基于需求分析的冬奧觀眾接駁巴士調度探究

唐嘉怡 金禧 李家樂 毛曉雨 張子棋

（北京工業大學城市建設學部，北京 100124）

一、引言

2022年冬奧會已圓滿落幕，賽區的交通組織調度問題成為關注熱點。以北京延慶賽區為例，滑雪賽區山地條件復雜，在疫情依然存在的情況下，如何快速、高效地調度進場觀眾是一個值得深入探討的問題。

在柔性公交發展中，調度員優化算法嵌入智能調度系統，在手機端即可根據乘客需求動態調整車輛運行路徑。北京南站和西站等大型交通樞紐地區開通的合乘定制公交線路就屬于需求響應接駁式服務模式，線路起終點通常會設置在大型的交通樞紐站。但冬奧會賽區具有特殊性，觀眾除到達指定地點外會有特殊需求，如室外等待時間長引起的取暖需求。鑒于此，論文從冬奧項目進場觀眾需求分析入手，探究觀眾進場接駁巴士調度。

二、基于Wi-Fi數據探測的冬奧觀眾需求分析

（一）人車數據

為了解延慶賽區行人行為特性數據，筆者調查了黑龍江哈爾濱芬蘭蒂亞滑雪馬拉松比賽，數據表明在寒冷條件下行人在雪地平均運動速度為1.14m/s，在正常地面運動速度為1.43m/s，行人在雪地的運動速度更低。在室外活動的行人由于感受到寒冷，對比賽的期望下降，接駁車及時運輸人群并送往指定站點，將會提高行人觀賽體驗。調查得到不同溫度下行人在室外最大停留時間分布情況如圖1所示，77%的觀眾可接受的巴士排隊時間在20分鐘以內。

圖1 不同溫度下行人在室外最大停留時間概率分布

（二）觀眾進場路徑

觀眾搭乘大巴抵達延慶賽區，下車后在對應的人員安檢點（PSA）處安檢，利用纜車或在高山大巴場站，搭乘高山大巴前往高山競速或競技比賽結束區觀賽。國家高山滑雪中心觀眾進場流線如圖2所示。

圖2 國家高山滑雪中心-觀眾進場流線圖

（三）Wi-Fi 探測原理

根據某一時刻3個探針測得的信號強度，確定設備的唯一位置[1]，如圖3所示。每個設備的標識符獨一無二，這意味著可看到該設備連續時間點的軌跡，可用于描述某個體通過場地的運動路徑。每個設備不需要關聯就能被識別并得到它的位置，誤差不超過3m，每個設備原始的無線定位數據會加工成一個路徑。考慮到某個設備一天內會在不同時間段出現，但都只出現了原始的無線定位數據，沒有后續數據點，無法形成個體運動路徑。所以，在一個小時內沒有檢測到該設備的第二個數據點會將該數據過濾掉[2]。

圖3 定位原理

位置和時間是兩個主要參數[3]，位置信息過濾器與時間參數結合，更好地區分出人們的速度和行為，判斷出不同類型的人。使用到達時間和離開時間，識別那些與環境有交互而不是路過的人；通過停留時間和位置信息標識這個人是否在山下的雪車雪橇區就坐，因而不需要上山到高山滑雪中心觀看比賽；通過一個人集中在一小塊區域來回踱步的位置信息和時間參數判斷出該人正在候車。

（四）Wi-Fi 探針布設

1.需求分析

Wi-Fi探針布設在延慶冬奧場地的山下部分。通過在山下布設Wi-Fi探針，分析需要通過接駁巴士前往山上高山滑雪中心的觀眾數量。已知高山滑雪中心有12000個席位；根據賽程安排可知，高山賽程主要集中在11：00開始，競技和競速區不在同一天比賽，2月7日高山散場和雪車雪橇入場有部分客流重疊，高山滑雪中心場館按照6000人的入場和散場高峰配置相關交通設施。觀眾到達交通控制線的交通方式為奧體巴士（50人/車），從交通控制線到山上可通過乘坐纜車或高山穿梭巴士。纜車的運力為2700人/小時（45人/分鐘），高山穿梭巴士的運力為競技區370人/小時（10輛大巴），競速區444人/小時（12輛大巴），每小時總運力為3070人或3144人，上山需求量最高可達到6000人。77%的觀眾在寒冷條件下可接受的巴士等車時間為20分鐘以內，觀眾迫切需求乘坐接駁巴士上山。

2.布設

Wi-Fi探針測量范圍為30m～50m，采用的定位方式為三邊定位，共覆蓋15個接駁點，布設在路邊指示牌、雪車雪橇場館周邊和一些其他的固定設施上。Wi-Fi探針檢測系統屬于高精度、靈敏的產品設備，采用全自動化貼片焊接方式，降低了人工焊接點缺陷，也節省了成本。

三、接駁巴士調度模型

根據賽區現場地形調查，在賽區內設置15個觀眾接駁點，如圖4所示。接駁車統一在發車點發車，終點均為高山集散廣場。利用遺傳算法求解，在發車前根據Wi-Fi探針實時監測的觀眾位置、數量、等待時間等數據，規劃接駁車最優行駛路線，以達到運送總成本最小的目的。

圖4 接駁點位置信息

（一）假設條件

在接駁巴士調度模型的構建中設置以下假設條件：

1.觀眾一旦上車，只能選擇在終點站下車，中途不允許隨意下車；

2.單次發車每個接駁點和每個路段只經過一次；

3.車輛運行的環境條件良好，無交通堵塞，任意相鄰的兩接駁點間由于車輛啟動和停車制動造成的損失時間保持恒定，且車輛平均行駛速度保持恒定；

4.當觀眾戶外停留時間超過20分鐘時，認為其有取暖需求，且取暖需求將被優先滿足；

5.接駁巴士車型統一，載客量已知且為定值（20人/輛）。

（二）模型表達

在冬奧觀眾需求分析的基礎上，綜合考慮巴士運行成本及觀眾等待的時間成本最優（最小）為目標，構建接駁巴士調度模型。目標函數Z為：

約束條件為：

式中:N一賽區路網需求點數量(個);i，j一路徑中單個點;Cij一從點i到點j的運營成本(元);dij一從點i到點j的距離(m);a一單位運距成本(元/m)，含燃油費、駕駛員工資和折舊費;β一調整系數，取1.5;v一接駁車輛平均行駛速度(m/s)；t—觀眾等待時間（分），超過20分鐘時參與計算。公式(4)表示車輛從發車站0出發，最后都到達高山集散廣場N+1，并確保每一個位置點只能被一輛接駁車訪問一次。該接駁巴士調度模型對車輛運行成本的考慮較為全面，包括了燃油費、駕駛員工資和折舊費；也考慮了長時等待觀眾（超過20分鐘）的乘車體驗，等待時間較長時更易優先接駁。

（三）求解算法

本文建立的接駁巴士調度涉及區域內的15個上車點，需要在探測到觀眾的位置信息后，在較短時間內完成調度計劃的制定并及時將出行路線規劃反饋給車輛，因此對調度模型求解算法有較高要求。采用遺傳算法求解接駁巴士調度模型，具體步驟如下：

1.初始化，生成初始種群；

2.個體評價，根據一定規則評價計算種群中個體適應度值；

3.選擇運算，在個體評價的基礎上，將選擇算子作用于種群，進而把優化的個體遺傳給下一代種群，或通過配對交叉的方式產生新的個體后再遺傳給下一代種群；

4.交叉運算，即將交叉算子作用于種群；

5.變異運算，即將變異算子作用于種群；

6.迭代求解，種群經過以上運算后將會得到新一代種群，重復步驟2至步驟5，直到滿足某種終止條件，將迭代過程中所得到的適應度值最大的個體作為最優解輸出，并終止計算。

四、結果分析

（一）最優路徑求解結果

基于C語言求解最優路徑，在程序中輸入Wi-Fi探針獲取的觀眾信息，程序按順序輸出接駁點號，依次遍歷這些需要停靠的接駁點，即滿足觀眾等待的時間成本和接駁巴士運行成本總體最小的最優路徑。

在多組實驗求解結果中，選取其中某一次實驗的最優路徑為例，線路圖如圖5所示。

圖5 最優路徑

此次實驗的需求點為3、5、9、10，最終規劃的路線結果為1、3、7、9、5、8、10，總距離為2467m。該線路能響應3、5、9、10點觀眾前往高山集散廣場的需求，實現運輸成本最小、觀眾等待時間最短的目標。

（二）指標分析

在接駁巴士調度模型的目標函數中，綜合考慮了觀眾等待的時間成本和接駁巴士運行成本。

其中，當巴士運行距離增長，燃油費、駕駛員工資和車輛折舊費都隨之提高，總體運行成本與巴士運行距離呈正相關，巴士行駛距離越長，越無法達到成本最優的目標；觀眾等待時間越長，其取暖需求越強烈，觀眾觀賽服務滿意度和乘車體驗隨等待時間成本增加而下降。

選取等待時間、運行距離兩個指標，分析接駁巴士調度方案是否減少觀眾等待時間、是否滿足成本更優的目標。

1.等待時間

在接駁巴士調度模型基礎上，路線規劃20次，得到對應的接駁方案，統計等待時間如表1所示。

從表1中的統計結果來看，行人在戶外的平均等待時間不超過15分鐘，等待時間差的平均值為+7.385分鐘。相較于普通班車，接駁車平均響應時間更短。Wi-Fi探針能實時檢測出上山乘客需求量，并能立即將接駁巴士調度過來，等車時長平均可減少7.385分鐘，這說明建立的接駁巴士調度模型很好地解決了觀眾等待時間長的問題。

表1 觀眾等待時間

2.運行距離

由于每兩個相鄰接駁點間的距離已知，普通班車遍歷15個接駁點最短運行距離為5594m。路線規劃20次，統計每次接駁的最優路徑及最優路徑的長度，如表2所示。

從表2中可知，總距離平均值為3059.25m，接駁巴士在滿足乘客需求的前提下，每一次運行總距離及其平均數均小于普通班車最短運行距離。接駁巴士滿足運行距離更短、成本更優的目標。

表2 最短路徑

五、結語

本文以延慶賽區為例，探究了觀眾需求下的接駁巴士調度，主要成果有：

1.通過在賽區內布設Wi-Fi探針，實現觀眾群數據的實時需求分析。

2.考慮觀眾進場需求和取暖需求，構建接駁巴士調度模型，采用遺傳算法求解，獲得最優路徑。該最優路徑在滿足觀眾需求的情況下，提高了觀眾的服務滿意度與乘車體驗。

3.從觀眾等待時間和巴士運行路徑兩方面分析，行人在戶外的平均等待時間不超過15分鐘，實現了接駁巴士成本更優的目標。