基于需求分析的冬奥观众接驳巴士调度探究

唐嘉怡 金禧 李家乐 毛晓雨 张子棋

（北京工业大学城市建设学部，北京 100124）

一、引言

2022年冬奥会已圆满落幕，赛区的交通组织调度问题成为关注热点。以北京延庆赛区为例，滑雪赛区山地条件复杂，在疫情依然存在的情况下，如何快速、高效地调度进场观众是一个值得深入探讨的问题。

在柔性公交发展中，调度员优化算法嵌入智能调度系统，在手机端即可根据乘客需求动态调整车辆运行路径。北京南站和西站等大型交通枢纽地区开通的合乘定制公交线路就属于需求响应接驳式服务模式，线路起终点通常会设置在大型的交通枢纽站。但冬奥会赛区具有特殊性，观众除到达指定地点外会有特殊需求，如室外等待时间长引起的取暖需求。鉴于此，论文从冬奥项目进场观众需求分析入手，探究观众进场接驳巴士调度。

二、基于Wi-Fi数据探测的冬奥观众需求分析

（一）人车数据

为了解延庆赛区行人行为特性数据，笔者调查了黑龙江哈尔滨芬兰蒂亚滑雪马拉松比赛，数据表明在寒冷条件下行人在雪地平均运动速度为1.14m/s，在正常地面运动速度为1.43m/s，行人在雪地的运动速度更低。在室外活动的行人由于感受到寒冷，对比赛的期望下降，接驳车及时运输人群并送往指定站点，将会提高行人观赛体验。调查得到不同温度下行人在室外最大停留时间分布情况如图1所示，77%的观众可接受的巴士排队时间在20分钟以内。

图1 不同温度下行人在室外最大停留时间概率分布

（二）观众进场路径

观众搭乘大巴抵达延庆赛区，下车后在对应的人员安检点（PSA）处安检，利用缆车或在高山大巴场站，搭乘高山大巴前往高山竞速或竞技比赛结束区观赛。国家高山滑雪中心观众进场流线如图2所示。

图2 国家高山滑雪中心-观众进场流线图

（三）Wi-Fi 探测原理

根据某一时刻3个探针测得的信号强度，确定设备的唯一位置[1]，如图3所示。每个设备的标识符独一无二，这意味着可看到该设备连续时间点的轨迹，可用于描述某个体通过场地的运动路径。每个设备不需要关联就能被识别并得到它的位置，误差不超过3m，每个设备原始的无线定位数据会加工成一个路径。考虑到某个设备一天内会在不同时间段出现，但都只出现了原始的无线定位数据，没有后续数据点，无法形成个体运动路径。所以，在一个小时内没有检测到该设备的第二个数据点会将该数据过滤掉[2]。

图3 定位原理

位置和时间是两个主要参数[3]，位置信息过滤器与时间参数结合，更好地区分出人们的速度和行为，判断出不同类型的人。使用到达时间和离开时间，识别那些与环境有交互而不是路过的人；通过停留时间和位置信息标识这个人是否在山下的雪车雪橇区就坐，因而不需要上山到高山滑雪中心观看比赛；通过一个人集中在一小块区域来回踱步的位置信息和时间参数判断出该人正在候车。

（四）Wi-Fi 探针布设

1.需求分析

Wi-Fi探针布设在延庆冬奥场地的山下部分。通过在山下布设Wi-Fi探针，分析需要通过接驳巴士前往山上高山滑雪中心的观众数量。已知高山滑雪中心有12000个席位；根据赛程安排可知，高山赛程主要集中在11：00开始，竞技和竞速区不在同一天比赛，2月7日高山散场和雪车雪橇入场有部分客流重叠，高山滑雪中心场馆按照6000人的入场和散场高峰配置相关交通设施。观众到达交通控制线的交通方式为奥体巴士（50人/车），从交通控制线到山上可通过乘坐缆车或高山穿梭巴士。缆车的运力为2700人/小时（45人/分钟），高山穿梭巴士的运力为竞技区370人/小时（10辆大巴），竞速区444人/小时（12辆大巴），每小时总运力为3070人或3144人，上山需求量最高可达到6000人。77%的观众在寒冷条件下可接受的巴士等车时间为20分钟以内，观众迫切需求乘坐接驳巴士上山。

2.布设

Wi-Fi探针测量范围为30m～50m，采用的定位方式为三边定位，共覆盖15个接驳点，布设在路边指示牌、雪车雪橇场馆周边和一些其他的固定设施上。Wi-Fi探针检测系统属于高精度、灵敏的产品设备，采用全自动化贴片焊接方式，降低了人工焊接点缺陷，也节省了成本。

三、接驳巴士调度模型

根据赛区现场地形调查，在赛区内设置15个观众接驳点，如图4所示。接驳车统一在发车点发车，终点均为高山集散广场。利用遗传算法求解，在发车前根据Wi-Fi探针实时监测的观众位置、数量、等待时间等数据，规划接驳车最优行驶路线，以达到运送总成本最小的目的。

图4 接驳点位置信息

（一）假设条件

在接驳巴士调度模型的构建中设置以下假设条件：

1.观众一旦上车，只能选择在终点站下车，中途不允许随意下车；

2.单次发车每个接驳点和每个路段只经过一次；

3.车辆运行的环境条件良好，无交通堵塞，任意相邻的两接驳点间由于车辆启动和停车制动造成的损失时间保持恒定，且车辆平均行驶速度保持恒定；

4.当观众户外停留时间超过20分钟时，认为其有取暖需求，且取暖需求将被优先满足；

5.接驳巴士车型统一，载客量已知且为定值（20人/辆）。

（二）模型表达

在冬奥观众需求分析的基础上，综合考虑巴士运行成本及观众等待的时间成本最优（最小）为目标，构建接驳巴士调度模型。目标函数Z为：

约束条件为：

式中:N一赛区路网需求点数量(个);i，j一路径中单个点;Cij一从点i到点j的运营成本(元);dij一从点i到点j的距离(m);a一单位运距成本(元/m)，含燃油费、驾驶员工资和折旧费;β一调整系数，取1.5;v一接驳车辆平均行驶速度(m/s)；t—观众等待时间（分），超过20分钟时参与计算。公式(4)表示车辆从发车站0出发，最后都到达高山集散广场N+1，并确保每一个位置点只能被一辆接驳车访问一次。该接驳巴士调度模型对车辆运行成本的考虑较为全面，包括了燃油费、驾驶员工资和折旧费；也考虑了长时等待观众（超过20分钟）的乘车体验，等待时间较长时更易优先接驳。

（三）求解算法

本文建立的接驳巴士调度涉及区域内的15个上车点，需要在探测到观众的位置信息后，在较短时间内完成调度计划的制定并及时将出行路线规划反馈给车辆，因此对调度模型求解算法有较高要求。采用遗传算法求解接驳巴士调度模型，具体步骤如下：

1.初始化，生成初始种群；

2.个体评价，根据一定规则评价计算种群中个体适应度值；

3.选择运算，在个体评价的基础上，将选择算子作用于种群，进而把优化的个体遗传给下一代种群，或通过配对交叉的方式产生新的个体后再遗传给下一代种群；

4.交叉运算，即将交叉算子作用于种群；

5.变异运算，即将变异算子作用于种群；

6.迭代求解，种群经过以上运算后将会得到新一代种群，重复步骤2至步骤5，直到满足某种终止条件，将迭代过程中所得到的适应度值最大的个体作为最优解输出，并终止计算。

四、结果分析

（一）最优路径求解结果

基于C语言求解最优路径，在程序中输入Wi-Fi探针获取的观众信息，程序按顺序输出接驳点号，依次遍历这些需要停靠的接驳点，即满足观众等待的时间成本和接驳巴士运行成本总体最小的最优路径。

在多组实验求解结果中，选取其中某一次实验的最优路径为例，线路图如图5所示。

图5 最优路径

此次实验的需求点为3、5、9、10，最终规划的路线结果为1、3、7、9、5、8、10，总距离为2467m。该线路能响应3、5、9、10点观众前往高山集散广场的需求，实现运输成本最小、观众等待时间最短的目标。

（二）指标分析

在接驳巴士调度模型的目标函数中，综合考虑了观众等待的时间成本和接驳巴士运行成本。

其中，当巴士运行距离增长，燃油费、驾驶员工资和车辆折旧费都随之提高，总体运行成本与巴士运行距离呈正相关，巴士行驶距离越长，越无法达到成本最优的目标；观众等待时间越长，其取暖需求越强烈，观众观赛服务满意度和乘车体验随等待时间成本增加而下降。

选取等待时间、运行距离两个指标，分析接驳巴士调度方案是否减少观众等待时间、是否满足成本更优的目标。

1.等待时间

在接驳巴士调度模型基础上，路线规划20次，得到对应的接驳方案，统计等待时间如表1所示。

从表1中的统计结果来看，行人在户外的平均等待时间不超过15分钟，等待时间差的平均值为+7.385分钟。相较于普通班车，接驳车平均响应时间更短。Wi-Fi探针能实时检测出上山乘客需求量，并能立即将接驳巴士调度过来，等车时长平均可减少7.385分钟，这说明建立的接驳巴士调度模型很好地解决了观众等待时间长的问题。

表1 观众等待时间

2.运行距离

由于每两个相邻接驳点间的距离已知，普通班车遍历15个接驳点最短运行距离为5594m。路线规划20次，统计每次接驳的最优路径及最优路径的长度，如表2所示。

从表2中可知，总距离平均值为3059.25m，接驳巴士在满足乘客需求的前提下，每一次运行总距离及其平均数均小于普通班车最短运行距离。接驳巴士满足运行距离更短、成本更优的目标。

表2 最短路径

五、结语

本文以延庆赛区为例，探究了观众需求下的接驳巴士调度，主要成果有：

1.通过在赛区内布设Wi-Fi探针，实现观众群数据的实时需求分析。

2.考虑观众进场需求和取暖需求，构建接驳巴士调度模型，采用遗传算法求解，获得最优路径。该最优路径在满足观众需求的情况下，提高了观众的服务满意度与乘车体验。

3.从观众等待时间和巴士运行路径两方面分析，行人在户外的平均等待时间不超过15分钟，实现了接驳巴士成本更优的目标。