基于MAST的城市郊區智慧公交調度發車計劃研究

陳茂林，龐明寶，張 寧

（河北工業大學 土木與交通學院，天津 300401）

基于MAST的城市郊區智慧公交調度發車計劃研究

陳茂林，龐明寶，張 寧

（河北工業大學 土木與交通學院，天津 300401）

在對機動式輔助客運系統所適應地區分析的基礎上，提出在中國很多客運需求較小且時空分布不均衡的城市郊區、鄉村規劃和設置基于MAST公交線路的思想，設計了利用移動互聯網技術的智慧公交調度系統，其中調度決策支持模塊由公交調度發車計劃部分和在線調整部分組成．建立了單一線路調度發車計劃確定的調度模型，決策變量為發車時刻．乘客需求依據歷史統計數據和預約信息預測確定．采用遺傳算法優化求解，通過具體例子對本方法的經濟社會性予以驗證．

機動式輔助客運系統；公交調度發車計劃；移動互聯網；遺傳算法；客運需求

0 引言

隨著移動互聯網技術（Mobile InternetTechnology，M IT）的發展和應用，定制公交、拼車、打車軟件等得到了巨大發展，其中可變線路式公交成為一種面向公交需求的新型服務模式，而融合需求響應型公交的機動性和常規公交低成本性的機動式輔助客運系統（Mobility AllowanceShuttle Transit，MAST）成為其主要發展方向[1-3]．該方式不同于常規公交中線路和站點等均固定的特點，可在一定范圍內改變行駛路線，在動態改變的環境中處理實時需求，既能為常規出行者提供服務，又兼顧固定線路以外的乘客需求，在面向“客運需求較小且時空分布不均衡地區”時，可解決“公交企業運營成本高虧損嚴重而服務質量依然較差”的這一問題．

中國正處于社會經濟一體化的快速發展階段，其基本標志之一就是城鄉客運一體化，即在城市郊區和鄉村也逐步開設公交線路．而這些地區又呈現出MAST服務區域所具有的特點：需求相對較小且時空分布不均衡，如工業區、高校所在的郊區，在上下班高峰需求量稍大其它時間段較小．從現開設的常規公交服務-固定性線路公交的實際效果來看，每天大部分時間段上座率偏低且公交企業虧損嚴重，拉大發車間隔又使乘客等車時間變長，這已成為這些地區能否繼續延續公交服務、順利實現城鄉一體化的關鍵點．而若能在這些地區開設MAST線路，將會有效解決這一問題．在MAST的研究方面，主要集中于系統建立的必要性、混合整數規劃調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約、一般互聯網基礎上，尚未應用M IT，不能實現乘客與公交企業信息的實時交互，調度模型的動態實時更新得到限制；已有調度模型中僅限于已發公交車輛后續線路、停靠站的動態調整問題，而將始發站發車時刻表作為已知，不符合公交調度實際：公交調度必須將發車時刻表和已駛公交車輛的線、站的動態調整同時進行優化．基于此，本文從構建基于MAST的城市郊區智慧公交調度系統出發，建立單一線路發車計劃確定模型，通過算例來初步予以驗證．

1 系統結構

如圖1所示的基于MAST的調度系統是實現智慧公交所必須的平臺．其中乘客通過手機等移動通訊工具登錄系統，將客運需求發送給乘客需求信息模塊，并進行信息交互；正在行駛的公交車輛（車載GPS和雙向移動通訊系統[7]）將車輛位置信息、車載乘客人數、車速等信息實時發送給公交車輛信息模塊；實時信息以及歷史信息存儲在建立所有車輛、線路、站、乘客等表組成的數據庫中；調度決策模塊分為公交調度發車計劃和在線調整兩部分，公交企業在每天下班后依據歷史信息數據庫和最新預約的公交需求采用發車計劃調度模型更新或制定明天的計劃時刻表和具體每輛公交車的行駛路線等．在具體每天運營過程中，利用歷史信息、新的客運需求信息、車輛實時信息等，更新后面的發車計劃和已發車輛的后續線路、停靠站等決策信息，通過信息發布模塊，給駕駛員提供駕駛指令等；通過信息發布模塊將公交車輛和未來調度信息等實時信息通過網絡發送給已經發出乘車請求和查詢的乘客．

圖1 基于MAST城市郊區智慧公交調度系統結構Fig.1 Structureof intelligentpublic transportscheduling system for urban suburbsbased on MAST

受篇幅所限，本文僅研究基于MAST的智慧公交調度發車計劃模型．

2 智慧公交調度發車計劃模型

2.1 基本條件

1）僅限單一線路，票價統一，車型相同，設計載客人數相同；2）公交車停靠站分為必須停靠站（固定站）和可繞行站（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）乘客通過手機客戶端等與調度中心進行信息交互，在提出預約后系統會將車輛的經驗發車時間和各站間運行時間一并告知給乘客，乘客可據此時間到站候車；5）車輛抵達停靠站乘客即上車，駐留時間較短，若乘客未能按時上車，公交車不等候．

2.2 變量表示

變量：車輛m在始發車站的計劃發車時間Tm；車輛m在各個站間的運行時間；車輛m在站點v的到達、離開時間分別記為；任意時刻公交車上的乘客數量；車輛m在站j站的上車人數．

2.3 調度發車計劃模型

目標函數式 (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收入差Ct加權和最小化，w1、w2分別為乘客和公交企業權重，各子目標計算見式 (9)～式 (11)．

約束中式 (2)表示車輛m在始發站的計劃發車時間不早于其經驗發車時間；式 (3)表示車輛m離開中間需停站時間等于其抵達該站的時間加上在該站的駐留時間，以上2個約束為公交運營時間約束；式(4)保證乘客下車時間晚于其上車時間；式 (5)表示在任意時刻車內人數不超過有一定滿載率（超員）的額定人數；式 (6)為公交發車間隔的最小和最大約束；式 (7)標定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）優化求解，具體步驟為：

1）設定GA參數：群體規模NIND、最大遺傳代數MAXGEN、代溝GGAP、交叉概率Pc以及變異概率Pm等．對于一個非常大的數MM，定義適應度函數為：

2）隨機產生NIND組可行的發車時刻方案，采用二進制編碼，決策變量為1表示第m輛車在t時刻發車，否則為0．同時設置迭代計數器gen．

3）在第gen代，對每一個體（發車時刻方案）計算車輛運營和乘客各項指標，確定適應度．

4）若gen=MAXGEN，則選擇最優個體作為新調度方案輸出；否則，轉向5）．

5）保留 1 GGAP 個最優個體進入下一代，其余個體按照 GA中選擇、交叉和變異等操作產生．令gen=gen+1，轉向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路為例應用分析．該線路為郊區線，站1～站7位于市區，其余位于郊區；瑞景居住區位于市郊結合部，居民現主要為在市區或郊區如雙口工業園工作的年輕人，個別為河北工業大學教工，客流需求較小；站1、站7均與地鐵一號線站點重合，乘客可通過這兩站實現與319路的換乘，前往郊區、市區或瑞景居住區，但主要集中于上下班時間段；王秦莊客流以當地村民為主，雙口工業園以辦事客流為主（職工以班車上下班），需求總量偏小且時間大多在上班時間段．大學師生是該線的主要客源但在上學時間段較小，呈現出MSAT線路的特點．

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

規定從西橫堤-東區方向為上行、東區-西橫堤方向為下行．研究時段為工作日6:00至20:00．由于該線路所經地區交通量偏小，公交車在各站間的運行時間基本穩定，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）．

經過大量統計，得到各時間段OD歷史數據，表1為上行部分發車時刻數據，其中0的未列出．

表1 上行部分發車時刻OD 人Tab.1 OD of partialdeparture timesatstart term inal in the up direction

4.2 計算結果及分析

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

具體GA運算結果見圖3所示，可以看出目標函數值迅速達到最優，選擇第600代個體作為最優解，得到最佳發車計劃見表2和表3所示．其中乘客等車費用、乘客乘車費用及公交企業收益分別為58.74元、6 917.57元和206.96元，目標值為6 665.87元．

表4為本MAST方案與常規公交服務 固定性線路公交（Fixed Route Transit，FRT）方案（分為選擇15個站為公交站和僅選MAST方案中固定站為公交站2個方案）各項費用比較．可以看出：

1）全部站點FRT方案總目標值由MAST方案的6665.87元增加到6 746.35元，增加了80.48元．這是因為在該方式下，線路變長，乘客乘車費用增加；由于沒有采用預約方式，使得乘客等車費用增加；雖然公交企業凈收益（收入 車輛行駛成本）增加了，但增加有限，使得總目標依然增加．2）僅采用固定站點FRT方案總目標值由MAST方案的6 665.87元減少到5 757.64元，減少了908.23元．這是因為線路變短，固定站乘客的乘車和等車費用均減少；由于沒有照顧到非固定站乘客的需求，使得公交企業凈收益下降，存在著公交企業收益下降和使非固定站乘客需求不能滿足兩方面問題，造成社會的不公平性．3）總體上看，MAST方案利用現代信息技術，既滿足了非固定站乘客的出行需求，又使得公交企業增加了收益，雖然使固定站乘客的等車時間、乘車時間有所增加，但有限且建立在社會公平性基礎上，公交企業收益的增加使得企業有使該線路能長期運營的動力．

圖3 前600代目標函數變化Fig.3 Changesof theobjective function before the600th generation

表2 上行方向發車計劃Tab.2 Departure plan in theup direction

表3 下行方向發車計劃Tab.3 Departure plan in the down direction

表4 優化前后各項成本比較 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方案各項指標計算比較，可以看出：

1）若偏重于社會效益，即乘客時間費用最小化作為追求目標，即w1∶w2=1.5∶1.0，乘客時間費用合計由6 976.31元下降至5 655.91元，公交企業運營收益由206.96元下降至107.60元，這將使得企業在收益上受損．2）若偏重于公交企業經濟效益，即w1∶w2=0.7∶1.8，企業凈收益由206.96元增加至321.99元，同時乘客時間費用由6976.31元增加至7182.55元，這意味著公交企業凈收益增加的同時伴隨著乘客時間費用的增加．因此，決策者對各個目標的不同偏好會影響其最優方案的確定．一般來看，在追求社會效益最大化的前提下，適時考慮企業經濟效益會是最為合理的決策方案．

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

5 結束語

本文僅對基于移動互聯網技術的MAST單一線路公交調度中調度計劃模型及算法進行研究，需要在此基礎上進行在線調度模型的建立與應用分析．

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

[2]楊冰，宋俊．論發展門到門公共交通 [J]．公路交通科技，2002，19（4）：101-104．

[3]邱豐，李文權，沈金星．可變線路式公交的兩階段車輛調度模型 [J]．東南大學學報（自然科學版），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

河北省自然科學基金（E2015202266）

陳茂林（1992-），男（漢族），碩士生．

龐明寶（1966-），男（漢族），教授，博士.