一种基于CIM的公交站点与快速路出口优化布局方法和装置与流程

本发明属于计算机，尤其涉及一种基于cim的公交站点与快速路出口优化布局方法和装置。

背景技术：

1、随着城市化进程的加速，城市交通系统承担着越来越重的交通任务。当前城市交通系统面临的主要问题之一是交通拥堵。随着私家车数量的不断增多，特别是在高峰时段，拥堵现象尤为严重。交通拥堵不仅影响市民的出行效率，还会导致环境污染、能源浪费以及对城市经济发展产生负面影响。在这种情况下，寻求一种有效的方法来解决城市交通拥堵问题变得尤为重要。

2、公共交通系统作为城市交通的重要组成部分，其运行效率和服务质量直接影响着市民的出行体验和交通拥堵状况。然而，当前公交车站点与快速路出口的布局往往不合理。这导致公交车在快速路上的空载率较高，进而影响公交系统的运行效率。此外，不合理的布局还可能导致乘客选择私家车出行，从而加剧交通拥堵。因此，优化公交车站点与快速路出口布局对于提高公交系统的运行效率和缓解交通拥堵具有重要意义。

3、优化公交车站点与快速路出口布局有助于提高公交系统的运行效率，进而提高乘客乘坐公交车的意愿。只有提高公共交通服务水平，才能更好地吸引市民放弃私家车，选择更加环保、节能的公共交通出行方式。因此，开发一种基于城市信息模型（cim）的公交车站点与快速路出口优化布局方法，既能更好地满足市民的出行需求，又能在一定程度上缓解城市交通拥堵问题，具有重要的实际意义。

4、城市信息模型（cim）为城市交通管理提供了丰富的数据资源，包括道路网络、交通流量、停车需求等信息。通过挖掘和利用这些数据，可以为公交车站点和快速路出口的优化布局提供依据。然而，如何有效地利用cim中的数据，结合先进的优化算法，实现公交车站点与快速路出口布局的优化，仍然是一个亟待解决的技术难题。

5、本发明的方法在公交车站点与快速路出口布局优化过程中，充分考虑了多种因素，包括小汽车流量、停车需求、道路网络结构等。通过科学合理地优化公交车站点与快速路出口布局，可以提高公交系统的运行效率，降低空载率，进一步促使市民选择公共交通出行，从而缓解城市交通拥堵问题。此外，本发明方法的实施，有助于提高城市交通管理的水平，为城市交通规划和管理决策提供有效的支持，具有重要的实际应用价值。

技术实现思路

1、针对上述现有技术中存在的缺陷，本发明提供1、一种基于城市信息模型cim的公交车站点与快速路出口优化布局方法，所述方法包括：

2、从cim中获取小汽车在快速路沿线的停车目的地数据和各个停车目的地的小汽车流量数据；

3、利用核密度估计kde计算各网格的停车密度分布，以及通过设置阈值筛选出密度值较高的网格为热点网格；

4、基于热点网格确定热点区域，在所述热点区域内确定候选的公交站点；

5、根据热点区域的网格面积初始化候选的公交车站点选择概率，将所有候选的公交车站点选择概率组合成向量x，所述向量x中的元素个数等同于候选的公交车站点的个数m；

6、使用梯度下降法优化目标函数，在每次迭代过程中，逐个更新x向量中的每个元素x_i, 其中1≤i≤m,在更新完所有x_i之后，判断满足收敛条件则停止迭代,否则继续迭代直至满足收敛条件，得到梯度下降法更新后的向量x;

7、将梯度下降法得到的向量x的结果作为初始种群中的种子解，并利用遗传算法进行进一步优化向量x，通过多代进化来寻找向量x的最优解；

8、对于最终的向量x，如果x_i大于或等于预设阈值，则选择该公交车站点，否则不选择该公交车站点，得到所有的候选公交车站点选择方案；

9、利用cim的道路网络信息，对于选中的公交车站点，将快速路出口设置在公交车站点到达前的位置。

10、其中，实现梯度下降法优化目标函数l = α * t - β * p;

11、其中， t 是公交车在快速路上的总行驶时间，p 是新增载客量，α 和 β 分别对应总行驶时间t和新增载客量p权重参数。

12、其中，所述总行驶时间t为：

13、t = l_road / v_avg + σ_i (t_stop * z_i)；

14、其中，l_road为快速路总长度，v_avg为平均行驶速度，t_stop表示每个公交车站点的停靠时间，z_i是一个二进制变量，表示候选的公交车站点i是否被选中；

15、其中z_i = 1表示选中，z_i = 0表示未选中。

16、其中，新增载客量p可以表示为：

17、p = σ_i σ_k (f_k * exp(-β * d_ik) * z_i)；

18、其中，f_k表示第k个停车目的地的小汽车流量数据；d_ik表示从停车目的地k到公交车站点i的距离；β是一个衰减系数；z_i是一个二进制变量，表示候选的公交车站点i是否被选中；

19、其中z_i = 1表示选中，z_i = 0表示未选中；

20、其中，β是一个正数，用于调整距离对新增载客量的影响。

21、其中，所述确定停车目的地的小汽车流量数据的方法包括：

22、首先计算每个停车目的地的总流量，然后计算日期的个数，将总流量除以日期的个数，得到每个停车目的地的日均流量，将每个停车目的地在的日均流量数据作为所述停车目的地的小汽车流量数据f_k。

23、其中，利用核密度估计kde计算各网格的停车密度分布，包括：

24、首先选择一个核函数，对于每个网格，计算其核密度估计值，其计算公式如下：

25、kde(x) = (1/nh) σ k((x-x_i)/h)；

26、其中，x是网格中心点的坐标，n是数据点的数量，h是带宽即平滑参数，x_i是每个数据点的坐标，k是所选的核函数。

27、其中，所述核函数为高斯核函数，高斯核函数为：k(u) = (1/√(2π)) * e^(-u^2/2)；其中，u表示归一化距离，即 u = (x-x_i)/h；

28、将高斯核函数代入所述核密度kde公式，得到：

29、kde(x) = (1/nh) σ (1/√(2π)) * e^(-((x-x_i)/h)^2/2)；

30、其中，x表示网格中心点的坐标；n表示数据点的数量，即观测数据点的总数；h表示带宽即平滑参数，它决定了密度估计函数的平滑程度；x_i表示每个数据点的坐标，所述数据点是进行密度估计的观测值；e是自然常数。

31、其中，将梯度下降法得到的向量x的结果作为初始种群中的种子解，包括：

32、启动遗传算法进行优化时，初始化地创建一个初始种群，包含 n 个解向量，其中一个解向量是梯度下降法得到的向量x，其余解向量通过随机生成获得。

33、其中，利用遗传算法进行进一步优化向量x，通过多代进化来寻找向量x的最优解，包括：

34、计算种群中每个解向量的目标函数值 l = α * t - β * p，所述目标函数l用于评估解向量的适应度，其中目标函数值l越低表明所对应的解向量的适应度越高；

35、从最后一代种群中选择适应度最高的解向量作为向量x的最优解。

36、本发明还公开了一种基于城市信息模型cim的公交车站点与快速路出口优化布局装置，其特征在于，所述装置包含处理器、存储器，所述处理器通过执行存储器中的计算机指令实现前述的方法。

37、本发明基于城市信息模型（cim）的数据挖掘和利用，通过获取cim中的小汽车停车目的地数据和各个停车目的地的小汽车流量数据，为进一步分析提供基础。这使得公交车站点和快速路出口的优化布局更加符合实际的交通需求，从而提高了整个城市交通系统的效率。

38、本发明利用核密度估计（kde）计算各区域的停车密度分布，通过这种方法可以识别出城市中交通需求较高的热点区域，为公交车站点的选址提供依据，这样可以保证公交车站点布局更加合理，进一步提高公共交通服务水平。

39、本发明结合梯度下降法和遗传算法对公交车站点选择概率进行优化，有效地提高了公交车站点布局方案的质量。通过梯度下降法得到种子解，再利用遗传算法对其进行进一步优化，可以在较短时间内得到较优的布局方案。通过本发明的方法可以实现公交车站点的选址充分利用了cim的数据，更好地满足了城市交通需求，同时为快速路出口的优化布局提供了参考。