[发明专利]不同聚合态下的换乘车站客流诱导策略优化方法

摘要

本发明揭示一种不同聚合态下的换乘车站客流诱导策略优化方法，包括以下步骤步骤一、服务网络状态分析，步骤二、构建诱导策略模型，步骤三、差异化诱导策略模型算法设计。本发明融合交通规划、管理学、控制论等多学科的科学问题，通过对换乘站服务网络状态的分析，确定其聚合态的差异化阶段，利用互动反馈模型构建常态下诱导策略的双层规划模型，并进行了算法设计，为出行旅客提供更好的服务。

主权项

一种不同聚合态下的换乘车站客流诱导策略优化方法，包括以下步骤：步骤一、服务网络状态分析，包括：1)状态描述，包括：(1)旅客特征描述参量，包括宏观和微观两个层面，所述宏观层面描述旅客流的流量、密度与速度之间的关系，所述微观层面，考虑每个乘客的个体特征；(2)基础设施特征描述参量；(3)环境特征描述参量，包括空气质量和噪声污染；2)差异化划分，包括；(1)基础聚合态确定，参照枢纽的设计标准，以此设计标准为基础计算出枢纽输入参量值组成的状态即为基础聚合态，基础聚合态的确定指标取决于基础设施的描述参量，由物理属性、空间属性、联结属性、通行能力和设施运用决定；(2)容量缩放因子，基础聚合态确定后，针对不同枢纽不同时段的状态，设定一个控制参数——容量缩放因子β，使聚合态描述具有一定的弹性,更符合现实情况；(3)差异化诱导策略；步骤二、构建诱导策略模型，包括：1)构建双层规划模型，包括；(1)反馈模型结构；(2)双方互动反馈关系2)构建常态诱导策略模型，包括采用BPR函数建立上层规划模型和建立下层规划模型；步骤三、差异化诱导策略模型算法设计，包括：1)进行初始化；2)将种群中的每个染色体代入下层规划模型中进行UE流量分配，得到各通道的流量，然后将各通道的流量代回到上层规划模型中得到上层规划的目标函数值，该目标函数值作为染色体的适应度值；3)对种群中的染色体采用轮盘赌选择方式选取一半的染色体作为父辈，将另外一半染色体删除；4)将父辈染色体进行交叉，生成新的染色体作为子辈，父辈和子辈又重新构成大小为M的种群；5)对新的种群中所有染色体进行变异；6)终止条件判断：如果t≤T，转到步骤三的步骤2)；否则，进入步骤7)；其中，t表示迭代次数；T表达最大的迭代次数，也就是迭代次数的上限；7)算法终止，输出最优解和目标函数值。