基于遺傳算法的公交服務(wù)模式優(yōu)化

羅金鑫，譚卓琦，張樂丹

?

基于遺傳算法的公交服務(wù)模式優(yōu)化

羅金鑫1，譚卓琦2，張樂丹3

（1.長安大學(xué)汽車學(xué)院，陜西 西安 710054；2.長安大學(xué)公路學(xué)院，陜西 西安 710054；3.長安大學(xué)馬克思主義學(xué)院，陜西 西安 710061）

作為通勤者日常出行的主要選擇模式，全站式公交服務(wù)在許多城市和大都市地區(qū)扮演者重要角色，但存在著由于站點?？窟^于頻繁、乘客集中分布在個別站點導(dǎo)致的乘客旅行效率過低的現(xiàn)象。文章研究提出了一個一種綜合公交服務(wù)，包括全站式服務(wù)和跳站式服務(wù)。根據(jù)已知的O-D數(shù)據(jù)，以最大限度地減少乘客出行總時間為目標(biāo)，使用遺傳算法對傳統(tǒng)公交線路進(jìn)行優(yōu)化，產(chǎn)生最優(yōu)跳站路線。

公交運輸；服務(wù)模式；優(yōu)化；遺傳算法

前言

隨著城市經(jīng)濟(jì)的飛速發(fā)展，機(jī)動車保有量急劇上升，交通擁堵現(xiàn)象逐漸成為影響居民生活的問題之一。公共交通由于其優(yōu)先性、便捷性等優(yōu)點，成為了居民出行的主要選擇方式。但由于乘客的分布，在不同的時間段存在顯著的差異。因此始終執(zhí)行全站式公交服務(wù)模式，會造成不必要的資源浪費并且使乘客的出行效率降低。

跳站運行策略能夠減少公交站點的?？寇囕v數(shù)，同時提高公交車輛的運行速度，減少乘客的在車時間。因此，在歐美等發(fā)達(dá)國家的大城市中經(jīng)常被采用[1-3]，我國的杭州、重慶、成都、西安等城市也開始采用這一運行方式[4-6]。但是，由于缺少這方面的研究成果，致使實際中出現(xiàn)了公共站點利用不充分、乘客出行不便等問題，公共交通的服務(wù)水平?jīng)]有得到應(yīng)有的提高。

公交運行策略研究的目標(biāo)是使公共交通設(shè)施被出行者以最大效率使用，而目前這方面的研究主要集中在公交車運行時刻的優(yōu)化上，關(guān)于公交跳站運行策略的研究較少。為此，本文通過在傳統(tǒng)的全站式運行服務(wù)中加入跳站運行服務(wù)，建立了以乘客成本和運營成本之和最小為目標(biāo)的公交跳站優(yōu)化設(shè)計方法，并使用實際公交數(shù)據(jù)驗證了模型的有效性，以期為公交車輛運行方案的優(yōu)化設(shè)計提供依據(jù)。

1 模型構(gòu)建

1.1 構(gòu)建思路

在以需求為主導(dǎo)的市場經(jīng)濟(jì)條件下，公共交通方式選擇與優(yōu)化的主要依據(jù)還是用戶選擇的結(jié)果。通過跳站車的策略，以高峰時段乘客總出行時間最小為優(yōu)化目標(biāo)，尋找一條最優(yōu)的公交線路上公交站類型的分布。簡言之，就是尋找一條遍歷各個車站各種類型的公交站類型最優(yōu)分布。

1.2 基本前提和假設(shè)

編寫算法時采取以下假設(shè)：

假設(shè)1 實施跳站運行策略前后，公交車在路段上的行駛速度相同；

假設(shè)2車輛在路段上以恒定的速度行駛；

假設(shè)3乘客均勻分布在乘車站點周圍，并且按照最短出行時間的原則進(jìn)行出行決策；

假設(shè)4公交車在站點處的?？繒r間相同；

假設(shè)5公交站點間距為 L，每兩個公交站之間只有１個交叉口。

1.3 建立模型

公交跳站運行方案設(shè)計時，主要考慮：

1）公交站類型由集合X={0,1,2}表示，0代表公交站為AB型，1代表公交站為A型，2代表公交站為B型。尋找一個0,1,2的排列（）={1,2,…,x}，使得目標(biāo)函數(shù)值最小。

2）基因為公交站點，站點類型X={0,1,2}。

3）目標(biāo)函數(shù)為乘客總出行時間，如公式（1）

式中為公交乘客的總出行時間；q為從站點出發(fā)到站點的乘客數(shù)；A為從站點出發(fā)到站點乘客的到站時間；W為從站點出發(fā)到站點乘客的等待時間；B為從站點出發(fā)到站點乘客的乘車時間；E為從站點出發(fā)到站點乘客從出站到目的地的時間。

2 求解流程

2.1 整體流程

第一步，采用整數(shù)隨機(jī)編碼方法，產(chǎn)生公交站點類型；第二步，初始化種群；第三步，計算目標(biāo)函數(shù)值；第四步，運用遺傳算法進(jìn)行尋優(yōu)計算，產(chǎn)生最優(yōu)站點類型序列，具體操作如圖1所示。

圖1 流程圖

2.2 計算目標(biāo)函數(shù)

2.2.1第1類OD（AB-AB）乘客出行時間計算

在這類OD中，乘客可以選擇A型或B型公交，不受跳站運行影響。根據(jù)前面假設(shè)，乘客到達(dá)站點和從站點到達(dá)目的地的平均距離都為L/4，則到站和從站點到達(dá)目的地的平均時間都通過下式計算：

式中：V為乘客到達(dá)站點的距離，步行時，取1.2 m/s，騎自行車時，取15km/h。

假設(shè)乘客到達(dá)站點的時間為均勻分布，則等待時間的平均值為：

式中：為同一線路公交車的車頭時距。

設(shè)乘坐A型車的跨站數(shù)為1,乘坐B型車的跨站數(shù)為2，乘坐A型車的乘客的乘車時間為B'，乘坐B型車的乘客的乘車時間為B''。因為乘客到達(dá)車站的時間均勻分布，所以有一半的乘客乘坐A型公交車，一半的乘客乘坐B型公交車。

綜上所述，第１種 OD類型下，乘客公交出行的總時間通過下式計算：

2.2.2第２類OD（A-A，A-AB，B-B，B-AB）乘客出行時間計算

在這４類OD出行中，乘客只能乘坐A型或者B型公交，而由于前后２輛同類型公交的車頭時距為2h，因此，乘客的出行時間中，等待時間變?yōu)閔，而其他時間的計算和第一類OD相同。所以，第二類 OD下，乘客公交出行總時間通過下式計算：

2.2.3第３類OD(AB-A，AB-B)乘客出行時間計算

以AB-A出行為例分析跳戰(zhàn)運行下第３類乘客的出行時間。乘客有兩種決策可以選擇：①乘坐A型公交；②乘坐B型公交，然后中途換乘A到達(dá)目的地。在第１種決策下，乘客只乘坐A型公交車，所以等車時間變長，而第２種決策要求中間必須存在換乘站且只有先到的車為B型車，當(dāng)存在多個換乘站點時，選擇跨站數(shù)多的車站進(jìn)行換乘。

假設(shè)乘客均勻的到達(dá)車站，有3/4的乘客選擇決策①，乘客的出行時間為有1，1/4的乘客選擇決策②，最大的跳站數(shù)為3，乘客的出行時間2。

2.2.4第４類OD(A-B，B-A)

以 A-B出行為例分析跳戰(zhàn)運行下第４類乘客的出行時間計算。在這種情況下，乘客有３種決策可以選擇：a.乘坐A公交，在 AB型站點換乘B公交，換乘時間為前后２輛公交之間的車頭時距ｈ；b.乘坐 A型公交到達(dá)目的地附近的A站點或AB站點，步行或自行車至目的地；③從A站點步行或騎自行車至B站點或ＡＢ站點，乘坐B型公交。乘客的總出行時間分以下兩種情況計算：

當(dāng)公交站點和之間存在 AB型站點時，乘客的總出行時間為：

當(dāng)公交站點和之間不存在ＡＢ型站點時，乘客無法選擇換乘，乘客的總出行時間為：

3 結(jié)論

本文利用杭州市實際公交路線的O-D數(shù)據(jù)，對傳統(tǒng)公交線路進(jìn)行跳站優(yōu)化，優(yōu)化結(jié)果如下表1：

表1 跳站優(yōu)化結(jié)果

優(yōu)化后的方案為全站式服務(wù)和跳站式服務(wù)相間發(fā)車，通過計算優(yōu)化方案的乘客總出行時間，乘客的總出行時間可以減少8.43%，乘車時間減少18.80%。

[1] ERCOLANO J M. Limited-stop bus operations: An evaluation [J].Transportation Research Record, 1984(994): 24-29.

[2] CASELLO J M, HELLINGA B. Impacts of express bus service on passenger demand[J]. Journal of Public Transportation, 2008, 11(4): 1-23.

[3] EL-GENEIDY A M, SURPRENANT-LEGAULT J. Limited-stop bus service: An evaluation of an implementation strategy[J]. Public Tran -sport, 2010, 2(4): 291-306.

[4] VUCHIC V R. Skip-stop operation as a method for transit speed increase[J]. Traffic Quarterly, 1973, 27(2): 307-327.

[5] NIU H. Determination of the skip-stop scheduling for a congested transit line by bi-level genetic algorithm[J]. International Journal of Computational Intelligence Systems, 2011, 4(6): 1158-1167.

[6] TZENG G H, SHIAU T A. Multiple objective programming for bus operation: A case study for Taipei city[J]. Transportation Research Part B: Methodological, 1988, 22(3): 195-206.

Optimizing bus service patterns using genetic algorithm

Luo Jinxin1, Tan Zhuoqi2, Zhang Ledan3

（1.School of Automobile, Chang'an University, Shaanxi Xi’an 710054; 2. School of Highway, Chang'an University, Shaanxi Xi’an 710054; 3.School of Marxism, Chang'an University, Shaanxi Xi’an 710061）

As a major choice of commuters for daily travel, bus transit plays an important role in many urban and metropolitan areas, but there is a phenomenon that the passengers’ travel-efficiency is low due to the frequently stop of the bus and the concentrated distribution of passengers at individual stations. An integrated bus service, consisting of all-stop and stop-skiing services is proposed. Based on the O-D data, the objective function was minimizing the total travel time of the entire users in this model. Then, optimize traditional bus lines by using genetic algotithms to produce optimal skiing-stop lines .

bus transit; service patterns; optimization; genetic algorithm

B

1671-7988(2019)03-64-03

U467

A

1671-7988(2019)03-64-03

U467

羅金鑫，長安大學(xué)汽車學(xué)院，碩士研究生，載運工具運用工程專業(yè)，交通運輸系統(tǒng)規(guī)劃。

10.16638/j.cnki.1671-7988.2019.03.018