一种基于个体活动链的公交客流时空分布仿真方法及仿真系统的制作方法
【技术领域】
[0001] 本发明涉及一种可以同时获得个体出行者公交出行时空特性信息的仿真方法及 系统，属于交通出行特征仿真领域。
【背景技术】
[0002] 随着小汽车保有量的不断增加，越来越多的城市居民选择小汽车出行，导致城市 道路交通拥堵日益严重。与新建高质量道路相比，合理控制交通需求、发展公交优先能够更 科学有效地解决拥堵问题。公交客流的时空分布是进行公交优先政策研宄的基础资料，建 立一个准确、适用性广的公交客流时空分布仿真系统对公交优先的研宄有重要意义。活动 参与是交通需求产生的根源，所以对活动分析法的深入探宄有重要现实意义。活动分析法 主要专注于对出行行为和出行原因的分析，重点研宄不同活动间的联系、出行链的特性、出 行时间分配和个人出行决策模式等。
[0003] 现有的公交客流仿真或预测方法沿用"四阶段法"的预测过程，集聚粗放的预测方 法不能充分考虑个体在整体交通中所起的作用，无法描述因为个人活动安排变化对城市整 体公交客流时空分布的影响。同时现有的方法往往"就公交谈公交"，不能体现居民不同出 行方式选择之间的相互影响，与实际情况出入很大。而基于个体活动链的公交客流仿真可 以解决这一问题。
[0004] 现有的基于个体活动链的交通预测模型主要从个体活动的开始时间、持续时间和 出行方式角度对个体出行行为进行仿真模拟，但存在的问题是往往只能在确定时间维度或 空间维度的出行后，对另一维度下的交通出行进行微观仿真，而无法同时对时间和空间的 出行分布进行仿真。然而，交通出行的时空分布往往相互影响，不同的出行地点花费不同的 出行时间，因此以往模型的仿真结果往往与实际交通情况之间存在较大差异。
【发明内容】
[0005] 发明目的：为了克服现有技术中存在的不足，本发明提供一种基于个体活动链的 公交客流时空分布仿真方法及仿真系统，该仿真方法及仿真系统基于个体出行链，将交通 分布进行时间和空间两个维度的同时仿真，最后从总体出行链中提取公交出行信息，从而 使仿真结果更贴近现实生活中交通参与者的出行行为。
[0006] 为实现上述目的，本发明采用的技术方案为：一种基于个体活动链的公交客流时 空分布仿真方法，包括以下步骤：
[0007] 步骤1)，根据居民出行情况、交通小区和城市路网的现有历史数据进行数据预处 理，得到居民出行数据、交通小区数据、道路网数据，并对这些数据进行时空检验；
[0008] 步骤2)，根据居民出行数据、交通小区数据、道路网数据，利用强化学习理论对居 民活动出行链的时空信息进行仿真；
[0009] 步骤3)，根据居民活动出行链的时空信息提取城市整个公交客流时空分布信息。
[0010] 所述步骤2)中居民活动出行链的时空信息仿真过程如下：
[0011] 21)，根据居民出行数据、交通小区数据、道路网数据，抽取一个居民艮的出行属 性，所述出行属性包括居住地所在的交通小区ZH，工作地所在的交通小区ZW和当天的活动 出行链 P，所述活动出行链 P = (HD1-FS1-HD2--FSlri-HD n)，其中 HD = (HD1, HD2，…，HDn) 为居民当天所进行的活动，FS = (FS1, FS2，…，FSlri)为居民活动而采用的交通出行方式，η 为该居民当天进行的总活动数；
[0012] 22)，将一天24小时离散化为96个间隔为15min的时间序列向量T = (Tl, Τ2,… ，T96)，且活动的开始时间TS e T，获得持续时间TD e T，得到初始的居民活动状态SO = (HDi, TSQ，TD。，ZHi)，HDi为随机选择活动，TS。为随机选择活动HD i的开始时间，TD。为随机选 择活动HDi已经持续的时间，，ZH ,为随机选择活动HD ,所在的交通小区，根据活动类型Nat 初始化Q值矩阵QV，所述初始化Q值矩阵QV为Nat*96*96*NZ*NZ的零矩阵，NZ为交通小区 数，所述居民活动出行链中HD中的活动HD i可以按活动类型分为Nat类；
[0013] 23)，基于上一步的状态St= (HD k，TSt，TDt，ZHk)，随机选择一个动作A t，动作进行 后到达下一个状态St+1= (HD k+1，TSt+1，TDt+1，ZHk+1)，计算居民完成该动作计算得到A t带来的 回报值rt;
[0014] 24)，根据所选动作At带来的回报值r t，更新Q值矩阵QV ;
[0015] 25)，重复步骤23)和24)，直到Q值矩阵依据收敛判定标准收敛为止，获得一日内 每个时间步的最优选择，得到最合理的活动出行方案，获取该居民活动链完整时空信息；
[0016] 26)，选择另一个居民Rx+1按照以上5步仿真其一天出行的完整时空信息，直到判 定确认该居民为最后一个居民为止。
[0017] 所述步骤3)中获取整个城市公交客流时空分布的过程如下：
[0018] 步骤31)，按照各区居民出行调查的抽样率，依次对各区居民的活动链进行扩样； [0019] 步骤32)，提取城市所有居民的活动链中的公交出行，对该类出行的0D，出发时间 和到达时间进行统计，获取城市整体公交客流时空分布。
[0020] 所述回报值rt = r attract+rduration+rstart time+rtravel，中 ' -^attract 为地点吸引的回报， rduratim为活动持续时间的回报，r start tinre为活动开始时间的回报，r travel为地点转移的回报；
[0021]
【主权项】
1. 一种基于个体活动链的公交客流时空分布仿真方法，其特征在于，包括以下步骤： 步骤1)，根据居民出行情况、交通小区和城市路网的现有历史数据进行数据预处理，得 到居民出行数据、交通小区数据、道路网数据，并对这些数据进行时空检验； 步骤2)，根据居民出行数据、交通小区数据、道路网数据，利用强化学习理论对居民活 动出行链的时空信息进行仿真； 步骤3)，根据居民活动出行链的时空信息提取城市整个公交客流时空分布信息。
2. 根据权利要求1所述的基于个体活动链的公交客流时空分布仿真方法，其特征在 于：所述步骤2)中居民活动出行链的时空信息仿真过程如下： 21) ，根据居民出行数据、交通小区数据、道路网数据，抽取一个居民Rx的出行属性，所 述出行属性包括居住地所在的交通小区ZH，工作地所在的小区ZW和当天的活动出行链P， 所述活动出行链P = (HD1-FS1-HD2--FSlri-HD n)，其中HD = (HD1, HD2，…，HDn)为居民当 天所进行的活动，FS= (FS1, FS2，…，FSlri)为居民活动而采用的交通出行方式，η为该居民 当天进行的总活动数； 22) ，将一天24小时离散化为96个间隔为15min的时间序列向量T = (Τ1，Τ2，··· ，Τ96)，且活动的开始时间TS e Τ，获得持续时间TD e Τ，得到初始的居民活动状态SO = (HDi, TSQ，TD。，ZHi)，HDi为随机选择活动，TS。为随机选择活动HD i的开始时间，TD。为随机选 择活动HDi已经持续的时间，，ZHiS随机选择活动HD ,所在的交通小区，根据活动类型Nat 初始化Q值矩阵QV，所述初始化Q值矩阵QV为Nat*96*96*NZ*NZ的零矩阵，NZ为交通小区