System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及出行时间优化,尤其是一种城市轨道交通早高峰乘客出发时间策略优化方法。
技术介绍
1、随着城市化进程的加快,轨道交通在城市交通系统中扮演着越来越重要的角色,其发展规模、运营效率和服务质量都有显著提升。然而,在上下班高峰时段,城市交通面临着车站客流拥堵、运力资源不足导致的出行时间延长等挑战。因此,研究人员积极探索策略,以改善乘客需求与容量资源之间的匹配,以缓解这些问题。
2、为了解决这些问题,之前的研究采用了各种方法,包括运筹学中的线性或非线性规划方法和多智能体模拟,其中,线性或非线性规划方法通过构建现实模型和设计列车时刻表优化、客流控制等因素的算法来优化列车调度方案。然而,这种以系统为导向的方法可能并不总是优先考虑乘客的出行满意度,从而导致整体乘客体验的降低。然而,作为传统规划方法的一个有希望的替代方案,多智能体模拟已经获得了显著的关注,这种方法专注于模拟环境中个体智能体的交互和演化。智能体受到特定规则的指导,这些规则的目标是最大化自己的利益,并不断完善自己的行为策略,以实现最优的出行方式。然而,目前这一领域的研究主要集中于优化通勤人员的出行方式和路径,从而忽略了从出发时间角度对通勤人员出行策略的优化。
3、现有技术中,《simulation modelling practice and theory》涉及一篇基于多智能体仿真方法的客流引导策略优化城市轨道交通乘客总等待时间论文:optimizing totalpassenger waiting time in an urban rail ne
4、针对这个问题,提高模型在不同应用场景下的普适性,有效减少通勤时间,缓解车站拥堵,已经成为迫切需要解决的技术问题。
技术实现思路
1、为解决现有技术存在的交通服务水平较低、适用性不足以及增加额外出行成本这些问题,本专利技术的目的在于提供一种使乘客能够获得最佳的出发时间安排,促进非高峰旅行并最小化旅行时间消耗,同时准确反映现实世界的旅行场景的城市轨道交通早高峰乘客出发时间策略优化方法。
2、为实现上述目的,本专利技术采用了以下技术方案:一种城市轨道交通早高峰乘客出发时间策略优化方法,该方法包括下列顺序的步骤:
3、(1)收集并处理城市轨道交通仿真模拟所需的基础数据;
4、(2)基于收集到的基础数据,搭建并运行城市轨道交通仿真模拟系统,得到乘客出发时间调整策略;
5、(3)在城市轨道交通仿真模拟系统中,优化乘客出发时间调整策略所涉及的α和β这两个参数,在此基础上考虑乘客对乘客出发时间调整策略的时间容忍度,通过将乘客出发时间调整策略和时间容忍度进行融合,进一步优化乘客的出发时间。
6、所述步骤(1)具体包括以下顺序的步骤:
7、(1a)收集基础数据:获取城市居民进行通勤的出行行为相关的基础数据,所述基础数据包括实时乘客流量数据、站点接驳信息和交通网络状态信息;
8、(1b)进行基础数据处理:假设通勤人员的工作场所和住所到最近的地铁站的距离都小于500米,通勤人员使用地铁出行,通过使用arcgis选择124,910个人,随后获取使用地铁的通勤人员的出行计划,经过筛选后,剩下103,637个人被纳入模拟。
9、所述步骤(2)具体包括以下顺序的步骤:
10、(2a)使用visual studio平台,基于多智能体的交通仿真框架,搭建城市轨道交通仿真模拟系统;
11、(2b)运行城市轨道交通仿真模拟系统,具体包括以下步骤:
12、(2b1)初始化:初始化研究区域内的地铁网络、工作场所和住宅、通勤人员的出行计划,以及地铁路线属性;所述通勤人员的出行计划包括出发时间、出行路线和经验出行时间;
13、(2b2)执行交通系统的动态模拟:各车辆代理依据发车时间和频次依次执行出发、进站;各通勤人员依据各自的出行计划执行相应的出行过程,车辆和通勤人员按照各自的规则与仿真环境进行交互,整个动态模拟过程的结束条件是所有选定的通勤人员到达其目的地,或系统达到阈值条件;
14、(2b3)评价打分:根据通勤人员的出行过程,将其实际出行时间和经验出行时间进行比较,分析本次动态仿真中,通勤人员的出行顺畅度和出行过程的质量;对于早高峰通勤,若通勤人员迟到或者发生滞留,则其相应的出行分数将远低于正常水平,其公式为:
15、
16、其中,α为一个超参数,该超参数平衡上班迟到和过度出行时间对出行绩效的影响;对于同一通勤人员而言,utility表示出行效用,tarrival表示到达时刻,t0表示规定到达时刻,treal表示实际出行所花费的时间即实际出行时间,tempirical表示经验出行时间;式(1)表示上班迟到但实际出行时间大于其经验出行时间的第一类通勤人员的出行表现;式(2)表示只是上班迟到但实际出行时间小于其经验出行时间的第二类通勤人员的出行表现;式(3)表示较规定时间早到达工作地点但实际出行时间大于其经验出行时间的第三类通勤人员的出行表现;式(4)表示早于所需时间到达工作地点,但实际出行时间小于其经验出行时间的第四类通勤人员的出行表现;
17、(2b4)每个通勤人员的出行计划根据其实际表现进行调整:调整每个通勤人员的出发时间,出发时间调整量由出行表现较差的通勤人员的出行效用决定,第二天重新计划的出发时间,用以下公式计算:
18、treplan=(tcurrent-β*utility)
19、(5)
20、式中,tcurrent为当日出发时间,treplan为次日出发时间;β为一个超参数,表示每个通勤人员出发时间调整的步长;式(5)为乘客出发时间调整策略;
21、(2b5)结果分析:在城市轨道交通仿真模拟系统稳定之后,通勤人员的出行效率较高,整体出行时间相对较短后,分析动态仿真中的交通流,提取和统计需要的交通特征。
22、所述步骤(3)具体包括以下顺序的步骤:
23、(3a)参数优化:引入损失函数,使用网格搜索和梯度下降法来求解α和β这两个参数的最优值,损失函数loss用所有通勤人员的出行效用表示,如下式所示:
24、出发时间需要调整的通勤人员数量m计算式如下所示:
25、
26、其中,n表示早高峰时段出行模拟中的通勤人员数量,a表示出发时间调整政策的接受程度,i表示迭代次数;
27、在每次迭代中需要调整出发时间的通勤人员数量,参数优化表达式如下所示:
28、
29、其中,θ表示仿真系统中需要优化的参数即α和β,λ为学习率,用于控制每次迭本文档来自技高网...
【技术保护点】
1.一种城市轨道交通早高峰乘客出发时间策略优化方法,其特征在于:该方法包括下列顺序的步骤:
2.根据权利要求1所述的城市轨道交通早高峰乘客出发时间策略优化方法,其特征在于:所述步骤(1)具体包括以下顺序的步骤:
3.根据权利要求1所述的城市轨道交通早高峰乘客出发时间策略优化方法,其特征在于:所述步骤(2)具体包括以下顺序的步骤:
4.根据权利要求1所述的城市轨道交通早高峰乘客出发时间策略优化方法,其特征在于:所述步骤(3)具体包括以下顺序的步骤:
【技术特征摘要】
1.一种城市轨道交通早高峰乘客出发时间策略优化方法,其特征在于:该方法包括下列顺序的步骤:
2.根据权利要求1所述的城市轨道交通早高峰乘客出发时间策略优化方法,其特征在于:所述步骤(1)具体包括以下顺序的步骤:
3.根据...
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。