具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。

公交系统运力配置问题关系到城市交通运行的效率。运力配置不合理将引起交通供给能力与供给资源的不匹配，导致资源浪费。运力投放量过大，不仅导致社会资源的浪费，而且将产生恶性竞争，引发一系列社会问题；运力投放量不足，不仅无法满足广大群众的出行需要，而且不利于经营业主提高运输服务质量。

以运力供给能力和运力需求为切入口，诊断线网资源配置是否合理，解决运力供需不平衡的问题。根据整个线网线路的运力供需比的整体情况，使用线性规划等方法，得到与线路相关的合理的车辆配置信息和运行策略，给出优化建议

请参阅图1，本发明实施例中，一种基于线性规划的公交资源配置合理性分析与优化算法，步骤如下：

步骤一，统计公交特征：首先，分别统计每种型号的车辆在早高峰、平峰、晚高峰的满载率；然后，对于一条线路，找到在该条线路上运营的具体型号的车辆，通过这些型号车辆的满载率来计算该线路的运力供需比；其次，通过真实的公交运营相关数据，获得比较准确的线路运营成本、发车间隔以及运力相关情况的公交特征；

步骤二，优化求解：在步骤一的基础上，使用线性规划相关方法，对于单条线路在保证运力的前提下，让运营成本尽可能低，得到与线路相关的合理的车辆配置信息和运行策略，给出公交资源配置优化建议；

步骤三，获得配置结果：在步骤二的基础上，通过大数据技术计算获得步骤一与步骤二中所提到的特征，使用Python语言编写算法脚本，最终获得公交线网在早高峰、平峰、晚高峰时的优化后的发车间隔、优化后的成本、优化后的运力以及更加符合实际情况的车辆排班时刻表。

满载率又称“满载系数”，一定时间内反映线路上运行车辆乘客满载程度的相对值，衡量车辆利用程度的指标，是体现城市公交服务质量和水平的重要指标，满载率公式如下所示：

计算运力供需比，公式如下：

利用上述公式计算一天内的线路运力供需比，然后计算该线路30天内线路运力供需比的平均值，并以同样的方式计算整个线网的其他线路的运力供需比，通过整个线网的运力供需比，使用数据分析相关方法，对整个线网的运力进行分析，获得整体的线网运力画像。

下面以公交早高峰期间的数据举例，来分析运力供需是否平衡，统计数据如下表。

型号K1的车辆在早高峰期间跑了3趟的相关数据表

注：

表中的“乘坐人数”指公交车进站后，乘客下车和上车后，公交车启动离开该站时，在车上的人数。

某一天早高峰期间公交相关数据表

表中计算的是Line1一天内早高峰的线路运力供需比，然后计算Line1的30天内早高峰线路运力供需比平均值。以同样的方式计算其他线路。计算完整个线网后，得到下表中的数据。

线网中线路运力供需比大小

通过上表中的数据，使用数据分析相关方法，可以对早高峰期间整个线网的运力进行分析，获得整体的线网运力画像。

重要说明：

有些城市的公交数据中提供了“满载率”这个维度的数据，有些城市不一定提供，倘若没有这个指标，可以通过已有的一些算法(例如基于站点吸引力的算法)估算出某一时间段内某个站点下车的人次，一般情况下，公交车都有站点上车刷卡人次数据，再结合下车人次，从而计算出该站点的“满载率”，详情请参考论文：《基于IC卡数据的公交站点客流推算方法》的第4.2.2节。

值得指出的是，通过基于站点吸引力的算法估算下车人次，在下车吸引力强度中可以加入我们在计算公交站点的需求指数中所使用的公交服务能力相关等特征，这些特征能够很好地表征站点的吸引强度，详情请参考文档：《公交线路出行需求指数算法-方案-定稿-20200408-V1.0.0》。

数据分析相关方法:

min(x₁·COST_K1+x₂·COST_K2+x₃·COST_K3)

其中发车时间间隔:经过调研，公交有关部门期望发车间隔不大于8分钟，这个阈值不同地方可能不一样，可以根据实际运行情况进行调整。left_rate与right_rate为自变量缩放的比列，是两个超参数，通过设置这样的缩放比例，能够获得更加真实的优化结果,是两个超参数,K1、K2、K3为车辆型号，x₁、x₂、x₃为每种型号的车辆运行趟数，COST_K1、COST_K2、COST_K3为每种型号车辆的运行成本。

作为本发明再进一步的方案：实际的约束条件：

min(x₁·COST_K1+x₂·COST_K2+x₃·COST_K3)

分子与分母上的30被同时约掉，

T＝N×t_block

t_upriver：某时段(早高峰期间)上行单程行驶时间(min)

t_downriver：某时段(早高峰期间)下行单程行驶时间(min)

t_{up_stop}：某时段(早高峰期间)上行站点停留时间(min)

t_{down_stop}：某时段(早高峰期间)下行站点停留时间(min)

t_rest：某时段(早高峰期期间)副站的最大休息时间(min)

N：我们分析的时间段是t_block的几倍。

在实际操作过程中可以简单一点，不需要N，也不需要t_block，只需要给定要分析的时间段的总时间，例如，早高峰期间的总时间，从早上7点半到9点半，总时间为2小时，即T＝120min。

使用线性规划相关方法，对于单条线路在保证运力的前提下，让运营成本尽可能低，得到与线路相关的合理的车辆配置信息和运行策略，给出公交资源配置优化建议。

假设Line1配置有3种型号的车辆记为K1，K2，K3；设每种型号的车在早高峰期间运行的趟数分别为x₁，x₂，x₃；发车时间间隔设为t；3种型号的车辆早高峰期间的成本(成本可以按照小时计算，也可以按照天来统计)分别为cOST_K1，COST_K2，COST_K3。

这里需要注意的是，为了使得我们最终通过线性规划计算出来的结果更加精准，更加科学，对于每种型号车辆的成本计算务必与实际情况相符。

下面的一些表中列出了与车辆成本相关的特征(如果公交相关部门有现成的成本数据就不需要再计算，否则根据表中所列的特征按照公交实际运行规则来计算车辆的成本)以及和车辆相关的一些重要属性，例如车辆的荷载人数等信息。

车辆成本核算维度表

不同型号车辆成本表

公交数据进行探索性数据分析维度表

Line1一个月的早高峰期相关数据

这里我们只考虑早高峰的运力配置问题，假设早高峰时期从早上7点到9点，一共两小时。统计完公交相关数据得到t_block＝60(min),

所有这里的N＝2，left_rate＝0.5与right_rate＝1.5。

min(x₁·COST_K1+x₂·COST_K2+x₃·COST_K3)

拿线路28来说明最终通过线性规划求解后的结果，如下表所示。

优化后单条线路相关特征表

优化后单条线路相关特征表

根据上表中的数据，我们可以做很多事情。例如可以给出公交运营总成本的近似值；可以给出排班时刻表等等。这里需要指出的是，例如，对于型号：ZK6125BEVG60E的车辆，在型号下可能还有“车辆编号为21”和“车辆编号为34”等车辆，为了排班更加符合实际的运营策略，可以在上表中再增加一列，“型号下的运营车辆”并且统计它们在高峰期实际排班的趟数等等，达到更加符合实际的车辆排班时刻表。

本发明通过优化求解，可以得到公交线网在早高峰，平峰，晚高峰时的优化后的发车间隔、优化后的成本、优化后的运力以及更加符合实际的车辆排班时刻表等等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。