公交线网调整对客流影响的评估方法及系统与流程

本发明涉及交通领域，尤其涉及一种公交线网调整对客流影响的评估方法及系统。

背景技术：

1、城市建设不断进行，公交线网也需要适时调整以适应形势变化。线网调整的方式有增加线路、删除线路和调整线路等。常见的公交线网调整的原因有：1）人群聚集地变化导致公交出行需求出现较大变化，如新的居民小区、新的商业楼盘等；2）其它交通方式竞争，典型的如新的轨道交通线路开通、小汽车保有量增加、新兴的低空交通等。

2、公交线网调整的主要问题有：1）如何调整线路以适应形势变化；2）如何对调整后的线网做影响评估，特别是客流影响评估。本发明针对线网调整后对客流影响的评估。评估内容包括：哪些线路会受到线路调整的影响、客流分别是增加还是减少，具体数量多少等。

3、目前公交线网调整对客流影响的评估主要是利用交通模型做客流分配仿真，然后在仿真的基础上分析客流变化。客流分配仿真的思路可以总结为：

4、1）预先设定带参数的客流分配模型如logit模型；

5、2）通过历史数据标定模型中参数；

6、3）根据标定的参数对调整后的公交线网进行客流分配仿真。

7、目前公交线网调整对客流影响评估的方法有以下缺点：

8、1）客流分配模型的形式需要根据经验预先设定，如logit，而无论哪种形式的模型对现实世界的逼近程度有限；

9、2）乘客的出行具有一定的随机性，模型计算结果无法和历史数据完全吻合。这样在做客流影响评估时容易出现和常识相悖的评估结果：例如线路调整后出行时间变短了，其它条件不变，但客流分担反而减少了。

10、近年来公交od估算的准确度越来越高，有90%左右。已经可以通过对全部od进行分析来评估线网调整对客流的影响。

技术实现思路

1、本发明实施例所要解决的技术问题在于，提供一种公交线网调整对客流影响的评估方法及系统，以评估公交线网调整后对客流的影响。

2、为了解决上述技术问题，本发明实施例提出了一种公交线网调整对客流影响的评估方法，包括：

3、步骤s1：采集预设历史时期的线网静态数据、线路运营信息、客流od数据；

4、步骤s2：建立乘客选择不同路径概率的机器学习模型；

5、步骤s3：根据公交线网的调整信息获取对应受影响的od；

6、步骤s4：通过机器学习模型计算各受影响的od在调整后的公交线网下各路径的客流分配；

7、步骤s5：计算出每条线路在公交线网调整后的客流情况，然后与公交线网调整前的客流情况进行对比，得到公交线网调整对客流影响的评估。

8、相应地，本发明实施例还提供了一种公交线网调整对客流影响的评估系统，包括：

9、历史数据准备模块：采集预设历史时期的线网静态数据、线路运营信息、客流od数据；

10、模型构建模块：建立乘客选择不同路径概率的机器学习模型；

11、受影响od获取模块：根据公交线网的调整信息获取对应受影响的od；

12、客流分配模块：通过机器学习模型计算各受影响的od在调整后的公交线网下各路径的客流分配；

13、影响评估模块：计算出每条线路在公交线网调整后的客流情况，然后与公交线网调整前的客流情况进行对比，得到公交线网调整对客流影响的评估。

14、本发明的有益效果为：本发明可以显著提高公交线网调整对客流影响评估的准确性，本发明对指导公交线网调整有很重大的意义。

1.一种公交线网调整对客流影响的评估方法，其特征在于，包括：

2.如权利要求1所述的公交线网调整对客流影响的评估方法，其特征在于，所述步骤s4包括：

3.如权利要求2所述的公交线网调整对客流影响的评估方法，其特征在于，步骤s42中，根据以下方式确定路径的客流分配权重：

4.如权利要求3所述的公交线网调整对客流影响的评估方法，其特征在于，步骤s42中，根据客流分配权重按比例分配各路径的客流量：

5.如权利要求1所述的公交线网调整对客流影响的评估方法，其特征在于，所述机器学习模型的输入是同一个od下两条路径在不同峰段下的发车间隔、出行时长、出行距离、换乘次数和换乘距离，如果路径包括多条线路，则发车间隔为这些线路发车间隔的和；模型的输出则为乘客选择第一条路径的概率p。

6.一种公交线网调整对客流影响的评估系统，其特征在于，包括：

7.如权利要求6所述的公交线网调整对客流影响的评估系统，其特征在于，客流分配模块根据以下步骤得到各路径的客流分配：

8.如权利要求7所述的公交线网调整对客流影响的评估系统，其特征在于，客流分配模块根据以下方式确定路径的客流分配权重：

9.如权利要求8所述的公交线网调整对客流影响的评估系统，其特征在于，客流分配模块根据客流分配权重按比例分配各路径的客流量：

10.如权利要求6所述的公交线网调整对客流影响的评估系统，其特征在于，所述机器学习模型的输入是同一个od下两条路径在不同峰段下的发车间隔、出行时长、出行距离、换乘次数和换乘距离，如果路径包括多条线路，则发车间隔为这些线路发车间隔的和；模型的输出则为乘客选择第一条路径的概率p。