[发明专利]一种基于蚁群算法的响应式公交服务规划方法

说明书

本发明涉及一种基于蚁群算法的响应式公交服务规划方法，通过以区域内出行者的出行时间、出行起终点等出行信息为基础，利用蚁群算法这一效果优、解释性强的启发式算法，规划包括发班时间、服务车型及途径站点在内的响应式公交服务方案，实现公交资源供给与公交出行需求的最优适配。本发明提出的方法具有数据驱动性，可规划得到稳定、优质的响应式公交服务方案；并且本发明提出具有良好的可解释性，便于使用者根据实际情况，理解、复现与改造方法，适用性广，可推广性强。

技术领域

本发明涉及交通领域，更具体地，涉及一种基于蚁群算法的响应式公交服务规划方法。

背景技术

随着“互联网+”的发展，越来越多定制化、个性化的服务方式涌现，响应式公交便是定制公交服务中重要的一种。其核心思想为，通过搜集、掌握区域内出行者的出行时间、出行起终点等信息，公交运营企业针对性的进行公交车辆调度与公交线路规划，从而实现区域内公交资源供给与公交出行需求的最优适配。相较传统固定排班、固定线路的公交服务而言，响应式公交服务无固定排班方案、无固定行驶线路，车辆以中小型为主，集合了私人交通与公共交通的特性，可弥补传统公交服务中的不足，同时也减少了传统公交服务中的资源浪费。

如何通过挖掘区域内出行者的出行时间、出行起终点等出行信息，规划包括发班时间、服务车型及途径站点在内的响应式公交服务方案，实现公交资源供给与公交出行需求的最优适配，是目前研究的重点和目的所在。

目前国内外研究中对于响应式公交服务的规划方法主要有两类，第一类是基于专家法的人工规划方法，第二类是基于机器学习理论的规划方法，详细如下^[1-3]：

第一，基于专家法等人工规划的方法。国内外学者对响应式公交服务的人工规划方法做了大量研究，较为经典的是先利用层次聚类法进行公交出行需求分析及交通小区划分，再构建运营成本、环境效益和社会效益等因素相关的服务模型，最后通过求解模型的形式，生成响应式公交服务方案。近年一些学者更全面的考虑了出行者乘坐响应式公交的意愿，掌握使用用户的需求特征，采用点线面分析法的思路，规划得出既满足出行需求，又能提高运营商收益的服务方案。但是上述方法过于依赖专家经验，无法很好的保证响应式公交服务的质量及稳定性，同时也无法规划大规模的响应式公交服务方案，因此现在被越来越少的采用。

第二，基于机器学习理论的规划方法。为了得到更稳定合理的响应式公交服务方案，国内外也有部分学者采用了基于机器学习理论的规划方法。这类方法以神经网络、增强学习等算法为主，可以得到较优质的响应式公交服务方案，但是存在两个关键且难以被解决的问题：(1)基于机器学习理论的规划方法计算复杂，涉及到的参数众多，规划开销大；(2)基于机器学习理论的规划方法可解释性差，不利于公交管理和运营者理解模型，复现模型。因为这两个问题的存在，限制了相关规划方法的发展。

沈昱^[4]等从系统分析的角度，对响应式公交系统的运行模式和组织方式进行了解构和论述，认为系统应由服务车辆、运行模式、需求响应系统、运行管理中心及车辆定位系统5部分组成。此外，还较为详细的列举了响应式公交服务的要点，如需合理控制系统的弹性、考虑系统的成本、保证服务的可靠性及组织充分的市场营销。该技术构建响应式公交服务的思路及考虑的要素，与本发明较为相似，但其仅进行了宏观的定性分析，未进行具体问题的建模与仿真模拟，因此所得结论的可靠性存疑，对实际应用中的响应式公交服务指导作用十分有限；

林叶倩^[5]等以混合整数规划问题的建模思路，构建了响应式公交的调度模型，并在考虑了公交运营企业与出行者的成本后，以整体出行成本最低作为目标函数，结合遗传算法对模型进行求解。其技术方案还发现，随着出行需求分布趋于广泛和随机，响应式公交服务相较于传统公交服务的优势会越来越明显。但是遗传算法本身可控性差，诸如变异、交叉等求解过程随机性强，不利于规划稳定可靠的响应式公交服务方案，对实际应用的指导也较为有限；