【技术实现步骤摘要】
基于区间不确定性的公交客流分配方法、系统、存储介质
本专利技术属于公交客流分配
，尤其涉及一种基于区间不确定性的公交客流分配方法、系统、存储介质。
技术介绍
目前，我国城市交通拥堵的问题也越来越严重，城市公共交通是减缓交通拥堵的有效途径。合理的城市公交网络设计与公交调度是提高公交服务质量与公交出行率的重要因素，而公交客流分配是开展网络设计与调度优化的基础。国内外对于公交客流分配模型多以Logit模型改进而来。国外，Johansson等提出了不同对象的公交客流分配模型。CodinaE提出了高峰时刻的网络均衡分配客流模型。Sun等提出了一种基于固定需求的Logit公交客流分配模型。Hamdouch等考虑供应不确定性提出了一种新的基于调度的公交客流分配模型。国内，陈先龙等、张晓亮等对Logit进行改进，得到的模型对公交客流分配更加有效。曾鹦等、狄迪等分别提出非平衡公交客流分配模型和公交随机用户均衡分配模型。传统的公交客流分配中，往往认为在各站点上下车的人数是确定的。然而实际上，各站点的上下车人数往往是不确定的，在一个区间范围内波动。自上个世纪以来国内外就对于区间不确定性就进行了研究。国外，Moore等将区间不确定性理论应用于数学问题。Martorell等处理方法主要基于遗传算法、模糊集等。HugoGilbert等、OlaG.Batarseh等分别研究了区间数和区间概率分布。SalmanZaidi等提出了简化区间计算的方法。国内，全维杰采用双层规划模型对区间不确定性问题进行分析。赵子衡等、周和平等分别区...
【技术保护点】
1.一种基于区间不确定性的公交客流分配方法，其特征在于，所述基于区间不确定性的公交客流分配方法包括：/n基于区间不确定理论和区间数基本算法，改进行程时间函数和换乘惩罚函数，构建公交客流分配的Logit改进模型；/n进行模型改进前后公交客流分配的误差分析，以及早晚高峰和平峰时段公交线路的平均误差和最大误差分析。/n
【技术特征摘要】
1.一种基于区间不确定性的公交客流分配方法，其特征在于，所述基于区间不确定性的公交客流分配方法包括：
基于区间不确定理论和区间数基本算法，改进行程时间函数和换乘惩罚函数，构建公交客流分配的Logit改进模型；
进行模型改进前后公交客流分配的误差分析，以及早晚高峰和平峰时段公交线路的平均误差和最大误差分析。
2.如权利要求1所述的基于区间不确定性的公交客流分配方法，其特征在于，所述区间不确定性理论又叫区间数优化，即基于区间的区间数优化方法；区间数优化利用区间描述数值的实际波动范围；区间数优化方法分为三类：一为基于区间数序关系的线性区间数优化，二为基于最大最小后悔准则的线性区间数优化，三为非线性区间数优化。
3.如权利要求1所述的基于区间不确定性的公交客流分配方法，其特征在于，所述区间数是一个范围值，表示成：其中a、为的下界值和上界值，为两任意实数；当a和相等时，区间数变成一固定数值；
区间数可用上下界值和区间半径来表示，区间半径为区间数长度的一半，如区间数下界值a和上界值区间半径区间中间值
4.如权利要求1所述的基于区间不确定性的公交客流分配方法，其特征在于，所述区间数的基本算法包括：
任意两个区间数其基本的运算法则如下：
1)加：
2)减：
3)乘：其中a和b为非负数；
4)除：
5)数乘：其中k为实数；
6)乘方：
7)指数：
8)对数：
5.如权利要求1所述的基于区间不确定性的公交客流分配方法，其特征在于，所述公交客流分配模型的假设如下：
1)区域内高峰时间段、平峰时间段的公交站点间OD矩阵已获得，由深圳市公交IC卡数据与GPS数据得到的公交线路客流OD矩阵、区域公交客流OD矩阵；
2)区域内公共交通发达，两个交通小区内的公交出行即可完成出行，无需其他交通方式；
3)不考虑特殊天气、节假日、重大事件的干扰，只考虑交通拥堵的干扰因素，行车间隔等于发车间隔；
4)不考虑乘客的换乘因素，乘客可直达或换乘到达目的地。
6.如权利要求1所述的基于区间不确定性的公交客流分配方法，其特征在于，所述Logit改进模型的建立方法包括：
(1)参数说明
研究区域内存在n个交通小区，s条公交线路，m个公交站点，交通小区i内有wi个公交站点，公交站点用gi表示，起点公交站ai，终点公交站bj，从ai到bj的高峰小时客流量为eij，高峰小时客流量矩阵E＝{eij}，平峰小时客流量fij，平峰小时客流量矩阵F＝{fij}，从ai到bj的高峰小时路段客流量为uij，高峰小时路段客流量矩阵U＝{uij}，平峰小时路段客流量为vij，平峰小时路段客流量矩阵为V＝{vij}，设s条公交线路高峰小时可承载路段客流量矩阵Pd，从ai到bj的高峰小时可承载路段客流量为设公交线路lc的高峰小时发车间隔为hc，平峰小时发车间隔为Oc；
(2)邻接矩阵
有序的三元组形成一个图，非空的内部元素集合A(G)，与A(G)不相交的边集B(G)，为关联函数，每一条边对应于无序的内部元素对；邻接矩阵：图G＝{A,B}，A(G)＝{c1,c2,LL,cq}，ci与cj之间的边数为dij，则n阶方阵M(G)＝(dij)n×n为图G的邻接矩阵，连接ci与cj长度为l的途径数目为中位于第i行、第j列的元素
以公交站点为顶点，若两公交站点之间存在一条直达线路，则相连接成图G，则邻接矩阵X(G)＝(xij)m×m；为网络图中从ai到bj的长度为l的链的数量，即从ai到bj的经过k-1次换乘的公交路径的数量；
(3)行程时间函数Tij(lc)
公交线路lc从ai到bj的行程时间函数Tij(lc)为，可分直达线路和换乘线路两种情况，高峰时段和平峰时段在行驶时间中加以区分；
(4)换乘惩罚函数
从公交线路换乘公交线路的换乘惩罚函数为
式中，为第k个换乘方案中公交线路到的换乘距离，km，为状态函数；
(5)区间客流分配
依据深圳常规公交站点的区别，常规公交小型换乘站点以300米为搜索半径，常规公交大型换乘站点以500米为搜索半径，形成有效路径集合；假设ai到...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。