11时间调度仿真结果数据曲线-基于多传感器及网络信息融合的公...
郑喆+韩印+赵靖
摘 要：针对不同种类公交车辆的发车顺序对客流时空耦合分配的影响，以组合调度的发车时刻表和运营时刻表为主要研究对象，以不同车辆容量配比、发车模式及发车间隔为主要影响因素，以乘客乘公交出行时间成本和公交燃耗成本的系统总成本为优化目标，建立了带车辆容量限制和发车间隔不等的全程车和大站快车组合调度模型，并应用上海市59路某日早高峰数据进行了实例分析。研究表明：采用变间隔的组合调度策略，使车辆均衡分配了站点客流，缩短了乘客乘公交出行成本约400元/年，降低了车辆燃耗成本约50元/百公里。
关键词：交通工程；组合调度；蚁群优化算法；发车时刻表；运营时刻表
中图分类号：F570 文献标识码：A
Abstract： Aiming the effect of the temporal distribution of passenger flow with the departure order of different types of public transit vehicles， based on the vehicle departure and operation timetable which is suitable for the mixed scheduling， a single line transit passenger flow assignment with the combination of three different factors-vehicle capacity， departure mode and headway was studied. With vehicle capacity and vary interval constraints， a mixed scheduling model was put forward， which established with an objective of minimizing the passengers' time cost and the vehicles fuel cost. Using morning peak passenger flow data of bus No. 59 in Shanghai for case analysis. The results show that the proposed model balances the passenger flow， shortens the passenger's travel cost by bus for about 400 RMB/year and reduces the cost of vehicle consumption for about 50 RMB/hundred kilometers.
Key words： traffic engineering； mixed scheduling； ant colony optimization； vehicle departure timetable； operation timetable
0 引 言
隨着城市公共交通系统的发展与完善，城市公交已经成为许多出行者优先选择的交通方式。对于常规公交线路内全程车、区间车及大站快车中采用两者组合或者全组合的调度形式进行设计是当前公交调度研究领域的重点及难点。国内外相关研究主要集中考虑乘客和公交公司两方面的利益，结合特定约束或条件建立基于发车频率或发车间隔的模型。
基于发车频率的模型研究主要采用某种方法先确定区间车或大站快车的停靠站点，再根据客流需求分别计算各种形式调度车辆的发车频率，或将它们的停靠站点作为变量，探讨不同停靠站点和它们的发车频率在时空上分配客流的耦合关系。如Ceder[1]采用区间车或大站快车组合调度模型进行了初步的研究；Scheele[2]针对给定公交线路上的乘客出行矩阵，提出最小乘客出行时间费用的公交线路发车频率优化模型，利用迭代算法求解该模型，结果表明乘客出行对公交运营有重要意义；Aichong[3]研究了公交运营过程中跳站调度的问题；杨兆升[4]基于路段和客流集散量不均匀系数，确定区间车和大站快车停靠站点的计算方法等。基于发车间隔的模型研究主要将发车间隔作为变量，通过不同发车模式和发车间隔的组合，探讨它们的发车间隔在时空上分配客流的耦合关系。如Andre de Palma和Robin Lindsey[5]研究了在给定配车数时，乘客对出行次数和时刻延误成本不同期望时，单条线路的发车时刻优化方法；Vijayaraghavan[6]探讨了基于大站快车和区间车调度策略下的车辆分配、组织和调度问题；Eberlein[7]根据线路双向客流的不均衡性，对公交运营控制中的越站问题进行了研究；魏明[8]以大站快车和全程车为研究对象，在给定配车数的情况下，考虑它们的发车频率上下限、站点滞留乘客和服务水平等现实约束因素，提出了一类多目标城市公交车辆组合调度模型；明洁[9]针对站点不同时刻的客流需求，研究了全程车、区间车和大站快车3种发车模式组合及发车间隔，探讨了区间车、全程车超车的问题，建立了发车频率不定的组合调度模型。
国内外研究主要集中于公交车辆发车频率及发车间隔，很少涉及不同种类公交车辆的发车顺序对客流时空耦合分配影响。本文主要以单线公交线路客流高峰时段的客流、发车时刻表及线路运营时刻表为研究对象，以居民出行时间成本及公交公司运营燃料消耗成本为最优化目标，考虑发车间隔上下限、滞站乘客乘坐后来的不确定车辆和车辆容量限制现实约束因素，提出一种带车辆容量限制和发车间隔不等的全程车和大站快车组合调度模型，并通过实例分析进行有效性检验，以提高公交线路综合服务水平。
1 模型假设及参变量说明
1.1 模型假设
（1）一种车型的车辆对应一种车辆容量规格；（2）所有车辆都从首站开始发车；（3）研究时间段内每个站台的乘客是均匀到达的；（4）所有车辆在水平路面上且无风状态下匀速行驶，在相邻站点运行不受堵车、天气等突发事件的影响，途径某站的停站时间只与乘客平均上车时间和人数有关；（5）车辆到达站台之后，怠速时再到达站台的乘客计算到下一辆车中；（6）已获得研究时段的公交OD信息。
1.2 参变量说明
式（18）为发车时刻表中各车型的车辆数等于相应车型的配车数；式（19）表示所有车辆的发车间隔总和不超过研究时间段时间；式（20）表示线路平均满载率有上限。
3 实例分析
3.1 数据来源
上海市59路公交车上行方向（凉城新村至杨高中路民生路）共有24各站点，通过车载GPS设备和车辆前后门安装的客流视频拍摄设备（误差率在5%以内）采集并汇总整理某日早高峰时段7：00-8：00内从上行首站发出的12辆公交车的总客流的基本信息如表1所示，并应用公交OD反推技术计算出公交OD信息如表2、表3所示。
3.2 相关参数设置
3.3 计算方法
本模型采用蚁群优化算法对目标函数进行运算，保证其较高的鲁棒性和全局搜索能力。根据组合调度发车时刻表的生成逻辑，给定o辆车的节点组合复杂度为2ke-s+1，寻优问题变量维数较高、约束条件较复杂，解空间范围十分庞大，属于NP-Hard特征的问题，运用传统的寻优算法效率过低。因此，本文应用Stuyzle[11]提出的最大最小蚁群系统算法对模型进行求解，以车辆容量、发车模式和发车间隔的组合作为节点，将算法生成的满足约束条件的路径上的节点的先后顺序作为发车时刻表信息，然后以发车时刻表信息为基础推算线路运营时刻表信息，最后以线路运营时刻表的信息为基础，计算系统总成本，保存每次迭代总成本最小的路径，用于信息素更新。
3.4 结果分析
基于本文假设对采集数据进行运算处理，计算4种调度策略（单+固定/不定间隔、组+固定/不定间隔）的最优发车解和相应运营情况如表2和表3所示。
分析表2和表3的数据可得：（1）由于在给定配车数和限定发车时段的情况下，若间隔过小，则每辆车在站点时乘车人数少，满载率不高，最终导致这一时段内站点滞留的乘客人数变多，乘客总时间成本增大；若间隔过大，则乘客等车时间成本和燃耗成本大大增加。因此，各车与前车的发车时间间隔集中在5至8分钟之间，乘客总等车时间与总滞留时间呈负相关，与总在车时间呈正相关。（2）单一和组合调度形式的最优固定发车间隔分别为5、8和7分钟。其他2种调度策略的发车间隔基本上是由高降低，再升高，这是由于所选线路的上行是处于城市新区到旧区的衔接线路，又由于所选客流数据时段是早高峰，用车性质主要为通勤，线路客流需求量大且时间集中，客流整体特点是偏左型，客流主要由线路前端涌向线路中间，因此，发车间隔呈“U”字型。（3）由于大站快车的运行特点，导致站点存在固定滞留的乘客，进而达到站点分流的效果，因此，组合调度的滞站人数较多。一方面组合调度形式的车辆平均满载率要低于单一调度形式15%左右，另一方面组合调度形式的乘客总滞站时间大于单一调度2倍多，而总等车时间和总在车时间均小于单一调度形式，最终组合调度形式的乘客时间成本低单一调度形式400元左右。此外，由于组合调度均衡分配站点客流，导致路段车辆总质量降低，从而降低了路段百公里燃耗成本，最终组合调度形式的燃耗成本低于单一调度形式50元左右。（4）变间隔的组合调度策略通过控制滞站人数，更好地匹配站点客流，使车辆满载率有所下降，乘车舒适度有所提升，与其他3种调度策略相比有所提升，系统总成本最低。
4 结 论
本文在公交客流OD信息规律已知的情况下，通过发车容量规格、发车模式和发车间隔的变量组合作为节点，应用蚁群优化算法寻找公交服务和系统总成本综合评价指标最优的节点组合，并以此建立适用于组合调度的发车时刻表，从而合理控制滞站乘客人数，提升整体乘车舒适度，乘客乘公交出行成本较单一调度形式每年降低了400元左右，百公里燃耗成本降低了50元左右，充分发挥公共交通出行优势。但本研究并未考虑多线公交换乘行为，并且公交实际出行状况十分复杂，乘客的出行规律有待于进一步研究。
参考文献：
[1] Ceder A. Designing transit short-turn trips with the elimination of imbalancedloads[J]. Computer-aided Transit Scheduling， 1988，25（4）：320-325.
[2] Scheele S. A supply model for public transit services[J]. Transportation Research PartB： Methodological， 1980，14（1）：133-146.
[3] Aichong sun. The real-time stop-skip-ping problem[J]. Journal of Intelligent Transportation Sytem， 2005，9（2）：91-109.
[4] 楊兆升. 城市智能公共交通系统理论与方法[M]. 北京：中国铁道出版社，2004.
[5] Andre de Palma， Robin Lindsey. Optimal timetables for public transportation[J]. Tranportation Research， PartB， 2001，25（8）：913-928.
[6] Vijayaraghavan T， Anantharamaiah K. Fleet assignment strategies in urban transportation using express and partial services[J]. Transportation Research Part A： Policy and Practice， 1995，29（2）：157-171.
[7] Eberlein X， Wilson N， Bernstein D. Modeling real-time control strategies in public transit opertions[C] // Computeraided Transit Scheduling. Springer Berlin Heidelberg， 1999：325-346.
[8] 魏明，陈学武，孙博. 配合大站快车的单线公交组合调度模型[J]. 交通运输系统工程与信息，2015，15（2）：169-181.
[9] 明洁，张贵军，刘玉栋. 多模式公交组合调度优化模型[J]. 计算机科学，2015，42（9）：263-267.
[10] 王文强. 城市CNG公交车辆节气技术的研究[D]. 西安：长安大学（硕士学位论文），2012.
[11] Stuyzle T， Hoos H. H. MAX-MIN Ant System[J]. Future Generation Computer System， 2000，16（8）：889-914.
