城市轨道交通线网规划方法、系统及存储介质与流程

1.本技术涉及交通规划的技术领域，尤其是涉及一种城市轨道交通线网规划方法、系统及存储介质。


背景技术：

2.城市轨道交通为采用轨道结构进行承重和导向的车辆运输系统，依据城市交通总体规划的要求，设置全封闭或部分封闭的专用轨道线路，以列车或单车形式，运送相当规模客流量的公共交通方式。
3.目前，国内外关于轨道交通线网规划方法的研究通常是基于客流仿真的方法，该方法又可进一步细分为数学解析的方法和交通模型的方法。不同之处在于，交通模型法通常指的是利用“四阶段法”计算轨道客流，而解析法则采用了其它形式的数学模型求解轨道客流。
4.上述中的现有技术方案存在以下缺陷：解析法由于模型实现较为复杂，导致其并未获得较有指导意义的实证机会，而交通模型法在使用时还需要对通道进行一定的定性聚合，因此往往用于方案的评价，故亟需设计一种帮助演化城市轨道交通线网规划的方法。


技术实现要素：

5.本技术目的一是提供一种城市轨道交通线网规划方法、系统及存储介质，具有能够规划城市轨道交通线网的特点。
6.本技术的上述申请目的一是通过以下技术方案得以实现的：一种城市轨道交通线网规划方法，包括：获取分析单元以及与所述分析单元对应的出行分布信息；将与所述分析单元对应的所述出行分布信息和所述分析单元匹配至同一坐标系；构建所述分析单元间以出行度为权重的网络拓扑模型；通过非重叠社区发现算法将所述网络拓扑模型划分为多个聚类组团；计算所述聚类组团的组团中心；连接聚类组团的所述组团中心得到轨道网络路径集合；于所述轨道网络路径集合中选取得到最优规划路径。
7.通过采用上述技术方案，根据分析单元以及与分析单元对应的出行分布信息构建网络拓扑模型，使用非重叠社区发现算法将网络拓扑模型划分为多个聚类组团，每个聚类组团由一个以上的关联分析单元组成，计算出聚类组团的组团中心，将聚类组团的组团中心连起来，形成轨道网络路径集合，再从轨道网络路径集合中选取最优规划路径，实现了城市轨道交通线网的规划。
8.可选的，所述非重叠社区发现算法为louvain算法。
9.可选的，所述通过非重叠社区发现算法于所述网络拓扑模型中计算聚类组团包括：
s1、将网络拓扑模型的每个所述分析单元作为第一社区；s2、根据相对增益最大原则将所述分析单元重新划分得到多个第二社区，所述第二社区包括一个以上所述分析单元；s3、将每个第二社区看作一个节点，根据相对增益最大原则将第二社区重新划分得到第三社区；s4、重复步骤s3，直至所有分析单元的所属社区不再发生变化，即模块度不再发生变化时停止迭代，将最终的社区作为聚类组团。
10.通过采用上述技术方案，将所有分析单元划分为多个社区，每个社区由多个相互关联且毗邻的分析单元组成，实现了分析单元的自动归类划分。
11.可选的，所述计算所述聚类组团的组团中心包括：根据所述网络拓扑模型计算所述聚类组团内的所述分析单元的出行度；根据所述分析单元的所述出行度计算所述分析单元的累计出行度；将所述聚类组团内最大的所述累计出行度对应的所述分析单元作为该聚类组团的组团中心。
12.通过采用上述技术方案，实现了聚类组团的组团中心的计算，以方便后面规划城市轨道路径。
13.可选的，所述于所述轨道网络路径集合中选取得到最优规划路径包括：计算所述轨道网络路径集合中各个路径的综合效益：l
(i,j)
＝a
×
l
w(i,j)
b
×
l
w(i,j)
/l
(i,j)
：i,j∈n且i≠j，其中，l
(i,j)
为路径的总和效益，l
w(i，j)
为组团中心i和j间的任意一条路径的累计出行度，l
(i，j)
为组团中心i和j间的任意一条路径的长度，n为i和j间所有分析单元的编号，a、b均为权重系数；根据所述轨道网络路径集合中各个路径的综合效益选取得到最优规划路径。
14.通过采用上述技术方案，实现了从轨道网络路径集合中选取合适的路径作为最优规划路径。
15.可选的，选取最大的综合效益所对应的路径作为最优规划路径。
16.通过采用上述技术方案，将最大的综合效益所对应的路径作为最优规划路径，能够最大程度满足人员出行的需求。
17.可选的，所述计算所述轨道网络路径集合中各个路径的综合效益之前，还包括选取组团中心间路径搜索范围的宽度。
18.通过采用上述技术方案，降低了路径综合效益的计算复杂度，提高了路径综合效益的计算效率。
19.本技术目的二是提供一种城市轨道交通线网规划系统，具有能够规划城市轨道交通线网的特点。
20.本技术的上述申请目的二是通过以下技术方案得以实现的：一种城市轨道交通线网规划系统，包括，获取模块，用于获取分析单元以及与所述分析单元对应的出行分布信息；匹配模块，用于将与所述分析单元对应的所述出行分布信息和所述分析单元匹配至同一坐标系；模型构建模块，构建所述分析单元间以出行度为权重的网络拓扑模型；
聚类组团划分模块，用于通过非重叠社区发现算法将所述网络拓扑模型划分为多个聚类组团；组团中心计算模块，用于计算所述聚类组团的组团中心；组团中心连接模块，用于连接聚类组团的所述组团中心得到轨道网络路径集合；以及，路径选取模块，于所述轨道网络路径集合中选取得到最优规划路径。
21.通过采用上述技术方案，根据分析单元以及与分析单元对应的出行分布信息构建网络拓扑模型，使用非重叠社区发现算法将网络拓扑模型划分为多个聚类组团，每个聚类组团由一个以上的关联分析单元组成，计算出聚类组团的组团中心，将聚类组团的组团中心连起来，形成轨道网络路径集合，再从轨道网络路径集合中选取最优规划路径，实现了城市轨道交通线网的规划。
22.本技术目的三是提供一种计算机存储介质，能够存储相应的程序，具有便于实现存储城市轨道交通线网规划方法的特点。
23.本技术的上述申请目的三是通过以下技术方案得以实现的：一种计算机可读存储介质，存储有能够被处理器加载并执行如上任一种方法的计算机程序。
24.综上所述，本技术包括以下至少一种有益技术效果：1.根据分析单元以及与分析单元对应的出行分布信息构建网络拓扑模型，使用非重叠社区发现算法将网络拓扑模型划分为多个聚类组团，每个聚类组团由一个以上的关联分析单元组成，计算出聚类组团的组团中心，将聚类组团的组团中心连起来，形成轨道网络路径集合，再从轨道网络路径集合中选取最优规划路径，实现了城市轨道交通线网的规划；2.实现了聚类组团的组团中心的计算，以方便后面规划城市轨道路径。
附图说明
25.图1是本技术实施例的一种城市轨道交通线网规划方法的方法流程图。
26.图2是本技术实施例的分析单元的累计出行度的计算流程图。
27.图3a是本技术实施例的轨道800米服务范围的组团累计出行度与组团内轨道上客量未剔除极值的关系图。
28.图3b是本技术实施例的轨道800米服务范围的组团累计出行度与组团内轨道上客量剔除极值的关系图。
29.图4是本技术实施例的一种城市轨道交通线网规划系统的结构框架图。
具体实施方式
30.以下结合附图对本技术作进一步详细说明。
31.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
32.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员
在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
33.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
34.下面结合说明书附图对本技术实施例作进一步详细描述。
35.本技术实施例提供一种城市轨道交通线网规划方法，所述方法的主要流程描述如下。
36.如图1所示：步骤110：获取分析单元以及与所述分析单元对应的出行分布信息。
37.其中，分析单元指的是用于分析空间出行特征的最小聚合单元，可以是方格、交通小区或泰森多边形等。采用方格网的方式确定的分析单元是指将选定的范围区域采用a
×
a的方格网划分为若干个方格，a指代的是长度，可以是500m，一个最小的方格即为一个分析单元。交通小区作为交通模型中分析出行及流量的抽象空间单元，是建立交通模型的基础。泰森多边形是一组由连接两邻点线段的垂直平分线组成的连续多边形，一个泰森多边形内的任一点到构成该多边形的控制点的距离小于到其他多边形控制点的距离。出行分布信息是指某区域内所有出行人员从一个地点到另一个地点的集合，出行分布信息为调查统计得出之后存储于数据库中。与分析单元对应的出行分布信息是指该分析单元区域内的所有出行人员从一个地点到另一个地点的集合。
38.步骤120：将与所述分析单元对应的所述出行分布信息和所述分析单元匹配至同一坐标系。
39.步骤130：构建所述分析单元间以出行度为权重的网络拓扑模型。
40.其中，根据与分析单元对应的出行分布信息判断分析单元间是否关联，例如，分析单元1区域内有出行人员去往分析单元2，即分析单元1与分析单元2存在出行交换，则将分析单元1与分析单元2关联在一起，即将分析单元1的分析单元中心与分析单元2的分析单元中心通过线连在一起，最后得到所有分析单元间的网络拓扑模型，见图2，网络拓扑模型的边的权重即为分析单元间的出行交换量。图2中分析单元中的圆代表分析单元的中心，此处分析单元的中心可以是形心，也可以是分析单元内人员的聚集度较高的位置。
41.步骤140：通过非重叠社区发现算法将所述网络拓扑模型划分为多个聚类组团。
42.其中，非重叠社区发现算法可以是louvain算法，也可以是gn算法。
43.具体地，步骤140包括：步骤141，将网络拓扑模型的每个所述分析单元作为第一社区；步骤142，根据相对增益最大原则将所述分析单元重新划分得到多个第二社区，所述第二社区包括一个以上所述分析单元，见下式：其中，k
i,in
表示节点i与i要移入组团中所有节点之间边权之和，m表示组团内的节点数量，即组团内的分析中心的数量，∑
tot
表示所有移入该组团的节点权重之和，ki表示移入节点i的总权重。
44.步骤143，将每个第二社区看作一个节点，根据相对增益最大原则将第二社区重新
划分得到第三社区。
45.步骤144，直至所有分析单元的所属社区不再发生变化，即模块度不再发生变化时停止迭代，将最终的社区作为聚类组团，见下式：其中，a
ij
表示节点i与节点j之间的边权，ki表示所有与节点i相连的边权之和，ci表示节点i的组团编号，σ(ci,cj)表示若节点i与节点j同在一个组图内则返回1，否则返回0。
46.步骤150：计算所述聚类组团的组团中心。
47.具体地，步骤150包括：步骤151，根据所述网络拓扑模型计算所述聚类组团内的所述分析单元的出行度。
48.其中，出行度反映了分析单元的对外交换量和对外联系的辐射范围两方面的信息。图2中，点的加权度指的是与该点相连边的权重之和，点的度指的是与该点相连边的数量之和，出行度指的是基于出行分布计算得到的度及其加权度的加权和，见下式：tgi＝α*dgi β*wdgi；tgi表示节点i的出行度，dgi表示节点i的度，wdgi表示节点i的加权度，α、β均是超参数，取值为0～1，α、β可以利用网格搜索法进行标定，本文中α取0.65，β取0.35。
49.由此可知，图2中各个节点(分析单元)的出行度如下：w1＝w
12
w
19
，w1是指分析单元1的出行度；w2＝w
12
w
25
w
26
，w2是指分析单元2的出行度；w5＝w
25
w
56
，w5是指分析单元5的出行度；w6＝w
26
w
56
w
69
，w6是指分析单元6的出行度；w9＝w
19
w
69
，w9是指分析单元9的出行度。
50.步骤152，根据所述分析单元的所述出行度计算所述分析单元的累计出行度。
51.其中，分析单元的累计出行度为以该分析单元的中心为原点，以r为半径画圆所覆盖的所有分析单元的出行度之和，r可以根据具体情况进行取值，本实施例中r以800米为例进行介绍。见图2，以分析单元5的累计出行度为例进行介绍，则分析单元5的累计出行度为：cw5＝w2 w5 w6；式中，cw5为分析单元5的累计出行度，w2是分析单元2的出行度，w5是分析单元5的出行度，w6是分析单元6的出行度。
52.上述方法基于聚类组团内轨道的客流量与轨道路径的累计出行度显著相关，而这一现象在宁波市得到了验证，如图3所示，两者相关系数达到了0.76。出行度之所以能够有效地反应组团内轨道客流的来源，在于其能够反应轨道网络路径所服务的两类客流信息，即单一线路的直达客流和多线路之间的换乘客流。
53.步骤153，将所述聚类组团内最大的所述累计出行度对应的所述分析单元作为该聚类组团的组团中心。
54.其中，比较聚类组团内所有分析单元的累计出行度，将累计出行度最大的分析单元作为该聚类组团的组团中心，以此确定所有聚类组团的组团中心。
55.步骤160：连接聚类组团的所述组团中心得到轨道网络路径集合。
56.其中，连接所有聚类组团的组团中心得到多个轨道网路的集合。
57.步骤170：于所述轨道网络路径集合中选取得到最优规划路径。
58.步骤170包括：步骤171：计算所述轨道网络路径集合中各个路径的综合效益，l
(i,j)
＝a
×
l
w(i,j)
b
×
l
w(i,j)
/l
(i,j)
：i,j∈n且i≠j，其中，l
(i,j)
为路径的总和效益，l
w(i，j)
为组团中心i和j间的任意一条路径的累计出行度，l
(i，j)
为组团中心i和j间的任意一条路径的长度，n为i和j间所有分析单元的编号，a、b均为权重系数，a、b可以根据实际情况选取，本实施例中a、b均取0.5。
59.步骤172：根据所述轨道网络路径集合中各个路径的综合效益选取得到最优规划路径。
60.其中，可以选取最大的综合效益所对应的路径作为最优规划路径，也可以选取适中的综合效益所对应的路径作为最优规划路径，可以根据具体情况选取，本实施例中选取最大的综合效益所对应的路径作为最优规划路径。
61.此外，在述计算轨道网络路径集合中各个路径的综合效益之前，还包括选取组团中心间路径搜索范围的宽度，本实施例中选取的组团核心间路径搜索范围的宽度为2km，即计算组团中心i和j之间轨道网络路径集合中各个路径的综合效益之前，先将组团中心i和j连线，然后将组团中心i和j的连线向两侧均偏移2km形成目标计算区域，将目标计算区域外侧的轨道网络路径去除，只计算目标计算区域内的轨道网络路径。
62.参照图4，其示出了本技术一个实施例提供的城市轨道交通线网规划系统的结构框架图，该城市轨道交通线网规划系统包括获取模块、匹配模块、模型构建模块、聚类组团划分模块、组团中心计算模块、组团中心连接模块和路径选取模块。
63.获取模块，用于获取分析单元以及与所述分析单元对应的出行分布信息；匹配模块，用于将与所述分析单元对应的所述出行分布信息和所述分析单元匹配至同一坐标系；模型构建模块，构建所述分析单元间以出行度为权重的网络拓扑模型；聚类组团划分模块，用于通过非重叠社区发现算法将所述网络拓扑模型划分为多个聚类组团，一个聚类组团包括至少一个分析单元；组团中心计算模块，用于计算所述聚类组团的组团中心；组团中心连接模块，用于连接聚类组团的所述组团中心得到轨道网络路径集合；以及，路径选取模块，于所述轨道网络路径集合中选取得到最优规划路径。
64.在一个实施例中，聚类组团划分模块包括：初始化子模块，用于将网络拓扑模型的每个所述分析单元作为第一社区；第一划分子模块，用于根据相对增益最大原则将所述分析单元重新划分得到第二社区，所述第二社区包括一个以上所述分析单元；第二划分子模块，用于将第二社区看作一个节点，重新划分得到第三社区；以及输出子模块，用于当所有分析单元的所属社区不再发生改变时，输出最终社区作为聚类组团。
65.在一个实施例中，组团中心计算模块包括：出行度计算子模块，用于根据所述网络拓扑模型计算所述聚类组团内的所述分析单元的出行度；
累计出行度计算子模块，用于根据所述分析单元的所述出行度计算所述分析单元的累计出行度；以及组团中心输出子模块，用于将所述聚类组团内最大的所述累计出行度对应的所述分析单元作为该聚类组团的组团中心。
66.在一个实施例中，路径选取模块包括：综合效益计算子模块，用于计算所述轨道网络路径集合中各个路径的综合效益；以及路径选取子模块，用于根据所述轨道网络路径集合中各个路径的综合效益选取得到最优规划路径，本实施例中选取最大的综合效益所对应的路径作为最优规划路径。
67.本技术实施例还公开一种计算机可读存储介质，存储有能够被处理器加载并执行如上任一种方法的计算机程序。
68.所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
69.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
70.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
71.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
72.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
73.以上所述，以上实施例仅用以对本技术的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，不应理解为对本发明的限制。本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在
本发明的保护范围之内。