惠煌,馬健霄,馮 昕,朱震軍,許馨方
(南京林業(yè)大學 汽車與交通工程學院,江蘇 南京 210037)
在城市近郊區(qū),軌道交通的線網(wǎng)密度較小,站點間距較大,該區(qū)域內(nèi)存在較大的軌道交通服務空白,居民通過自行車、步行等方式接駁效率較低,依靠軌道站點通勤受到距離、費用、換乘次數(shù)等因素的制約。本文的軌道社區(qū)是指分布在軌道站點周圍1~3km,圍繞軌道站點開發(fā)建設,受其直接服務,內(nèi)部有成熟的支路網(wǎng)將各個小區(qū)緊密連接在一起,居民通勤出行主要依靠軌道站點的連綿成片的居住片區(qū)。大型軌道社區(qū)的出行需求量大且集中,出入口位置影響著居民出行。隨著軌道交通網(wǎng)絡的發(fā)展,大量的軌道站點被軌道社區(qū)包圍,軌道站點的服務范圍不再局限于軌道交通線路一側的居住區(qū)。接駁公交作為城市公共交通系統(tǒng)的重要組成部分,能夠填補軌道交通的服務缺口,滿足軌道社區(qū)居民通勤出行需求。
城市近郊區(qū)公交線路通常服務于中心城區(qū)外圍,交通密度相對較低,許多乘客出行較為集中且有一個共同的目的地[1]。現(xiàn)有研究較多關注公交的運營特點和服務目的,分析城市接駁公交的客流特性[2-5]。Jaehyun等[6]研究發(fā)現(xiàn),出行需多次換乘時,通勤者選擇公交的概率會降低。管娜娜等[7]認為,軌道站點周邊居民主要依靠社區(qū)公交滿足出行需求。張思林、武倩楠等[8-9]研究認為,公交站點可以滿足相鄰需求點的乘客出行需求,離公交站點較近的居民更有可能選擇公交出行,從而建立模型,通過客流預測、數(shù)據(jù)分析優(yōu)化了發(fā)車間隔和站點布設方案,降低了公交運營成本,提高了公交運行效率,為后續(xù)優(yōu)化公交線路、提高乘客換乘便捷性奠定了基礎。構建模型是線路優(yōu)化的關鍵步驟,孫楊等[10]以軌道交通與公交線路一體化為研究對象,構建公交線網(wǎng)優(yōu)化調整的多目標規(guī)劃模型,從而調整常規(guī)公交線路走向,優(yōu)化線路的運營參數(shù)。Zheng等[11]引入需求系數(shù)建立了接駁公交路線優(yōu)化模型。在模型求解方面,既往研究多直接采用啟發(fā)式算法[12-15]。
既有研究較多關注多個公交站點接駁一個軌道站點(多對一)的情況,較少針對兩條及以上軌道交通線路相交的城市近郊區(qū),研究多個公交站點接駁多個軌道站點(多對多)的線路優(yōu)化問題。本文以南京近郊區(qū)為例,構建雙層規(guī)劃模型,應用遺傳算法對模型求解,優(yōu)化接駁公交線路,旨在充分利用現(xiàn)有公交站點及軌道社區(qū)的出入口位置的前提下提高居民短距離出行的便捷度。
在城市近郊區(qū),軌道交通線網(wǎng)密度和可達性較低,居民通過自行車或步行接駁軌道站點花費時間較多,而且在換乘站點周圍的軌道社區(qū)居民會根據(jù)各自的偏好選擇不同的軌道站點出行。出行目的決定客流的流向,掌握接駁公交服務對象的出行生成和吸引源,有利于明確接駁公交線路的走向。接駁公交乘客出行目的多樣化,主要包括上班、購物、上學等。以通勤為目的的居民是接駁公交的主要客源,且大多數(shù)乘客需要經(jīng)過換乘到達軌道站點。軌道社區(qū)居民出行和返程時間主要集中在早晚高峰,其余時段較為平緩。為減少通勤乘客的等待時間,早晚高峰時段發(fā)車間隔時間應小于平峰時段。
多對多的軌道社區(qū)接駁公交線路可以滿足軌道社區(qū)居民選擇不同站點出行的需要,其線路優(yōu)化涉及乘客、運營者和政府等多個主體。接駁公交現(xiàn)存問題的相關調查結果如圖1所示。
圖1 接駁公交系統(tǒng)存在的主要問題
從乘客的角度看,接駁公交線路設計不合理是目前最主要的問題。公交站點與軌道站點的位置、候車時間、換乘時間等因素影響接駁公交線路的優(yōu)化。乘客可接受的最長候車時間為6~10min。此外,乘客可接受的候車時間還與出行距離有關:距離軌道站點1~3km 時,居民傾向于乘坐公共汽車;距離軌道站點不足1km 時,居民則更傾向于步行。運營者對客流量和發(fā)車頻率關注度較高,發(fā)車頻率和線路長度會影響公交公司運營成本,乘客數(shù)量則直接關系到公交公司的收入。發(fā)車頻率越高,乘客的滿意度就越高,但車輛滿載率會隨之降低,公交公司收入將減少。因此,優(yōu)化接駁公交線路需要充分了解客流特征,在保證候車時間盡可能短的前提下,提高公交車輛的滿載率。
雙層規(guī)劃模型是遞階型結構的系統(tǒng)優(yōu)化問題,上層決策者先做出決策,下層決策者再根據(jù)上層的決策做出決策,以實現(xiàn)下層目標,將決策返回到上層,然后上層決策者再根據(jù)下層決策做出總體最優(yōu)決策。城市公共交通系統(tǒng)規(guī)劃符合雙層規(guī)劃的特點,公交公司為公交用戶提供公交線路和基礎設施,居民的出行需求又會影響公交公司的線路設置,既能體現(xiàn)公交公司和公交乘客的利益,又能體現(xiàn)兩者之間的相互作用。當前,隨著我國個體機動化水平日益提高,公共交通發(fā)展面臨著嚴峻挑戰(zhàn)。因此,提高運營效率、合理配置資源、完善運營組織尤為重要。而完善運營組織首先就要從乘客的出行成本和公交的運營成本出發(fā),在有限的條件下達到財務平衡,實現(xiàn)可持續(xù)發(fā)展。乘客出行成本主要包括票價及時間成本。公交的運營成本主要涉及固定成本及運營成本,其中人員工資及工資性支出成本在公交運營成本中的占比超過50%,需要重點考慮,通過合理定編,控制勞動力投入,提高管理效能,最大程度降低人力資源的無效損耗,從而降低公交運行成本。所以,接駁公交線路的優(yōu)化,應在滿足居民出行需求的同時,保證成本最低。本文以出行成本和運營成本最小作為上層模型,乘客直達率最大作為下層模型。
(1)上層規(guī)劃模型
上層規(guī)劃模型的目標是乘客的出行成本和公交的運營成本之和最小。
式(1)中:C為總成本;C1為乘客出行成本;C2為公交運營成本;η1和η2為權重系數(shù)。
乘客出行成本C1包括:從出發(fā)地到公交站點的時間成本、在公交站點的候車時間成本、在車的時間成本和從公交站點到軌道站點的時間成本。其計算方法如下:
式(2)中:α為乘客單位時間成本;N為公交站點數(shù)量;i,j為公交站點序號;Dij為公交站點i與公交站點j之間的乘客流量;ρ1,ρ2,ρ3,ρ4均為時間權重;xij為該公交線路是否經(jīng)過弧(i,j)的判定因子;s為公交線路起點;t為公交線路終點;若s,t之間有公交線路且經(jīng)過?。╥,j),則xij=1,否則xij=0;t1為出發(fā)地到公交站點的時間;t2為候車時間;t3為在車時間;t4為下車后到軌道站點的時間;R1為乘客的平均步行距離;v1為乘客的平均步行速度;H0為發(fā)車間隔;v2為公交的平均行駛速度;L為乘客的平均乘車距離,按式(3)計算;其他參數(shù)含義同前。
式(3)中:dij為公交站點i到公交站點j間的距離;其他參數(shù)含義同前。
公交運營成本C2包括:公交車輛的固定成本、運營成本和公交站點的固定成本。其計算方法如下:
式(4)中:lst為公交線路從起點到終點的長度,按式(5)計算;λ為公交線路一天內(nèi)總運營次數(shù);Fq為公交車每千米的運營成本;μ為公交線路運力配置;Fp為公交車的固定成本;為s,t之間是否有公交線路且在i站點停留的判定因子,若s,t之間有公交線路且在i站點停留,則=1,否則=0;ei為站點i作為接駁公交停車站點一天的固定費用;其他參數(shù)含義同前。
式(5)中:所有參數(shù)含義同前。
綜上所述,上層規(guī)劃模型為:
(2)上層規(guī)劃模型約束條件
①線路長度約束(ls)t:公交線路的長度影響乘客的出行時間和換乘次數(shù),若線路過短,會降低公交線路的覆蓋率;若線路過長,會增加乘客出行時間,影響公交運營效率。該約束條件表示為:
②發(fā)車頻率約束(f):發(fā)車頻率影響居民的出行時間和公交公司的運營成本。該約束條件表示為:
③公交站點數(shù)量約束(W):公交線路站點設置過少,公交公司的收入隨之減少;公交線路站點設置過多,乘客的出行時間隨之增加。該約束條件表示為:
(3)下層規(guī)劃模型
下層規(guī)劃模型的目標函數(shù)是乘客直達率最大。乘客直達率Z為直達客流量與公交需求之比:
雙層規(guī)劃模型屬于非線性模型,求解較復雜且解的正確性難以檢驗,通常只能得到局部最優(yōu)解,一般采用啟發(fā)式算法求解。在公交線路的優(yōu)化中,遺傳算法有較大優(yōu)勢,其以概率為基礎,從一個面開始隨機搜索,而且運算簡單、收斂速度快,是一種基于自然遺傳機制和自然選擇原理的搜索優(yōu)化算法。上層隨機給出初始公交線路,下層根據(jù)初始公交線路計算乘客直達率,將下層計算出的乘客直達率返回上層,求解上層目標,以上層目標作為整體目標開始迭代,直至滿足迭代的終止條件。
具體步驟為:
(1)選擇合適的種群規(guī)模M、迭代總數(shù)gmax、交叉概率Pc和變異概率Pm;
(2)進行二進制編碼,產(chǎn)生初始接駁公交線路;
(3)計算每條接駁公交線路的適應度函數(shù)值并排序;
(4)根據(jù)適應度函數(shù)值選擇是否遺傳,淘汰適應度函數(shù)值低的;
(5)根據(jù)概率進行交叉、變異,生成新的接駁公交線路;
(6)若g=gmax,則進入步驟(7);否則,令g=g+1,返回步驟(3);
(7)若N=vub,則終止算法;否則,令N=N+1,返回步驟(1)。
以南京市中華門站和安德門站軌道社區(qū)為例,研究接駁公交線路優(yōu)化問題。軌道站點和公交站點分布如圖2 所示,通過調查獲取各公交站點間的出行交通量,如表1 所示。中華門站位于地鐵1 號線上,共有4 個出入口,分別通往雨花西路和集合村路。安德門站是地鐵1 號線與10 號線的換乘站,設有6 個出入口,通向小行路和安德門大街,并設有公交樞紐站。在安德門站和中華門站周圍分布著大量的軌道社區(qū),通勤出行需求集中,但與軌道站點的距離、出行成本、公交效率等因素制約著軌道社區(qū)居民選擇軌道交通出行。
表1 公交站點間客流量表 單位:人/h
圖2 軌道站點和公交站點分布圖
研究區(qū)域設置各參數(shù)為:η1=1,η2=6,λ=50,μ=6,ρ1=ρ2=ρ3=ρ4=0.25,R1=R2=300,em=1.5,α=0.2,v1=1.5m/s,v2=15km/h,H0=10min,2.5km≤lst≤5.0km,L=2.9km,5≤W≤15,f=12 對/h。每輛公交車的成本為25萬元,公交車使用年限為10年,天然氣的消耗量為0.34m3/km,天然氣的價格為4.4 元/m3,公交站點的建造成本為5 000 元/個。Fp=250000/(365×10)≈70,Fq=34×4.4/100≈1.5,ei=5000/(365×3)≈4.6。應用遺傳算法求解,設置種群規(guī)模為50,迭代次數(shù)為100,交叉概率為0.8,變異概率為0.1。
本次線路優(yōu)化的遺傳算法迭代過程如圖3 所示。可以看到,迭代至第65代時適應度值趨于平穩(wěn),模型以及算法有效適用。該案例的網(wǎng)絡較為簡單,可以隨機產(chǎn)生初始值,從而得到最優(yōu)解。當網(wǎng)絡較為復雜時,初始值對解的影響較大,隨機產(chǎn)生初始值可能陷入局部最優(yōu)解,因此可以人工賦較優(yōu)的初始值。
圖3 遺傳算法迭代過程圖
綜合考慮模型最優(yōu)解選擇最優(yōu)方案,如圖4所示,算法的最終結果為中華門站和安德門站優(yōu)化了兩條公交線路(接駁公交線路1 和接駁公交線路2),解決了多對多的接駁公交線路優(yōu)化問題。線路1和線路2的長度分別為3.1km和4.8km,平均長度為3.95km。接駁公交線路1 和接駁公交線路2 分別有9 個、15 個公交站點,平均站間距為359m,滿足了接駁公交的功能定位。線路涵蓋兩個軌道站點,基本覆蓋了區(qū)域內(nèi)的常規(guī)公交站點。建模求解得出,線路沒有涉及的西云村和能仁里二村,現(xiàn)有常規(guī)公交線路較多,其中能仁里二村共有8 條常規(guī)公交線路,滿足了周圍軌道社區(qū)居民的出行需求,居民通過步行到達相鄰站點乘坐接駁公交較為方便。
圖4 接駁公交線路優(yōu)化圖
接駁公交線路利用現(xiàn)有站點,減少了建設成本,但有些站點間距較大,軌道社區(qū)居民需要長距離步行到達站點。考慮軌道社區(qū)出入口位置和居民出行需求,為更好地服務站點周邊居民出行,減少步行距離,縮短接駁公交站間距,新增雨麓苑、雨花小區(qū)、龍福山莊等7 個接駁公交站點。線路在保證公交運營成本和乘客出行成本之和最小的情況下,乘客直達率較大,如表2所示。
表2 模型最優(yōu)解
本文分析了城市近郊區(qū)軌道社區(qū)接駁公交的特性,構建了軌道社區(qū)公交接駁線路優(yōu)化模型,應用遺傳算法求解。以中華門站和安德門站為實例,以出行成本和運營成本最小化、乘客直達率最大化為目標,求解得到兩條多對多的軌道社區(qū)接駁公交線路。線路的優(yōu)化充分利用了區(qū)域的常規(guī)公交站點,為縮短公交站間距、滿足居民出行偏好、減少步行距離,新增了7個接駁公交站點。線路沒有通過的公交站點,借助現(xiàn)有常規(guī)公交可以較好地滿足居民的出行需求。
本文的接駁公交線路優(yōu)化僅銜接了兩個軌道站點,隨著城市近郊區(qū)軌道交通網(wǎng)絡逐漸成熟,接駁模式更加多樣化,可進一步考慮在成網(wǎng)條件下分析接駁公交客流出行特征和時空分布特征,優(yōu)化設計接駁公交線路,以銜接軌道交通線網(wǎng)上更多的軌道站點。在下一階段研究中,構建模型時可以根據(jù)線網(wǎng)結構、公交運營效率等實際情況,加入更多道路和車輛參數(shù);考慮低碳出行,可以將碳排放的相關參數(shù)加入,以完善模型。