基于大数据的公交线路时刻表协同优化方法与流程

本发明属于城市公共交通运营管理的技术领域，涉及到公交时刻表编制，ITS智能交通系统和粒子群算法的领域，特别涉及到大数据挖掘与融合处理的技术方法。

背景技术：

杨晓光关于《基于ITS环境的公共汽车交通换乘时间最短调度问题研究》。以公交换乘时间最短为目标建立线性规划模型，并通过算例证明了该方法的理论意义与实用价值。刘环宇关于《基于可靠性的公交时刻表设计优化研究》以到站准点率、行车时间可靠度和服务间隔可靠度为约束，以社会福利最大化为目标，建立了基于可靠度的公交时刻表优化模型；但现有研究主要存在三个问题，一是使用的客流数据大多是经人工调查所得，不仅耗费大量劳动力，其数据的准确性也无法保证；二是研究主要集中于公交车之间的换乘，忽视了公交与轨道交通之间的换乘；三是研究一般以换乘站点的乘客为研究对象，忽视了整条线路中非换乘乘客与换乘乘客的协调以及乘客与公交运营企业的利益分配。本发明在此基础上，应用多源数据融合处理的手段获取公交客流数据，并考虑公交与轨道交通之间换乘以系统成本最小为目标函数建立模型，对公交线路时刻表进行优化。

技术实现要素：

本发明要解决的技术问题是应用多源数据融合，获取准确的公交线路运行数据和客流数据，并在此基础上针对公交运营时刻表优化提出一种考虑公交系统与轨道系统间换乘的优化模型。

本发明的技术方案：

基于大数据的公交线路时刻表协同优化方法，步骤如下：

一.公交线路运行数据和客流数据获取

1.公交线路运行数据获取

1.1判断公交车辆运行方向

公交线路运行区分上行和下行两个方向，公交车辆按照排班顺序在两个方向循环往复；公交线路的上下行拥有各自独立的运行线路、停靠站点和运行时段，车辆运行状态与客流需求也是相对独立的，分为两个运行方向的数据；公交GPS数据中没有明确表征运行方向的属性字段，记录公交车辆运行的方向角字段(ANGLE)出错率较高，经过分析无法用于判断车辆运行方向。因此需要采用一定的判断规则获取公交GPS数据的车辆运行方向信息。

判断车辆运行方向的方法有很多，并且由于线路走向和数据质量的不同，各种方法的有效性存在差异。本发明以深圳市376路公交为例，考虑到该线路走向的接近半环形，如图一所示，采用如下步骤判断车辆的运行方向：

(1)找出该半环形线路圆心的大致位置作为参照点，记为A；

(2)上行方向的首站位置记为O，公交GPS数据中记录的经纬度位置记为M；

(3)计算向量与向量的夹角，记为α，并在公交GPS数据中增加字段N_ANGLE记录所有数据对应的α值。

(4)先按照车辆车牌号(NUMBER)对公交GPS数据进行排序，再根据记录时间字段(TIME)对同一车牌号车辆进一步排序，比较同一车辆相邻两条GPS数据的α值变化趋势，若α值随时间逐渐增大，则表示车辆为逆时针行驶，即车辆运行方向为上行。

(5)重复步骤(4)直至遍历所有公交GPS数据。

(1.2)车辆到站数据获取

车辆到站数据需要将经过处理的公交GPS数据与公交站点数据进行融合，首先建立车辆到站数据表，包含站点编号(S_ID)、车辆到站时间(S_TIME)、车辆的车牌号(NUMBER)和车辆运行方向(DIRECTION)共四个字段；

表1 车辆到站数据表

在车辆到站数据表中记录所有上行方向的车辆到达站点S的数据，其实现的步骤如下：

(1)提取公交GPS数据中车辆运行方向DIRECTION为“上行”的所有数据；

(2)先按照车辆的车牌号对步骤(1)中提取的公交GPS数据进行排序，再根据车辆到站时间对同一车辆的车牌号进一步排序；在连续同一车辆的车牌号中，前一条公交GPS数据匹配到路段L₁，后一条公交GPS数据匹配到路段L₂，则L₁和L₂的中间值作为车辆到达站点S的时间；

(3)将站点S编号、车辆到达站点S的时间、车辆的车牌号以及车辆运行方向写入对应的车辆到站时间数据表中，直至处理完所有上行方向的公交GPS数据，得到车辆到站数据表；

上行方向和下行方向的车辆到站数据获取的方式相同；

(1.3)车辆行程时间获取

建立车辆行程时间数据表，包括车辆的车牌号(NUMBER)、运行方向(DIRECTION)、首站到站时间(O_TIME)、末站到站时间(E_TIME)和行程时间(INTERVAL)五个字段，其数据结构见表2。

表2 车辆行程时间数据结构

以上行线路为例，获取上行线路车辆行程时间的具体步骤如下：

(1)在车辆到站数据表中提取车辆运行方向为“上行”的所有数据，先按照车辆的车牌号进行排序，再根据同一车辆的车牌号的车辆到站时间进一步排序；

(2)针对每一条车辆到站时间数据，若站点编号与车辆运行方向的首站一致，则该条数据为首站发车数据，若站点编号与车辆运行方向的末站一致，则该条 数据为末站到站数据；将车辆的车牌号、车辆运行方向、首站到站时间和末站到站时间分别写入对应的车辆行程时间数据表中

(3)计算同一车辆的车牌号的首站到站时间与末站到站时间的间隔，并将其写入行程时间字段中，直至遍历所有上行方向的车辆到站时间数据，得到车辆行程时间数据表；

上行方向和下行方向的车辆行程时间获取的方式相同；

(2)客流数据获取

(2.1)乘客上车站点获取

轨道交通刷卡数据中记录了乘客进站和出站的站点信息，直接判断乘客轨道交通出行的上车站点和下车站点；

公交刷卡数据不记录乘客上车站点信息，判断乘客公交出行的上车站点时间，对公交刷卡数据中的刷卡时间和车辆的车牌号字段与车辆到站数据表中的车辆到站时间和车辆的车牌号字段进行匹配融合；

为记录车辆到站数据与公交刷卡数据融合的结果，同时与轨道交通刷卡数据一起存放，方便下一步获取下车站点数据，建立一个Mix_IC数据表存放数据；Mix_IC数据表包括IC卡记录编码(ID)、线路名称(LINE)、车辆的车牌号(NUMBER)、线路运行方向(DIRECTION)、上车站点编号(U_ID)、上车站点名称(U_NAME)、上车时间(U_TIME)、下车站点编号(D_ID)、下车站点名称(D_NAME)和下车时间(D_TIME)共十个字段，其数据结构见表3，上车站点获取流程如图5所示。

表3 Mix_IC数据表结构

车辆到站数据与公交刷卡数据匹配融合的步骤如下：

(1)提取任一条公交刷卡数据，将公交刷卡数据中ID、LINE和NUMBER三个字段的数据对应写入Mix_IC数据表的ID、LINE和NUMBER字段中；

(2)在车辆到站数据表中匹配与步骤(1)提取的公交刷卡数据NUMBER字段一致，车辆到站时间与刷卡时间字段最接近的一条记录，将此条记录的S_ID和S_TIME字段对应写入Mix_IC数据表的U_ID和U_TIME字段中，直至遍历所有公交刷卡数据；

地面公交和轨道交通同属于公共交通系统，且均可使用IC卡支付乘车费用。因此有必要将公交刷卡数据和轨道交通刷卡数据处理后放入同一数据表中，方便接下来的客流OD数据分析。不同于公交刷卡数据，同一次轨道交通出行的数据分别记录在“进站”和“出站”两条记录中，因此需要经处理后方可放入Mix_IC数据表中，其步骤如下：

(1)先按照IC卡记录编码对轨道交通刷卡数据进行排列，再对同一个IC卡记录编码的记录时间字段进一步排列；

(2)提取步骤(1)两条连续的轨道交通刷卡数据，其ID、LINE字段相同，前一条数据的DIRECION字段为“进站”，后一条数据的DIRECION字段为“出站”；将ID、LINE字段的数据对应写入Mix_IC数据表的ID、LINE字段中；

(3)将前一条数据的进站站点名称、进站刷卡时间对应写入Mix_IC数据表的U_NAME、U_TIME字段中，将后一条数据的出站站点名称、出站刷卡时间对应写入Mix_IC数据表的D_NAME、D_TIME字段中；

(4)按照站点编号表和进出站站点名称(U_NAME和D_NAME)，匹配进出站站点编号，并写入Mix_IC数据表的U_ID和D_ID字段中，直至遍历所有轨道交通刷卡数据；

(2.2)乘客下车站点获取

通过分析居民的乘车行为发现，基于家庭的公交出行人数占总出行人数的比例较高，即大部分乘客一日出行是以家庭为起点，又以家庭为终点，其出行活动链构成一个封闭的环形；对于同一天使用公交IC卡超过2次的乘客，其乘坐地面公交的下车站点可根据出行活动链进行判断；

使用Mix_IC数据表记录的数据进行下车站点判断，并将获取的下车站点数据写入Mix_IC数据表的D_ID字段；乘客下车站点的判断步骤如下：

(1)在Mix_IC数据表中提取同一ID的数据，并按U_TIME字段进行排列；

(2)判断同一ID的前后两条数据是否为同一条线路：若判断为同一条线路，则后一次刷卡上车的站点为前一次刷卡下车的站点；若判断为不同线路，则根据后一次刷卡上车站点匹配前一次刷卡线路中距离最近的换乘站点，作为前一条数据的下车站点；

(3)同一ID首次刷卡的上车地点为最后一次刷卡的下车地点，直至遍历Mix_IC数据表中所有数据；

(2.3)乘客换乘行为判断

判断乘客连续两次采取公交出行是否为换乘的依据是前一次乘车下车时间与后一次乘车上车时间的间隔是否超过设定的换乘时间上限。考虑到线路发车间隔、道路拥堵等因素，设定的换乘时间上限为30分钟。

首先需要对乘客下车时间进行匹配，其步骤为：

(1)提取Mix_IC数据表中的一条数据，以Mix_IC数据表中车辆的车牌号、线路运行方向和下车站点编号字段与车辆到站数据表中车辆的车牌号、线路运行方向和站点编号字段进行匹配，得到该条件下的车辆到站时间；由于一天中车辆在上下行方向多次往返运行，所以车辆到站数据表在该下车站点名称应有多个车辆到站时间；

(2)以Mix_IC数据表中上车时间字段，选择大于该上车时间且时间间隔最短的车辆到站时间，作为下车时间；将匹配的下车时间写入Mix_IC数据表的下车时间字段(D_TIME)，直至遍历Mix_IC数据表中所有数据；

判断乘客连续两次刷卡记录是否属于换乘，其步骤为：

(1)先按照IC卡记录编码对Mix_IC数据表进行排列，再根据上车时间字段对同一IC卡记录编码进一步排序；

(2)提取相同ID的两条连续记录，将后一条数据的上车刷卡时间与前一条数据的下车刷卡时间作差，若时间间隔小于30分钟，则认为是换乘；遍历Mix_IC数据表中所有数据；

二.模型建立

2模型假设

(1)将地面公交和轨道交通的上下行线路看做两条不同的线路，即同一条线路仅有一个运行方向，假设所有车辆严格按照公交时刻表从首站发出，忽略道路交通条件对车辆运行的影响，车辆在各站间行程时间分布已知；同一时段车辆的发车间隔相同，同一条线路的公交车辆数量固定，车辆型号均相同；公交车辆按照发车顺序运行，不存在串车和滞站现象；非换乘乘客到达站点的过程服从均匀分布，且同一时段乘客到达率相同；乘客在换乘站点的换乘步行时间已知，且换乘步行时间小于地面公交和轨道交通的发车间隔；当车辆到达站点后乘客即上车，忽略由于车辆拥挤等原因继续候车的情况；线路运营车辆均为全程车，忽略区间车、大站快车等调度方案。

(2)参数定义

S——地面公交站点序列，s∈S；

——换乘站点序列，

——换乘站点数

Bⁱ——在研究时段发车且车次为i的地面公交；

R^j——在研究时段发车且车次为j的轨道交通；

e_B——研究时段内地面公交线路B的发车数量；

e_R——研究时段内轨道线路R的发车数量；

a——研究时段时长，a＝T_end-T_start；

h_B——研究时段内地面公交线路B的发车间隔；

h_R——研究时段内轨道线路R的发车间隔；

h_B,min，h_B,max——地面公交的最小和最大发车间隔；

h_R,min，h_R,max——轨道交通的最小和最大发车间隔；

——研究时段内在站点s乘坐地面公交线路B的乘客到达率；

——在换乘站点从地面公交站点到轨道交通站点的步行时间；

——地面公交Bⁱ到达换乘站点的时刻；

——轨道交通R^j到达换乘站点的时刻；

——研究时段内车次序列为1的地面公交车辆从首站开出的时刻；

——研究时段内车次序列为1的轨道交通车辆从首站开出的时刻；

——地面公交线路车辆从首站开至换乘站点的行程时间；

——轨道线路车辆在研究区间从首站开至换乘站点的行程时间；

t_B——研究时段内地面公交车辆行程时间；

t_R——研究时段内轨道线路车辆在研究区间的行程时间；

——地面公交线路首站与换乘站点的站距；

——轨道线路首站与换乘站点的站距；

L_B——地面公交线路的全程长度；

L_R——轨道线路在研究区间的长度；

U_c——单位乘客候车时间的时间价值(元/分钟)；

U_p——地面公交线路单位发车次数的运营成本(元/公里)；

C_B——研究时段内无换乘的乘客乘坐地面公交的候车时间成本；

C_BR——研究时段内乘客从地面公交换乘至轨道交通的换乘候车时间成本；

C_RB——研究时段内乘客从轨道交通换乘至地面公交的换乘候车时间成本；

C_P——研究时段内公交运营企业的成本；

C_S——研究时段内系统总成本；

(3)约束条件

根据模型假设，乘客在换乘站点的换乘步行时间小于地面公交和轨道交通的发车间隔，则对所有

地面公交与轨道交通的发车间隔应不小于最小发车间隔，同时不大于最大发车间隔，则有：

h_B,min≤h_B≤h_B,max (3.2)

h_R,min≤h_R≤h_R,max (3.3)

(4)目标函数

研究时段内地面公交发车数量e_B与发车间隔h_B的关系为：

研究时段内轨道交通发车数量e_R与发车间隔h_R的关系为：

1)非换乘的乘客乘坐地面公交的候车时间成本

乘客到达站点s乘坐在研究时段内发车且车次为i的地面公交Bⁱ，其候车成本可表示为：

因此非换乘的乘客的候车时间成本可表示为：

2)乘客从地面公交换乘至轨道交通的换乘候车时间成本

在研究时段内，车次为i的地面公交Bⁱ到达换乘站点的时刻可表示为：

其中地面公交线路车辆从首站开至换乘站点的行程时间可用式4.6计算：

车次为j轨道交通R^j到达换乘站点的时刻可表示为：

其中轨道线路车辆从首站开至换乘站点的行程时间可用式4.8计算：

一位乘客在换乘站点从地面公交Bⁱ换乘至轨道交通R^j需要的步行时间为 其换乘候车时间可表示为：

其中为布尔变量，

乘坐在研究时段内发车的地面公交并在换乘站点下车的乘客总人数为在换乘站点由地面公交换乘至轨道交通的换乘率为则乘坐在研究时段内发车的地面公交在换乘站点下车换乘至轨道交通的乘客总人数可按式4.11计算

将在换乘站点从地面公交换乘至轨道交通的乘客平均分配至每辆地面公交车次，则乘坐地面公交Bⁱ且在换乘站点换乘至轨道交通的乘客数量可表示为：

考虑到换步行时间不超过地面公交发车间隔的假设，所以不会出现从k时段发车的地面公交换乘至k+1时段发车的轨道交通的情况。因此在换乘站点由地面公交换乘至轨道交通的乘客换乘候车的时间成本为：

在研究时段在所有换乘站点乘客从地面公交换乘至轨道交通的换乘候车时间成本为：

其中

3)乘客从轨道换乘至地面公交的换乘候车时间成本

一位乘客在换乘站点从轨道交通R^j换乘至地面公交Bⁱ需要的步行时间为 其换乘候车时间可表示为：

其中为布尔变量，

在换乘站点上车乘坐在研究时段内发车的地面公交的乘客总人数为在换乘站点由轨道交通换乘至地面公交的换乘率为则在换乘站点上车换乘至在研究时段内发车的地面公交的乘客总人数可按式4.18计算：

将在换乘站点从轨道交通换乘至地面公交的乘客平均分配至每辆地面公交车次，则在换乘站点由轨道交通换乘至地面公交Bⁱ的乘客数量可表示为：

考虑到换步行时间不超过轨道交通发车间隔的假设，所以不会出现从k时段发车的轨道交通换乘至k+1时段发车的地面公交的情况。因此在k时段在换乘站点由轨道交通换乘至地面公交的乘客换乘候车的时间成本为：

在研究时段在所有换乘站点乘客从轨道交通换乘至地面公交的换乘候车时间成本为：

其中：

4)公交企业的运营成本

公交企业的运营成本与线路全程长度和研究时段内的发车数量有关，可用式4.26表示：

C_P＝U_PL_Be_B (4.23)

5)系统总成本

研究时段系统总成本包括：非换乘的乘客乘坐地面公交的候车时间成本、乘客从地面公交换乘至轨道交通的换乘候车时间成本、乘客从轨道交通换乘至地面公交的换乘候车时间成本和公交企业的运营成本，即：

C_S＝C_B+C_BR+C_RB+C_P (4.24)

目标函数为系统总成本最小，即minC_S；决策变量为地面公交的发车间隔h_B。

本发明的有益效果：目前国内相关研究已经可以做到单线路公交时刻表优化和多线路时刻表协调优化。但却存在一定的局限性导致结果出现一定的偏差。我们的方案通过将公交GPS数据、IC卡刷卡数据和线路站点地理数据匹配融合获取客流数据，充分考虑公交与轨道间的换乘并通过建立数学优化模型协调乘客与公交企业的利益实现总利益最大化。这是一个很大的创新突破。通过以深圳市376路公交上行线路为案例进行验证，并对案例结果进行分析，最终可以得到优化后的结果。该方案得到的结果更加准确与实际情况更加接近。

详细而言：

1、客流数据的合理获取：使用公交GPS数据、IC卡刷卡数据和线路站点 地理数据，通过数据的匹配融合得到针对IC卡用户的详细客流数据，可以得到各个IC卡用户一天内的出行情况，节省了大量人工调查的时间和精力，使得公交时刻表的编制更加合理。

2、候车时间成本分类：考虑不同乘客存在是否换乘以及不同出行方式间的换乘的差异，可将候车的时间成本分成三类。分别为非换乘乘客乘坐地面公交的候车时间成本、乘客从地面公交换乘至轨道交通的候车时间成本、乘客从轨道交通换乘至地面公交的候车时间成本。这样充分考虑了乘客的各种出行可能性，使结果更为准确科学。

3、建立数学模型：通过建立数学模型的方式对公交时刻表进行优化，建立模型时兼顾乘客的换乘时间成本以及公交企业的运营成本，两项成本的总和达到最小，实现社会利益最大化。这种方法提高了公交时刻表制定的科学性。

4、应用前景：我国城市交通拥堵现象日益严重，只有大力发展公共交通才能有效缓解交通拥堵问题。而且交通大数据的应用也是交通领域的一个重要趋势。本方案基于以上两点运用多源交通大数据的融合通过建立数学模型的方式实现公交时刻表的优化。除此之外，本方案将各类数据结合起来得到公交客流数据的方法节省了大量的人力。因此，本发明具有极大的应用价值。

附图说明

图1是本发明的车辆运行方向判断示意图。

图2是本发明的车辆到站判断示意图。

图3是本发明的车辆到站数据获取流程图。

图4是本发明的车辆行程时间数据获取流程图。

图5是本发明的上车站点获取流程图。

图6是本发明的376路公交上行线路图。

图7是本发明的轨道交通线路图。

图8是本发明的车辆时空运行图。

图9是本发明的车辆行程时间变化图。

具体实施方式

以下结合实例详细叙述本发明的具体实施方式，并模拟发明的实施效果。1、研究线路现状

本发明研究的线路为深圳市376路公交上行线路，起点为樟树布村总站，终点为东湖客运站，沿途站点共17个，全线长约11.7公里。上行线路与站点地理位置如图6所示。376路公交线路与龙岗线、环中线的多个轨道交通站点衔接(如图7所示)，乘客在轨道交通与常规公交之间换乘频繁，尤其在早晚高峰，客流换乘的比例较高。因此公交时刻表的编制需要考虑与轨道交通的协调。

2、研究线路基本参数

根据获取的376路公交上下行线路及站点的地理数据，线路基本信息如表4所示。

表4 376路公交上行线路站点信息表

续表：

根据公交公司提供的数据，376路公交、龙岗线研究区间和环中线研究区间的首末站及首末发车信息如表5所示，

表5 376路公交上行线路发车信息表

3、线路运行状态分析

根据数据融合得到的车辆到站数据和行程时间数据可用于公交运行状态分析。以深圳市376路公交上行方向在2014年6月9日的数据为例。图8为6:30—9:00时段连续六辆公交车的时空运行图，横坐标为站点序列，纵坐标为到站时间。从车辆的时空运行图中可以看出，376路公交的发车间隔设置较大，基本无串车现象，车辆运行较平稳。

全天所有车次的行程时间如图9所示。从图9中可以看出376路公交在早晚高峰时期的行程时间较长，首末班车辆的行程时间最短。由于在早晚高峰乘客上下车人数较多，导致车辆在站点停留的时间较大；加之道路在早晚高峰时期易发生拥堵，因此图8符合实际情况。

4、线路客流量统计

根据深圳市2014年6月9日的公交GPS数据、公交刷卡数据和轨道交通刷 卡数据，统计深圳376路公交上行方向各站点的客流量以及在换乘站点的换乘客流量。表6为7:00—7:30时段内376路公交上行方向的客流量，表7为7:00—7:30时段内376路公交上行方向与龙岗线、环中线换乘的客流量。

表6 7:00—7:30时段376路公交上行方向的客流量

表7 7:00—7:30时段376路与龙岗线、环中线换乘客流量

5、时刻表优化

5.1时段划分

本文对深圳376路公交上行方向全天运行时段进行时刻表优化。根据客流量变化及轨道交通发车间隔变化，共划分成8个时段，时段划分见表8。

表8 时段划分表

5.2模型求解及时刻表生成

本文采用粒子群算法进行求解。本案例共划分8个时段，因此粒子编码为：X＝(x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈)，模型的目标函数即为粒子的适应度函数。粒子群算法的各项参数设置见表9。

表9 粒子群算法参数设置

使用Microsoft Visual C++2008软件进行寻优，经过500次迭代之后获得最优函数值。取得最优函数的粒子代表了求解的发车间隔。由于发车间隔通常以分钟为单位设置为整数，因此对求解的发车间隔进行四舍五入的取整，且相邻时段的发车间隔采取平滑处理，最终经过优化的时刻表如表10。

表10 376路公交时刻表

5.3优化结果对比

按照优化后的公交调度计划，深圳市376路公交上行线路全天共发车78次，最小发车间隔为8分钟，最大发车间隔为18分钟。由于对发车间隔进行了取整和平滑处理，因此需要按照优化后的时刻表重新计算非换乘候车时间成本、公交—轨道换乘候车时间成本、轨道—公交换乘候车时间成本、公交运营成本和 系统总成本，并与优化前的各项指标进行对比，优化结果对比如表11所示：

表11 优化结果对比

根据表11对比结果，非换乘乘客的候车时间成本和换乘乘客的候车时间成本均显著降低。其中由轨道交通换乘至地面公交的换乘候车成本降低幅度最大，达到了16.38％，说明采用优化后的公交时刻表极大地便利了从轨道交通换乘至地面公交的乘客。由于增加了发车次数，公交运营成本有所上升，但系统总成本降低了4.26％。

表12对优化前后换乘乘客的平均候车时间进行了对比。从总体来看，无论是优化前还是优化后，从地面公交换乘至轨道交通的平均候车时间都普遍低于从轨道交通换乘至地面公交的平均候车时间。经过优化，两个换乘方向的平均候车时间均有所下降。从地面公交换乘至轨道交通的换乘方向中，由376路公交上行换乘至龙岗线上行方向的换乘候车时间降低幅度最大，达到了13.48％，平均候车时间节约了0.60分钟。在早高峰，该换乘方向客流量较大，因此该方向的平均候车时间减少具有重要意义。从轨道交通换乘至地面公交的换乘方向中，由龙岗线下行换乘至376路公交上行方向的换乘候车时间基本没有变化，但是考虑到该换乘线路的客流量较小，因此对整条线路的优化结果不会产生很大影响。

表12 换乘平均候车时间对比

续表：