有向网络中各连边赋值,建立地铁-公交复合加权有向网络;
步骤7:基于所构建的地铁-公交复合加权有向网络,以乘客的出行时间、出发站点、目的地站点作为输入,综合考虑乘客在出行时间、换乘次数、步行时间以及出行费用方面的偏好,建立出行路径规划模型;
步骤8:采用改进的Dijkstra算法求解出行路径规划模型,输出多模式公交出行路径。
3.根据权利要求2所述的一种多模式公交出行路径规划方法,其特征在于:所述步骤2搜索地铁站点一定范围内的公交站点,具体方法为:
步骤2.1:将包含经纬度信息以及所属线路信息的地铁站点和公交站点数据集导入到python中,文件格式为GeoDataFrame;
步骤2.2:对两个数据集的坐标系进行转换,由原先由经纬度坐标表示的WGS84坐标系转化为墨卡托坐标系;
步骤2.4:对两个数据集的坐标系进行转换,由墨卡托坐标系示转化为智能地图坐标系;
5.根据权利要求1所述的一种多模式公交出行路径规划方法,其特征在于:所述步骤3中公交及地铁站段间的不同时间区间的平均行驶时间提取方法表示为:
对于公交网络,获取各线路历史进出站数据,该数据包含公交车辆在线路上到达每一
站点的时间;按线路提取公交车辆在线路上到达每一站点的到站时间,计算各站点间的行
程时间;建立与公交线路的站段边集合一一对应的平均行程时间数据集合;
用于表征公交网络中各站段之间的时间权重,包含每个时间区间的站点行程时间的平均值, t为划分时间区间的标号;
6.根据权利要求1所述的一种多模式公交出行路径规划方法,其特征在于:所述步骤4计算相同交通方式换乘边的换乘时间的计算方式表示为:
对于公交网络,获取各线路的历史发车时间数据,针对公交网络中的换乘边集合
,构建对应的平均换乘时间权重集合;用于表征公交网络中具有相同站名的不同线
路之间的换乘时间权重;包含每个时间区间的站点换乘时间的平均值,t为划分时
间区间的标号;针对t时间区间内任意一条边的平均换乘时间数据,表示换乘前的站点,表示换乘后的站点,计算公式如下:
式(1)中,表示所属的公交线路;表示在t时间区间内公交线
路发车时间间隔实测数据的平均值;为t时间区间内公交线路
发车时间间隔的标准偏差系数,等于在t时间区间内公交线路发车时间间隔实测数
据的标准差除以发车时间间隔实测数据的平均值;
对地铁网络执行同样的操作,得到与地铁线路换乘边集合所对应的各时段的平
均换乘时间数据集合;包含每个时间区间的站点换乘时间的平均值 ;
针对t时间区间内任意一条边的平均换乘时间数据,
表示换乘前的站点,表示换乘后的站点,计算公式如下:
7.根据权利要求1所述的一种多模式公交出行路径规划方法,其特征在于:所述步骤5中不同交通方式间换乘边的换乘时间计算方式表示为:
针对地铁站点与公交站点的换乘边集合,构建对应的平均换乘时间权重集合;用于表征地铁-公交复合网络中公交站点换乘步行半径范围内地铁站
点或者地铁站点换乘步行半径范围内公交站点的换乘时间权重;包含每个时间区
间的站点换乘时间的平均值, t为划分时间区间的标号;针对t时间区间内任意一
条边的平均换乘时间数据,表示换乘前的公交站点,表示换乘后地铁站点,计算公式如下:
8.根据权利要求1所述的一种多模式公交出行路径规划方法,其特征在于:所述步骤6地铁-公交复合加权有向网络表示为:
,其中,表征所有的公交和地铁站点集合;,表征所有的公交及地铁的站段边集合以
及换乘边集合; ,表征边集E中每条边
的时间权重;表示所有公交站集合,表示所有地铁站集合,表示所有公交线
路的站段边集合,表示公交线路的换乘边集合,表示所有地铁线路的站段边集
合,表示所有地铁线路的换乘边集合,表示地铁站点与公交站点的换乘边
集合,表示公交网络中各站段之间的时间权重,表示地铁网络中各站段之间的
时间权重,表示公交网络中具有相同站名的不同线路之间的换乘时间权重,
表示地铁网络中具有相同站名的不同线路之间的换乘时间权重,用于表征地铁-
公交复合网络中公交站点换乘步行半径范围内地铁站点或者地铁站点换乘步行半径范围
内公交站点的换乘时间权重。
9.根据权利要求8所述的一种多模式公交出行路径规划方法,其特征在于:所述步骤7出行路径规划模型可以表示为:
s.t.
在式(5)中,优化目标为出行效用最低,出行效用由四部分构成,包括:乘客的总出行时间、乘客的换乘成本、乘客的步行时间成本、以及乘客的出行费用成本;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454933.9A CN115497326B (zh) | 2022-11-21 | 2022-11-21 | 一种多模式公交出行路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211454933.9A CN115497326B (zh) | 2022-11-21 | 2022-11-21 | 一种多模式公交出行路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115497326A true CN115497326A (zh) | 2022-12-20 |
CN115497326B CN115497326B (zh) | 2023-03-24 |
Family
ID=85114814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211454933.9A Active CN115497326B (zh) | 2022-11-21 | 2022-11-21 | 一种多模式公交出行路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115497326B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911510A (zh) * | 2023-09-13 | 2023-10-20 | 北京交通发展研究院 | 一种多模式公共交通一体化网络的生成方法及装置 |
CN117252323A (zh) * | 2023-11-17 | 2023-12-19 | 西华大学 | 一种基于用户偏好的多模式出行路径规划方法 |
CN117273380A (zh) * | 2023-10-25 | 2023-12-22 | 交通运输部公路科学研究所 | 一种面向不同出行场景的出行方案规划及推荐方法和*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897791A (zh) * | 2017-01-06 | 2017-06-27 | 南京邮电大学 | 一种公交地铁复合网络模型构建方法 |
CN107545320A (zh) * | 2017-07-03 | 2018-01-05 | 北京交通大学 | 一种基于图论的城市轨道交通乘客路径规划方法及*** |
CN107563028A (zh) * | 2017-08-22 | 2018-01-09 | 南京邮电大学 | 一种基于空间网络的公交‑地铁耦合网络构建方法 |
CN110598942A (zh) * | 2019-09-18 | 2019-12-20 | 北京工业大学 | 一种考虑区域全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法 |
CN112765753A (zh) * | 2020-11-27 | 2021-05-07 | 武汉理工大学 | 一种新型的公共交通超级网络构建方法 |
-
2022
- 2022-11-21 CN CN202211454933.9A patent/CN115497326B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897791A (zh) * | 2017-01-06 | 2017-06-27 | 南京邮电大学 | 一种公交地铁复合网络模型构建方法 |
CN107545320A (zh) * | 2017-07-03 | 2018-01-05 | 北京交通大学 | 一种基于图论的城市轨道交通乘客路径规划方法及*** |
CN107563028A (zh) * | 2017-08-22 | 2018-01-09 | 南京邮电大学 | 一种基于空间网络的公交‑地铁耦合网络构建方法 |
CN110598942A (zh) * | 2019-09-18 | 2019-12-20 | 北京工业大学 | 一种考虑区域全覆盖的接驳地铁的社区公交线网与发车频率同步优化方法 |
CN112765753A (zh) * | 2020-11-27 | 2021-05-07 | 武汉理工大学 | 一种新型的公共交通超级网络构建方法 |
Non-Patent Citations (3)
Title |
---|
尹方平等: "基于道路繁忙程度下的城市交通路径选择算法", 《科学技术与工程》 * |
郑乐等: "可变线路式公交运行服务能力优化策略", 《哈尔滨工业大学学报》 * |
陈晓明等: "基于双层复杂网络的城市交通网络协同优化方法", 《计算机应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911510A (zh) * | 2023-09-13 | 2023-10-20 | 北京交通发展研究院 | 一种多模式公共交通一体化网络的生成方法及装置 |
CN117273380A (zh) * | 2023-10-25 | 2023-12-22 | 交通运输部公路科学研究所 | 一种面向不同出行场景的出行方案规划及推荐方法和*** |
CN117252323A (zh) * | 2023-11-17 | 2023-12-19 | 西华大学 | 一种基于用户偏好的多模式出行路径规划方法 |
CN117252323B (zh) * | 2023-11-17 | 2024-01-30 | 西华大学 | 一种基于用户偏好的多模式出行路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115497326B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115497326B (zh) | 一种多模式公交出行路径规划方法 | |
CN107036617B (zh) | 一种出租车与地铁组合的出行路线规划方法及*** | |
Saidi et al. | Long-term planning for ring-radial urban rail transit networks | |
CN107316098B (zh) | 一种基于用户行为分析的汽车租赁点选址方法 | |
Eom et al. | Exploring the catchment area of an urban railway station by using transit card data: Case study in Seoul | |
Hashi et al. | GIS based heuristic solution of the vehicle routing problem to optimize the school bus routing and scheduling | |
Lantseva et al. | Modeling transport accessibility with open data: Case study of St. Petersburg | |
Wolny | Are suburban commuters confined to private transport? A case study of a medium-sized functional urban area (FUA) in Poland | |
Round et al. | Future ride: Adapting new technologies to paratransit in the United States | |
Maretić et al. | Integrated passenger transport system in rural areas–a literature review | |
Trembošová et al. | Chosen aspects of a spatially functional accessibility by public transport: the case of Trnava self-governing region (Slovakia) | |
CN115936330A (zh) | 一种基于拉格朗日原理的需求响应式brt车辆调度算法 | |
Incırcı et al. | Determining the location of the urban transport interchanges based on the geographic information system: The case study for Istanbul | |
Iordanopoulos et al. | Prerequisites for further deploying ITS systems: the case of Greece | |
Nakashima et al. | Design of the smart access vehicle system with large scale MA simulation | |
Hyshchuk et al. | Transport accessibility as factor of excursion tourism development (case of Chernivtsi, Ukraine) | |
Hou et al. | Optimal routing design of demand-responsive feeder transit in the era of mobility as a service | |
Lee et al. | Ensemble-based methodology to identify optimal personal mobility service areas using public data | |
Tang | Designing a personal rapid transit system for the University of Delaware based on student schedule data | |
Variyam et al. | Trip assignment modelling for an Indian city to assess the benefits of proposing ring roads | |
Passmore et al. | Assessing bike-transit accessibility with OpenStreetMap | |
Ikeh et al. | First-Mile Transport Mode Study to Mass Rapid Transit (MRT) System in Klang Valley | |
Hubbell et al. | Mode succession in a public transit corridor | |
Chen et al. | The Application of Scenarios and Service Mode of Demand Response Bus | |
Jayawardane | Bus Service Improvement Plan for Battaramulla along with Location Analysis for a Transport Hub |
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 |