一种城市拼车超节点识别与服务区构建方法
本技术涉及城市交通领域,尤其涉及一种城市拼车超节点识别与服务区构建方法。
背景技术:
1、拼车系统通过时间窗、接驾距离、绕行时间和车辆容量等约束,在已产生的订单与车辆之间搜索可行组合。现有拼车匹配方法能够判断特定订单与车辆是否满足匹配约束,但一般将乘客原始上车点或给定候选点作为既定输入,未解决城市范围内哪些真实道路节点适合作为长期集散中心的问题。上车点推荐技术根据兴趣点和历史上车行为选择候车位置,但推荐结果随请求变化,未将路网结构、长期需求和城市功能统一映射到道路节点,也未能构建稳定的核心-边缘服务区。
2、学术研究中,stiglic等提出了meeting points机制,允许乘客在原始起终点附近的集合点上下车以增加可行匹配;fielbaum等进一步联合优化乘客步行上下车点、用户分组和车辆分配,说明短距离步行能够改善大规模按需拼车的效率;santi等利用shareability network量化城市出租车行程的共乘潜力。然而,上述研究多聚焦于订单发生后的集合点选择或候选行程匹配,不直接回答城市中哪些节点应长期承担集散功能。
3、规则格网、普通voronoi图、k-means和dbscan等方法可以形成空间分区或需求簇,但通常以预设几何中心、欧氏距离或点密度为主要依据,难以保证中心同时具备道路通达性、需求强度和功能支撑。网络社区发现方法虽能识别拓扑联系紧密的节点集合,但输出往往为节点标签,若直接对节点作外包络或缓冲并集,容易产生多部件、细长瓶颈、孤立碎片或边界空隙,难以直接作为平台服务区。
技术实现思路
1、本发明的目的在于:为了解决现有技术存在中心识别与服务区构建相分离、缺乏核心-边缘弹性分区机制、且无法有效处理服务区几何碎片与连通性问题的问题,提供一种城市拼车超节点识别与服务区构建方法。
2、本技术的上述目的是通过以下技术方案得以实现的:
3、s1:获取待分析城市的多源数据,统一空间基准,并提取道路节点及连接关系;
4、s2:基于道路节点及连接关系,计算每个道路节点的出行服务强度因子、城市功能支撑因子和道路网络结构重要性因子,对三种因子进行归一化后采用熵权法确定各因子的权重,通过幂乘方式融合三种因子,得到每个道路节点的综合吸引力;
5、s3:以道路节点的综合吸引力为依据迭代选择超节点中心,根据超节点中心的综合吸引力自适应确定聚合半径,在聚合半径内按距离排序将邻域节点划分为核心成员集合和边缘成员集合,并对尚未被锁定的节点执行柔性吸引力抑制;
6、s4:将未被有效超节点覆盖的道路节点分配给距离最近的有效超节点中心;对研究区内全部道路节点构建voronoi单元,按超节点成员关系对相应节点的voronoi单元执行并集并与研究区边界求交,得到完整服务区、核心区和边缘区;
7、s5:对每个完整服务区执行多部件检测和形态学腐蚀-膨胀检测,识别存在碎片或狭窄瓶颈的服务区,根据连通分量的面积占比和成员节点数量执行拆分或重新分配,迭代修复直至成员关系和服务区几何均无进一步变化,完成服务区的几何修复;
8、s6:基于完成几何修复的服务区,输出结构化结果。
9、步骤s1包括:
10、多源数据包括:道路网络数据、出行数据、兴趣点数据和研究区边界数据;
11、将各类多源数据转换至同一平面投影坐标系;
12、从所述道路网络数据中提取道路节点、道路路段及其连接关系;
13、将出行数据的起点和终点映射至相应的道路节点或道路路段,并将兴趣点与邻近道路节点建立空间关联;
14、所述道路网络数据包括道路中心线数据或道路拓扑数据;所述出行数据包括出租车或网约车行程数据,至少包含起点、终点和发生时刻;所述兴趣点数据至少包含空间位置和功能类别;所述方法还包括:当数据可获得时,获取步行环境数据,所述步行环境数据用于反映人行道连续性、道路交叉口密度或步行设施条件;
15、所述出行数据还包括出行距离和出行时间;在将出行起点和终点映射至相应道路节点后,进一步统计各道路路段的出行频次。
16、步骤s2包括:
17、对于道路边,统计映射至该道路边的出行频次,对其进行对数压缩和最小—最大归一化;
18、以高频道路的中点及对应频次为输入执行核密度估计,得到热点密度;
19、当具备步行环境数据时,取得道路步行性指标,道路服务潜力计算如下:
20、
21、
22、式中,、和分别为出行频次、热点密度和步行环境的权重;
23、当缺少步行环境数据时,令,并对其余权重重新归一化;
24、将与节点相连的道路服务潜力求加权均值,得到flow因子:
25、
26、式中,为与道路节点关联的道路边集合,为道路边对节点的关联权重;越大,表示节点周边潜在出行需求和步行接驳条件越强;
27、城市功能支撑因子,即function因子,通过以下方式计算:
28、在节点周围构建半径为的缓冲区,统计交通枢纽、商业、医疗、住宿、餐饮娱乐、教育、生活服务和居住多个类别的兴趣点数量,并按照不同类别对公共集散活动的支撑程度赋予类别权重;function因子按下式计算:
29、
30、式中,为节点缓冲区内第类兴趣点的数量,为兴趣点类别总数;
31、所述道路网络结构重要性因子,即form因子,通过以下方式计算:
32、将提取的道路节点及其道路连接关系表示为用于form因子计算的道路拓扑图,其中,为真实道路节点集合,为真实道路连接集合,为道路连接权重集合;
33、当道路节点与道路节点由道路路段直接连接时,以该道路路段的服务潜力作为边权;
34、根据道路拓扑图,计算节点的加权pagerank中心性:
35、
36、式中,为道路节点的form因子;为阻尼系数;为道路拓扑图中与节点直接连接的相邻节点集合;为道路节点总数;为节点与节点之间的道路连接权重;
37、所述道路网络结构重要性因子在加权pagerank中心性未在预设迭代次数内收敛时,采用度中心性作为回退值,所述度中心性根据与节点相连的道路数量计算;
38、所述采用熵权法确定各因子权重的具体方式为:
39、分别对、和执行对数压缩与最小—最大归一化,并将归一化结果平移至大于0的区间,形成决策矩阵,其中为道路节点数量,分别对应flow因子、function因子和form因子;
40、因子比重、信息熵和差异系数,计算如下:
41、
42、
43、
44、三种因子的熵权,为求和下标;
45、采用幂乘方式融合三种因子并再次归一化,得到节点综合吸引力:
46、
47、
48、式中,为预设的极小正数。
49、步骤s3包括:
50、所述根据中心的综合吸引力自适应确定聚合半径的具体方式为:
51、建立未分配节点集合、核心锁定集合和边缘候选集合,并建立修正吸引力数组,其初值为节点原始综合吸引力;
52、每轮从未被核心锁定且允许成为中心的道路节点中,选择修正吸引力最大的节点作为新的超节点中心;
53、根据中心的原始归一化吸引力,计算聚合半径:
54、
55、式中,和分别为预设的最小聚合半径和最大聚合半径;
56、利用邻域查询结构,检索聚合半径内的道路节点,并按照节点到中心的空间距离升序排列;设有效邻域节点数量为,核心比例参数为,将距离排序前个节点记为核心成员集合,其余节点记为边缘成员集合:
57、
58、
59、对尚未锁定的节点执行柔性吸引力抑制:
60、
61、式中,为抑制强度,为距离衰减参数,为修正吸引力乘数下限,为中心与节点的空间距离;表示节点的修正吸引力;
62、在独立模式下,令或将全部有效邻域节点唯一分配给当前超节点,表示核心成员比例参数;
63、在重叠模式下,将核心成员加入核心锁定集合并从其他核心候选中移除,将边缘成员加入边缘候选集合;
64、当未分配节点集合为空、允许成为中心的节点的最大修正吸引力低于预设阈值或超节点数量达到预设上限时,终止中心选择迭代。
65、步骤s4包括:
66、在研究区边界附近设置若干个辅助点以处理无界voronoi单元,对于仍包含无界顶点的单元以有限顶点凸包或节点缓冲区作为兜底几何,将各节点voronoi单元裁切至研究区边界的外扩缓冲范围后按超节点成员关系执行并集。
67、步骤s5包括:
68、对每个完整服务区执行几何连通性检测,具体如下:
69、几何连通性检测包括:多部件检测和形态学腐蚀—膨胀检测;
70、设半径为的结构元素为,腐蚀结果与膨胀恢复结果按下式计算:
71、
72、
73、其中,表示超节点的完整服务区;
74、若原始的完整服务区为多部件,或者腐蚀后分解为多个部分且膨胀恢复后仍存在分离,则判定该完整服务区存在碎片或狭窄瓶颈,即确定分离部件;
75、对分离部件的各连通分量,计算其面积占比以及该连通分量内的成员节点数量;
76、保留包含原始的超节点中心的连通分量,无法确定超节点中心的连通分量时,保留面积最大的主体分量;
77、对于分离部件的次级分量,当次级分量的面积占比不小于阈值且成员节点数量不小于阈值时,从该次级分量内选择吸引力最大的有效道路节点作为新中心,并将该次级分量拆分为新超节点;否则,将该次级分量内的节点重新分配给距离最近的有效超节点;
78、若原始的中心不位于保留的主体分量内,则从保留的主体分量内重新选择吸引力最大的有效道路节点作为中心;
79、每完成一次服务区的几何修复后,重新按照成员节点的voronoi单元并集生成完整服务区,并再次执行几何连通性检测,直至成员关系和服务区几何均无进一步变化,或达到预设的最大修复迭代次数。
80、所述结构化结果包括:
81、超节点中心点图层,包括超节点编号、中心节点编号、中心坐标、中心吸引力和自适应聚合半径;
82、成员关系表,包括道路节点编号、所属超节点编号、核心或边缘角色、节点吸引力,以及重叠模式下的多重归属关系;
83、核心区面-边缘区面-完整服务区面的图层,包括超节点编号、成员数量、成员平均吸引力、中心吸引力和几何质量标记;
84、几何修复日志,包括问题类型、原超节点编号、新建超节点编号、重新分配节点和修复迭代次数。
85、一种电子设备,包括处理器、存储器、用户接口及网络接口,所述存储器用于存储指令,所述用户接口和网络接口用于给其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述电子设备执行一种城市拼车超节点识别与服务区构建方法。
86、一种计算机可读存储介质,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行一种城市拼车超节点识别与服务区构建方法。
87、本技术提供的技术方案带来的有益效果是:
88、1.本发明将道路网络结构重要性(form)、出行服务强度(flow)和城市功能支撑(function)三个维度统一映射到真实道路节点,采用熵权法自适应确定各因子权重,并通过幂乘方式融合得到节点综合吸引力。幂乘融合要求候选中心在三个维度保持相对均衡,任一因子过低都会显著拉低综合得分。克服了传统方法仅依据需求热点、兴趣点或几何中心选取集散点的缺陷,使每个超节点中心均位于真实道路节点,并同时具有路网结构、出行需求和城市功能三类指标支撑。中心选择具有可解释性,可有效区分“仅需求高但路网或功能条件不足”的节点与“三维度均衡”的真正适宜节点,降低单一热点主导中心选择的误判风险。
89、2.聚合半径随中心原始吸引力增大而减小——吸引力高的中心采用较小半径,在高密高潜力区域保留相邻中心的细粒度;吸引力低的中心采用较大半径,扩大稀疏区域的覆盖范围。同时,对已选中心邻近的未锁定节点执行柔性吸引力抑制,抑制强度随空间距离增大而衰减,随该节点自身吸引力升高而减弱。解决了固定聚合尺度难以适应城市空间异质性的问题。高密度区域不会因半径过大导致多个潜在中心被过度吸收,低密度区域不会因半径过小产生大量孤立节点。柔性抑制允许自身吸引力足够高的节点在后续迭代中仍可成为中心,避免“一选定终身”的硬删除策略造成次优解。
90、3.依据距离排序将邻域节点分为核心成员(距离排序靠前)和边缘成员(距离排序靠后)。核心成员加入锁定集合,从其他中心候选中移除,实现“核心唯一归属”;边缘成员进入候选池,允许作为相邻超节点的边缘成员或后续中心候选,实现“边缘可共享”。通过核心比例参数ρ的统一调节,独立模式(ρ=1)与重叠模式(0<ρ<1)可在同一机制中表达。克服了普通分区难以同时支持严格管理和弹性服务的技术难题。独立模式适用于责任边界清晰的运营管理,重叠模式适用于扩大边缘订单的候选中心范围,平台可根据实际管理需求和候选订单规模灵活切换,无需改变底层算法框架。
91、4.先为研究区内全部道路节点构建voronoi单元,再按超节点的核心成员集合与边缘成员集合分别并集,得到核心区和边缘区;全部成员并集得到完整服务区。各服务区均裁切至研究区边界,核心区和边缘区进一步限制在完整服务区内部。研究区边界附近的无界单元通过设置辅助点、凸包兜底等方式处理。克服了中心识别与服务边界构建相互分离的缺陷——先划区后取形心可能使中心落在不可停靠位置,只推荐上车点又难以形成可管理的候选订单范围。本发明的“节点级单元先覆盖研究区、再按成员关系并集”方式,使超节点中心选择、道路节点归属和面状服务边界三者保持一致,中心始终位于真实道路节点且落在自身服务区内,具备实际可部署性。
92、5.对每个完整服务区执行多部件检测和形态学腐蚀-膨胀检测:用半径为δ的结构元素对服务区先腐蚀后膨胀,若原服务区为多部件,或腐蚀后分解为多个部分且膨胀恢复后仍显著分离,则判定存在碎片或狭窄瓶颈。对各连通分量计算面积占比和成员节点数量,满足条件的次级分量升级为新超节点(从中选吸引力最大的节点作中心),不满足的重新分配给最近的有效超节点。每次修复后重新生成服务区并再次检测,直至无进一步变化或达到最大迭代次数。解决了普通空间分区方法容易产生的多部件、细长瓶颈、孤立碎片和边界空隙等问题。修复日志完整记录问题类型、新建超节点和重新分配节点,使修复过程可追溯。修复后的服务区具备良好的连通性和完整性,可直接作为平台服务区投入运营,避免因几何缺陷导致的管理盲区或候选订单范围断裂。
93、6.超节点中心、成员关系和服务区可预先离线生成并周期更新,形成城市拼车平台的空间索引。订单发生后,平台根据订单起点所在服务区检索候选超节点中心,并在同一超节点或相邻超节点的共享边缘中生成候选订单对,无需对全量订单反复执行空间搜索。大幅降低了在线匹配阶段的空间搜索计算量,将复杂的空间分析任务转移至离线阶段,提升了平台实时响应能力。同时,通过服务区索引实现了从“订单驱动逐次搜索”到“空间索引预置+快速检索”的范式转变,在大规模城市拼车场景下具有显著的计算效率优势。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com