一种城市共享出行的流量预测方法

摘要

本发明公开了一种城市共享出行的流量预测方法，其步骤为，获得城市交通网络的拓扑结构，获取城市交通网络中的出行模式和相关数据，并获取城市交通网络中的OD交通需求；构建城市多模式随机P2P共乘用户均衡交通网络，建立该网络的交通需求约束和共乘匹配约束；从出行者感知的出行时间、车内舒适感损失和顺风车线上运营机制多角度综合考量，计算出行者的广义出行成本；基于logit出行选择行为和随机P2P共乘用户均衡原则，对网络进行流量分配，获得城市多模式复杂网络的路径交通流量。本发明可以有效预测现代城市交通网络的交通流量，从而为相关部门制定管理措施、行业标准提供可靠的依据。

权利要求

1.一种城市共享出行的流量预测方法，其特征在于，包括以下步骤：(1)获得城市交通网络的拓扑结构，获取城市交通网络中的出行模式和相关数据，并获取城市交通网络中的OD交通需求；

(2)构建城市多模式随机P2P共乘用户均衡交通网络，建立该网络的交通需求约束和共乘匹配约束；

(3)从出行者感知的出行时间、车内舒适感损失和顺风车线上运营机制多角度综合考量，计算出行者的广义出行成本；

(4)基于logit出行选择行为和随机P2P共乘用户均衡原则，对城市多模式随机P2P共乘用户均衡交通网络进行流量分配，获得网络的路径交通流量；

步骤(2)的具体过程如下：

w

首先，输入城市交通网络的拓扑结构、OD对w的交通需求Q和各出行模式的编号i；

然后，建立如下约束：

交通需求约束：

其中， 表示连接OD对w的路径p上选择模式i的出行者流量，i∈SD、i∈RD、i∈R、i∈PT分别对应私家车司机、顺风车司机、顺风车乘客和公交车乘客四种出行模式，I表示所有出行模式的集合；

共乘匹配约束：

其中，Γr(i)表示将i∈RD的顺风车司机映射到对应的顺风车乘客上，Ni表示顺风车司机的车内所搭载乘客的数量， 表示OD对w间的顺风车供应量， 表示OD对w间的顺风车需求量；

在步骤(3)中，所述出行者的广义出行成本：其中， 表示出行者感知的出行时间：

其中，ρi指选择模式i的出行者的时间价值参数， 和 分别指路径p和路段a上的小汽车行驶时间， 和 分别指路径p和路段a上的公交车行驶时间， 表示路段—路径转换系数，如果路径p包含路段a， 否则，表示车内舒适感损失：

其中，γi是模式i的出行者的不便系数；

其中， 表示出行者通过顺风车线上产生的出行成本， 表示OD对w间的路径p的里程，bi、 和ri分别是顺风车出行的时长参数、里程参数和浮动参数， 表示由共乘匹配约束生成的拉格朗日乘子，Γrd(i)表示将i∈R的顺风车乘客映射到相匹配的顺风车司机上；

cf和ct为各项其他杂项成本， 表示公交车的票价，cf表示私人小汽车的固定成本，ct表示私人小汽车的使用成本；

步骤(4)的具体过程如下：

基于logit出行选择行为和随机P2P共乘用户均衡原则，网络中的流量分配遵循：其中， 表示OD对w的出行者选择以模式i在路径p上出行的概率，θ为logit分布中随机误差项所满足的Gumbel分布的参数；

*

在f的可行集Ω内，找到向量f∈Ω满足下式，实现流量分配：w

其中， W为城市交通网络中所有OD对的集合，P为OD对w间所有路径的集合；Ω表示满足需求约束和共乘匹配约束的路径流量的集合；

表示从 中去除与 相关的项，上标T

表示转置；

在步骤(1)中，所述相关数据包括道路线形、道路参数、出行者的时间感知系数和不便系数、公交里程参数以及顺风车的时间参数、里程参数和浮动参数。

2.根据权利要求1所述城市共享出行的流量预测方法，其特征在于，在步骤(1)中，获取城市交通网络中的OD交通需求的方式包括：出行需求调查、OD需求反推、智能交通监控系统获得的数据、手机信令数据和GPS数据。

说明书

一种城市共享出行的流量预测方法

技术领域

[0001] 本发明属于城市交通工程领域，特别涉及了一种城市共享出行的流量预测方法。

背景技术

[0002] 随着私人小汽车保有量的连年攀升，交通拥堵已然成为城市管理者面临的最重要的问题之一。然而各国缓解交通拥堵的实践经验表明：一味地增修道路，并不能根治交通拥堵问题，甚至可能在无形中鼓励了更多的人开车上路。顺风车出行(也称共乘出行，ridesharing)将出行轨迹部分或全部重合的出行者们聚集到一辆车中，通过提高车内空间利用率的方式来减少道路上的机动车数量、缓解交通拥堵问题，目前已经在我国各大城市有所实践。这些变化要求城市交通流量预测方法不仅要考虑交通网络中同时存在顺风车出行、私家车出行和公交车出行的情况，还需要兼顾出行者对交通出行时间的主观感知、车内舒适性体验和顺风车线上运营机制，使之符合共享模式下现代城市交通的特征。

发明内容

[0003] 为了解决上述背景技术提到的技术问题，本发明提出了一种城市共享出行的流量预测方法，从而能够更加高效、准确地预测现代城市交通网络的流量分布。

[0004] 为了实现上述技术目的，本发明的技术方案为：

[0005] 一种城市共享出行的流量预测方法，包括以下步骤：

[0006] (1)获得城市交通网络的拓扑结构，获取城市交通网络中的出行模式和相关数据，并获取城市交通网络中的OD交通需求；

[0007] (2)构建城市多模式随机P2P共乘用户均衡交通网络，建立该网络的交通需求约束和共乘匹配约束；

[0008] (3)从出行者感知的出行时间、车内舒适感损失和顺风车线上运营机制多角度综合考量，计算出行者的广义出行成本；

[0009] (4)基于logit出行选择行为和随机P2P共乘用户均衡原则，对城市多模式随机P2P共乘用户均衡交通网络进行流量分配，获得网络的路径交通流量。

[0010] 进一步地，在步骤(1)中，所述相关数据包括道路线形、道路参数、出行者的时间感知系数和不便系数、公交里程参数以及顺风车的时间参数、里程参数和浮动参数。

[0011] 进一步地，在步骤(1)中，获取城市交通网络中的OD交通需求的方式包括：出行需求调查、OD需求反推、智能交通监控系统获得的数据、手机信令数据和GPS数据。

[0012] 进一步地，步骤(2)的具体过程如下：

[0013] 首先，输入城市交通网络的拓扑结构、OD对w的交通需求Qw和各出行模式的编号i；

[0014] 然后，建立如下约束：

[0015] 交通需求约束：

[0016]

[0017]

[0018] 其中， 表示连接OD对w的路径p上选择模式i的出行者流量，i∈SD、i∈RD、i∈R、i∈PT分别对应私家车司机、顺风车司机、顺风车乘客和公交车乘客四种出行模式，I表示所有出行模式的集合；

[0019] 共乘匹配约束：

[0020]

[0021]

[0022]

[0023] 其中，Γr(i)表示将i∈RD的顺风车司机映射到对应的顺风车乘客上，Ni表示顺风车司机的车内所搭载乘客的数量， 表示OD对w间的顺风车供应量， 表示OD对w间的顺风车需求量。

[0024] 进一步地，在步骤(3)中，所述出行者的广义出行成本：

[0025]

[0026] 其中， 表示出行者感知的出行时间：

[0027]

[0028] 其中，ρi指选择模式i的出行者的时间价值参数， 和 分别指路径p和路段a上的小汽车行驶时间， 和 分别指路径p和路段a上的公交车行驶时间， 表示路段—路径转换系数，如果路径p包含路段a， 否则，

[0029] 表示车内舒适感损失：

[0030]

[0031] 其中，γi是模式i的出行者的不便系数；

[0032] 表示顺风车线上运营机制：

[0033]

[0034] 其中， 表示出行者通过顺风车线上产生的出行成本， 表示OD对w间的路径p的里程，bi、 和ri分别是顺风车出行的时长参数、里程参数和浮动参数， 表示由共乘匹配约束生成的拉格朗日乘子，Γrd(i)表示将i∈R的顺风车乘客映射到相匹配的顺风车司机上；

[0035] cf和ct为各项其他杂项成本， 表示公交车的票价，cf表示私人小汽车的固定成本，ct表示私人小汽车的使用成本。

[0036] 进一步地，步骤(4)的具体过程如下：

[0037] 基于logit出行选择行为和随机P2P共乘用户均衡原则，网络中的流量分配遵循：

[0038]

[0039]

[0040] 其中， 表示OD对w的出行者选择以模式i在路径p上出行的概率，θ为logit分布中随机误差项所满足的Gumbel分布的参数；

[0041] 在f的可行集Ω内，找到向量f*∈Ω满足下式，实现流量分配：

[0042]

[0043] 其中， W为城市交通网络中所有OD对的集合，Pw为OD对w间所有路径的集合；Ω表示满足需求约束和共乘匹配约束的路径流量的集合；
表示从 中去除与 相关的项，上标T
表示转置。

[0044] 采用上述技术方案带来的有益效果：

[0045] 本发明不仅考虑了交通网络中同时存在顺风车出行、私家车出行和公交车出行的情况，还兼顾了出行者对交通出行时间的主观感知、车内舒适性体验和顺风车线上运营机制，更加符合共享环境下现代城市交通的特征，可以有效预测现代城市交通网络的交通流量，从而为管理部门及相关企事业单位制定管理措施、行业标准提供可靠的依据。

附图说明

[0046] 图1是本发明的方法流程图；

[0047] 图2是实施例中城市交通网络的拓扑结构图；

[0048] 图3是实施例中城市交通网络出行需求图。

具体实施方式

[0049] 以下将结合附图，对本发明的技术方案进行详细说明。

[0050] 本发明设计了一种城市共享出行的流量预测方法，如图1所示，具体实施过程如下。

[0051] 1)根据城市交通网络获得复杂网络的拓扑结构。

[0052] 根据城市交通的地理位置和交通要素，将城市各区域划分为多个交通小区。每个交通小区既可以是交通出行的发生源，称为交通出行的起点或O点；又可以是交通出行的吸引源，称为交通出行的讫点或D点。一个起点和一个讫点组成的一对起讫点，称为OD对，用ww表示。交通网络中所有OD对的集合用W表示。OD对w间的交通流量又称OD需求，用Q表示。

[0053] 根据交通调查，确定城市交通网络中出行者们采用的出行方式。一个出行方式称为出行模式，用i表示。交通网络中所有的出行模式的集合用I表示。

[0054] 城市中的各交通小区之间由多条城市道路连接，这些道路在网络拓扑结构中称为为路段，表示为a。交通网络中所有路段的集合用A表示。路径a上的模式i的交通流量用xa，i表示。

[0055] OD对w间一般有多条路线可供选择，这些路线在交通网络中被称为路径，表示为p。w w
OD对w间所有路径的集合用P 表示。交通网络中所有路径的集合用P表示，P＝∪wP。连接OD对w的路径p上的模式i的交通流量用 表示。路径和路段的交通流量存在如下关系：

[0056]

[0057]

[0058] 上式中， 表示路段—路径转换系数，如果路径p包含路段a， 如果不包含，

[0059] 根据前期调查，获得城市交通网络的拓扑结构如图2。该实例网络中出行者均拥有私人小汽车。网络中包含4类出行模式：私家车司机、顺风车司机、顺风车乘客和公交车乘客，分别对应i∈SD、i∈RD、i∈R和i∈PT。

[0060] 2)获取城市交通网络的出行成本参数。

[0061] 通过走访设计院或施工单位，获得道路线形、长度等相关参数。通过网上查询或实地调研，获得顺风车的线上运营标准(包括时长参数、里程参数和浮动参数)和公交里程参数。可通过前期问卷调查结合后期数据拟合的手段获得出行者的时间感知系数和不便感知系数。

[0062] 通过调查，该城市交通网络中各出行成本参数的数值如表1：

[0063] 表1

[0064]

[0065]

[0066] 3)获得城市交通网络中当前的出行需求。

[0067] 获取城市出行需求的方法较多，比较传统的有出行需求调查和OD需求反推等方法。出行需求调查方法通过向城市居民发放调查问卷进行OD调查，得到城市各交通小区之w间的出行需求分布，即Q。OD需求反推方法有选择地直接调查部分路段的断面车流量，由它们反推城市各交通小区之间的OD需求。OD需求反推适用于无法进行或不进行大规模出行需求调查的情况。此外，随着移动通信手段的发展，智能交通监控系统获得的数据、手机信令数据和GPS数据也逐渐应用于获取出行需求的过程中。

[0068] 通过获取出行需求的一系列方法，可得该实例网络的城市交通网络出行需求如图w3，即网络中仅有一个OD对(1，2)存在需求Q＝6。

[0069] 4)建立城市多模式随机P2P共乘用户均衡交通网络模型，明确网络模型中存在的约束，其具体流程如下：

[0070] Step1：在规划软件或程序中，根据步骤1)所得的路网拓扑结构，标注路网中的各w个OD对w、各条路段a、各条路径p和各个模式i(如表2)；输入由步骤3)获得的交通需求Q。

[0071] 该实例网络的出行模式及其编号如表1。针对OD对(1，2)，该网络中共有三条路径：路径1.①→④；路径2.②→③；路径3.①→③→⑤。

[0072] 表2

[0073]

[0074]

[0075] Step2：针对网络模型，建立约束：

[0076] ①交通需求约束

[0077]

[0078]

[0079] I＝SD∪RD∪R∪PT表示网络中存在的4种出行模式：私家车司机、顺风车司机、顺风车乘客和公交车乘客，分别对应i∈SD、i∈RD、i∈R和i∈PT。

[0080] ②共乘匹配约束

[0081]

[0082] Γr(i)表示将i∈RD的顺风车司机映射到他所对应的i′∈R的顺风车乘客上，即Γr：RD→R。Ni是整数，表示顺风车司机i的车内所搭载乘客的数量。实例网络中有[0083]

[0084]

[0085] 顺风车市场的供需关系是基于各OD对的。 表示OD对w间的顺风车供应量，指OD对w间的顺风车司机i∈RD的流量。 表示OD对w间的顺风车需求量，指OD对w间对应的顺风车乘客Γr(i)∈R的流量。实例网络中有

[0086] 5)建立网络中的广义出行成本函数，具体流程如下：

[0087] Step1：通过交通调查获得各路段上多日的车辆的行驶数据，推算出路段的出行时间计算函数；或者使用已有的经验公式(如BPR函数)，得到路网的出行时间。

[0088] 该实例网络中的路段出行时间计算如表3：

[0089] 表3

[0090]

[0091] Step2：根据各出行费用参数和路网出行时间，从出行者感知的出行时间、车内舒适感损失和顺风车线上运营机制等多角度综合考量，计算出行者的广义出行成本。具体计算如下：

[0092]

[0093] 连接OD对w的路径p上模式i的出行者的广义出行成本，表示为 广义出行成本计算公式中的符号说明如下：

[0094] ①感知的出行时间

[0095]

[0096] ρi指选择模式i的出行者的时间价值参数。 和 分别指路径p和路段a上的小汽车行驶时间， 和 分别指路径p和路段a上的公交车行驶时间。

[0097] 城市交通网络中的出行者感知的交通时间成本

[0098]

[0099] ②车内舒适感损失

[0100]

[0101] γi是模式i的出行者的不便感知系数。车内舒适感的损失来源于共乘行为中与陌生人分享车内空间的过程，因此只有顺风车司机i∈RD和顺风车乘客i∈R需要承担该成本。

[0102] 城市交通网络中的车内舒适感损失

[0103]

[0104] ③顺风车线上运营机制：

[0105]

[0106] 表示出行者通过顺风车线上App产生的出行成本。bi、 和ri分别是顺风车出行的时长参数、里程参数和浮动参数。 表示由共乘匹配约束生成的拉格朗日乘子。Γrd(i)表示将i∈R的顺风车乘客映射到相匹配的顺风车司机i′∈RD上，即Γrd：R→RD。

[0107] 城市交通网络中出行者通过顺风车线上App产生的出行成本 为：

[0108]

[0109] ④其他杂项成本 cf和ct：

[0110]

[0111] 表示公交车的票价，τb表示公交车的里程单价。

[0112] cf表示私人小汽车的固定成本参数，ct表示私人小汽车的运行成本。

[0113] 至此，城市交通网络中各模式的广义出行成本为：

[0114]

[0115] 6)基于logit出行选择行为和随机P2P(peer‑to‑peer)共乘用户均衡原则，对该网络进行流量分配，获得城市多模式复杂网络的路径交通流量，具体流程如下：

[0116] Step1：基于logit出行选择行为和随机P2P共乘用户均衡原则，交通网络中的流量分配遵循：

[0117]

[0118]

[0119] 式中， 表示OD对w的出行者选择以模式i在路径p上出行的概率，θ指logit分布中随机误差项所满足的Gumbel分布的参数。

[0120] 令θ＝1，城市交通网络中的流量分配原则遵循：

[0121]

[0122]

[0123] Step2：根据以下变分不等式进行交通分配：

[0124] 在可行集Ω内，找到向量f*∈Ω满足公式：

[0125]

[0126] 其中， Ω表示f的可行集，即满足交通需求约束和共乘匹配约束的路径流量的集合； 表示
从 中去除与 相关的项。

[0127] 通过求解变分不等式，城市交通网络中的流量预测、出行成本和出行时间如表4：

[0128] 表4

[0129]

[0130] 实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。