公交线路选择模型与算法
大型公交网络线路查询模型与算法
![大型公交网络线路查询模型与算法](https://img.taocdn.com/s3/m/699537c84028915f804dc2bf.png)
[ 摘 要 ] 分 析 了 大 型 城 市 公 交 网 络 的特 点 , 为满 足 乘 客 出 行 时 各 种 不 同 的 需 求 , 合 考 虑 换 乘 次 数 、 综 出 行 时 间 与 乘 车 费 用 等 多 种 不 同 因 素 , 过 构 造 线 路 与 站 点 、 点 与 站 点 的 连 接 矩 阵 , 合 矩 阵 算 法 与 搜 索 算 法 通 站 结 的优 点 , 出 了一 种分 类 多 目标 优 化 搜 索 算 法 . 算 法 搜 索 时 间 较 短 , 够 生 成 多 条 备 选 路 径 供 出行 者 选 择 , 提 该 能 能 基 本满 足 自主 查 询 计 算 机 系 统 的 需 要 . [ 键 词 ] 分 类 多 目标 优 化 ; 乘 次 数 ; 关 换 出行 时 间 ; 车 费 用 乘
考 虑 的是乘 车是 否方 便 , 就换 乘 次数 而 言 , 般不 大 于两 次 ; 次是乘 车 所花 费 的时 间是 否最 少 , 主 要 一 其 这
是 通过 公交 线路 的距 离 、 乘次 数 与换乘 时 间来 衡 量 ; 此基 础 上 最后 考 虑 费 用 最低 . 交线 路 应 同时 换 在 公 考 虑换 乘次 数 、 出行 时 间与乘 车 费用 , 铁线 路 应 以出行 时 间为 主 , 地 同时 考虑 换乘 次 数 , 般 不考 虑乘 车 一
[ 图分 类 号 ] 0 2 中 29
[ 献标识码]B 文
[ 章 编 号 ] 1 7 —4 4 2 1 ) 40 3 —8 文 621 5 (0 0 0 —1 50
1 引
言
对于公 交 线路 查 询 的数学 模 型 , 内外学 者提 出 了许 多算 法 , 括 迪杰 斯特 拉 ( i sr) 法 、 罗 国 包 Dj ta 算 k 弗
公交线网规划的模型与算法的开题报告
![公交线网规划的模型与算法的开题报告](https://img.taocdn.com/s3/m/5b8594345bcfa1c7aa00b52acfc789eb162d9e46.png)
公交线网规划的模型与算法的开题报告一、研究方向:公交线网规划的模型与算法研究二、研究内容:公交线网规划是交通规划和公共交通运营的重要组成部分,对城市交通运行和出行有着至关重要的影响。
本研究将围绕公交线网规划的模型与算法展开研究,主要内容包括以下三个方面:1. 公交线网规划模型的建立针对当前公交线网规划中存在的问题,如公交线路布局不合理、车辆调度不科学、线网转乘尚未优化等,本研究将以城市规模和空间布局为考虑因素,建立合理、可行、优化的公交线网规划模型。
2. 公交线网规划的算法设计本研究将调研和借鉴国内外相关文献和成功案例,深入研究公交线网规划中的优化算法,如最优配线、网络流模型、动态调度等,并将针对不同城市规模和特点,设计符合实际情况的优化算法。
3. 算法实现与应用验证本研究将基于设定的模型和算法,结合实际城市公交线网规划,编写相应的算法实现程序,通过仿真和实际应用验证算法的可行性和优越性。
三、研究意义:公交线网规划模型与算法的研究具有重要的理论和实践意义。
理论上,本研究可以通过分析、总结、总结国内外各种公交规划模型的优缺点,在此基础上建立更为合理、可行的公交线网规划模型。
实践上,研究结果可以为城市公交规划的实际操作提供更具可行性的指导和依据。
四、研究方法:本研究将运用多种研究方法,包括文献研究、案例分析、调查问卷、数学模型和计算机仿真等,以期达到最佳的研究成果。
五、研究预期成果:本研究的预期成果包括:针对城市不同规模和特点建立公交线网规划模型;设计优化的公交线网规划算法;开发相应的算法实现程序;实际应用验证算法的可行性和优越性;论文撰写和发表。
六、研究难点和问题:1. 公交线网规划模型的建立涉及到城市规模和空间布局等多方位因素的考虑,需要通过大量实证研究和数据分析,加深对相关因素的理解和把握。
2. 公交线网规划的算法设计需要深入研究各种优化算法的原理和应用思路,以保证算法的严谨性和实用性。
3. 算法实现与应用验证需要寻找合适的实际应用场景和大规模数据集,以帮助验证算法的可行性和性能表现。
公交最优乘车路径模型
![公交最优乘车路径模型](https://img.taocdn.com/s3/m/264a0629cfc789eb172dc84b.png)
北京市公交最优乘车路径选择的数学模型摘要2008年8月,奥运圣火将在北京点燃。
盛大的奥运赛事聚焦了全世界人民的目光,明年的北京将绽放最绚丽的光彩。
届时,客流量将会大幅上升,环境、交通、城市建设都将面临很大考验。
怎样才能更好的解决奥运期间市民和游客的出行问题呢?针对这样的实际问题,我们设计了一个城市公交线路的自主查询系统,建立了关于城市公交最优乘车路径选择的数学模型和算法,巧妙的运用Java语言编写程序,解决了现实生活中乘车路径选择的问题。
针对问题 1,在只考虑公汽线路时,首先求出起始站和终到站所有公交线路集合的交集,若此交集为非空交集,则选择所有直达线路中途经站点数最少,即花费最少的线路出行;若交集为空,选择起始站附近的站点,求出此站和终到站所有公交线路集合的交集,若为非空交集,则可选择换乘一次的方法出行;否则,换乘两次,换乘三次……直到找到换乘N次的乘车方案为止。
存在多条乘车线路时,考虑途经站点最少的乘车方式。
在此基础上,通过运用Java语言编程,确定了所需的最优乘车路径:(1)乘坐L436路公交车从S3359到S1784站,在S1784站换乘L167或L217路到S1828站,全程换乘一次,耗时101分钟,乘车费用为3元;(2)乘坐L84路公交车从S1557到S1919站,在S1919站换乘L189到S1402站,在S1402换乘L460到S0481站,全程换乘两次,耗时112分钟,乘车费用为3元;(3)乘坐L13路公交车从S0971到S2184,在S2184站换乘L417路到S0485站,全程换乘一次,耗时128分钟,乘车费用为3元;(4)乘坐L43路公交车从S0008到S1383,在S1383站换乘L282路到S0073站,全程换乘一次,耗时113分钟,乘车费用为3元;(5)乘坐L308路公交车从S0148到S0302,在S0302站换乘L427到S2027站,在S2027站换乘L469到S0485,全程换乘两次,耗时118分钟,乘车费用为3元;(6)乘坐L454路公交车从S0087到S3469,在S3469站换乘L209路到S3676站,全程换乘一次,耗时65分钟,乘车费用为2元;针对问题 2,要求同时考虑公汽线路和地铁线路,在同一地铁站对应的任意公汽站间可免费换乘,利用问题1的思想建立数学模型,运用Java语言编程,得到同时考虑公汽和地铁时的最优乘车路径:前五对起始站→终到站的最优乘车路径的选择与问题1一致。
公交线路优化模型与算法研究考核试卷
![公交线路优化模型与算法研究考核试卷](https://img.taocdn.com/s3/m/c8298d5e17fc700abb68a98271fe910ef12dae21.png)
9. ABCD
10. ABCD
11. ABC
12. AB
13. ABC
14. ABC
15. ABCD
16. AD
17. AB
18. ABCD
19. AC
20. ABC
三、填空题
1.效率和成本
2.运营成本和出行时间
3. �搜索
4.公交车辆容量
5.全局搜索和并行处理
6.出行总
7.粒度
8.经济指标和乘客满意度
1.公交线路优化的主要目的是为了提高公共交通的______和降低______。
()()
2.在公交线路优化模型中,常用的目标函数包括______最小化和______最小化。
()()
3.粒子群算法是一种基于群体智能的优化方法,它通过模拟鸟群的______行为来进行搜索。
()
4.公交线路优化中的约束条件通常包括公交站点间距、公交站点容量和______。
A.交叉与变异操作
B.加速因子调整
C.退火速率调整
D.局部搜索策略
15.在公交线路优化模型中,以下哪些因素会影响公交乘客的出行选择?()
A.公交运行速度
B.等车时间
C.换乘次数
D.公交票价
16.以下哪些算法在公交线路优化中具有局部搜索能力?()
A.局部搜索算法
B.模拟退火算法
C.粒子群算法
D.遗传算法
()
标准答案
一、单项选择题
1. A
2. D
3. D
4. D
5. A
6. B
7. D
8. C
9. C
10. A
11. B
12. A
13. C
公交算法
![公交算法](https://img.taocdn.com/s3/m/c1f0d4de5022aaea998f0f47.png)
公交路线中最优路线的查询算法设计与实现1.摘要本文针对公交线路选择问题建立了相应的数学模型,并给出具体算法以实现查询最优路线的目标。
针对问题一,在仅考虑公汽线路的情况下,我们根据公汽线路信息建立一个广义邻接矩阵,以存储任意两公汽站点之间的相关信息。
基于该矩阵可以查找出任意两站点之间的所有可通路线。
然而,考虑到公交系统如此庞大,任意两站点间的路线都有可能又多又复杂,查找算法的实现将耗费大量的时间。
而另一方面,查询者并不关心两站点间的所有路线,只是希望根据个人的需求查询到相对最优的路线。
因此我们结合实际,借助站点的广义邻接矩阵,以换乘2次为上限,查找从指定的始发站到终点站间所有可通的路线。
充分考虑到查询者的需求,我们定义四种不同的查询方式,分别为:少换乘、少步行、较快捷、较经济。
然后以查询者的具体需求(即查询方式)为首要决策变量,并扩充查询系统的实力,建立多目标动态优化模型,在局部最优的基础上,给查询者提供全局最优路线。
对于问题二,分两步考虑:1).不考虑地铁与公汽之间换乘的信息,单独利用地铁线路信息扩充问题一中的广义邻接矩阵,使之包含任意两公交站点(包括公汽站点和地铁站点)之间的相关信息,实际上这里公汽站与地铁站之间没有任何联系;2).考虑到地铁与公汽之间换乘的信息,我们把每个地铁站以及它所对应的所有公汽站组成一个站点集合,则同一集合中的站点可以通过步行连通;当指定始发站和终点站时,问题转化为查询这两站点分别对应的站点集合之间的最优路线。
利用问题一中的查找算法,以1)中得到的扩充后的邻接矩阵为参数信息,查找所有中转站,将中转站对应为相应的中转站点集合。
遍历始发站集合、中转站集合、终点站集合的所有元素组合,可以得到始发站到终点站的所有路线;最后根据查询者的需求查找最优路线。
问题三已知所有站点之间的步行时间,则所有站点可以通过步行连通,构成一个站点集合,等效于问题二中的站点集合,则可利用问题二的思想求解。
公交路线的选择
![公交路线的选择](https://img.taocdn.com/s3/m/e1077b4e767f5acfa1c7cd17.png)
乘公交,看奥运摘要本文讨论了从众多可行线路中根据乘客的不同需求选出最优线路的问题,属于最优路径的选择问题。
在选择路径时,我们采用了广度优先遍历算法。
对于问题一,首先利用MATLAB编程将公交线路及其信息储存在元胞数组中,在仅考虑了公汽线路的条件下,建立了3个评价指标,即花费的时间T,所需的费用C和换乘次数j。
在选择最优线路时,采用广度优先遍历算法,遍历出换乘次数不超过2次,经过起始点和终点的所有线路,并根据3个评价指标对路线进行评估。
对于要求出的6条线路,利用MATLAB软件编程,最终求出了分别以换乘次数最少,花费时间最少,所需费用最低为查询要求的最优线路(见表6.1,6.2)。
对于问题二,我们将地铁线路、地铁站当做新的公汽线路、公汽站,将公汽站和地铁站的转乘站当做二者的交汇点,在同时考虑了公汽线路和地铁线路的条件下,建立了4个评价指标,即花费的时间T,所需的费用C,公汽换乘次数j,和地铁的换乘次数f。
在选择最优线路时,采用广度优先遍历算法,遍历出公汽和地铁换乘次数都不超过2次,经过起始点和终点的所有线路,并根据4个评价指标对路线进行评估。
对于要求出的6条线路,利用MATLAB软件编程,最终求出了分别以换乘次数最少,花费时间最少,所需费用最低为查询要求的最优线路(见表7.1,7.2)。
对于问题三,在问题二的基础上,把步行当做新的交通选择方式,将任意两个站点之间花费的时间分为公交的行驶时间和乘客的等待时间,建立了5个评价指标,即花费的时间T,所需的费用C,公汽换乘次数j,地铁的换乘次数f和步行时间P,如果所求的线路满足设定的要求,则可以选择步行方式。
关键字:最少换乘次数最小费用最短时间广度优先遍历一、问题重述1.1 问题背景随着我国经济社会的迅猛发展,作为城市人们主要出行工具的公共交通(简称公交,包括公汽、地铁等)亦发生了翻天覆地的变化,城市越变越大,人们能够选择的公交线路也越来越多,并往往难以一站到达。
公交乘车最优线路的数学模型与算法
![公交乘车最优线路的数学模型与算法](https://img.taocdn.com/s3/m/3a50660f4a73f242336c1eb91a37f111f1850d05.png)
公交乘车最优线路的数学模型与算法
蔺焕泉
【期刊名称】《长春大学学报》
【年(卷),期】2008(018)006
【摘要】本文运用图论理论,建立了公交乘车优化模型。
用换乘矩阵描述换乘公交的次数,计算出换乘的次数以及乘车所耗费的时间。
运用数据库中遍历的方法,计算出乘车最优线路。
【总页数】5页(P19-23)
【作者】蔺焕泉
【作者单位】长春大学应用数学系,吉林长春130022
【正文语种】中文
【中图分类】O224
【相关文献】
1.公交最优路径选择的数学模型及算法 [J], 雷一鸣
2.城市公交最优路径选择的数学模型及其算法 [J], 王庆;潘荣英
3.洛阳公交最优乘车线路模型 [J], 张国利;刘晓姣
4.最优公交线路选择问题的数学模型及算法 [J], 周文峰;李珍萍;刘洪伟;王吉光
5.公交乘车最优线路的数学模型与算法 [J], 蔺焕泉
因版权原因,仅展示原文概要,查看原文内容请购买。
公交车数学建模
![公交车数学建模](https://img.taocdn.com/s3/m/aa08ff7969dc5022abea00be.png)
B题:重庆市主城区公交线网的优化与评价姓名学院年级专业学号联系电话相关学科成绩高等数学线性代数概率统计数学模型数学实验英语四级英语六级徐清鹏09电气学院07班0989 87573 475张雅洁09电气学院01班0991 75566 480刘维09电气学院0109 92 83 525重庆市主城区公交线网的优化与评价摘要: “畅通重庆”是建设五个重庆的战略目标之一,通过有效融合公交网和轻轨网的,是实现这一目标的有效途径。
因此对重庆市主城区现有的地面公交线路进行优化和调整具有十分重要的意义。
针对问题一:采用定性与定量相结合的递阶层次分析法(AHP)对重庆市市现有的公交线路网现状进行进行分析,筛选了与公交线路网评价有关的四个方面(线路网络能力、客运能力、经济效益、环境影响)下的12个主要指标建立模型。
建立各个层次的判断矩阵,通过MATLAB 软件计算各个方面的总权重值并进行排序,并采用一致性判断指标决定判断的合理程度。
最后采用线性加权的的方法建立综合评价模型:N =∑E 1i ω1i +∑E 2i ω2i +∑E 3i ω3i +∑E 4i ω4i 3i=13i=13i=13i=1依据查询在重庆市主城通行的公交车数据及与选取指标相关数据,计算出各指标的有关系数,并参照公交线网络指标评价标准的建议值对各个指标评分,得出其得分为,等级为中。
针对问题二:鉴于公交系统网络的复杂性,我们没有采用常规的Dijkstra 算法,而是采用了基于公交停靠站换乘功能进行OD 预测。
算出铁路(或轻轨)停靠站的公交客运量。
同时建立了分别以剩余客流量,接运站点数量为目标的优化模型。
然后对OD 客流量剩余值进行确定,得到的由三部分(需要保留的路线,改变的路线布设,合并和消除的路线)构成的“轨道-接运公交网”。
针对问题三:我们主要以轻轨地铁路线为主干线对重庆市主城的公交线路进行规划设计。
由于规划年限较短,我们对乘坐公交的人口,公交车数量,客流量等因素采用马尔萨斯(Malthus )模型。
最佳公交线路的实时查询模型及算法
![最佳公交线路的实时查询模型及算法](https://img.taocdn.com/s3/m/a6504ddaff00bed5b8f31d4e.png)
最佳公交线路的实时查询模型及算法摘要本文针对查询者的不同需求,为公交查询系统提供了最佳线路查询的模型与算法。
查询者的需求从换乘次数少、时间少和费用少三方面进行考虑。
故查询算法从换乘次数(从实际出发,换乘不超过两次)入手:对直通的任意两站点,可设计出较简单的最佳直通线路查询算法(直通算法)。
故对需要查询的两站点,算法先由线路、站点的原始数据判断此两站点是否直通,若是,便可通过直通算法进行查询。
不论是否存在直通线路,算法都考虑对换乘的情形进行查询。
考虑到城市公交系统中的站点基数较大,可行的换乘方案数也将较大,故查询算法根据所有可行的一、二换乘点必与起、止站点直通的原则,对可能成为给定两站点的换乘点的站点进行了筛选,得到相关站点集,较大的缩小了查询的范围。
得到相关站点集后,建立了反映站点集中任意两站点直通关系的连通矩阵,并通过矩阵乘法,较快地得出了所有可行的一次、二次换乘点。
考虑到所有可行的换乘点可能较多,特别是二次换乘的情形,故查询算法采用分支定界法以较高效率对最佳方案进行了最后的筛选。
在考虑地铁的公交系统时,本文从实际出发,对模型进行了一定的修改。
同时,本文考虑了引入站点之间的步行时间的情况,提出了线路选择的模型。
由于筛选算法、矩阵乘法和分支定界法的高效性,整个查询算法具有很高的效率,并能在换乘次数不超过两次的条件下,求得全局最优解,得出满足查询者不同需求的所有最佳方案。
并且,从系统设计的角度出发,整个系统需要预存的数据量很小,系统的实用性很强。
对给定的六对站点,采用本算法进行查询,在1.7GHZ的CPU环境下,平均运行时间为:1.27秒,最长运行时间为7.43秒,验证了算法的实时性。
同时,对每一对站点,得到了满足不同查询需求的所有最佳线路方案,验证了模型与算法的精确性。
关键词:最佳线路、实时、筛选算法、分支定界一、问题重述第29届奥运会将于今年8月在北京举行,届时有大量观众到现场观看比赛,其中大部分人将乘坐公共交通工具(包括公汽、地铁等)出行。
公交线路模型
![公交线路模型](https://img.taocdn.com/s3/m/f96543c68bd63186bcebbca1.png)
承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。
如有违反竞赛规则的行为,我们将受到严肃处理。
我们参赛选择的题号是(从A/B/C/D中选择一项填写): B我们的参赛报名号为(如果赛区设置报名号的话):所属学校(请填写完整的全名):参赛队员(打印并签名) :1.2.3.指导教师或指导教师组负责人(打印并签名):数模指导组日期: 2011 年 8 月 26 日赛区评阅编号(由赛区组委会评阅前进行编号):编号专用页赛区评阅编号(由赛区组委会评阅前进行编号):全国统一编号(由赛区组委会送交全国前编号):全国评阅编号(由全国组委会评阅前进行编号):公交查询系统的研究与设计摘要本文旨在设计一个解决公交线路选择问题的自主查询计算机系统。
问题一,鉴于实际生活中公交路线复杂多样,我们将不同公交线路抽象化。
把公汽换乘和直达综合考虑,模型比较复杂,所以我们首先建立公汽直达数据库Q,用户查询时,系统首先查询Q,得到所有直达车方案。
在需要转乘时,针对不同用户需求,分别以转乘次数最少、总耗时最短、总费用最少为目标,量化不同目标为有向赋权图的不同权矩阵,始、终点连通为约束建立 0-1 整数线性规划模型来设计最佳路线。
为了能提供多种公交线路备选方案,我们首先使用基于Dijkstra 的邻接算法求解,得到不同目标下的多种优化方案;对于邻接算法不易求解的多次转乘最优方案,我们采用Lingo 软件直接求得全局最优解。
综合方案集(见5.1.6模型表1.1-1.6),其中6条线路时间最短目标分别为67、102、106、62、105、49(分钟)。
公交最佳出行线路的一个模型及算法
![公交最佳出行线路的一个模型及算法](https://img.taocdn.com/s3/m/5c076af4910ef12d2af9e795.png)
将原 有开 裂 的拱 连在一 起 .有利 于桥 梁排水 。
体 情 况 而 定 ) 板 箍 ( 板 厚 可 钢 钢 取 6 m~ mm) 钢 拉 杆 ,用 螺 m 8 或
3 . 降低 拱脚 水平推 力 ,采用 .3 2 钢杆拉 结法
为 防止拱 脚位移 .提高拱 的 承 载力 .也可 在拱 圈根部 凿开 混
凝 土 .对 外 露 钢 筋 可 焊 接 钢 拉 杆
栓 在拱 底及拱 侧钻 孔锚 固 ,并 注
意 将 锚 固点 设 在 拱 圈 厚 度 的 1 / 3
处。
作 者 简 介 :刘克 礼 ( 9 0 ) 1 6 一 ,男 ,广 西 靖 西 县 人 , 工 程 师 .长 期 从 事 农 村 公
・ ・ 6 . ・ ・:・ 书 6 ‘>6
・: ・ ‘>夺
・: ‘ > ‘>・ : ・
以用 增加 厚度 和横 向联 系 、或 设 置代 替承 载力 的补充 结构 的方 法 来加 固。 32】 在原 拱罔 下增设 拱 周 .. 在 桥下 净空允 许时 .可 在原 有的拱 圈下部 增设 拱圈 .紧贴原 拱 圈下 面 ,喷 射钢 丝 网水 泥拱 圈 或 浇筑 混凝土拱 圈。
.
书 ・: ‘>・
・ 夺
・ . . 6 书
- ・ 6 6
・ ・ 6
・ ・ ・ . . 书 书 6 ・ . ・ 书 夺
・ ・: . -: 0 ・ ・ . ‘ >・ 书 书 ‘ >・ 6 6
・ - 6 6
・ ・ ・ 6 6
・ ・ 6 . ・ 书 6
・:・ ‘>夺
・: ‘ >・ ・ - ‘>・ : 夺 6 6
洗 净 修 补 好 ,凿 毛 ,加 筑 新 拱 圈 。此 法不仅 加 固 了拱 圈 ,而且
城市公交线路优化的数学模型和算法
![城市公交线路优化的数学模型和算法](https://img.taocdn.com/s3/m/309d1eacf524ccbff121848a.png)
城市公交线路优化的数学模型和算法摘要:随着我国城市化的不断发展,城市的交通状况成了摆在我们面前的亟待解决的一个问题.建立数学模型的方式,以“分离目标,逐次优化”为原则,假设的乘客od量和公交行驶时间已知,对公交线网进行布设和优化,并且逐步修正.在保证线路走向能与主要客流方向基本一致的情况下,实现全服务区总乘行时间最短,换乘次数最少,客流分布均匀的目标.关键词:最优路径公交网络乘客od量随着城市建设的迅猛发展,公交出行已成为人们的一个重要出行方式。
公共交通作为一个城市经济发展的象征性基础设施,它为广大居民的日常出行提供了方便,因此也关系到一个城市的基本保障问题.优化公交网络,提高公交运载效率越发受到社会的关注,成为人们的迫切需求.公交规划就是一个多目标的优化问题.进行公交优化设计需要区分主次,设定专门的优化措施.为此,我们提出了“分离目标,逐步解决”的办法.主要是利用数学模型,通过计算机进行处理,得到一个初步优化完善的公交网络.再适当做些调整,使得线路能够分布相对均匀,消除空白的公交区域.1.dijkstra算法dijkstra算法是很有代表性的最短路算法,其基本思想是,设置顶点集合s并不断地作贪心选择来扩充这个集合.一个顶点属于集合s当且仅当从源到该顶点的最短路径长度已知.初始时,s中仅含有源.设u是g的某一个顶点,把从源到u且中间只经过s中顶点的路称为从源到u的特殊路径,并用数组dist记录当前每个顶点所对应的最短特殊路径长度.dijkstra算法每次从v-s中取出具有最短特殊路长度的顶点u,将u添加到s中,同时对数组dist作必要的修改.一旦s包含了所有v中顶点,dist就记录了从源到所有其他顶点之间的最短路径长度.2.公交线路布设模型2.1公交线路的布设原则公交网络本身具有快捷、灵活、网络覆盖率高的特点,适合中短距离出行.一般公共汽车的起讫站点相隔在500m到800m之间,如果是在城市中心的话站点之间可以缩短到400m,时间上在客流高峰的时候发车间隔会在3到5分,除此之外的时间可以增加到6到8分,站点设置一般能和其他站点有较好的换乘[1].2.2城市客流集散点的计算在已知公交od矩阵的条件下,将研究区域划分成若干地理性质相似的区域,也可以依据行政意义进行划分,把每一个分好的小区看作一个单一的节点,同时又要能被城市中的主要干路线路贯通,然后通过具体分析可以确定以下指标,并且作为节点的重要度指标.这些指标有地理位置、路况、od集散程度、人口数量、金融指标等[2].节点的加权平均值为:l■=■α■·■,l■表示区域内节点i 的重要度;α■表示第j项指标的权重;m是指标数量;e■是节点i的第j项的指标.e■为区域内所有节点的第j项指标算数平均值.客流集散强度:e■= ∑■ q■·δ■■,q■是od点k,1间的od客流量(人)δ■■=1,当j,k间的最短路径经过i0,否则式子中权重值α■的确定即确定出各个标准对于每个节点重要程度的影响效果.2.3线路起讫点确定客流量集散地点确定以后,就可以根据公交区域的客流量(od 量),即根据交通区域的发生量还有吸收量最终找到起讫点.2.3.1按照客流量设定站点当交通小区处于高峰时期,发生量和吸引量都超过了此线路中间站点的最大运载能力的时候,仅仅依靠中间站点无法完成运载任务,那么这个交通小区就要设置为起讫站点,从而增加运载量.所以可以依据中间站点的运载量设定起讫站.某一个交通小区发生量和运载量超过某一个值时候,需要设定站点.单个中间站点运输力为c■=60b/t■,c■是中间站点运载力(即人次/高峰小时);t■是高峰每小时的发车时间间距;b是高峰小时每辆车从中间站搭乘乘客数量的平均值,所取的值可以通过调查得出.交通小区中间站运载力为c(i)=c■n(i),全规划区域的站点个数n■=ρs/d,n■为全规划区域站点的数量;ρ是规划的公交网络的密度;s是规划区域的面积;d为站点的平均间隔.先根据各个交通小区的出行数量的相对值大小确定出中间站的数量n(i),n(i)=n■t(i)/t,t(i)为交通小区公交乘客发商量或者是吸引量的总和;t为全规划区域的公交发生量的总和.t=■t(i),一个起讫站点的最大运载力为c■=60rr/(t■k■).2.3.2按照实际的要求设置起讫点一些特殊的地区,如汽车车站、热门旅游景点、船运港湾、生活区等,为了满足乘客的出行路线,服务人民生活,即使总的发生量和吸引量没有达到设站的要求,也可以设定起讫站点.2.4公交线路的校正和优化2.4.1设置网络的最佳走向确定起讫点以后,就要根据路段的不同将行驶所用时间作为阻抗,从而来求得各个起讫站点配对以后的最短路径.又由于这里想到要把优化的网络经过集散点,因此又提出了一个“集散点吸引系数”.2.4.2直达乘客数量的校正2.4.2.1公交线路长短的校正公交网络的路线距离不能过于长和短,必须按照该城市里的实际情况来确定,对已经拟定的待选路线来筛定.对于那些不满足该条件的首末点之间我们不设定公交线路,这时候就要把直达的乘客数量z■设置为0.2.4.2.2防止线路间的自相配对同一个节点是不可以作为相同单向路线起讫站点,因此令z■=0.2.4.2.3对于同一区域设定多个站点的校正当有些划定区域的出行量值非常大的时候,就要确定多个起讫站点了,这个时候,在直达乘客的矩阵里,相对应的起点那一行和终点那一列就要校正,校正次数和这个区域的起讫站点数量是一致的.2.4.3所设定线路的优化校正优化线路需要考虑以下问题:校正乘客的od量,确定od量的剩余数值,校正行车时间,以及复线系数.3.实例我们假设一个交通路线分区和基本路段的路线图,od量我们假设已经通过调查求出.图中线路上的数字是该条路段车辆的行驶时间(单位:分钟).待选路线中的直达乘客数量表示为:再按照线路的长度要求,防止自相的配对、一个区域设定多个站然后再次对直达的乘客量进行校正.经过最后的计算.od在[b,c]的乘客量是最大的.这就要设定一个b到c、c到b的公交网,那么最短路径就会是6-12-18-17-16-15-14-20-19.通过之前的复线系数把第一条公交路通过行车行驶时间修正(其中的数值可以参考待选的最短路径).到这里,第一条线路设置工作就全部结束了,除去b和c点以外,再一次查询最短路径,逐次去布设第二条、第三条公交线,最后得到完整的网络线路图.现实生活中公交网络问题受到诸多因素的影响,需要综合考虑这些因素的制约,而且需要搜集大量的数据,并进行实际论证,需要通过数学建模的方法进行研究,合理且便于操作的方法,这也是后续研究的方向.参考文献:[1]成邦文,王齐庄,胡绪祖.城市公共交通线网优化设计模型和方法[m].系统工程理论与实践.[2]李维斌.汽车运输工程[m].北京:人民交通出版社,1987.[3]赵志峰.城市公共交通线路网规划方法[j].上海交通大学学报,1988,22(6).[4]易汉文.城市公交线路系统的规划与设计[m].系统工程,1987,5(1).[5]肖位枢主编.图论及其解法[m].北京:航空工业出版社,1993.[6]胡运权.运筹学教程(第三版)[m].北京:清华大学出版社,2007.4.。
最优路线模型
![最优路线模型](https://img.taocdn.com/s3/m/de85d67b31b765ce05081493.png)
乘坐公交车优化方案设计摘要:本题是一个公交线路查询的优化问题。
根据乘客对换乘次数少、出行时间短以及出行费用低的不同需求,找出适合乘客的最优公交出行线路。
我们通过上网查询,搜集整理得到站点之间直达、一次换乘和二次换乘的所有可行线路。
通过将公交乘车的合理简化,即乘车耗时简化为与站点数目成正比,而换车时间为定量,以计算各条线路的总耗时。
为了找到符合需求的最优线路,我们抓住换乘次数、出行时间和出行费用这三个影响线路选择的主要因素,针对三个影响因素重要程度相差较大的情况,建立了基于影响因素优先级的线路选择模型,即模型三。
相反地,针对三个影响因素的重要程度相差不大的情况,我们在模型四中制定了因素的重要性尺度和综合评价指标,通过量化的方法建立了基于综合评价的线路选择模型。
在论文的最后,我们首先对“最大换乘次数为两次”的模型假设进行讨论,通过分析肯定了假设的合理性。
其次,通过对模型三与模型四这两种最优线路选择方案进行比较,分析了各自的优劣。
关键词公交路线选择需求优先级综合评价1.问题提出:公共交通作为长沙市交通网络中的重要组成部分,由于公共交通对资源的高效利用,使得通过大力发展公共交通,实行公交优先成为缓解日趋严重的道路交通紧张状况的必然选择。
况且随着人们在长沙市中各个地方活动的频度不断增加,长沙市公共交通在现代化都市生活中起着越来越重要的作用。
然而,面对迅速发展和不断更新的长沙市公共交通网,如何快速的寻找一条合理的乘车路线或换乘方案,成为长沙市居民和外地游客一个比较困惑的问题。
根据长沙市居民和外地游客的需要研究公交出行路径优化算法,寻找并提供一条或多条快速、经济、方便的从出发点到目的地的最优乘车或换乘方案,是公共交通系统中最基本最关键的问题。
一公务人员从长沙火车站(五一路火车站)下车在一天时间内到如下地点:长沙市政府、中南大学新校区、黄兴路步行街办事,并回到长沙火车站(五一路火车站)。
为了提高该公务员的出行效率,设计出任意两公交站点之间线路选择最优问题的一般数学模型。
基于AI技术的公交自动调度设计方案
![基于AI技术的公交自动调度设计方案](https://img.taocdn.com/s3/m/e467e5c003d276a20029bd64783e0912a2167cc4.png)
基于AI技术的公交自动调度设计方案一、算法和模型基于AI技术的公交自动调度设计需要运用一系列的算法和模型来实现。
以下是一些关键的算法和模型:1. 机器学习算法:用于从历史数据中学习客流量、车辆位置等数据的规律和模式,从而预测未来的数据变化趋势。
常见的机器学习算法包括线性回归、决策树、随机森林等。
2. 深度学习算法:通过构建神经网络模型,对大量数据进行训练和学习,以实现更精确的预测和分类。
深度学习算法在处理图像、语音、自然语言等领域具有优势,如卷积神经网络(CNN)、循环神经网络(RNN)等。
3. 强化学习算法:通过让模型与环境互动并根据结果进行自我优化和调整,实现最佳的调度决策。
强化学习算法可用于处理复杂的控制问题,如Q-learning、SARSA等。
4. 预测模型:基于历史数据和实时数据,构建预测模型来预测未来的客流量、车辆到站时间等。
预测模型可以采用时间序列分析、回归分析等方法进行构建。
5. 优化模型:通过优化算法来求解调度问题,如旅行商问题(TSP)、车辆路径问题(VRP)等。
优化模型可用来求解最优的车辆路径、最短的行车时间等问题。
6. 仿真模型:通过仿真技术模拟公交系统的运行情况,评估调度方案的性能和效果。
仿真模型可以采用系统动力学、离散事件等方法进行构建。
二、输入基于AI技术的公交自动调度设计方案需要以下输入:1. 历史数据:包括公交车辆的历史运行数据、客流量数据、站台数据等。
这些数据用于训练AI模型并预测未来的数据变化趋势。
2. 实时数据:包括实时监测的公交车辆位置数据、客流量数据、道路交通状况数据等。
这些数据用于实时调整和优化调度方案。
3. 预测数据:根据历史数据和实时数据,预测未来的客流量、车辆到站时间等数据。
这些数据用于制定调度计划和控制策略。
4. 调度计划:根据预测数据和实时数据,制定合理的公交车辆调度计划,包括发车时间、班次频率、车辆数量等。
5. 路况信息:包括道路交通状况、交通事故信息、天气情况等,这些信息影响公交车辆的运行时间和路线安排。
公交线路选择的相关性规律和换乘总量计算模型
![公交线路选择的相关性规律和换乘总量计算模型](https://img.taocdn.com/s3/m/e2d8cea768dc5022aaea998fcc22bcd126ff4268.png)
公交线路选择的相关性规律和换乘总量计算模型陈君;杨东援;赵清梅【摘要】Traditional public transportation transfer information is obtained by resident travel surveys,which have some shortcomings such as high cost,slow update and so on.This paper analyzed time intervals of two consecutive boardings of bus passengers using smart card data and found that there is strong correlation of person-times between choosing same routes and choosing different routes for two non-transfer transittrips.Through theoretical analysis of the internal mechanism,it was proved that this law is universal.According to the finding,the paper established the calculation model of total transit transfer volume and presented the algorithm based on smart card data.The algorithm was tested and validated using large-scale actual data and the results show that the model and algorithm are practical and accurate.%传统的公交换乘信息是通过居民出行调查方法获取,具有费用高、数据更新慢等不足.应用公交IC卡数据对乘客连续两次乘车的时间间隔分析,发现当两次乘车为非换乘关系时,选择乘坐相同线路的人次与选择乘坐不同线路的人次之间具有强相关性.通过对相关性规律的内在机理进行理论分析,证明其具有普适性.应用发现的规律建立了公交系统换乘总量的计算模型,并提出了基于公交IC卡数据的计算算法.以大规模实际数据对算法进行了实验和验证,研究结果表明提出的模型和算法具有良好的实用性和精度.【期刊名称】《西安建筑科技大学学报(自然科学版)》【年(卷),期】2017(049)006【总页数】6页(P835-840)【关键词】交通工程;公共交通;换乘;相关性分析;公交IC卡数据【作者】陈君;杨东援;赵清梅【作者单位】西安建筑科技大学土木工程学院,陕西西安710055;同济大学交通运输工学院,上海201804;西安建筑科技大学土木工程学院,陕西西安710055【正文语种】中文【中图分类】U491.1传统的公交换乘信息是通过大规模的居民出行抽样调查来获得,具有费用高,数据更新慢等不足[1].近十几年来,国内、外开始研究通过分析公交IC卡数据来获得公交系统的换乘信息[2-4].Markus Hofmann等(2005)[5]应用爱尔兰公交电子售票数据对公交刷卡乘客的换乘行为进行了研究,当同一公交IC卡连续两次刷卡的时间差小于90 min,且两次乘车线路不同时,将两次乘车判断为换乘关系.Catherine Whitney Seaborn 等(2008)[6]利用公交IC卡数据对伦敦多模式的公共交通换乘问题进行研究,通过分析得到伦敦市公交换乘所需时间的估计值.Ka Kee Alfred Chu 等(2008)[7]利用公交乘客连续两次乘车的时间和空间关系,对乘车记录进行逐一判断,确定出换乘的记录.陈君等(2013)[8]应用公交卡数据和智能调度系统数据建立了公交换乘判断模型,通过逐个计算任意两次乘车的换乘时间阈值来判断换乘.这种逐个计算换乘判断阈值的方法[7-8],除了需要公交IC卡数据以外,还需要公交GPS数据、运行记录数据和站点坐标数据(或者是公交运行时刻表数据).本文应用公交IC卡数据对乘客连续两次乘车的时间间隔分析,发现连续独立的两次公交乘车(非换乘关系),在不同乘车时间间隔所选择乘坐相同线路的人次和不同线路的人次之间具有强相关性.对该规律的内在机理进行了理论分析,应用这一规律本文提出了一种新的公交乘客换乘总量的计算模型.1 研究数据描述以南宁市2008年12月111条公交线路的IC卡数据作为研究数据.以12月1日为例,南宁市公交IC卡系统1天的数据量为354 863条.应用SQL-Server数据库系统导入和存储公交卡数据,研究数据字段描述,见表1.表1 研究数据字段描述Tab.1 Fields description of research data字段名数据示例数据类型字段内容Card_ID77009∗∗∗字符公交卡号(隐去后3位数字)IC_Date2008⁃12⁃03日期刷卡日期IC_Time14:43:00时间刷卡时间Bus_ID060437字符公共汽车编号Route_ID000006字符公交线路编号Direction_ID上字符公交运行方向(上行或下行)2 公交乘客线路选择的相关性规律2.1 最大可能换乘时间间隔分析公交换乘的乘车时间间隔包括3个部分:前一次乘车的车内时间、换乘步行时间和换乘候车时间.(1)前一次乘车的车内时间南宁市公交线路正常运营的全程时间在30~80 min之间,将80 min作为最大车内时间.(2)换乘步行时间假定换乘的最大距离为1 000 m,按步行速度1.2 m/s计算,最大换乘步行时间需要13.8 min.(3)换乘候车时间南宁市111条公交IC卡线路的发车间隔在25 min以下的有107条,超过25 min的仅有4条.将25 min作为最大换乘候车时间.以上3项的最大值之和为118.8 min,取120 min作为分析南宁市公交换乘的最大可能换乘时间间隔.2.2 公交线路选择的相关性分析2.2.1 工作日分析以南宁市12月2日(星期二)凌晨4:00至12月3日(星期三)凌晨4:00之间24 h,111条公交线路的362 434条公交卡数据作为工作日分析对象.在SQL Server 数据库中,将公交卡记录,按“公交卡号”、“刷卡日期”、“刷卡时间”的先后顺序依次进行排序.刷卡时间隔小于1 min的数据作为重复刷卡数据,将其剔除.通过语言编程计算同一卡号相邻刷卡记录的刷卡时间间隔.将同一乘客连续两次乘车的公交线路分为不同线路、相同线路以及全部线路3组,应用T-SQL语言分别统计不同时间间隔的乘车人次pdi、psi和pi,如图1所示.图1 工作日不同乘车时间间隔的公交乘车人次分布Fig.1 Bus travel person times distribution in different interval time at weekday从图1可以看出,乘车时间间隔小于Tmax(120 min)时,选择不同线路的乘车人次明显高于选择相同线路的乘车人数.这是由于乘车时间间隔小于Tmax时,有大量的换乘出行,对于换乘出行,一定是选择乘坐不同的线路.当乘车时间间隔大于Tmax时,乘客选择乘坐相同线路和不同线路人次的分布呈现相关关系.对刷卡时间间隔在120~920 min之间选择乘坐相同线路的人次psi和不同线路的人次pdi 进行相关性分析,得到相关系数Rsd为0.93,说明两者之间存在强相关性.2.2.2 休息日分析以南宁市12月7日(星期日)凌晨4:00至12月8日(星期一)凌晨4:00之间24 h的351 855条公交IC卡刷卡数据作为休息日的分析对象,应用2.2.1节工作日相同的分析方法,得到不同时间间隔(0~920 min)的乘车人次的分布曲线,如图2所示.图2 休息日不同乘车时间间隔的公交乘车人次分布Fig.2 Bus travel person times distribution in different interval time at weekend对休息日不同时间间隔psi和pdi进行相关性分析,得到两者的相关系数Rsd为0.95,比工作日具有更高的相关性.2.2.3 相关性分析结果乘车时间间隔在420 min左右时,受到集中的通勤返程出行的影响,相关性有所波动.因此,将时间间隔分为121~420 min、421~920 min、121~920 min等3组,分别分析工作日和休息日公交线路选择的相关性,计算结果见表2.根据表2分析结果可知,当乘车时间间隔大于最大换乘时间间隔以后,乘客不同时间间隔选择乘坐相同线路的人次与选择乘坐不同线路的人次之间具有强相关关系,该结论本文称之为“公交线路选择的相关性规律”.表2 相关性分析结果Tab.2 Correlation analysis results时间间隔121~420min421~920min121~920min工作日回归模型pdi=1115×psi+1401pdi=0795×psi+6558pdi=1134×psi-1456相关系数095092093休息日回归模型pdi=1375×psi+1261pdi=0971×psi+0663pdi=1459×psi-8524相关系数0950920952.3 公交线路选择相关性规律的内在机理为证明“公交线路选择的相关性规律”具有普适性,对其内在机理进行理论分析.2.3.1 变量关系推导公交乘客线路选择人次的数量关系,见式(1)~式(5),psi=nsi+msi(1)pdi=ndi+mdi(2)ni=nsi+ndi(3)mi=msi+mdi(4)(5)式中:i为乘车时间间隔;psi为选择乘坐相同线路的人次;nsi为返程出行中选择相同线路的人次;msi为非返程出行中选择相同线路的人次;pdi为选择乘坐不同线路的人次;ndi为返程出行中选择不同线路的人次;mdi为非返程出行中选择不同线路的人次;ni为返程出行人次;m为非返程出行人次;gi为返程出行人次与非返程出行人次的比例;ei为返程出行中选择相同线路与不同线路的人次比例;fi 为非返程出行中选择相同线路与不同线路的人次比例.由式(5),可以得式(6);(6)由式(1)~式(6),可得式(7);(7)式中:ci为选择乘坐相同线路人次与选择乘坐不同线路人次的比例.由式(7),可以推导出式(8),得到ci值与ei、fi、gi等3个值之间的数量关系.(8)2.3.2 ei、fi和gi对ci的影响分析式(8)中,gi为返程出行与非返程出行人次的比例,当存在较为集中的返程出行时,会造成gi值产生较大变化,从而引起ci值也发生较大变化.工作日晚高峰时段通勤的返程出行较为集中,ci波动较大.在休息日,通勤交通较少,返程出行时间较为随机,全天gi值变化很小,从而psi与pdi相关性很强.式(8)中,当乘车人数不断增大时,ei和fi值分别趋于常量,psi与pdi趋于完全线性相关.通过对以上分析可知:当公交出行量越大、返程出行时间越随机,公交线路选择的相关性越强.3 公交乘客换乘总量计算模型建立应用上文得到的“公交线路选择的相关性规律”,建立公交乘客换乘总量的计算模型.3.1 建模思路不同时间间隔的换乘人次,可由式(9)计算得到,pti=pdi-pai(9)式中:pti为换乘人次;pai为选择乘坐不同线路,且为非换乘关系的乘车人次;其余符号同上.由“公交线路选择的相关性规律”可知,当i>Tmax时,psi与pdi具有相关关系,通过相关分析可得两者关系模型pdi=f(psi).又由于当i>Tmax时,pai=pdi,则可得到pai和psi的关系模型pai=f(psi),再将该关系模型推论到在i≤Tmax的区间,则可计算得到pai值,从而得到换乘人次pti.3.2 模型建立根据以上思路,建立公交换乘总量计算模型,见式(10),(10)式中:Pt为换乘总量;Pmax按2.1节的方法确定;Tmin为最小可能换乘时间间隔,一般取0~2 min;其余符号同上.由式(10),可得式(11)~式(12),M=N-Pt(11)β=N/M=N/(N-Pt)(12)式中:M为公交出行总人次(指目的出行);N为乘车总人次;β为换乘系数;其余符号同上.4 算法提出根据以上模型,应用IC卡数据计算公交换乘总量的算法如下:Step0:计算同一卡号连续两次乘车的刷卡时间间隔.Step1:确定最大可能换乘时间间隔Tmax和最小可能换乘时间间隔Tmin. Step2:统计不同刷卡时间间隔(1 min为单位)的pdi、psi值.Step3:对pdi和psi值进行回归分析,得到pai=f(psi).(休息日采用i>Tmax的数据;工作日为减少通勤交通对相关性的影响,可采用Tmax<i<=420 min的数据)Step4:根据pai=f(psi),计算Tmin~Tmax之间的pai值.Step5:根据Pti=pdi-pai,计算Tmin~Tmax之间,不同时间间隔的换乘量Pti. Step6:对不同时间间隔的Pti求和,得到换乘总量Pt.Step7:根据式(11)~式(12)计算公交出行总量M和换乘系数β.5 算法试验和验证5.1 算法试验以南宁市111条公交卡线路12月2日(星期二)凌晨4:00至12月3日(星期三)凌晨4:00之间,24 h的362 434条公交卡数据为算例,测试和验证提出的公交换乘总量模型和算法,得到南宁市公交卡乘客换乘总量模型,见式(13),相关计算结果,见表3.(13)表3 算法试验结果Tab. 3 Algorithm experiment results项目计算结果备注公交卡乘客总乘车次数/人次362434公交IC卡系统24h的总刷卡人次重复刷卡次数/人次31401刷卡时间隔小于2min用于计算的公交卡乘客总乘车次数/人次331033扣除重复刷卡数据计算得到的公交卡乘客总换乘量/人次33047计算得到的公交卡乘客出行总量/人次297986换乘系数111公交卡乘客换乘总量/人次36181将重复刷卡数据按比例计入公交卡乘客出行总量/人次326253全部公交乘客换乘总量/人次144724根据刷卡率(25%)扩样得到全部公交乘客出行总量/人次13050125.2 与统一阈值判断方法比较统一阈值方法采用一个固定的乘车时间间隔来判断是否为换乘关系,当同一卡号,连续两次刷卡的时间差小于该换乘阈值,且两次乘车线路不同,将两次乘车判断为换乘关系.本文假定55 min为统一换乘判断阈值,比较换乘总量模型与统一阈值方法的关系如图3所示.图3中细实线表示不同时间间隔选择不同线路的人次分布,粗实线表示换乘总量模型计算得到的换乘人次分布.统一阈值方法计算的换乘量为图3中A区与B区面积之和,换乘总量模型计算的换乘量为图3中B区与C区面积之和.统一阈值方法计算换乘量是将某一固定的时间间隔作为所有换乘判断的阈值,漏计了图3中C 区换乘量,而多计A区换乘量.图3 换乘总量模型与统一阈值方法比较Fig.3 Comparison of total transit transfer volume model with unified threshold method5.3 与独立阈值判断方法比较将提出的换乘总量模型与现有研究基于独立阈值的换乘判断模型进行比较.独立阈值判断模型的基本思路是:逐个卡号计算连续两次刷卡之间的时间间隔是否超过合理的换乘时间阈值,如果实际刷卡的时间间隔小于或等于换乘时间阈值则判断为换乘[3-4].独立阈值换乘判断方法需要的计算数据有公交IC卡数据、公交GPS 数据、运行记录数据和公交站点坐标数据(或者公交IC卡数据和公交站点时刻表数据),本文提出的换乘总量模型仅需要公交IC卡数据.将2008年12月3日(星期三)南宁市57条智能调度线路的192 971条公交IC卡数据作为验证数据,采用独立阈值判断模型得到换乘总人次为8 442次,计算过程详见文献[4],采用本文提出的换乘总量模型得到换乘总人次为9 532次.2种方法得到的不同时间间隔的换乘人次分布,如图4所示.图4 换乘总量模型与独立阈值方法比较Fig.4 Comparison of total transit transfer volume model with independent threshold method从图4中可以看出,2种方法计算结果的曲线分布基本一致.两者存在的偏差,经过分析其主要原因是:验证算例受数据条件限制,仅采用了57条智能调度线路的数据进行计算,建立换乘总量模型时pai=f(psi)的相关性受到了影响,57条智能调度线路数据的相关系数为0.90,而111条公交IC卡线路的相关系数为0.95,南宁市实际公交线路为133条.当采用全部公交线路数据计算时,2种方法的计算结果应更加接近.5.4 与公交出行调查数据比较换乘系数是指公交乘车人次与公交出行人次的比值,用来衡量公交出行的直达程度.将本文算法试验得到的换乘系数β与2009年南宁市公共交通规划的公交出行调查数据[9]进行比较.2009年南宁市采用问卷方式对5 992名公交乘客的出行进行抽样调查,得到南宁市公交换乘系数为1.1.本文算例β计算结果为1.11与南宁市公交出行调查数据一致,证明了公交换乘总量模型的精确性.6 结论(1) 本文应用公交IC卡数据对公交乘车时间间隔特征和规律进行分析,发现“同一乘客连续独立的两次公交出行(非换乘关系),在不同乘车时间间隔,后一次出行选择乘坐不同线路的人次和选择乘坐相同线路的人次之间存在强相关性”.通过对该规律内在机理的理论分析,证明了其具有普适性.(2) 根据以上规律,提出公交换乘总量模型和算法.该方法仅需要公交IC卡数据,能够计算公交换乘量、公交出行总量和公交换乘系数3个指标,为公交系统的规划和管理提供了决策数据.(3) 该方法与出行调查方法相比,费用低、数据更新快,与独立阈值方法相比,数据条件低、计算简便、适用范围广,并能够克服统一阈值方法存在的固有缺陷.参考文献References[1] GUO Zhan. Transfers and path choice in urban public transport systems[D]. MIT PHD:Boston:Massachusetts Institute of Technology. Thesis, 2008.[2] BAGCHI M, WHITE P R. The potential of public transport smart card data [J]. Transport Policy, 2005, (12):464-474.[3] 陈学武, 戴霄, 陈茜. 公交IC卡信息采集、分析与应用研究[J].土木工程学报,2004,37(2): 105-110.CHEN Xuewu, DAI Xiao, CHEN Qian. Approach on the information collection, analysis and appliction of bus intelligent Card[J]. China CivilEngineering Journal, 2004, 37(2): 105-110.[4] APTS Data Archiving and Mining System (ADAMS)[R]. Florida Department of Transportation, 2007.[5] HOFMANN M, O′MAHONY M. Transfer journey identification and analyses from electronic fare collection data[C]//Proceedings of the 8th International IEEE Conference on Intelligent Transportation Systems,Vienna, Austria:2005.[6] SEABORN C W. Application of smart card fare payment data to bus network planning in london[D]. Cambridge: Massachusetts Institute of Technology, 2008.[7] CHU K K A, CHAPLEAU R. Enriching archived smart card transaction data for transit demand modeling[J]. Transportation Research Record, 2008, (2063): 63-72.[8] 陈君,杨东援.融合智能调度数据的公交IC卡乘客换乘站点判断方法[J],长安大学学报(自然科学版). 2013,33(4):92-98.CHEN Jun,Yang Dongyuan. Method of identifying transfer bus stops of smart card passengers integrating bus intelligent dispatchingdata[J].Journal of Chang`an University(Natural Science Edition), 2013, 33(4): 92-98.[9] 南宁市规划管理局.南宁市公共交通规划(2008-2020)[R].上海:同济大学,2010. Nanning City Planning Bureau. Public pransportation planning of Nanning City(2008-2020)[R]. Shanghai:Tongji University, 2010.。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
不妨设器时间距离为 1000min( 数据本身并无意义, 只参与比
较运算) 从而我们构造初一个时间距离矩阵 T:
( ) t12 … t1,3957
T= ┇ ’ ┇
t t … 3956,1
3956,3957
其中:
*3 ( i 与 j 相邻)
tij= 1000 (i 与 j 不相邻)
( 5)
不妨设 rij 为从第 i 站到第 j 站的权值, 其取值为 0、1 如
1 模型假设
假 设 1 所 给 公 汽 、地 铁 线 路 数 据 来 源 准 确 、可 信 、稳 定 、科 学 。
假设 2 当两站点之间最多中转两次; 且有直达线路 时, 乘坐直达车; 无直达车时, 考虑中转一次的路线; 中转一 次无法到达时再考虑中转两次的路线。
假设 3 公 共 交 通 工 具 ( 包 括 公 汽 、地 铁 等 ) 票 价 稳 定 , 不因其他外在因素的变动而变动。
站换乘公交。
3.1.2 算法评价
此算法可使用 matlab 编程实现。
经过此算法可得出起始站 A 和终到站 B 的符合中转假
设的所有线路, 并可得到每次乘车总站点数。为后续模型提
供了可以查询的可靠数据。
3.2 模型Ⅰ
由本题可知, 从起始站 A 到终到站 B 的线路是有限的,
故在各站点数据处理好的情况下, 用穷举法可求出最佳路
( 7)
i=1 j=1
3.3.2 模型评价
此模型是在没考虑中间转车所需要的时间, 因此需要进
一步改进。为此我们建立了模型Ⅲ。
3.4 模型Ⅲ
模型Ⅰ在空间上的复杂度: 图论最小距离模型
3.4.1 建模理论
弗洛伊德算法是解决任意两点之间最短距离的有效算
法 之 一 。可 通 过 一 个 图 的 权 值 矩 阵 求 出 它 的 每 两 点 间 的 最 短
决策参考
能否到达, 可调用②来实现, 并根据行车方式排除不合理的
线路。要记录两个中转站的相关信息, 即三段路程途径的站
点数。否则无符合方案。
( 2) 公交地铁混合线路计算
①若起点 A 附近有地铁站 D(a), 终点 B 附近有地铁站 D
(b), 都可步行而至, 依据 Sa 算法同理判断若有 D(a),D(b)地铁
线。
3.2.1 模型的建立与求解
按照求出的起始站→终点站所经过的公交站点个数
Xab,我 们 可 以 建 立 最 优 时 间 模 型
Tmin=min{T1,T2,…,Ti,…,Tn}
(1)
其中:
Ti=Xabi*3+Kab*5
(2)
最优票价模型:
"$Fab(a,b 直达)
Ci=
F +F $$
# $
ac
cb
( a,b
中转一次)
(3)
$
%$Fac+Fcd- 1( a,b 中转两次)
其中:
Fmn=Fmn·Xmni/20
(4)
Cab=min{C1,C2,…,Ci,…Cn}
3.2.2 模型的评价
该模型思路清晰、简单, 容易使人想到。但是由于它需要
处理大量数据, 并且在算法上没有什么创新, 因此计算机运
行起来异常吃力。针对该问题, 我们建立了模型Ⅱ— ——图论
最小距离模型, 解决了数据量异常大的问题
3.3 模型Ⅱ
时间最优路线模型: 0—1 规划模型
3.3.1 模型建立
首先建立时间邻接矩阵, 设任意两个相邻的站点 A,B 之
间有公交线路 ( 即 A,B 之间有公汽直达) , 则设其时间距离
( 用时间 代 表 A,B 之 间 的 距 离 ) 为 3min, 如 果 没 有 公 交 线 路 ,
2 符号说明
A: 线路的起始站; B: 线路的终到站; Xabi: 从第 a 站到第 b 站第 i 条线路所经过的总站点数; Kab: 判 断 是 否 需 要 中 转 。Kab=0 时 , 说 明 a,b 之 间 可 以 直 达 , 无 需 转 乘 ; Kab=1 时 , 说 明 a,b 需 要 转 乘 一 次 才 可 以 达 到 ; Kab=2 时, 说明需要转乘两次才可以达到;
3.4.2 模型的建立与求解
分别初始化两个邻接矩阵, 一个以两站点间的时间为权
值, 另一个以票价为权值。调用弗洛伊德程序, 即可得到所需
要的值。
3.4.3 模型评价
此模型容易理解, 可以算出任意两个节点之间最短距离
的算法, 程序容易写。
由 于 模 型 的 时 间 复 杂 度 是 O(n3), 不 适 合 计 算 大 量 数 据 。
决策参考
公交线路选择问题的数学模型与算法
侯晓利,薛伟坡,张军委
(河南师范大学 计算机与信息技术学院, 河南 新乡 453007)
摘 要: 文章针对问题, 分别就公汽、地铁、步行等出行方式建立了四个模型, 并按具体需求将乘
客分为偏向时间和偏向费用两种类型, 在尽量减少交通阻抗条件下制定最优路线。建立穷举模型和
( 1) 公交间线路计算( 不考虑地铁) ①分别求出经过起始站 A 和终点站 B 的所有线路集合 为 P(A)、P(B)。若 P(A)∩P(B)≠Ф, 求出此交集 P1( 不 分 上 、下 行) , 然后根据 P1 中线 路 由 A 至 B 的 行 车 方 式 对 线 路 进 行 筛选, 得到线路集合 P2。若 P2≠Ф, 说明 A 与 B 之间有直达 车, 并计算途径站点数; 否则, 无直达车, 转②。 ②依次比较 P(A)和 P(B)中的各线路上的站点。若无相同 站点, 则说明从 A 经过一次中转不能到达 B。若有相同站点 集 Q, 则根据由 A 至 B 行车方 式 依 次 判 断 经 过 Q 中 站 点 中 转能否到达 B, 能到达的站点保留在 Q 中并分别计算 A 到此 点途径站点数 n1 和此站点到 B 途径站点数 n2; 不能到达的 站点要从 Q 中去除。若 Q 不空, 则经过一次中转能到达 B; 若 Q 为空, 则说明经过从 A 到 B 经过一次中转不能到达, 转③。 ③依 次 比 较 P(A)中 各 线 路 上 的 站 点 与 B 经 过 一 次 中 转
0- 1 规划模型对数据进行预处理, 分别以时间和票价作为权重用有向图表示, 构造邻接矩阵, 建立
Floyd 模型。针对 Floyd 算法对时间要求较高, 建立基于广度优先算法的最短 路 径 模 型 , 达 到 较 好 效
果。用地铁站置换可转乘的公汽站, 调整邻接关系, 调用广度优先算法得出最优路线。
果公汽经 过 i,j 之 间 的 线 路 ( 从 第 i 站 到 第 j 站 ) 则 rij=1, 如 果
没有则 rij=0.因此得到 0- 1 规划模型:
3956 3957
++ 目标函数: min TAB=
tijrij (i≠j)
( 6)
i = 1j = 1
3957 3957
- + 约束条件: ( rij)=1 (i≠j)
模型Ⅲ在时间复杂度方面的改进: 基于广度优先搜索算 法的最短路径模型 3.5.1 建模思想
广度优先搜索,即 BFS,是一种相当常用 的 图 算 法 。 其 特 点是: 每次搜索指定点, 并将其所有未访问过的近邻加入搜 索队列, 循环搜索过程直到队列为空。广度优先搜索的基本 思想: 假设从图中某定点 v 出发, 在访问了 v 之后依次访问 v 的各个未曾访问过的邻接点, 然后分别从这些邻接点出发依 次 访 问 它 们 的 邻 接 点 , 并 使 “先 被 访 问 的 顶 点 的 邻 接 点 的 邻 接 点 ”先 于 “后 被 访 问 的 邻 接 点 ”被 访 问 , 直 至 图 中 所 有 已 被 访 问 的 顶 点 的 邻 接 点 都 被 访 问 到 。若 此 时 图 中 尚 有 顶 点 未 被 访问, 则另选图中一个未曾被访问的顶点的邻接点作起始 点, 重复上述过程, 直至图中所有顶点都被访问到为止。换句 话说, 广度优先搜索遍历图的过程是以 v 为起始点, 由近至 远, 依次访问和 v 由路径相通且路径长度为 1, 2, …的顶点。
假设 4 基本参数的设定设置合理且不会因其他外在 因素的变动而变动。
假设 5 地铁之间的换乘不用另外买票。 假 设 6 公 交 车 在 运 行 过 程 中 的 所 有 的 阻 塞 、停 站 、等 车以及其他等一切外在因素均包括在平均时间中。 假设 7 环形线路为单车道、单一方向行驶线路。 假设 8 将乘客分为两种类型: ( 1) 偏向时间型; ( 2) 偏向金钱型。
3 模型的建立与求解
针对求任意两公汽站点之间最佳线路的问题( 在假设 2 的条件下) , 本章首先判断两站点之线 路; 若无, 则判断需中转一次还是两次, 并分别求出时间最优 和票价最优线路。我们首先需要对数据进行处理: 3.1 数据的处理 3.1.1 算法思想
76 统计与决策 2008 年第 18 期( 总第 270 期)
Ti:a,b 之间的第 i 条线所花的时间; Tmin: 所以 a,b 之间的线路所花费的最少的时间; Fab: a,b 之 间 的 票 价 。 若 线 路 为 单 一 票 价 或 Xabi≤20 时 , F=1 元; 若 20<Xabi≤40, 则 F=2;若 40<Xabi 时, F=3 元; Cab: a,b 之间的最优票价; Ci: a,b 之间第 i 条线路的总票价; !: 北京市乘坐公交的时间因子。
关键词: Matlab; 穷举; folyd 算法; 广度优先搜索; 交通阻抗
中图分类号: TB114.1
文献标识码: A
文章编号: 1002- 6487( 2008) 18- 0076- 03
近些年来, 城市的公交系统有了很大发展, 北京市的公 交线路已达 800 条以上, 使得公众的出行更加通畅、便利, 但 同 时 也 面 临 多 条 线 路 的 选 择 问 题 。 如 何 省 时 、省 钱 成 为 了 人 们更多关心的焦点。