一种考虑碳排放的城市公交发车频率优化方法

1.本发明涉及交通环境技术领域，具体涉及一种考虑碳排放的城市公交发车频率优化方法。


背景技术：

2.随着城市经济快速发展，环境污染问题日趋严重，影响城市居民生活和生态系统。道路运输是空气污染的主要来源之一。许多研究学者发现提升公交吸引力是缓解环境污染问题的重要手段。引导公众出行优先选择公共交通等绿色出行方式，降低小汽车通行总量。基于此，提升合适线路的公交发车频率一定程度上能吸引乘客从小汽车转向公交车出行，减少城市碳排放。设计和研究一种城市公交发车频率优化方法具有重要意义。


技术实现要素：

3.本发明目的在于针对上述现有技术的不足，提供一种考虑碳排放的城市公交发车频率优化方法，该方法结合公交车数据、环境监测数据，确定待优化的初步重要站点，累计各站点的评分计算各公交线路的综合评分，分阶段优化公交线路的发车频率，以此来提升公交的吸引力，吸引出行者从小汽车出行转向公交出行，达到减少碳排放，缓解空气污染问题的目的。
4.本发明解决其技术问题所采用的技术方案是：一种考虑碳排放的城市公交发车频率优化方法，该方法包括以下步骤：
5.步骤s1：从环境监测站或通过布设空气污染监测点获得污染物co排放量；
6.步骤s2：基于环境监测数据，根据污染物主要来源确定待优化区域，区域内的公交站点作为初定重要站点；
7.步骤s3：基于公交客流量和公交线网数据提取出初定重要站点的位置信息，公交客流量信息；
8.步骤s4：将各站点的co含量，位置属性，公交客流量分别标准化，利用层次分析法计算各指标的比重，加权求和得到各初定重要站点的评分；
9.步骤s5：累计所有公交站点的评分，计算各公交线路的综合评分，分阶段增加待优化公交线路的发车频率。
10.作为本发明所述的一种考虑碳排放的城市公交发车频率优化方法进一步优化方案，步骤s2中，初定重要站点的确定方法包括：
11.步骤s201：基于空气污染监测点测得的污染物数据，认为监测点半径200m 内区域污染情况相同，将区域分为高污染、中污染和低污染区域；
12.步骤s202:根据监测点位置信息及周边设施属性(半径200m内)，判断区域高污染的主要原因：道路运输污染，工业污染，其它；
13.步骤s203：对所有由于交通尾气排放造成高污染的区域取并集作为待优化区域；
14.步骤s204：筛选出所有待优化区域内的公交站点，作为初步重要站点。
15.作为本发明所述的一种考虑碳排放的城市公交发车频率优化方法进一步优化方案，步骤s3中所述位置信息包括医院、旅游景点、住宅区，地铁站，公司企业等出行需求较高的周边信息。
16.作为本发明所述的一种考虑碳排放的城市公交发车频率优化方法进一步优化方案，步骤s4中所述co含量指距公交站最近观测点测得的co含量。
17.作为本发明所述的一种考虑碳排放的城市公交发车频率优化方法进一步优化方案，步骤s4中所述站点的位置属性包括医疗类站点，旅游类站点，住宅类站点，购物类站点，办公类站点，地铁接驳类站点，重要站点，普通站点。
18.作为本发明所述的一种考虑碳排放的城市公交发车频率优化方法进一步优化方案，步骤s4中，初定重要站点的评分的计算方法为：
19.步骤s401：根据不同区域功能区的出行需求，出行目的和出行距离，邀请专家对站点的位置属性在区间[0,1]进行评分。
[0020]
步骤s402：在对站点的co含量、客流量进行min-max标准化处理，分别找出co含量、客流量的最小值和最大值，将原始值x通过min-max标准化映射成在区间[0,1]中的值x
′
。
[0021][0022]
步骤s403：采用层次分析法确定各指标的权重。
[0023]
首先确定目标层为找到公交吸引力差但有充足出行需求的待优化公交站点。为实现该目标，准则层为co含量、位置属性、公交客流量。再确定方案层，增加待优化的公交线路的发车频次。
[0024]
构造判断矩阵表a＝(a
ij
)3×3，用数字1-9及其倒数作为标度来判断指标的相对重要度。
[0025]
其中，判断矩阵标度的定义参考如下：
[0026][0027][0028]
采用特征向量法将权重向量右乘判断矩阵a，确定权重向量w，公式如下： aw＝λ
maxw[0029]
其中，a为判断矩阵，λ
max
为判断矩阵的最大特征值，w为权重向量。
[0030]
最后，根据一致性指标c.i.和平均随机一致性指标r.i.的比值计算一致性比例c.r.进行一致性检验。若c.r.《0.1时，认为判断矩阵的一致性时可以接受的；若c.r.＞0.1时，认为判断矩阵不符合一致性要求，需要对判断矩阵进行重新修正，直至c.r.＜0.1，将求得的权重向量作归一化处理，标准化的权重向量w0＝(w1，w2，w3)中的w1、w2、w3分别为co含量、公交站点属性、公交站点客流量对应的权重。
[0031]
步骤s404：计算每个初步重要站点的分值，由标准化后的指标加权求和得到，公式如下：
[0032]y′i＝w1y1(i) w2y2(i) w3y3(i)
[0033]
其中，yi为第i个初步重要站点的分值，w1、w2、w3分别为co含量、公交站点属性、公交站点客流量的权重；y1(i)、y2(i)、y3(i)为第i个公交站点的经标准化后的c0含量、公交站点属性、公交站点客流量。
[0034]
步骤s403中一致性指标ci的计算公式如下：
[0035][0036]
其中，λ
max
为判断矩阵的最大特征值。
[0037]
步骤s403中平均一致性指标ri可取0.52(其中n＝3)。
[0038]
作为本发明所述的一种考虑碳排放的城市公交发车频率优化方法进一步优化方案，步骤s5中，待优化公交线路的选择方法为：
[0039]
步骤s501：计算所有公交站点的分值，公式如下：
[0040][0041]
其中，yi为第i个站点的分值。
[0042]
步骤s502：累计所有公交站点的分值，计算各公交线路的综合评分，公式如下：
[0043]zn
＝∑ryi[0044]
其中，zn为第n条公交线路的综合评分，r为第n条公交线路的公交站点数量。
[0045]
步骤s503：对公交线路的综合评分进行排序，综合评分大于0的线路即为待优化的公交线路。对待优化的公交线路进行分阶段优化，第一阶段，选择前20％的待优化线路增加其发车频率；第二阶段，选择评分20％-50％的待优化线路增加其发车频率；第三阶段，选择剩下50％的待优化线路增加其发车频率。
[0046]
有益效果：
[0047]
1、本发明以降低城市整体碳排放为目标，结合环境监测数据、公交车数据等基础数据，采用层次分析法计算了各公交站点的评分，确定了待优化公交线路，提出了分阶段增加公交线路的发车频率的方法。
[0048]
2、本发明具有成本低、可重复、数据易获取等优点。
附图说明
[0049]
图1为本发明的方法流程图。
具体实施方式
[0050]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行进一步详细说明。
[0051]
本实施例选择北京市通州区为研究区域，使用的基础数据包括：北京市通州区公交线网数据、通州区公交客流数据、通州区环境监测数据、通州区地图数据。发车频率优化公交线路以北京市通州区公交线网为例。
[0052]
其中，实例使用的北京市通州区公交线网数据和地图数据可通过高德地图开源数据平台爬取，公交客流数据可通过乘客自动计数系统(apc)和公交ic卡技术获取，环境监测数据通过布设的空气污染监测点获得。
[0053]
如图1所述，本发明提供一种考虑碳排放的城市公交发车频率优化方法，该方法包括如下步骤：
[0054]
步骤s1：从中国环境监测站或通过布设空气污染监测点获得污染物co排放量；
[0055]
步骤s2：基于环境监测数据，根据污染物主要来源确定待优化区域，区域内的公交站点作为初定重要站点；
[0056]
步骤s3：基于公交客流量和公交线网数据提取出初定重要站点的位置信息，公交客流量信息；
[0057]
步骤s4：将各站点的co含量，位置属性，公交客流量分别标准化，利用层次分析法计算各指标的比重，加权求和得到各初定重要站点的评分；
[0058]
步骤s5：累计所有公交站点的评分，计算各公交线路的综合评分，分阶段增加待优化公交线路的发车频率。
[0059]
步骤s2中，初定重要站点的确定方法为：
[0060]
步骤s201：基于空气污染监测点测得的污染物数据，认为监测点半径200m 内区域污染情况相同，将区域分为高污染、中污染和低污染区域。
[0061]
步骤s202:根据监测点位置信息及周边设施属性(半径200m内)，判断区域高污染的主要原因：道路运输污染，工业污染，其它；
[0062]
步骤s203：对所有由于交通尾气排放造成高污染的区域取并集作为待优化区域；
[0063]
步骤s204：筛选出所有待优化区域内的公交站点，作为初步重要站点。
[0064]
步骤s3中位置信息包括医院、旅游景点、住宅区，地铁站，公司企业等出行需求较高的周边信息。
[0065]
步骤s4中站点的co含量指距公交站最近观测点测得的co含量。
[0066]
步骤s4中站点的位置属性包括医疗类站点，旅游类站点，住宅类站点，购物类站点，办公类站点，地铁接驳类站点，重要站点，普通站点。
[0067]
步骤s4中，初定重要站点的评分的计算方法为：
[0068]
步骤s401：根据不同区域功能区的出行需求，出行目的和出行距离，邀请专家对站点的位置属性在区间[0,1]进行评分。
[0069]
步骤s402：在对站点的co含量、客流量进行min-max标准化处理，分别找出co含量、客流量的最小值和最大值，将原始值x通过min-max标准化映射成在区间[0,1]中的值x
′
。
[0070]
[0071]
步骤s403：采用层次分析法确定各指标的权重。
[0072]
首先确定目标层为找到公交吸引力差但有充足出行需求的待优化公交站点。为实现该目标，准则层为co含量、位置属性、公交客流量。再确定方案层，增加待优化的公交线路的发车频次。
[0073]
构造判断矩阵表a＝(α
ij
)3×3，用数字1-9及其倒数作为标度来判断指标的相对重要度。
[0074]
其中，判断矩阵标度的定义参考如下：
[0075][0076]
采用特征向量法将权重向量右乘判断矩阵a，确定权重向量w，公式如下：
[0077]
aw＝λ
maxw[0078]
其中，a为判断矩阵，λ
max
为判断矩阵的最大特征值，w为权重向量。
[0079]
最后，根据一致性指标c.i.和平均随机一致性指标r.i.的比值计算一致性比例c.r.进行一致性检验。若c.r.《0.1时，认为判断矩阵的一致性时可以接受的；若c.r.＞0.1时，认为判断矩阵不符合一致性要求，需要对判断矩阵进行重新修正，直至c.r.＜0.1，将求得的权重向量作归一化处理，标准化的权重向量w0＝(w1，w2，w3)中的w1、w2、w3分别为co含量、公交站点属性、公交站点客流量对应的权重。
[0080]
步骤s404：计算每个初步重要站点的分值，由标准化后的指标加权求和得到，公式如下：
[0081]
yi＝w1y1(i) w2y2(i) w3y3(i)
[0082]
其中，yi为第i个初步重要站点的分值，w1、w2、w3分别为co含量、公交站点属性、公交站点客流量的权重；y1(i)、y2(i)、y3(i)为第i个公交站点的经标准化后的co含量、公交站点属性、公交站点客流量。
[0083]
步骤s403中一致性指标ci的计算公式如下：
[0084]
[0085]
其中，λ
max
为判断矩阵的最大特征值。
[0086]
步骤s403中平均一致性指标ri可取0.52(其中n＝3)。
[0087]
步骤s5中，待优化公交线路的选择方法为：
[0088]
步骤s501：计算所有公交站点的分值，公式如下：
[0089][0090]
其中，yi为第i个站点的分值。
[0091]
步骤s502：累计通州区所有公交站点的分值，计算通州区各公交线路的综合评分，公式如下：
[0092]zn
＝∑ryi[0093]
其中，zn为第n条公交线路的综合评分，r为第n条公交线路的公交站点数量。
[0094]
步骤s503：对通州区公交线路的综合评分进行排序，综合评分大于0的线路即为待优化的公交线路。对待优化的公交线路进行分阶段优化，第一阶段，选择前20％的待优化线路增加其发车频率；第二阶段，选择评分20％-50％的待优化线路增加其发车频率；第三阶段，选择剩下50％的待优化线路增加其发车频率。
[0095]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉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内。