基于遗传算法的公交服务模式优化

罗金鑫，谭卓琦，张乐丹



基于遗传算法的公交服务模式优化

罗金鑫1，谭卓琦2，张乐丹3

（1.长安大学汽车学院，陕西 西安 710054；2.长安大学公路学院，陕西 西安 710054；3.长安大学马克思主义学院，陕西 西安 710061）

作为通勤者日常出行的主要选择模式，全站式公交服务在许多城市和大都市地区扮演者重要角色，但存在着由于站点停靠过于频繁、乘客集中分布在个别站点导致的乘客旅行效率过低的现象。文章研究提出了一个一种综合公交服务，包括全站式服务和跳站式服务。根据已知的O-D数据，以最大限度地减少乘客出行总时间为目标，使用遗传算法对传统公交线路进行优化，产生最优跳站路线。

公交运输；服务模式；优化；遗传算法

前言

随着城市经济的飞速发展，机动车保有量急剧上升，交通拥堵现象逐渐成为影响居民生活的问题之一。公共交通由于其优先性、便捷性等优点，成为了居民出行的主要选择方式。但由于乘客的分布，在不同的时间段存在显著的差异。因此始终执行全站式公交服务模式，会造成不必要的资源浪费并且使乘客的出行效率降低。

跳站运行策略能够减少公交站点的停靠车辆数，同时提高公交车辆的运行速度，减少乘客的在车时间。因此，在欧美等发达国家的大城市中经常被采用[1-3]，我国的杭州、重庆、成都、西安等城市也开始采用这一运行方式[4-6]。但是，由于缺少这方面的研究成果，致使实际中出现了公共站点利用不充分、乘客出行不便等问题，公共交通的服务水平没有得到应有的提高。

公交运行策略研究的目标是使公共交通设施被出行者以最大效率使用，而目前这方面的研究主要集中在公交车运行时刻的优化上，关于公交跳站运行策略的研究较少。为此，本文通过在传统的全站式运行服务中加入跳站运行服务，建立了以乘客成本和运营成本之和最小为目标的公交跳站优化设计方法，并使用实际公交数据验证了模型的有效性，以期为公交车辆运行方案的优化设计提供依据。

1 模型构建

1.1 构建思路

在以需求为主导的市场经济条件下，公共交通方式选择与优化的主要依据还是用户选择的结果。通过跳站车的策略，以高峰时段乘客总出行时间最小为优化目标，寻找一条最优的公交线路上公交站类型的分布。简言之，就是寻找一条遍历各个车站各种类型的公交站类型最优分布。

1.2 基本前提和假设

编写算法时采取以下假设：

假设1 实施跳站运行策略前后，公交车在路段上的行驶速度相同；

假设2车辆在路段上以恒定的速度行驶；

假设3乘客均匀分布在乘车站点周围，并且按照最短出行时间的原则进行出行决策；

假设4公交车在站点处的停靠时间相同；

假设5公交站点间距为 L，每两个公交站之间只有１个交叉口。

1.3 建立模型

公交跳站运行方案设计时，主要考虑：

1）公交站类型由集合X={0,1,2}表示，0代表公交站为AB型，1代表公交站为A型，2代表公交站为B型。寻找一个0,1,2的排列（）={1,2,…,x}，使得目标函数值最小。

2）基因为公交站点，站点类型X={0,1,2}。

3）目标函数为乘客总出行时间，如公式（1）

式中为公交乘客的总出行时间；q为从站点出发到站点的乘客数；A为从站点出发到站点乘客的到站时间；W为从站点出发到站点乘客的等待时间；B为从站点出发到站点乘客的乘车时间；E为从站点出发到站点乘客从出站到目的地的时间。

2 求解流程

2.1 整体流程

第一步，采用整数随机编码方法，产生公交站点类型；第二步，初始化种群；第三步，计算目标函数值；第四步，运用遗传算法进行寻优计算，产生最优站点类型序列，具体操作如图1所示。

图1 流程图

2.2 计算目标函数

2.2.1第1类OD（AB-AB）乘客出行时间计算

在这类OD中，乘客可以选择A型或B型公交，不受跳站运行影响。根据前面假设，乘客到达站点和从站点到达目的地的平均距离都为L/4，则到站和从站点到达目的地的平均时间都通过下式计算：

式中：V为乘客到达站点的距离，步行时，取1.2 m/s，骑自行车时，取15km/h。

假设乘客到达站点的时间为均匀分布，则等待时间的平均值为：

式中：为同一线路公交车的车头时距。

设乘坐A型车的跨站数为1,乘坐B型车的跨站数为2，乘坐A型车的乘客的乘车时间为B'，乘坐B型车的乘客的乘车时间为B''。因为乘客到达车站的时间均匀分布，所以有一半的乘客乘坐A型公交车，一半的乘客乘坐B型公交车。

综上所述，第１种 OD类型下，乘客公交出行的总时间通过下式计算：

2.2.2第２类OD（A-A，A-AB，B-B，B-AB）乘客出行时间计算

在这４类OD出行中，乘客只能乘坐A型或者B型公交，而由于前后２辆同类型公交的车头时距为2h，因此，乘客的出行时间中，等待时间变为h，而其他时间的计算和第一类OD相同。所以，第二类 OD下，乘客公交出行总时间通过下式计算：

2.2.3第３类OD(AB-A，AB-B)乘客出行时间计算

以AB-A出行为例分析跳战运行下第３类乘客的出行时间。乘客有两种决策可以选择：①乘坐A型公交；②乘坐B型公交，然后中途换乘A到达目的地。在第１种决策下，乘客只乘坐A型公交车，所以等车时间变长，而第２种决策要求中间必须存在换乘站且只有先到的车为B型车，当存在多个换乘站点时，选择跨站数多的车站进行换乘。

假设乘客均匀的到达车站，有3/4的乘客选择决策①，乘客的出行时间为有1，1/4的乘客选择决策②，最大的跳站数为3，乘客的出行时间2。

2.2.4第４类OD(A-B，B-A)

以 A-B出行为例分析跳战运行下第４类乘客的出行时间计算。在这种情况下，乘客有３种决策可以选择：a.乘坐A公交，在 AB型站点换乘B公交，换乘时间为前后２辆公交之间的车头时距ｈ；b.乘坐 A型公交到达目的地附近的A站点或AB站点，步行或自行车至目的地；③从A站点步行或骑自行车至B站点或ＡＢ站点，乘坐B型公交。乘客的总出行时间分以下两种情况计算：

当公交站点和之间存在 AB型站点时，乘客的总出行时间为：

当公交站点和之间不存在ＡＢ型站点时，乘客无法选择换乘，乘客的总出行时间为：

3 结论

本文利用杭州市实际公交路线的O-D数据，对传统公交线路进行跳站优化，优化结果如下表1：

表1 跳站优化结果

优化后的方案为全站式服务和跳站式服务相间发车，通过计算优化方案的乘客总出行时间，乘客的总出行时间可以减少8.43%，乘车时间减少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

罗金鑫，长安大学汽车学院，硕士研究生，载运工具运用工程专业，交通运输系统规划。

10.16638/j.cnki.1671-7988.2019.03.018