突发卫生事件下考虑感染风险的定制公交路径规划方法
文献发布时间:2024-04-18 19:59:31
技术领域
本发明涉及交通规划技术领域,尤其涉及突发卫生事件下考虑感染风险的定制公交路径规划方法。
背景技术
随着国际交流的日益频繁,社会自然环境日趋复杂,突发性公共卫生事件的不断爆发极大程度地影响了人类的生命安全与正常生活,在此形势下,需居安思危、总结经验、提升应对突发性公共卫生事件的能力;
交通运输是城市运转的重要保障,公交车、地铁等公共交通是城市人员密集的主动脉,也是呼吸道传染病病毒扩散的高危环境,由于定制公交在回溯乘客乘车信息、减少乘客接触等方面有很大优势,为了避免公共交通乘客过度集中造成大规模交叉感染,疫情爆发后,很多城市相继推广了定制公交服务,定制公交是介于传统公交和私家车之间的需求响应型公共交通服务,主要为居住距离较近、目的地相似、在相似时间出发的人群提供服务,其应用场景主要为上班上学通勤班车、集体出行、快速直达专线等;
由于“事前购票”、“一座一客”、“灵活路线”等特点,定制公交可以通过事先规划路线、座位和车型的方法保证乘客之间相对隔离、减少乘客之间的接触、降低交叉感染风险,因此,这种出行模式得到了广泛的推广和应用,在突发性公共卫生事件下,定制公交运营商一方面希望通过减少车内人数、缩短乘客乘坐时间以减小乘客感染概率,另一方面又希望能通过增加上座率、延长路线来接送更多需求的乘客以减少班次与运营成本,然而目前由于缺乏针对突发性公共卫生事件的定制公交运营策略的相关研究与技术指导,定制公交运营商并不能科学有效地在把控疫情传播风险的同时实现自身利润最大化,具体体现在以下几个方面:
(1)目前定制公交的路径规划模型中只有少数研究结合乘客出行选择模型,基于乘客出行行为模拟的乘客出行选择模型对于运营商决策有着重大影响,缺乏乘客出行选择模型可能会使得路线规划模型无法准确反映出在现实中的乘客出行情况,从而使得运营商决策出现偏误,同时,在突发性公共卫生事件下,乘客出行成本还与乘客的感染风险成本相关,而目前并未有在乘客出行选择模型中考虑乘客感染风险成本的相关研究,未必能准确模拟疫情下乘客的真实出行行为;
(2)在定制公交路线优化设计过程中,大多数研究均是基于常规情景下进行路径规划,没有考虑到突发性公共卫生事件下的情况,即使是考虑到突发公共卫生事件的研究,也并未将乘客感染风险与运营商决策直接联系起来,即未利用感染风险计算模型量化在不同决策下乘客感染成本,并在制定运营策略时未考虑乘客感染风险的影响;国内外许多学者基于Wells-Riley方程提出了许多以新冠为代表的不同场景下突发性公共卫生事件的感染概率模型,但是大多数现有关于车厢内的感染风险模型仅针对既有的车厢环境评估其感染风险,但实际情况中,定制公交的不同运营策略亦会对车内的感染风险产生影响,如:上座率会影响车内最大人员密度与分布,而路程长短则会影响乘客在风险环境中的暴露时间,两者均会对乘客的感染风险产生影响,但是目前没有直接用于计算定制公交中乘客感染概率的计算模型;
结合上述,上座率与路径都会对目前路线规划产生影响,而多数规划只进行路线或是路线与时刻表、站点结合设计,未有研究将上座率与路线共同作为决策变量考虑,然而,在突发性公共卫生的背景下,由于定制公交“一人一座”的特点,一方面运营商希望通过增加上座率从而减少班次与运营成本,另一方面又希望能控制因车内人数过多产生的感染风险,造成策略规划指导冲突,因此,本发明提出突发卫生事件下考虑感染风险的定制公交路径规划方法以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明提出突发卫生事件下考虑感染风险的定制公交路径规划方法,该突发卫生事件下考虑感染风险的定制公交路径规划方法为突发公共卫生事件下的定制公交运营决策的制定提供更精确的计算模型。
为实现本发明的目的,本发明通过以下技术方案实现:突发卫生事件下考虑感染风险的定制公交路径规划方法,包括以下步骤:
S1:计算各种相关因素下,定制公交乘客乘车期间的感染概率,构建计算模型;
S2:基于乘客感染概率的计算模型,计算乘客出行选择的总预期成本;
S3:将乘客出行选择的总预期成本和实际乘客需求作为约束条件,基于运营商利润最大化与乘客最小化总预期出行成本的决策互相制衡,得出在突发性卫生事件下定制公交运营商最优的路径规划与最大上座率决策模型。
进一步改进在于:所述S1包括以下步骤:
S11:计算路线r的发车数;
S12:计算O-D对g乘客乘车过程中的车内人数;
S13:计算路段(i,j)的行驶时间;
S14:计算O-D对g乘客乘车过程中的感染概率。
进一步改进在于:所述S11具体包括:设每个O-D对的乘客不可换乘,且发车数量完全满足全部乘客的需求,通过判断O-D对g的乘客是否在其对应上车点s(g)乘坐r路线的车得到乘坐r车的O-D对从而得到乘坐路线r的总需求人数,则路线r的发车车辆数计算式为:
其中,求解O-D对g乘坐定制公交时的感染概率基于路段的感染概率;
所述S12具体包括:计算路线r在路段(i,j)上每辆车内的乘车人数
设O-D对乘客的需求不可分,根据判断O-D对g所在的路线,从而得出O-D对g的乘客乘车过程中的车内人数,其计算方法如下:
进一步改进在于:所述S13具体包括:设车辆在道路上为匀速行驶且行驶速度为v
所述S14具体包括:计算个体出行过程中受到感染的概率,引入Wells-Riley传染性疾病感染模型,在原模型的基础上,综合乘客佩戴口罩因素对乘客感染概率的影响,加入口罩的渗透系数λ,并使用当地感染率p
O-D对g的乘客在路段(i,j)上的感染概率由该路段上的乘车人数
O-D对g的乘客的出行感染概率P
进一步改进在于:所述S2包括以下步骤:
S21:计算O-D对g上的实际乘客需求d
S22:计算O-D对g乘客的总预期综合成本u
进一步改进在于:所述S21具体包括:设乘客感知到的各种预期成本可以叠加,从而得到其对应的总预期综合成本;同时,每个O-D对的乘客需求相对于其总预期综合成本为弹性的,基于此,O-D对g上的实际乘客需求可以表示为:
其中,
进一步改进在于:所述S22具体包括:设总预期综合成本由路程时间成本T
u
其中,β
各成本的具体计算为:
O-D对g乘客的路程时间成本T
设运营商收取的票价与乘客的乘车总里程成正相关,O-D对g乘车总里程L
其中,
O-D对g乘客对应的票价成本计算式为:
F
其中,ρ为乘车的单位距离票价;
O-D对g乘客感染风险成本Z
进一步改进在于:所述S3包括以下步骤:
S31:以运营商利润最大化作为目标对路径进行规划,确定目标函数;
S32:汇总路径规划的约束条件,以此获得模型。
进一步改进在于:所述S31具体包括:目标函数表示为:
目标函数式中的第一项为总票价收入,由所有O-D的实际乘车人数d
其中,路线r的车辆的运输距离L
进一步改进在于:所述S32具体包括:路径规划方法的约束条件为:
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)δ
(13)
(14)
其中
本发明的有益效果为:
1、本发明考虑各种运营策略等相关因素对乘客感染风险的影响,构建定制公交乘客感染风险计算模型,并利用该感染风险计算模型量化不同决策下的乘客感染风险成本,在乘客出行选择中加入对乘客感染风险成本的考虑,最终构建考虑乘客感染风险的、并以运营商利润最大化为目标的定制公交路线及上座率规划模型,为突发公共卫生事件下的定制公交运营决策的制定提供更精确的计算模型。
附图说明
图1为本发明的主视图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例一
根据图1所示,本实施例提出了突发卫生事件下考虑感染风险的定制公交路径规划方法,包括以下步骤:
S1:计算各种相关因素下,定制公交乘客乘车期间的感染概率,构建计算模型;
S2:基于乘客感染概率的计算模型,计算乘客出行选择的总预期成本;
S3:将乘客出行选择的总预期成本和实际乘客需求作为约束条件,基于运营商利润最大化与乘客最小化总预期出行成本的决策互相制衡,得出在突发性卫生事件下定制公交运营商最优的路径规划与最大上座率决策模型。
实施例二
本实施例提出了一种考虑路线及上座率等相关因素的定制公交乘客感染概率计算方法,具体包括以下步骤:
i,j均为定制公交站点或车辆中心,g为乘客的起终点O-D对的索引,r为车辆路线的索引;d
步骤一:路线r的发车数计算方法。
假设每个O-D对的乘客不可换乘,且发车数量必须完全满足全部乘客的需求,因此可以通过判断O-D对g的乘客是否在其对应上车点s(g)乘坐r路线的车得到乘坐r车的O-D对从而得到乘坐路线r的总需求人数,则路线r的发车车辆数k
由于定制公交路线r中每个路段上的乘车人数不尽相同,因此求解O-D对g乘坐定制公交时的感染概率必须基于路段的感染概率。
步骤二:O-D对g乘客乘车过程中的车内人数计算方法。
首先计算路线r在路段(i,j)上每辆车内的乘车人数
假设O-D对乘客的需求不可分,因此可以根据判断O-D对g在哪条路线上从而得出O-D对g的乘客乘车过程中的车内人数,其计算方法如下:
步骤三:路段(i,j)的行驶时间计算方法,假设车辆在道路上为匀速行驶且行驶速度为v
步骤四:O-D对g乘客乘车过程中的感染概率计算方法。
为计算个体出行过程中受到感染的概率,本研究引入Wells-Riley传染性疾病感染模型,在原模型的基础上,考虑了乘客佩戴口罩因素对乘客感染概率的影响,加入口罩的渗透系数λ,并且使用当地感染率p
O-D对g的乘客在路段(i,j)上的感染概率由该路段上的乘车人数
O-D对g的乘客的出行感染概率P
实施例三
本实施例基于步骤四计算得乘客感染概率,提出一种考虑乘客感染风险的乘客出行选择计算方法,具体包括以下步骤:
步骤五:假设乘客感知到的各种预期成本可以叠加,从而可以得到其对应的总预期综合成本;同时,每个O-D对的乘客需求相对于其总预期综合成本是弹性的。在本研究中,O-D对g上的实际乘客需求可以表示为:
其中,
步骤六:O-D对g乘客的总预期综合成本u
u
其中,β
下面为各成本的具体计算方法:
O-D对g乘客的路程时间成本T
假设运营商收取的票价与乘客的乘车总里程成正相关,O-D对g乘车总里程L
其中,
O-D对g乘客对应的票价成本计算式为:
F
其中,ρ为乘车的单位距离票价。
O-D对g乘客感染风险成本Z
实施例四
本实施例基于实施例二和实施例三,提出考虑乘客感染风险的定制公交路径及上座率规划方法,具体包括以下步骤:
运营商的决策为定制公交行驶路线与最大上座率,目标函数为运营商的利润最大化。而乘客的目标是最小化总预期出行成本,其决策为是否乘坐定制公交出行,在本文中利用需求函数根据总预期出行成本计算乘客出行概率,进而得到乘客整体实际出行人数。
运营商的决策会影响乘客出行的总预期成本进而影响后续乘客的决策,因此本问题是一个主从博弈问题,可以表示为双层规划模型。其上层模型为运营商策略定制模型,而下层模型则为乘客决策模型。
然而,由于本文中的乘客决策可以看作是一种群体决策,利用需求函数可求得对应的实际总出行人数,因此可以直接将下层规划模型作为上层规划模型的约束合并成为一个规划模型。即将步骤一至步骤六的出行总预期出行成本u
在整个模型过程中,运营商与乘客之间的决策互相制衡,最终求得本模型的最优解,即可得出在突发性卫生事件下定制公交运营商最优的路径规划与最大上座率决策。
步骤七:运营商的路径规划方法的目标为运营商利润最大化,其目标函数表示为:
目标函数中的第一项为总票价收入,由所有O-D的实际乘车人数d
路线r的车辆的运输距离L
步骤八:路径规划方法的约束条件为:
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)δ
(13)
(14)
其中
式(1-4)是关于车辆进出站点流量平衡的约束,式(1)表示每条路线只能经过一个站点(除车辆中心0外)最多一次;式(2)表示车辆进入站点a后,也要从站点a出来(车辆中心除外);式(2-3)表示每辆车都必须从车辆中心0出发,完成接送乘客任务后再回到车辆中心0。式(5-6)是关于乘客与车辆分配的约束,要求乘客只能乘坐有效车辆,即只有当路线r经过路段(i,j),O-D对g的乘客才能乘坐r车经过该路段,同时体现了x与决策变量y的对应关系。式(7-10)是关于每个O-D对g的乘客需求不可分且不可换乘的约束,式(7)限制同一O-D对g的乘客只能上同一路线r的车,式(8)限制同一O-D对g的乘客只能从同一路线r的车中下车,式(9)限制O-D对g乘客乘坐r车过程中,不到其对应的下车站点t(g)不能下车。式(10)则限制乘客上下车为同一路线r车辆,不可换乘其他路线车辆。式(11)为路线r实际上座率计算式,表示实际上座率不大于最大上座率,式(12)表示每一辆车的最大上座率和实际上座率都控制在可行范围内。
本发明考虑各种运营策略等相关因素对乘客感染风险的影响,构建定制公交乘客感染风险计算模型,并利用该感染风险计算模型量化不同决策下的乘客感染风险成本,在乘客出行选择中加入对乘客感染风险成本的考虑,最终构建考虑乘客感染风险的、并以运营商利润最大化为目标的定制公交路线及上座率规划模型,为突发公共卫生事件下的定制公交运营决策的制定提供更精确的计算模型。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
- 广告文案生成方法、装置、设备以及可读存储介质
- 宣传素材推送方法、装置、计算机设备和存储介质
- 素材处理方法及装置、存储介质和电子设备
- 数据提取方法、数据提取装置、存储介质和电子设备
- 文本信息提取方法、装置、介质及电子设备
- 文案素材提取方法及其装置、设备、介质、产品
- 文案处理方法、装置、电子设备、存储介质及程序产品