[发明专利]一种基于场景的城市轨道交通网络大客流分配方法

权利要求书

1.一种基于场景的城市轨道交通网络大客流分配方法，其特征在于：包括以下步骤：

(1)、对现实中的城市轨道交通网络进行抽象，构建系统模型作为大客流分配的网络基础；

(2)、对大客流出行所处的具体场景做出判断，确定所需的OD数据；

(3)、选择相适应的客流分配单元模型，并通过单元模型的组合构成基于特定场景的大客流分配模型；

(4)、应用对应的有效算法对模型进行合理求解，从而得到基于特定场景的城市轨道交通网络大客流分布的各项指标；

所述步骤(2)中根据有无“信息”及外地乘客是否“本地化”两项条件对大客流出行所处的场景做出判断；其中，所述“信息”是指运营管理部门提供反映路网状况的交通服务信息，所述“本地化”是指通过行前规划或现场问询方式借助本地乘客经验选择路径；

界定四类现实中大客流出行场景：场景I：无信息无本地化；场景II：无信息有本地化；场景III：有信息无本地化；场景IV：有信息有本地化；

对具体场景做出判断后，基于轨道交通自动售检票系统功能，利用包括历史客流在内的信息得到所需的OD数据；

面向所述大客流出行的四类不同场景，需要针对大客流两类乘客在上述出行场景下的路径选择行为特征来确定合适的单元模型，再通过这些单元模型组合来构建基于场景的网络大客流分配模型；进一步包括：

不同场景下的大客流分配计算是由相应的本地客流分配计算与外地客流分配计算两部分构成的，其基础的关键模型分别为阻抗分层考虑的客流分配模型、基于最少换乘的客流分配模型以及基于随机用户均衡原则的客流分配模型；对于本地乘客而言，主要受信息作用影响，在无信息作用下以阻抗分层考虑的客流分配模型计算其客流分布情况；在有信息作用下以基于随机用户均衡原则的客流分配模型计算其客流分布情况；对于外地乘客，主要受“本地化”过程发生与否的影响，在“本地化”过程未发生时以基于最少换乘的客流分配模型计算其客流分布情况；在“本地化”过程发生时以阻抗分层考虑的客流分配模型计算其客流分布情况；

阻抗分层考虑的客流分配模型用于计算无信息作用下的本地客流分布以及“本地化”过程发生时的外地客流分布；它是将影响乘客出行的确定性时间因素和不确定性拥挤程度、换乘方便性因素分两阶段来对路径的客流分配比例进行计算和修正，以时间阻抗为主确定客流在路径上的初始分配比例，再考虑路径上的换乘次数和静态的拥挤程度对该比例进行修正；

基于最少换乘的客流分配模型用于计算“本地化”过程未发生时的外地客流分布，它是根据大客流外地乘客由于对轨道交通路网的不熟悉而持有的路径选择特征，首先以换乘次数多少确定路径的选择优先级，换乘次数少的路径优先级别高，将被优先分配客流量；当同一优先级别下存在多条路径时，再考虑时间因素或旅行站数进行客流量的分配；

在信息作用场景下，路网拥挤状况实时信息被提供给大客流乘客，此时，大客流中的本地乘客一方面会根据自己以往的经验结合实时信息不断调整出行路径，另一方面由于信息的不完全性及乘客个体经验的差异又使得这种调整存在一定的随机性，从而遵循随机用户均衡原则进行路径选择；

所述有效算法为K短路径搜索算法、最少换乘路径搜索算法以及基于K短路随机加载的MSA算法；

K短路径搜索算法：

一种基于深度优先的Deletion Algorithm删除路径搜索算法，用以得到两点间所有的不包含重复节点的K条路径，该算法描述如下：

Step1：利用Dijkstra算法求得有向图(N，A)中以开始节点s为根的最短路径树，标记从开始节点s到结束节点t之间的最短路径为P_k，k＝1；

Step2：如果k小于要求的最短路径的最大数目K，并且仍然有候选路径存在，令当前路径P＝P_k，转Step 3；否则，程序结束；

Step3：找出当前路径P中从第一个节点开始的入度大于1的第一个节点，记为n_h；如果n_h的扩展节点n’_h不在节点集N中，则转Step 4，否则找出路径P中n_h后面所有节点中，其对应的扩展节点不在N中的第一个节点，记为n_i，转Step 5；

Step4：为节点n_h构建一个扩展节点n’_h，并把其添加到集合N中，同时从图(N，A)中所有n_h的前驱节点连接一条到n’_h的弧，弧对应的权重不变，添加这些弧到弧集A中，但n_h在P中的前一个节点n_h-1除外；计算从开始节点s到n’_h的最短路径，并记n_i＝n_h+1；

Step5：对于P中从n_i开始的所有后续节点，记为n_j，依次执行如下操作：①添加n_j的扩展节点n’_j到节点集合N中；②除了路径P中n_j的前一个节点n_j-1外，分别连接一条从n_j前驱节点到其扩展节点n’_j的弧，弧上的权值保持不变，并把这些弧添加到弧集A中，另外，如果p中n_j的前一个节点n_j-1具有扩展节点n’_j-1的话，也需要连接一条从n’_j-1到n’_j的弧，权值和弧(n_j-1，n_j)的权值相等；③计算从开始节点s到n’_j的最短路径；

Step6：更新当前最短路径树，求得从开始节点s到结束节点的当前扩展节点t’_(k)之间的最短路径为第k条最短路径，令k＝k+1，转2继续；

最少换乘路径搜索算法：

一种基于节点-线路关系的最少换乘路径搜索算法，用以得到网络上两点间所有不包含重复节点的最少换乘路径，

该算法描述如下：

Step1：输入城市轨道交通物理网络数据信息，初始化并令i＝1；

Step2：取第i个OD对rs；

Step3：搜索经过r的线路集P(I)，I＝1，2，…，m，m为正整数，以及经过s的线路集Q(J)，J＝1，2，…，n，n为正整数；

Step4：判断是否P(I)＝Q(J)，如是，则满足此条件的线路P(I)或Q(J)即为rs间的直达乘车线路，再应用Dijkstra算法得到rs间的直达乘车路径，输出结果，转至步骤9；否则，执行步骤5；

Step5：搜索线路P(I)上的站点E(I，U)，U＝1，2，…，p，p为正整数，以及线路Q(J)上的站点F(J，V)，V＝1，2，…，q，q为正整数；

Step6：判断是否E(I，U)＝F(J，V)，如是，则满足此条件的线路P(I)，Q(J)即为换乘1次的乘车线路组合，再应用Dijkstra算法搜索得到rs间的换乘1次乘车路径，输出结果，转至步骤9；否则，执行步骤7；

Step7：搜索经过E(I，U)的线路T(H)，H＝1，2，…，g，g为正整数，以及线路T(H)上的站点G(H，W)，W＝1，2，…，h，h为正整数；

Step8：判断是否G(H，W)＝F(J，V)，如是，则满足此条件的线路P(I)，T(H)，Q(J)即为换乘2次的乘车线路，再应用Dijkstra算法搜索得到rs间的换乘2次乘车路径，输出结果，转至步骤9；否则，亦执行步骤9；

Step9：判断rs是否为最后的OD对，如是，算法结束；否则，令i＝i+1，并转至步骤2；

基于K短路随机加载的MSA算法：

将K短路径搜索算法引入MSA，从而将现实出行中可能存在的迂回路径一并考虑进有效路径集中；将前面阻抗分层考虑的客流分配模型引入MSA，以该模型来执行每一步迭代中的运量随机加载；进一步包括：

基于K短路随机加载的MSA算法的流程步骤如下：

Step1：初始化；基于初始阻抗以阻抗分层考虑的客流分布模型执行一次K短路随机加载，产生路段流量置n＝1；

Step2：更新阻抗；置

Step3：方向搜索；在现有阻抗上，以阻抗分层考虑的客流分布模型执行一次K短路随机加载，得到更新的路段流量

Step4：搜索方向是然后“相继平均”移动，即

Step5：收敛性检验；若已满足收敛指标要求，停止计算；否则，令n＝n+1，转入Step2；收敛性判断准则为