趙力萱，吳澤駒，何康園，鄧榮峰，王宇靜，文 碩

(1.廣東警官學(xué)院，廣東 廣州 510440；2.高德軟件有限公司，北京 100102；3.中山大學(xué) 智能工程學(xué)院，廣東 深圳 518107；4.北京理工大學(xué)珠海學(xué)院，廣東 珠海519088)

0 引言

隨著經(jīng)濟發(fā)展，我國機動車保有量逐年攀升，越來越多人采用私家車作為上下班通勤工具。雖然私家車通勤可以帶來個性化與舒適度較高的出行體驗，但也造成了嚴重的交通擁堵，并加劇了碳排放問題。據(jù)統(tǒng)計，2020 年交通領(lǐng)域的碳排放約占全國終端碳排放的15%[1]，其中道路交通的碳排放約占整個交通行業(yè)的75%[2]；2021年我國汽車保有量為3.02 億輛，其中燃油汽車占比為97.2%，若每降低1%油耗即可減少碳排放近750 萬t[3]，如能采取有效措施減少路面通勤的私家車數(shù)量即可減少道路交通碳排放。定制公交是一種基于用戶出行需求設(shè)計路線的出行方式，具有定點、定人、一人一座、路線靈活等特點[4]。該出行方式既保留了當前公交出行方式低碳環(huán)保的優(yōu)點，又具有私家車、出租車等出行方式舒適性和定制性高的特征。定制公交的出現(xiàn)，可減少私家車的使用頻率，不僅有助于緩解交通擁堵，而且有益于降低碳排放。定制公交的運行線路不僅影響到乘客的出行效率，也關(guān)乎營運企業(yè)的收益，是決定定制公交吸引力和可持續(xù)發(fā)展的重要因素。碳減排背景下，在保證乘客與營運企業(yè)利益的前提下，將碳排放最少作為定制公交線路規(guī)劃模型的首要優(yōu)化目標開展研究，對于促進定制公交替代私家車出行以減少碳排放總量具有重要意義。

從不同的側(cè)重點考慮，國內(nèi)外關(guān)于定制公交線路規(guī)劃模型優(yōu)化目標的研究一般分為三類：一是以行程時間最短[4-7]、出行成本最小[8]等乘客利益最優(yōu)為目標；二是以營運里程最短[9-10]、車輛營運成本最低[11-12]、收益最大[13]等公交營運企業(yè)利益最優(yōu)為目標；三是以運營成本與舒適性協(xié)同最優(yōu)[14]、車輛服務(wù)率與乘客出行成本協(xié)同最優(yōu)[15]、乘客出行成本與車輛營運成本協(xié)同最優(yōu)[16-18]等乘客與公交營運企業(yè)利益同時達到最優(yōu)為目標，僅有個別研究在構(gòu)建多目標優(yōu)化模型時將碳排放量作為其中一個目標納入考慮[19]。從模型研究所用數(shù)據(jù)源角度，現(xiàn)有定制公交研究大多基于模擬數(shù)據(jù)或少量調(diào)查數(shù)據(jù)進行分析以確定定制公交出行需求。在模型求解方面，一般采用遺傳算法、列生成算法、模擬退火算法、Q-learning 算法等，其中遺傳算法因其可較快獲得近似最優(yōu)解，在現(xiàn)有研究中最常使用。

整體上，現(xiàn)有的定制公交路線規(guī)劃研究通常從乘客、公交營運企業(yè)一方或多方利益最優(yōu)出發(fā)構(gòu)建定制公交路線規(guī)劃模型。一般而言，為了實現(xiàn)乘客利益最大化，公交營運企業(yè)需派出更多的定制公交車參與運輸，這會在一定程度上增加整體碳排放；為了實現(xiàn)公交營運企業(yè)利益最大化，如以營運里程最短或營運成本最低為目標，又難以保證定制公交完全覆蓋符合乘客實際需求的服務(wù)范圍；同時考慮乘客及公交營運企業(yè)利益的模型卻鮮有將減少碳排放作為首要因素納入考量。此外，基于模擬數(shù)據(jù)和小數(shù)據(jù)樣本的研究不能有效挖掘?qū)嶋H潛在的定制公交出行需求，在此基礎(chǔ)上構(gòu)建的模型往往不能滿足實際出行需求，或不能服務(wù)位置偏遠乘客的出行，又或使公交營運企業(yè)因投入過多定制公交車輛而增加碳排放。目前互聯(lián)網(wǎng)大數(shù)據(jù)依賴海量的用戶定位回傳數(shù)據(jù)，具備良好的交通大數(shù)據(jù)優(yōu)勢，可用于精準研判交通參與者的出行規(guī)律，從而對定制公交路線進行精細化規(guī)劃，使營運企業(yè)派出定制公交的車型、車輛數(shù)、服務(wù)范圍及乘客出行效率等均與實際需求緊密契合，同時滿足乘客與營運企業(yè)的利益訴求，以降低私家車出行頻率，減少碳排放。在制定定制公交線路方案時進一步以減少油耗為主要目標構(gòu)建線路規(guī)劃模型，可使得整體碳減排效率達到最優(yōu)。

因此，為了優(yōu)化城市交通通勤服務(wù)，在緩解擁堵的基礎(chǔ)上進一步實現(xiàn)減碳目標，本研究將依托互聯(lián)網(wǎng)大數(shù)據(jù)，在綜合考慮乘客利益、公交營運企業(yè)利益等條件約束的前提下，針對私家車用戶的通勤需求提出一個以碳排放最少為目標的定制公交路線規(guī)劃模型，并采用遺傳算法進行求解，繼而以廣州市的實際案例對所建模型的有效性進行分析。

1 定制公交路線規(guī)劃模型的構(gòu)建

1.1 問題場景描述

本研究意在采用定制公交出行方式為私家車通勤用戶提供一個低碳環(huán)保、定制化程度較高的通勤方案。在實際定制公交營運過程中，公交營運企業(yè)擁有的車型與車輛數(shù)、車輛如何服務(wù)沿途各站點、各站點服務(wù)乘客的方式等都會對整體路線規(guī)劃方案產(chǎn)生一定的影響。為便于模型搭建，對部分問題場景作如下假設(shè)：

（1）有充足車型和充足數(shù)量的車輛參與服務(wù)；

（2）忽略車輛從車場到第一個服務(wù)站點的距離、能耗等影響；

（3）忽略車輛完成任務(wù)后返回車場的距離、能耗等影響；

（4）乘客均準時在上車站點等待，忽略乘客上下車時間；

（5）忽略車輛載重變化對于車輛油耗的影響；

（6）規(guī)劃路線中所有站點均被服務(wù)，且服務(wù)次數(shù)僅為一次；

（7）所有車輛均為使用燃油的營運客運車輛（非營運中的固定線路公交車）；

（8）站點類型分為起點站與終點站，起點站只有乘客上車，終點站只有乘客下車；

（9）定制公交先完成所有起點站的乘客接載任務(wù)，再逐一訪問各終點。

1.2 目標函數(shù)

本研究在考慮乘客利益、公交營運企業(yè)利益等現(xiàn)實條件約束的前提下，以碳排放量最少為路線規(guī)劃目標，其中碳排放量用汽車的燃油消耗量表征，即本研究以燃油消耗量最少為路線規(guī)劃目標。根據(jù)鮑海曦[20]的研究可知，車輛油耗隨客車車身長度的增加而增加且不同工況下會在一定范圍內(nèi)波動。結(jié)合車輛運行情況，本研究考慮影響車輛油耗的因素包括車型、行程距離與車輛運行速度，其中以車輛長度表征不同車型；以燃油消耗系數(shù)表征不同車輛運行速度下的燃油消耗情況，據(jù)此構(gòu)建目標函數(shù)如下：

式（1）中：Z為總油耗（L）；?為車身長度（m）；A?為車長為?的車型每百公里油耗（L/100km）；N為上下車站點的集合；i,j分別為第i站點和第j站點，其中i為j的上一站點；Dij為i站點到j(luò)站點的行程距離（km）；αij為車輛從i站點到j(luò)站點的油耗系數(shù)，根據(jù)該路段平均速度取值，速度越低，系數(shù)越大，油耗越大；yij表示判斷車輛是否途徑某一路段，當車輛途徑i站點到j(luò)站點的路段時，取yij=1，否則取yij=0。

1.3 約束函數(shù)

結(jié)合現(xiàn)實情況，在定制公交路線規(guī)劃過程中考慮乘客利益、公交營運企業(yè)利益等約束條件，對定制公交路線規(guī)劃模型作出式（2）～式（6）的約束。其中，考慮營運企業(yè)利益，為使車輛滿座率盡可能高，制定約束函數(shù)式（2），可根據(jù)站點需要服務(wù)的人數(shù)總和選擇定制公交車型；考慮車輛實際情況，為避免需要服務(wù)的乘客人數(shù)大于車輛座位數(shù)的情況發(fā)生，制定約束函數(shù)式（3），使得該車輛服務(wù)的站點乘客數(shù)量總和小于或等于最大車型的座位數(shù)；考慮乘客利益，為約束定制公交的行程時間在合理范圍內(nèi)，制定約束函數(shù)式（4）～式（6），其中式（4）約束每個上車站點只能服務(wù)1次；式（5）約束所有站點均需要被服務(wù)；結(jié)合式（4）和式（5）可約束定制公交訪問每1 個站點且只訪問1 次；式（6）約束公交接載乘客的時長在一定范圍內(nèi)。

2 模型求解

定制公交路線規(guī)劃是一個NP_hard 問題，遺傳算法在求解該類問題上較其他算法更優(yōu)，因此本研究采用遺傳算法對模型進行求解。

2.1 遺傳算法求解流程

遺傳算法主要通過種群迭代，不斷篩選出適應(yīng)度最好的定制公交路線規(guī)劃方案，直至完成既定的目標迭代次數(shù)，最后將適應(yīng)度最優(yōu)的方案作為定制公交路線規(guī)劃方案。遺傳算法流程如圖1所示。

圖1 遺傳算法流程圖

2.2 編碼與解碼

編碼與解碼是遺傳算法的核心步驟。因為起點站上客與終點站下客分開，且終點站由起點站所屬的OD 對決定，所以終點站的訪問路線可基于起點站進行確認。因此，本研究采用一段式對上車站點進行編碼（生成染色體）。首先，確定需要服務(wù)的上車站點數(shù)量n，并對站點進行編號。然后，隨機生成n個不重復(fù)的數(shù)字1～n，且數(shù)字編號與站點一一對應(yīng)，數(shù)字編號的先后順序為訪問起點站的先后順序。如起點站序列3-6-2-1-4-5，定制公交先訪問站點3 繼而訪問站點6，該染色體的長度由需要訪問的站點數(shù)量決定。

每條原始編碼可能包含多條定制公交線路，需要按照一定的規(guī)則對原始編碼（染色體）進行解碼并計算染色體適應(yīng)度。解碼流程如圖2所示。首先，根據(jù)約束函數(shù)（3）與（6）對原始編碼進行切割，獲得m個編碼片段。然后針對每個小的編碼片段確定終點站的編碼。由于早高峰時段通勤OD 的終點站具有高度集中的特征，終點站數(shù)量較少，因而從計算效益考慮而采用枚舉法確定所有終點站組合順序。最后將該片段的編碼與可能的終點站編碼進行組合并計算其適應(yīng)度，保留適應(yīng)度最優(yōu)的編碼作為解碼的結(jié)果。

圖2 解碼流程圖

3 算例分析

3.1 研究對象及通勤需求分析

基于高德地圖平臺所提供的互聯(lián)網(wǎng)大數(shù)據(jù)，通過挖掘分析，在初步明確廣州市主要擁堵時段與擁堵路段的基礎(chǔ)上，進一步確認本研究選取的定制公交潛在客戶群體及其通勤需求。

天河區(qū)是中國三大國家級CBD（中央商務(wù)區(qū)）之一，為廣州提供了大量的就業(yè)崗位，與一江之隔的海珠區(qū)有明顯的職住分離特征。廣州大橋連接天河區(qū)CBD 與海珠區(qū)，是上下班通勤的重要通道，具有車流量大、高峰期道路擁堵指數(shù)高等特點。本研究以早高峰時段（7：00—9：00）自南向北（即從海珠區(qū)往天河區(qū)）通過廣州大橋的非營運小客車為例，分析以私家車作為通勤交通工具的用戶出行特點。采用聚類分析等數(shù)據(jù)挖掘方 法，對2021 年9 月17日至2022 年3 月16日產(chǎn)生的用戶數(shù)據(jù)進行分析，確定了最熱門的100 個OD 對。輸出結(jié)果包含的字段信息有：起終點地名（精度為100m）、起終點經(jīng)緯度和通勤路徑為該OD對的私家車用戶數(shù)量。

根據(jù)分析結(jié)果可知，熱門OD 對的起點在海珠區(qū)內(nèi)分散分布，終點高度集中在天河區(qū)的數(shù)個點位上，且各點位沿著廣州大道中分布。前100個熱門OD 對私家車通勤用戶總數(shù)為1 471 人，占早高峰時段自南向北通過廣州大橋私家車總用戶數(shù)的14.68%。排名前20 的OD 對中每對OD 的私家車通勤用戶數(shù)量最少為20 人。以15min 粒度對該100個熱門OD對的用戶數(shù)量進行統(tǒng)計，結(jié)果表明7：00—9：00 間各時段（每15 min 為1 個時段）內(nèi)出發(fā)，用戶數(shù)大于5 人的OD 對數(shù)量依次是5,4,7,10,11,10,9,10對。綜上可知，早高峰時段，自南向北通過廣州大橋的部分私家車通勤用戶的通勤時間和通勤路線高度重合，且聚合了多名用戶的點位數(shù)量亦較多，可以考慮采用定制公交通勤方案以滿足私家車通勤用戶群體的通勤需求。為了使定制公交通勤方案在滿足乘客和營運企業(yè)需求的基礎(chǔ)上進一步實現(xiàn)碳減排目標，需合理規(guī)劃定制公交的服務(wù)路線。

由于約束函數(shù)（3）與（6）分別約束了定制公交的最大載客量與接載客人的總時長，因此將整個早高峰期內(nèi)的出行需求切割為多個15min 較小時間段內(nèi)的出行需求進行分析，然后將多個小時間段的路線規(guī)劃結(jié)果進行累加，即可得到整個早高峰期時段的定制公交路線規(guī)劃結(jié)果。以早高峰時期1個15min（8：00—8：15）時段的通勤需求為例進行分析，該時段內(nèi)出發(fā)的私家車通勤用戶數(shù)大于5人的OD對共有11對，用戶總數(shù)為69人。本研究以這11 個OD 對的69 名用戶的通勤需求為例進行分析。各OD 對及其起終點站編號結(jié)果如表1 所示。這11 個OD 對中共有9 個起點站和3 個終點站。其中，“上涌村牌坊停車場”與“龍?zhí)洞迮品徽尽备髯詫儆诙鄠€不同的OD對，即表1中序號為B 和G 及序號 為H 和K 的OD 對，每個OD對的終點站不同，因此具有多個不同的起點站編號。起點站10是一個特殊點，該起點站遠離其他8 個起點站且其所屬編號為J 的OD 對終點站與其他OD 對的終點站均不同。各站點分布情況見圖3。

表1 8:00—8:15出發(fā)自南向北經(jīng)過廣州大橋的11個熱門OD對信息

圖3 起終站點分布圖

3.2 數(shù)據(jù)預(yù)處理

基于大數(shù)據(jù)分析結(jié)果給定的11個站點經(jīng)緯度信息，結(jié)合高德地圖平臺的未來出行時間預(yù)測功能，以星期三8:00—8:15 出發(fā)時間預(yù)測結(jié)果為基準，記錄各起終點站間推薦出行路線的行程距離與行程時間，結(jié)果如表2、表3所示。根據(jù)各站點間的行程距離與行程時間求解出各站點間的平均行程速度，結(jié)果如表4所示。

表2 各站點間行程距離 單位：km

表3 各站點間的行程時間 單位：min

表4 各站點間平均行程速度 單位：km/h

3.3 數(shù)據(jù)分析與結(jié)果討論

以各OD 對的上車人數(shù)、各站點間的行程距離、行程時間與行程速度為輸入，采用遺傳算法對以碳減排為目標的定制公交路線規(guī)劃模型進行求解。遺傳算法的相關(guān)參數(shù)取值如表5 所示。其中，不同車型的油耗系數(shù)根據(jù)鮑海曦[20]研究中給出的車長與標準油耗的指數(shù)回歸函數(shù)確定。

表5 遺傳算法相應(yīng)參數(shù)取值

分析結(jié)果表明，11個上車站點的69名乘客共需采用4 臺定制公交以滿足通勤需求。各路線的站點分配、乘客數(shù)量、滿座率、行程時間、平均增加的時間成本（指該路線中所有乘客采用定制公交通勤比采用私家車平均增加的時間成本）、定制公交油耗、私家車油耗、油耗下降率（指定制公交通勤相較于私家車通勤的油耗下降率）的情況如表6所示。

表6 各定制公交路線情況

根據(jù)表6 可知，各線路的定制公交整體具有較高的滿座率，同時用戶因采用定制公交通勤比采用私家車通勤平均增加的時間成本較低，不大于5.38min。在燃油消耗方面，各路線的定制公交油耗整體較低，較采用私家車通勤可減少超過64.73%的燃油消耗。若69 名用戶均采用定制公交通勤，可比均采用私家車通勤減少約89.36%的燃油消耗。

采用如圖4 所示的拓撲圖表征各上下車站點的位置關(guān)系及各定制公交路線的安排情況，具有不同終點站的同一起點站11,8 和起點站2,7 均只被1 輛定制公交訪問1 次，避免了多輛車重復(fù)訪問同一起點站造成的時間成本與燃油成本增加。此外，特殊站點10 被單獨安排了1 輛定制公交進行服務(wù)。雖然為站點10 服務(wù)的定制公交滿座率僅為33.33%，但有效避免了定制公交因為接送特殊站點10的乘客而造成其他站點乘客的出行時間成本增加及車輛油耗成本增加。

圖4 各定制公交路線拓撲圖

綜上可知，本研究所提方案具有較高車輛滿座率、較小的用戶出行時間成本增加量、較高的油耗下降率，并能較好地處理特殊站點的影響。因此，可認為本研究所提方案具有較高的實用性、較好的場景適應(yīng)性及較優(yōu)異的“減碳”表現(xiàn)。

4 結(jié)語

本文以減少道路交通碳排放為目標，提出了以定制公交替代私家車出行的通勤方案。以燃油消耗量表征碳排放量，在考慮乘客及營運企業(yè)利益的前提下構(gòu)建了以燃油消耗最少為目標的定制公交路線規(guī)劃模型，采用遺傳算法對模型進行求解。依托高德地圖平臺提供的互聯(lián)網(wǎng)大數(shù)據(jù)，采用本文提出的模型為早高峰期間1 個時段內(nèi)自南向北通過廣州大橋的私家車通勤用戶規(guī)劃定制公交路線，結(jié)果表明，僅需4 臺定制公交即可滿足11個上車站點的69名私家車用戶通勤需求，各線路車輛總體滿座率較高、乘客平均出行時間成本增加較小且能較好地處理特殊站點的影響，同時可減少89.36%的燃油消耗。綜上可知，本研究有效利用交通大數(shù)據(jù)對出行者的出行規(guī)律和出行需求作出精準研判，所提方案具有較高的實用性、場景適應(yīng)性及較優(yōu)異的“減碳”表現(xiàn)，對大數(shù)據(jù)背景下實現(xiàn)“碳達峰”與“碳中和”目標具有現(xiàn)實意義。

本研究在構(gòu)建路線規(guī)劃模型時僅考慮了行程距離、速度與車型對燃油消耗的影響，而沒有考慮車輛載重、站點等待時間產(chǎn)生的燃油消耗，日后在數(shù)據(jù)條件允許的情況下將加入更多影響燃油消耗的因素對模型進行優(yōu)化，以進一步完善以碳減排為目標的定制公交通勤路線規(guī)劃方案。若采用新能源汽車作為定制公交，則能更進一步從能源優(yōu)化角度提升碳減排效果。