一种适用于不明显需求变化下的公交线网优化设计方法专利检索-可持续性环境工程专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

一种适用于不明显需求变化下的公交线网优化设计方法

阅读：1023发布：2020-09-17

IPRDB可以提供一种适用于不明显需求变化下的公交线网优化设计方法专利检索，专利查询，专利分析的服务。并且本发明公开了一种专门适用于不明显需求变化下的公交线网优化设计方法，通过对现有遗传算法的改进，建立一种以最小化直达出行者，换乘者和未满足需求者总成本为目标的公交线路网络优化有效模型，从而使得在不明显需求变化下，提供一种更为经济有效，合理方便的公交线网设计方法，打破传统流水线型统一公交线网的设计方法，更加的灵活机动，可操作性和可持续性更强，大大提高优化质量和搜索效率。，下面是一种适用于不明显需求变化下的公交线网优化设计方法专利的具体信息内容。

权利要求

1.一种适用于不明显需求变化下的公交线网优化设计方法，包括以下步骤：

步骤1：建立目标函数和设置限制条件；

步骤2：选取原公交线网方案为初始方案，并用网络分析程序计算其适应值；

步骤3：将初始方案设置为候选最优方案；

步骤4：对步骤3中的候选最优方案进行繁殖过程，包括选择过程和突变过程，步骤41：选择过程：按概率选取所有方案中将要突变的线路。

步骤42：按概率进行中间单站点突变过程

步骤421：确定中间站点在公交线路上的两个邻近站点，以及中间站点不在线路上的直接连接站点，查看上述“不在线路上的直接连接站点”与“在公交线路上的两个邻近站点”是否直接连接，如果有直接连接，转入步骤422，可连接的站点为中间站点可突变到的站点；如果所有中间站点的“不在线路上的直接连接站点”与“在公交线路上的两个邻近站点”都不直接连接，转入步骤43；

步骤422：把步骤421中确定的中间站点及其可突变到的站点作为候选站点，根据这些候选站点上下游需求的总和来决定最终突变到的站点，所述上游需求指中间站点前面所有站点到候选站点的出行次数，所述下游需求指候选站点到中间站点后面所有站点的出行次数；

步骤43：按概率进行起始站点突变过程；

步骤431：当起始站点和某一站点能够直接相连时，可以将起始站变成第二个站点，而原来第二个站点变成起始站点；

步骤432：若起始站点不和任何站点直接相连，没有可突变到的站点，则转入步骤5；再按概率对终点站点进行如步骤431起始站点的突变过程；

步骤5：根据网络分析程序计算上述步骤后得到新方案的适应值，将其与步骤2中候选最优方案的适应值进行比较，选择小的为新的候选最优方案，所述选择后的最终方案有且只有一个；

步骤6：重复步骤4-5，如果重复次数达到预定次数，则停止迭代，选取候选最优方案为‘最优方案’；如果繁殖次数没有达到预定次数，返回步骤4。

2.如权利要求1所述的一种适用于不明显需求变化下的公交线网优化设计方法，其特征在于所述步骤4中的概率，根据网络规模大小和设计时间需要而设置。

3.如权利要求1所述的一种适用于不明显需求变化下的公交线网优化设计方法，其特征在于所述步骤1中的目标函数如下公式所示：步骤1中的限制条件如下所示：

式中：V为所有站点的集合，i表示站点i，j表示站点j，dij表示站点i到站点j的出行需求，Lmax表示公交线路的最大长度，Lmin表示公交线路的最小长度，Qmax表示每辆车的最大容量，Td表示每个未满足公交需求者的时间成本，n表示一个方案的第n条线路，tr表示使用两条路径以上出行时的换乘路径，Ln表示线路n的总长度，表示在路径n上满足站点i到站点j的公交需求，表示在换乘路径tr上满足站点i到站点j的公交需求，DRij表示服务过从站点i到站点j的直达线路的集合，TRij表示服务过从站点i到站点j的换乘线路的集合，表示在路径n上从站点i到站点j的出行时间，表示在换乘路径tr上从站点i到站点j的出行时间，表示在路径n的最大流量，C1、C2、C3分别表示直达者成本、换乘者成本和为满足需求者成本的权重影响系数(C1+C2+C3＝1)。

4.如权利要求3所述的一种适用于不明显需求变化下的公交线网优化设计方法，其特征在于所述步骤2中的网络分析程序包括：步骤21：将一条路径的直达承载流量从原始需求矩阵中剔除，并把这些流量作为直达需求分配给这条路径，当所有路径的直达承载流量被剔除后，得到直达更新需求矩阵；

步骤22：将一条换乘路径的换乘承载流量从步骤21中的直达更新需求矩阵中剔除，并把这些流量作为换乘需求分配给对应的路径，当所有的换乘承载流量被剔除后，得到一个被换乘需求更新的换乘更新需求矩阵；

步骤23：输出步骤1所有目标函数中需要的参数和变量，计算这个方案的适应值，即步骤1目标函数中的Z。

5.如上述任一权利要求所述的一种适用于不明显需求变化下的公交线网优化设计方法，其特征在于所述步骤6中预定次数根据运行时间而决定，当运行时间有限制时，预定次数要保证在限制时间内，程序运行结束；当没有运行时间限制时，根据可行解空间决定预定次数，空间越大，预定次数越大。

说明书全文

一种适用于不明显需求变化下的公交线网优化设计方法

[0001] 所属领域

[0002] 本发明涉及交通工程领域,针对公交线网的布局规划提供了一种设计方法，具体地说,涉及一种适用于不明显需求变化下的公交线网优化设计方法。

背景技术

[0003] 随着我国城市化进程不断推进，城市公共交通已经成为城市建设一个非常重要的方面。公共交通不仅可以确保城市居民的正常交通出行，还可以成为提高交通资源利用率、缓解交通拥堵、降低交通污染、节约土地资源和能源的重要手段。其中，公交是人们交通出行最广为受众及使用率最高的交通方式之一。

[0004] 公交线网一般是以居民出行需求为导向的，由于他们的出行需求在不断变化，所以公交线网方案需要频繁的设计和更新。当公交需求发生不明显变化且原来的公交线网方案需要重新设计时，交通规划者和管理者通常不希望公交线网的配置发生太大的变化。但是，如果继续使用传统的公交网络设计模型，可能会得到一个线路配置发生很大变化的新方案，这与实际情况是背道而驰的，同时，新方案的实施和布置还会产生不必要的人力和时间浪费。

[0005] 因而，结合目前交通工程领域的实际发展及现有公交线网设计复杂和不确定性的特质，立足于我国城市交通的现状，设计一个可操作的且经济有效的公交线网，尤其是适用于不明显需求变化下的公交线网，对城市政治经济、文化教育、科学技术等方面的发展意义重大。

发明内容

[0006] 本发明正是针对现有技术对适用于不明显需求变化下的公交线网设计方法关注较少而提供了一种专门适用于不明显需求变化下的公交线网优化设计方法，通过对现有遗传算法的改进，建立一种以最小化直达出行者，换乘者和未满足需求者总成本为目标的公交线路网络优化有效模型，从而使得在不明显需求变化下，提供一种更为经济有效，合理方便的公交线网设计方法。

[0007] 为了实现上述目的，本发明采用的技术方案是：一种适用于不明显需求变化下的公交线网优化设计方法，包括以下步骤：

[0008] 步骤1：建立目标函数和设置限制条件；

[0009] 步骤2：选取原公交线网方案为初始方案，并用网络分析程序计算其适应值；

[0010] 步骤3：将初始方案设置为候选最优方案；

[0011] 步骤4：对步骤3中的候选最优方案进行繁殖过程，包括选择过程和突变过程，[0012] 步骤41：选择过程：按概率选取所有方案中将要突变的线路。

[0013] 步骤42：按概率进行中间单站点突变过程

[0014] 步骤421：确定中间站点在公交线路上的两个邻近站点，以及中间站点不在线路上的直接连接站点，查看上述“不在线路上的直接连接站点”与“在公交线路上的两个邻近站点”是否直接连接，如果有直接连接，转入步骤422，可连接的站点为中间站点可突变到的站点；如果所有中间站点的“不在线路上的直接连接站点”与“在公交线路上的两个邻近站点”都不直接连接，转入步骤43；

[0015] 步骤422,：把步骤421中确定的中间站点及其可突变到的站点作为候选站点，根据这些候选站点上下游需求的总和来决定最终突变到的站点，所述上游需求指中间站点前面所有站点到候选站点的出行次数，所述下游需求指候选站点到中间站点后面所有站点的出行次数；

[0016] 步骤43：按概率进行起始站点突变过程；

[0017] 步骤431：当起始站点和某一站点能够直接相连时，可以将起始站变成第二个站点，而原来第二个站点变成起始站点；

[0018] 步骤432：若起始站点不和任何站点直接相连，没有可突变到的站点，则转入步骤5；再按概率对终点站点进行如步骤431起始站点的突变过程；

[0019] 步骤5：根据网络分析程序计算上述步骤后得到新方案的适应值，将其与步骤2中候选最优方案的适应值进行比较，选择小的为新的候选最优方案，所述选择后的最终方案有且只有一个；

[0020] 步骤6：重复步骤4-5，如果重复次数达到预定次数，则停止迭代，选取候选最优方案为‘最优方案’；如果繁殖次数没有达到预定次数，返回步骤4。

[0021] 作为本发明的一种改进，所述步骤4中的概率，根据网络规模大小和设计时间需要而设置。

[0022] 作为本发明的另一种改进，所述步骤1中的目标函数如下公式所示：

[0023]

[0024] 步骤1中的限制条件如下所示：

[0025]

[0026]

[0027] 式中：V为所有站点的集合，i表示站点i，j表示站点j，dij表示站点i到站点j的出行需求，Lmax表示公交线路的最大长度，Lmin表示公交线路的最小长度，Qmax表示每辆车的最大容量，Td表示每个未满足公交需求者的时间成本，n表示一个方案的第n条线路，tr表示使用两条路径以上出行时的换乘路径，Ln表示线路n的总长度，表示在路径n上满足站点i到站点j的公交需求，表示在换乘路径tr上满足站点i到站点j的公交需求，DRij表示服务过从站点i到站点j的直达线路的集合，TRij表示服务过从站点i到站点j的换乘线路的集合，表示在路径n上从站点i到站点j的出行时间，表示在换乘路径tr上从站点i到站点j的出行时间，表示在路径n的最大流量，C1、C2、C3分别表示直达者成本、换乘者成本和为满足需求者成本的权重影响系数(C1+C2+C3＝1)。

[0028] 作为本发明的有一种改进，所述步骤2中的网络分析程序包括：

[0029] 步骤21：将一条路径的直达承载流量从原始需求矩阵中剔除，并把这些流量作为直达需求分配给这条路径，当所有路径的直达承载流量被剔除后，得到直达更新需求矩阵；

[0030] 步骤22：将一条换乘路径的换乘承载流量从步骤21中的直达更新需求矩阵中剔除，并把这些流量作为换乘需求分配给对应的路径，当所有的换乘承载流量被剔除后，得到一个被换乘需求更新的换乘更新需求矩阵。

[0031] 步骤23：输出步骤1所有目标函数中需要的参数和变量，计算这个方案的适应值(目标函数中的Z)。

[0032] 作为本发明的更进一步改进，所述步骤6中预定次数根据运行时间而决定，当运行时间有限制时，预定次数要保证在限制时间内，程序运行结束；当没有运行时间限制时，根据可行解空间决定预定次数，空间越大，预定次数越大。

[0033] 与现有技术相比，本发明提出了一种专门适用于不明显需求变化下的公交线网优化设计方法，改进了传统遗传算法中的选择和突变过程，并删除了交叉过程，使其拥有更好的优化质量和搜索效率，既能满足不明显需求变化下公交线网方案的重新设计，经济有效，大大节约了新方案实施和布置产生的人力物力和经济成本，同时也是合理资源配置，打破传统流水线型统一公交线网的设计方法，更加的灵活机动，可操作性和可持续性更强。

附图说明

[0034] 图1是的不明显变动下公交线网优化设计示意图；

[0035] 图2是本发明实施例1案例网络的示意图；

[0036] 图3是本发明实施例2的对比试验结果图。

具体实施方式

[0037] 以下将结合附图和实施例，对本发明进行较为详细的说明。

[0038] 实施例1

[0039] 一种适用于不明显需求变化下的公交线网优化设计方法，如图1所示，包括以下步骤：

[0040] 步骤1：建立目标函数和设置限制条件，

[0041] 目标函数如下公式所示：

[0042]

[0043] 限制条件如下所示：

[0044]

[0045]

[0046] 式中：V为所有站点的集合，i表示站点i，j表示站点j，dij表示站点i到站点j的出行需求，Lmax表示公交线路的最大长度，Lmin表示公交线路的最小长度，Qmax表示每辆车的最大容量，Td表示每个未满足公交需求者的时间成本，n表示一个方案的第n条线路，tr表示使用两条路径以上出行时的换乘路径，Ln表示线路n的总长度，表示在路径n上满足站点i到站点j的公交需求，表示在换乘路径tr上满足站点i到站点j的公交需求，DRij表示服务过从站点i到站点j的直达线路的集合，TRij表示服务过从站点i到站点j的换乘线路的集合，表示在路径n上从站点i到站点j的出行时间，表示在换乘路径tr上从站点i到站点j的出行时间，表示在路径n的最大流量，C1、C2、C3分别表示直达者成本、换乘者成本和为满足需求者成本的权重影响系数(C1+C2+C3＝1)。

[0047] 步骤2：选取原公交线网方案为初始方案，并用网络分析程序计算其适应值，其中，网络分析程序包括：

[0048] 步骤21：将一条路径的直达承载流量从原始需求矩阵中剔除，并把这些流量作为直达需求分配给这条路径，当所有路径的直达承载流量被剔除后，得到直达更新需求矩阵；

[0049] 步骤22：将一条换乘路径的换乘承载流量从步骤21中的直达更新需求矩阵中剔除，并把这些流量作为换乘需求分配给对应的路径，当所有的换乘承载流量被剔除后，得到一个被换乘需求更新的换乘更新需求矩阵；

[0050] 步骤23：输出步骤1所有目标函数中需要的参数和变量，计算这个方案的适应值(目标函数中的Z)。

[0051] 步骤3：将初始方案设置为候选最优方案。

[0052] 步骤4：对步骤3中的候选最优方案进行繁殖过程，包括选择过程和突变过程，[0053] 步骤41：选择过程：根据网络规模大小和设计时间需要而设置概率，按概率选取所有方案中将要突变的线路。

[0054] 步骤42：按概率进行中间单站点突变过程

[0055] 步骤421：确定中间站点在公交线路上的两个邻近站点，以及中间站点不在线路上的直接连接站点，查看上述“不在线路上的直接连接站点”与“在公交线路上的两个邻近站点”是否直接连接，如果有直接连接，转入步骤422，可连接的站点为中间站点可突变到的站点；如果所有中间站点的“不在线路上的直接连接站点”与“在公交线路上的两个邻近站点”都不直接连接，转入步骤43；

[0056] 步骤422,：把步骤421中确定的中间站点及其可突变到的站点作为候选站点，根据这些候选站点上下游需求的总和来决定最终突变到的站点，所述上游需求指中间站点前面所有站点到候选站点的出行次数，所述下游需求指候选站点到中间站点后面所有站点的出行次数；

[0057] 步骤43：按概率进行起始站点突变过程；

[0058] 步骤431：当起始站点和某一站点能够直接相连时，可以将起始站变成第二个站点，而原来第二个站点变成起始站点；

[0059] 步骤432：若起始站点不和任何站点直接相连，没有可突变到的站点，则转入步骤5；再按概率对终点站点进行如步骤431起始站点的突变过程；

[0060] 步骤5：根据网络分析程序计算上述步骤后得到新方案的适应值，将其与步骤2中候选最优方案的适应值进行比较，选择小的为新的候选最优方案，所述选择后的最终方案有且只有一个；

[0061] 步骤6：重复步骤4-5，如果重复次数达到预定次数，则停止迭代，选取候选最优方案为‘最优方案’；如果繁殖次数没有达到预定次数，返回步骤4。预定次数根据运行时间而决定，当运行时间有限制时，预定次数要保证在限制时间内，程序运行结束；当没有运行时间限制时，根据可行解空间决定预定次数，空间越大，预定次数越大。

[0062] 假设我们选取样本网络如图2所示，有10个站点19条路段，根据模型的需要，我们做了以下假设(判定)：

[0063] 1，所有的公交车拥有相同的运营速度和容量限制，道路是不拥挤的；

[0064] 2，当出行需求发生不明显变化时且原来的公交线网方案需要重新设计时，对比原来方案，优化方案在线网配置上不会发生太大的变化；

[0065] 3，在不同的方案中，公交线路数、每辆车的运营频率和运营成本是相同的。

[0066] 设置原始方案为初始方案，利用网络分析程序计算其适应值，将其设置为第一个候选最优方案。拥有三条线路的公交线网方案(线路1：7，2，3，1，6；线路2：9，10，2，3，4；线路三：8，7，1，4，6)为候选最优方案，从步骤4开始如下：

[0067] 步骤41：选择过程：设置选择概率为1，这意味着每条线路都要进行突变过程，步骤4中的执行都是根据网络规模大小和设计时间需要设置一定的概率。

[0068] 步骤42：中间站点突变过程：

[0069] 以线路1为例，中间站点有2、3、1；中间站点2在线路上的邻近站点为点3和7，不在线路上的直接连接站点为8、9和10；中间站点3的在公交线路上的邻近站点为点2和1，不在线路上的直接连接站点为4和10；中间站点1在公交线路上的邻近站点为点3和6，不在线路上的直接连接站点为4；中间站点1可以突变到得站点为点4，中间站点2和3没有可突变到得站点。因此当(d71+d21+d31+d16)<(d74+d24+d34+d46)，新产生的线路1为：7，2，3，4，6；当(d71+d21+d31+d16)>(d74+d24+d34+d46)，线路1不发生变化。

[0070] 步骤43：起始站点突变过程：

[0071] 以线路2为例，当起始站点与第三个站点直接连接时，起始站点和第二个站点交换位置，新产生的线路2为：10，9，2，3，4。

[0072] 步骤432：终点站点突变过程：

[0073] 以线路3为例，当终点站点与倒数第三个站点直接连接时，终点站点和倒数第二个站点交换位置，新产生的线路2为：8，7，1，6，4。

[0074] 步骤5：方案对比：通过步骤41-42-43—432-5得到新的公交线网方案，利用网络分析程序计算其适应值，并将其与候选最优方案的适应值对比，选择小的为新的候选最优方案，候选最优方案有且仅有一个。

[0075] 步骤6：迭代次数检查：查看迭代次数是否达到预定次数，如果没有达到，则返回步骤3；如果达到，程序结束，输出候选最优方案为最终的最优方案。

[0076] 按上述所示，设置原始方案为线路1：7，8，9，10，3，4；线路2：5，4，3，1，7；线路3：9，10，2，1，4，6；线路4：2，3，1，6，5；线路5：8，2，1，6，5，4。假设原来的公交线网方案基本上可以满足原来的公交出行需求，在这里仅仅列出发生不明显需求变动后的一小时内出行需求，如下图表1所示。其他设置：长度和时间单位相同(与图2中的长度单位相同)；每个未满足公交需求者的时间成本为80；每辆车的最大容量为40；公交线路的最大长度和最小长度分别为45和20；每条路径的发车频率为5辆/小时；步骤3.2-3.4的执行概率都为0.1；参数C1、C2、C3分别为0.15、0.3、0.55。

[0077] 表1需求矩阵(次)

[0078]

[0079] 将最优方案和原始方案的各项指标对比评价，如下表2所示，评价指标的内容包括线网、直达者人数、换乘者人数、未满足需求者人数、直达者总的出行里程、换乘者总的出行里程及方案适应值。

[0080] 表2原始方案和最优方案结果对比

[0081]

[0082] 上表中可以看出，两个方案之间没有太大的线路配置改变，最优方案比原始方案可以满足更多的直达和换乘次数，减少了未满足需求次数，同时最大限度的发挥了公交线网的作用，直达出行者和换乘者的总出行距离增加，平均换乘距离减少，由此可见，我们这种公交线网优化设计方法是非常适用于不明显需求变化的，非常有效。

[0083] 实施例2

[0084] 本实施例与实施例1不同之处在于：交通工程领域中传统的遗传算法(TGA)包括选择、交叉和突变过程，而我们改进后的遗传算法(IGA)删除了交叉过程，仅包括改进的选择和突变过程，在实施例1的对比中，我们把改进的IGA和传统的TGA分别应用在我们的案例中。每个方法分别测试10次，预定的迭代次数设置为1000。对比结果如图3所示。

[0085] 图3中可看出，IGA的适应值都优于TGA，这应该是因为我们对选择和突变过程进行了改进。IGA的计算时间一般高于TGA的计算时间，这可能是因为我们剔除了交叉过程。这次对比可以证明：与TGA对比，IGA应用在不明显需求变动下公交线网设计问题可以提高优化质量和搜索效率。

[0086] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

标题	发布/更新时间	阅读量
动态可持续性搜索引擎-专利编号CN101872354A	2020-05-12	661
一种可持续性和智能化养猪方法-专利编号CN111011247A	2020-05-13	249
一种水足迹可持续性评价方法-专利编号CN110298575A	2020-05-14	890
动态可持续性因素管理-专利编号CN101872384B	2020-05-11	946
可持续性探测的电极装置-专利编号CN110856655A	2020-05-13	1021
一种可持续性供水花盆-专利编号CN105075703A	2020-05-12	1023
环境可持续性二次包装-专利编号CN103702906A	2020-05-11	1003
动态可持续性因素管理-专利编号CN101872384A	2020-05-11	228
可持续性浓差电池-专利编号CN1707847A	2020-05-13	62
产品可持续性评分卡-专利编号CN108701169A	2020-05-12	369

一种适用于不明显需求变化下的公交线网优化设计方法

一种适用于不明显需求变化下的公交线网优化设计方法

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式