一种历史街区公交可达性测算方法与优化方法

技术领域

本公开涉及交通运输规划技术领域，具体涉及一种历史街区公交可达性测算方法与优化方法。

背景技术

由于我国的城镇化水平与机动化进程不断提高，历史街区出行需求越来越高，其与街区内的交通设施供给、建筑环境保护的矛盾愈加明显。传统的公交规划方法以提高机动性为导向，对历史街区的用地性质、出行者特性等缺乏定量刻画，并没有把出行主体放在首要位置。

发明内容

有鉴于此，本发明的目的在于提出一种历史街区公交线网可达性测算方法，对历史街区的用地性质、出行者特性进行定量刻画，基于正效用和负效应来计算研究区域内各交通小区的公交线网可达性大小，在最大限度保护历史街区建筑环境的同时，提升历史街区常规公交的个体可达性；并在本发明可达性测算的基础上，提出在保护历史街区建成现状的基础上，以减少出行阻力为目标，对已有的公交线网进行优化，从而提升历史街区常规公交通达性，将历史街区的环境保护与公共交通网络布局相结合，进而提升历史街区居民公交出行便利度、降低居民公交出行阻力。

基于上述目的，本发明提出如下技术方案：

第一方面，本发明提出一种公交线网可达性测算方法，所述方法包括利用下述可达性公式计算交通小区i的公交线网可达性大小：

式中：

Di为交通小区i最近站点的客流吸引量，Ti为交通小区i的出行阻力；所述交通小区为具有一定交通关联度和交通相似度的节点或连线的集合。

在上述技术方案中，所述方法对历史街区的用地性质、出行者特性进行定量刻画，用正效用和负效应来计算某个历史街区交通小区的公交线网可达性大小，在最大限度保护历史街区建筑环境的同时，提升历史街区常规公交的个体可达性。不仅度量方法简单，而且体现以人为本的设计思想，可达性越高，说明历史街区道路利用率越高，越满足交通小区居民出行者需求。

作为上述技术方案的改进，在所述方法中，所述交通小区i的POI指数通过下式计算，以方便度量计算：

式中：

E为POI的类别总数；e为POI的类别；ω

作为上述技术方案的改进，在所述方法中，提供一种负效应量化计算方式：

T

w1

式中：f为公交车的发车频率，单位辆/小时；m为出行者的乘车次数；δ为偏差因子，表示实际发车时间与公交车发车时刻表之间的偏差；T3

式中：n为公交站点之间的公交线路数量；l

作为上述技术方案的改进，在所述方法中，所述POI的类别可从地图获取，包括：餐饮服务、风景名胜、公共设施、购物服务、商务住宅、生活服务、金融保险服务、科教文化服务、体育休闲服务、医疗服务、政府机构及社会团体、住宿服务、交通设施，以尽可能全面准确度量每个交通小区的综合服务指数。

作为上述技术方案的改进，在所述方法中，所述POI的权重通过结构熵权法确定，将各个指标进行客观量化度量分析，为可达性度量做参考依据。

第二方面，本发明提出一种公交线网优化方法，所述方法包括下述步骤：

S100、对每条公交线路按照下式计算可达性，并设置可达性阈值：

式中：

Di为交通小区i的POI指数，Ti为交通小区i的出行阻力；所述POI指数用于度量交通小区中历史街区的土地分布规模、类型和密度；所述交通小区为具有一定交通关联度和交通相似度的节点或连线的集合；所述交通小区i的POI指数通过下式计算：

式中：E为POI的类别总数；e为POI的类别；ω

S200、对未达到可达性阈值的公交线路，将其作为待优化公交线路，建立目标函数及约束条件；所述目标函数为：

T

所述约束条件为：

(1)线路长度：5km≤L≤20km；

(2)平均站距：

(3)线网密度：

(4)线路非直线系数：

(5)居民出行时间消耗：T

式中：

Ti为交通小区i的出行阻力；

T1

T2

式中：f为公交车的发车频率，单位辆/小时；δ为偏差因子，表示实际发车时间与公交车发车时刻表之间的偏差；

T3

式中：n为公交站点之间的公交线路数量；l

S300、通过使目标函数取得最小值，获得满足约束条件和可达性阈值的优化线路。

在上述技术方案中，在可达性的基础上，提出以提高土地使用和减少出行阻力来构建目标函数，将线路长度、平均站距、居民出行时间消耗等作为约束条件的模型，利用蚁群算法对公交网络进行优化设计，优化后的公交线网提升了历史街区常规公交通达性，线网运行效率高，居民出行时间短，在保护历史街区建成现状的基础上，提升历史街区常规公交通达性，，将历史街区的环境保护与公共交通网络布局相结合，满足历史街区交通小区出行便利度、降低居民公交出行阻力。

作为上述技术方案的改进，在所述方法中，所述优化线路通过改进的蚁群算法对公交线路获得，通过改进的蚁群算法使目标函数在迭代范围内且满足约束条件下的最小值，从而快速获得一条满足本发明可达性度量下的优化公交线路，以期在不破坏历史建筑环境的情况下，改善历史街区居民的出行体验。所述改进蚁群算法如下：

S301、选择一条未优化的公交线路作为当前线路；

S302、将M1只蚂蚁放到确定的起终点上，计算出各个路段的信息素，根据转移概率逐步优化，确定蚂蚁的移动方向；

S303、每完成一次搜索，更新一次备选节点集合，去除已经走过的公交站点；

S304、搜索下一个节点，直到完成完整的路径搜索，删除该只蚂蚁；对小区内的公交出行的起终点进行搜索，直到完成所有起终点对的公交线路；

S305、在蚁群完成路径寻优后，对优化后的公交线路长度进行计算，将计算结果与当前公交线路的值比较，更新当前公交线路的值为两者中的最小值，并更新该路径上的信息素强度；

S306、判断当前优化的公交线路是否满足所有约束以及可达性标准，如果满足，则输出该线路的所有节点作为公交站点，以及两个节点之间的距离；否则，返回S302重新调整；

S307、判断是否还有未优化的公交线路，若有，则选择一条未优化的公交线路作为当前线路，返回S302。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1、实施例1中西安市碑林区交通小区及起止点分布示意图；

图2、实施例1中各阶段加权行程时间示意图；

图3、实施例1中西安市碑林区公交线网优化前可达性测算结果示意图；

图4、实施例1中优化设计前后的公交线网优化后车站即线路布置图；

图5、实施例1中西安市碑林区公交线网优化后可达性测算结果示意图；

图6、实施例1中公交网络优化设计前后交通小区可达性水平对比图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在实施例1中，以西安市碑林区为公交网络可达性优化设计的对象。依据碑林区的土地利用性质、路网结构等因素，将研究区域划分为16个交通小区。所述交通小区是具有一定交通关联度和交通相似度的节点或连线的集合，随时间、关联度和相似度的变化而变化，反映城市路网交通特征的时空变化特性。如图1所示。

碑林区地处西安市中心的东南部。有近100条公交线路经过该区域，设有近100个常规地面公交站点。与此同时，地铁2号线、3号线、4号线三条地铁线路同时经过该区域，总长近10公里。三条地铁线路均为南北向，基本平行分布，布设轨道站点10余个。根据站点和线路的初步布置情况，得出碑林区公共交通网络的可达性现状。

在Arcgis平台下，通过重心法得到交通小区的中心位置作为出行的起点，通过近邻分析的方法得到距离小区中心最近的站点集，作为小区居民公交出行的出发站点。

基于公交网络与站点之间的拓扑关系。经过验证和修正，建立公交数据集，验证后生成交通小区间OD(起止)距离成本矩阵。利用ArcGIS进行路径分析，计算站点之间的公交出行路径长度和出行时间，如图2所示。

通过ArcMap，将划分好的交通小区在ArcMap按字段依次导出，添加裁剪工具，输入要素为POI点数据，裁剪要素为交通小区面数据，即可得到各个交通小区的POI数量。考虑到获取POI类型较多，交通小区内不同类型的POI对于公交出行影响程度不一。通过结构熵权法确定各类POI的权重，结构熵权法计算流程如下：

(1)获得POI类型，对每个类型均设置E个评价指标，则指标集合为U＝{u

(2)对指标u

e＝1，2...，E，f＝1，2...，F

其中b为转化参数量，b＝e

(3)计算平均认知度r

(4)计算盲度J

(5)对指标u

(6)将各个指标总体认知度ue’进行归一化处理，得到各指标的权重we，如下所示：

在对POI数据进行合并和分类后，共选择了13类的44057个点，POI数据的权重和数量如表1所示。根据POI指数，计算各交通小区的正效用。

根据POI指数，计算各交通小区的POI指数，计算结果如表2所示：

根据本发明的可达性公式，计算各个小区的可达性，如图3所示。所述可达性通过下述公式计算：

式中：

Di为交通小区i的POI指数，Ti为交通小区i的出行阻力；所述POI指数用于度量交通小区中历史街区的土地分布规模、类型和密度；所述交通小区为具有一定交通关联度和交通相似度的节点或连线的集合；所述交通小区i的POI指数通过下式计算：

式中：E为POI的类别总数；e为POI的类别；ω

根据设置的可达性阈值，选择需要优化设计的公交线路如表3所示：

表3

建立上述待优化公交线路的目标函数及约束条件。

(I)目标函数：

T

式中：

Ti为交通小区i的出行阻力；

T1

T2

式中：f为公交车的发车频率，单位辆/小时；δ为偏差因子，表示实际发车时间与公交车发车时刻表之间的偏差；

T3

式中：n为公交站点之间的公交线路数量；l

(II)约束条件为：

(1)线路长度：5km≤L≤20km；

(2)平均站距：

(3)线网密度：

(4)线路非直线系数：

(5)居民出行时间消耗：T

采用下述改进的蚁群算法，获得优化后的公交线路，步骤包括：

S301、选择一条未优化的公交线路作为当前线路；

S302、将M1只蚂蚁放到确定的起终点上，计算出各个路段的信息素，根据转移概率逐步优化，确定蚂蚁的移动方向；

S303、每完成一次搜索，更新一次备选节点集合，去除已经走过的公交站点；

S304、搜索下一个节点，直到完成完整的路径搜索，删除该只蚂蚁；对小区内的公交出行的起终点进行搜索，直到完成所有起终点对的公交线路；

S305、在蚁群完成路径寻优后，对优化后的公交线路长度进行计算，将计算结果与当前公交线路的值比较，更新当前公交线路的值为两者中的最小值，并更新该路径上的信息素强度；

S306、判断当前优化的公交线路是否满足所有约束以及可达性标准，如果满足，则输出该线路的所有节点作为公交站点，以及两个节点之间的距离；否则，返回S302重新调整；

S307、判断是否还有未优化的公交线路，若有，则选择一条未优化的公交线路作为当前线路，返回S302。

图4为优化前和优化后的线路布置意图。优化后的交通小区可达性情况如图5所示，和图2对比可见。图2中可达性差的区域，在图5中可达性有了相对提升改善，见图6中优化前后的可达性对比图。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本公开可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本公开而言更多情况下，软件程序实现是更佳的实施方式。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。