本发明涉及智能公共交通
技术领域：
：，特别涉及一种候选公交线路计算方法、系统及电子设备。
背景技术：
：：在我国的城市化建设进程中，随着城市人口规模的日益扩张，愈来愈多的城市变成了“不夜城”。随之而来的是，传统的交通资源和交通服务已经不能满足当前人们的夜间交通出行需求。很多城市也由于夜间公共交通服务的不完善，导致城市居民选择出租车、黑车或私家车来满足夜间出行需求。随之也带来一系列不容忽视的城市问题，例如交通费用昂贵、能源消耗大不利于节能环保、黑车存在人身安全隐患等等。为了更好地保障人们安全、经济、便捷的出行，更好地保护城市环境，促进城市公共交通布局的优化和城市的可续发展，很多城市或计划或已推出夜间公交来满足人们的夜间出行和活动需求。因此，如何设计合理的城市夜间公交线路，既能满足大部分人群夜间出行和活动需求，又能通过运载较多的乘客使公交运营收支平衡成为问题的关键。城市公交线路设计是国内外城市交通规划研究领域中的热点问题，但公交线网设计也是一个复杂的、非线性、非凸、多目标的np-难问题。当前的研究工作主要是先构建公交网络的目标函数，然后在预设的约束条件下求得目标函数的解来确定公交线路，从而简化公交线路设计问题。当前流行的公交网络设计目标包括最短路径、最短行驶时间、最低运营成本、最大客流量、最大区域覆盖率和最大服务质量等目标；当前流行的公交网络设计约束条件主要包括行驶时间、线路长度、载客量和线路总站点个数等等(zhaof,zengx.optimizationoftransitroutenetwork,vehicleheadwaysandtimetablesforlarge-scaletransitnetworks[j].europeanjournalofoperationalresearch,2008,186(2):841-855.)。而实际上，由于公交运营公司的自身效益和市民的交通需求在大多数情况下是相悖的，因此，城市公交线路设计需要以便于市民出行为目的，同时兼顾公交运营公司的效益。早期的公交线网设计主要是基于居民出行意愿调查或者人口普查来获得公交客流和居民出行需求，依赖规划师的直觉和经验设计公交线路(newellgf.someissuesrelatingtotheoptimaldesignofbusroutes[j].transportationscience,1979,13(1):20-35.)，容易生成主观性强、不太符合民众出行需求的线路。近年来的公交线网设计研究工作假定公交客流量大小来源于用户调查或人口估计，许多复杂的基于启发式搜索的线路优化方法已经提出：szetoa(szetoawy.asimultaneousbusroutedesignandfrequencysettingproblemfortinshuiwai,hongkong[j].europeanjournalofoperationalresearch,2011,209(2):141-155.)研究了利用邻域搜索策略改进遗传算法进行公交网络设计及优化的方案，并通过实验证明了该解决方案的鲁棒性；葛等人(葛显龙,许茂增,王伟鑫.多车型车辆路径问题的量子遗传算法研究[j].中国管理科学,2013,21(1):125-133.)将车辆配送费分为固定和油耗两大类，并通过使用改进的量子遗传算法来快速求解车辆总配送费最小这一问题；yu等人(yub,yangzz,jinph,etal.transitroutenetworkdesign-maximizingdirectandtransferdemanddensity[j].transportationresearchpartcemergingtechnologies,2012,22(5):58-75.)基于道路的不同等级建立了道路直达客流密度最大模型，然后使用改进的蚁群优化算法对模型进行求解，最后结合大连市的真实数据验证了所提算法的可行性。然而，上述基于遗传算法或蚁群优化算法的公交线路规划方法仍存在以下不足：1)遗传算法参数很多，如群体大小、交叉率和变异率等，问题的解较为依赖这些参数的取值，然而目前参数的取值难以确定，通常又依赖于经验；2)蚁群优化算法在执行搜索过程的后期，很可能被局限于局部最优解，导致搜索前进困难。此外，和遗传算法一样，蚁群优化算法参数很多，如蚁群规模大小、残留信息的相对权重、启发信息的相对权重和信息素挥发参数等，如果参数设置不当，容易导致算法收敛慢且获得质量较差的解，然而目前参数的取值也需要依赖于经验。技术实现要素：本发明提供了一种候选公交线路计算方法，旨在至少在一定程度上解决现有技术中的上述技术问题之一。为了解决上述问题，本发明提供了如下技术方案：一种候选公交线路计算方法，包括：步骤a：根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；步骤b：对所述初始候选公交线路图进行剪枝，得到最终候选公交线路图；步骤c：基于公交线路生成算法，计算出所述最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，得到最优候选公交线路。本发明实施例采取的技术方案还包括：在所述步骤a中，所述根据筛选规则对候选公交站点集合进行筛选具体包括：步骤a1：计算候选公交站点集合中任意两个相邻公交站点间的距离，并筛选出站点间距离不超过distancelimit的候选公交站点；其中，distancelimit表示任意两个相邻公交站点间的最远距离不能超过的值；步骤a2：筛选出候选公交站点集合中线路朝终点站方向前进的候选公交站点作为当前站点的下一站点；步骤a3：计算所述下一站点与起始站间的距离，并筛选出满足公式dist(gi+1,g1)>dist(gi,g1)(i＝1,2,3,…,n-1)的候选公交站点；其中，g1为起始站，gi为当前站点，gi+1为当前站点的下一站点；步骤a4：计算所述下一站点与终点站间的距离，并筛选出满足公式dist(gi+1,gn)<dist(gi,gn)(i＝1,2,3,…,n-1)的候选公交站点；其中，gn为终点站。本发明实施例采取的技术方案还包括：在所述步骤a中，所述根据筛选后的候选公交站点构建初始候选公交线路图具体为：根据筛选后的候选公交站点生成候选公交线路，从生成的候选公交线路中筛选出满足公式的优选候选公交线路，并根据所述优选候选公交线路生成初始候选公交线路图。本发明实施例采取的技术方案还包括：在所述步骤b中，所述对初始候选公交线路图进行剪枝具体包括：步骤b1：计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的入度，并迭代删除入度是零的候选公交站点及对应的边；步骤a2：计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的出度，并迭代删除出度是零的候选公交站点及对应的边。本发明实施例采取的技术方案还包括：在所述步骤c中，所述基于公交线路生成算法计算出最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路具体包括：步骤c1：初始化候选公交线路集合为空集；步骤c2：初始化当前线路所经过的前驱站点集合为空集；步骤c3：初始化起始点为当前站点，并将当前站点加入当前线路的前驱站点集合中；步骤c4：计算当前站点的所有可能选择的下一站点被选择的概率；步骤c5：根据步骤c4的计算结果，使用轮盘赌概率选择算法选取当前站点的下一站点；步骤c6：设所述下一站点为当前站点，并将当前站点加入当前线路的前驱站点集合中；步骤c7：重复执行步骤c4至步骤c6，直到当前站点为终点站；步骤c8：将能够到达终点站的前驱站点集合添加到候选公交线路集合中；步骤c9：重复执行步骤c2至步骤c8，直到所述候选公交线路集合中不再添加新的前驱站点集合；步骤c10：根据最大行驶时间过滤所述候选公交线路集合；步骤c11：按照总客流量对过滤后的候选公交线路集合进行排序，获得候选公交线路集合中具有最大客流量的候选公交线路。本发明实施例采取的技术方案还包括：在所述步骤c4中，所述计算当前站点的所有可能选择的下一站点被选择的概率的计算公式为：上述公式中，表示从bm到的客流量，a*表示可能选择的下一站点集合。本发明实施例采取的另一技术方案为：一种候选公交线路计算系统，包括：公交线路图构建模块：用于根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；公交线路图优化模块：用于对所述初始候选公交线路图进行剪枝，得到最终候选公交线路图；公交线路计算模块：用于公交线路生成算法，计算出所述最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，得到最优候选公交线路。本发明实施例采取的技术方案还包括：所述公交线路图构建模块包括：距离筛选单元：用于计算候选公交站点集合中任意两个相邻公交站点间的距离，并筛选出站点间距离不超过distancelimit的候选公交站点；其中，distancelimit表示任意两个相邻公交站点间的最远距离不能超过的值；方向筛选单元：用于筛选出候选公交站点集合中线路朝终点站方向前进的候选公交站点作为当前站点的下一站点；起始站距离筛选单元：用于计算所述下一站点与起始站间的距离，并筛选出满足公式dist(gi+1,g1)>dist(gi,g1)(i＝1,2,3,…,n-1)的候选公交站点；其中，g1为起始站，gi为当前站点，gi+1为当前站点的下一站点；终点站距离筛选单元：用于计算所述下一站点与终点站间的距离，并筛选出满足公式dist(gi+1,gn)<dist(gi,gn)(i＝1,2,3,…,n-1)的候选公交站点；其中，gn为终点站。本发明实施例采取的技术方案还包括：所述公交线路图构建模块还包括路形筛选单元，所述路形筛选单元用于根据筛选后的候选公交站点生成候选公交线路，从生成的候选公交线路中筛选出满足公式的优选候选公交线路，并根据所述优选候选公交线路生成初始候选公交线路图。本发明实施例采取的技术方案还包括：所述公交线路图优化模块包括：入读优化单元：用于计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的入度，并迭代删除入度是零的候选公交站点及对应的边；出度优化单元：用于计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的出度，并迭代删除出度是零的候选公交站点及对应的边。本发明实施例采取的技术方案还包括：所述公交线路计算模块包括：初始化单元：用于分别将候选公交线路集合为初始化空集，将当前线路所经过的前驱站点集合初始化为空集，以及将起始点初始化为当前站点，并将当前站点加入当前线路的前驱站点集合中；概率计算单元：用于分别计算当前站点的所有可能选择的下一站点被选择的概率；轮盘赌计算单元：用于根据概率计算结果，使用轮盘赌概率选择算法选取当前站点的下一站点，将所述下一站点设为当前站点，并将所述当前站点加入当前线路的前驱站点集合中；第一迭代单元：用于迭代选择所述当前线路的前驱站点集合中的当前站点，直到所述当前站点为终点站；站点添加单元：用于将能够到达终点站的前驱站点集合添加到候选公交线路集合中；第二迭代单元：用于迭代选择下一线路的前驱站点集合的当前站点，直到所述候选公交线路集合中不再加入新的前驱站点集合；行驶时间过滤单元：用于根据最大行驶时间过滤所述候选公交线路集合；客流量排序单元：用于按照总客流量对过滤后的候选公交线路集合进行排序，获得候选公交线路集合中具有最大客流量的候选公交线路。本发明实施例采取的技术方案还包括：所述轮盘赌计算单元计算当前站点的所有可能选择的下一站点被选择的概率的计算公式为：上述公式中，表示从bm到的客流量，a*表示可能选择的下一站点集合。本发明实施例采取的又一技术方案为：一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述候选公交线路计算方法的以下操作：根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；对所述初始候选公交线路图进行剪枝，得到最终候选公交线路图；基于公交线路生成算法，计算出所述最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，得到最优候选公交线路。相对于现有技术，本发明实施例产生的有益效果在于：本发明实施例的候选公交线路计算方法、系统及电子设备基于启发式搜索进行城市候选公交线路的设计，能够快速在最大行驶时间的约束条件下找到最大客流量的公交线路，充分考虑了乘客的出行需求及公交运营公司的经济效益，算法参数少，调优过程简单，执行效率高。附图说明图1是本发明实施例的候选公交线路计算方法的流程图；图2为候选公交站点坐标示意图；图3为线路不呈z字形规则的反例线路图；图4为基于top-k算法生成公交线路的流程图；图5为基于br算法生成公交线路的流程图；图6是本发明实施例的候选公交线路计算系统的结构示意图；图7是本发明实施例的候选公交线路计算方法的硬件设备结构示意图；图8为br算法在执行不同迭代次数间的相似度变化图；图9为br算法候选公交线路站点数统计情况示意图；图10为br算法候选公交线路站点数与客流量散点图；图11为br算法候选公交线路行驶时间与客流量散点图；图12为top-k算法取k＝4时的候选公交线路行驶时间与客流量散点图；图13为top-k算法取不同k值的情况示意图；图14为br算法与top-k算法的最佳线路客流量对比图；图15为本发明br算法生成的最优候选公交线路与实际增开的公交线路对比图；其中，图15(a)是本发明br算法生成的最优候选公交线路，图15(b)是实际增开的公交线路。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。请参阅图1，是本发明实施例的候选公交线路计算方法的流程图。本发明实施例的候选公交线路计算方法包括以下步骤：步骤100：设定筛选规则，根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；在步骤100中，候选公交站点可通过大规模出租车轨迹数据、居民问卷调查或人口普查等方式获得；根据给定的公交线路起始站和终点站，如何从大量候选公交站点集合中选择一条最好的公交线路，需要权衡两个方面：一是公交线路必须在有限且合理时间内(最大行驶时间)到达终点；二是最大化线路累积客流(最大客流量)。为了尽可能满足上述两个要求，并遵循公交线路设计中的一些直观原则，在公交线路设计之前需要先构建候选公交线路图。本发明通过设置5个筛选规则对候选公交站点集合进行筛选，进而以此构建初始候选公交线路图。具体地，对候选公交站点集合进行筛选的筛选方式包括以下步骤：步骤101：计算候选公交站点集合中任意两个相邻公交站点间的距离，并筛选出站点间距离不超过设定值的候选公交站点；站点间距离计算公式为：dist(gi+1,gi)<distancelimit(i＝1,2,3,…，n-1)(1)在步骤101中，由于相邻两个公交站点间的距离不能过大，因此当选择下一站点的时候必须考虑任意两个相邻公交站点间的距离约束。在公式(1)中，gi表示当前站点，gi+1为当前站点的下一站点，distancelimit是一个自定义参数，表示任意两个相邻公交站点间的最远距离不能超过的值。步骤102：筛选出候选公交站点集合中线路朝终点站方向前进的候选公交站点作为当前站点的下一站点；在步骤102中，当选择下一站点时，必须始终选择朝终点站方向前进的候选公交站点作为下一站点。本发明实施例中，候选公交站点的经纬度坐标所用的坐标系是wgs-84(worldgeodeticsystem一1984coordinatesystem，一种国际上采用的地心坐标系)，如图2所示，为候选公交站点坐标示意图。假设起始站是o点，终点站是d点，则公交线路的前进方向是从o点到d点的方向，即为新坐标轴xnew的正方向。若要确保公交线路始终朝终点站d点方向前进，需要从起始站o点开始，在选择下一站点时首先判断起始站o点和下一站点a是否都在直线ynew的同侧，如果位于不同侧，就舍弃下一站点a；如果位于同侧，则判断下一站点a到直线ynew的距离绝对值是否小于起始站o点到ynew的距离绝对值，如果是，则选择下一站点a为起始站o点的下一站点；否则，舍弃下一站点a。步骤103：计算从候选公交站点集合中所选取的下一站点与起始站g1间的距离，并筛选出满足公式(2)的候选公交站点：dist(gi+1,g1)>dist(gi,g1)(i＝1,2,3,…,n-1)(2)在公式(2)中，g1为起始站，通过公式(2)的计算可以确保每次从候选公交站点集合中所选取的下一站点都能够离起始站g1越来越远。步骤104：计算从候选公交站点集合中所选取的下一站点与终点站gn间的距离，并筛选出满足公式(3)的候选公交站点：dist(gi+1,gn)<dist(gi,gn)(i＝1,2,3,…,n-1)(3)在公式(3)中，gn为终点站，通过公式(3)的计算可以确保每次从候选公交站点集合中所选取的下一站点都能够离终点站gn越来越近。步骤105：根据筛选后的候选公交站点生成候选公交线路，从生成的候选公交线路中筛选出满足公式(4)的优选候选公交线路，并根据优选候选公交线路生成初始候选公交线路图；通过公式(4)的计算可以确保生成的公交线路不是z字形路，也不会生成十分曲折与复杂的线路，以图3为例，为线路不呈z字形规则的反例线路图。从图3可以看到，由于argmin(dist(gc,gj))＝ga≠gb(j＝a,b,c)，不满足公式(4)的筛选规则，导致生成的线路呈z字形。通过上述5个筛选规则对候选公交站点集合进行过滤，剔除掉了从起始站点到终点站点间地理位置上不太可能出现的候选公交站点，构建一个从起始站到终点站的有向无环初始候选公交线路图。可以理解，上述5个筛选规则的筛选顺序并不仅限于此，可以根据实际应用进行调换。步骤200：对初始候选公交线路图进行剪枝，得到最终候选公交线路图；在步骤200中，本发明的研究目标是根据给定的公交线路起始站和终点站，设计最优候选公交线路，使得在最大行驶时间的约束条件下，达到最大客流量。然而，初始候选公交线路图并没有考虑站点间的客流流动情况，因此需要对初始候选公交线路图进行剪枝，以满足最优公交线路设计目标。本发明实施例中，对初始候选公交线路图进行剪枝具体包括：步骤201：计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的入度，并迭代删除入度是零的候选公交站点及对应的边；在步骤201中，候选公交站点的入度是指以该候选公交站点为终点的乘客数量。步骤202：计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的出度，并迭代删除出度是零的候选公交站点及对应的边；在步骤202中，候选公交站点的出度是指以该候选公交站点为起点的乘客数量。通过上述2个筛选规则对初始候选公交线路图进行剪枝，剔除掉初始候选公交线路图中无效的候选公交站点与边，由于剪枝后的候选公交线路图考虑了各个候选公交站点间的客流流动情况，且从候选公交线路图中的起始站出发，最终能够到达终点站，此时得到的有向无循环候选公交线路图才是最终候选公交线路图。可以理解，上述2个筛选规则的筛选顺序并不仅限于此，可以根据实际应用进行调换。步骤300：基于公交线路生成算法，计算出最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，作为最优候选公交线路。在步骤300中，由于生成的最终候选公交线路图规模较为庞大，枚举所有可能的公交线路仍旧困难。事实上，列举出全部能够通行的公交线路并不是必需的工作，因为大部分公交线路取决于少数的线路。因此需要通过公交线路生成算法，来进行最优候选公交线路的快速生成。本发明实施例中的公交线路生成算法为基于轮盘赌选择的公交线路生成算法(简称br算法)，并以top-k算法(基于top-k选择的公交线路生成算法)作为baseline算法(基础算法)。具体地，top-k算法是一种贪心算法，采用深度优先遍历的思想，在进行线路选择的过程中，每次都选取当前线路的站点至所有可能的下一站点中累积客流量最大的前k个站点作为线路前进方向。请一并参阅图4，基于top-k算法生成公交线路的流程包括：步骤(1)：以空集初始化候选公交线路集合l*，初始化起始点为当前站点，初始化k值；步骤(2)：对于能够到达当前站点的一条线路，计算当前线路上所有站点到所有可能的下一站点的累积客流量，计算公式为：在公式(5)中，b*表示当前线路所经过的前驱站点集合，ai表示从当前站点出发能够到达的下一站点，表示从前驱站点到ai的客流量。步骤(3)：根据步骤(2)计算得到的累积客流量，对所有可能的下一站进行降序排序，并选出累积客流量最大的前k个站点加入到下一站集合s*中；步骤(4)：若下一站集合s*中包括终点站，将当前站点到终点站的线路加入候选公交线路集合l*中，并从下一站集合s*中去掉终点站；步骤(5)：重复执行步骤(2)～(4)，直到所有可能到达当前站点的线路都选完，得到当前站点的下一站集合s*；步骤(6)：逐一设置下一站集合s*中的站点为当前站点，并重复执行步骤(2)～(6)，直到遍历完下一站集合s*中的所有站点；步骤(7)：步骤(2)～(6)深度优先遍历完成，获得所有候选公交线路集合l*；步骤(8)：根据最大行驶时间约束过滤候选公交线路集合l*；步骤(9)：对候选公交线路l*中的公交线路按照总客流量进行排序，并获得具有最大客流量的线路作为最优候选公交线路。由top-k算法生成最优候选公交线路的流程可知，该算法在进行线路选择的过程中，每次都通过选取当前线路的站点至所有可能的下一站点中累积客流量最大的前k个站点作为线路前进方向。这样一来，从起始站开始，第一次选择，选取所有前驱站点到下一站点中累积客流量最大的前k个站点，此时候选公交线路会有k条；第二次选择时，第一次所选取的k个站点又会各自选择累积客流量最大的前k个站点，此时候选公交线路变为k2；假设从起始站到达终点站需要n次选择，那么最后top-k算法产生的候选公交线路集合大小为kn。这也意味着，top-k算法在执行算法时的时间复杂度很高，且当k的值过小时，该算法很有可能找不到最优候选公交线路；当k的值为最终候选公交线路图中的候选公交站点总数减一时，该算法等价于穷举搜索。鉴于top-k算法存在的上述不足，本发明实施例将top-k算法作为最优候选公交线路生成的baseline算法。而br算法是一种基于启发式搜索的线路生成算法，该算法能够利用问题的知识和经验指导路径在搜索扩展过程朝着最有可能获得最优解的方向递进，减少了没有意义的无用搜索，从而显著提高线路的生成效率。与top-k算法最大的不同是，br算法在进行路径选择的过程中，每次都只从所有可能的下一站点中选取一个候选公交站点作为线路前进方向。br算法是通过轮盘赌概率选择法为当前站点完成下一站点的选取，即每次在进行下一站点选择的过程中，那些拥有较大累积客流的候选下一站点有更高的概率被选取成为下一站点。具体地，轮盘赌概率选择法又称为比例选择法，是一种基于概率的启发式算法，即在选择下一个结点时，每次都能随机地选到概率较大的结点。规定每个结点被选到的几率为p(ai)(其中i＝0,1,2,...,n-1)，显示在圆形的轮盘上即每个扇形区域面积在轮盘整体面积中的百分比，显而易见，所有结点被选中几率的总和为1。那么，轮盘赌概率选择法可以简化为往已经划分好扇区的轮盘里掷色子。该算法的具体执行流程是：首先根据每个结点被选中概率的比例大小划分轮盘各个扇区的面积所占比；其次预先在[0，1]范围内生成一个平均分布的随机数selectp，这个随机数用来作为选择结点的轮盘指针；然后算法依据各个结点被选到的概率，计算其累积概率sump，第k个结点的累积概率sumpk可以由公式(6)计算可得：最后，如果第k结点的累积概率sumpk公式(7)，则选中第k个结点：sumpk-1<selectp<sumpk(7)根据上述原理，请一并参阅图5，基于br算法生成公交线路的流程包括以下步骤：步骤(1)：初始化候选公交线路集合l*为空集；步骤(2)：初始化当前线路所经过的前驱站点集合b*为空集；步骤(3)：初始化起始点a1为当前站点，并将当前站点加入当前线路的前驱站点集合b*中；步骤(4)：使用公式(8)分别计算当前站点的所有可能选择的下一站点被选择的概率；在公式(8)中，表示从bm到的客流量，a*表示可能选择的下一站点集合。由此可见，下一站点的选择除了和当前站点相关之外，还和当前线路上之前经过的站点相关。步骤(5)：使用轮盘赌概率选择算法选取当前站点的下一站点ai；步骤(6)：设ai为当前站点，并将当前站点ai加入当前线路的前驱站点集合b*中；步骤(7)：重复执行步骤(4)～步骤(6)，直到当前站点为终点站an；步骤(8)：将能够到达终点站an的前驱站点集合b*添加到候选公交线路集合l*中；步骤(9)：重复执行步骤(2)～步骤(8)，直到候选公交线路集合l*中不再加入新的前驱站点集合；步骤(10)：根据最大行驶时间约束过滤候选公交线路集合l*；步骤(11)：对候选公交线路集合l*中的候选公交线路按照总客流量进行排序，获得具有最大客流的最优候选公交线路。由于br算法是一种基于启发式搜索的线路生成算法，每次在进行下一站点选择的过程中，那些拥有较大累积客流的下一站点有更高的被选择概率。这样一来，执行br算法多次，可能会得到多条候选公交线路，即得到一个候选公交线路集合。该算法的理想迭代终止条件是生成的候选公交线路集合不再变化，即执行算法到一定次数后，候选公交线路集合中不再添加新的前驱站点集合，算法达到收敛。因此，本发明可以通过定义不同执行次数下生成的候选公交线路集合相似度来验证br算法的收敛性。如公式(9)所示，候选公交线路集合a和b的相似程度等价于候选公交线路集合a和b交集除以两者的并集所得到的比值：在本发明实施例中，基于轮盘赌概率选择法为当前夜间公交站点从候选站点集合中选择下一站点过程中，下一站点被选择概率的计算方式不仅仅限于通过客流量计算，还可以通过公交行驶时间、行驶距离等参数进行计算。请参阅图6，是本发明实施例的候选公交线路计算系统的结构示意图。本发明实施例的候选公交线路计算系统包括公交线路图构建模块、公交线路图优化模块和公交线路计算模块。具体地：公交线路图构建模块：用于设定筛选规则，根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；其中，候选公交站点可通过大规模出租车轨迹数据、居民问卷调查或人口普查等方式获得；根据给定的公交线路起始站和终点站，如何从大量候选公交站点集合中选择一条最好的公交线路，需要权衡两个方面：一是公交线路必须在有限且合理时间内(最大行驶时间)到达终点；二是最大化线路累积客流(最大客流量)。为了尽可能满足上述两个要求，并遵循公交线路设计中的一些直观原则，在公交线路设计之前需要先构建候选公交线路图。本发明通过设置5个筛选规则对候选公交站点集合进行筛选，进而以此构建初始候选公交线路图。具体地，公交线路图构建模块包括距离筛选单元、方向筛选单元、起始站距离筛选单元、终点站距离筛选单元和路形筛选单元，其中：距离筛选单元：用于计算候选公交站点集合中任意两个相邻公交站点间的距离，并筛选出站点间距离不超过设定值的候选公交站点；由于相邻两个公交站点间的距离不能过大，因此当选择下一站点的时候必须考虑任意两个相邻公交站点间的距离约束。本发明实施例中，站点间距离计算公式为：dist(gi+1,gi)<distancelimit(i＝1,2,3,…,n-1)(1)在公式(1)中，distancelimit是一个自定义参数，它表示任意两个相邻公交站点间的最远距离不能超过的值。方向筛选单元：用于筛选出候选公交站点集合中线路朝终点站方向前进的候选公交站点作为当前站点的下一站点；当选择下一站点时必须始终选择朝终点站方向前进的候选公交站点作为下一站点。本发明实施例中，候选公交站点的经纬度坐标所用的坐标系是wgs-84，如图2所示，为候选公交站点坐标示意图。结合图2，方向筛选单元筛选下一站点的筛选方式具体为：假设起始站是o点，终点站是d点，则公交线路的前进方向是从o点到d点的方向，即为新坐标轴xnew的正方向。若要确保公交线路始终朝终点站d点方向前进，需要从起始站o点开始，在选择下一站点时首先判断起始站o点和下一站点a是否都在直线ynew的同侧，如果位于不同侧，就舍弃下一站点a；如果位于同侧，则判断下一站点a到直线ynew的距离绝对值是否小于起始站o点到ynew的距离绝对值，如果是，则选择下一站点a为起始站o点的下一站点；否则，舍弃下一站点a。起始站距离筛选单元：用于计算从候选公交站点集合中所选取的下一站点与起始站g1间的距离，并筛选出满足公式(2)的候选公交站点：dist(gi+1,g1)>dist(gi,g1)(i＝1,2,3,…,n-1)(2)该公式可以确保每次从候选公交站点集合中所选取的下一站点都能够离起始站g1越来越远。终点站筛选单元：用于计算从候选公交站点集合中所选取的下一站点与终点站gn间的距离，并筛选出满足公式(3)的候选公交站点：dist(gi+1,gn)<dist(gi,gn)(i＝1,2,3,…,n-1)(3)公式(3)可以确保每次从候选公交站点集合中所选取的下一站点都能够离终点站gn越来越近。路形筛选单元：用于根据筛选后的候选公交站点生成候选公交线路，从生成的候选公交线路中筛选出满足公式(4)的优选候选公交线路，并根据优选候选公交线路生成初始候选公交线路图；公式(4)可以确保生成的候选公交线路不是z字形路，也不会生成十分曲折与复杂的线路，以图3为例，为线路不呈z字形规则的反例线路图。从图3可以看到，由于argmin(dist(gc,gj))＝ga≠gb(j＝a,b,c)，不满足公式(4)的筛选规则，导致生成的线路呈z字形。通过距离筛选单元、方向筛选单元、起始站距离筛选单元、终点站距离筛选单元和路形筛选单元对候选公交站点集合进行过滤，剔除掉了从起始站点到终点站点间地理位置上不太可能出现的候选公交站点，构建一个从起始站到终点站的有向无环初始候选公交线路图。可以理解，上述5个筛选单元的执行顺序并不仅限于此，可以根据实际应用进行调换。公交线路图优化模块：用于对初始候选公交线路图进行剪枝，得到最终候选公交线路图；本发明的研究目标是根据给定的公交线路起始站和终点站，设计最优候选公交线路，使得在最大行驶时间的约束条件下，达到最大客流量。然而，初始候选公交线路图并没有考虑站点间的客流流动情况，因此需要对初始候选公交线路图进行剪枝，以满足最优公交线路设计目标。具体地，公交线路图优化模块包括入读优化单元和出度优化单元；其中：入读优化单元：用于计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的入度，并迭代删除入度是零的候选公交站点及对应的边；上述中，候选公交站点的入度是指以该候选公交站点为终点的乘客数量。出度优化单元：用于计算初始候选公交线路图中除起始站和终点站之外的所有候选公交站点的出度，并迭代删除出度是零的候选公交站点及对应的边；上述中，候选公交站点的出度是指以该候选公交站点为起点的乘客数量。通过入读优化单元和出度优化单元对初始候选公交线路图进行剪枝，剔除掉初始候选公交线路图中无效的候选公交站点与边，由于剪枝后的候选公交线路图考虑了各个候选公交站点间的客流流动情况，且从候选公交线路图中的起始站出发，最终能够到达终点站，此时得到的有向无循环候选公交线路图才是最终候选公交线路图。可以理解，上述2个优化单元的执行顺序并不仅限于此，可以根据实际应用进行调换。公交线路计算模块：用于基于公交线路生成算法，计算出最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，作为最优候选公交线路。其中，本发明实施例中的公交线路生成算法为基于轮盘赌选择的公交线路生成算法(简称br算法)，并以top-k算法作为baseline算法。具体地，top-k公交线路生成算法是一种贪心算法，采用深度优先遍历的思想，在进行线路选择的过程中，每次都选取当前线路的站点至所有可能的下一站点中累积客流量最大的前k个站点作为线路前进方向。基于top-k算法生成公交线路的方式为：(1)：以空集初始化候选公交线路集合l*，初始化起始点为当前站点，初始化k值；(2)：对于能够到达当前站点的一条线路，计算当前线路上所有站点到所有可能的下一站点的累积客流量，计算公式为：在公式(5)中，b*表示当前线路所经过的前驱站点集合，ai表示从当前站点出发能够到达的下一站点，表示从前驱站点到ai的客流量。(3)：根据(2)计算得到的累积客流量，对所有可能的下一站进行降序排序，并选出累积客流量最大的前k个站点加入到下一站集合s*中；(4)：若下一站集合s*中包括终点站，将当前站点到终点站的线路加入候选公交线路集合l*中，并从下一站集合s*中去掉终点站；(5)：重复执行(2)～(4)，直到所有可能到达当前站点的线路都选完，得到当前站点的下一站集合s*；(6)：逐一设置下一站集合s*中的站点为当前站点，并重复执行(2)～(6)，直到遍历完下一站集合s*中的所有站点；(7)：(2)～(6)深度优先遍历完成，获得所有候选公交线路集合l*；(8)：根据最大行驶时间约束过滤候选公交线路集合l*；(9)：对候选公交线路l*中的公交线路按照总客流量进行排序，并获得具有最大客流量的线路作为最优候选公交线路。由top-k算法生成最优候选公交线路的流程可知，该算法在进行线路选择的过程中，每次都通过选取当前线路的站点至所有可能的下一站点中累积客流量最大的前k个站点作为线路前进方向。这样一来，从起始站开始，第一次选择，选取所有前驱站点到下一站点中累积客流量最大的前k个站点，此时候选公交线路会有k条；第二次选择时，第一次所选取的k个站点又会各自选择累积客流量最大的前k个站点，此时候选公交线路变为k2；假设从起始站到达终点站需要n次选择，那么最后top-k算法产生的候选公交线路集合大小为kn。这也意味着，top-k算法在执行算法时的时间复杂度很高，且当k的值过小时，该算法很有可能找不到最优候选公交线路；当k的值为最终候选公交线路图中的候选公交站点总数减一时，该算法等价于穷举搜索。鉴于top-k算法存在的上述不足，本发明实施例将top-k算法作为最优候选公交线路生成的baseline算法。而br算法是一种基于启发式搜索的线路生成算法，该算法能够利用问题的知识和经验指导路径在搜索扩展过程朝着最有可能获得最优解的方向递进，减少了没有意义的无用搜索，从而显著提高线路的生成效率。与top-k算法最大的不同是，br算法在进行路径选择的过程中，每次都只从所有可能的下一站点中选取一个候选公交站点作为线路前进方向。br算法是通过轮盘赌概率选择法为当前站点完成下一站点的选取，即每次在进行下一站点选择的过程中，那些拥有较大累积客流的候选下一站点有更高的概率被选取成为下一站点。具体地，轮盘赌概率选择法又称为比例选择法，是一种基于概率的启发式算法，即在选择下一个结点时，每次都能随机地选到概率较大的结点。规定每个结点被选到的几率为p(ai)(其中i＝0,1,2,...,n-1)，显示在圆形的轮盘上即每个扇形区域面积在轮盘整体面积中的百分比，显而易见，所有结点被选中几率的总和为1。那么，轮盘赌概率选择法可以简化为往已经划分好扇区的轮盘里掷色子。该算法的具体执行流程是：首先根据每个结点被选中概率的比例大小划分轮盘各个扇区的面积所占比；其次预先在[0，1]范围内生成一个平均分布的随机数selectp，这个随机数用来作为选择结点的轮盘指针；然后算法依据各个结点被选到的概率，计算其累积概率sump，第k个结点的累积概率sumpk可以由公式(6)计算可得：最后，如果第k结点的累积概率sumpk公式(7)，则选中第k个结点：sumpk-1<selectp<sumpk(7)根据上述原理，公交线路计算模块具体包括初始化单元、概率计算单元、轮盘赌计算单元、第一迭代单元、站点添加单元、第二迭代单元、行驶时间过滤单元和客流量排序单元。初始化单元用于分别将候选公交线路集合l*初始化为空集，将当前线路所经过的前驱站点集合b*初始化为空集，以及将起始点a1初始化为当前站点，并将当前站点加入当前线路的前驱站点集合b*中；概率计算单元：用于分别计算当前站点的所有可能选择的下一站点被选择的概率；计算公式为：在公式(8)中，表示从bm到的客流量，a*表示可能选择的下一站点集合。由此可见，下一站点的选择除了和当前站点相关之外，还和当前线路上之前经过的站点相关。轮盘赌计算单元：用于根据概率计算单元的计算结果，使用轮盘赌概率选择算法选取当前站点的下一站点ai，将下一站点ai设为当前站点，并将当前站点ai加入当前线路的前驱站点集合b*中；第一迭代单元：用于迭代选择当前线路的前驱站点集合b*中的当前站点，直到当前站点为终点站an；站点添加单元：用于将能够到达终点站an的前驱站点集合b*添加到候选公交线路集合l*中；第二迭代单元：用于迭代选择下一线路的前驱站点集合b*的当前站点，直到候选公交线路集合l*中不再加入新的前驱站点集合；行驶时间过滤单元：用于根据最大行驶时间约束过滤候选公交线路集合l*；客流量排序单元：用于对过滤后的候选公交线路集合l*中的候选公交线路按照总客流量进行排序，获得具有最大客流的最优候选公交线路。由于br算法是一种基于启发式搜索的线路生成算法，每次在进行下一站点选择的过程中，那些拥有较大累积客流的下一站点有更高的被选择概率。这样一来，执行br算法多次，可能会得到多条候选公交线路，即得到一个候选公交线路集合。该算法的理想迭代终止条件是生成的候选公交线路集合不再变化，即执行算法到一定次数后，候选公交线路集合中不再添加新的候选公交线路，算法达到收敛。因此，本发明可以通过定义不同执行次数下生成的候选公交线路集合相似度来验证br算法的收敛性。如公式(9)所示，候选公交线路集合a和b的相似程度等价于候选公交线路集合a和b交集除以两者的并集所得到的比值：图7是本发明实施例的候选公交线路计算方法的硬件设备结构示意图，如图7所示，该设备包括一个或多个处理器以及存储器。以一个处理器为例，该设备还可以包括：输入装置和输出装置。处理器、存储器、输入装置和输出装置可以通过总线或者其他方式连接，图7中以通过总线连接为例。存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。输入装置可接收输入的数字或字符信息，以及产生信号输入。输出装置可包括显示屏等显示设备。所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任一方法实施例的以下操作：根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；对所述初始候选公交线路图进行剪枝，得到最终候选公交线路图；基于公交线路生成算法，计算出所述最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，得到最优候选公交线路。上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例提供的方法。本发明实施例提供了一种非暂态(非易失性)计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行以下操作：根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；对所述初始候选公交线路图进行剪枝，得到最终候选公交线路图；基于公交线路生成算法，计算出所述最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，得到最优候选公交线路。本发明实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行以下操作：根据筛选规则对候选公交站点集合进行筛选，根据筛选后的候选公交站点构建初始候选公交线路图；对所述初始候选公交线路图进行剪枝，得到最终候选公交线路图；基于公交线路生成算法，计算出所述最终候选公交线路图中在最大行驶时间内达到最大客流量的公交线路，得到最优候选公交线路。实验结果分析本发明尤其适用于夜间候选公交线路或高峰候选公交线路的发掘，具体可根据线路类型选取不同时间段的出租车轨迹数据发掘的候选公交站点，例如，对于夜间候选公交线路的发掘，可选取夜间出租车轨迹数据发掘的夜间候选公交站点，对于高峰候选公交线路的发掘，可选取高峰时间段的出租车轨迹数据发掘的高峰期候选公交站点等。为了验证本发明的可行性和有效性，本发明实施例采用深圳市真实的大规模夜间出租车轨迹数据(深圳市约15000辆出租车某月产生的全部gps数据和交易数据)进行了夜间候选公交线路的发掘，并以深圳市皇岗口岸——德兴花园总站od(交通起止点)对，以恒定间隔100000连续执行br算法100000到3500000次为例进行实验结果分析，产生的夜间候选公交线路集合相似度变化情况如图8所示，为br算法在执行不同迭代次数间的相似度变化图。从图8可以得知，br算法随着迭代次数的增加，产生的前后两个夜间候选公交线路集合的相似度值先不断增大，后呈缓慢增长趋势，增长逐渐趋于平稳，最后稳定在1左右。这意味着随着迭代次数的增加，br算法生成的夜间候选公交线路集合最终可以达到稳定，表明本发明br公交线路生成算法能够最终收敛，而最优候选公交线路即为夜间候选公交线路集合中满足最大行驶时间限制下客流量最大的线路。为进一步观察生成的最优候选公交线路结果，本发明基于br算法和top-k算法分别获得深圳市皇岗口岸——德兴花园总站od对的两组夜间候选公交线路集合，并对这两组夜间候选公交线路集合进行了统计分析，具体有如下3个方面：(1)br算法候选公交线路站点数统计情况如图9所示，图9描述了候选公交线路集合中线路包含站点数的统计信息(包括起始站和终点站)。从该图可以看出，总站点数为12或13的候选公交线路占所有候选公交线路的60％以上，只有少数候选公交线路的站点数为9、16或17个，呈现出的趋势类似于正态分布。(2)br算法候选公交线路站点数与客流量散点图如图10所示，图中横坐标是候选公交线路包含的站点数目，纵坐标是夜间候选公交线路的总客流量，而图中的每个短横线则表示一条夜间候选公交线路。从图中可以看出，只经过9个站点时，最大客流量的夜间候选公交线路的客流量只有27位乘客，而当经过17个站点时，最大客流量的夜间候选公交线路的客流量达到了238位乘客，表明随着线路包含的站点数的增加，线路的最大客流量呈现出逐渐递增的趋势。但是线路经过的站点数越多并不代表其客流量越大，如图中当经过的站点数为15个时，最小客流量的夜间候选公交线路(50位乘客)的客流量仅仅是站点数为11个的最大客流量的候选公交线路(76位乘客)的客流量的66％。(3)br算法候选公交线路行驶时间与客流量散点图如图11所示，该图显示了br算法的候选夜间公交线路行驶时间与客流量的关系，横坐标是线路总行驶时间，纵坐标是线路的总客流量，图中一个点即表示一条夜间候选公交线路。从该图可以看出，随着公交行驶时间的增加，夜间候选公交线路的客流量也逐渐增加，但大部分候夜间选公交线路的客流量密集集中于中部区域。本发明公交线路规划的目的就是为了找到最大行驶时间约束条件下客流量最大的线路，通过br算法能够获得如图9所示的夜间候选公交线路集合，因此可以非常直观地筛选出满足最大行驶时间、且客流量最大的最优候选公交线路。top-k算法取k＝4时的候选公交线路行驶时间与客流量散点图如图12所示，可以发现，top-k算法虽然也能够根据最大行驶时间约束找到最大客流量的夜间候选公交线路，但是该算法获得的候选公交线路集合非常大，很大程度影响了线路生成效率。通过图11和图12的对比，可以非常直观地看到，本发明提出的br算法能够以更快的方式获得更加稀疏的夜间候选公交线路集合，显著减少了夜间候选公交线路集合的规模，从而能够提高算法执行效率。为了对本发明br算法和top-k算法的线路生成效率进行具体的实验对比，本发明首先使用br算法生成了皇岗口岸——德兴花园总站的候选公交线路，经过3百万次迭代运算后，相似度变化曲线趋于稳定，如前面的图8所示，相似度值逐渐达到1。在最大行驶时间设置为70分钟的约束条件下，生成的最优候选公交线路的最大客流量为238位乘客，算法执行时间为385秒。然后，对于top-k线路生成算法，为了在最大行驶时间为70分钟的约束条件下找到和br算法最优候选公交线路的最大客流量相当的线路，本发明分别取k＝1、2、3、4进行夜间候选公交线路选择，如图13所示，为top-k算法取不同k值的情况示意图。从该图中可看出，当k＝1时，top-k算法找到的最优候选公交线路的最大客流量只有100人左右，且运行时间很短，这是因为k＝1时，该算法只选择累积客流最大的1个站点，导致总共只有1条线路可选，因此算法运行时间相当短，但找到的线路并不理想；随着k值的增加，top-k算法需要查找的线路范围呈指数趋势增长，当k＝4时，接近于枚举查找，此时找到的最优候选公交线路的最大客流量为238位乘客，但执行时间已经接近80分钟。相比之下，本发明br算法经过稳定迭代后找到的最优候选公交线路的最大客流量和top-k取k＝4时找到的最优候选公交线路的最大客流量相同，且执行效率高于top-k算法的12倍左右，这表明本发明实施例的br算法能够有效找到最优候选公交线路的同时，还能够显著降低运算时间，有效适应大规模线路数据计算的需求。br算法与top-k算法的最优线路客流量对比图如图14所示，该图为在不同的最大行驶时间约束条件下，算法能够找到的最优候选公交线路的客流量。从图中可以看出，top-k算法当k取2或3时，均无法找到满足约束条件的最优候选公交线路，而当k取4时相当于枚举遍历了整个站点图，因此可以认为在此情况下生成的最优候选公交线路的客流量即为最大值。观察图中折线可以发现，br算法的在最大行驶时间约束条件下找到的最优候选公交线路的最大客流量基本和top-k取4的时候相同，表明本发明实施例的br算法在不同的最大行驶时间约束条件下，都能够找到最优候选公交线路。为了将本发明基于2014年6月出租车运营数据生成的皇岗口岸——德兴花园总站的候选公交线路与同年7月实际开通的公交线路进行比较，本发明采用了百度地图api，在深圳城市地图上绘制出具体的公交线路，如图15所示。图15(a)是本发明br算法生成的最优候选公交线路，图15(b)是实际增开的公交线路，本发明采用虚线将线路划分成3段进行分析。首先在第一段线路的比较中，可以发现本发明生成的最优候选公交线路具有更多的站点，并且第2和第3两个站点在实际线路中并未经过，主要原因在于本发明br算法目的是在满足最大行驶时间的约束下，尽可能地提高客流量，而这两个站点处于深圳市商业中心附近，是夜生活与客流的聚集区，因此br算法将其包含于公交线路中，需要稍微绕行，而实际公交线路则更倾向于行驶线路的简单化。对于第二段线路的比较，可以直观地看出本发明设计的最优候选公交线路和实际开通的公交线路基本一致。但是对于第三段线路，可以明显发现实际开通的公交线路经停了更多的站点，主要原因可能是该区域小区分布较多，实际公交线路为民众出行便利性而考虑，设计了多个站点，而br算法则主要以客流量为考量，因此低客流量的站点没有经停。通过与实际开通的公交线路进行比较与讨论，本发明br算法生成的最优候选公交线路具有设计的合理性和可行性，能够为城市公交线路规划提供参考依据。本发明实施例的候选公交线路计算方法、系统及电子设备基于启发式搜索进行城市候选公交线路的设计，能够快速在最大行驶时间的约束条件下找到最大客流量的公交线路，充分考虑了乘客的出行需求及公交运营公司的经济效益，算法参数少，调优过程简单，执行效率高。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页12当前第1页12