[發明專利]一種需求響應型城市軌道交通分時票價制定方法

在審

• 申請號: 202011621218.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112633940A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 姚恩建;郇寧;高巍;郭東博
• 申請（專利權）人: 北京交通大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/30
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 鄒芳德

1.一種需求響應型城市軌道交通分時票價制定方法，其特征在于，包括：

步驟S1：提取城市軌道交通多源自動售檢票數據，建立基于數據挖掘的乘客出行目的辨識規則，根據所述多源自動售檢票數據和乘客出行目的辨識規則，識別客流中乘客出行目的構成，獲取現狀高峰期客流需求分布特征；

步驟S2：構建高峰期乘客出發時刻轉變與出行方式選擇行為NL模型，將所述NL模型嵌入隨機用戶均衡分配模型，利用所述隨機用戶均衡分配模型和現狀高峰期客流需求分布特征，預測不同分時票價方案下的高峰期客流需求演變特征；

步驟S3：構建城市軌道交通運營企業收入、乘客出行費用以及客流需求分布均衡度目標函數計算模型，以所述目標函數計算模型作為上層模型，以所述隨機用戶均衡分配模型作為下層模型，構建城市軌道交通分時票價雙層規劃模型，動態調整所述雙層規劃模型的決策變量，輸出平衡企業收入、出行費用和客流分布均衡度的最優分時票價方案。

2.根據權利要求1所述的一種需求響應型城市軌道交通分時票價制定方法，其特征在于，所述步驟S1包括：

S11：融合普通票種刷卡數據和新票種刷卡數據為全票種刷卡數據，所述普通票種刷卡數據包括一卡通、月票和特種票，所述新票種刷卡數據包括金融IC卡和移動終端電子卡；

S12：建立基于數據挖掘的乘客出行目的辨識規則，根據所述全票種刷卡數據識別乘客的出行目的，所述出行目的包括通勤出行、通學出行、購物出行或休閑出行，所述辨識規則計算方法分為空間約束和時間約束，所述空間約束為乘客在早晚高峰的通勤出行在當日所有出行中的占比，所述時間約束為乘客在早晚高峰通勤出行時間在當日總出行時間中的占比；

S13：將不同起訖點(O-D，Origin-destination)下不同出行目的的乘客按照出發時刻進行集計，獲取現狀高峰期客流需求分布特征，所述出發時刻覆蓋早、晚高峰的大客流時段，所述現狀高峰期客流需求分布特征包括分時進站量和分時OD分布量。

3.根據權利要求1所述的一種需求響應型城市軌道交通分時票價制定方法，其特征在于，所述步驟S2包括：

S21：構建高峰期乘客出發時刻與出行方式調整行為的NL模型，所述NL模型的上層為出行方式轉移層h，下層為出發時刻調整層g，所述NL模型上、下層共同組合出6種備選方案，所述備選方案包括“保持原地鐵出行方式且提前出發時刻”、“保持原地鐵出行方式且不改變出發時刻”、“保持原地鐵出行方式且推遲出發時刻”、“轉移至公交車輛且不改變出發時刻”、“轉移至私家車出行且不改變出發時刻”、“轉移至出租車或網約車出行且不改變出發時刻”；

S22：根據所述NL模型中的備選方案特征，定義備選方案的特性變量，建立所述NL模型上層選擇和下層選擇的效用函數；

S23：根據上述NL模型上層和下層的效用函數，計算早晚高峰乘客選擇上層出行方式h和下層備選方案g的行為概率；

S24：根據各備選方案的選擇概率建立隨機用戶均衡分配(SUE)模型，所述SUE模型滿足符合NL模型分層結構的隨機用戶均衡條件，所述隨機用戶均衡條件包含出發時刻調整和出行方式轉移兩個層次，當且僅當備選方案的瞬時效用等于該時刻、該OD間的最大瞬時效用時，隨機用戶均衡條件成立；

S25：根據所述隨機用戶均衡條件下各備選方案的效用函數，計算選擇各備選方案的乘客的數量。

4.根據權利要求1所述的一種需求響應型城市軌道交通分時票價制定方法，其特征在于，所述步驟S3包括：

S31：根據分時票價方案下的地鐵定價，構建城市軌道交通運營企業收入目標函數計算模型，所述目標函數計算模型為各個OD對的客運量與對應票價乘積之和；

S32：構建乘客出行費用目標函數計算模型，所述目標函數計算模型包括貨幣費用計算模型和時間費用計算模型，所述貨幣費用計算模型用于計算乘客出行所支付的票價，所述時間費用計算模型用于計算乘客出行過程中的時間消耗，運用時間費用系數，將乘客出行過程中的時間消耗轉化為廣義時間費用；設置地鐵票價的上限約束δ_max和下限約束δ_min以保證分時票價的合理性；

S33：根據地鐵網絡最大分時客流，建立客流需求分布均衡度目標函數計算模型，所述客流需求分布均衡度由各時段內各車站的客流需求與各時段客流需求平均值之比的平均方差反映；

S34：以城市軌道交通運營企業收入、乘客出行費用以及客流需求分布均衡度目標函數計算模型作為上層模型，以隨機用戶均衡分配模型作為下層模型，以地鐵票價費率為決策變量，構建城市軌道交通分時票價雙層規劃模型；

S35：利用“遺傳算法-相繼加權平均”復合算法求解所述城市軌道交通分時票價雙層規劃模型，動態調控所述雙層規劃模型的決策變量，輸出平衡城市軌道交通運營企業收入，乘客出行費用和客流分布均衡度的最優分時票價方案。