一种地铁站人群换乘路线优化方法、装置和存储介质

技术领域

本发明涉及城市地铁交通和智能计算领域，尤其涉及一种地铁站人群换乘路线优化方法、装置和存储介质。

背景技术

在许多城市的地铁站，对于地铁站行人换乘路线的规划还是基于人工的方式。地铁站工作人员可以通过布置围栏或指示牌的方式来指导人群换乘。但在一些节假日时期或者上下班高峰期，一些地铁站的客流量骤增，特别是一些具有多条线路的地铁站。在这些客流量较大，多条线路经过的地铁站，仅仅依靠人工主观判断来布置围栏或指示牌并不能胜任日益复杂的地铁站乘客流情况。不够良好的换乘路线设计可能会导致不同方向的人群同时经过相同的区域，如此会导致乘客行进速度减慢，大大降低了乘客的换乘效率，进而可能制约城市地铁交通网络效率。而在地铁站客流量较大的时候，甚至还可能发生拥塞或踩踏事件，对市民的公共交通的安全问题构成了极大的威胁。因此，研究如何规划地铁站乘客的换乘路线对于缓解地铁交通压力和减少市民站内安全威胁具有十分重要的意义。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种地铁站人群换乘路线优化方法、装置和存储介质。

本发明所采用的技术方案是：

一种地铁站人群换乘路线优化方法，包括以下步骤：

获取地铁站的布局信息，根据布局信息将地铁站场景抽象为一个完全图；其中，地铁站场景中障碍物体作为完全图的顶点，任两个顶点之间的边用于表示一条禁止人流通行的围栏；

根据预设筛选条件对完全图中的边进行筛选，以删除不符合条件的边；

根据筛选后的完全图构建数学模型，并确定模型的优化目标；

根据优化目标，采用蚁群算法对模型进行优化，获得最终的换乘路线方案。

进一步地，所述地铁站场景中障碍物体包括票机、电梯、支撑柱和其它障碍物属性的实体；

所述根据布局信息将地铁站场景抽象为一个完全图，包括：

根据地铁站场景中障碍物体获得节点集V＝{v

根据节点集V连接任两个节点，构建获得完全图G＝(V,E)；其中，E代表所述完全图G的边集，边集E中的元素e

对于元素e

e

进一步地，所述根据预设筛选条件对完全图中的边进行筛选，包括：

设置边长上限L

其中，Distance(v

进一步地，所述根据筛选后的完全图构建数学模型，并确定模型的优化目标，包括：

将边集E'中的元素以场景关键点对的字典序依次表示为X＝{x

将地铁站人群换乘路线优化问题转化为了求解X的最优子集，优化目标是最小化地铁站内的拥挤度：

其中，T为最大仿真时间，N为地铁站中乘客数量；

进一步地，所述根据优化目标，采用蚁群算法对模型进行优化，获得最终的换乘路线方案，包括：

A1、初始化信息素；其中，信息素分布于围栏上；

A2、初始化蚁群，在每一轮循环开始时，每只蚂蚁都会被赋予一个固定的出发点；每只蚂蚁被赋予出发点后，蚂蚁会根据地铁站场景的启发信息和信息素信息选择下一个遍历的围栏；

A3、蚂蚁根据预设规则选择下一访问围栏；

A4、当蚂蚁得到下一个访问的围栏后，对经过的围栏上的信息素进行局部更新；

A5、将路径解码为场景的布局方案，对方案进行拥挤度评估，以及计算布局方案的适应值；

A6、信息素全局更新：在该换乘路线优化方案中，采用精华蚂蚁信息素更新方法；在所有蚂蚁完成路径构建后，搜索至今的历史最优解的蚂蚁会在其对应路线上增加额外的信息素；

A7、若演化已达最大评估次数，则执行步骤A8，否则重回步骤A2进入下一轮演化；

A8、解编码具有最小适应度值的路径，从而得到地铁站人群换乘路线的最优布局。

进一步地，所述步骤A3，具体包括：

在每只蚂蚁的第i步，其下一个访问围栏

其中，Γ

其中，dsample代表离散分布采样操作；表示信息素影响因子，β表示启发式信息影响因子，μ表示围栏是否被选择，μ∈{0,1}；

由公式(2)可知，启发信息是一个一维的向量，该向量的计算方式为：

η

其中I

进一步地，步骤A4中，采用以下公式对信息素进行局部更新：

其中，

进一步地，步骤A6中，采用以下公式进行信息素全局更新：

其中，

本发明所采用的另一技术方案是：

一种地铁站人群换乘路线优化装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

本发明所采用的另一技术方案是：

一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。

本发明的有益效果是：本发明将蚁群算法运用于地铁站人群换乘路线优化方案中，通过将地铁站场景内的实体设施节点进行编码建立真实地铁站场景仿真模型，将相应的人群换乘路线设施设计抽象为一个路径规划优化问题来进行求解，能较好提供有效的人群换乘路线设计方案。

附图说明

为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员而言，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1是本发明实施例中一种地铁站人群换乘路线优化方法的步骤流程图；

图2是本发明实施例中基于蚁群算法的地铁站人群换乘路线优化流程图；

图3是本发明实施例中一种场景设施放置方案的编码示例图。

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，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

人群引导设施的布局设计，属于交通路线规划问题，可以通过使用蚁群系统来进行优化求解。蚁群系统最早在1996年由Dorigo等人提出，其作为蚁群算法的变种，提升了蚁群算法的性能。蚁群算法是一种用来寻找优化路径的概率型算法。该算法的灵感来源于蚂蚁在觅食这一类群体活动的过程中发现路径的行为。单个蚂蚁的行为比较简单，但蚁群整体却体现一些智能的行为，蚂蚁会在其经过的路径上释放信息素，蚁群内的蚂蚁对信息素具有感知能力，来引导后续蚂蚁的下一运动方向。较优的路径的蚂蚁释放的信息素量较多，随着时间的推进，较优的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多，最终蚁群会在正反馈的作用下集中到最佳的路径上。

蚁群算法具有分布计算、信息正反馈和启发式搜索的特征，为解决复杂问题提供了新的可能性。与其他优化算法比，蚁群算法具有以下几个特点：(1)采用正反馈机制，搜索过程不断收敛，不断逼近最优解。(2)每个个体能够感知周围环境的实时变化，并可以通过释放信息素改变周围的环境，间接与其他个体通讯。(3)采用启发式的概率搜索方法不容易陷入局部最优解。(4)具有较强的并行性。

蚁群系统则在这一基础上作了以下改进，使算法搜索较优解的能力更强：(1)状态转移规则：蚁群系统中引入了参数q

由于蚁群算法在组合优化问题的表现较好，它在过去的几十年里得到了广泛的研究，如旅行商问题、指派问题、Job—shop调度问题、车辆路由问题、图着色问题和网络路由问题等。蚁群算法在解决路径规划问题上表现出一定的优越性。

如图1所示，本实施例提供一种地铁站人群换乘路线优化方法，包括以下步骤：

S1、获取地铁站的布局信息，根据布局信息将地铁站场景抽象为一个完全图；其中，地铁站场景中障碍物体作为完全图的顶点，任两个顶点之间的边用于表示一条禁止人流通行的围栏。

对地铁站观测收集人流数据，包括所有出入口、站台、电梯、检票机等的历史人流量数据。然后将历史人流数据与虚拟人群仿真模型结合，建立真实地铁站场景仿真模型。

具体地，步骤S1包括步骤S11-S12：

S11、统计地铁站的实体元素，如检票机，电梯，支撑柱等其它障碍物属性的实体，作为场景关键点，将其编号为V＝{v

S12、以V作为节点，构建一个图G＝(V,E)，其中：

(v

S2、根据预设筛选条件对完全图中的边进行筛选，以删除不符合条件的边。

设L

其中，Distance(v

S3、根据筛选后的完全图构建数学模型，并确定模型的优化目标。

为了方便表示，我们将E'中元素以场景关键点对的字典序依次表示为X＝{x

其中，T为最大仿真时间，N为地铁站中乘客数量。

S4、根据优化目标，采用蚁群算法对模型进行优化，获得最终的换乘路线方案。

采用蚁群系统算法，以所述地铁站内的拥挤度最小为优化目标，计算所述地铁人群换乘路线，得到换乘路线方案。

作为可选的实施方式，步骤S4具体包括步骤S41-S48：

S41、初始化信息素。区别于传统的蚁群算法，在本算法中，信息素分布于围栏槽上。并在该阶段，将所有信息素的初值都设置为信息素的最大取值。

τ

S42、初始化蚁群，在每一轮循环开始时，每只蚂蚁都会被赋予一个固定的出发点start。每只蚂蚁被赋予出发点后，蚂蚁会根据地铁站场景启发式信息和信息素信息选择下一个遍历的围栏槽。

S43、蚂蚁选择下一访问围栏槽。在每只蚂蚁的第i步，其下一个访问围栏槽x

其中，Γ

其中，dsample代表离散分布采样操作。由公式(3)可知，启发信息是一个一维的向量，该向量的计算方式如公式(4)：

η

其中I

S44、信息素局部更新。当蚂蚁根据公式(2)所示的规则得到下一个访问的围栏槽

其中，信息素局部挥发因子

S45、将路径解码为场景的布局方案。需要对方案使用人群仿真模型对该方案进行拥挤度评估，计算该布局方案的适应值。优化目标是最小化地铁站内的拥挤度：

在地铁站人群换乘路线优化问题中，使用的评价函数能够计算围栏布局的拥挤度。其中，T为最大仿真时间，N为地铁站中乘客数量。

S46、信息素全局更新。在该换乘路线优化方案中，我们采用精华蚂蚁信息素更新方法。在所有蚂蚁完成路径构建后，搜索至今的历史最优解的蚂蚁会在其对应路线上增加额外的信息素。

其中

S47、若演化已达最大评估次数，则执行步骤S48，否则重回步骤S42进入下一轮演化。

S48、解编码具有最小适应度值的路径，从而得到地铁站人群换乘路线的最优布局。

以下结合附图及具体实施例对本实施例方法进行详细解释说明。

如图2和图3所示，本实施例提供一种基于蚁群算法的城市地铁站行人换乘路线优化方法，包括以下步骤：

步骤1、对地铁站观测收集人流数据，包括所有出入口，站台，电梯，检票机等的历史人流量数据。然后将历史人流数据与虚拟人群仿真模型结合，建立真实地铁站场景仿真模型。

步骤2、统计地铁站的实体元素，如检票机，电梯，支撑柱等其它障碍物属性的实体，作为场景关键点，将其编号为V＝{v

步骤3、以V作为节点，构建一个图G＝(V,E)，其中

(v

步骤4、设L

其中Distance(v

/>

其中，T为最大仿真时间，N为地铁站中乘客数量。

步骤5、蚁群算法设计。

步骤5.1、解的构造

为适配蚁群优化算法，可以将该优化问题抽象为一个路径规划问题。使用

(1)蚂蚁的初始化

在蚁群算法中，在算法的每一个循环中开始时，每只蚂蚁都会固定选择一个出发点，以此作为起始点开始换乘路线。

(2)构造调度解

在地铁站人群换乘路线优化问题中，信息素分布于围栏槽上。另外，启发式信息的计算引入历史围栏槽的信息来对蚂蚁选择后续路径进行持续的指导。

η

在每只蚂蚁构建路径的每一步中，蚂蚁按照一个随机比例规则选择下一个要到达的围栏槽。其中包含信息素总和规则。

其中，Γ

步骤5.2、信息素的处理

在地铁站人群换乘优化问题中，信息素分布于围栏槽上。

(1)信息素初始化

τ

在初始化阶段，将所有信息素的初值都设置为信息素的最大取值。

(2)局部信息素更新

其中，

(3)全局信息素更新

在该换乘路线优化方案中，我们采用蚂蚁系统中经典的精华蚂蚁信息素更新方法。在所有蚂蚁完成路径构建后，搜索至今的历史最优解的蚂蚁会在其对应路线上增加额外的信息素。相对于传统的蚁群算法，这个全局信息更新策略既能够通过优秀的蚂蚁增强算法搜索的导向性，又能有效降低算法的复杂度。

综上所述，本实施例相对于现有技术，至少具有如下优点及有益效果：

(1)本发明实施例通过对地铁站观测收集到的历史人流数据和虚拟人群仿真模型，构建地铁站场景仿真模型，依托将地铁站场景内的设施节点进行编码将问题转化成最优子集求解问题，对不同的候选换乘路线进行拥挤度评估，能较好提供有效的人群换乘路线设计方案。

(2)本发明实施例针对人群换乘路径规划问题中以空间拥挤度为优化目标的特点，该方法设计了一种新的信息素计算策略，该策略考虑了蚂蚁已经访问的围栏槽的信息素信息，通过不同的权重调整各已访问围栏槽对未来路径规划方向的影响，拥挤度较大的围栏槽上的信息素对当前的影响较小，拥挤度较小的围栏槽上的信息素对当前的影响较大。蚂蚁在构造解时，根据信息素中隐含的拥挤度信息来引导本次构造过程。

(3)本发明实施例针对人群换乘路径规划问题中以空间拥挤度为优化目标的特点，该方法设计了一种新的启发式计算策略，该策略考虑了蚂蚁已经访问的围栏槽的历史信息，并提前考虑了选择下一围栏槽对未来路径规划走向的影响。蚂蚁在构造解时，根据启发式信息中隐含的拥挤度信息来引导本次构造过程。

本实施例还提供一种地铁站人群换乘路线优化装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现图1所示方法。

本实施例的一种地铁站人群换乘路线优化装置，可执行本发明方法实施例所提供的一种地铁站人群换乘路线优化方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

本实施例还提供了一种存储介质，存储有可执行本发明方法实施例所提供的一种地铁站人群换乘路线优化方法的指令或程序，当运行该指令或程序时，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式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方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，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方式进行多种变化、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。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。