基于馬爾可夫模型的公共自行車系統(tǒng)調控方法
【技術領域】
[0001] 本發(fā)明屬于交通運輸規(guī)劃與管理中的公共交通領域，具體涉及一種基于馬爾可夫 模型的公共自行車系統(tǒng)調控方法。
【背景技術】
[0002] OD矩陣(起訖點交通量，即從交通出行的出發(fā)點到終點之間的交通量)提供車輛或 行人從某一特定地理區(qū)域到另一區(qū)域運動的基本信息。它在交通和運輸管理中扮演關鍵角 色。面對日益嚴重的城市交通擁堵問題，優(yōu)先發(fā)展公共交通已經成為社會的共識，公共自行 車也成為解決公交、軌道交通接駁問題的有效解決辦法，然而要高效利用公共自行車，就需 對公共自行車OD進行準確地統(tǒng)計推斷，從而對公共自行車服務站設置、車輛配置及車輛調 度進行更合理地規(guī)劃和布置。但是現(xiàn)有的公共自行車系統(tǒng)大多未能對自行車OD進行準確 的推斷，從而存在自行車服務站的設置規(guī)模與當前及以后所必需的服務能力不協(xié)調，具體 表現(xiàn)在：有些站點嚴重不能滿足市民出行需求；而有些站點又存在能力嚴重過剩。而目前 存在的OD統(tǒng)計推斷大多用于城市區(qū)域交通量OD推斷，公交OD統(tǒng)計推斷，用于公共自行車 OD推斷的研宄較少。OD統(tǒng)計推斷方法通常利用有限的調查數(shù)據(jù)進行迭代計算，又因調查數(shù) 據(jù)中數(shù)據(jù)缺失的存在從而導致得不到閉合解，且大多未利用先驗信息，因而對OD的統(tǒng)計推 斷存在較大誤差。因此，一種有效利用先驗信息的能得出閉合解的公共自行車OD統(tǒng)計推斷 方法具有重要意義。
[0003] 因公交OD統(tǒng)計推斷與公共自行車OD統(tǒng)計推斷具有相似性，故以下對現(xiàn)有公交 OD統(tǒng)計推斷方法進行簡述，Zuylen and Willumsen使用大規(guī)模直接采樣調查數(shù)據(jù)的方法， 該方法雖然采集數(shù)據(jù)的準確性較好，但費用相當昂貴，且需要時間長，耗費大量人力；Van Zuylen and Willumsen采用的方法是利用交通網絡上每條選擇路線中獲得的交通流量來 計算發(fā)生量與吸引量，而不是對發(fā)生量與吸引量實施任何特殊的模型。這種方法比大規(guī)模 樣本方法更便宜。然而，鑒于經濟原因，所選相關路線的數(shù)量實際應用中相對較少，因而 存在大量未知參數(shù)(發(fā)生量與吸引量）但很少可得觀測，從而導致高度遺漏問題；為解決高 度遺漏問題，Van Zuylen and Willumsen提出最大j：商方法，這種方法確定一個OD矩陣，這 使選擇出行矩陣增加盡可能少的數(shù)據(jù)信息到每個交通網絡中預先選擇的路線上。上述方 法均未有效利用OD的先驗信息，Maher和Hazelton提出的貝葉斯方法，Van Zuylen and WiIIumsen提出的最大j：商方法，來結合交通流方面先驗信息與當前信息，從而使先驗信息得 到有效利用，但由于參數(shù)量巨大，計算繁瑣。
[0004] 因此，需要一種新的OD統(tǒng)計推斷的方法以解決上述OD推斷問題并將其應用于公 共自行車領域，對公共自行車OD進行準確推斷。

【發(fā)明內容】

[0005] 技術問題：本發(fā)明提供一種高效準確、縮短數(shù)據(jù)采集時間，減少數(shù)據(jù)采集成本，節(jié) 約大量調查資源的基于馬爾可夫模型的公共自行車系統(tǒng)調控方法。 技術方案：本發(fā)明的基于馬爾可夫模型的公共自行車系統(tǒng)調控方法，包括如下步驟： (1) 通過公共自行車信息中心獲取自行車借出與歸還統(tǒng)計量，將其分為先驗組和后驗 組； (2) 將所述先驗組的統(tǒng)計量使用一階馬爾科夫模型參數(shù)化方法進行計算，將得到的結 果作為先驗?目息； (3) 根據(jù)后驗組數(shù)據(jù)和步驟（2)中獲取的先驗信息，利用貝葉斯推理，結合馬爾可夫模 型得到在服務點i已還車概率的估計值毛毛，并構建馬爾科夫轉移概率矩陣； (4) 由馬爾科夫轉移概率矩陣確定自行車流量推斷值，并構建公共自行車系統(tǒng)OD矩 陣。
[0006] (5)由所述公共自行車系統(tǒng)OD矩陣結合每一服務點的自行車儲備量，確定每一服 務點的自行車調度需求量，并根據(jù)該需求量進行自行車調控。
[0007] 更進一步的，步驟（2)中的具體步驟為： 21) 將公共自行車還車概率用馬爾科夫轉移概率表示為：
其中，Prf^i = = m}為一階馬爾可夫轉移概率，<|而是在B服務點已還車的概率， 則i - qj - %表不在Ii服務點未還車的概率；為一個隨機變量代表公共自行車在服 務點的狀態(tài)，當= 1時表不公共自行車在tt服務站未還車，當I = 〇ξ2· = O時表不公 共自行車在服務站已還車，k是自行車在服務點i狀態(tài)的控制變量，其為取值為0,1的隨機 變量，m為自行車在服務點i-Ι狀態(tài)的控制變量，其為取值為0,1的隨機變量，Λ為自然數(shù)； 22) 根據(jù)下式計算還車概率矩陣P = = fpj :
其中，Ρψ*?)表示在i服務點借車在i+1服務點還車的概率，9i+1表示在i+1服務點已還 車的概率，表示在i服務點借車在j服務點還車的概率，表示在j服務點已還車的概 率，1 - t表示在g服務點未還車的概率，g是取值為i+Ι到j-Ι的隨機變量，表示服務點序 號，j是取值為i+2到N的隨機變量，i表示服務點序號； 23) 根據(jù)下式計算在I服務點借車在I服務點還車的實際車輛數(shù)fy，將其作為先驗信息：
其中，表示在i服務點借車在j服務點還車的概率，為先驗組的統(tǒng)計量，表示在i 服務點的借車數(shù)。？, = 〇?, = 〇
[0008] 進一步的，步驟（3)的具體步驟為： 首先根據(jù)先驗信息計算得到j服務點已還車的概率的共軛先驗分布，對其應用 貝葉斯規(guī)則，結合似然估計二項分布，得出€/9;的后驗分布1丨(5^^)七丨(?|￡,~) ; 然后計算以上后驗分布獲取的估計值1為.，將所有估計值毛戈,構建成馬爾科夫轉 移概率矩陣。
[0009] 進一步的，步驟（4)的具體步驟為： 41) 將所述步驟（3)中求得的七|?;的估計值毛<,帶入下式計算得到修正后的還車概率 矩陣:
42) 將所述修正后的還車概率矩陣帶入下式得到自行車流量的推斷值，從而將所有 推斷值構建得到公共自行車系統(tǒng)OD矩陣：
進一步的，步驟（5)的具體步驟為：將所述公共自行車系統(tǒng)OD矩陣中的自行車流量推 斷值句;帶入下式計算得到每一服務點的自行車調度需求量：
其中，demand"demand"表示服務點η的自行車調度需求量，表示服務點η的自 行車儲備量
表示由除去服務點η以外的其他服務點停入服務點η的自行 車總數(shù)
表示由服務點η駛出的自行車總數(shù)，η表示服務點標號，其取值范 圍為1到Ν。
[0010] 有益效果：本發(fā)明與現(xiàn)有技術相比，具有以下優(yōu)點： 本發(fā)明從公共自行車信息中心獲取借還車數(shù)據(jù)，相比于常用的人工調查交通量的方法 可縮短數(shù)據(jù)采集時間，減少數(shù)據(jù)采集成本，節(jié)約大量調查資源。
[0011] 本發(fā)明利用馬爾科夫轉移模型，相比于常用的迭代法求OD計算步驟簡單，無需多 次迭代，且因不使用迭代方法計算，從而避免求解不閉合的問題。
[0012] 本發(fā)明有效利用先驗信息，避免了以往求解過程中無先驗信息可依的不足，提高 求得的數(shù)據(jù)的準確性。
[0013] 本發(fā)明計算簡單，只需要先驗信息的計算和后驗信息的計算兩步，無需多次迭代， 從而提尚求解效率。
[0014] 本發(fā)明可對獲取的實時自行車信息進行計算，準確獲得實時調度方案，提高調度 效率。
【附圖說明】
[0015] 圖1是本發(fā)明中公共自行車數(shù)據(jù)采集示意圖。
[0016] 圖2是本發(fā)明方法實施流程圖。
【具體實施方式】
[0017] 下面結合實施例和說明書附圖對本發(fā)明作進一步的說明。
[0018] 本發(fā)明方法有效利用馬爾可夫模型進行推斷，即利用了自行車出行決策過程中的 無后效性，也就是利用自行車借出后在前一服務點是否還車對下一服務點是否還車不產生 影響的特點。其具體實施步驟如下： 1. 交通數(shù)據(jù)信息采集 由圖1，通過公共自行車信息中心獲取自行車借