[发明专利]面向个性化出行需求的跨模式组合出行规划方法

摘要

面向个性化出行需求的跨模式组合出行规划方法，属于智能交通信息服务领域。现有技术提供的出行方案较为固定，无法根据用户对时间、经济等不同需求的特点生成个性化的方案。本发明首先将现有出行方式的出行过程进行单元化分解，在单元化过程中引入一些测算方式获得较为准确的出行单元数据。对区域路网在超级网络的概念上设置节点、路段，搭建不同交通方式所组成的综合网络层，将节点ID编码与出行单元的时间数据相匹配，生成路径算子。本方法从用户的需求出发，将各种出行方式的舒适程度、花费、路程时间等数据设立为适应性评价标准。根据路径算子，标定适应性评价标准，采用遗传算法求解，最终为用户提供具有经济、省时、舒适、低碳特点的出行方案。

主权项

面向个性化出行需求的跨模式组合出行规划方法，其特征在于：该方法包括如下步骤，步骤1，出行单元化分解；出行单元化分解是结合不同出行模式的特点划分为不同的出行时间单元；首先将地面公交、地铁、网络约租车、机场大巴、商务班车、骑行、步行7种不同交通方式分别标记为‑1至‑7，此标记称为出行方式编码；然后根据7种不同出行方式的出行特点，将每个出行过程依次进行分解，根据其特点分解为候车时间单元、乘车时间单元、换乘时间单元、进站时间单元、出站时间单元、叫车时间单元、寻车时间单元、骑行时间单元、步行时间单元的一种或几种；步骤2，获取交通数据；针对不同出行方式的时间单元分析与其对应的历史数据、动态数据、静态数据和个性化出行数据，获取不同出行单元的出行特征值；步骤3，建出行网络层；基于超级网络的概念，对现有路网搭建不同出行方式的网络层；按如下步骤通过二维坐标系完成综合网络层节点的合并，并完成节点坐标的简化：(1)将所有网络层合并，形成综合层，所有的网络层节点在综合层中以不同颜色体现；(2)在综合层中建立二维平面直角坐标坐标系，以西向东方向为X轴正方向，以南向北方向为Y轴正方向，Y轴与综合层中最西的节点重合，X轴与综合层中最南的节点重合(3)该二维平面直角坐标坐标系的X轴、Y轴单位长度为米；先以X轴正半轴的顺序对每个节点所在纵轴从0开始依次编号，再以Y轴正半轴的顺序对每个节点所在横轴从0开始依次编号；(4)对坐标轴上所有路网节点进行距离测算，两点间横纵距离均小于20米的点，右侧点向左侧点合并以删除右侧点横纵坐标轴，其X轴右侧、Y轴上侧坐标依次减1；(5)重复步骤(4)直至所有点不存在上述距离相近的点，完成对路网坐标轴的简化；以最终路网坐标轴中的最大数字的位数为基准，其余坐标位数不足自动在前补零；即所有节点所在X轴、Y轴编号即为该点的横坐标与纵坐标，该坐标称为节点ID；最终按出行方式的编码匹配上综合层两个节点坐标形成不同网络层路径的编码；以该节点ID编码进行数据与节点染色体编码的关联，并生成路径算子应用于遗传算法的路径决策；步骤4，采用遗传算法求解；1)确定初始种群设定出行起终点和遗传算法参数；起点节点ID为0000，终点节点ID为9999，并对路径设置阈值，当该路径的某项指标超过阈值时直接舍去；阈值具体值为：步行路径最大距离小于2000米，骑行路径最大距离小于5000米，网络约租车路径最小距离大于2000米，路径总换乘次数小于5次；设置评价标准分别为完成出行的总价格、出行的总时间、乘坐过程舒适度、出行的总碳排放；在各单一标准即价格最少、或路程时间最短、或舒适度最高、或碳排放最低的标准下，从出行起点到终点共生成20条以上单一标准最优的初始路径；2)通过遗传算法进行交叉变异设定遗传算法参数中物种间变异概率为0.2，种内变异概率为0.15，种间交叉概率为0.35，种内交叉概率为0.3；当操作发生时，通过四种算子对种群内的个体进行操作，得出新的个体，保留旧个体，重复此操作直至所有旧个体都得到操作；3)适应性评价指标标准化；将超级路网中各个站点的数据转化为路径段数据，其方法如下：(1)时间数据计算方法；通过染色体编码判断起终点和所用交通工具，通过起终点编码得出起终点间距离；网络约租车通过距离除以通过该路段平均速度得到，平均速度为动态数据，通过对当前路况拥堵程度及路段控制因素综合得出；公租自行车时间通过距离除以使用者平均骑行速度得到；地面公交时间通过历史公交到站时间数据预估获得，如何设定同时根据公交实时GPS数据和路况信息每5分钟动态更新到站时间；地铁时间通过查询地铁到站时刻表及地铁进出站换乘时间表得到；(2)价格数据计算方法；通过染色体编码判断起终点和交通工具，公共交通通过对应价格计算表查询得出；网络约租车及公租自行车通过整合计价规则计算得出；(3)舒适度数据计算方法；通过确定起终点及交通工具后计算得出；首先通过预先调研与计算得出不同交通工具对应每公里舒适度计算公式，后根据距离计算出对应路径的舒适度；(4)碳排放数据计算方法；通过先前整合资料得出每公里不同交通工具碳排放量，乘以对应距离得出；在得出各项路径数据后，对其进行标准化，计算方法如下：(1)对行程时间，碳排放及价格数据的标准化方法如下：μ1(xi)＝α1(xi)/α1(max)μ2(xi)＝α2(xi)/α2(max)μ3(xi)＝α3(xi)/α3(max)其中xi为被评价路段；μ1(xi)为标准化后的行程时间评价值，μ2(xi)为标准化后的碳排放评价值，μ3(xi)为标准化后的价格评价值；α1(xi)为行程时间初始评价值，α2(xi)为碳排放初始评价值，α3(xi)为价格数据初始评价值；α1(max)为行程时间评价指标中的最大值，α2(max)为行碳排放评价指标中的最大值，α3(max)为价格评价指标中的最大值；(2)对舒适度数据标准化方法如下：β(xi)＝α4(xi)/α4(max)μ4(xi)＝1‑β(xi)其中μ4(xi)为标准化后的舒适度评价值，α4(xi)为行程舒适度评价值初始值，α4(max)为舒适度评价指标中的最大值；β(xi)为舒适度指标；因舒适度指标数值表示的百分比定义与其余三项定义相反，故采用该方法将舒适度数据与其余三项数据统一到同标准下；4)适应性评价及判断进化代数；首先将得到的种群中某一项或多项评价标准超过阈值的个体删除后，得到新的种群；由于得到的种群中个体均存在四个维度的指标，而多维向量的比较结果为一个Pareto优化解集；经过适应性评价和算则算法后，将选择出来的路径组成新的种群，以此进行下一轮的计算；当迭代次数达到2000次以上时停止，并进入下一步；步骤5.最终种群解码；筛选出最终种群中四项指标分别最优的个体，对其进行解码；首先通过单个模式标记区确定出行方式，并对标记区内的各染色体分别进行解码，每个编码应该代表一个路段，每个标记区内的路段都包含对应出行方式的路段长度、路段拥挤度、路段出行价格、舒适度、碳排放信息；最终将单个模式标记区整合，得出最后的出行方案。