一种基于数据挖掘的城市上下班拼车线路优化拟合方法与流程

本发明涉及绿色智能交通领域，特别是涉及一种基于数据挖掘的城市上下班拼车线路优化拟合方法。
背景技术：
：定时、定线路上下班拼车是指通过成立以政府为主导的半营利性私家车拼车公司，把参与拼车的车辆运行时间、线路固定化。当有人需要拼车时，提前发布自己的拼车信息，借助拼车公司的信息平台，进行车主与乘车人的信息配对，在经过双方的互相选择后，即可进行拼车。经过长时间的拼车，每个拼车车辆可形成一个固定时间、线路的运行状态，便于上下班拼车的运行管理。由于上班族上、下班时间范围确定，上、下班地点固定，实行定时定线路是一种较简单、高效、便于管理的拼车方式，该拼车方式组织有监管，安全有保障，运行准时可靠。在上下班时段的拼车人群中，有65-70%的出行者选择定时、定线路的固定化拼车模式。当前城市交通路网密集，如何从多条线路中拟合出拼车效率与运输效力高的线路是提高定时定线路拼车服务质量，实现节约化出行的关键所在。因此，目前需要一种算法简单、效率较高的城市上下班拼车线路优化拟合方法。技术实现要素：本发明的目的在于提供一种基于数据挖掘的城市上下班拼车线路优化拟合方法，利用数据挖掘算法在拼车服务范围内拟合出最优的上下班拼车线路。所述方法能够有效地拟合出上下班拼车线路，可极大地减少拼车时间，缩短拼车距离，提高行车速度，增加用户满意度，方便政府监管和提高座位利用率。为实现上述目的，本发明采用如下技术方案：本发明提供了一种基于数据挖掘的城市上下班拼车线路优化拟合方法，该方法包括：步骤1：获取实施上下班拼车的城市数据，分析影响拼车线路拟合选择的因素；步骤2：基于数据挖掘的城市上下班拼车线路优化拟合模型的构建；步骤3：运用Matlab程序进行线路寻优；其中，步骤1中所述上下班拼车的城市是指拼车所能服务的确定的范围，为提高上下班拼车的效率，通常选择市区为上下班拼车的服务范围。对上下班拼车城市进行区域划分，对交叉口进行编号，并分析影响拼车线路拟合选择的因素包括车流量、地理位置、路阻、个人主观因素、不可控因素和其他因素。其中，步骤2中所述基于数据挖掘的城市上下班拼车线路优化拟合模型的构建，其步骤如下：第一步：明确信息素更新规则。信息素更新规则如下：（1）其中表示更新后的信息素浓度，表示信息素挥发率，表示i，j之间的信息素浓度，，表示本次循环以来的最优解或者运算以来的最优解。由于划定了一定的范围，为蚂蚁转移线路的概率设置一定的系数，使之更加符合实际；（2）其中表示蚂蚁k从地点i转移到地点j的概率，表示i，j之间的信息素浓度，i，j两点的距离为d（i，j），启发函数，表示i，j之间的概率系数，是信息素重要程度，是可视度的重要程度。第二步：基于AHP法优化初始信息素的改进的蚁群算法过程。（1）读取城市数据，参数初始化，设置蚂蚁个数m，迭代次数和禁忌表；设置信息素初值，信息素初值由层次分析法计算得出，且信息素变化量；（2）随机设置起点和终点，将m只蚂蚁放置到起点上，更新蚂蚁的禁忌表；（3）设置迭代次数Nc=Nc+1；（4）蚂蚁数目增加，变化为k=k+1；（5）根据概率公式，蚂蚁从i转移到j，更新经过的结点的信息素和禁忌表；（6）重复执行（3）～（5），直到所有蚂蚁到达终点，这时会生成一条最优路径；（7）判断循环次数，如果循环次数小于m/2次，则按照本次循环以来表现最好的蚂蚁进行信息素更新，若循环次数超过m/2次，则运算以来表现最好的蚂蚁进行信息素更新；（8）对所有蚂蚁经过的每一个结点，按式子进行全局信息素更新；（9）循环执行（3）～（8），多次计算，直至最优解不变；（10）生成最优路径，算法结束。其中，步骤3中所述运用Matlab程序进行线路寻优，目标函数为Z=w1*Lmat+w2/Wmat（3）其中w1为路径距离的权重，w2为综合值的权重，Lmat表示距离长度，Wmat表示初始信息素数值，要使Z值尽可能小，运用Matlab程序对地图上的路段进行寻优。本发明的有益效果在于：1、搭建了基于数据挖掘的城市上下班拼车线路优化拟合的模型，能有效提高算法速度，为不同方式的线路优化拟合奠定了基础；2、为了提高线路拟合的准确度，运用Matlab程序对地图上的路段进行线路寻优；3、减少了数据挖掘算法复杂、线路优化规则过多对拟合结果的影响，提高了拼车线路拟合优化的准确度和可靠性。附图说明图1为基于数据挖掘的城市上下班拼车线路优化拟合方法流程示意图；图2为本方法研究区域与交叉口编号的表示图；图3为用结构分析法建立系统的层次结构模型图；图4为基于AHP法优化初始信息素的改进的蚁群算法流程图；图5为运用Matlab程序进行线路寻优的部分结果图。具体实施方式图1为本发明中基于数据挖掘的城市上下班拼车线路优化拟合方法流程示意图，如图1所示，基于数据挖掘的城市上下班拼车线路优化拟合方法包括：步骤1：获取实施上下班拼车的城市数据，分析影响拼车线路拟合选择的因素有车流量、地理位置、路阻、个人主观因素、不可控因素和其他因素。步骤2：将步骤1中获取的相关信息导入到已构建成的基于数据挖掘的城市上下班拼车线路优化拟合的模型中。步骤3：运用Matlab程序进行线路寻优。将步骤1中获取的相关信息导入到步骤2的城市上下班拼车线路优化拟合模型中，可以获得各个节点的初始信息素和所占有的权值，然后将结果导入到目标函数中，运用Matlab程序进行线路寻优。本实施例选取淮安市清河区的部分区域为例进行研究。对研究区域内的交叉口进行标号，如图2所示。并用结构分析法建立系统的层次结构模型如图3所示。从最上层要素开始，依次以最上层要素为依据，对下一层要素两两比较建立判断矩阵：先以第一层要素为依据，对第二层要素建立判断矩阵，如表1所示：表1判断矩阵设置权值CB1B2B3B4B5优先级向量车流量B1123550.395地理位置B21/213450.285路阻B31/31/31550.193主观因素B41/51/41/5130.079其他因素B51/51/51/51/310.049再以第二层要素为依据，对第三层要素建立判断矩阵，在此不再赘述。确定总体优先级向量，如表2所示：表2总体优先级向量根据层次分析法，已经得出各交叉口节点的综合受影响因素权值，对其进行百分化得出初始信息素如表3所示：表3百分化得出的初始信息素节点1234567综合权值0.2500.2560.3340.2840.2430.3310.288初始信息素2525.633.428.424.333.128.8节点8910111213综合权值0.2530.1960.3270.2170.2650.275初始信息素25.319.632.721.726.527.5设置参数：蚂蚁数量4，信息素挥发因子，概率系数，信息素重要程度，表示轨迹的相对重要性，可视度的重要程度，表示期望值的相对重要程度，每只蚂蚁每次搜索更新的信息素Q是1，最高迭代次数为50次。运用Matlab程序对地图上的路段进行寻优。部分节点寻优结果如图5所示。整理各节点的寻优路线如表4所示：表4各节点的寻优路线表路线经过的节点1-51、2、3、4、51-61、2、3、4、5、61-81、2、3、4、81-91、2、3、4、8、91-101、2、3、102-52、3、4、52-62、3、4、5、62-82、1、13、12、10、82-92、1、13、12、10、11、92-102、1、13、12、1013-513、12、10、8、6、513-613、12、10、8、613-813、12、10、813-913、12、10、11、913-1013、12、10过用层次分析法优化初始信息素的蚁群算法，并且对信息素更新采用实时更新和全局更新相结合的方法，改进后的蚁群算法不仅提高了收敛速度，而且防止出现停滞的状况，有效提高了运算速度，比较结果如表5所示：表5蚁群算法改进前后数据比较表比较结果数据表明基于数据挖掘的城市上下班拼车线路优化拟合方法是可行的和实用的，可以达到节省时间和出行距离的效果。将步骤1中获取的相关信息导入到步骤2的基于数据挖掘的城市上下班拼车线路优化拟合的模型中，根据图4的算法流程，可以获得各个节点的初始信息素和所占有的权值，然后将结果导入到目标函数中，运用Matlab程序进行线路寻优。本实施例主要将步骤1中的相关信息导入步骤2中的基于数据挖掘的城市上下班拼车线路优化拟合的模型中，并用Matlab程序进行线路寻优，验证该方法的可靠性、实用性和准确性。以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。当前第1页1 2 3