基于遺傳算法的公交服務模式優化

羅金鑫，譚卓琦，張樂丹

?

基于遺傳算法的公交服務模式優化

羅金鑫1，譚卓琦2，張樂丹3

（1.長安大學汽車學院，陜西 西安 710054；2.長安大學公路學院，陜西 西安 710054；3.長安大學馬克思主義學院，陜西 西安 710061）

作為通勤者日常出行的主要選擇模式，全站式公交服務在許多城市和大都市地區扮演者重要角色，但存在著由于站點停靠過于頻繁、乘客集中分布在個別站點導致的乘客旅行效率過低的現象。文章研究提出了一個一種綜合公交服務，包括全站式服務和跳站式服務。根據已知的O-D數據，以最大限度地減少乘客出行總時間為目標，使用遺傳算法對傳統公交線路進行優化，產生最優跳站路線。

公交運輸；服務模式；優化；遺傳算法

前言

隨著城市經濟的飛速發展，機動車保有量急劇上升，交通擁堵現象逐漸成為影響居民生活的問題之一。公共交通由于其優先性、便捷性等優點，成為了居民出行的主要選擇方式。但由于乘客的分布，在不同的時間段存在顯著的差異。因此始終執行全站式公交服務模式，會造成不必要的資源浪費并且使乘客的出行效率降低。

跳站運行策略能夠減少公交站點的停靠車輛數，同時提高公交車輛的運行速度，減少乘客的在車時間。因此，在歐美等發達國家的大城市中經常被采用[1-3]，我國的杭州、重慶、成都、西安等城市也開始采用這一運行方式[4-6]。但是，由于缺少這方面的研究成果，致使實際中出現了公共站點利用不充分、乘客出行不便等問題，公共交通的服務水平沒有得到應有的提高。

公交運行策略研究的目標是使公共交通設施被出行者以最大效率使用，而目前這方面的研究主要集中在公交車運行時刻的優化上，關于公交跳站運行策略的研究較少。為此，本文通過在傳統的全站式運行服務中加入跳站運行服務，建立了以乘客成本和運營成本之和最小為目標的公交跳站優化設計方法，并使用實際公交數據驗證了模型的有效性，以期為公交車輛運行方案的優化設計提供依據。

1 模型構建

1.1 構建思路

在以需求為主導的市場經濟條件下，公共交通方式選擇與優化的主要依據還是用戶選擇的結果。通過跳站車的策略，以高峰時段乘客總出行時間最小為優化目標，尋找一條最優的公交線路上公交站類型的分布。簡言之，就是尋找一條遍歷各個車站各種類型的公交站類型最優分布。

1.2 基本前提和假設

編寫算法時采取以下假設：

假設1 實施跳站運行策略前后，公交車在路段上的行駛速度相同；

假設2車輛在路段上以恒定的速度行駛；

假設3乘客均勻分布在乘車站點周圍，并且按照最短出行時間的原則進行出行決策；

假設4公交車在站點處的停靠時間相同；

假設5公交站點間距為 L，每兩個公交站之間只有１個交叉口。

1.3 建立模型

公交跳站運行方案設計時，主要考慮：

1）公交站類型由集合X={0,1,2}表示，0代表公交站為AB型，1代表公交站為A型，2代表公交站為B型。尋找一個0,1,2的排列（）={1,2,…,x}，使得目標函數值最小。

2）基因為公交站點，站點類型X={0,1,2}。

3）目標函數為乘客總出行時間，如公式（1）

式中為公交乘客的總出行時間；q為從站點出發到站點的乘客數；A為從站點出發到站點乘客的到站時間；W為從站點出發到站點乘客的等待時間；B為從站點出發到站點乘客的乘車時間；E為從站點出發到站點乘客從出站到目的地的時間。

2 求解流程

2.1 整體流程

第一步，采用整數隨機編碼方法，產生公交站點類型；第二步，初始化種群；第三步，計算目標函數值；第四步，運用遺傳算法進行尋優計算，產生最優站點類型序列，具體操作如圖1所示。

圖1 流程圖

2.2 計算目標函數

2.2.1第1類OD（AB-AB）乘客出行時間計算

在這類OD中，乘客可以選擇A型或B型公交，不受跳站運行影響。根據前面假設，乘客到達站點和從站點到達目的地的平均距離都為L/4，則到站和從站點到達目的地的平均時間都通過下式計算：

式中：V為乘客到達站點的距離，步行時，取1.2 m/s，騎自行車時，取15km/h。

假設乘客到達站點的時間為均勻分布，則等待時間的平均值為：

式中：為同一線路公交車的車頭時距。

設乘坐A型車的跨站數為1,乘坐B型車的跨站數為2，乘坐A型車的乘客的乘車時間為B'，乘坐B型車的乘客的乘車時間為B''。因為乘客到達車站的時間均勻分布，所以有一半的乘客乘坐A型公交車，一半的乘客乘坐B型公交車。

綜上所述，第１種 OD類型下，乘客公交出行的總時間通過下式計算：

2.2.2第２類OD（A-A，A-AB，B-B，B-AB）乘客出行時間計算

在這４類OD出行中，乘客只能乘坐A型或者B型公交，而由于前后２輛同類型公交的車頭時距為2h，因此，乘客的出行時間中，等待時間變為h，而其他時間的計算和第一類OD相同。所以，第二類 OD下，乘客公交出行總時間通過下式計算：

2.2.3第３類OD(AB-A，AB-B)乘客出行時間計算

以AB-A出行為例分析跳戰運行下第３類乘客的出行時間。乘客有兩種決策可以選擇：①乘坐A型公交；②乘坐B型公交，然后中途換乘A到達目的地。在第１種決策下，乘客只乘坐A型公交車，所以等車時間變長，而第２種決策要求中間必須存在換乘站且只有先到的車為B型車，當存在多個換乘站點時，選擇跨站數多的車站進行換乘。

假設乘客均勻的到達車站，有3/4的乘客選擇決策①，乘客的出行時間為有1，1/4的乘客選擇決策②，最大的跳站數為3，乘客的出行時間2。

2.2.4第４類OD(A-B，B-A)

以 A-B出行為例分析跳戰運行下第４類乘客的出行時間計算。在這種情況下，乘客有３種決策可以選擇：a.乘坐A公交，在 AB型站點換乘B公交，換乘時間為前后２輛公交之間的車頭時距ｈ；b.乘坐 A型公交到達目的地附近的A站點或AB站點，步行或自行車至目的地；③從A站點步行或騎自行車至B站點或ＡＢ站點，乘坐B型公交。乘客的總出行時間分以下兩種情況計算：

當公交站點和之間存在 AB型站點時，乘客的總出行時間為：

當公交站點和之間不存在ＡＢ型站點時，乘客無法選擇換乘，乘客的總出行時間為：

3 結論

本文利用杭州市實際公交路線的O-D數據，對傳統公交線路進行跳站優化，優化結果如下表1：

表1 跳站優化結果

優化后的方案為全站式服務和跳站式服務相間發車，通過計算優化方案的乘客總出行時間，乘客的總出行時間可以減少8.43%，乘車時間減少18.80%。

[1] ERCOLANO J M. Limited-stop bus operations: An evaluation [J].Transportation Research Record, 1984(994): 24-29.

[2] CASELLO J M, HELLINGA B. Impacts of express bus service on passenger demand[J]. Journal of Public Transportation, 2008, 11(4): 1-23.

[3] EL-GENEIDY A M, SURPRENANT-LEGAULT J. Limited-stop bus service: An evaluation of an implementation strategy[J]. Public Tran -sport, 2010, 2(4): 291-306.

[4] VUCHIC V R. Skip-stop operation as a method for transit speed increase[J]. Traffic Quarterly, 1973, 27(2): 307-327.

[5] NIU H. Determination of the skip-stop scheduling for a congested transit line by bi-level genetic algorithm[J]. International Journal of Computational Intelligence Systems, 2011, 4(6): 1158-1167.

[6] TZENG G H, SHIAU T A. Multiple objective programming for bus operation: A case study for Taipei city[J]. Transportation Research Part B: Methodological, 1988, 22(3): 195-206.

Optimizing bus service patterns using genetic algorithm

Luo Jinxin1, Tan Zhuoqi2, Zhang Ledan3

（1.School of Automobile, Chang'an University, Shaanxi Xi’an 710054; 2. School of Highway, Chang'an University, Shaanxi Xi’an 710054; 3.School of Marxism, Chang'an University, Shaanxi Xi’an 710061）

As a major choice of commuters for daily travel, bus transit plays an important role in many urban and metropolitan areas, but there is a phenomenon that the passengers’ travel-efficiency is low due to the frequently stop of the bus and the concentrated distribution of passengers at individual stations. An integrated bus service, consisting of all-stop and stop-skiing services is proposed. Based on the O-D data, the objective function was minimizing the total travel time of the entire users in this model. Then, optimize traditional bus lines by using genetic algotithms to produce optimal skiing-stop lines .

bus transit; service patterns; optimization; genetic algorithm

B

1671-7988(2019)03-64-03

U467

A

1671-7988(2019)03-64-03

U467

羅金鑫，長安大學汽車學院，碩士研究生，載運工具運用工程專業，交通運輸系統規劃。

10.16638/j.cnki.1671-7988.2019.03.018