一种基于大数据的公交线网骨架优化方法与流程

1.本发明涉及智能交通信息技术应用领域，具体涉及一种基于大数据的公交线网骨架优化方法。


背景技术：

2.随着社会经济的发展，居民出行需求激增多变，城市交通流量日趋饱和，交通问题不仅阻碍了经济社会的发展也给城市交通规划与管理带来了巨大的压力与挑战。良好的公共交通是城市赖以生存和健康发展的必备条件，是解决城市交通问题的重要手段。地面公交是城市公共交通的重要组成部分，地面公交发展的基础是承载着繁重客流的公交线网。因此，合理的线网规划能提升公交系统效率及服务水平，在科学合理地服务居民出行需求的同时，减少运力资源浪费，这对社会、企业和个人都具有十分重要的意义。
3.由于传统公交的发展过程中未对公交进行层次鲜明的功能分级，为了适配新的线网优化理念，需要对原有的公交线路进行功能分级，分为快线、干线、支线、微线。快线干线为城市公交线网骨架，进行下一步线网优化，通常采用基于公交的客流量、平均站距、非直线系数、平均运速、发车指标等指标按照国家规定标准人工进行分类的方式，这种分类方式很容易出现城市实际客流与国家标准中的客流标准的不匹配情况。


技术实现要素：

4.本发明的目的在于提供一种基于大数据的公交线网骨架优化方法，解决以下技术问题：
5.现有分类方式很容易出现城市实际客流与国家标准中的客流标准的不匹配情况。
6.本发明的目的可以通过以下技术方案实现：
7.一种基于大数据的公交线网骨架优化方法，包括如下步骤：
8.s101、基于公交实际运行情况通过fcm算法将公交线网划分为第一层次线路、第二层次线路以及第三层次线路；
9.s102、将第一层级线路和第二层级线路作为一个集合q，基于第一判定标准将集合划分为快线集合q1，剩余线路为集合q
r1
；
10.s103、将集合qr1基于第二判定标准划分为干线集合q2，剩余线路集合标记为q
r2
；
11.s104、将快线集合q1和干线集合q2合为公交线网骨架；
12.s105、将去除公交线网骨架的集合标为qr,基于第三判定标准划分为支线集合q3，剩余线路集合标记为微线集合q4。
13.优选的，公交实际运行情况包括公交日均客流量、额定载客量、承担城市出行大数据的od总数、串行城市出行大数据的网格客流总数。
14.优选的，所述第一层次线路用于服务城市主要客流通道，客运量最大，单向载客能力最大，运送速度最大，提供最快速的服务；
15.第二层次线路用于服务城市次要客运通道客流，客运量较大，单向载客能力较大，
运送速度较大，提供较快速的服务；
16.第三层次线路用于作为城市公交线网的支撑，主要是为满足线网覆盖性要求和需求较小区域的公交出行而设置的线网。
17.优选的，所述第一判定标准、第二判定标准以及第三判定标准基于《gb/t 37114-2018公共汽电车线网设置和调整规则》文件分别提取相应快线指标推荐值、干线指标推荐值以及支线指标推荐值进行判定。
18.优选的，指标推荐值具体包括线路长度、平均站距、非直线系数、平均运营时速以及发车间隔时间五个指标。
19.优选的，所述第一判定标准中推荐的五个指标中满足四个的线路集合q1为快线集合；
20.第二判定标准中推荐的五个指标中满足三个的线路集合q2为干线集合；
21.第三判定标准中推荐的五个指标中满足三个的线路集合q3为支线集合。
22.优选的，所述fcm算法包括如下步骤：
23.分别计算各线路的日均客流量、额定载客量数据、od出行值在100以上的od客流总数、排名前25％的网格出行客流总数的均值μ和标准差δ；
24.转化函数为如下所示：
[0025][0026]
将处理好的数据集x输入至fcm模型中将多条线路划分为第一层次线路、第二层线路和第三层次线路。
[0027]
优选的，将数据划分成3类，对应的就有3个类中心为c1c2c3，每个样本xj属于某一类ci的隶属度定为定义一个fcm目标函数及其约束条件如下：
[0028]
目标函数：
[0029][0030]
约束条件：
[0031][0032]
目标函数由相应样本的隶属度与该样本到各类中心的距离相乘组成的，一个样本属于所有类的隶属度之和要为1；目标函数中的m是一个隶属度的因子，一般为2，||x
j-ci||表示xj到中心点ci的欧式距离。
[0033]
优选的，使用拉格朗日乘子法将约束条件带入目标函数：
[0034]
[0035]
对上式展开分别对和ci求导得到和ci的迭代公式：
[0036][0037][0038][0039]
基于上述公式，fcm算法流程包括如下步骤：
[0040]
a、指定分类数、指数m以及迭代次数；
[0041]
b、初始化隶属度u；
[0042]
c、根据u计算聚类中心c；
[0043]
d、计算目标函数j；
[0044]
e、根据c返回去计算u，回到步骤c，进行循环。
[0045]
本发明的有益效果：
[0046]
本发明融合了城市出行大数据，分析城市居民出行与线路设置的统一性，更加精准；采用模糊分类对线路客流进行层次分级，更具有普适性；减少人工成本、提高骨架提取、线路功能分级效率；提高骨架提取、线路功能分级准确度。
附图说明
[0047]
下面结合附图对本发明作进一步的说明。
[0048]
图1是本发明一种基于大数据的公交线网骨架优化方法的流程示意图。
具体实施方式
[0049]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0050]
实施例1
[0051]
请参阅图1所示，本发明为一种基于大数据的公交线网骨架优化方法，包括如下步骤：
[0052]
步骤s101、基于公交日均客流量、额定载客量、承担城市出行大数据的od总数、串行城市出行大数据的网格客流总数通过fcm算法分为第一层次线路、第二层次线路以及第三层次线路；
[0053]
在本实施例中，所述出行值在100以上，所述网格客流排名前25％；
[0054]
其中，所述第一层次线路用于服务城市主要客流通道，客运量最大，单向载客能力最大，运送速度最大，提供最快速的服务；
[0055]
第二层次线路用于服务城市次要客运通道客流，客运量较大，单向载客能力较大，运送速度较大，提供较快速的服务；
[0056]
第三层次线路用于作为城市公交线网的支撑，主要是为满足线网覆盖性要求和需求较小区域的公交出行而设置的线网；
[0057]
步骤s102、将第一层级线路和第二层级线路作为一个集合q,基于《gb/t 37114-2018公共汽电车线网设置和调整规则》文件中的快线指标推荐值提取快线，其中推荐的五个指标中满足四个的线路集合q1为快线集合，剩余线路集合标记为q
r1
；推荐的五个指标如下表1：
[0058]
表1：
[0059][0060][0061]
步骤s103、将集合qr1,基于《gb/t 37114-2018公共汽电车线网设置和调整规则》文件中的干线指标推荐值提取干线，其中推荐的五个指标中满足三个的线路集合q2为干线集合，剩余线路集合标记为q
r2
；推荐的五个指标如下表2：
[0062]
表2：
[0063][0064]
步骤s104、快线集合q1和干线集合q2合为公交线网骨架；
[0065]
步骤s105、将去除公交线网骨架的集合标为qr,基于《gb/t37114-2018公共汽电车线网设置和调整规则》文件中的支线指标推荐值提取支线，其中推荐的五个指标中满足三个的线路集合q3为支线集合，剩余线路集合标记为q4，为微线集合；推荐的五个指标如下表3：
[0066]
表3：
[0067][0068]
实施例2
[0069]
fcm算法包括如下步骤：
[0070]
步骤s1011、分别计算各线路的日均客流量、额定载客量数据、od出行值在100以上的od客流总数、排名前25％的网格出行客流总数的均值μ和标准差δ；
[0071]
步骤s1012、转化函数为如下所示：
[0072][0073]
假设线路1、线路2、线路3、线路4、线路5日均客流数据为[60,50,80,20,40]，均值μ为50，标准差δ为20，经过标准化公式计算后，数组变换为[0.5,0,1.5,-1.5,-0.5]。其他三类数据的处理方式与此相同；
[0074]
将处理好的数据集x输入至fcm模型中将多条线路划分为第一层次线路、第二层线路和第三层次线路这三种类别；如果把这些数据划分成3类的话，那么对应的就有3个类中心为c1c2c3，每个样本xj属于某一类ci的隶属度定为那么定义一个fcm目标函数及其约束条件如下：
[0075]
目标函数：
[0076][0077]
约束条件：
[0078][0079]
目标函数由相应样本的隶属度与该样本到各类中心的距离相乘组成的，也就是一个样本属于所有类的隶属度之和要为1；(目标函数)中的m是一个隶属度的因子，一般为2，||x
j-ci||表示xj到中心点ci的欧式距离。u
ij
和ci是相互关联的，彼此包含对方，程序一开始会随机生成一个u
ij
，只要数值满足条件即可，然后开始迭代，通过u
ij
计算出ci，有了ci又可以计算出u
ij
，通过不断的迭代训练，目标函数j的变化逐渐趋于稳定，那么当j不在变化时就认为算法收敛到一个较好的结果了；
[0080]
使用拉格朗日乘子法将约束条件带入目标函数：
[0081][0082]
对上式展开分别对和ci求导得到和ci的迭代公式：
[0083][0084]
[0085][0086]
基于上述公式，fcm算法流程包括如下步骤：
[0087]
a、指定分类数为3，指数m为2，迭代次数1000；
[0088]
b、初始化隶属度u(每类特征隶属度和为1)；
[0089]
c、根据u计算聚类中心c；
[0090]
d、计算目标函数j；
[0091]
e、根据c返回去计算u，回到步骤c，循环1000次；
[0092]
通过执行上述流程后得到线路1、线路3属于第一层次线路，线路2、线路5属于第二层次线路，线路4属于第三层次线路；
[0093]
基于快线的标准对属于第一与第二层次的线路：线路1、线路2、线路3、线路5进行快线识别，参照《gb/t 37114-2018公共汽电车线网设置和调整规则》文件中的快线指标，其中推荐的五个指标中满足四个的线路即为快线；推荐的五个指标如下表4：
[0094]
表4：
[0095][0096][0097]
如：线路1的线路长度为35km，平均站距1.2km，非直线系数1.5，平均运营时速28km/h，发车间隔4min。可以判断出线路1除了非直线系数不满足条件外，其余四个指标均满足条件。故判定线路1为快线。如果剩余的线路2、线路3、线路5均不能满足四个以上条件，进入干线判定。参照《gb/t 37114-2018公共汽电车线网设置和调整规则》文件中的干指标，其中推荐的五个指标中满足三个的线路即为干线；推荐的五个指标如下表5：
[0098]
表5：
[0099][0100]
线路2的线路长度为13km，平均站距0.6km，非直线系数1.5，平均运营时速19km/h，发车间隔6min。线路2符合5个判定条件，符合数大于等于3因此判定线路2为干线。线路3的线路长度为10km，平均站距0.5km，非直线系数1.5，平均运营时速20km/h，发车间隔12min。线路3符合4个判定条件，符合数大于等于3因此判定线路3为干线。线路5的线路长度为15km，平均站距0.4km，非直线系数1.2，平均运营时速14km/h，发车间隔20min。线路5符合2个判定条件，符合数小于3因此线路5进入下一步判定。
[0101]
对第一与第二层次线路中未分类的线路(线路5)与第三层次线路(线路4)进行支
线判定，参照《gb/t 37114-2018公共汽电车线网设置和调整规则》文件中的干指标，其中推荐的线路长度、平均站距和非直线系数三个指标中满足一个的线路即为支线；推荐的五个指标如下表6：
[0102]
表6：
[0103][0104]
线路5的线路长度、平均站距和非直线系数三个指标均满足条件，故将线路五判定为支线；线路4的线路长度为5km，平均站距0.2km，非直线系数2.2，平均运营时速15km/h，发车间隔5min，线路4线路长度、平均站距和非直线系数三个指标均不满足条件因此判定线路4为微线。
[0105]
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。