一种考虑已有公交线网结构的公交线路优化方法与流程

1.本发明属于公共交通技术领域，具体涉及一种考虑已有公交线网结构的公交线路优化方法。


背景技术：

2.公交系统是城市各个功能区连接的有效形式之一，也是城市居民重要的出行方式之一。伴随着城市扩展、功能区转变以及地铁投入运营等外部环境的不断变化，公交线网调整和优化，成为公交管理和运营单位的常规工作之一。在信息化和数字化尚不完善的情况下，实地调研仍是公交线网的调整主要的方法之一。
3.公交线网优化是复杂的线路规划和多目标优化问题，为了增加线网优化的科学性和便捷性，各种路径规划算法和优化算法被引入到相关的研究领域。例如孙晓奇等《针对车辆路径问题的蚁群算法优化》一文中，基于蚁群算法，提出了混合蚁群算法，通过引入模拟退火算法，改进了算法性能，并基于并行架构对算法进行了实现，在同类任务中取得了较好的效果。熊超文在《蚁群算法的改进及其在路径规划中的应用研究》，通过引入蛙跳算法和等策略，在二维和三维路径规划中取得了良好的效果。可以看到，以蚁群算法为代表的多种优化算法，广泛应用于车辆路径选择和规划领域。具体到公交线网优化方面，鄢佳节在《基于节点多维度分析的镇村公交线网优化设计》一文中，通过对公交节点抽象与分级，结合公交线网直达客流、居民平均出行距离等因素，采用遗传算法进行公交线网的优化。倪捷等基于公交站台、站台间的od数据等，在包含25个站点的模拟数据上验证了采用蚁群算法进行公交线路规划可行性。
4.另外在具体的公交线路规划和优化方面，齐振涛等在《基于直达客流量的公交路径优化模型及求解算法》基于改进的ksp算法，以最大直达客流量、最小人均成本为目标，完成了公交线网地优化。王毅之在《基于节点度和介数相结合的城市公交线网优化模型与求解算法研究》一文中，在考虑道路节点度和介数地基础上，提出一种可以绕行拥堵路段地公交线网优化模型，并基于遗传算法对该模型进行了求解。
5.基于以上研究可知，线网优化存在着直达客流量最大、运营成本最小、公交线网效率最大等各种优化目标，蚁群算法、遗传算法等多种优化算法。多数算法以随机线路作为备选解，而在实际的公交线路规划中，存在着公交场站、地铁接驳等各种因素的考量和限制，需要对公交的起点或者终点进行一定的限制，也限制了这些算法的通用性。另外，鲜有研究考虑已有公交线路对新规划线路的影响，而取消所有线路重新布设，通常不能满足实际的应用需求。


技术实现要素：

6.针对目前的公交线路优化未考虑已有公交线路，算法适用性差、不通用的缺陷和问题，本发明提供一种考虑已有公交线网结构的公交线路优化方法，该方法在已有公交线网的基础上能够最大化直达客流量，既可以为无公交线路覆盖的城市新区生成初步线网，
也可以为公交线路空间覆盖不均匀区域的线网优化提供参考。
7.本发明解决其技术问题所采用的方案是：一种考虑已有公交线网结构的公交线路优化方法，包括以下步骤：
8.步骤一、数据获取：获取研究区域的实际路网数据，并将实际路网数据抽象为gis中的线结构数据；同时获取研究区内的已有公交线路数据和区域内od数据信息；
9.步骤二、数据节点化表示：
10.(1)根据实际的路网数据，将道路交叉口或提供转向选择的路口作为道路的关键节点，对道路的关键节点进行编号作为道路的节点，然后采用图概念中的邻接矩阵或邻接表的形式将路网数据表达为图数据结构；
11.(2)将已有公交线路数据视为一段段相邻的道路连接而成，将线路连接点作为公交线路的节点；
12.(3)将每个od的起讫点归并到最近的道路节点上，根据od的起讫节点编号，进行聚合得到基于道路节点编号的od数据；
13.步骤三、数据融合和优化：采用蚁群算法对节点化表示的路网数据、公交线路数据和od数据进行融合，融合方法为：
14.(1)初始化参数：规划路径数m和路段初始信息素；
15.(2)初始化起点：将蚂蚁种群的数量作为需要优化或者规划的公交线路条数k；
16.(3)根据道路数据抽象完成的图结构数据计算备选路径点；
17.(4)分别计算路径选择的转移概率：计算蚂蚁从当前节点转移到下一节点的概率：
18.t＝αp βf1 δf2 ωf319.式中：p、f1、f2、f3分别表示信息素残留、客流启发因子、线路长度启发因子和线路非直线系数启发因子，α、β、δ、ω分别表示相应的权重，可以调节相应因素的重视程度；
20.(5)确定下一个路径点：根据诱导信息素或路段被选中的概率确定下一个路径点；
21.(6)更新该路径信息素，信息素的更新包括信息素释放和挥发两个过程，更新策略为：
22.释放
23.p
new
＝(1-ρ)p
old
挥发
24.其中为以两端节点编号为i，j的路段上的原始信息素残留，ρ为信息素蒸发系数，q为当前蚂蚁留下的信息素量，实际可以参考当前蚂蚁路径上的客流量进行确定，而θ为调节参数，可以根据需要，调整每次搜索和迭代中，当前蚂蚁留下的信息素量；
25.(7)迭代重复步骤(2)-(6)的过程，直至输出最优解。
26.步骤四、以公交线网的直达客流量对公交线网进行评价
[0027][0028]
式中：m为该网络中公交线路的条数，为节点i，j之间的直达客流，pathn为当
前公交网络中的线路。
[0029]
上述的考虑已有公交线网结构的公交线路优化方法，所述最优解为直达客流最大的路径。
[0030]
上述的考虑已有公交线网结构的公交线路优化方法，所述路网数据为研究区内实际道路的路网。
[0031]
上述的考虑已有公交线网结构的公交线路优化方法，根据路段被选中的概率确定下一个路径点，各个路段的转移概率为：
[0032][0033]
其中，i为可选的第i个路段，pi表示选择该路段的概率，ρi为路段上的信息素含量。
[0034]
本发明的有益效果：本发明在已有公交线网的基础上，只需给定公交线路起点就可自动完成公交线路走向的规划，能够最大化直达客流量。
[0035]
采用本发明方法进行公交线路规划，在进行路段选择时，考虑了公交复线系数(经过当前路段的公交线路数量)，本已有线网的走向考虑进来，在确保线路及线路走向的合理性的同时，能够有效降低高重复线路的产生。
[0036]
本发明方法采用公交非直线系数和结构变化因子，能够有效控制线路的走向，避免大量高绕行线路等无效线路的产生，提高了蚁群算法解的质量，同时在一定程度上也加快了算法的收敛速度。
附图说明
[0037]
图1为道路的节点化表示示意图。
[0038]
图2为公交线路的节点表达示例图。
[0039]
图3为基于蚁群算法的线网优化流程。
[0040]
图4为下一路径点确定示意图。
具体实施方式
[0041]
针对目前公交线网优化不考虑已有公交线路对新规划线路的影响，而取消所有线路重新布设，不能满足实际的应用需求的问题，本发明提供一种考虑已有公交线网结构的公交线路优化方法，该方法在已有公交线网的基础上能够最大化直达客流量，既可以为无公交线路覆盖的城市新区生成初步线网，也可以为公交线路空间覆盖不均匀区域的线网优化提供参考下面结合附图和实施例对本发明进一步说明。
[0042]
实施例1：本实施例提供一种考虑已有公交线网结构的公交线路优化方法，该方法具体包括以下内容。
[0043]
1、数据获取
[0044]
获取研究区域的实际路网数据，所述路网数据为研究区内实际道路的路网，并将实际路网数据抽象为gis中的线结构数据，重点关注各个路段联通关系；
[0045]
同时，获取研究区内的已有公交线路数据和区域内od数据信息(人口出行规律)。
[0046]
2、数据节点化表示
[0047]
(1)根据实际的路网数据，将道路交叉口或提供转向选择的路口作为道路的关键
节点，对道路的关键节点进行编号作为道路的节点，然后采用图概念中的邻接矩阵或邻接表的形式将路网数据表达为图数据结构。
[0048]
(2)将已有公交线路数据视为一段段相邻的道路连接而成，将线路连接点作为公交线路的节点；
[0049]
(3)将每个od的起讫点归并到最近的道路节点上，根据od的起讫节点编号，进行聚合得到基于道路节点编号的od数据。
[0050]
3、数据融合和优化
[0051]
采用蚁群算法对节点化表示的路网数据、公交线路数据和od数据进行融合，融合方法为：
[0052]
(1)初始化参数：规划路径数m和路段初始信息素；
[0053]
(2)初始化起点：将蚂蚁种群的数量作为需要优化或者规划的公交线路条数k；
[0054]
(3)依据数据图计算备选路径点。
[0055]
(4)分别计算路径选择的转移概率：计算蚂蚁从当前节点转移到下一节点的概率：
[0056]
t＝αp βf1 δf2 ωf3[0057]
式中：p、f1、f2、f3分别表示信息素残留、客流启发因子、线路长度启发因子和线路非直线系数启发因子，α、β、δ、ω分别表示相应的权重，可以调节相应因素的重视程度。
[0058]
(5)确定下一个路径点：蚂蚁在进行路径搜索过程中，在相邻节点间转移时，不再沿着信息素最大的路径移动，各个路段都有一定的概率被选中，概率的大小和信息素含量正相关，在本实施例中，各个路段的转移概率为：
[0059][0060]
其中，i为可选的第i个路段，pi表示选择该路段的概率，ρi为路段上的信息素含量。
[0061]
例如图4所示，当前位置为b，上次位置为a，备选路径为{c，d，e}，诱导信息{0.2，0.3，0.5}，若按照传统方法，则会选择诱导信息最大的e点作为下一个路径点。由于蚂蚁在进行路径搜索过程中，在相邻节点间转移时，不再沿着信息素最大的路径移动，各个路段都有一定的概率被选中，概率的大小和信息素含量正相关，则通过概率手段选取下一个路径点，三个点被选择的概率分别为(0.29,0.32,0.39)，计算方法为：
[0062]
c：0.29＝exp(0.2)/(exp(0.2) exp(0.3) exp(0.5))
[0063]
d：0.32＝exp(0.3)/(exp(0.2) exp(0.3) exp(0.5))
[0064]
e：0.39＝exp(0.5)/(exp(0.2) exp(0.3) exp(0.5))
[0065]
采用上述处理方式可以在每次计算时让路径保持一定的可变性，防止算法过快收敛。
[0066]
(6)更新该路径信息素，信息素的更新包括信息素释放和挥发两个过程，更新策略为：
[0067]
释放
[0068]
p
new
＝(1-ρ)p
old
挥发
[0069]
其中为以两端节点编号为i，j的路段上的原始信息素残留，ρ为信息素蒸发
系数，q为当前蚂蚁留下的信息素量，实际可以参考当前蚂蚁路径上的客流量进行确定，而θ为调节参数，可以根据需要，调整每次搜索和迭代中，当前蚂蚁留下的信息素量。
[0070]
(7)迭代重复步骤(2)-(6)的过程，直至输出最优解，所述最优解为直达客流最大的路径。
[0071]
4、公交线网性能评估
[0072]
以公交线网的直达客流量对公交线网进行评价
[0073][0074]
式中：m为该网络中公交线路的条数，为节点i，j之间的直达客流，pathn为当前公交网络中的线路。