(武漢科技大學(xué) 汽車與交通工程學(xué)院,湖北 武漢 430081)
城市軌道交通投入運(yùn)營后,與其沿線常規(guī)公交形成合作或競爭關(guān)系,改變周邊用地模式,帶來出行OD調(diào)整,造成客流再分配,導(dǎo)致城市公共交通體系不合理。國內(nèi)外學(xué)者對公交線路優(yōu)化研究甚多,文獻(xiàn)[1-3]研究了軌道交通建設(shè)成網(wǎng)后接運(yùn)公交線路布設(shè),沒有考慮地面公交和軌道交通的協(xié)調(diào)作用;文獻(xiàn)[4-6]提出了常規(guī)公交與軌道交通協(xié)同發(fā)展的公交線路優(yōu)化方法,但對居民出行行為研究較少。上述文獻(xiàn)在分析二者合作競爭關(guān)系時,較少將候車時間、公交車輛走行時間、公交擁擠程度等選擇行為影響列入考慮范疇,對實(shí)際結(jié)果影響較大。
在常規(guī)公交線路的調(diào)整中考慮出行行為影響,建立雙層規(guī)劃模型。下層建立不同時段發(fā)車間隔配流模型,考慮不同因素對乘客出行選擇的影響,構(gòu)建乘客出行選擇的NL模型;上層建立線路優(yōu)化模型,考慮乘客總候車時間、出行成本、客流周轉(zhuǎn)量、公交運(yùn)行成本,利用遺傳算法嵌套MSA算法求解雙層模型,分析綜合公交網(wǎng)絡(luò)下的出行選擇行為,探討軌道和常規(guī)公交的協(xié)調(diào)發(fā)展。
與研究問題相關(guān)假設(shè)如下:
(1)常規(guī)公交線路調(diào)整的備選集合搜索方法由文獻(xiàn)[7]提出的模型給出;
(2)新增需求已通過土地價格預(yù)測和交通分布的四階段法測得;
(3)乘客最大換乘次數(shù)為2次,公交換乘免費(fèi);
(4)假設(shè)已投入運(yùn)營的軌道交通線路走向、??空军c(diǎn)、發(fā)車間隔時間及票價為定值;
(5)同一公交線路上下行走向及??空军c(diǎn)相同,且公交車輛運(yùn)行一次成本相同;
(6)不考慮運(yùn)行時間銜接問題,不同軌道交通線路互不影響;
(7)公交車輛在不同時段內(nèi)發(fā)車間隔相同,不同時段內(nèi)發(fā)車間隔存在差異;
(8)不考慮乘客步行到站點(diǎn)的時間,公交走行時間服從正態(tài)分布,出租車候車時間為0。
乘客出行會考慮候車時間、走行時間、擁擠度、票價和換乘次數(shù),利用效用理論求得乘客選擇不同出行方式的概率。
城市道路交通網(wǎng)絡(luò)中,乘客出行起訖點(diǎn)(i,j)∈(I,J),(I,J)表示乘客出行起訖點(diǎn)集合,線路首末站點(diǎn)(r,s)∈(R,S),(R,S)表示線路首末站點(diǎn)集合;表示在時段u下(i,j)間選擇公共交通出行的客流量,u(u=1,2,3)分別表示高、平、低三個時段,具體時段根據(jù)不同公交線路情況確定。
(1)走行時間。由假設(shè)(8),乘客選擇不同出行方式的時間為表示公交、軌道交通、出租汽車三種出行方式;b(b∈B)表示某公交線路組合,B表示線路組合集合,μub,ij,m為(i,j)間選擇交通方式m出行最短距離與平均速度之比。
(2)候車時間。乘客公共交通出行候車時間為:
式中,Rdub,ijh,m為[0,1]區(qū)間內(nèi)隨機(jī)數(shù),表示乘客在站點(diǎn)候車時間的隨機(jī)性;Hijh,m為0-1變量,當(dāng)乘客選擇第m種出行方式換乘次數(shù)≤h時,取值為1,反之為0;fbu,ijh,m表示車輛到達(dá)h站點(diǎn)的時間間隔,h(h=0,1,2)分別表示(i,j)起始和第一、二次換乘站點(diǎn),表達(dá)式如下:
式中,Cub,rsh,m表示u時段b線路組合下h站點(diǎn)所在線路(r,s)的發(fā)車間隔;tub,rhm、t′ub,rhm表示第m種出行方式先后兩車由起始站點(diǎn)到達(dá)h站點(diǎn)走行時間,服從正態(tài)分布,,,具體取值由所選線路決定。
(3)擁擠度。擁擠度是乘客上車后對于車輛人數(shù)的直觀感受。若選擇公交出行,則擁擠度表示為乘客對車上總?cè)藬?shù)感知狀況;若選擇軌道交通出行,則表示為乘客乘坐軌道交通對所在車廂總?cè)藬?shù)感知狀況。擁擠度表示如下[8]:
式中,Y(Qub,ij,m)表示第m種交通方式出行的擁擠系數(shù);Qub,ij,m表示乘客在第一個站點(diǎn)上車后車上總?cè)藬?shù),該值與客流量qub,ij,m有關(guān);Zij,m、Rij,m、Dij,m分別表示車輛座位數(shù)、車輛額定載客量和車輛最大載客量,A、B、C為修正系數(shù),由調(diào)查統(tǒng)計求得。由于出租汽車乘車人數(shù)始終小于座位數(shù),取出租汽車擁擠度為0。
(4)乘車費(fèi)用。fareub,ij,m為不同交通方式票價。
(5)換乘次數(shù)。乘客出行可能需要經(jīng)過多次換乘,hub,ij,m(hub,ij,m=0,1,2)表示乘客換乘次數(shù)。
交通方式選擇是研究非常重要的一環(huán),既有研究多采用多項(xiàng)Logit(MNL)模型計算客流分擔(dān)比例,但MNL模型沒有考慮不同選擇方案間的相關(guān)性,會導(dǎo)致結(jié)果與實(shí)際相差甚遠(yuǎn),NL模型可以較好的彌補(bǔ)MNL模型的缺陷。
公共交通與私家車在運(yùn)行線路、計費(fèi)模式、舒適度、管理體系等諸多方面都存在很大區(qū)別。因此建立雙層NL模型,第一層分配小汽車和公共交通客流,第二層分配軌道交通和公交客流,雙層NL模型如圖1所示。
圖1 巢式Logit選擇決策模型結(jié)構(gòu)
乘客選擇不同交通方式出行的概率為[9]:
式中,NL模型中選擇枝C、A、B效用相異部分分別服從甘布分布G(0,μ)、G(0,μA)、G(0,μB),μ、μA、μB取值由公交歷史數(shù)據(jù)統(tǒng)計求得;Vub,ij,m表示選擇枝效用項(xiàng)確定部分,乘客選擇m出行的效用表達(dá)式為:
式中,α1、α2、α3、α4、α5分別表示乘客對不同效用項(xiàng)的感知系數(shù),該值由專家打分法得出。由此,u時段b線路組合下(i,j)間出行乘客選擇m交通方式客流量如下:
式中,Pbu,ij(m)表示u時段b線路組合下(i,j)間出行乘客選擇不同交通方式比例。
建立雙層規(guī)劃模型,其中下層求解最佳發(fā)車間隔,上層考慮成本和效益,以線路流量為紐帶將上下層模型聯(lián)系在一起。
利用NL模型計算不同時段乘客選擇不同交通方式出行比例,以候車時間最小和運(yùn)行成本最低為目標(biāo)函數(shù)。
(1)平均每天公交出行總候車時間最小
式中,qub,ij,m表示u時段b線路組合下(i,j)間出行乘客選擇m方式出行人數(shù),qub,ij,1表示乘客選擇公交出行人數(shù);βu表示一天中u時段時長(小時);β′u取值為
(2)平均每天常規(guī)公交總運(yùn)行成本最低
式中,Dub,rs,1表示u時段b線路組合下公交在線路(r,s)單次運(yùn)行成本;Cub,rs,1表示公交發(fā)車間隔。
公交車輛發(fā)車間隔約束如下:
式中,Cmin、Cmax為公交最小、最大發(fā)車間隔限制。
(1)軌道交通客流周轉(zhuǎn)量最大
式中,lub,ij,m表示u時段b線路組合下(i,j)間第m種交通方式的乘客人數(shù);lub,ij,2表示軌道交通線路總長度。
(2)乘客總候車時間最少
(3)乘客出行總成本最少
式中,γ為時間成本系數(shù)。
(4)平均每天公交車輛運(yùn)行成本最少
公交線路長度約束:
式中,lmin、lmax表示最短、最長公交線路長度。
下層配流模型求解不同時段各線路最優(yōu)發(fā)車間隔,由于效用函數(shù)中的擁擠度與流量有關(guān),因此采用MSA算法平衡配流,利用遺傳算法求出最優(yōu)發(fā)車間隔。算法步驟如下:
初始化:u=0,b=0;
Step1:u=u+1,生成不同公交線路組合。
Step2:b=b+1,產(chǎn)生服從相應(yīng)分布的走行時間,并產(chǎn)生隨機(jī)數(shù)
Step3:編碼。根據(jù)發(fā)車間隔約束進(jìn)行0-1編碼,2n-1≤Cmax-Cmin≤2n,單線路編碼長度為n,各線路字符串相連表示b線路組合所有線路發(fā)車間隔。
印度的醫(yī)療旅游最早開始于20世紀(jì)90年代中期[7],經(jīng)過20多年的發(fā)展,目前已經(jīng)成為全球最受歡迎的醫(yī)療旅游目的地之一。2016年醫(yī)療旅游指數(shù)(Medical Tourism Index)評分中,該國的醫(yī)療旅游產(chǎn)業(yè)發(fā)展水平得分75.94分,居世界第一位,其他的兩項(xiàng)為目的地環(huán)境和旅游設(shè)施與服務(wù)質(zhì)量分別居世界第12位和第3位,綜合得分為世界第六位[8]。印度醫(yī)療旅游人數(shù)由2009年的113689人,增加到2013年的236898人[9]。2012年,印度醫(yī)療旅游業(yè)總收入為25億美元,創(chuàng)造了4900萬個就業(yè)崗位,據(jù)預(yù)計,印度醫(yī)療旅游業(yè)每年將以30%的速度增長[10,11]。
Step4:初始化。隨機(jī)選取M1個個體作為初始種群。
Step5:利用MSA算法求解平衡客流量[10]。
Step5.1:初始化。置迭代次數(shù)λ=1,令u時段b線路組合下(i,j)間出行乘客在第一個m站點(diǎn)上車后車上總?cè)藬?shù)
Step5.3:通過qub,,iλj,m計算u時段b線路組合下(i,j)間出行乘客在第一個m站點(diǎn)上車后車上總?cè)藬?shù)附加值
Step7:遺傳算子。
Step7.1:選擇算子。個體被選中概率Pz1為1與該個體適應(yīng)度值與種群全部個體適應(yīng)度值之和的比值之差。
Step7.2:交叉算子。對配對好的染色體進(jìn)行概率為Pc1的單點(diǎn)交叉。
Step7.3:變異算子?;疚蛔儺?,概率為Pm1。
Step8:終止條件。
Step8.1:令迭代次數(shù)為Dx次,Dx數(shù)值大小由路網(wǎng)大小決定。判斷是否滿足算法終止條件,若滿足,則轉(zhuǎn)到Step8.2,將編碼轉(zhuǎn)換為各線路發(fā)車時間間隔;若不滿足該條件,則返回Step6。
Step8.2:判斷是否求得該時段所有線路組合最優(yōu)發(fā)車間隔,若滿足該條件,則轉(zhuǎn)到Step8.3;反之,則轉(zhuǎn)到Step2。
Step8.3:判斷是否求得所有時段所有線路組合最優(yōu)發(fā)車間隔,若滿足該條件,則結(jié)束算法,輸出各時段各線路組合每條線路最優(yōu)發(fā)車間隔及乘客選擇不同出行方式客流量;反之,則轉(zhuǎn)到Step1。
下層模型求出不同時段不同線路組合下各線路發(fā)車間隔及選擇不同出行方式出行客流量,將數(shù)據(jù)代入上層,選擇最優(yōu)線路組合,利用遺傳算法求解,步驟如下。
Step2:編碼。每條待調(diào)整公交線路都有候選公交線路集,對該線路集中線路條數(shù)進(jìn)行0-1編碼,將編碼連接成為0-1字符串,字符串表示一線路組合。
Step3:初始化。隨機(jī)產(chǎn)生M2個個體作為初始種群。
Step4:適應(yīng)度計算。第x代種群第y個個體適應(yīng)度函數(shù)為fitnessxy=-ψ3Z3+ψ4Z4+ψ5Z5+ψ6Z6,并計算全部個體平均適應(yīng)度值
Step6:選擇。個體被選中概率為Pz2。
Step7:交叉。交叉概率為Pc2。
Step8:變異。將種群中染色體按照概率Pm2進(jìn)行單點(diǎn)變異操作。
Step9:令x=x+1,轉(zhuǎn)到Step4。
構(gòu)建如圖2所示算例網(wǎng)絡(luò)驗(yàn)證所建模型算法的有效性,其中軌道交通線路1-2-3-4-5未投入使用前,共有6條公交線路,分別為:6-10-1-2-16-19-20;7-11-2-1-17-18;9-4-3-16-17;1-10-11-12-4-5;延長線路 8-12-3-19;5-13-14-15-19。
圖2 算例網(wǎng)絡(luò)
計算參數(shù)設(shè)計如下:乘客每天出行時間為6:00~22:00,其中,高峰期、平峰期、低谷期時間分別為4h、6h、6h;網(wǎng)絡(luò)中存在10個O-D點(diǎn),分別為6-19、7-14、1-5、1-8、5-18、10-13、8-20、9-10、2-20、7-18,其高峰期客流量(單位:人次)分別為100、80、120、60、70、100、40、80、120、80,平峰期、低谷期客流量分別為高峰期的80%、50%;走行時間Tbu,ij,m分布中系數(shù)μub,ij,m為(i,j)間選擇交通方式m出行最短距離與平均速度之比,其中,公交車、軌道交通、出租平均速度分別為20km/h、60km/h、40km/h,系數(shù);不同交通方式車輛座位數(shù)、額定和最大載客量分別為Zij,1=40、Rij,1=80、Dij,1=120,Zij,2=20、Rij,2=100、Dij,2=200;公交發(fā)車間隔Cub,rs,1∈[5min,15min],軌道交通Cub,rs,2=5min;公交線路長度lub,rs,1∈[5km,10km];公交單次運(yùn)行成本Dub,rs,1=50元;收斂條件中ξ=0.001,?=0.01,迭代次數(shù)Dx=1 000,遺傳算法中,初始種群大小M1=30、M2=10,交叉概率Pc1=Pc2=0.7、變異概率Pm1=Pm2=0.1;不同交通方式票價fareub,ij,1=2元、fareub,ij,2=4元、fareub,ij,3=10元;時間成本系數(shù)γ=60;目標(biāo)函數(shù)系數(shù)ψ1=5、ψ2=1、ψ3=ψ4=ψ5=300、ψ6=1。
利用Matlab編程實(shí)現(xiàn)算法求解,求得下層模型目標(biāo)函數(shù)值為Z1=971.25min、Z2=1 947.321元,上層模型目標(biāo)函數(shù)值Z3=1 050.875人/km、Z4=1 662.5min、Z5=8 289.438元、Z6=1 947.321元,(i,j)間不同時段客流量見表1,最優(yōu)線路組合及不同時段發(fā)車間隔見表2。
表1 (i,j)間不同時段客流
不同時段最優(yōu)發(fā)車間隔存在差異,線路優(yōu)化方案受多目標(biāo)函數(shù)系數(shù)影響較大,其取值由實(shí)際需求決定,如果該值取值不同,線路優(yōu)化結(jié)果也不同。
表2 線路優(yōu)化結(jié)果
本文在線路布設(shè)中考慮出行行為影響,以軌道交通線路與公交線路空間拓?fù)浣Y(jié)構(gòu)為基礎(chǔ),構(gòu)建雙層優(yōu)化模型同時優(yōu)化公交線路和發(fā)出間隔。下層模型保證乘客候車時間和公交運(yùn)行費(fèi)用最少,考慮了擁擠度對乘客出行的影響,利用遺傳算法嵌套MSA算法求出不同時段不同線路組合下最優(yōu)發(fā)車間隔及客流分配比例,上層模型從發(fā)揮軌道交通線路干線作用、方便乘客出行、減少公交車輛運(yùn)行成本三個方面建立多目標(biāo)優(yōu)化模型,并利用遺傳算法求解。
然而,優(yōu)化對象為單條軌道交通線路沿線公交,沒有考慮軌道交通成網(wǎng)后對整體公交路網(wǎng)的調(diào)整,在一定程度上存在局限性;利用算例驗(yàn)證模型存在局限性,數(shù)據(jù)與實(shí)際存在差距,但是論證了方法合理性。下一步研究將考慮軌道交通成網(wǎng)后對公交路網(wǎng)的整體調(diào)整方法。
[1]Shrivastav P,Dhingra S L.Development of Feeder Route for Suburban Railway Stations Using Heuristic Approach[J].Journal of Transportation Engineering,2011,127(4):334-341.
[2]AS Mohaymany,A Gholami.Multimodal Feeder Network Design Problem:Ant Colony Optimization Approach[J].Journal of Transportation Engineering,2010,120(1):71-78.
[3]許旺土,何士偉,宋瑞,等.基于改進(jìn)遺傳算法的接運(yùn)公交線路生成優(yōu)化模型[J].北京:北京交通大學(xué)學(xué)報,2009,33(3):41-44.
[4]Curtin K M,BibaS.The Transit Route Arc-Node Service Maximization problem[J].European Journal of Operational Research,2011,208(1):46-56.
[5]陳麗君,陳學(xué)武,陸衛(wèi),等.基于軌道交通與公交一體化的公交線路及站點(diǎn)調(diào)整方法:中國,201010593890[P].2011-08-17.
[6]孔繁枉,高志剛,徐上,等.基于軌道交通的常規(guī)公交配套規(guī)劃[J].交通科技與經(jīng)濟(jì),2010,12(3):25-27,
[7]孫楊.城市軌道交通新線投入運(yùn)營下常規(guī)公交線網(wǎng)優(yōu)化調(diào)整方法研究[D].北京:北京交通大學(xué),2012.
[8]李遠(yuǎn),四兵鋒,楊小寶,等.考慮換乘費(fèi)用的城市公交網(wǎng)絡(luò)隨機(jī)用戶均衡配流模型及算法[J].系統(tǒng)工程理論與實(shí)踐,2014,(8):2 127-2 134.
[9]楊昌濤,靳文舟,范雪婷.基于巢式Logit模型的交通方式選擇行為研究[J].公路與汽車,2011,(4):62-65.
[10]吳祥云,劉燦齊.軌道交通客流量均衡分配模型與算法[J].同濟(jì)大學(xué)學(xué)報(自然科學(xué)版),2004,32(9):1 158-1 162.
[11]劉好德,楊曉光.基于改進(jìn)遺傳算法的公交線網(wǎng)優(yōu)化設(shè)計研究[J].計算機(jī)工程與應(yīng)用,2007,43(8):10-14.
[12]Yan Y,Liu Z,Meng Q,et al.Robust optimization model of bus transit network design with stochastic travel time[J].Journal of Transportation Engineering,2013,139(6):625-634.