寇少垚
摘要 隨著軌道交通快速發(fā)展和小汽車保有量的增長(zhǎng),公交客流量持續(xù)下滑,公交公司的利潤(rùn)也隨之下降。文章建立了雙層規(guī)劃模型:上層模型以最優(yōu)化公交公司利潤(rùn)為目標(biāo);下層模型考慮用戶選擇行為,對(duì)城市地面混合交通網(wǎng)絡(luò)流量進(jìn)行均衡分配,并基于Frank-Wolf算法對(duì)模型進(jìn)行求解,最后結(jié)合算例,通過敏感度分析研究公交發(fā)車頻率對(duì)公交公司利潤(rùn)影響。
關(guān)鍵詞 城市公交;發(fā)車頻率;客流分配;雙層模型
中圖分類號(hào) U491.17;F572 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949(2022)01-0028-04
0 引言
軌道交通和新型交通方式地迅猛發(fā)展導(dǎo)致傳統(tǒng)地面公交已不再承擔(dān)城市公共交通的主體功能,客流量逐年下降。早在2012年,國(guó)務(wù)院發(fā)布的《國(guó)務(wù)院關(guān)于城市優(yōu)先發(fā)展公共交通的指導(dǎo)意見》就明確指出:優(yōu)先發(fā)展公共交通是緩解交通擁堵、轉(zhuǎn)變城市交通發(fā)展方式、提升人民群眾生活品質(zhì)、提高政府基本公共服務(wù)水平的必然要求。
國(guó)內(nèi)外針對(duì)城市地面公交系統(tǒng)的研究比較類似,主要集中在公交線路發(fā)車頻率優(yōu)化、公交票價(jià)研究、公交網(wǎng)絡(luò)設(shè)計(jì)等等。Hadas(2012)和Herbon(2015)分別基于每小時(shí)累積客流量和公交服務(wù)水平優(yōu)化單條線路的公交發(fā)車頻率和公交車容量;陳堅(jiān)(2012)研究了公交票價(jià)對(duì)出行者出行成本和出行行為選擇的影響,并建立了SUE模型。Bruno(2012)研究了票價(jià)監(jiān)管、出行信息提供與公交服務(wù)水平、乘客出行成本之間的關(guān)系,為文章提供了研究思路。
綜合來看,現(xiàn)有文獻(xiàn)研究主要關(guān)注在公交系統(tǒng)的優(yōu)化上,較少考慮出行者出行方式選擇對(duì)地面公交系統(tǒng)的影響。然而,國(guó)內(nèi)公交專用道建設(shè)進(jìn)展緩慢:以上海市為例,2020年上海市中心城范圍公交專用道覆蓋率僅為11.8%,絕大多數(shù)公交與小汽車同占一條道路行駛,道路的擁堵狀況勢(shì)必會(huì)降低公交出行的吸引力。由此可見,在城市地面公交優(yōu)化模型中,應(yīng)考慮小汽車對(duì)公交系統(tǒng)的影響[1]。因此,該文假設(shè)出行者可選小汽車和公交車兩種出行方式,考慮出行者選擇駕車出行導(dǎo)致路段小汽車流量增多對(duì)公交系統(tǒng)的影響,建立雙層規(guī)劃模型,優(yōu)化公交發(fā)車頻率。
1 公交發(fā)車頻率優(yōu)化模型
1.1 問題描述
首先分析公交公司的利潤(rùn)模型。公交公司的運(yùn)營(yíng)成本主要包括燃油成本、維護(hù)費(fèi)用、司乘人員工資和車輛折舊成本;公交公司的運(yùn)營(yíng)收入主要來源于車票收入和政府財(cái)政補(bǔ)貼。
其次,下層模型中假設(shè)出行者可根據(jù)不同出行方式的出行成本自由選擇小汽車或公交車出行O-D。為此,該文構(gòu)建雙層模型,上層模型優(yōu)化公交公司利潤(rùn),下層模型求解地面混合交通網(wǎng)絡(luò)均衡問題,通過敏感度分析研究發(fā)車頻率對(duì)公交公司利潤(rùn)的影響[2]。
1.2 模型符號(hào)
具體模型符號(hào)定義詳見表1。
1.3 上層模型
1.3.1 公交公司利潤(rùn)模型
公交公司希望其收益達(dá)到最大化,其收益可簡(jiǎn)化為票價(jià)收益減去各個(gè)線路公交車的運(yùn)營(yíng)成本。模型決策變量為,代表l路公交車的發(fā)車頻率,具體目標(biāo)函數(shù)為:
(1)
式中:,。
約束條件:
(2)
(3)
式(2)表示出行者在車站平均等待時(shí)間不能超過10 min,式(3)表示公交公司運(yùn)營(yíng)車隊(duì)規(guī)模。
1.3.2 全體出行者出行成本模型
出行者可選擇小汽車和公交車兩種地面交通出行方式。式(4)表示小汽車出行成本,包括在途時(shí)間成本和燃油成本;式(5)表示公交車出行成本,包括時(shí)間成本、車內(nèi)擁擠成本和票價(jià)成本。
(4)
式中:
(5)
(6)
1.4 下層模型
下層模型對(duì)出行者流量進(jìn)行均衡分配,決策變量為和,分別表示選擇使用小汽車和公交車出行路徑p的客流量。
根據(jù)交通網(wǎng)絡(luò)流均衡分配理論,小汽車或公交車出行者選擇O-D間某一路徑出行產(chǎn)生的出行成本一定小于或等于選擇其他路徑出行產(chǎn)生的出行成本,可用如下模型表示:
對(duì)于公交車客流(小汽車客流同理):
(7)
出行者的出行方式選擇依據(jù)自身對(duì)各出行方式出行成本的感知決定,該文采用經(jīng)典的Logit模型來模擬出行者的出行行為選擇,選擇小汽車和公交車客流量見式(9)和式(10)。
(8)
(9)
約束條件:
(10)
(11)
(12)
(13)
(14)
(15)
(16)
(17)
(18)
式(11)和式(12)分別表示路段a的公交車流量和小汽車流量;式(13)為路段a的通行時(shí)間,用BPR函數(shù)進(jìn)行計(jì)算,并把每輛公交車折算為小汽車當(dāng)量;式(14)表示選擇公交車通行路徑p的時(shí)間成本,其中每項(xiàng)分別代表在途時(shí)間、候車時(shí)間和車輛??空緯r(shí)間;式(15)和式(16)分別表示l路公交車平均載客量和選擇公交車通行路徑p的擁擠成本;式(17)和式(18)分別表示流量守恒約束和非負(fù)約束。
2 求解算法
該文選擇采用經(jīng)典的Frank-Wolf算法求解下層模型,即所建立的城市地面混合交通網(wǎng)絡(luò)均衡模型。
算法具體步驟如下:
(1)設(shè)置選擇小汽車出行的初始流量。按照零流時(shí)各路段負(fù)效用對(duì)小汽車流量進(jìn)行全有全無分配,得到各個(gè)路段的初始流量,同時(shí)令i=0。
(2)求出各路段輔助流量。根據(jù)路段—路徑關(guān)系矩陣更新各路徑的小汽車出行成本,按照該出行成本再次全有全無分配流量到各路段,得到各路段輔助流量。
(3)確定迭代步長(zhǎng)。求滿足如下方程的解λ:
(19)
若λ有多個(gè)解,則選擇滿足0<λ<1的解。
(4)確定新的迭代起點(diǎn)。在求出λ后,令,得到的更新后的路段流量即為新的迭代起點(diǎn)。
(5)收斂性檢驗(yàn)。當(dāng)各路段小汽車流量滿足收斂條件:
(20)
則停止迭代,否則返回(2)并令i=i+1繼續(xù)迭代。e為事先確定的某正小數(shù),負(fù)責(zé)調(diào)節(jié)計(jì)算精度。
(6)同理,可以按照同樣的步驟計(jì)算公交車出行者流量均衡。
(7)分別計(jì)算通過小汽車和公交車出行O-D對(duì)r-s的最小出行成本,代入Logit模型即式(6)即可求出選擇小汽車出行的出行者數(shù)量。如果結(jié)果和該次循環(huán)步驟(1)中選擇不同交通方式的出行者數(shù)量一致,則終止循環(huán),說明已達(dá)到均衡條件;若不一致,則按照Logit模型求出的不同交通方式的出行者數(shù)量后返回步驟(1)重新迭代,直到兩者近似相等為止。
3 算例分析
3.1 算例參數(shù)
為了簡(jiǎn)化計(jì)算量,算例選擇包含一對(duì)O-D的簡(jiǎn)單網(wǎng)絡(luò)來進(jìn)行敏感度分析。
算例假設(shè)O-D間總出行需求量為8 000人次/h,出行者均可以選擇公交或小汽車出行。交通網(wǎng)絡(luò)中共有a1~a6六條單向路段,共有l(wèi)1~l5五路公交車負(fù)責(zé)該網(wǎng)絡(luò)的公交服務(wù),O-D間有四條可選路徑。公交出行成本計(jì)算方面,按照時(shí)間成本、舒適度成本和票價(jià)成本占廣義公交出行成本50%、30%和20%來設(shè)定成本折算系數(shù);小汽車出行成本按照時(shí)間成本、票價(jià)成本占廣義小汽車出行成本的80%和20%來設(shè)定折算系數(shù)[3]。算例網(wǎng)絡(luò)結(jié)構(gòu)和其他參數(shù)見圖1、表2和表3。
3.2 算例結(jié)果
基于上述交通網(wǎng)絡(luò)和參數(shù),利用Matlab搭建模型并求解算例。結(jié)果顯示,當(dāng)公交發(fā)車頻率為15班/h時(shí)公交公司可以獲得最大的利潤(rùn)。當(dāng)發(fā)車頻率小于15班/h時(shí),隨著發(fā)車頻率的提高,乘客的候車時(shí)間逐漸降低,公交出行成本減少,使越來越多的乘客選擇乘坐公交出行,公交公司的運(yùn)營(yíng)收入增長(zhǎng)幅度要大于由于發(fā)車頻率的提高所導(dǎo)致的運(yùn)營(yíng)成本的增長(zhǎng)幅度[4]。當(dāng)發(fā)車頻率大于15班/h時(shí),乘客對(duì)候車時(shí)間的減少已不再敏感,此時(shí)發(fā)車頻率的提高不能為公交公司帶來超額收益。
4 結(jié)論
該文建立了考慮出行者出行方式選擇的公交發(fā)車頻率優(yōu)化模型:上層模型以公交公司利潤(rùn)為優(yōu)化目標(biāo),下層模型用Logit模型模擬用戶的出行方式選擇,并基于交通網(wǎng)絡(luò)流量分配理論對(duì)城市混合交通流量進(jìn)行均衡分配。為求解下層模型,該文對(duì)Frank-Wolf算法做出了改進(jìn),使其能夠求解混合交通網(wǎng)絡(luò)流量問題。最后通過算例的結(jié)果可以驗(yàn)證該模型的有效性,其可為政府和公交企業(yè)提供決策依據(jù)和模型基礎(chǔ)。
參考文獻(xiàn)
[1]Yuval Hadas,Matan Shnaiderman.Public-transit frequency setting using minimum-cost approach with stochastic demand and travel time[J].Transportation Research Part B,2012(8):1068-1084.
[2]Avi Herbon,Yuval Hadas.Determining optimal frequency and vehicle capacity for public transit routes:A generalized newsvendor model[J].Transportation Research Part B,2015(71):85-99.
[3]Bruno De Borger,Mogens Fosgerau.Information provision by regulated public transport companies[J].Transportation Research Part B,2012(4):492-510.
[4]陳堅(jiān).出行行為與公交定價(jià)理論及應(yīng)用研究[D].成都:西南交通大學(xué),2012.