公共交通多线路静态协调调度方法

摘要

本发明公开了一种公交多线路静态协调调度方法，专用于多条公交线路之间、公交线路与地铁线路间的静态协调调度。以车载GPS与公交IC卡POS机终端为采集基础数据的设备，基础数据包括：基于IC卡数据以及基于GPS数据；包括：判断线路间关联程度；生成单线路发车时刻表；计算发车间隔调整范围；生成多线路协调发车时刻表；通过计算线路之间重复率与换乘率，在线路有限的车辆资源约束条件下，计算线路发车间隔初始值，以乘客等待时间增加最小为优化目标，对发车间隔进行初步优化，以重复站段断面客流对发车间隔的需求不同为量化依据，对多线路发车间隔进行二次优化，确定发车间隔最优值，实现多线路协调发车，达到整体运力资源最优。

说明书

技术领域

本发明属于公交智能调度领域，可用于多条公交线路之间、公交线路与地铁线路间的静态协调调度。

背景技术

公交调度模型是典型的NP难问题，特别是针对多条公交线路的调度模型。由于约束条件与优化目标较多，模型求解较为困难，因此在建立模型时，常设定一些假设条件来简化算法。但该种处理方式在较大程度上忽略了城市交通随机性的影响，故存在理论模型与实际应用脱节的问题，具体表现在以下几方面：

1、调度模型约束条件设定理想化，与公交线路实际运营规律有一定偏差，导致模型实用性较差；

2、运营、客流等基础数据获取手段缺乏，精度不高，使得调度模型缺乏数据支撑，需要依靠仿真或其他手段对模型参数和约束条件进行多次调整，降低模型应用效率；

3、针对多线路协调调度的模型很少，对公交线路之间的关联程度如重复程度、换乘客流等因素考虑不足，造成运力的浪费或不均衡。

发明内容

本发明的目的在于，通过提供一种公共交通多线路静态协调调度方法，以车辆定位、客流采集等ITS技术为支撑，在统计公交运营规律基础上，提出一种可用于多条公交线路间、公交线路与地铁线路间的静态协调调度模型方法。

本发明是采用以下技术手段实现的：

本发明所需公交运营基础数据是利用GPS、IC卡相关设备采集获取，具体包括以下内容：

1、基础信息：公交线路长度，站点信息，站距，车辆数；

2、IC卡信息：IC卡号，交易时间，上、下车站点序号，线路编号，车辆编号；

3、车辆定位信息：经度，纬度，方位角，瞬时速度，下一站点序号，发车日期，发车时间，运行方向，车辆到、离站时间。

基于ITS技术采集的公交运营基础数据，可统计公交客流出行、车辆运行特征规律，为静态调度方案制定提供数据支撑。具体实施步骤如下：

步骤1：基础数据统计

在公交智能调度系统中，可实时采集车辆运行与客流等数据，本发明以车载GPS与公交IC卡POS机终端为假定采集设备。

基于IC卡数据，可统计得到：

1、各时段车辆在站点上、下车客流量

2、各时段公交线路、站点总客流量

3、各时段站点乘客到达率

4、每日各时段公交线路最大断面客流量

5、各时段线路满载率

基于GPS数据，可统计得到：

1、到/离站时间、停靠站时间

2、各时段站点间路段行程时间

3、每日各时段线路周转时间

步骤1：判断线路间关联程度

协调调度应针对具有一定关联程度的线路，达到优势互补，资源整合的目的，本发明通过计算线路重复率及线路间换乘客流量作为判断线路关联程度的参数。

1.线路重复率

由于要兼顾考虑乘客出行需求及公交线路运营效益，不同公交线路在某些站段重复的情况普遍存在，本发明将这种情况定义为线路重复，并定义线路重复率计算方法：

$\alpha =\frac{2S_{i,j}}{S_i+S_j}\times 100\%$

α：线路重复率

S_i，j：线路i与线路j重复的站点数

S_i：线路i的站点数

线路关联度分析结果如表1：

(表1)线路重复率分级

  重复率  0  1％～10％11％～20％  20％以上  关联度  无关联  轻微关联中度关联  密切关联

若α大于30％，则有6～9个重复站点，线路间关联程度密切。

2.换乘率

若两条线路间接驳站点换乘客流量较大，认为线路关联程度密切，可以用线路间换乘率来表示：

$\theta =\frac{\underset{c=1}{\overset{n}{\Sigma }}{p_{l,k}}^c}{\underset{c=1}{\overset{n}{\Sigma }}{p_{l,i}}^c}\times 100\%$

θ：线路k，I间的换乘率

p_c^l，k：线路I的班次c换乘到线路k的乘客数量

p_l，i^c：线路I的班次c到达换乘站点i站时的载客量

(表2)线路换乘率分级

  换乘率0～5％6％～10％11％～20％ 20％以上  关联度无关联轻微关联中度关联 密切关联

若上述任一条件满足中度关联及以上，则对相关线路采用协调调度。制定协调调度方案时，需要优化原有线路发车间隔，调整原则是优先调整线路客流量较小的线路发车间隔。

如上所述，路间关联程度包括：线路重复率及换乘率，并与其成为正比率对应关系；

步骤2：生成单线路发车时刻表

第一，计算某一特定时段(范围2小时之内)线路k上、下行方向平均发车间隔初始值：

${h_k}^{\mathrm{up}}=\frac{60\times C_k\times {O_k}^{\mathrm{up}}}{{D_{\max }}^{\mathrm{up}}},{h_k}^{\mathrm{down}}=\frac{60\times C_k\times {O_k}^{\mathrm{down}}}{{D_{\max }}^{\mathrm{down}}}---\left(1\right)$

计算线路k上、下行方向配车数：

${B_k}^{\mathrm{up}}=\frac{{T_k}^{\mathrm{up}}}{{h_k}^{\mathrm{up}}}+\frac{{D_{\max }}^{\mathrm{up}}}{C_k\times {O_k}^{\mathrm{up}}},{B_k}^{\mathrm{down}}=\frac{{T_k}^{\mathrm{down}}}{{h_k}^{\mathrm{down}}}+\frac{{D_{\max }}^{\mathrm{down}}}{C_k\times {O_k}^{\mathrm{down}}}---\left(2\right)$

并且使h_k^up，h_k^down满足$\left(\begin{array}{c}{B_k}^r={B_k}^{\mathrm{up}}+{B_k}^{\mathrm{down}}\le \lambda B_k\\ {T_k}^{\mathrm{down}}\le ({B_k}^{\mathrm{up}}-2){h_k}^{\mathrm{up}}\\ {T_k}^{\mathrm{up}}\le ({B_k}^{\mathrm{down}}-2){h_k}^{\mathrm{down}}\end{array}\right),$从而确定线路k上、下行方

向发车间隔初始值。

h_k^up，h_k^down：线路k上、下行发车间隔

D_max^up，D_max^down：线路k上、下行小时最大断面客流量，根据公交IC卡数据统计得到。单位：人次/小时

C_k：线路k车辆额定载客量

O_k^up，O_k^down：线路k上、下行满载率，根据公交IC卡数据统计得到

T_k^up，T_k^down：线路k上、下行单程行车时间

B_k^r：线路k需调配车数

B_k^up，B_k^down：线路k上、下行方向需调配车数

B_k：线路k车辆总数

λ：定量系数，取值范围[0，1]，可根据时段特性进行标定。如高峰期可选取0.9或1，平峰期选取0.5～0.8。

第三，根据发车间隔生成线路k初始发车时刻表。

步骤3：计算发车间隔调整范围

对具有关联性的线路发车时刻进行调整，调整原则为：优先调整客流量较小的线路发车时刻表。

调整方法为：以分钟为单位，以线路k某班次(高/平峰时段)发车时间点为中心点，遍历计算向两侧延伸的发车时间点对多线路协调运行的影响程度。

调整时间下限为$\Delta =\frac{{T_k}^{\mathrm{up}}+{T_k}^{\mathrm{down}}}{B^k}-{h_k}^{\mathrm{up}}/{h_k}^{\mathrm{down}},$即线路k全部车辆投入运营时的最小发车间隔与初始值的差；调整时间上限为$\Delta =\frac{{D_k}^{\max }}{C_k\times O_k}\times (1+\eta )-{h_k}^{\mathrm{up}}/{h_k}^{\mathrm{down}},$η为定量系数，高峰期可取0.1～0.5，平峰期可取0.5～1，表示小时最大客流断面所能接受的最大发车间隔。

$\Delta =[\frac{{T_k}^{\mathrm{up}}+{T_k}^{\mathrm{down}}}{B^k}-{h_k}^{\mathrm{up}}/{h_k}^{\mathrm{down}},\frac{{D_k}^{\max }}{C_k\times O_k}\times (1+\eta )-{h_k}^{\mathrm{up}}/{h_k}^{\mathrm{down}}]$

步骤4：生成多线路协调发车时刻表

第一，计算发车间隔初始优化值。

在运营车辆数约束和当前司乘人员数约束条件下，优化目标是多条线路乘客出行总等待时间最短，该问题可转化为：若发车间隔调整Δ时，节省乘客总等待时间最多或增加的等待时间最少。即：

minΔT_w

约束条件：

B_k^r≤λB_k

ΔT_w：各线路节省的乘客总等待时间(增加的等待时间)

计算节省的乘客总等待时间。等待时间与发车间隔及乘客到达率有关，对于发车间隔在10分钟内的地面公交或轨道交通而言，可认为站点乘客到达率近似服从均值分布，由此得到乘客在站点i等待某班次的时间为：

${T_k}^i=\frac{{q_k}^i(1+h_k)h_k}{2}$

T_kⁱ：为线路k乘客在站点i等待某班次的时间

q_kⁱ：为线路k在站点i的乘客到达率

h_k：线路k的发车间隔

当线路k发车间隔调整Δ时，节省的乘客总等待时间为：

${\mathrm{\Delta T}}_w=\left(\begin{array}{c}({q_k}^i{h}_k\Delta +{q_k}^i\frac{h_k}{2}(\frac{h_k}{2}+\Delta ))-{q_k}^i\Delta (h_k+\Delta ),\Delta >0\\ \frac{{q_k}^i(1+\Delta +h_k)(\Delta +h_k)}{2}-{q_k}^i{(h_k+\Delta )}^2,\Delta <0\end{array}\right)$

合并同类项后，得

${\mathrm{\Delta T}}_w=\left(\begin{array}{c}-{q_k}^i{\Delta }^2+\frac{{q_k}^i{h}_k}{2}\Delta +\frac{{q_k}^i{h^2}_k}{4},\Delta >0\\ -\frac{{q_k}^i}{2}[{\Delta }^2+({2h}_k-1)\Delta -h(1-h)],\Delta <0\end{array}\right)$

故多线路协调调度模型可表示为：

$\min {\mathrm{\Delta T}}_w=\min \underset{i=1}{\overset{m}{\Sigma }}{{\mathrm{\Delta T}}^k}_w=\min \underset{i=1}{\overset{m}{\Sigma }}\left(\begin{array}{c}-{q_k}^i{\Delta }^2+\frac{{q_k}^i{h}_k}{2}\Delta +\frac{{q_k}^i{h^2}_k}{4},\Delta >0\\ -\frac{{q_k}^i}{2}[{\Delta }^2+(2h_k-1)\Delta -h(1-h)],\Delta <0\end{array}\right)---\left(3\right)$

根据minΔT_w求得调整时间Δ，对初始发车间隔进行更新，获得初始优化值h¹_k：

h¹_k＝Δ+h_k

第二，计算发车间隔二次优化值。

模型minΔT_w已考虑了线路之间乘客换乘因素，因此对于换乘率相关度高的线路而言，h¹_k即可作为最优值。但对于线路重复率高的多条线路，常出现运力重复利用的问题。因此，出于协调运力的目的，应针对线路之间重复站段客流特征，进一步优化发车间隔h¹_k和组织模式，实现车辆资源整合。

对单条线路k而言，可将其运行站段分为独立运行站段与重复运行站段，重复运行站段即某站段有2至多条线路重复经过，且线路重复率达到中度相关及以上的站段。这两类站段对线路k发车间隔需求不同，一般情况下，独立运行站段需要更短的发车间隔。

重复运行站段发车间隔需求值计算如下：

${h_k}^i=\frac{60\times C_k\times {O_k}^i}{\underset{k=1}{\overset{l}{\Sigma }}{D_{\max }}^i}\times l---\left(4\right)$

h_kⁱ：重复运行站段i的发车间隔需求值

D_maxⁱ：重复运行站段i的小时最大断面客流量

I：重复运行站段i包含的重复线路条数

需要注意的是，公式(4)中的C_k，O_kⁱ需要计算多条线路的平均值，或以某一类车型为标准，计算当量值。

考虑线路k与其他线路重复站段的断面客流量影响因素，计算线路k发车间隔最优值h²_k：

${h^2}_k=\underset{i=1}{\overset{n}{\Sigma }}\frac{{D_{\max }}^i}{\underset{k=1}{\overset{l}{\Sigma }}{D_{\max }}^i}{h_k}^i+\frac{{D_k}^{\max }}{\underset{k=1}{\overset{l}{\Sigma }}{D_{\max }}^i}{h^1}_k---\left(5\right)$

第三，根据h²_k值，生成多线路协调调度发车时刻表。

本发明一种公共交通多线路静态协调调度方法，与现有技术相比，具有以下明显的优势和有益效果：

本发明通过计算线路之间重复率与换乘率，判断公交线路关联程度，在线路有限的车辆资源约束条件下，计算线路发车间隔初始值，以乘客等待时间增加最小为优化目标，对发车间隔进行初步优化，以重复站段断面客流对发车间隔的需求不同为量化依据，对多线路发车间隔进行二次优化，确定发车间隔最优值，实现多线路协调发车，达到整体运力资源最优。

附图说明

图1为多线路协调调度总体流程图；

图2为生成单线路发车时刻表流程图；

图3为生成多线路协调发车时刻表流程图。

具体实施例

以下结合说明书附图对本发明的具体实施方式进行说明：

请参阅图1所示，为多线路协调调度总体流程图。图2为生成单线路发车时刻表流程图。图3为生成多线路协调发车时刻表流程图。

选取北京市53路、122路公交车进行算法验证，计算时段为早高峰7:00～9:00，线路基础数据如表3：

(表3)线路基础数据(53、122路)

  线路编号  线路长度  站点数  接驳站点数  车辆数  额定载客量  53  12.877  26  18  22  70  122  20.3  27  18  34  70

第一步，判断线路关联程度，计算线路重复率：

$\alpha =\frac{{2S}_{i,j}}{S_i+S_j}\times 100\%=\frac{2\times 18}{26+27}\times 100\%=67.9\%>30\%$

可知两条线路属于密切关联，且重复站点为连续站点。

第二生成单线路发车时刻表

根据公交IC卡数据统计得到，53路日客流量约为12700人次，早高峰客流量约为1680人次，122路日客流量约为18000人次，早高峰客流量约为2500。因此主要调整53路发车时刻表。具体统计结果如表4：

(表4)公交IC卡数据统计结果

第二步，生成初始53路单线路发车时刻表：

${h_{53}}^{\mathrm{up}}=\frac{60\times C_{53}\times {O^{53}}_{\mathrm{up}}}{{D_{\mathrm{up}}}^{\max }}=\frac{60\times 70\times 90\%}{550}\approx 7$

${h_{53}}^{\mathrm{down}}=\frac{60\times C_{53}\times {O^{53}}_{\mathrm{down}}}{{D_{\mathrm{down}}}^{\max }}=\frac{60\times 70\times 110\%}{720}\approx 6$

由${B_k}^{\mathrm{up}}=\frac{{T_k}^{\mathrm{up}}}{{h_k}^{\mathrm{up}}}+\frac{{D_{\max }}^{\mathrm{up}}}{C_k\times {O_k}^{\mathrm{up}}},{B_k}^{\mathrm{down}}=\frac{{T_k}^{\mathrm{down}}}{{h_k}^{\mathrm{down}}}+\frac{{D_{\max }}^{\mathrm{down}}}{C_k\times {O_k}^{\mathrm{down}}}$

$\left(\begin{array}{c}{B_k}^{\mathrm{up}}+{B_k}^{\mathrm{down}}\le \lambda B_k\\ {T_k}^{\mathrm{down}}\le ({B_k}^{\mathrm{up}}-2){h_k}^{\mathrm{up}}\\ {T_k}^{\mathrm{up}}\le ({B_k}^{\mathrm{down}}-2){h_k}^{\mathrm{down}}\end{array}\right)$得到，

h₅₃^up≈9，h₅₃^down≈8

同理，有h₁₂₂^up＝6，h₁₂₂^down＝5

53路下行方向发车时刻表如表5：

(表5)单线路发车时刻表

第三步，计算发车间隔调整范围。

以53路下行方向为例调整发车间隔，调整时间以分钟为单位，η取0.3。计算调整Δ备选值范围为：

$\Delta =[(\frac{85+90}{22}-8),\frac{720}{70\times 110\%}\times (1+0.3)-8]=\left[\mathrm{0.15,4.16}\right]\approx \left[\mathrm{1,4}\right]$

故取整为Δ＝[1，2，3，4]

第四步，生成多线路协调发车时刻表。将Δ代入公式(1)：

$\min {\mathrm{\Delta T}}_w=\underset{i=1}{\overset{25}{\Sigma }}(-{q_k}^i{\Delta }^2+\frac{{q_k}^i{h}_k}{2}\Delta +\frac{{q_k}^i{h^2}_k}{4})$

计算求得最优Δ＝4，h₅₃¹＝12

考虑53路与122路重复运行站段影响因素，根据IC卡数据统计重复运行站段小时最大断面客流量53路下行方向约为300，122路上行方向约为380，平均满载率约为70％，计算重复运行站段发车间隔需求值：

${h_k}^i=\frac{60\times C_k\times {O_k}^i}{{D_{\max }}^i}\times l=\frac{60\times 70\times 70\%}{300+380}\times 2=8.6$

计算最优发车间隔h²_k：

${h^2}_k=\underset{i=1}{\overset{n}{\Sigma }}\frac{{D_i}^{\max }}{\underset{k=1}{\overset{l}{\Sigma }}{D_i}^{\max }}{h_k}^i+\frac{{D_k}^{\max }}{\underset{k=1}{\overset{l}{\Sigma }}{D_i}^{\max }}{h^1}_k=\frac{300+380}{300+380+720}\times 8.6+\frac{720}{300+380+720}\times 12\approx 10$

因此，最优发车间隔为10分钟。

故53路下行方向发车时刻表调整后如下表：

(表6)53路下行方向调整后发车时刻表

53路上行方向调整发车间隔方法同上，可得上行最优发车间隔为：10min。。

在该试验中，根据GPS和公交IC卡数据估算，调整方案确定后，53路早高峰时段发车班次减少5班，运力节约18％；乘客平均增加等待时间约31秒，线路满载率平均约上升2％。对于单个乘客而言损失较少。由于122路发车间隔未做改变，运行中将在重复站段将承担更多客流。对线路运行而言，节省了线路车辆资源和运营成本。可以预见，配合其他车辆调度形式，如区间车、大站快车等，效果会更加显著。

最后应说明的是：以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的实例对本发明已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。