一种公共交通线网优化方法技术

本发明专利技术提供了一种公共交通线网优化方法，所述方法以模拟退火算法为框架，在框架下以最小化运营公司全天总运营成本为目标获得初始线网；将初始线网打散后形成线网单元，以此为输入网络，嵌入遗传算法进行优化，以最小化所有出行者总出行时间为目标构建公共交通线网优化模型，形成简化后的新线网，并比较运营成本的变化从而判断是否达到收敛条件。本发明专利技术以模拟退火算法结合遗传算法，既保证了优化过程的全局搜索能力，也能避免算法陷入局部最优解，从而提高求解质量；同时，提出“单元”的设计理念以促进多目标寻优过程的结合，并通过双温协同控制迭代来改进亚启发式算法的收敛条件，从而克服了亚启发式算法存在收敛条件难以界定的共性缺点。

A Method for Optimizing Public Transportation Network

The invention provides an optimization method for public transport network, which takes simulated annealing algorithm as the framework, obtains the initial network with the goal of minimizing the total operating cost of the operation company all day under the framework, forms the network unit after the initial network is dispersed, and optimizes the input network by embedding genetic algorithm to minimize the total travel time of all travelers. The optimization model of public transport network forms a simplified new network, and compares the changes of operation cost to judge whether the convergence condition is reached. The present invention combines simulated annealing algorithm with genetic algorithm, which not only guarantees the global search ability of the optimization process, but also avoids the algorithm falling into the local optimal solution, thereby improving the solution quality. At the same time, the design concept of \unit\ is put forward to promote the combination of multi-objective optimization process, and the convergence condition of sub-heuristic algorithm is improved through two-temperature cooperative control iteration, thus overcoming the sub-heuristic algorithm. Heuristic algorithm has the common disadvantage that convergence conditions are difficult to define.

【技术实现步骤摘要】
一种公共交通线网优化方法
本专利技术涉及城市规划
，具体涉及一种公共交通线网优化方法。
技术介绍
公共交通是一个城市的血脉，随着城市的不断发展，需要对城市的公共交通线网进行不断优化，国内外学者均较早开展了公共交通线网优化研究。从优化目标来看，公共交通线网涉及不同利益主体，包括运营方和出行者；从算法设计来看，对公共交通线网优化的研究多侧重于使用亚启发式算法进行求解。优化目标方面，公共交通线网涉及多目标问题的处理。多目标优化问题的研究普遍采取将多目标优化问题转化为单目标优化问题的思路对模型进行求解。现有技术中包括以下几种多目标优化问题的求解方式：以最小化出行以最小化运营成本、用户出行成本与外部成本之和为目标函数构建出带绿色公共交通分配的公共交通线网优化模型，采用加权方法处理多目标优化问题；以最小化运营者成本与出行者的平均出行成本为目标函数构建区域公共交通网络优化模型，模型的求解分为考虑容量限制与不考虑容量限制两种情形。但是，上述求解方法中，将多目标问题转化为单目标问题进行处理，涉及的多目标模型处理方法均较单一，而从算法设计角度处理多目标优化问题的研究思路未有探索。算法设计方面，现有技术中多采用亚启发式算法进行设计。亚启发式算法涉及遗传算法、蚁群算法、模拟退火算法、禁忌搜索算法等，并由单一类型的亚启发式算法向算法结合发展。现有技术中的亚启发式算法主要包括以下几种：使用遗传算法求解公共交通线网优化模型，并结合模拟退火算法概率选择的思路，采取二进制编码，选择操作由适应度函数结合模拟退火算法；使用遗传算法求解，适应度函数由目标函数加动态惩罚系数构成，采取基于自适应概率的交叉操作与变异操作；使用遗传算法求解公共交通专用道选址与线网优化模型，求解中首先产生候选公共交通线路集合，然后将线路二进制编码，带入遗传算法进行优化，适应度函数由目标函数值加权归一化得到；使用遗传算法进行公共交通线网优化求解，采用十进制编码和基于轮盘赌的选择，利用概率随机选点并进行线路交叉；使用蚁群算法求解基于限时免费换乘的公共交通线网优化模型，并引入惩罚机制；使用模拟退火算法求解城市常规公共交通线路优化问题；使用禁忌搜索法与模拟退火算法两种算法求解优化模型；另外，还有使用匈牙利算法、Yen算法和穷举法求解计算优化模型，求解中先合并公共交通车站，然后选择起讫点并寻找可行线路集合并进行线网优化，该算法仅适用于研究区域较小的中小城市。其中，遗传算法是一种全局优化的搜索算法，被广泛应用在各个领域，如运输问题、调度问题、组合优化问题等，涉及的要素主要包括初始种群的产生、目标函数的评价、选择操作、交叉操作、变异操作及算法的收敛标准。现有技术中，遗传算法存在以下几点不足：①遗传算法的收敛标准难以界定；②遗传算法搜索结果的准确性难以保证，基于积木块的搜索过程带有随机性；③该算法容易陷入局部最优解，这是由于变异概率比较低造成的；④种群规模限制了遗传算法应用范围。遗传算法在每代中总是要维持一定规模的种群，若种群规模较小，则难以体现算法的优越性；若种群规模较大，则计算时间较长，求解效率偏低。模拟退火算法来源于固体的退火过程，是一种随机搜索过程，用于求解组合优化问题。通过设定控制参数，模拟退火算法从可行解出发随机进行搜索，伴随着“产生新解—判断解是否被接受—接受或者舍弃”的迭代过程，在迭代递减时产生一系列的马尔科夫链，并逐步逼近最优解。该算法涉及的要素主要有初始温度的设定、温度下降方法的确定、每一温度迭代长度的确定及终止准则的确定。现有技术中，模拟退火算法存在以下几点不足：①计算时间与优化效果之间存在矛盾，且难以协调：理论上，只要计算时间足够长，马尔科夫链足够长就可以保证找到全局最优点；但在实际操作中，很难确保优化结果的准确性；②马尔科夫链长不容易控制，难以判断每一温度下是否达到平衡；③较多使用迭代次数控制收敛，算法的收敛标准难以界定。现有技术中公共交通线网优化中，尚存在多目标问题处理过于单一化、目标博弈和优化原则之间的关系没有深入体现、亚启发式算法求解过程中易陷入局部最优解等问题。
技术实现思路
本专利技术的实施例提供了一种公共交通线网优化方法，在多目标模型中同时考虑运营者与出行者的利益，在满足运营者利益的基础上最大化出行者利益，将模拟退火算法与遗传算法嵌套使用，通过目标选择和收敛实现的改进，求解多目标优化模型，改进多目标优化问题中的单一性，解决人工智能算法求解中的局部最优解问题，保证优化过程的全局搜索能力，并避免算法陷入局部最优解，从而确保算法的求解质量。为了实现上述目的，本专利技术采取了如下技术方案。一种公共交通线网优化方法，所述方法包括如下步骤：步骤S1，以模拟退火算法为框架，在所述框架下以最小化运营公司全天总运营成本为目标获得初始线网；步骤S2，对初始线网进行打散操作，形成若干个线网单元；步骤S3，以打散后的线网单元为输入网络，以最小化所有出行者总出行时间为目标构建公共交通线网优化模型，进行遗传算法优化；步骤S4，输出所述公共交通线网优化模型，对公共交通线网优化模型去除冗余线路后，形成简化后的新线网；步骤S5，通过最大迭代次数或终止温度判断是否达到收敛条件；是，则输出计算结果，为最优结果；否，则以新线网为初始线网，转入步骤S1。进一步地，所述步骤S1中模拟退火算法，进一步包括如下步骤：步骤S21，参数设置；步骤S22，计算线路所需的车辆数，按照车辆配备的原则对线网进行线网单元确定及车辆配备；步骤S23，根据线网单元及车辆配备计算线网运营成本。进一步地，所述参数包括：初始温度T0、终止温度Tstop、最大迭代次数I1、退火控制速率D1、控制温度Tc、退回温度Tp、迭代退回速率D2与成本差控制变量CA。进一步地，所述步骤S22进一步包括：步骤S221，寻找单元，计算单元重合度。将线网中的线路打散并形成单元，寻找单元，并按照从大到小的顺序在线网中计算出单元重合度；步骤S222，按照单元重合度按照小到大的顺序，给每个经过单元的线路进行车辆配备与运力配置；步骤S223，按照单元运力不足的处置措施，重新计算并调整线网上每条线路上所配的车辆数目；步骤S224，重新计算并调整线网上每条线路上所配的车辆数目。进一步地，所述步骤S2中的打散操作，进一步为：将公共交通线网按照经过的路段拆分成一个或者有相邻的几个路段，将不同线路中经过同一或几个相同车站的路段作为一个集合；所述步骤S2中的单元为，某条线路中一个或者几个路段的集合。进一步地，所述步骤S3中的遗传算法，包括如下步骤：步骤S261，遗传算法参数设置及种群初始化；步骤S262，判断线网是否满足约束条件限制；若公共交通线网满足约束条件限制，保留本次线网结构，转步骤S263；否则，不保留本次线网结构，转步骤S264；步骤S263，计算个体适应度，并保留适应度最高的公共交通线网；步骤S264，对公共交通线网进行遗传操作优化公共交通线网；在每代中采用基于轮盘赌进行选择操作，基于随机概率进行交叉操作与变异操作，并产生新线网；步骤S265，判断算法是否满足终止条件；若所提出的遗传算法迭代达到最大迭代次数，则转入步骤S266；否则，转步骤S262；步骤S266，终止算法中的搜索过程，输出适应度最高的个体。进一步地，所述步骤S261中的遗本文档来自技高网...

【技术保护点】
1.一种公共交通线网优化方法，其特征在于，所述方法包括如下步骤：步骤S1，以模拟退火算法为框架，在所述框架下以最小化运营公司全天总运营成本为目标获得初始线网；步骤S2，对初始线网进行打散操作，形成若干个线网单元；步骤S3，以打散后的线网单元为输入网络，以最小化所有出行者总出行时间为目标构建公共交通线网优化模型，进行遗传算法优化；步骤S4，输出所述公共交通线网优化模型，对公共交通线网优化模型去除冗余线路后，形成简化后的新线网；步骤S5，通过最大迭代次数或终止温度判断是否达到收敛条件；是，则输出计算结果，为最优结果；否，则以新线网为初始线网，转入步骤S1。

【技术特征摘要】
1.一种公共交通线网优化方法，其特征在于，所述方法包括如下步骤：步骤S1，以模拟退火算法为框架，在所述框架下以最小化运营公司全天总运营成本为目标获得初始线网；步骤S2，对初始线网进行打散操作，形成若干个线网单元；步骤S3，以打散后的线网单元为输入网络，以最小化所有出行者总出行时间为目标构建公共交通线网优化模型，进行遗传算法优化；步骤S4，输出所述公共交通线网优化模型，对公共交通线网优化模型去除冗余线路后，形成简化后的新线网；步骤S5，通过最大迭代次数或终止温度判断是否达到收敛条件；是，则输出计算结果，为最优结果；否，则以新线网为初始线网，转入步骤S1。2.根据权利要求1所述的公共交通线网优化方法，其特征在于，所述步骤S1中模拟退火算法，进一步包括如下步骤：步骤S21，参数设置；步骤S22，计算线路所需的车辆数，按照车辆配备的原则对线网进行线网单元确定及车辆配备；步骤S23，根据线网单元及车辆配备计算线网运营成本。3.根据权利要求2所述的公共交通线网优化方法，其特征在于，所述参数包括：初始温度T0、终止温度Tstop、最大迭代次数I1、退火控制速率D1、控制温度Tc、退回温度Tp、迭代退回速率D2与成本差控制变量CA。4.根据权利要求2所述的公共交通线网优化方法，其特征在于，所述步骤S22进一步包括：步骤S221，寻找单元，计算单元重合度。将线网中的线路打散并形成单元，寻找单元，并按照从大到小的顺序在线网中计算出单元重合度；步骤S222，按照单元重合度按照小到大的顺序，给每个经过单元的线路进行车辆配备与运力配置；步骤S223，按照单元运力不足的处置措施，重新计算并调整线网上每条线路上所配的车辆数目；步骤S224，重新计算并调整线网上每条线路上所配的车辆数目。5.根据权利要求1所述的公共...

【专利技术属性】
技术研发人员：冯雪松，张路凯，朱晓静，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京,11