站點需求響應式公交調度系統優化研究

陸百川，黃鏡軼，張冬梅，李玉蓮

（1.重慶交通大學 交通運輸學院，重慶 400074；2.重慶交通大學 重慶山地城市交通系統與安全實驗室，重慶 400074）

針對低需求地區常規公交發車頻率與乘客等車時間之間的矛盾，國際上有學者提出了站點需求響應式公交，可以在常規線路運行的基礎上，偏離固定線路響應預約站點的乘客需求。該運行模式為解決低需求地區公交空載率高、站點無效停靠等問題提供了新思路，但其運營調度的實行受乘客、公交車和調度中心之間信息交互情況的影響，同時需要權衡乘客和公交運營者之間的利益成本。

隨著近年來車路協同技術、定位技術的快速發展，可以獲得更加實時、全面的乘客預約信息和車輛運行信息，為站點需求響應式公交調度系統的實施和優化提供了技術支持。

在需求響應公交方面，國外學者Daganzo［1］首次提出并證明了需求響應式公交在低需求地區比常規公交更能滿足居民的出行需求。Quadrifoglio等［2］通過研究系統服務區域的形狀對系統服務能力的影響，對求解動態調度模型的插入式啟發式算法進行了參數靈敏性檢驗。Nourbakhsh等［3］以優化系統成本為目標，對需求響應式公交系統的規劃進行了研究。韓博文［4］建立了靜態和動態兩階段調度模型，對固定目的地需求響應式公交的車輛調度方式進行研究。作為一種新穎的公交運營模式，目前國內針對站點需求響應式公交調度技術的研究還不多，其運行方式與柔性公交類似。劉昱崗等［5］在分析夜間公交運行特征的基礎上設計了基于實時需求的柔性調度系統，考慮夜間公交服務水平和運營成本建立了多目標優化模型。胡松等［6］構建了面向低需求時空的實時預定公交動態調度系統，并驗證了系統可行性。以上研究主要聚焦在服務實時預約需求的車輛調度上，同時公交運營調度模式單一。

本文同時考慮提前預約需求和實時預約需求對站點需求響應式公交調度系統進行了優化。以提前預約需求為服務對象，考慮提前預約乘客的上車時間窗、最大在車時間和公交運營成本等因素建立了靜態車輛調度模型，通過遺傳算法得到車輛的初始行車計劃；再以實時預約需求為服務對象，以乘客等車時間、額外在車時間以及公交運營成本為約束條件構建了動態車輛調度模型，利用插入算法不斷調整車輛行車計劃；最后選取重慶市479路公交線路進行仿真實驗，驗證了優化后的站點需求響應式公交調度系統的可行性。

1 站點需求響應式公交調度系統設計

1.1 站點需求響應式公交運行方式概述

站點需求響應公交是以常規公交的運行線路和停靠站點為基準線路，同時在線路周圍預先設置若干需求響應站點，如果預設的響應站點有需求，公交車在運行過程中可以偏離基準線路去響應乘客的預約請求，完成響應后再回到基準線路運行。其運行線路如圖1所示。

圖1 站點需求響應式公交的車輛運行線路示意圖

公交車按照固定時刻表發車，如果需求響應站點沒有預約請求，公交車按基準線路行駛，其運行模式與常規公交類似；如果需求響應站點出現預約請求，公交車則根據系統規劃的行駛方案運行。

1.2 站點需求響應式公交調度系統總體結構

站點需求響應式公交調度系統主要通過調度中心、乘客和公交車三者之間的信息交互規劃公交車的行駛路徑，為乘客提供站點需求響應的公交服務，其結構如圖2所示。

圖2 站點需求響應式公交調度系統總體結構框圖

在系統中，乘客可通過手機APP、電話、短信和公交站牌等方式進行提前或實時預約。當接收到乘客的預約請求（包括預約站點位置、乘客數量、目的站點）后，調度中心根據乘客的提前預約信息匹配出合適的公交車，制定靜態調度計劃，同時根據乘客的實時預約信息結合公交車的實際運行情況進行響應判斷，動態調整運行過程中的車輛行駛計劃，然后把車輛調度計劃發送至車載終端，并將車輛位置、到站時間、車牌號等信息反饋給乘客。

1.3 站點需求響應式公交調度系統模塊及功能

站點需求響應式公交調度系統是集GPS定位技術、地理信息技術、視頻監控技術、互聯網技術、數據處理技術和數據存儲技術于一體的綜合調度系統，主要由監控調度模塊和外部應用模塊組成，其模塊結構如圖3所示。

1）監控調度模塊分為監控中心、信息中心和調度中心3個子模塊。監控中心負責監測系統中車輛位置、車上乘客數量和車頭時距等車輛信息，同時接收乘客的預約請求。信息中心負責對監控中心收集的車輛信息進行處理和存儲，并將乘客的預約信息傳輸至調度中心。調度中心根據乘客的預約請求和車輛信息，分別制定靜態和動態調度計劃，并將調度信息發送到車載終端和乘客終端。

2）外部應用模塊分為公交站牌、車載終端和掌上公交3個子模塊。公交站牌不僅能顯示公交線路信息，還具備公交查詢和預約的功能。車載終端負責將車輛的實時信息傳輸至監控中心，并接收調度中心的調度信息。掌上公交是一款集查詢、預約、反饋等功能的手機應用軟件，負責實現乘客和調度中心之間的信息交互。

圖3 站點需求響應式公交調度系統模塊及功能框圖

2 站點需求響應式公交調度優化模型

2.1 站點需求響應式公交車輛調度優化方法

在公交車發車前，調度系統根據提前預約信息進行乘客客流分配和車輛初始行駛路徑規劃；在公交車發車后，調度系統根據實時預約請求進行響應判斷和車輛行駛路徑動態調整。站點需求響應式公交的具體調度工作流程如圖4所示。

針對提前預約信息的車輛靜態調度，首先根據站點乘客請求數量和公交發車時間安排分配客流乘車班次，然后以時間窗懲罰成本和公交運營成本為目標函數規劃公交車輛行駛路徑。

針對實時預約請求的車輛動態調度，首先在車輛初始行駛路線的基礎上搜索距實時請求站點距離最近且方向一致的公交車輛；然后根據時間窗約束和乘客在車時間實時判斷是否響應乘客的預約請求；最后以乘客時間窗懲罰成本、乘客額外在車時間成本以及公交運行成本為目標函數動態調整響應車輛最優行駛路線。

圖4 站點需求響應式公交調度系統工作流程框圖

2.2 站點需求響應式公交車輛調度模型構建

站點需求響應式公交在運行過程中會受乘客、道路、環境等諸多因素影響，為方便模擬其對預約乘客需求進行響應的過程，該調度模型的構建是基于公交車的單向行駛方向，且不考慮固定站點的服務時間。

2.2.1 基于提前預約信息的靜態調度模型

提前預約信息下的車輛靜態調度可分兩步進行：乘客匹配和路徑規劃。首先公交調度系統對提前預約乘客的請求信息進行篩選，將符合響應條件的預約乘客分配到合適的班次；然后以乘客時間成本和公交運行成本為約束構建目標函數，為響應車輛制定最佳行駛路線。

1）乘客客流匹配方法

乘客提前預約請求主要包含出行區間和上車時間窗等信息。假設乘客嚴格按照時間窗進行乘車，且公交受乘客在車時間、松弛時間等條件限制。當系統接收到乘客的提前預約請求時，按式（1）（2）（3）選取時間差最小且滿足約束條件的車輛響應乘客請求，否則拒絕該預約請求。

計算每輛車到達響應站點m的時間，以及到達后續各個站點的時間，計算公式為：

式中：ts，n表示車輛n到達站點s的時間；tc，（s，n）表示車輛n到達站點s的初始時間；M表示需求響應站點集合，M=1，2，3，…，m；v表示車輛的行駛速度；Δl表示車輛經過站點s額外行駛的距離；ts-1，n表示車輛n到達站點s-1的時間；表示車輛從站點s-1駛入站點s所用的平均時間；E（s，n）表示整數化約束，若車輛n經過站點s，則E（s，n）=0，若車輛n不經過站點s，則E（s，n）=1。

計算乘客預約時間與車輛到站時間的差值，計算公式為：

式中：Δtn，i，s表示車輛到達站點s的時間與乘客預約上車時間的差值；ti，s表示第i個乘客在站點s預約的上車時間；T表示公交車輛n到達各個站點s的時間，T=［T1，T2，T3，…，Ts］，Ts=［ts，1，ts，2，ts，3，…，ts，n］T，S=1，2，3，…，s，N=1，2，3，…，n。

若某公交車到達響應站點的時間在提前預約乘客能接受的時間窗內，同時能夠滿足車上乘客的最大在車時間和車輛松弛時間，則公交車輛響應該乘客的預約請求并更新車輛到達各站點的時間T。設置的約束條件如式（3）所示：

式中：ti，a表示第i個乘客預約的最早上車時間；ti，b表示第i個乘客預約的最晚上車時間；tn，u（p）表示預約乘客的上車時間；tn，d（p）表示預約乘客的下車時間；hmax表示乘客的最大在車時間；j表示固定站點；tn，j-1和tn，j分別表示車輛到達固定站點j-1和j的時間；ts表示車輛在固定站點j-1和j之間響應需求的松弛時間。

2）靜態調度路徑規劃模型

對于公交出行者而言，能在預約時間內盡快完成出行，即車輛到達時間跟乘客預約上車時間越接近越好，同時車上乘客乘車時間和額外等待時間越短越好；對于公交運營公司而言，能在較短的時間內服務越多的乘客越好。因此，引入時間窗懲罰函數來約束公交車的到達時間，其表示式如（4）所示：

式中：y（i，x）表示時間窗懲罰成本函數；tx，s表示第x個實時預約乘客的預約時間；r1表示車輛提前到達時，在車乘客等待時間的價值系數；qn，s，u表示第n輛車到達站點s時車上的乘客數；r2表示車輛延時到達時，在站乘客等車時間的價值系數；qi，s表示第i個提前預約乘客提交的上車人數；qx，s表示第x個實時預約乘客提交的上車人數。

以乘客時間窗懲罰成本和公交運營成本最小化為目標函數，構建站點需求響應式公交的靜態調度路徑規劃模型：

式中：ω1、ω2分別表示乘客出行的時間成本權重系數和公交車輛的運行成本權重系數；α表示公交車輛單位運營成本；I表示提前預約乘客集合，I=1，2，3，…，i；ls，s+1表示站點s與站點s+1之間的距離；P表示提前預約和實時預約乘客的集合，P=1，2，3，…，p；Sp，u表示第p個預約乘客的上車站點；Sp，d表示第p個預約乘客的下車站點。變量k（n，s）用于判斷是否有公交車輛經過站點s，k（n，s）=1表示公交車輛n經過站點s，k（n，s）=0表示公交車輛n不經過站點s；k（n，Si，u）和k（n，Si，p）都為1時，表示車輛經過乘客預約的上下車站點。

2.2.2 基于實時預約請求的動態調度模型

實時預約請求下的車輛動態調度也可分兩步進行：響應判斷和路徑調整。首先根據時間窗約束和乘客在車時間實時判斷是否響應乘客的預約請求；然后以乘客時間窗懲罰成本、乘客額外在車時間成本以及公交運行成本為目標函數動態調整響應車輛最優行駛路線。

1）響應判斷條件

公交車輛在運行過程中，當調度系統收到實時預約請求時，首先搜尋距請求站點最近且運行方向一致的公交車輛，然后根據式（1）求得插入請求后各車輛的到站時間，并以提前預約乘客的時間窗、乘客在車時間和車輛松弛時間為條件判斷是否響應預約請求，其響應判斷條件如下：

式中：W表示未服務的提前預約乘客集合，即W=1，2，3，…，w；tw，a表示第w個提前預約乘客預約的最早上車時間；tw，b表示第w個提前預約乘客預約的最晚上車時間。

2）動態調度路徑規劃模型

在保證提前預約乘客出行時間成本最小的前提下，根據站點實時預約信息對車輛行駛路徑進行動態調整。因此，以乘客時間窗懲罰成本、乘客額外在車時間成本以及公交運營成本最小化為目標函數，構建公交車輛行駛路徑動態規劃模型：

式中：ω3表示乘客時間窗懲罰成本的權重系數；ω4表示公交運營成本的權重系數；ω5表示乘客額外在車時間成本的權重系數；tn，c（p）表示第p個預約乘客在車輛無繞行情況下的在車時間；tn，r（p）表示第p個預約乘客的實際在車時間；tp，s表示第p個預約乘客到達站點s的時間；β表示車輛行駛時，乘客在車時間價值系數。

2.3 站點需求響應式公交車輛調度模型求解

2.3.1 基于遺傳算法的靜態調度模型求解

由于提前預約乘客數量的增加會使模型求解的復雜度呈指數式增長，而遺傳算法（genetic algorithm，GA）具有隨機搜索、全局優化、并行計算等優勢，能夠縮小解空間，降低求解難度，因此選擇遺傳算法對靜態調度模型進行求解，得到車輛的初始最優行駛路徑。具體求解步驟為：

步驟1初始化種群規模N，染色體長度L，最大進化代數G，迭代計數參數g=0，交叉概率Pc，變異概率Pm。設置公交線路距離矩陣J、提前預約乘客客流矩陣Pk和公交車輛運行時刻表Ts。

步驟2根據式（2）確定響應提前預約需求的車輛班次Ni。

步驟3隨機生成初始種群，并采用實數編碼，染色體長度等于最大車輛班次數n。

步驟4適應度函數的表達式為：

式中：f為適應度函數；z1為靜態調度路徑規劃模型的目標函數；U表示懲罰值。

步驟5選擇操作，對群體根據適應度大小進行排序，進行輪盤賭選擇，產生新一代種群。

步驟6交叉操作，根據交叉概率Pc隨機選擇2條染色體作為父代染色體，采用兩點交叉將2條染色體對應序列的基因進行交換。

步驟7變異操作，根據變異概率Pm隨機選擇染色體，采用單點變異隨機生成新個體。

步驟8判斷是否達到最大進化次數，若g=G則輸出最優解，否則返回步驟5。

步驟9解碼，將染色體轉化為車輛的初始行駛路徑。

2.3.2 基于插入算法的動態調度模型求解

動態調度模型是在初始行駛路徑的基礎上，根據乘客的實時預約請求進行響應判斷和動態路徑規劃，而在服務動態請求時會增加車上乘客的乘車時間和站點乘客的等待時間，為降低對系統中現有乘客的影響，本文中采用插入算法動態調整車輛的行駛路徑，算法流程見圖5。

圖5 動態調度算法流程框圖

由圖5可知，動態調度算法的具體步驟為：

步驟1初始化，輸入初始行車計劃和乘客實時預約需求。

步驟2根據車輛與需求位置的距離將公交車輛依次排列，并將乘客實時預約需求插入車輛行車計劃中。

步驟3計算車輛到站時間，并根據式（11）對車輛進行響應判斷，滿足判斷條件則進入步驟4，否則拒絕乘客請求。

步驟4根據遺傳算法求解各車輛的行駛路徑，以及車輛運行成本。

步驟5對比各車輛的運行成本，選取運行成本最小的車輛進行響應。

步驟6輸出結果，包括調整后的車輛行車計劃、乘客服務等信息。

3 仿真分析

3.1 公交運行線路選取及參數設置

首先，選取重慶市479路公交線路作為本文站點需求響應式公交優化調度系統的仿真實驗對象，該線路位于重慶市大渡口區外圍地區，全長約6 km，從起點陳家壩站到終點竹園小區站總共途徑9個站點；同時，該地區居民住宅、商業區稀少且分散，常規公交線路較少且發車頻率較低，符合低需求地區的特點。

其次，通過多次實地調研，采集了居民住宅分布、線路途徑交叉口、沿線用地功能等基本信息，得到479公交線路行駛線路，如圖6所示，C1-C9為線路原始固定站點，圖中標記的D1-D4附近有居民小區、工業園區、度假山莊，且其附近道路行駛條件良好，可供公交車輛出入，因此將這4處設為需求響應站點；同時，收集了479線路公交的乘客歷史乘車信息，如表1為479線路公交在2019年4月24日09∶00—10∶00期間某一班次的客流信息，包含了9個站點的乘客上下車人數、站間行駛時間、站間行駛距離等，綜合所有調研數據可分析得到乘客到達率、乘客出行OD分布等信息。

圖6 479路模擬站點響應式公交的線路

表1 重慶479路公交線路客流

續表（表1）

然后，根據站點、交叉口的位置及間距、車輛行駛方向、道路物理概況等信息，對需求響應站點與固定行駛線路間的行駛路線方案具象化，得到站點需求響應式公交運行線路，如圖7所示。可知，在設立的響應站點D1-D4中，站點D4與固定行駛線路間僅有一個道路節點G15，表明車輛響應站點D4時的路線是固定的；但站點D1-D3與固定行駛線路間存在多個節點，表明車輛響應站點時需要規劃出一條最優行駛路徑。

圖7 公交運行線路以及道路節點示意圖

最后，由于居民在不同時間段的工作性質、日常生活等個性化需求的不同，其乘坐公共交通出行的需求也會發生變化，因此同樣選取工作日的上午09∶00—10∶00時間段進行站點需求響應式公交調度系統仿真。同時，根據乘客上下車站點的不同，可將乘客出行分為4類：A1類型為乘客在固定站點上車，在固定站點下車；A2類型為乘客在響應站點上車，在響應站點下車；A3類型為乘客在固定站點上車，在響應站點下車；A4類型為乘客在響應站點上車，在固定站點下車。根據表1中常規公交的客流情況，結合對需求響應站點附近乘客的出行OD分布、步行到站時長等信息的實際調查及分析，合理設置站點需求響應式公交的預約類型比例、預約站點及上下站等情況，再分別根據提前、實時預約乘客需求情況設置車輛調度模型的基本參數，表2為調度系統的乘客公交出行需求情況。該調度系統的參數設置如下：1）乘客的到達率為30人/h，提前、實時預約的乘客數比例為2∶1，4類乘客的比率A1∶A2∶A3∶A4=4∶1∶1∶4；

2）提前、實時預約乘客能預約的最大乘車人數均為1人；

3）上車時間窗的跨度設置為10 min，即上車時間可提前或延后5 min；

4）公交車的行駛速度v=30 km/h，單位運營成本α=2.6元/km，發車間隔為15 min；

5）車輛響應預約請求的松弛時間ts為10 min；

6）乘客的最大在車時間為hmax=40 min；

7）根據文獻［5］中時間價值系數的設置方法，結合實際調查數據，將時間價值系數設置為：在車乘客等待時間價值系數r1=12.64元/min；在站乘客等車時間價值系數r2=16.86元/min；乘客在車時間價值系數β=8.43元/min；

8）靜態調度模型中，乘客出行時間成本系數ω1為0.6，公交運營成本系數ω2為0.4；

9）動態調度模型中，乘客時間窗懲罰成本系數ω3為0.4，公交運營成本系數ω4為0.4，乘客額外在車時間成本系數ω5為0.2。

表2 乘客公交出行需求情況

3.2 公交運營調度仿真及結果分析

3.2.1 站點需求響應式公交運營調度仿真分析

1）基于提前預約信息的靜態調度方案計算

采用2.2.1靜態調度模型，選取具體GA參數：最大遺傳代數為200，染色體長度為30，種群規模為120，交叉概率為0.40，變異概率為0.09，適應度函數懲罰值U=100。根據實際情況假設的居民出行需求，利用乘客匹配方法對提前預約信息進行車輛班次分配，具體分配情況如表3所示。

由表3可以看出，站點需求響應式公交對10個提前預約信息進行了響應，考慮預約時刻和上下車站點將其配到4個車輛班次中，各班次響應提前預約需求占總乘客的比例分別為10%、13%、6%和3%。圖8為利用Matlab計算得到的班次1車輛初始行駛線路。

表3 車輛需響應的提前預約需求

從圖8可以看出，班次1公交初始行駛線路為C1-C2-C3-C4-G1-G2-G4-D1-G4-G5-C5-G6-G8-D2-G8-G9-G12-G13-C6-G15-C7-C8-C9。班次2公交初始行駛線路為C1-C2-C3-C4-G1-G2-G3-D1-G4-G5-C5-G6-G8-G9-G10-D3-G12-G13-C6-G15-D4-G15-C7-C8-C9；班次3公交初始行駛線路為C1-C2-C3-C4-G1-G5-C5-G6-G8-G9-G10-D3-G14-C6-G15-D4-G15-C7-C8-C9；班次4公交初始行駛線路為C1-C2-C3-C4-G1-G2-G3-D1-G4-G5-C5-G6-G8-G9-G12-G13-C6-G15-C7-C8-C9。班次1-4考慮提前預約需求，通過改變固定車輛行駛線路去響應需求站點，運營成本分別為20.28元、22.98元、17.47元、17.18元。其中，第2班次的運營成本最高，第3班次最低。

圖8 靜態調度的車輛行駛線路

2）基于實時預約請求的動態調度調整

靜態車輛調度模型以提前預約信息為服務對象，通過遺傳算法得到車輛的初始行車計劃；再以實時預約需求為服務對象，按照圖4的流程和2.2.2的動態調度模型進行不斷的信息交互—調度調整—實施，設置的求解動態路徑規劃模型的遺傳算法參數與靜態調度中遺傳算法的參數一樣。利用Matlab對車輛的動態調度進行仿真實驗，圖9為動態調度調整的班次1車輛行駛線路。

圖9 動態調度調整的車輛行駛線路

在實時預約乘客與公交企業交互過程中，表2中2號乘客需求插入到班次1路徑中，18號乘客需求插入到班次2路徑中，21號乘客需求插入到班次3路徑中，30號乘客需求插入到班次4路徑中。從圖9可以看出，車輛班次1實際行駛路徑更改為：C1-C2-C3-C4-G1-G2-G4-D1-G4-G5-C5-G6-G8-D2-G8-G9-G10-D3-G12-G13-C6-G15-C7-C8-C9；同樣，班次2車輛實際行駛路徑更改為：C1-C2-C3-C4-G1-G2-G3-D1-G4-G5-C5-G6-G8-G9-G10-D3-G14-G13-C6-G15-D4-G15-C7-C8-C9；班次3車輛實際行駛路徑更改為：C1-C2-C3-C4-G1-G1-G2-G3-D1-G4-G5-C5-G6-G8-D2-G8-G9-G12-D3-G14-G13-C6-G15-D4-G15-C7-C8-C9，班次4車輛實際行駛路徑更改為：C1-C2-C3-C4-G1-G2-G3-D1-G4-G5-C5-G6-G8-D2-G8-G9-G12-G13-C6-G15-C7-C8-C9。班次1-4的運營成本分別為23.82元、25.95元、27.68元、20.90元。相比于其他班次，班次3的車輛行駛路程最長，服務響應站點個數最多，運營成本最大。

3.2.2 公交服務水平及性能分析

為了驗證同時考慮提前預約和實時預約信息的公交調度方法的有效性，將其與純動態的站點需求響應式公交調度系統［6］、常規公交調度系統進行公交服務水平對比分析。根據公交運營成本F、人均在車時間tk和人均等車時間tw等基本性能指標計算調度系統整體性能指標：

式中：Y表示公交的系統整體性能指標，Y越小，表明公交系統整體性能越好；Q表示服務的乘客數；ρ1、ρ2、ρ3表示指標系數，根據文獻［7-11］中確定系統整體性能指標系數的方法，結合公交服務“以人為本”的思想，將權重系數設置為ρ1=0.2、ρ2=0.3、ρ3=0.5。

根據公交乘客出行需求（表2），基于Matlab平臺分別對本文的動靜態結合調度方法、純動態調度方法以及常規公交調度方法重復仿真20次，得到3種調度方法的公交服務水平及系統性能指標，如圖10所示。

圖10 不同調度系統的性能指標直方圖

由圖10可知，在乘客拒絕率方面，由于常規公交無預約乘客，其乘客拒絕率為零，本文中提出的動靜態結合調度方法的乘客拒絕率相較于純動態調度方法縮減了13.04%；在公交運營成本方面，動靜態結合調度方法的運營成本大于純動態調度方法的運營成本，且由于這2種調度系統都提供了需求站點以服務固定行駛路線外的預約乘客，較之于常規公交系統其運營成本較高；在乘客在車時間方面，雖然動靜態結合調度方法比其他2種方法的平均在車時間長，但總體上三者相差不大；在乘客等車時間方面，動靜態結合調度方法較之于純動態調度方法，其乘客等車時間減少了50.32%，較之于常規公交減少了72.92%；在公交整體性能指標方面，動靜態結合調度方法的系統整體性能相較于純動態調度方法提升了11.78%，相較于常規公交調度方法提升了45.95%，表明本文中提出的動靜態結合調度方法的站點需求響應式公交調度系統對公交運營成本和乘客在車時間產生的影響不大，同時能較好地滿足乘客的需求、提高公交運營系統的調度效率，在低需求地區具有一定的可行性。

4 結論

本文同時考慮實時和提前預約請求，并結合互聯網環境下信息技術的優勢對站點需求響應式公交調度系統進行了優化。介紹了站點需求響應式公交的運行方式，設計了公交調度系統的結構和模塊功能，分析了車輛調度系統的工作流程，再分別建立了服務提前預約乘客的靜態車輛調度模型和服務實時預約乘客的動態車輛調度模型，并采用遺傳算法和插入算法對調度模型進行了求解。最后，以重慶市479路公交線路進行仿真實驗，結果表明，與純動態調度方法、常規公交相比，動靜態結合調度方法的乘客拒絕率和等待時間有所降低，且公交系統的整體性能有所提升，本文提出的公交運行模式和調度方法能有效提高站點需求響應式公交的服務質量和效率。