公交优化（精选10篇）
公交优化 篇1
为了做好石家庄市公交线网的优化工作,今年3月份以来,石家庄公交在通过《石家庄日报》、《燕赵晚报》、市电视台广泛征求市民建议,组织召开人大代表、政协委员座谈会和收集整理两会期间的人大代表建议、政协委员提案的基础上,4月份结合公交的发展现状和存在的问题,起草制定了《石家庄市近期公交线网优化和公交改善方案》。
5月12日上午,市交通运输局、市公交总公司在亚太大酒店国际会议中心隆重组织召开了石家庄市公共交通线网优化研讨会。市政府董玉辉副秘书长、河北省出租汽车和城市公交管理办公室娄殿武主任和市交管局、建设局、规划局、园林局、交通运输局的领导以及市规划院、市委市政府决策咨询委员会的专家出席了会议,公交总公司的中层干部列席了会议。会议由市交通运输局党组成员、直属单位党委书记底增勇主持。
此次会议的目的就是特邀与公交发展密切相关的各局领导和专家结合城市和公交的发展,共同对石家庄市公交线网的优化和站位设置等进行专题研讨。通过各位领导和专家的把脉会诊和谋划指导,使石家庄公交的线网布局和站位设置更加合理,既促进公交又好又快的发展,又能缓解城市交通的压力,更好地体现公交优先就是百姓优先的理念,为构建和谐社会,打造繁华舒适、现代一流的省会城市发挥更大的作用,让政府放心、让市民满意。
会上公交总公司张玉锁总经理发表了热情洋溢的致辞,并对公交近几年来日新月异的发展变化进行了介绍。李雄伟副总经理对《石家庄市近期公交线网优化和公交改善方案》的有关情况进行了说明。各局的领导和专家结合城市的发展和切身感受,畅所欲言,从线路开辟调整的评估、交通一体化、站位设置、换乘方便、提高刷卡比例、配套基础设施、公交优先、加大政府补贴等不同角度有针对性地发表了意见。
最后,董玉辉秘书长讲话对研讨会的组织给予了充分肯定。并指出:一是交通运输局和公交总公司对大家的意见和建议要进行系统整理、认真研究和充分利用,形成石家庄市大力发展公共交通的意见上报政府进行研究。二是目前石家庄市公交还存在出行不方便、不快捷、不安全,线路组织不合理,公交分担率比较低等问题,迫切需要研究解决。三是石家庄市公交事业发展要适应三个转变,即从小城市到大城市的转变、从单中心城市到多中心城市的转变,从城乡分割到城乡一体化的转变。四是市政府将一如既往地支持公交事业的发展,政府各部门也要协调联动共同支持公交事业。通过各部门的共同努力,使我们的公交事业随着城市发展,随着三年大变样的开展进一步发展壮大,服务于民,服务于社会。
目前,石家庄市交通运输局和市公交总公司已综合各局领导和专家的意见和建议,经过认真整理和完善,形成了包括公交线路的开辟和优化、公交的服务改善、落实公交优先等内容的落实方案,上报市政府研究。这项工作将对石家庄公交的又好又快发展发挥积极的助推作用。
公交优化 篇2
目的：
使学生了解交通拥堵的危害、原因以及优化方案；促进学生之间的沟通交流、相互协作的能力；提高学生积极动脑动手能力和语言表达能力。
环节：
1、导入
“马上国庆小假期了，交通拥堵又成了必须面对的话题”（PPT插入几张交通拥堵的图片和调侃交通拥堵的段子）
“老板，我堵路上了，先请个假！”“你不是步行上班吗？”“是啊，步行也堵住了！” 世界上最遥远的距离不是生与死，而是我在三环、你在四环，却迟迟不能相见
2、讲授
☀提问:“谁能说一下交通拥堵危害”；总结危害（增加出行时间、成本；增加尾气排放；事故增多；紧急状况无法及时处理；人们情绪不稳……）
☀普及一下济南当前交通拥堵的原因，利用遥感展示某地道路状况
济南东西向道路太窄、南北向道路不足；路网比例失衡，主次支比例1:0.6:1.5；机动车超过100万辆；公共交通系统薄弱，无地铁轻轨等。
3、讨论
☀以历下区至长清区为例，辅助计算机，查看道路以及原有公交
☀提问：从这段线路可以看出什么问题（主干道只有一条，支路少；可行公交少；运行路段长等）
☀分小组讨论如何优化设计公交路线（修建网格状道路，增加公交车数量，增加公交站点，增加短距离公交减缓长距离公交压力等）
☀每个小组派代表总结自己小组的方案，其他人可补充
4、总结
公交优化 篇3
摘要：针对公交线路规划的问题，必须提供一个准确快捷的公交查询系统以满足人们日常出行的需求.研究了基于XML数据的公交查询系统，该系统采用B/S模式，利用ASP.NET框架和C#语言，实现了公交运行查询功能.在换乘查询算法部分及在Dijkstra算法的基础上，分析了路径寻优的原理，实现了路径距离计算的具体方法.并通过减少临时节点排序及数量的方式，改进了Dijk-stra算法，最终减少了寻找路径的时间并简化了路径计算，最后，以天津市公交数据为例.用改进的Dijkstra算法对公交查询系统进行了分析验证，结果表明，利用改进的Dijkstra算法可以实现高效的公交信息查询，节约查询时间，节省内存资源.
关键词：公交查询；Dijkstra算法；XML数据；路径寻优；最短路径
DOI： 10.15938/j.jhust.2015.02.016
中图分类号：TP319
文献标志码：A
文章编号：1007-2683（2015）02-0085-06
0 引 言
随着现代城市规模发展，城市的公交线路也越来越复杂，准确又方便地查阅公交线路，已经成为与人们生活息息相关的问题.传统的公交查询系统大多使用Sybase SQL Server、Oracle等传统数据库系统保存公交信息数据，并运用（structured querylanguage SQL）语言实现对这些数据库的操作.SQL语法简单，语言语句可嵌套，这使它具有极大的灵活性，但是，对于管理者的要求较高.目前，利用XML文件的结构化标记数据和可移植性的特点，构建公交查询系统后台数据结构，以减轻系统管理者负担，并提供准确、快捷的公交线路查询系统成为智能公交系统的研究热点之一.XML即可扩展标记语言，它使用表示起始和结束标签的语法来描述和交换独立于应用程序的结构化数据.使用XML存储数据使得管理者不再需要使用传统的soL语言来更新管理数据，减轻了管理人员的负担.本文首先对Dijkstra算法进行改进，并在Visual Studio开发环境下，利用ASP.net框架，采用B/S模式，构建XML数据，并将线路与站点数据相结合，同时融合拐点数据，使得线路查询算法更加简单，为公交查询系统的数据管理提供了一种新方法.
1 系统需求描述
1.1 性能需求
一个好的公交查询系统应具有准确性，快速性，易扩展性和易使用性.它保证系统输出结果的准确性，避免出现重复或者错误的查询结果给用户造成误导，并且在数据的导入、导出和查询过程中数据的处理时间响应上不超过ls.系统利用的XML数据非常便于管理者在后台随时进行更新和修改，即可直接打开XML数据文件进行手动修改.同时查询者无需进行登录即可进行公交查询，系统配备合理的人机交互界面，方便用户查询和使用，节约了用户查询时间.
1.2 功能需求
公交查询系统功能需求结构如图1所示.
1）线路查询：包含了线路的上、下行信息，并涵盖了线路经过的所有站点信息.当用户输入的信息不明确或不详细时，系统自动进行模糊查询，为用户匹配需要的线路信息.
2）站点查询：此功能在用户进行查询时，将包含此站点的所有公交线路反馈给用户，若用户输入的站名不明确时，系统自动进行模糊查询，为用户反馈合适的公交线路信息.
3）乘车路线查询：本系统以较少换乘次数作为设计依据设计了零换乘站点查询和一次换乘查询.首先输出零换乘的查询结果，其次输出一次换乘的查询结果，给查询者带来方便.
2 Dijkstra换乘算法描述及其优化
Dijkstra算法以广度优先算法为基础，主要解决从固定的单个点源，经过若干点后，到其他固定顶点的最短路径问题.本系统换乘查询部分采用了改进的Dijkstra换乘算法.
2. 1 基于传统Dijkstra算法的换乘查询算法
在本文设计的公交查询系统中，一次换乘查询采用了Dijkstra算法，具体过程如下：
Stepl.设起点为站点A，设终点为站点C，其它的站点为站点B.设从站点A到站点B的集合为U（A，B）距离为AA，若站点B为中转站，则设AA=0；若站点B非中转站则AA=∞.
Step2.计算出AA的具体数值，对AA的值排序，并从AA最小值开始暂定其为AA的值，暂定该AA下的站点B为最佳中转站点.
Step3.设从站点B到站点C的集合为U（B，C），距离为AB，则从站点A到站点C的距离为AC=AA+AB.对AC的值和对应的换乘数据进行保存.
Step4.重复step2和step3直到所有AA为最大值.
Step5.对所有已保存的AC的值进行排序找到从站点A到站点C的最短距离和相对应的换乘数据，
该过程基于传统Dijkstra算法可以实现一次换乘查询，提供准确结果.但由于遍历计算节点较多，并产生大量中问数据，导致其效率不高，算法时问得不到优化.
2.2传统Dijkstra换乘算法优化原理
基于传统的Dijkstra换乘算法，对于一个公交查询系统，一般来说有以下两种常规优化方案：
1）传统优化方案一：该Dijkstra算法优化方案根据在查询中转站时，对中转站设置一定的权值来实现，这样做的好处是可以对换乘的次数进行排序，优先选择少换乘的路线，之后再对换乘路线的距离进行计算并排序.但是，这种方案当换乘次数增多时，会产生大量的查询线路无用结果，并且由于权值的加入，最终导致运算结点的增加，使得运算次数增多，不具备一定的实用性，虽然针对于传统的Dijk-stra算法进行工一定优化，但并不是最佳优化方案.
2）传统优化方案二：该Dijkstra算法优化方案在计算起点A到中转站B的距离AA时只计算站点B为中转站的距离，然后直接计算站点B到站点C的距离AB，最后依据AC=AA+AB直接计算全程线路的距离AC的值后再对AC排序.这样做减少了中途排序的过程，节约了大量计算机内存.但是这种方案在查找同一组线路下的中转站会出现中转站重复的情况，进而增加中途结点，没有实现算法完全优化.
2.3 本系统Dijkstra换乘算法优化原理
在本系统中，传统的Dijkstra算法在计算过程中产生大量的0元素，∞元素以及中间数据，这样做会占用较多计算资源，且该算法的时间复杂度为O（n2），当数据量过大时，中途的结点数据量会占据大量的计算机内存单元，算法运行的时间将会不可接受，因此，需要对传统的Dijkstra换乘算法进行优化，使之减少资源占用，减轻计算复杂度，优化实现的具体过程为：
Stcpl.设起点为站点A，终点为站点C.找出包含A的线路L（A）和包含站点C的线路/（C）.
Step2.分别求出线路/（A）和线路L（C）的所有站点，找出L（A）与L（C）线路站点中包含的相同站点，即为中转站点1.若查找出的相同站点包含重复的，L（A）与L（C）线路，则停止重复查找，直接查询下一条线路的相同站点.
Step3.直接计算站点B到站点C的距离AB.
Stcp4.依据AC=AA+△B直接计算AC的值，再对AC排序.
这样做与传统的Dijkstra算法过程相比，避免了巾途积累大量的结点数据，并减少了中途排序的过程，当算法在运算过程中产生n个结点数时，优化算法的时间复杂度减少为0（n）这样节约了大量计算机内存并节省了大量运算时间，并提高了查询速度.
2.4 Dijkstra换乘算法优化实验验证结果
为了验证本系统的Dijkstra换乘算法优化的搜索效率，正确性以及优化效率，本文对传统Dijkstra算法，传统Dijkstra算法优化方案一，优化方案二和本系统的Dijkstra优化算法分别进行了实验，并进行了算法的对比验证.
在进行实验验证时，首先选取10组不同的起点和终点数据，然后使用这10组数据进行线路查询，在换乘线路查找过程中，分别记录使用这4种算法方案所产生的平均节点数及算法的搜索效率，并验证输出结果的正确性，最终分析说明优化Dijkstra换乘算法相比其它3种算法方案的提升效率，各项比较结果如表1所示，
从表l中可以看出，使用优化后的Dijkstra换乘算法过程中产生的节点数明显减少，并且优化提升明显，相比其他3种算法方案，本系统使用的Dijk-stra优化换乘算法很好的节省了内存占用单元和查询时间，满足了用户需求.
3 基于XML数据的公交信息查询优化算法的实现
3.1 XML数据模块设计说明及程序实现
XML数据设计直接影响系统的性能以及管理员的维护.XML数据将线路与站点数据相结合，并且融合了线路拐点数据，所谓拐点即公交按其线路行走时需要拐弯的点，融合拐点数据后，使站点距离计算更加精确，本系统的XMI。数据模块如下所示：
由于XML文档可以被表示为标签在节点上的树，则通过图2表示出该XML文档的数据模式图.通过这些数据可以查询乘车线路，并计算出两站点之间的距离，并且非常便于管理员在后台随时更新和维护该XML数据.
在此模块中：
主要包含3个元素，分别为：station元素、line元素及lines元素.
1）标签
2）标签
3）标签
3.2计算站点距离的数学模型描述
1）当用户从站点A1到站点AM时，中途要经过m-2个站点及拐点，分别设站点为A2，A3，…，Am-2，A—1·
2）设站点A1的经度为x1，，站点A1纬度为y1；站点A2经度为X2，站点A2纬度为Y2，则站点A1与站点A2的经度差为
X1= X2 -Xl，
（1）
它们的纬度差为
3）由于地面上经度或纬度相差1度以内对应的地表弧长大约是S =lllkm，且站点与站点间的距离都小于1经度或l纬度.因此，站点A.与站点A2之间的距离为
同理，站点A2与站点A3之间的距离为
站点Am一，与站点Am之间的距离为
4）由此可知，从站点A1到站点Am，即用户的乘车所经过的距离为
3.3基于优化Dijkstra乘车查询算法的实现
本系统乘车查询实现分为零换乘与一次换乘两部分.
3. 3.1零换乘
首先应用C#的List容器类以及System.Xml控件将XML后台数据中的线路信息与站点拐点的信息传人程序中，并使用List类构建linesl和lines2两个新容器，设用户查询的起点站为stationl，终点站为station2，查找包含stationl的所有线路并将其存入容器linesl中，同时将包含station2的所有线路存入lines2中.之后，使用List类构建line容器来保存共同包含stationl与station2的线路，此线路即为用户零换乘所需要的乘车线路，之后利用站点距离数学模型及C#语言实现可计算出stationl到sta-tion2的距离.在C#中，求两个List的交集，可以通过调用List类中的Intersect方法”line=linesl.Inter-sect（lines2）. ToList（）”；利用C#容器类的这个特点可简单有效的求出用户所需的乘车线路，再通过索引找出stationl及station2分别在line中的位置，即可求出用户乘坐该线路所要经过的站点及距离.最后，利用C#语言提供的接口IComparer，建立内部继承类，并利用该接口中提供的CompareTo（）函数对类中的成员进行比较，通过这个方法，对line中的线路路径长度进行比较后排序并将结果存人新容器lines中，可得出零换乘从路径最短到路径最长的查询结果（流程图如图3左边所示）.
3.3.2 一次换乘
用C#语言实现时，首先设起点站为stationl，终点站为station2，利用Find（）函数，找出所有包含stationl的线路liriel中以及所有包含station2的线路line2，并用索引标记出stationl，station2分别在lineI和line2中的位置.其次，利用判断中转站的方法”Linel.spots[i].GetName（）==line2.spots[j].GetName（）”来找出line1和line2中的共同站点，即换乘站点，其中，spots代表线路的站点，GetName（）用来获取站点中的线路名称.由于在相同linel与line2问一般会有多个换乘站点，因此，先通过对sta-tionl与station2到换乘站点距离分别进行计算，求出station1到station2的距离，再取出stationl到sta-Lion2存相同line1与line2下的最短距离，最终只保留相同linel，line2下stationl到station2的最短路径结果，并保存在List容器path中，再进行下一组line1，line2的判断.最终，将保留的换乘查询结果排序并利用lines.Add（path）；全部保存在List容器liries中，即为一次换乘的乘车线路（流程如图3右边所示）.
3.4查询结果的输出
本系统通过使用天津市公交信息数据，最终实现了线路查询、站点查询、乘车线路查询三大功能.
1）线路查询：在该方面本系统以“101路”线路作为实验数据，在进行线路查询时，输入“101”，通过模糊查询来找到101路公交的上下行线路所有信息，查询结果如图4所示.
2）站点查询：在站点查询的方面，本系统以“天津站”为例，查询了经过天津火车站的所有公交线路，查询结果如图5所示.
3）乘车路线查询：在乘车路线查询结果输出方面，系统根据人们出行时的乘车心理，首先选择了输出零换乘的查询结果，当零换乘的查询结果较少或没有零换乘的乘车路线时，系统将继续自动进行一次换乘查询，并将结果输出.同时，为了保证系统结果简明扼要，在进行线路查找时，添加了限制语句，令输出的乘车线路结果保持在5条以内，既当容器lines中存储的线路个数达到5条时，系统自动停止线路查询，这样既减少了搜索乘车线路所花费的时间，又给用户提供了快捷方便的结果.系统以起点为“天津站”，终点为“天津西站”作为实验依据，对该系统进行了实验验证，乘车线路的查询结果如图6所示.
4 结 语
淮安市公交站台形象优化设计 篇4
一个城市的站台形象好比一座城市的名片, 它是一个城市自然、人文文化浓缩的精华, 是一个城市最具体、最直接、最现实的品牌, 是一个城市历史、现实和未来的缩影。公交站台作为出入城市的门户, 在建构出行者对城市的第一印象中显得尤为重要, 它承载着城市深刻的文化底蕴、展现着城市的魅力和风姿。公交站台也不只是简单的由几把椅子构成的等候区域, 更多的是要依据乘客的感知特性和认知能力进行有针对性的设计, 不仅要在内容上更大程度地满足出行者需求, 而且形式上更贴合设施使用者感知觉方面的要求;在城市整体形象上, 公交站台是一种“艺术”的表现, 作为与人们生活息息相关的一项重要城市设施, 每天承担着大量的交通转接任务。因此, 应将公交站台的整体设计纳入到城市建设规划中, 设计更加多元化、更加凸现人文气息、更能展现城市的风貌的形象。考虑到它们的物质使用功能和精神功能, 提高其整体的艺术性, 体现出城市特有的人文精神与艺术内涵, 来推动城市公交站台形象的提升是必然的。
一、现状分析
由于缺乏合理的规划, 公交站点的用地相当混乱。 (1) 公交站台分布无序, 导致陌生乘客寻找站台困难; (2) 随着城市特殊人群客流量的快速增长, 但公交站台没有针对残疾人而专门设计无障碍通道; (3) 较大部分公交存在拥挤现象。
公交站台的主要功能体现在保障人们在等候、上下车辆时的安全性和方便性、舒适性, 是供公共汽车停靠和乘客候车的场所。公交站台一般由公交线路图、站牌、顶棚、座椅、照明、广告牌和垃圾箱构成。虽然, 公交企业进行了公交线路的增扩和公交车辆的改造, 提高了交通工具的质量, 在一定程度上对公交站台的候车环境也进行了研究和改进, 但仍存在不足。 (1) 整体造型:大部分公交站台外观陈旧、单调乏味, 没有与周边环境进行合理结合, 没有体现城市的特点, 缺乏新颖性和创造性 (见下页图1) 。 (2) 顶棚遮蔽面积过小, 宽度较窄, 高度太高, 同时遮风避雨性能差 (见下页图2) ;站台座椅大部分比较脏旧, 乘客宁可站着等车 (见下页图3) 。 (3) 有的站牌两面都有线路信息或者站牌布置在站台的两端, 在使用过程中, 乘客很容易忽略另一面站牌的信息或另一端站牌的信息的;而有的部分站牌设置位置太低, 容易被人群挡住, 查看不便。 (4) 无障碍设计:没有方便残疾人的设施, 如盲道、电子语音提示、盲文的指示等, 部分公交站台车次、站点、方向不明给弱势人群造成不便。 (5) 部分公交站台没有设置垃圾箱、公用电话、候车椅、换取零钱等功能设备。 (6) 材料、色彩:大多数公交站台材料采用生硬的不锈钢, 色彩单调, 不足以体现城市的文化特点, 同时与周边环境很难协调。故目前公交站台的设计没有真正从各类候车群体的实际需求考虑, 没有体现“以人为本”的设计理念;也没有很好地与周围环境相协调, 没有展示出一个城市的形象。
二、设计要点
1. 城市公交站台的合理布局。
随着城市的不断发展, 这一城市中小小的空间节点也正随着时代的演进变得越来越重要。这一富有活力的城市节点, 甚至是百姓在城市空间中定向、识别甚至找到归属感的一个重要场所。所以设计研究将以城市大公交的设计思想, 注重实用性、美观性, 着重对人的关怀。按照“人车分流、易导向识别、科学与美学相结合”的思路, 并采取“候车廊、休闲区、观赏区、指示区”等模块设计组合, 体现人与环境的和谐关系。公交站台的整体规划设计将考虑用地规模和周围环境条件, 充分结合地形地貌及地理人文, 有利于各类功能区域的划分和有机联系, 并有利于建筑布局的多样化。所以, 公交站台形象的设计应该注入更生活化、人情味更浓厚的设计理念。
2. 城市公交站台的信息传达性。
首先, 是城市形象信息传达。全球一体化的进程使城市的积弊变得明显, 城市识别性薄弱而缺乏亲和力。特别是在这个经济发展迅速、交流和交往非常频繁的时代, 一座现代化的城市如果没有公交信息导向系统的疏通, 没有视觉识别系统的支撑, 城市形象的建设就会存在缺陷。城市公交站台就像是项链上的珍珠, 连缀起整个城市, 卫生、方便、舒适的设施传达了城市的友好;统一的设计风格将有助于体现城市风貌的整体性。公交承载乘客体验城市, 而公交站台理应是第一道风景。其次, 是公交站台的信息动态化和数字化。虽然在这一层面涉及到的更多是技术性问题, 但其同样影响公交站台的视觉形象。在调查中, 我们还未发现淮安公交站台具备时间显示、到站时间预报等设施, 商业广告也是静态的。
3.公交站台的可识别性。
可识别性既是视觉形象的需要, 也是公交站台功能的需要。这对于城市的旅游尤为重要, 尤其在节假日有较多外来人口, 城市外来者对于城市街道和城市建筑认知少, 如果公交站台的视觉形象千篇一律, 很容易使外来者迷失方向, 甚至引起错站等现象。可以说城市公交站台就是城市的坐标点, 构筑了城市方向识别系统。
4.城市公交站台的地域文化设计。
建筑师曾说过:“城市是一本打开的书, 从中你可以看到它的抱负。”“让我看看你的城市, 我就能说出这个城市居民在文化上追求的是什么。”拥有一个宜人、和谐、美好的城市环境, 无疑是城市中人们的强烈愿望。如苏州公交站台的设计 (见图4) , 很具地方文化特色, 采用园林的建筑特色打造了一张特殊的城市名片;再如厦门 (见图5) 公交站台的设计中, 以独特的造型, 表现出流动之美与力量之美。因此在设计公交站台的时候除了要考虑功能之外, 还要兼顾到艺术性、文化性和人文气息。
5.城市公交站台的人性化设计。
公交站台人性化设计是以“以人为中心”, 不仅要满足功能要求、美学要求, 更要满足使用者使用时的安全性和舒适性, 既要利于健康又要使用户操作时能够得心应手, 以及与环境保护的一致。人性化设计在公交站台中宏观的说必须体现它的社会性、环境性、持续性和信赖性, 微观的说就是任何人都能使用的安心和舒适。尤其是在无障碍设计中, 必须分析残障者在特定环境中的各种需求, 如空间需求、伸展需求、运动需求、感官需求、心理需求等。因此, 站台的人性化设计不仅需要熟知一般正常人在各种环境下的行为数据, 也必须研究各类残障人士的特殊行为数据 (包括生理和心理两方面的数据) 。
站台作为公交系统中的重要公共设施, 如何保障人们轻松的短暂停留以及人们上下车的安全, 如何保障公共汽车的顺利停靠都很是关键。车一到站, 人们一拥而上争相抢位的现象仍然普遍, 并且焦虑不安地在站台上走动、张望的现象屡见不鲜, 一个个站牌前经常矗立着细细辨读站名的乘客, 导致站台滞留较多的乘客。因此, 为了响应国家大力发展公交优先的政策, 改善站台候车环境, 强调人性化的设计, 创造方便、简洁、快捷的环境刻不容缓。 (1) 候车廊的设置不可妨碍行人通行, 廊长最长宜不大于1.5～2倍标准车长。廊边应设置明显的站牌标志和发车显示装置, 提供公交车到达的实时时间。候车廊内夜间应有灯光照明、有挡风避雨和遮阳的功能且提供有吸引力的造型和色彩, 形成城市特色景观。候车区内要提供好的排水设施, 特别是在乘客上下客处加强地面的防滑处理, 保障乘客安全。 (2) 雨蓬的设计应注意:要沿着道路边缘平行设置、不能阻碍乘客上下客和行人活动、要确保公交车驾驶员能够看到等车的乘客。 (3) 在站台候车时, 座位提供给乘客一个舒适的等车环境。对于老年人来说, 当公交到站延误造成乘客候车时间剧增时, 座位就显得尤为重要。座位的设计要点主要有:当不能提供遮蔽处时, 需要根据统计提供一定数量的座位;要和现有的树阴、遮雨蓬相协调, 避免完全暴露在路上;要远离车行道设置;为保证行人安全, 座位和路边的距离至少为1.75～2米;不妨碍行人的通行, 同时要便于打扫。 (4) 为残障人提供便利设施。 (5) 自行车停放区。
结论
公交站台的设计追求的是人与自然的和谐。人性化的设计在观点上更为关注人的因素, 更为关注广大使用者的生理、心理、情感的需求, 使现代城市的公交站台的形式和风格趋于生活化的同时更具有亲和力。
参考文献
[1]卢菲菲, 张蕾蕾.城市公交站台视觉形象设计与研究[J].长春理工大学学报:社会科学版, 2010, (3) :89-90.
[2]陈果.东京城市道路景观设计特点[J].新建筑, 2001, (1) :21-24.
[3]何晓佑, 谢云峰.人性化设计[M].南京:江苏美术出版社, 2001.
[4]李晶涛.武汉城市公交汽站台形象设计研究[J].设计艺术研究, 2012, (4) .
公交优化 篇5
公共交通作为长沙市交通网络中的重要组成部分，由于公共交通对资源的高效利用，使得通过大力发展公共交通，实行公交优先成为缓解日趋严重的道路交通紧张状况的必然选择。况且随着人们在长沙市中各个地方活动的频度不断增加，长沙市公共交通在现代化都市生活中起着越来越重要的作用。然而，面对迅速发展和不断更新的长沙市公共交通网，如何快速的寻找一条合理的乘车路线或换乘方案，成为长沙市居民和外地游客一个比较困惑的问题。根据长沙市居民和外地游客的需要研究公交出行路径优化算法，寻找并提供一条或多条快速、经济、方便的从出发点到目的地的最优乘车或换乘方案，是公共交通系统中最基本最关键的问题。
一公务人员从长沙火车站（五一路火车站）下车在一天时间内到如下地点：长沙市政府、中南大学新校区、黄兴路步行街办事，并回到长沙火车站（五一路火车站）
1．设计按如下顺序：长沙火车站、长沙市政府、中南大学新校区、黄兴路步行街，并回到长沙火车站（五一路火车站）完成事务的乘坐公交车的可行方案，并给出相应的数学模型；
2．设计从长沙火车站出发遍历如下地点：长沙市政府、中南大学新校区、黄兴路步行街，并回到长沙火车站（五一路火车站）完成事务的乘坐公交车的可行方案，并给出相应的数学模型；
3．给出上述两种情况下的最优乘车方案。
公交优化 篇6
优先发展城市公共交通是缓解城市交通拥堵的有效措施。公交网络的设计与优化是优先发展公交的核心,对提高公交系统运输效率、实现资源优化配置具有重要作用。接运公交线路作为城市公交系统的重要组成部分,一般指专门为综合客运枢纽集疏乘客的常规地面公交线路[1]。它是提高综合客运枢纽换乘效率,增加城市公共交通吸引力的关键。
综合客运枢纽是多种客运方式衔接的地点,是实现客运方式转变的场所,乘客通过枢纽选择换乘,从而达到出行目的。它包括火车站、汽车站、轨道交通站等。随着综合交通的发展,如何为客运枢纽设计、优化接运公交线网已成为交通领域研究的热点。在国外的研究中,Vuchic提出了以最大客运需求来设计接运公交线网的方法[2];Kuan等利用启发式遗传算法来求解接运巴士网络优化的NP难问题[3];Chien和Schonfeld提出了基于交通枢纽的干、支线路发车时刻协调的接运线路优化设计方法[4]。在国内,这方面的研究相对较少,许旺土等以最少线路接运最大客流量为目标,曹玫以运营者消耗和使用者消耗之和最小为目标,建立了线路优化设计模型[5],并给出了求解模型的遗传算法。陆化普等学者对其也有一定的研究。虽然现有的研究已取得了一定的成果,但都很少探讨接运公交的布设和客流集疏优化的关系,也没有考虑客运枢纽对接运公交的吸引范围。因此,本文以单位里程内客运周转量最大化为目标,在尽量保障线路条数最小的情况下,设计了综合客运枢纽的接运公交线路布设优化模型,采用禁忌搜索算法对模型进行求解,最后测试了算法的效率。
2 优化模型的建立
2.1 问题描述
综合客运枢纽的主要功能是实现客流的集散。它的接运公交线路优化设计问题可以描述为:在某个综合客运枢纽的客流吸引范围内,布设若干接运公交线路,连接综合客运枢纽和周边公交站点,从而来实现站点之间客流的集散与换乘,要求尽量保证该接运系统最优(线路最少、效率最高等)。
综合客运枢纽接运公交线路优化设计问题可以认为是一类特殊的取送一体化的开放式车辆路径问题(Open Vehicle Routing Problem with Pickup and Delivery, OVRPPD),综合客运枢纽可以看成是OVRPPD的集散中心,接运公交站点可以看成是OVRPPD的客户[6,7]。一般的OVRPPD是在给定的约束条件下,研究如何合理地安排线路,将集散中心的货物运送到客户(对应的是将综合客运枢纽的客流疏散到各接运公交站点);而综合客运枢纽接运公交线路优化问题是OVRPPD的升级,它要求在安排线路时,首先要完全满足综合客运枢纽与接运站点之间的交通需求;其次还要尽量满足各接运站点之间直达交通需求(如果没有直达线路,各接运站点之间则通过综合客运枢纽换乘);同时,还要考虑综合客运枢纽对接运公交站点的吸引有一定的范围限制(因为受枢纽区位、规模及公交线路长度等影响)。
2.2 模型构建
综合客运枢纽接运公交线路优化设计问题可归结为如下的网络模型:设G=(V,E)是一连通的网络, V是顶点集,V=0,1,2,…,n,其中, 0表示综合客运枢纽, 其它表示公交接运站点; E为边集, 是连接各顶点的边, 边被赋权重(本模型用距离表示);D为距离矩阵,D=(dij)(n+1)×(n+1),其中,i,j=0,1,2,…,n,它的元素表示各站点之间的距离;OD为公交需求矩阵,OD=(odij)(n+1)×(n+1),其中,i,j=0,1,2,…,n,它的元素表示各站点之间的公交需求量;D与OD均为对称矩阵;K为布设的线路条数,nk为第k条线路上的站点数;Rk为一集合,表示布设的第k条线路,其中元素rki表示接运站点rki在第k条线路上的顺序为i,令rki=0表示综合客运枢纽;qij表示布设线路上站点i与站点j的公交客流量。
为构建数学模型,我们基于如下假设:
①每个接运公交站点仅对应唯一的接运线路;
②每条接运线路都是以综合客运枢纽站和某个接运公交站为起始点,且长度有一定的限制;
③各站点的位置、公交车的容量、营运速度等均已知;
④各站点之间的客运需求量,即公交OD矩阵已知,且假设OD矩阵为对称矩阵;
⑤接运公交车在其线路上所有站点都停靠;
⑥线路布设之后,按照全有全无方式分配公交客流。
因此,综合客运枢纽接运公交线路优化设计问题的数学模型可以描述为:
上述模型中,式(1)表示第一优化目标,最大化整个系统的运输效率,即单位里程内公交旅客周转量,其中分子为整个系统公交旅客周转量,分母为整个系统布设线路总长度,该目标是要求最大可能的满足各站点之间的OD需求,但允许某些站点之间存在OD需求但没有布设线路(需通过客运枢纽换乘);式(2)表示第二优化目标,最小化布设的线路条数;式(3)表示同一线路上相邻两个站点间的公交客流量,它包括这两点间的直达客流量(对应OD点对)和其他站点途径此两点的客流量。式(3)的处理方式是将相邻两站点看成是前站点和后站点,那么,在同一接运线路上,相邻两个站点间的公交客流量等于所有后站点之前的站点到该站点的OD量之和加上所有前站点之后的站点到该站点的OD量之和,然后再减去重复计算的前站点到后站点的OD量。式(4)表示线路长度的取值范围;式(5)表示线路非直线系数的取值范围。式(6)表示整个系统中各接运公交站点都有一条线路通过;式(7)表示布设接运线路的站点组成;(8)表示布设公交线路仅在综合客运枢纽处交汇。
2.3 优化流程
综合客运枢纽接运公交线路优化的流程如图2所示。
接运公交线路优化首先要确定综合枢纽合理吸引范围,一般认为,它是以一个综合客运枢纽为圆心、以乘客通过常规公交换乘到该枢纽的空间距离为半径的圆所覆盖的区域。作者在文献[8]中已经研究了轨道交通枢纽对常规公交客流的吸引范围。所以,本文直接利用该研究结论作为综合枢纽合理吸引范围的一种形式,进一步探讨优化模型的求解及算法。由于该优化问题是一个NP难问题,求解问题相当复杂。因此,通常需要采用智能优化算法才能实现。参考相关文献,综合考虑,作者采用禁忌搜索算法来求解该模型。
3 算法分析及描述
禁忌搜索(Tabu Search,TS)算法,也称为列表寻优法,是局部(爬山算法)搜索算法的推广,是一种全局逐步寻优算法。Glover[9]于1986年首次提出了这一概念,进而形成了一套完整的算法。禁忌搜索算法通过引入一个灵活的存储结构和相应的禁忌准则来避免迂回搜索,并通过藐视准则来赦免一些被禁忌的优良状态,进而保证多样化的有效搜索以最终实现全局优化。
一般TS的基本思想是:给定一个当前解(初始解)和一个邻域,然后在当前解的邻域中确定若干候选解;若最佳候选解对应的目标值优于到目前为止搜索到的“最好解”,则忽视其禁忌特性,用其取代当前解和“最好解”,并将相应的对象加入禁忌表,同时修改禁忌表中各对象的任期;若不存在上述候选解,则在候选解中选择非禁忌的最佳状态为新的当前解,而无视它与当前解的优劣,同时将相应的对象加入禁忌表,并修改禁忌表中各对象的任期;如此重复上述迭代过程,直至满足停止准则[10]。
基于这一思想,本文提出了一种求解综合客运枢纽接运公交线路优化设计问题的禁忌搜索算法。
3.1 解的表示
用禁忌搜索算法求解接运公交线路优化设计问题时,确定解的表示方式是一项非常关键的工作。它直接决定算法实现的难以程度和算法性能的优劣。首先确定解由综合客运枢纽和接运公交站点共同排列组成,然后采用自然数编码的表示方式,对于n+1个站点,产生n+1个0～n不重复的自然数排列。其中,0表示综合客运枢纽,其它表示公交接运站点。如{013450298076},它表示3条接运公交线路,01345,0298和076。
3.2 初始解
任何禁忌搜索算法需要一个初始解,以开始其局部搜索过程。本算法将以随机方式产生初始解。
3.3 邻域结构
传统的禁忌搜索算法在求解组合优化问题时,往往仅采用单一邻域变化产生候选解,通常这样会花费较长的时间来搜索解空间。为进一步增强禁忌搜索算法的性能,在求解综合客运枢纽接运公交线路优化设计问题,本算法设计了四种邻域,分别是重新指派、顶点交换、2-opt和“尾巴”交换。在同一线路或不同线路中随机挑选2个顶点(综合客运枢纽或接运站点),随机执行以上四种邻域变换中的一种[11]。
3.4 解的评价
用禁忌搜索算法求解组合优化问题时,需要对解进行评价,使算法在迭代过程中,不断搜索到质量更优的解。针对综合客运枢纽接运公交线路优化设计问题,判断某个解的优劣需首先要将该解转化为对应的线网方案,然后再判断该线网方案是否满足约束条件,同时计算该线网方案的目标函数值,若其目标函数值越优,则解的质量越高(本模型需优化2个目标:最大化整个系统的运输效率和最小化布设的线路条数)。采用由综合客运枢纽和接运公交站点共同排列组成的解的表示,能清晰地确定线网的布设方案,也隐含着每个接运公交站点仅对应唯一的接运线路、布设公交线路仅在综合客运枢纽处交叉等约束条件,但不能保证线路满足长度和非直线系数的约束条件。因此,对于不满足上述2个约束条件的解,应分别引入惩罚值,将约束条件包含到目标函数中进行衡量。此外,对于本算法确定的解的表示方式,经过若干次邻域变换后,可能存在2个“0”相邻或1个“0”排列在末尾的极端情况,这两种情况与实际不符合,也应该给予惩罚。综上,将优化的2个目标及约束条件进行整合,得到解的评价方式,见式(8)。
其中,E和K分别为第一和第二优化目标,P1、P2和P3分别为线路长度、非直线系数以及2种“0”排列极端情况对应的惩罚值。P1,P2,P3∈(1,M),当满足约束条件或不存在“0”排列极端情况时,分别取1;反之,分别取M.其中,M为一个无穷小的正数,如M=10-4.通过这样的处理,允许不可行解存在,Z越大,目标函数越优,解的质量越高。
3.5 禁忌表
本算法构造的禁忌表用于记载最近5～10(随机挑选)次迭代中解的变换特征,用一组(n+1)(n+1)阶矩阵来记录禁忌情况,若点i被挑选来进行顶点重新指派变化,则将其禁忌情况存入矩阵的元素(i,j)中。若点i和j被挑选来进行以下三种变换:顶点交换,2-opt,“尾巴”交换,则将其禁忌情况存入矩阵的元素(i,j)中,在每一次迭代时,都必须将上一步所进行的变换填入到禁忌表中,而表中的其他元素相应地减1直到等于0为止[11]。
3.6 终止准则
当总迭代次数达到一个给定值,或在一个给定的连续迭代步数内当前最好解无改变时,算法终止。将用到以下相关变量:
steps为当前的迭代步数;
maxsteps为最大的迭代步数;
conssteps表示当前最好解保持不变的当前连续迭代步数;
maxconssteps表示当前最好解保持不变的最大连续迭代步数;
candlist 当前的候选解数量;
maxcandlist 最大的候选解数量。
3.7 算法描述
随机产生一个初始可行解,并置该解为当前解和当前最好解;
从候选解集中选择非禁忌的最佳候选解,或若存在一个优于当前最好解的禁忌候选解,则解禁该候选解,并将其作为最佳候选解;
置新的最佳候选解为当前解,steps的值加1;
若新的最佳候选解优于当前最好解,则更新当前最好解,并置conssteps为0;否则,conssteps的值增加1;
end
该禁忌搜索算法的特点是:解的表示十分直观,惩罚值的运用使得我们在搜索过程中可以对不可行解进行试探,有助于跳出局部最优解。灵活的邻域结构使得算法在搜索过程中,可随机地从4种邻域变换中择其1种,禁忌长度也是随机地在5～10之间选择,这样增加了搜索的多样性。
4 案例分析
用Matlab语言实现了上述优化问题的禁忌搜索算法, 并构造了相关算例。算例中, 该综合客运枢纽是由多条轨道交通线路相交形成, 它周边有若干常规公交接运站点, 参考相关文献可知, 此类枢纽的合理吸引半径为 7.8kM. 在这个合理吸引范围内,共搜索到接运站点16个,各站点的分布坐标及各站点间的OD需求情况分别见表1和见表2。
算法的主要参数如下:允许最大的迭代步数maxsteps=1200+300n,当前最好解保持不变的最大连续迭代步数maxconssteps=600+100n,最大的候选解数量maxlist=150+2n, n为接运的站点数。用该算法连续10次求解该优化问题,优化目标值全为12.9123,对应的最终解为[0 3 6 10 11 2 12 1 0 15 7 8 13 14 4 5 0 9 16], 得到该解的迭代步数685～2449次, 运行时间在9.52～50.66s,充分表明该算法有较好的稳定性和较快的收敛速度。由此,该案例的接运线路优化方案是:布设设3条公交接运线,分别是(0 3 6 10 11 2 12 1)(0 15 7 8 13 14 4 5)和(0 9 16)。
5 结论
①本文描述了以综合客运交通枢纽为中心的接运公交线路优化问题,将其归结为一类取送一体化的开放式车辆路径问题,并构建了优化模型。将系统运输效率最大和布设线路最小作为优化模型的双目标,在综合客运枢纽的吸引范围内布设线路,同时考虑线路长度、非直线系数等约束条件。
②实验计算结果表明,用本文设计的禁忌搜索算法求解综合客运枢纽接运公交线路优化设计问题,算法收敛速度较快,计算结果较稳定,显示了良好的寻优性能。
③本模型的优化结果是假设将公交客流按照全有全无方式进行配流,在后续研究过程中,可进一步探讨其他配流方法,以更好地仿真公交系统。
摘要：分析了综合客运枢纽接运公交线路优化设计问题的内涵及作用,构建了以运输效率最大和布设线路最小为双目标的优化模型,并将它转化为一类特殊的取送一体化的开放式车辆路径问题进行求解,给出了求解的禁忌搜索算法。最后通过案例进行了验证,证实了该算法具有良好的寻优性能。
关键词：接运公交,综合客运枢纽,禁忌搜索算法,车辆路径问题
参考文献
[1]曹玫,林小涵.基于遗传算法的城市轨道交通接运公交线网规划[J].武汉理工大学学报,2005,(8):568～570.
[2]Vuchic V R.Urban transit:Operation,planning,and economics[M].Hoboken,New Jersey:Johnwiley&Sons,Inc.,2004.
[3]Kuan S N,Ong H L,Ng K M.Solving feeder busnetwork design problem by genetic algorithms andant colony optimization[J].Advances inEngineering Software,2006,37(6):351～359.
[4]Chien S,Schonfeld P.Joint optimization of a bailtransit line and its feeder bus system[J].Journal ofAdvanced Transportation,1998,32(3):253～284.
[5]许旺土等.基于改进遗传算法的接运公交线路生成优化模型[J].北京交通大学学报,2009,(6):40～44.
[6]孙丽君等.车辆路径规划问题及其求解方法研究进展[J].系统工程,2006,24(11):31～35.
[7]符卓,聂靖.求解带装载能力限制的开放式车辆路径问题的遗传算法[J].系统工程,2008,26(2):78～83.
[8]王佳,胡列格.城市轨道交通站点对常规公交客流的吸引范围研究[J].系统工程,2010,28(1):14～18.
[9]Glover F.Future paths for integer programmingand links to artificial intelligence[J].Computersand Operations Research,1986,13:533～549.
[10]郎茂祥.配送车辆优化调度模型与算法[M].北京:电子工业出版社,2009.
可变线路式公交车辆调度优化模型 篇7
随着经济的发展和机动化水平的提高,城市交通拥堵问题也不断加剧。公共交通在道路交通资源的充分利用上具有私人交通无法比拟的优越性,已经成为缓解道路交通拥堵的1条重要途径。可变线路式公交(flex-route transit)作为1种新型公交运营模式,融合了常规公交运营模式(FRT)的高成本效益以及需求响应式公交系统(DRT)的机动灵活,能够提供门到门的公交运输服务,是解决城郊地区公交服务问题的1条重要途径。
可变线路式公交可以描述为:车辆在一定的服务区域内围绕基准线路运行,并在松弛时间内偏离基准路线行驶,在乘客要求的地点停车上下客。车辆行驶过程中满足一定的时空限制,即车辆驶离基准路线为乘客提供站外上下车服务之后,需要返回基准线路继续行驶,并且满足线路上固定站点的时间约束。根据可变线路式公交乘客的上下车位置可以将其分为4类:站外上车站外下车(I类)、站内上车站外下车(II类)、站外上车站内下车(III类)和站内上车站内下车(IV类)。其运行模式见图1,其中1和s为公交线路的首末站。
现阶段国内外学者对于可变线路式公交系统已经做了一些研究。云亮等[1,2]总结了目前国内外可变线路式公交的主要研究成果,并研究了多车辆可变线路式公交的调度问题;Koffman[3]探讨了已有的可变线路式公交系统的实践经验;Quadrifoglio等[4,5,6]利用连续近似的方法计算出可变线路式公交系统中车辆径向速度的上限和下限,并全面描述了可变线路式公交的参数,建立了可变线路式公交的混合整数规划模型,同时分别提出可变线路式公交的静态和动态路径选择及调度模型;Wei Lu等[7]针对多车辆可变线路式公交调度的动态插入算法进行了研究;Quadrifoglio和Dessoukly[8]利用仿真实验对可变线路式公交的性能指标进行了分析;Baha W.Alshalalfah等[9]以多伦多市的3条公交线路为例,利用数学仿真模型证明单纯增加松弛时间并不能有效的增加公交服务能力,并通过与常规公交运营方式进行对比,判定其作为地铁接驳线路的可行性和适用性。
本文在总结已有研究的基础上,以为更多乘客提供站外上车(下车)服务为目标,综合考虑乘客出行成本和公交运营成本,建立了可变线路式公交的运营调度模型。这对于我国开展可变线路式公交服务,提高公交整体服务水平具有重要意义。
1 可变线路式公交车辆调度模型
1.1 模型假设
可变线路式公交车辆调度时,要求有站外上车或下车请求的乘客(I类、II类和III类乘客)提前通过电话预约系统或者网上预定系统提出出行请求,说明其个人信息以及出行信息。可变线路式公交运行过程中受到诸多因素的影响,为建立其调度模型,本文做出如下假设:
1)将研究目标定为有S个(S≥3)固定站点的单车辆调度模型,车辆由站点1到站点S为下行方向,由站点S到站点1为上行方向。
2)乘客车上时间不会超过1个班次的发车间隔T,发车间隔T为公交车辆在站点S与站点1发车时间的时间差。
3)出行需求在整个服务区域内均匀分布,第IV类乘客随机到达固定站点。
4)公交车辆保持匀速按照直线形式运行,如车辆先沿水平方向行驶,再沿垂直方向行驶到达需求点;车辆严格按照行车时刻表运行,不允许车辆越站、超车。
5)车辆能正常运行,不考虑诸如车辆抛锚、堵车、交通事故等特殊道路交通状况的发生。
1.2 变量说明
xij为二进制变量,当车辆在路段(i,j)上行驶时取值为1,否则取值为0;A为路网中所有路段的集合;Iij为路段(i,j)上的道路交通路阻系数;dij为路段(i,j)间的直线距离;M={m|m=1,2,3,4}为乘客类型的集合;nm为第m类乘客的数量;nli为车辆到达固定站点i时公交车上出行终点不在站点i的乘客数量;NB(t)为t时刻公交车辆上的乘客数量;Di(t)为t时刻到达并在固定站点i上车的第IV类乘客数量;Nm为第m类乘客的集合,N=N1∪N2∪N3∪N4为所有乘客的集合;S为固定站点的集合,NS为站外停靠点的集合,SS为所有停靠点的集合,SS=S∪NS;xi为停靠点i的横坐标;dxback为车辆在x方向上允许的最大逆行距离;固定站点i的车辆计划发车时间用TSi表示,上一发车班次固定站点i的发车时间用TS′i表示,且TSi=TS′i+T;ASi为计划中车辆到达固定站点i的时间;分别用ta(i)、td(i)(i∈SS)表示车辆到达停靠点i的时间和从停靠点i发车的时间;TPk和TDk分别为乘客k的上车时间和下车时间;TRi(k)为站外上车乘客希望在停靠点i(i∈NS)能够上车的时间;[ek,lk]为站外上车乘客k(k∈N1∪N3)上车时间的时间窗;Ts为公交车辆在每个站点的服务时间,文中认为各个站点的服务时间相同;w1、w2和w3分别为车辆运营成本、乘客候车时间和乘客在固定站点空闲时间的权重系数;α1为车辆行驶里程的货币成本,α2为乘客时间消耗的货币价值;cm(m∈M)为第m类乘客支付的公交票价,本文认为同类乘客的票价相同;车辆的行驶速度用v表示;CB为公交车辆的额定载客数;Z为一个任意大的值。
1.3 数学模型
以系统总成本最优为目标建立的可变线路式公交车辆调度模型为
上述模型中,式(1)为可变线路式公交调度模型以出行成本系统最低为目标,即车辆运营成本和乘客出行成本的最小化,其中运营成本为车辆行驶成本与票价收入之差,乘客出行成本用乘客的候车时间以及乘客在固定站点的空闲时间衡量,其中站外上车乘客的候车时间用乘客实际上车时间与期望上车时间之间的差值表示,固定站点空闲时间的最小化是为了使公交车辆尽可能地服务更多的需求响应式乘客;式(2)和式(3)为车辆在所有停靠点只停留1次,保证每1个停靠点只有1条发车路径和到达路径;式(4)保证了车辆能在固定站点的计划发车时间之前到达站点并且完成乘客的上下车服务;式(5)为站外上车乘客上车时间满足时间窗限制;式(6)保证乘客下车时间晚于其上车时间;式(7)为站外上车乘客的上车时间不早于系统给定的上车时间;式(8)为任何时刻车上乘客数量都能满足公交车辆的额定载客容量限制;式(9)为当车辆在路段(i,j)上行驶时,车辆到达停靠点j的时间不会早于从停靠点i的发车时间加上在2个停靠点之间的行驶时间;式(10)为车辆的在路段(i,j)上的x方向的逆行距离不超过允许的最大逆行距离。
2 模型算法设计
可变线路式公交车辆调度可以看作1个混合整数规划问题,受到松弛时间、固定站点发车时刻等多种因素的限制,是1类特殊的NP-Hard问题,在问题规模较小的情况下可以采用精确算法,但是其计算量随着问题规模的增大按指数方式增长,因此这类问题常采用启发式算法编程求解。遗传算法[10]是基于“适者生存”规律的1种高效、并行、随机和自适应的优化算法。本文拟针对可变线路式公交静态调度模型的特点,设计相应的遗传算法进行求解。
2.1 遗传算子设计
由于遗传算法[10]不能直接处理问题的解,因此设计遗传算子之前需要对变量进行编码,将问题的解转换成遗传空间的基因型串结构数据即染色体。本文采用自然数编码即序数编码的方式,编码主要是给出车辆经过的停靠点。如“1 3 7…”表示车辆依次经过停靠点1、停靠点3和停靠点7等。
1)复制算子。复制算子模仿优胜劣汰的遗传法则,即从当前群体中选择性能优良的个体,使它们有机会作为父代繁殖下一代群体。本文设计的遗传算法中,采用最佳保留的轮盘赌法进行染色体的复制。
2)交叉算子。交叉算子是用双亲基因生成新染色体,体现的是有性繁殖的自然规律。本文构造的交叉算子为最大保留交叉[11]:若染色体交叉点处的2个基因都为0,直接进行顺序交叉运算;若染色体交叉点处的基因不全为0,则将交叉点左移(右移),直到左、右2个交叉点处的基因都为0,再进行顺序交叉运算。
3)变异算子。变异模仿自然界中基因突变现象,并按照一定的概率即变异率发生,从而改变染色体的基因链,挖掘染色体个体重基因组合的多样性。变异运算采用单点变异的方式。
为了更好的求得最优解,采用自适应参数策略调整交叉变异概率,通过设定目标函数最大累计未变化代数,提高交叉变异概率,从而避免陷入局部最优。
2.2 适应度函数
适应度函数是用来区分群体中个体好坏的标准,是进行自然选择的依据,一般是由目标函数加以变换得到。可变线路式公交静态调度模型的目标函数是系统运营成本的最小化,本文的适应度计算函数为
式中:fh为个体h的适应度函数;Zmin为同一代群体中最佳个体的目标函数值;Zh为个体h的目标函数值。适应度函数值越大的个体越优,反之越劣质。
2.3 初始解构造
本文拟采用最近插入法生成初始解。首先由第1个和第2个固定站点形成1个初始路径。然后根据车辆的容量限制、时间窗限制及松弛时间限制等约束条件,判断站外停靠点i(i∈NS)是否具有插入路径中的可能,不断修正车辆的路径。
步骤1。从第1个固定站点出发,找到1个最近的站外停靠点i(i∈NS),如果具有插入的可能性即满足时间窗及松弛时间等约束,检验目标函数的增量Δ,将停靠点i插入Δ最小的节点之间。
步骤2。如果停靠点i不具有插入的可能性,则将剔除出站外停靠点的集合NS,转到步骤3。
步骤3。重复步骤1、2,直到集合NS中所有能插入的点都加入到路径中,得到1个初始解,即遗传算法的初始群体。
2.4 算法步骤
步骤1。输入路网特性、出行需求特性及车辆容量等参数信息。
步骤2。对问题进行编码,设置初始进化代数GEN=0和累计目标函数未变化代数n=0,设置最大进化代数GENmax和最大累计目标函数未变化代数nmax,并设定选择运算参数和初始交叉、变异概率等计算参数,按照2.3节介绍的方法产生一个初始种群作为初始解。
步骤3。计算种群中各个个体目标函数以及适应度函数,对比前后2个个体的目标函数,如果相等,则n=n+1;否则,n=0,并保留适应度值较大的个体进入新一代种群。
步骤4。采用轮盘赌方式进行选择操作,若n>nmax,则提高交叉和变异概率,否则,就按照初始设定的交叉和变异概率进行交叉、变异操作。如果出现了新的最优解,则将新生成的种群作为当代种群。
步骤5。判定种群的进化代数是否达到最大进化代数。若GEN=GENmax,转到步骤6;否则,GEN=GEN+1,转到步骤3。
步骤6。结束遗传操作,输出结果。
3 算例分析
算例通过将可变线路式公交与常规公交进行对比的方式,论证可变线路式公交系统的实用性。为了便于比较2个系统的性能,算例中选用了以下性能指标:
PAR,系统接受站外需求概率;PT,人均车内时间;PW,人均候车时间;PWK,人均步行时间;TL,车辆行驶总里程。
全局性能指标F(以时间单位计)定义如下:
式中:CT为乘客总数;CP为第Ⅳ类乘客的数量;w1,…,w4为权重系数。Z的值越小,表示系统的全局性能越优。
算例中采用的服务区域为矩形区域,其中:L×W=10×1km2,车速为v=25km/h,各站点车辆服务时间为12s。对于常规公交系统,假设基准线路上均匀分布有21个固定站点(即2个相邻固定站点间的距离为0.5km),公交车辆的车头时距为60min。假设有10%的乘客碰巧赶上公交车,等待时间为0,有80%的乘客基于公交时刻表和个人经验,在最佳时间到达公交站点并且等待时间几乎为0,剩余10%的乘客随机到达,并且平均等待时间为公交车辆平均发车间隔的一半。对于可变线路式公交系统,假设基准线路上均匀分布有5个固定站点(即S=5,2个相邻固定站点间的距离为2.5km),并且2个相邻固定站点的车辆发车时间间隔为12.5 min。因此可变线路式公交车辆的车头时距为100min,2个连续的固定站点间有5.98min的松弛时间可用于为站外上车(下车)的乘客服务。对于系统不能接受的那部分站外需求,则转变为在固定站点上下车,即归入第Ⅳ类乘客。
假设2个连续停靠点间的路阻系数相同即Iij=0.92。4类出行需求的比例为:I类(10%)II类(40%)III类(40%)IV类(10%)。根据乘客出行需求的灵活性,4类乘客的票价分别为:I类乘客:3元,II类、III类乘客:2元,IV类乘客:1元。行驶里程的货币成本取为6元/km,乘客时间消耗的货币价值取为18元/h。在为权重系数赋值时,假定乘客对站点等待上车时间的不满意度是对在车内等待下车时间不满意度的2倍,而车辆行驶时间和乘客车上时间的权重相同,步行时间和候车时间的权重相同。因此,算例中采用的权重值为w1=0.1、w2=0.2、w3=0.2、w4=0.1。设置最大进化代数GENmax=200,初始交叉概率为0.4,变异概率为0.1,目标函数值累计进化80代没有变化(nmax=80),将提高交叉变异概率。
算例利用Matlab编程实现仿真实验。算例中对各系统取共同随机数,并分别针对ρ=15人/h、ρ=20人/h和ρ=25人/h进行了100h的仿真实验,即常规公交车辆共运行了200个班次,可变线路式公交车辆共运行了120个班次。仿真对比结果见表1。
由仿真结果表明,对于可变线路式公交系统,随着出行需求率的增大,人均车内时间呈现逐渐增加的趋势,比同类型常规公交乘客大约要多花费10min。并且由于系统接受的站外上(下)车乘客比例降低,被拒绝的那部分乘客转变为在固定站点上下车,需要步行到站(离站),人均步行时间、人均等待时间也逐渐增加。此外,为了服务站外上车(下车)的乘客,车辆需要绕行一定的距离,因此单个班次可变线路式公交车辆的行驶里程大于常规公交车辆的行驶里程。由表1中全局性能指标的数据可知,可变线路式公交系统相比于常规公交系统更优,即在该服务区域比常规公交系统更有效,然而随着出行需求率的增大,可变线路式公交系统的优势愈来愈不明显。事实上,当出行需求达到一定量的时候,采用常规公交运营方式更为经济高效,算例结果符合实际。
4 结束语
在分析公交公司运营成本及乘客出行费用的基础上,综合考虑了乘客的出行时间、候车时间以及车辆的行驶里程、公交票价等因素,建立了可变线路式公交系统的调度模型。并且针对该模型设计了相应的遗传算法,从而在系统成本最优的情况下,获取公交车辆的最佳路径。本文在建立模型时,只考虑了提前预约的已经确定的出行服务。实际中,可变线路式公交不仅能够为预约需求提供服务,还需要为实时出现的乘客即动态需求提供服务。这类既考虑预约需求又考虑实时需求的混合调度模型更具有实用性,还有待于进一步深入地分析研究。
参考文献
[1]云亮,蒋阳升,宋雪梅.机动式辅助客运系统(MAST)及其研究进展综述[J].交通运输工程与信息学报,2009,7(4):79-83.
[2]Jiang Yangsheng,Yun Liang,Liu Huijun,et al.Multi-vehicle system design for mobility allowanceshuttle transit service[C]∥China Wuhan:Interna-tional Conference on Mechanic Automation andControl Engineering,2010:2858-2862.
[3]Koffman D.Operational experience with flexible transitservice[R].Washington,DC:Transportation ResearchCooperative Research(TCRP),Report 53,TRB,Na-tional Research Council,2004.
[4]Quadrifoglio L,Dessouky M M,Hall R W.Perform-ance and design of mobility allowance shuttle transit(mast)services:bounds on the maximum longitudi-nal velocity[J].Transportation Science,2006,40(3):351-363.
[5]Quadrifoglio L,Dessouky M M F.Mobility allow-ance shuttle transit(MAST)services:MIP formu-lation and strengthening with logic constraints[J].European Journal of Operational Research.Europe-an Journal of Operational Research,2008,185(2):481-494.
[6]Quadrifoglio L,Dessouky M M,Palmer K.An inser-tion heuristic for scheduling mobility allowanceshuttle transit(MAST)services[J].Journal ofScheduling,2007,10(1):25-40.
[7]Wei Lu,Lu Lu,Luca Quadrifoglio.Scheduling mul-tiple vehicle mobility allowance shuttle transit(m-MAST)services[C]∥Washington,DC:USA,14thInternational IEEE Conference on Intelligent Trans-portation Systems,2011:125-132.
[8]Quadrifoglio L,Dessouky M M.Mobility allowanceshuttle transit(MAST)services:formulation andsimulation comparison with conventional fixedroutte bus services[C]∥proceedings of the fauthIASTED International conference on Modeling,Simulation and Optimization(USA),2004:31-36.
[9]Alshalalfah B,Shalaby A.Feasibility of flex-route asa feeder transit service to rail stations in the sub-urbs:Case study in Toronto[J].Journal of UrbanPlanning and Development,2012,138(1):90-100.
[10]史峰,王辉,郁磊,等.MATLAB智能算法30个案例分析[M].北京:北京航空航天大学出版社,2011.
成都市公交系统优化问题探索研究 篇8
本文旨在研究乘车人和公交车生产厂商的利益最大化行为, 以此为基础建立了两个模型分别模拟两者的最优化解。首先考虑乘车人终端, 根据公交公司提供的既有公交路线, 建立模型和算法计算其出行的时间和距离最优路径。其次考虑公交车生产厂商终端, 根据政府提供的既有税收和补贴政策, 建立数学模型并运用遗传算法计算出厂商最优的生产配置, 以最大化其利润。
►► 二、模型一:路径寻找模型
在传统的寻求路径的方法, 一般是先将各个公交路线的站点全部抽取出来, 然后建立一个图模型。根据这个有向图, 来求取连通分量, 从连通分量中找到来包含AB站点的值。
对于成都市来说, 可能包含两种情况:一种情况是A, B都在一条公交路线上, 另一种是A, B两站不在同一条公交路线上, 从A到B需要经过转车。
如果按照传统的算法来做:首先要建立连通分量 (可以通过深度优先搜寻算法来寻找连通分量) , 找到包含A, B站点的连通分量, 并进行标记。然后查找连通分量上存在的公交路线。
这种算法能够达到效果, 但是不是最优化的效果, 因为存在一些问题:由于公交站点基本上全部连通, 因此时间复杂度高。还有就是效率低, 因为可能返回太多的连通分量。
我们再求解过程中, 并不将其转会为图模型, 而是直接利用公交路线的本身信息进行求解。
下图就是公交路线信息数据的格式:
因为公交路线信息中包含了所有的站点名称, 可以直接就查看某点是否包含在某路公交路线中。
程序运行结果:
对第二种情况, 需要进行转车, 此时如果用传统的算法, 更加复杂。我们的优化算法是:先求包含A, B站点的所有公交路线, 然后求包含A公交站点的路线L1和包含B公交站点路线的L2之间的公共站点C, 如果存在公共站点C, 则说明可以先乘坐L1到站点C, 然后乘坐L2从C站点到底B站点;
对于运行结果可能包含多条路径, 对于不熟悉成都地图的用户来说, 不知道选择坐那一路线, 因此, 我们再求解的同时, 也要求出每个条路线经过的总站数, 然后选出最短的路径推荐给用户, 对应的方法为
其运行结果如下:
►► 三、模型二:公交车生产厂商优化生产线模型
本文构建了一个基于内生成本和税收差异的公交车厂商生产模型。
首先, 假设一个公交车厂商存在着三种类型的生产部门。部门0是以其自身利润最大化为目标的生产新能源公交车的部门, 政府不对部门0征税。部门1是以其自身利润最大化为目标的生产天然气动力公交车的部门, 政府对部门1征收税率为的从量税。部门2是以其自身利润最大化为目标的生产普通汽油动力公交车的部门, 政府对部门2征收税率为的从量税。其中, 政府为鼓励新能源公交车和天然气动力公交车, 对部门1征税税率小于对部门2征税税率, 。
其次, 令这三个部门的单位生产成本分别为, 依赖于部门成本降低活动的投入 (如用来降低成本的研发R&D花费) , 为了保证从事成本降低活动的投入是规模报酬递减 (DRS) 的, 本文令, 其中是部门不参与任何降低成本活动的初始的单位生产成本。
最后, 为保证最大化的二阶条件成立, 得到内点解, 并且使得 () 成立, 我们假设。
公交车厂商存在着三种不同类型生产部门, 各部门生产活动分为以下两个阶段。在第一阶段, 各部门同时选择从事成本降低活动 (即选择) , 从而决定了下一期生产时的不同的单位成本, 部门需为此付出的花费为。在此基础上, 第二阶段, 各部门同时选择自己的产出水平。令、、分别表示部门0、部门1和部门2的产量, Q是总产量, 。市场上的反需求函数为, 其中, 是市场上的价格, 。
三种类型部门的利润分别表示为 () , 其中
而对于公交车生产厂商来说, 其目标是最大化三个部门的利润之和。厂商的决策变量是
为求解这个最优化问题, 我们应用遗传算法解决。我们对参数赋予特定的数值, 其中, , , , , , 。求得收敛序列结果如下图, 得到公交生产厂商部门1生产新能源公交车498辆, 部门1生产天然气公交车491辆, 部门1生产汽油公交车486辆, 获得最大利润2846万元。
遗传算法求解流程如下图, 我们选取了6维空间中的60个初始点, 进行了50次迭代过程, 共得到了3000个样本点, 得到了收敛的序列、模型要求解的利润最大化值以及厂商对于产量和成本的选择。
第一步:随机初始化60个样本
第二步:对样本进行基因交叉操作, 产生新的解
第三步:对新产生的基因进行基因变异
第四步:根据适应度函数, 对新的变异基因进行选择, 对于那些不满足适应度函数的解要淘汰调, 对于满足的则保留下来, 作为下一次迭代的初始化解。对于本次的选择的函数, 采用的是随机遍历抽样法, 这是一种基于轮盘赌的选择方法, 不过比轮盘赌选择方法更加容易选择出最优值的算法。
第五步:重复1-4步操作, 直到收敛为止。
本文研究发现在我们的模型假设下, 新能源生产部门由于受到政府税收政策的保护和支持, 更有激励去从事成本降低活动, 投入更多资金开展科技研发, 使自身生产成本低, 在市场竞争中有了优势, 提高了产量, 获得了更高的市场份额和利润。天然气动力生产部门在开展科技创新的同时降低了一定的生产成本, 但由于从事成本降低活动的投入很大, 加上受到税收等因素的影响, 成本降低活动受到一定制约, 使得生产成本相对较高, 产量下降。而传统的汽油动力生产部门虽然税收负担重, 但是由于科技含量偏低, 从事研发活动的成本低, 企业也会选择降低此部门的成本, 提高利润。
摘要：本文要解决的问题是以2013年6月6日至8日在四川省成都市举行的财富全球论坛为背景而提出的。作为一个现代化国际大都市, 通畅、便利的公交系统是畅行于成都市的基本保障。公交系统不但包括乘车人和公交公司, 公交车生产厂商也是参与公交系统构建的重要部分。一方面, 越来越多的居民选择公交出行, 必然会面对出行方式与路线选择的问题。如何快速、高效地从众多的可行路线中选出最优路线成为了解决居民出行问题的关键。为满足公众查询公交线路的选择问题, 本文旨在研究开发一个解决公交线路选择问题的自主查询计算机系统, 其系统的核心是线路选择的模型与算法。另一方面, 作为提供公交车的生产商, 假设其存在三个生产部门, 分别生产新能源公交车、天然气动力公交车和汽油动力公交车。其在选择生产何种公交车时也面临诸多约束, 如何选择产量与降低成本的研发活动使得总体利润最大化也是本文的研究重点之一。
关键词：转乘次数,广度优先算法,利润最大化,遗传算法
参考文献
[1]李丹, 曲玉萍, 王晓燕.城市公交出行系统中最优路径算法研究[J].交通标准化, 2005;11
[2]李曙光, 苏彦民.基于GIS的城市公交路网最优路线算法研究[J].中国公路学报, 2003;7
[3]肖文翀.最优公交线路查询系统设计[J].软件导刊, 2012;6
[4]姚春龙, 李旭, 沈岚.公交查询最优路径搜索的有向赋权图模型[J].计算机应用研究, 2013;4
[5]Anez, J.and Barra, T, Dual Graph Representation of Transport Networks.Transportation Research, Vol.30 (3) , 1996, pp.209-595
[6]Brander J.A.and Spencer B.J.Tariff Protection and Imperfect Competition[M].Monopolistic Competition and International Trade, Oxford University Press, 1984
[7]Collie D.R.Optimum Welfare and Maximum Revenue Tariffs under Oligopoly[J].Scottish Journal of Political Economy, 1991
[8]Keechoo, Choi and Wonjae, Jang, Development of a Transit Network from a Street Map Database with Spatial Analysis and Dynamic Segmentation, Vol.8 (1-6) , 2000, pp.129-146
[9]Wang L.F.S., Wang J.and Lee J.Y.Optimum-welfare and Maximum-revenue Tariffs in Mixed Oligopoly with Foreign Competitors[J].Australian Economic Papers, 2010
城市公交线网优化模型系统设计 篇9
1智能公交线网优化系统框架
系统包括4部分:Arc GIS用地及人口数据模块、Emme道路及公交网络模块、公交出行需求矩阵模块和分层公交线网优化程序。
1.1 Arc GIS用地及人口数据模块
存储地块用地性质、规划控制条件、规划人口等信息属性, 同时落实公交场站等用地信息。
1.2 Emme道路及公交网络模块
存储规划道路红线、断面、公交专用道、公交线网等信息属性。
1.3公交出行需求矩阵模块
公交需求 (Demand tot) 可以是通过问卷调查获取的现状需求数据、通过站点及线路运量推算的需求数据, 或者根据用地及人口数据模块得到的预测需求。
1.4分层公交线网优化程序
将公交线网分为Type A、Type B、Type C三类, 分别表示新规划干线、新规划普 (支) 线和已有线路。
2层公交线网需求
2.1现状线网优化
通过对运营线路运量、站点上下客、IC卡换乘数据统计分析, 运用OD反推技术, 得到现状公交出行需求矩阵 (Demand C) 。相比问卷调查数据, OD反推技术数据源便于获取、成本低、数据更新快, 基于已知初始条件计算精度较高。
2.2规划公交线网
在既定的公交供给目标下, 公交系统内部各方式 (地铁、有轨电车、BRT和常规公交) 之间存在换乘和竞争关系, 利用常用的MNL模型 (Multinominal Logit Model) 划分各层次需求关系:
其中, m——效用函数使用参数的个数;
n——可选择方式的个数;
cost——各OD对间的时间或费用值;
β——标定的参数。
综合考虑有车者和无车者在不同出行目的 (HBW、HBS、HBO、NHB、PRO) 的公交出行影响因素的影响效用, 出行时间、接驳时间、候车时间。
有车者:
无车者:
3智能公交线网优化控制条件
智能公交线网优化按照“分区服务、枢纽分级、线网分层、逐层展开、整理优化”思路, 兼顾出行者、运营者以及社会整体效益, 建立多参数的优化目标函数。
3.1站点数量及布局
通过建立站点运载力与建成区的相对关系确定站点总量, 按照各交通区交通需求的相对分布确定站点布局。当该交通区高峰小时的发生量或吸引量超过线路中间站点的运载能力时, 仅靠中间站点不能运载这些乘客量, 该交通区必须设置线路的起讫点, 以增加运载能力。
一个中间站的运载能力为:
式中, ti为高峰小时发车间隔;B为高峰小时平均每车从中间站点搭载的乘客数量。
某交通区I的中间站点运载能力 (即设站标准) 为:
式中, N (i) 为I交通区内的站点个数。交通区内的站点个数N (i) , 可根据路网密度计各交通区的出行量相对大小确定。
全规划区的总站点个数为:
式中, ρ为公交线网密度 (km/km2) ;S为规划区面积 (km2) , d为平均站点间距 (km) 。
3.2线路分层及规模
(1) 干线线网优化目标:考虑乘客出行的时间最短、线网的路线客流周转效率最大。实际线路优化布设中主要以路线效率最大为目标布设, 而乘客出行时间最短转化为线路的非直线系数为约束。
(2) 普线线网优化目标:中短距离出行换乘次数最少, 直达、快速、方便地到达目的地;长距离出行时使乘客方便、快速的换乘大容量快速公交, 要求尽可能的提高公交运营速度, 减少换乘次数;保证适当的公交线网密度, 即良好的可达性;保证线网的服务面积率, 减少公交盲区;公交线路客流均匀;兼顾公交运营企业效益。
(3) 支线线网优化目标:公交支线应为居民小区以及公交快线、公交普线未覆盖区域的乘客提供快速便利的到达目的地、枢纽点的接运服务, 允许一定的绕行。
3.3单条线路控制
单条线路约束条件:起终点条件、线路长度条件、线路非直线系数约束、线路客运能力、站点中转量约束、道路通行能力、线路的断面流量均衡性约束、复线系数、线路站距约束。
3.4线网总体服务水平
公交线网整体约束条件:线网密度、乘客换乘系数、线网的车站服务面积率、居民出行时耗、公交车辆保有量。
4智能公交线网优化系统程序
包括数据准备、线网生成程序、优化线网性能评价程序和线网优化程序。
5总结
(1) 提高各项城市交通运行检测数据的利用效率, 提取使用者的反馈信息, 有助于充分了解城市居民出行的供需关系。
(2) 供需双方信息明确, 使最优方案的出现就成为可能。通过合理引导交通需求, 规划更好的交通线路, 可以使得道路使用更均衡。
公交优化 篇10
随着城市化进程的加快,城市人口、物流的剧增加重了城市运输的负担,这需要更庞大的运输系统来解决。大城市的交通拥堵问题日益突出,快速灵活、低碳环保、低成本的快速公交系统应运而生[1]。快速公交系统(Bus Rapid Transfer,BRT)的运输能力和运输速度大于常规公交,而与轻轨接近[2]。BRT的效率研究已经受到重视[3],但多数文献都把焦点集中在线路优化等问题上,很少从发车频率的角度来研究如何提高BRT的运行效率。
广州市于2010年3月开通了我国首条BRT线路,该BRT系统沿中山大道,共设置26座BRT站点,经过近2年的运行,取得了良好的效果,在高峰期的客流量是国内其他BRT系统的2倍以上。尽管如此,广州BRT系统仍然存在值得改进的地方,文章通过仿真方法,寻找最优的发车频率,以获得最优的BRT运行效率。
BRT的运行涉及许多变量,其中包括一些随机变量,数学解析方法在建模和求解方面存在较大困难,计算机仿真提供了一条方便快捷的建模途径。文章运用Arena10.0仿真软件,根据广州BRT系统中B3线(普通车型)和B1线(长车型)在“石牌桥”站台的观测数据,通过多次仿真运行,研究两种不同车型的发车频率对运行效率的影响。
1 系统建模
1.1 关于BRT系统的假设
先分别建立两种车型的仿真模型,然后控制部分变量,观察控制变量的变化对运行效率的影响。基本假设是:
(1)观测地点是BRT“石牌桥”站中的S3站台,把S3子站中B1和B3两辆公交车分别作为18米车型公交车和12米车型公交车的代表。
(2)子站数量设定。B1仿真模型中有3个子站,分别是S3-1、S3-2、S3-3。B3仿真模型中有5个子站,分别是备用站台、S3-1、S3-2、S3-3、S3-4。
(3)行驶规则。B1行驶规则是车辆从超车道驶入“石牌桥”站台,在超车道等候区按次序驶入在内道的S3-1,S3-2、S3-3停车位。在S3-2的车要等待S3-3离开才能离开,S3-1的车要等待S3-2离开才能离开。车辆都直接从内道离开站台。B3行驶规则与B1相似,B3不设有超车道等候区,车辆从超车道直接进入备用站台,再依次等候进入S3-1、S3-2、S3-3、S3-4。备用站台主要供车辆排队进站使用,如果包括备用站台在内的所有站台都停满车辆,后面的车辆就要在超车道上等候,同时阻碍后来的车。等到备用站台前的子站都空的时候,缓冲区内的车才能驶向S3-1,后来的车依次驶入S3-2、S3-3、S3-4。
(4)红绿灯的频率设置。控制两模型红绿灯时间,把绿灯时间设为40秒,红灯时间设为95秒。
1.2 定义数据
仿真的基础数据包括乘客到达时间的概率分布、车辆服务时间、两种车型的到达频率等,主要通过实地调研的方式获得数据,观察时间为下班高峰期17:00-19:00。将相关数据输入Arena数据分析软件Input Analyzer进行数据拟合,得到一些关键的数据信息及其分布。相关参数设置如表1、表2所示。
1.3 逻辑模型
文章建立了两个仿真模型,分别是12米普通车型的B3公交车运行模型和18米长车型的B1公交车运行模型。根据实地考察,依照两种车型真实的运行情况、进站规律及乘客到站状况,建立逻辑模型。逻辑图见图1、图2。
1.4 建立仿真模型
利用Arena可视化的优点,根据BRT实际情况,建立出普通车型和长车型两种公交车的不同仿真模型。两个模型的系统模块大致相同,只是车辆进站子模块不同。系统模块分别有:“红绿灯频率设置”、“车辆进站设置”、“子站服务设置”、“车辆离站设置”、“乘客到达离开设置”。
在“红绿灯频率设置”中,在名为“设置绿灯信号”的assign模块中设置参数green light的值,来决定是否释放在“车辆进站设置”中的被“等待绿灯信号”hold模块截停的公交车。从而模拟交通信号对车辆的指挥。在“车辆进站设置”中,定义车辆承载量、控制车辆产生、保持和释放车辆。名为“进入超车道”的access模块模拟车辆进入超车道,名为“驶入S3站台”的convey模块模拟车辆进入S3站台。B3与B1运行模型不同的地方是在“子站服务设置”中,“车辆进站子模块”里面的模块设置。从而来模拟出两种车型的不同规则。在“乘客到达离开设置”中,乘客被“乘客候车”的hold模块截停,表示乘客在站台等待车辆,直到离开信号接收后(即目标车辆到达),乘客才离开。图3表示B3、B1的Arena仿真模块总图,图4(a)和4(b)、图5分别表示B3、B1“车辆进站子模块”中的Arena仿真模块。
2 仿真结果分析
根据现场考察与数据分析,12米车的发车频率较为密集,每分钟约为POIS(0.365)辆,每次上车人数为POIS(9.42)人;而18米车的发车频率相对少,每分钟大概为POIS(0.163)辆,每次上车人数为POIS(27.2)人。通过仿真,可得到乘客平均排队时间和车辆逗留站内时间。结果如表3所示。
为寻找最优发车频率,我们利用Arena软件中的Process Analyzer分析工具,对不同发车频率下(步长设为0.02)的排队长度进行仿真,观测几个关键指标的变化。仿真结果如表4和表5所示。
通过仿真结果的关键指标分析,可以看出随着每分钟发车数量的增加,车辆在站内的总逗留时间变化很小,研究意义不大,而乘客平均排队人数与平均排队时间则有着明显的变化。因此,我们着重分析了这两个指标,让效率得到优化。根据仿真结果,可得到发车频率与排队人数、乘客等待时间之间的关系,见图6、图7。
用SPSS13.0对变量排队人数L12和发车频率f12进行回归分析,可得负指数函数形式的回归方程:L12=63.815exp(-3.151f12),R2=0.781,F=64.309,回归效果良好。
用SPSS13.0对变量乘客等待时间T12和发车频率f12进行回归分析,可得负指数函数形式的回归方程:T12=18.367exp(-3.061f12),R2=0.780,F=63.811,回归效果良好。
用SPSS13.0对变量排队人数L18和发车频率f18进行回归分析,可得负指数函数形式的回归方程:L18=36.899exp(-3.475f18),R2=0.923,F=216.739,回归效果良好。
用SPSS13.0对变量乘客等待时间T18和发车频率f18进行回归分析,可得负指数函数形式的回归方程:T18=11.395exp(-3.494f18),R2=0.908,F=117.733,回归效果良好。
观察数据的观测值表和散点图,12米车的发车频率从Pois(0.365)辆到Pois(0.485)辆逐渐增大,平均排队人数与乘客平均排队时间变化明显,大致呈递减趋势,排队人数从平均25.913人减到为平均9.441人,排队时间由平均8.212分钟减至为2.911分钟,效率有了明显的提高,而在发车频率增加到Pois(0.485)辆,如果继续增发车车辆,排队人数变化幅度并不明显,乘客等待时间也只在2分钟上下浮动。因此我们可以将发车频率在Pois(0.485)辆后,把关键指标数值近似看作处于稳态。而18米车的发车频率从Pois(0.163)辆到Pois(0.383)辆递增,排队人数从平均27.537人减到为平均8.461人,排队时间由平均8.730分钟减至为2.635分钟,关键指标的数值变化明显。在发车频率从Pois(0.383)辆继续递增时,平均排队人数与乘客平均排队时间变化趋于平缓,幅度变化较小。这时候改变发车频率,对于运行效率的改善影响没多大的提高。将两种车型的发车频率在优化前后关键指标的变化进行对比,结果如表6所示。
3 结论
通过以上的寻优分析,我们可以优化12米车型和18米车型的发车频率。18米车型在现实高峰期中平均每6.7分钟到达一辆(即POIS(0.163)辆),而当增加发车频率到每2.6分钟一辆的时候,效率能够得到非常明显的提高。18米车型的B1线路公交起始站就在石牌桥,即表明B1在上下班高峰期的发车频率应该为2.6分钟一辆。同样,12米车型在现实高峰期中平均每2.7分钟到达一辆(即POIS(0.365)辆),如果把发车频率稍微提高到每2分钟到达一辆,它同样能够达到效率的优值。现在广州BRT采用的是“灵活线路(30)+摆渡线(1条摆渡线)”的混合运营模式,也就是30条线路是采用12米车型,1条线路采用18米车型。虽然文章只是对B1和B3这两条线路的快速公交进行研究,但文章建立的模型具有通用性,只需要收集其他12米普通车型的发车频率,再进行寻优,一样可以优化其他快速公交的发车频率,具有一定的实用性。为了有效解决了BRT站内客流高峰潮的现象,应尽量使得BRT系统内车辆数量更为合理,从而使整个BRT系统的运载效率得到优化。
参考文献
[1]Graham,The Demand Performance of Bus Rapid Transit.Journal of Public Transportation[J].2005,8(01):41.
[2]赵杰,胡子祥,刘丽亚.国外发展快速公交的经验及对我国城市交通发展的启示[J].城市交通,2004,2(03).