陳茂林，龐明寶，張 寧

（河北工業(yè)大學(xué) 土木與交通學(xué)院，天津 300401）

基于MAST的城市郊區(qū)智慧公交調(diào)度發(fā)車計(jì)劃研究

陳茂林，龐明寶，張 寧

（河北工業(yè)大學(xué) 土木與交通學(xué)院，天津 300401）

在對機(jī)動(dòng)式輔助客運(yùn)系統(tǒng)所適應(yīng)地區(qū)分析的基礎(chǔ)上，提出在中國很多客運(yùn)需求較小且時(shí)空分布不均衡的城市郊區(qū)、鄉(xiāng)村規(guī)劃和設(shè)置基于MAST公交線路的思想，設(shè)計(jì)了利用移動(dòng)互聯(lián)網(wǎng)技術(shù)的智慧公交調(diào)度系統(tǒng)，其中調(diào)度決策支持模塊由公交調(diào)度發(fā)車計(jì)劃部分和在線調(diào)整部分組成．建立了單一線路調(diào)度發(fā)車計(jì)劃確定的調(diào)度模型，決策變量為發(fā)車時(shí)刻．乘客需求依據(jù)歷史統(tǒng)計(jì)數(shù)據(jù)和預(yù)約信息預(yù)測確定．采用遺傳算法優(yōu)化求解，通過具體例子對本方法的經(jīng)濟(jì)社會(huì)性予以驗(yàn)證．

機(jī)動(dòng)式輔助客運(yùn)系統(tǒng)；公交調(diào)度發(fā)車計(jì)劃；移動(dòng)互聯(lián)網(wǎng)；遺傳算法；客運(yùn)需求

0 引言

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)（Mobile InternetTechnology，M IT）的發(fā)展和應(yīng)用，定制公交、拼車、打車軟件等得到了巨大發(fā)展，其中可變線路式公交成為一種面向公交需求的新型服務(wù)模式，而融合需求響應(yīng)型公交的機(jī)動(dòng)性和常規(guī)公交低成本性的機(jī)動(dòng)式輔助客運(yùn)系統(tǒng)（Mobility AllowanceShuttle Transit，MAST）成為其主要發(fā)展方向[1-3]．該方式不同于常規(guī)公交中線路和站點(diǎn)等均固定的特點(diǎn)，可在一定范圍內(nèi)改變行駛路線，在動(dòng)態(tài)改變的環(huán)境中處理實(shí)時(shí)需求，既能為常規(guī)出行者提供服務(wù)，又兼顧固定線路以外的乘客需求，在面向“客運(yùn)需求較小且時(shí)空分布不均衡地區(qū)”時(shí)，可解決“公交企業(yè)運(yùn)營成本高虧損嚴(yán)重而服務(wù)質(zhì)量依然較差”的這一問題．

中國正處于社會(huì)經(jīng)濟(jì)一體化的快速發(fā)展階段，其基本標(biāo)志之一就是城鄉(xiāng)客運(yùn)一體化，即在城市郊區(qū)和鄉(xiāng)村也逐步開設(shè)公交線路．而這些地區(qū)又呈現(xiàn)出MAST服務(wù)區(qū)域所具有的特點(diǎn)：需求相對較小且時(shí)空分布不均衡，如工業(yè)區(qū)、高校所在的郊區(qū)，在上下班高峰需求量稍大其它時(shí)間段較小．從現(xiàn)開設(shè)的常規(guī)公交服務(wù)-固定性線路公交的實(shí)際效果來看，每天大部分時(shí)間段上座率偏低且公交企業(yè)虧損嚴(yán)重，拉大發(fā)車間隔又使乘客等車時(shí)間變長，這已成為這些地區(qū)能否繼續(xù)延續(xù)公交服務(wù)、順利實(shí)現(xiàn)城鄉(xiāng)一體化的關(guān)鍵點(diǎn)．而若能在這些地區(qū)開設(shè)MAST線路，將會(huì)有效解決這一問題．在MAST的研究方面，主要集中于系統(tǒng)建立的必要性、混合整數(shù)規(guī)劃調(diào)度模型的建立和其求解算法方面[4-6]．研究早期多建立在電話預(yù)約、一般互聯(lián)網(wǎng)基礎(chǔ)上，尚未應(yīng)用M IT，不能實(shí)現(xiàn)乘客與公交企業(yè)信息的實(shí)時(shí)交互，調(diào)度模型的動(dòng)態(tài)實(shí)時(shí)更新得到限制；已有調(diào)度模型中僅限于已發(fā)公交車輛后續(xù)線路、?？空镜膭?dòng)態(tài)調(diào)整問題，而將始發(fā)站發(fā)車時(shí)刻表作為已知，不符合公交調(diào)度實(shí)際：公交調(diào)度必須將發(fā)車時(shí)刻表和已駛公交車輛的線、站的動(dòng)態(tài)調(diào)整同時(shí)進(jìn)行優(yōu)化．基于此，本文從構(gòu)建基于MAST的城市郊區(qū)智慧公交調(diào)度系統(tǒng)出發(fā)，建立單一線路發(fā)車計(jì)劃確定模型，通過算例來初步予以驗(yàn)證．

1 系統(tǒng)結(jié)構(gòu)

如圖1所示的基于MAST的調(diào)度系統(tǒng)是實(shí)現(xiàn)智慧公交所必須的平臺．其中乘客通過手機(jī)等移動(dòng)通訊工具登錄系統(tǒng)，將客運(yùn)需求發(fā)送給乘客需求信息模塊，并進(jìn)行信息交互；正在行駛的公交車輛（車載GPS和雙向移動(dòng)通訊系統(tǒng)[7]）將車輛位置信息、車載乘客人數(shù)、車速等信息實(shí)時(shí)發(fā)送給公交車輛信息模塊；實(shí)時(shí)信息以及歷史信息存儲在建立所有車輛、線路、站、乘客等表組成的數(shù)據(jù)庫中；調(diào)度決策模塊分為公交調(diào)度發(fā)車計(jì)劃和在線調(diào)整兩部分，公交企業(yè)在每天下班后依據(jù)歷史信息數(shù)據(jù)庫和最新預(yù)約的公交需求采用發(fā)車計(jì)劃調(diào)度模型更新或制定明天的計(jì)劃時(shí)刻表和具體每輛公交車的行駛路線等．在具體每天運(yùn)營過程中，利用歷史信息、新的客運(yùn)需求信息、車輛實(shí)時(shí)信息等，更新后面的發(fā)車計(jì)劃和已發(fā)車輛的后續(xù)線路、?？空镜葲Q策信息，通過信息發(fā)布模塊，給駕駛員提供駕駛指令等；通過信息發(fā)布模塊將公交車輛和未來調(diào)度信息等實(shí)時(shí)信息通過網(wǎng)絡(luò)發(fā)送給已經(jīng)發(fā)出乘車請求和查詢的乘客．

圖1 基于MAST城市郊區(qū)智慧公交調(diào)度系統(tǒng)結(jié)構(gòu)Fig.1 Structureof intelligentpublic transportscheduling system for urban suburbsbased on MAST

受篇幅所限，本文僅研究基于MAST的智慧公交調(diào)度發(fā)車計(jì)劃模型．

2 智慧公交調(diào)度發(fā)車計(jì)劃模型

2.1 基本條件

1）僅限單一線路，票價(jià)統(tǒng)一，車型相同，設(shè)計(jì)載客人數(shù)相同；2）公交車?？空痉譃楸仨毻？空荆ü潭ㄕ荆┖涂衫@行站（可變站），線路分為固定線路和可變線路；3）乘客類型分為N1型（固定站上車，固定站下車）、N2型（固定站上車，可變站下車）、N3型（可變站上車，固定站下車）、N4型（可變站上車，可變站下車）；4）乘客通過手機(jī)客戶端等與調(diào)度中心進(jìn)行信息交互，在提出預(yù)約后系統(tǒng)會(huì)將車輛的經(jīng)驗(yàn)發(fā)車時(shí)間和各站間運(yùn)行時(shí)間一并告知給乘客，乘客可據(jù)此時(shí)間到站候車；5）車輛抵達(dá)?？空境丝图瓷宪?，駐留時(shí)間較短，若乘客未能按時(shí)上車，公交車不等候．

2.2 變量表示

變量：車輛m在始發(fā)車站的計(jì)劃發(fā)車時(shí)間Tm；車輛m在各個(gè)站間的運(yùn)行時(shí)間；車輛m在站點(diǎn)v的到達(dá)、離開時(shí)間分別記為；任意時(shí)刻公交車上的乘客數(shù)量；車輛m在站j站的上車人數(shù)．

2.3 調(diào)度發(fā)車計(jì)劃模型

目標(biāo)函數(shù)式 (1)表示追求乘客等車成本Cw、乘車成本Cr、公交行駛成本與票價(jià)收入差Ct加權(quán)和最小化，w1、w2分別為乘客和公交企業(yè)權(quán)重，各子目標(biāo)計(jì)算見式 (9)～式 (11)．

約束中式 (2)表示車輛m在始發(fā)站的計(jì)劃發(fā)車時(shí)間不早于其經(jīng)驗(yàn)發(fā)車時(shí)間；式 (3)表示車輛m離開中間需停站時(shí)間等于其抵達(dá)該站的時(shí)間加上在該站的駐留時(shí)間，以上2個(gè)約束為公交運(yùn)營時(shí)間約束；式(4)保證乘客下車時(shí)間晚于其上車時(shí)間；式 (5)表示在任意時(shí)刻車內(nèi)人數(shù)不超過有一定滿載率（超員）的額定人數(shù)；式 (6)為公交發(fā)車間隔的最小和最大約束；式 (7)標(biāo)定0-1變量的取值；式 (8)表明模型中涉及到的所有變量及參數(shù)均大于等于0．

3 算法

考慮到本模型有0-1變量，采用遺傳算法（Genetic A lgorithm，GA）優(yōu)化求解，具體步驟為：

1）設(shè)定GA參數(shù)：群體規(guī)模NIND、最大遺傳代數(shù)MAXGEN、代溝GGAP、交叉概率Pc以及變異概率Pm等．對于一個(gè)非常大的數(shù)MM，定義適應(yīng)度函數(shù)為：

2）隨機(jī)產(chǎn)生NIND組可行的發(fā)車時(shí)刻方案，采用二進(jìn)制編碼，決策變量為1表示第m輛車在t時(shí)刻發(fā)車，否則為0．同時(shí)設(shè)置迭代計(jì)數(shù)器gen．

3）在第gen代，對每一個(gè)體（發(fā)車時(shí)刻方案）計(jì)算車輛運(yùn)營和乘客各項(xiàng)指標(biāo)，確定適應(yīng)度．

4）若gen=MAXGEN，則選擇最優(yōu)個(gè)體作為新調(diào)度方案輸出；否則，轉(zhuǎn)向5）．

5）保留 1 GGAP 個(gè)最優(yōu)個(gè)體進(jìn)入下一代，其余個(gè)體按照 GA中選擇、交叉和變異等操作產(chǎn)生．令gen=gen+1，轉(zhuǎn)向3）．

4 算例及分析

4.1 算例簡介

為說明問題，本文用圖2所示基于MAST的天津市公交319路為例應(yīng)用分析．該線路為郊區(qū)線，站1～站7位于市區(qū)，其余位于郊區(qū)；瑞景居住區(qū)位于市郊結(jié)合部，居民現(xiàn)主要為在市區(qū)或郊區(qū)如雙口工業(yè)園工作的年輕人，個(gè)別為河北工業(yè)大學(xué)教工，客流需求較?。徽?、站7均與地鐵一號線站點(diǎn)重合，乘客可通過這兩站實(shí)現(xiàn)與319路的換乘，前往郊區(qū)、市區(qū)或瑞景居住區(qū)，但主要集中于上下班時(shí)間段；王秦莊客流以當(dāng)?shù)卮迕駷橹?，雙口工業(yè)園以辦事客流為主（職工以班車上下班），需求總量偏小且時(shí)間大多在上班時(shí)間段．大學(xué)師生是該線的主要客源但在上學(xué)時(shí)間段較小，呈現(xiàn)出MSAT線路的特點(diǎn)．

圖2 基于MAST的319路公交線路Fig.2 Bus routeof No.319 based on MAST

規(guī)定從西橫堤-東區(qū)方向?yàn)樯闲?、東區(qū)-西橫堤方向?yàn)橄滦校芯繒r(shí)段為工作日6:00至20:00．由于該線路所經(jīng)地區(qū)交通量偏小，公交車在各站間的運(yùn)行時(shí)間基本穩(wěn)定，分別為：站1～站2（1.13 min）、站2～站3（1.25 min）、站3～站4（1.25 m in）、站4～站5（1.25 m in）、站5～站6（1.25 m in）、站6～站7 （0.93min）、站7～站8（4.17m in）、站8～站9（1.3m in）、站9～站10（1.3m in）、站10～站11（2.67min）、站11～站12（1.17m in）、站12～站13（1.17m in）、站13～站14（1.00m in）、站14～站15（1.83min）．

經(jīng)過大量統(tǒng)計(jì)，得到各時(shí)間段OD歷史數(shù)據(jù)，表1為上行部分發(fā)車時(shí)刻數(shù)據(jù)，其中0的未列出．

表1 上行部分發(fā)車時(shí)刻OD 人Tab.1 OD of partialdeparture timesatstart term inal in the up direction

4.2 計(jì)算結(jié)果及分析

參數(shù)選擇：公交車額定人數(shù)60人，滿載率110%，票價(jià)2元，駐留時(shí)間（平均值）30 s，單位時(shí)間乘客出行成本1為0.3元/m in，單位時(shí)間車輛行駛成本2為0.9元/m in，最小和最大發(fā)車間隔分別為15min和60min，乘客和公交企業(yè)權(quán)重w1取1.0，w2取1.5．GA參數(shù)：NIND=100，MAXGEN=600，GGAP=0.8，Pm=0.03，Pc=0.40．依據(jù)2015年天津市人均國內(nèi)生產(chǎn)總值確定1=0.3元/m in；根據(jù)該線路公交車具體行駛統(tǒng)計(jì)：車百公里成本為154元/百公里確定2=0.9元/m in．

具體GA運(yùn)算結(jié)果見圖3所示，可以看出目標(biāo)函數(shù)值迅速達(dá)到最優(yōu)，選擇第600代個(gè)體作為最優(yōu)解，得到最佳發(fā)車計(jì)劃見表2和表3所示．其中乘客等車費(fèi)用、乘客乘車費(fèi)用及公交企業(yè)收益分別為58.74元、6 917.57元和206.96元，目標(biāo)值為6 665.87元．

表4為本MAST方案與常規(guī)公交服務(wù) 固定性線路公交（Fixed Route Transit，F(xiàn)RT）方案（分為選擇15個(gè)站為公交站和僅選MAST方案中固定站為公交站2個(gè)方案）各項(xiàng)費(fèi)用比較．可以看出：

1）全部站點(diǎn)FRT方案總目標(biāo)值由MAST方案的6665.87元增加到6 746.35元，增加了80.48元．這是因?yàn)樵谠摲绞较?，線路變長，乘客乘車費(fèi)用增加；由于沒有采用預(yù)約方式，使得乘客等車費(fèi)用增加；雖然公交企業(yè)凈收益（收入 車輛行駛成本）增加了，但增加有限，使得總目標(biāo)依然增加．2）僅采用固定站點(diǎn)FRT方案總目標(biāo)值由MAST方案的6 665.87元減少到5 757.64元，減少了908.23元．這是因?yàn)榫€路變短，固定站乘客的乘車和等車費(fèi)用均減少；由于沒有照顧到非固定站乘客的需求，使得公交企業(yè)凈收益下降，存在著公交企業(yè)收益下降和使非固定站乘客需求不能滿足兩方面問題，造成社會(huì)的不公平性．3）總體上看，MAST方案利用現(xiàn)代信息技術(shù)，既滿足了非固定站乘客的出行需求，又使得公交企業(yè)增加了收益，雖然使固定站乘客的等車時(shí)間、乘車時(shí)間有所增加，但有限且建立在社會(huì)公平性基礎(chǔ)上，公交企業(yè)收益的增加使得企業(yè)有使該線路能長期運(yùn)營的動(dòng)力．

圖3 前600代目標(biāo)函數(shù)變化Fig.3 Changesof theobjective function before the600th generation

表2 上行方向發(fā)車計(jì)劃Tab.2 Departure plan in theup direction

表3 下行方向發(fā)車計(jì)劃Tab.3 Departure plan in the down direction

表4 優(yōu)化前后各項(xiàng)成本比較 元Tab.4 Costcomparison among theoptim ized projects

4.3 決策者不同偏好影響分析

表5為決策者不同偏好下各最優(yōu)方案各項(xiàng)指標(biāo)計(jì)算比較，可以看出：

1）若偏重于社會(huì)效益，即乘客時(shí)間費(fèi)用最小化作為追求目標(biāo)，即w1∶w2=1.5∶1.0，乘客時(shí)間費(fèi)用合計(jì)由6 976.31元下降至5 655.91元，公交企業(yè)運(yùn)營收益由206.96元下降至107.60元，這將使得企業(yè)在收益上受損．2）若偏重于公交企業(yè)經(jīng)濟(jì)效益，即w1∶w2=0.7∶1.8，企業(yè)凈收益由206.96元增加至321.99元，同時(shí)乘客時(shí)間費(fèi)用由6976.31元增加至7182.55元，這意味著公交企業(yè)凈收益增加的同時(shí)伴隨著乘客時(shí)間費(fèi)用的增加．因此，決策者對各個(gè)目標(biāo)的不同偏好會(huì)影響其最優(yōu)方案的確定．一般來看，在追求社會(huì)效益最大化的前提下，適時(shí)考慮企業(yè)經(jīng)濟(jì)效益會(huì)是最為合理的決策方案．

表5 決策者不同偏好優(yōu)化結(jié)果比較 元Tab.5 Results comparison among the differentselected projectsw ith the government'favors

5 結(jié)束語

本文僅對基于移動(dòng)互聯(lián)網(wǎng)技術(shù)的MAST單一線路公交調(diào)度中調(diào)度計(jì)劃模型及算法進(jìn)行研究，需要在此基礎(chǔ)上進(jìn)行在線調(diào)度模型的建立與應(yīng)用分析．

[1]Yang Xia，ChaiKiatYeo．Mobile Internetaccessoverintermittentnetwork connectivity[J]．JournalofNetwork and ComputerApplications，2014，40：126-138．

[2]楊冰，宋?。摪l(fā)展門到門公共交通 [J]．公路交通科技，2002，19（4）：101-104．

[3]邱豐，李文權(quán)，沈金星．可變線路式公交的兩階段車輛調(diào)度模型 [J]．東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，7（5）：1078-1084．

[4]Quadrifoglio L，Dessouky M M，Ordonez F．Mobility allowance shuttle transit(MAST)services：M IP formulation and strengthening w ith logic constraints[J]．European Journalof OperationalResearch，2008，185（2）：481-494．

[5]Quadrifoglio L，Dessouky M M，KurtPalmer．An insertionheuristic forschedulingmobility allowanceshuttle transit(MAST)services[J]．Journal of Scheduling，2007，10：25-40．

[6]Zhao Jiam in，Dessouky M M．Service capacity design problems formobility allowanceshuttle transitsystems[J]．Transportation Research PartB：Methodological，2008，42（2）：135-146．

[7]AnneAguiléra，CarolineGuillot，A lain Rallet．Mobile ICTsand physicalmobility：Review and researchagenda[J]．Transportation Research Part A：Policy and Practice，2012，46（4）：664-672．

[責(zé)任編輯 楊 屹]

Study on departure plan of intelligentpublic transportscheduling forurban suburbsbased on MAST

CHENMaolin，PANGM ingbao，ZHANG Ning

(Schoolof CivilEngineering and Transportation,HebeiUniversity of Technology,Tianjin 300401,China)

Based on the analysisof the facing regions formobility allowance shuttle transit(MAST),a thoughwas proposed to plan and setpublic linesbased on MAST for theurban suburbs in Chinaw ith lesspassenger demand and notbalanced characteristicsof spatialand temporaldistribution.The scheduling system of intelligentpublic transport forurban suburbwasdesigned by usingmobile internettechnology,wherescheduling decision supportmoduleconsistsofscheduling plan part forpublic transportand on-lineadjusting part.Themodelofscheduling departureplan fora linewasestablished, where the decision variable is departure time.The passenger demand ispredicted by using thehistoricalstatistic data and booked data.Genetic algorithm was adopted in the optim ization course for solution.The econom ics and society of the proposedmethod are proved via the concreteexample.

mobility allowance shuttle transit(MAST)system;departure plan of public transportscheduling;mobile internet technology;genetic algorithm(GA);passenger demand

U491

A

1007-2373(2016)04-0080-06

10.14081/j.cnki.hgdxb.2016.04.013

2016-04-06

河北省自然科學(xué)基金（E2015202266）

陳茂林（1992-），男（漢族），碩士生．

龐明寶（1966-），男（漢族），教授，博士.