公交与轨道交通网络融合度评价指标体系构建与优化方法与流程

本发明涉及城市公共交通管理，具体为公交与轨道交通网络融合度评价指标体系构建与优化方法。

背景技术：

1、随着城市轨道交通线网的不断延伸，城市公共交通已形成以轨道交通为骨干常规公交为支撑的多层级运输网络。公交与轨道交通网络的融合衔接质量，直接影响公共交通系统的整体运输效率与乘客出行体验。

2、目前针对两网融合的评价方法多聚焦于静态拓扑层面，仅通过站点覆盖率换乘步行距离等指标开展评估，无法兼顾时刻表衔接效果动态客流供需匹配程度以及网络抗干扰韧性等多维特征，评价结果难以全面反映真实的网络融合状态。同时，现有融合优化方案大多依赖运营人员的经验制定，缺乏对网络时空瓶颈的精准定位手段，难以在控制运力重配成本的前提下实现网络融合韧性的最大化，且不具备根据实际客流反馈进行动态迭代优化的能力，导致优化方案的实际适配性与长效性不足，无法充分释放两网融合的运输效能。

3、因此，针对上述问题提出公交与轨道交通网络融合度评价指标体系构建与优化方法。

技术实现思路

1、本发明的目的在于提供公交与轨道交通网络融合度评价指标体系构建与优化方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、公交与轨道交通网络融合度评价指标体系构建与优化方法，包括以下步骤：

4、s1：获取目标城市的公交与轨道多源运行数据，构建公交-轨道双层时空超网络模型；公交-轨道双层时空超网络模型包括表征物理站点与线路拓扑的空间层、表征时刻表衔接与运行时间的时间层，以及基于多源客流od数据构建的表征跨层出行需求的动态需求张量；

5、s2：将动态需求张量和网络运力分布输入至预先训练的时空图注意力融合评价模型中，计算输出多维融合度评价向量；时空图注意力融合评价模型通过跨层图注意力机制计算空间层拓扑边与时间层衔接边的联合权重，提取跨层换乘阻抗特征和供需错配特征，多维融合度评价向量包含静态拓扑融合度、动态供需匹配度和网络融合韧性度；

6、s3：基于多维融合度评价向量，利用张量分解算法对公交-轨道双层时空超网络模型进行解耦，定位导致融合度低于预设阈值的时空脆弱节点和运力错配走廊；

7、s4：以最大化网络融合韧性度和最小化运力重配成本为联合优化目标，构建多智能体深度强化学习决策模型；将时空脆弱节点和运力错配走廊的当前状态作为环境状态输入，通过表征不同公交接驳片区和轨道线路管理决策单元的智能体与环境的交互迭代，输出包含公交线路接驳重构、运力班次重分配和时刻表协同偏移的两网融合资源优化配置方案；

8、s5：将两网融合资源优化配置方案输出至智慧管理决策终端，并获取方案执行后的实际客流反馈数据，用于对时空图注意力融合评价模型和多智能体深度强化学习决策模型进行参数在线更新。

9、由上述本发明提供的技术方案可以看出，本发明提供的公交与轨道交通网络融合度评价指标体系构建与优化方法，有益效果是：

10、构建公交-轨道双层时空超网络模型，将物理站点线路拓扑时刻表运行时序与跨层客流需求进行耦合，实现两网融合状态的时空一体化精准表征，为后续融合度评价与资源优化提供完整可靠的建模基础；

11、采用跨层图注意力机制搭建时空图注意力融合评价模型，可同步提取跨层换乘阻抗特征与供需错配特征，从静态拓扑动态供需匹配网络融合韧性三个维度输出评价结果，评价维度更全面，能够更真实地反映两网融合的实际水平；

12、借助张量分解算法对双层时空超网络进行解耦分析，可精准定位导致融合度低于阈值的时空脆弱节点与运力错配走廊，为后续优化工作明确靶向靶点，有效避免盲目调整造成的运力资源浪费；

13、采用多智能体深度强化学习构建决策模型，以最大化网络融合韧性度与最小化运力重配成本为联合优化目标，可自动生成包含公交线路接驳重构运力班次重分配时刻表协同偏移的综合优化方案，在保障融合提升效果的同时合理控制优化成本；

14、建立基于实际客流反馈的模型参数在线更新机制，形成评价决策执行反馈更新的完整闭环优化流程，能够跟随城市客流特征的演化持续迭代模型参数，保障优化方案的长期适配性，持续提升两网融合的整体水平。

1.公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：所述公交-轨道双层时空超网络模型的构建具体包括：

3.根据权利要求1所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：时空图注意力融合评价模型的预训练具体包括：

4.根据权利要求3所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：将动态需求张量和网络运力分布输入至预先训练的时空图注意力融合评价模型中，计算输出多维融合度评价向量；具体包括：

5.根据权利要求1所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：基于多维融合度评价向量，利用张量分解算法对公交-轨道双层时空超网络模型进行解耦，定位导致融合度低于预设阈值的时空脆弱节点和运力错配走廊；具体包括：

6.根据权利要求1所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：以最大化网络融合韧性度和最小化运力重配成本为联合优化目标，构建多智能体深度强化学习决策模型；具体包括：

7.根据权利要求6所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：将时空脆弱节点和运力错配走廊的当前状态作为环境状态输入，通过表征不同公交接驳片区和轨道线路管理决策单元的智能体与环境的交互迭代，输出包含公交线路接驳重构、运力班次重分配和时刻表协同偏移的两网融合资源优化配置方案；具体包括：

8.根据权利要求1所述的公交与轨道交通网络融合度评价指标体系构建与优化方法，其特征在于：将两网融合资源优化配置方案输出至智慧管理决策终端，并获取方案执行后的实际客流反馈数据，用于对时空图注意力融合评价模型和多智能体深度强化学习决策模型进行参数在线更新；具体包括：