基于客流特征鉴别的公交跨线组合调度优化方法

doi:10.12141/j.issn.1000-565X.210777

华南理工大学学报(自然科学版) ›› 2022, Vol. 50 ›› Issue (9): 39-48.doi: 10.12141/j.issn.1000-565X.210777

所属专题： 2022年交通运输工程

基于客流特征鉴别的公交跨线组合调度优化方法

翁剑成¹ 王茂林¹ 林鹏飞² 马思雍³ 徐立泉⁴ 梁发军⁴

^1.北京工业大学北京市交通工程重点实验室, 北京 100124
^2.北京工业大学信息学部, 北京 100124
^3.北京中医药大学中医学院, 北京 100029
^4.北京公交集团运营调度指挥中心, 北京 100055

收稿日期:2021-12-06 出版日期:2022-09-25 发布日期:2022-04-01
通信作者: 林鹏飞（1993-），男，讲师，博士，主要从事智能交通研究。 E-mail:linpengfei@bjut.edu.cn
作者简介:翁剑成（1981-），男，教授，博士，主要从事交通数据挖掘、交通出行行为建模等研究。E-mail：youthweng@bjut. edu. cn
基金资助:
国家自然科学基金资助项目(52072011);国家自然科学基金重大项目(U1811463);北京市博士后工作经费资助项目(2022-ZZ-087)

Cross-line Combined Bus Scheduling Optimization Method Based on Passenger Flow Characteristic Identification

WENG Jiancheng¹ WANG Maolin¹ LIN Pengfei²MA Siyong³XU Liquan⁴ LIANG Fajun⁴

^1.Beijing Key Laboratory of Traffic Engineering，Beijing University of Technology，Beijing 100124，China
^2.Faculty of Information Technology，Beijing University of Technology，Beijing 100124，China
^3.College of Chinese Medicine，Beijing University of Chinese Medicine，Beijing 100029，China
^4.Operation and Scheduling Command Center，Beijing Public Transport Group，Beijing 100055，China

Received:2021-12-06 Online:2022-09-25 Published:2022-04-01
Contact: 林鹏飞（1993-），男，讲师，博士，主要从事智能交通研究。 E-mail:linpengfei@bjut.edu.cn
About author:翁剑成（1981-），男，教授，博士，主要从事交通数据挖掘、交通出行行为建模等研究。E-mail：youthweng@bjut. edu. cn
Supported by:
the National Natural Science Foundation of China(52072011);Major Project of National Natural Science Foundation of China(U1811463);Beijing Postdoctoral Research Foundation(2022-ZZ-087)

摘要/Abstract

摘要：

随着居民的出行需求增加，对公交的运营效率与服务质量有了更高的要求。但公交运营企业通常采用单线调度方式，易出现断面客流与运力投入不匹配，公交运营服务水平与资源利用效率不高的情况，亟需一种更加高效的调度优化方法。组合调度模式中多线路共用人车资源，有助于整合现有公交资源，提高运力供需匹配程度和公交运营效率。本文提出了基于客流特征的跨线调度线路组的识别规则和跨线车辆数的确定方法，以乘客出行成本和公交运营成本之和最小为优化目标，构建了加入跨线车辆的公交跨线组合调度优化模型，以发车类型和发车间隔进行编码，设计了改进遗传算法进行求解。研究选取北京市668路和122路的跨线组合为案例验证优化模型，引入乘客平均候车时间、线路满载率、运能匹配度、客流强度等指标，评估公交跨线组合调度优化的有效性。结果表明在公交跨线联合调度条件下，被支援公交线路的乘客平均候车时间缩短了11.8%，线路满载率减少了9.8%，运能匹配度和客流强度分别增加7.7%和8.7%，乘客出行成本与公交运营成本分别下降了15%和6%。

关键词: 交通运输工程, 公共交通, 公交调度, 优化策略, 跨线组合调度, 遗传算法

Abstract:

With the increase of residents’ travel demand, there are higher requirements for bus operation efficiency and service quality. But bus operation companies usually adopt single-line scheduling, which often leads to the mismatch between passenger flow and transport capacity input, low bus service level, and resource utilization inefficiency. A more efficient scheduling optimization method is urgently needed. In the combined scheduling mode, manpower and vehicles are shared among multiple lines, which helps to integrate the existing bus resources and improve the matching degree of supply and demand of transport capacity and bus operation efficiency. In this paper, the identification rules of the cross-line scheduling line group and the determination method of the number of cross-line vehicles were proposed based on the characteristics of passenger flow. The optimization goal was to minimize the sum of passenger travel costs and bus operating costs, and an optimization model of bus cross-line combined scheduling with cross-line vehicles was constructed. The departure type and departure interval was encoded and it was solved by an improved genetic algorithm. The lines No.668 and No.122 in Beijing were selected as the case of cross-line combination scheduling, and the average waiting time of passengers, line load factor, capacity matching degree, passenger flow intensity and other indicators were introduced to evaluate the effectiveness of the optimization model. The results show that, under the condition of bus cross-line scheduling, the average waiting time of passengers on the supported bus lines is shortened by 11.8%; the line load factor is reduced by 9.8%; the capacity matching degree and passenger flow intensity are increased by 7.7% and 8.7%, respectively; passenger travel costs and bus operating costs are reduced by 15% and 6%, respectively.

Key words: transportation engineering, public transportation, bus scheduling, optimization strategy, cross-line combined scheduling, genetic algorithm

中图分类号:

U491

翁剑成, 王茂林, 林鹏飞, 等. 基于客流特征鉴别的公交跨线组合调度优化方法[J]. 华南理工大学学报(自然科学版), 2022, 50(9): 39-48.

WENG Jiancheng, WANG Maolin, LIN Pengfei, et al. Cross-line Combined Bus Scheduling Optimization Method Based on Passenger Flow Characteristic Identification[J]. Journal of South China University of Technology(Natural Science Edition), 2022, 50(9): 39-48.

图/表 13

图1

表1

模型参数及定义"

模型参数	定义	单位
$i$ ， $i'$	站点
n	线路站点数量	站
k	发出的第k次车， $k ∈ K$
$△ t k$	第k辆车与k-1辆车的发车间隔	min
$σ$	乘客候车的单位时间费用	元/（人·min）
$p [i] [i']$	在站点 $i$ 上车和在站点 $i'$ 下车的乘客平均到达率	人/min
d	车辆的座位数	人/辆
$d m$	跨线车辆座位数	人/辆
$d B$	$L 2$ 线路原车辆座位数	人/辆
$S i$	站点 $i - 1$ 和站点 $i$ 之间的路段通过量	人
$P i$	站点 $i$ 的上车乘客数量	人
$Q i$	站点 $i$ 的下车乘客数量	人
$B i$	车辆在站点 $i$ 的区间满载率
$B o$	公交车满载率临界值
$ε$	拥挤惩罚系数的参数
$e m$	跨线车辆额定载客量	人/辆
$e B$	$L 2$ 线路原车辆额定载客量	人/辆
$L i$	站点 $i$ 与下一站点的间距	km
$L$	线路长度	km
$C m 1$	跨线车辆每公里运营成本	元
$C B 1$	$L 2$ 线路原车辆每公里运营成本	元
$C p$	一辆 $L 2$ 线路车辆固定折合成本	元
$p m j$	发出的跨线车辆数	辆
$P B j$	发出的 $L 2$ 线路原车辆数	辆
$C Y 1 → Y 2$	跨线车辆 $Y 1 → Y 2$ 转场跨线成本	元
C	跨线调度总成本	元
$C 1$	乘客出行成本	元
$C 2$	公交运营成本	元
$α$	乘客出行成本权重系数
$β$	公交运营成本权重系数
$C 11$	乘客候车时间成本	元
$C 12$	乘客车内拥挤成本	元
$C m j$	跨线车辆转场成本	元
$C B j$	线路车辆运营成本	元
$C B p$	车辆固定折合成本	元

表1

表2

发车间隔生成示例"

方案	$Δ t 1$	$Δ t 2$	$Δ t 3$	$Δ t 4$	…	$Δ t k - 1$	$Δ t k$
1	4	6	7	5	…	4	7
2	5	5	5	5	…	4	5
3	6	4	8	5	…	7	7
4	6	3	7	7	…	6	9

表2

图2

表3

候选解对应的染色体示例"

基因位置（时间）	基因段	对应发车类型		基因位置（时间）	基因段	对应发车类型
$Δ t 1$	1	原车辆		$Δ t 1$	1	原车辆
$Δ t 2$	1	原车辆	$Δ t 2$		0	跨线车
$Δ t 3$	0	跨线车	$Δ t 3$		1	原车辆
$Δ t 4$	1	原车辆	$Δ t 4$		1	原车辆
?	?	?	?		?	?
$Δ t k - 1$	1	原车辆	$Δ t k - 1$		0	跨线车
$Δ t k$	0	跨线车	$Δ t k$		1	原车辆

表3

表4

遗传算法变异操作"

基因位置（时间）	基因段	变异基因段		基因位置（时间）	基因段	变异基因段
$Δ t 1$	1	1		$Δ t 1$	1	1
$Δ t 2$	1	1	$Δ t 2$		0	0
$Δ t 3$	0	1	$Δ t 3$		1	1
$Δ t 4$	1	1	$Δ t 4$		1	0
?	?	?	?		?	?
$Δ t k - 1$	1	1	$Δ t k - 1$		0	0
$Δ t k$	0	0	$Δ t k$		1	1

表4

图3

表5

668路和122路的跨线组合识别指标"

指标项

起终点距离/km

高峰时段

方向不均衡系数

大间隔比率

668路 $L 1$

（支援线路）

0.27

7：00~8：00

1.41

122路 $L 2$

（被支援线路）

0.27

8：00~9：00

1.13

识别规则与结论

小于2 km，符合

高峰时段相异，符合

L 1

系数大，符合

L 2

比率高，符合

表5

表6

表7

模型设定的相关参数取值"

符号	参数含义	取值
$T j$	研究时段长度	120 min
n	线路站点数量	28
L	线路长度	21.15 km
$d m$	跨线车辆座位数	36人/辆
$e m$	跨线车辆额定载客数	80人/辆
$d B$	$L 2$ 线路原车辆座位数	27人/辆
$e B$	$L 2$ 线路原车辆额定载客数	65人/辆
$ε$	拥挤惩罚系数参数	0.03
$B o$	车辆临界满载率	1.1
$α$	乘客出行成本权重系数	0.7
$β$	公交运营成本权重系数	0.3
$Δ T m i n$	最小发车间隔	3 min
$Δ T m a x$	最大发车间隔	8 min
$C Y 1 → Y 2$	跨线车辆 $Y 1 → Y 2$ 转场跨线成本	60元/辆
$c m 1$	跨线车辆每公里运营成本	2.96元
$c B 1$	$L 2$ 线路原车辆每公里运营成本	2.07元

表7

表8

表9

实行跨线调度前后成本变化"

跨线运营系统成本		跨线调度成本/元		优化效果
跨线运营系统成本		优化前	优化后	优化效果
乘客出行成本	乘客候车时间成本	2 854	2 524	减少15% （555元）
乘客出行成本	乘客车内拥挤成本	764	539	减少15% （555元）
公交运营成本	$L 2$ 线路原车辆运营成本	2 410	1 406	减少6% （146元）
公交运营成本	跨线车辆运营成本	0	858	减少6% （146元）
系统总成本		6 028	5 327	减少12% （701元）

表9

表10

参考文献 24

1	李俊升．公交都市背景下郑州市轨道交通与常规公交衔接评价及优化［D］．郑州：郑州大学，2020.
2	魏贺，戴冀峰．对“公交都市”考核评价指标体系的深入思考［C］‍∥2013年中国城市交通规划年会.青岛：［s.n.］，2014：989-999.
3	北京交通发展研究院. 2021北京市交通发展年度报告［R］．北京：北京交通发展研究院， 2021.
4	张泉．公交优先［M］．北京：中国建筑工业出版社，2010.
5	严亚丹．基于运行可靠性的公交调度控制研究［D］．南京：东南大学，2012.
6	章昱，姜传.北京公交区域调度系统研究与应用［J］．人民公交，2019，37（12）：73-79.
	ZHANG Yu， JIANG Chuan. Research and application of Beijing bus regional scheduling system［J］．People’s Public Transportation，2019，37（12）：73-79.
7	巫威眺，靳文舟，魏明，等.配合区间车的单线公交组合调度模型［J］.华南理工大学学报（自然科学版），2012，40（11）：147-154.
	WU Wei-tiao， JIN Wen-zhou， WEI Ming，et al. Mixed scheduling model of single-Line bus for zonal vehicles ［J］．Journal of South China University of Technology （Natural Science Edition），2012，40（11）：147-154.
8	巫威眺，靳文舟，任然.单线公交车辆组合调度与购车计划的双层规划模型［J］．吉林大学学报（工学版），2013，43（5）：1196-1203.
	WU Wei-tiao， JIN Wen-zhou， REN Ran. Bi-level programming model for transit mixed scheduling and procurement scheme［J］．Journal of Jilin University（Engineering and Technology Edition），2013，43（5）：1196-1203.
9	靳文舟，巫威眺.预算限制下的单线公交车辆组合调度模型［J］．吉林大学学报（工学版），2014，44（1）：54-61.
	JIN Wen-zhou， WU Wei-tiao. Single-line transit mixed scheduling model with financial constraints ［J］．Journal of Jilin University （Engineering and Technology Edition），2014，44（1）：54-61.
10	IBARRA-ROJAS O J， GIESEN R， RIOS-SOLIS Y A. An integrated approach for timetabling and vehicle scheduling problems to analyze the trade-off between level of service and operating costs of transit networks［J］．Transportation Research Part B：Methodological，2014，70（12）：35-46.
11	滕靖，林琳，陈童．纯电动公交时刻表和车辆排班计划整体优化［J］．同济大学学报（自然科学版），2019，47（12）：1748-1755.
	TENG Jing， LIN Lin， CHEN Tong ．Optimizing the combination of timetable and vehicle scheduling for pure electric buses ［J］．Journal of Tongji University （Natural Science），2019，47（12）：1748-1755.
12	刘畅. 基于混合启发式算法的单线公交车辆调度问题研究［D］．北京：北京交通大学， 2016.
13	姚恩建，刘彤，郇宁，等．常规公交线路发车间隔及车型配置优化［J］．北京交通大学学报，2020，44（4）：86-93.
	YAO En-jian， LIU Tong， XUN Ning，et al ．Study on optimization of departure interval and vehicle type configuration of regular bus lines［J］．Journal of Beijing Jiaotong University，2020，44（4）：86-93.
14	SUN DanielJian）， XU Ya， PENG Zhong-ren ．Timetable optimization for single bus line based on hybrid vehicle size model［J］．Journal of Traffic and Tran-sportation Engineering（English Edition），2015，2（3）：179-186.
15	杨信丰，李引珍，何瑞春.基于服务水平的区域公交协调调度优化研究［J］．系统工程，2017，35（6）：89-96.
	YANG Xin-feng， LI Yin-zhen， HE Rui-chun ．Research on regional public transit coordinated scheduling optimization based on service level［J］．Systems Engineering，2017，35（6）：89-96.
16	GKIOTSALITIS K， WU Z， CATS O ．A cost-minimization model for bus fleet allocation featuring the tactical generation of short-turning and interlining options［J］．Transportation Research Part C：Emerging Technologies，2018，98（1）：14-36.
17	CEDER A， GOLANY B，TAL O ．Creating bus timetables with maximal synchronization［J］．Transportation Research Part A：Policy and Practice，2001，35（10）：913-928.
18	SCHMID V， EHMKE J F ．Integrated timetabling and vehicle scheduling with balanced departure times［J］．OR Spectrum，2015，37（4）：903-928.
19	陈晓旭，项煜，杨超，等．基于遗传算法的公交线路发车间隔优化［J］．交通与运输，2020，36（5）：86-90.
	CHEN Xiao-xu， XIANG Yu， YANG Chao，et al. Departure interval optimization of bus line based on genetic algorithm［J］．Traffic and Transportation， 2020，36（5）：86-90.
20	王佳冬，袁振洲．考虑换乘客流的城轨应急接运公交调度优化模型［J］．东南大学学报（自然科学版），2021，51（1）：161-170.
	WANG Jia-dong， YUAN Zhen-zhou ．Optimization model of bus bridging scheduling with passengers transferring from urban rail transit［J］．Journal of Southeast University（Natural Science Edition），2021，51（1）：161-170.
21	马原响.智能优化算法简述［J］．科学技术创新， 2021，25（3）：123-124.
	MA Yuan-xiang ．Brief description of intelligent optimization algorithm ［J］．Science and Technology Innovation，2021，25（3）：123-124.
22	李雪，朱一洲．考虑多车型的公交组合服务方案优化［J］．自动化与仪表，2020，35（8）：93-97.
	LI Xue， ZHU Yi-zhou. Considering the optimization of multi-vehicle bus service plan［J］．Automation and Instrumentation，2020，35（8）：93-97.
23	HOLLAND J H. Adaptation in natural and artificial systems［J］．Quarterly Review of Biology，1992，6（2）：126–137.
24	北京市统计局．北京统计年鉴2020［M］．北京：中国统计出版社，2021.

指标项	乘客平均候车时间/min	线路满载率	线路运营匹配度	线路客流强度/（人·（km）^-1）
优化前	3.46	0.82	79.4	10.38
优化后	3.05	0.74	85.5	11.29
优化效果	减少11.8%	减少9.8%	增加7.7%	增加8.7%

[1]	赵小梅, 朱香原, 汪秦, 等. 多类型公交线路的运行可靠性优化策略[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 32-39.
[2]	陈艳艳, 王子帆, 孙浩冬, 等. 公共交通乘客的活动模式和规律性研究[J]. 华南理工大学学报(自然科学版), 2023, 51(8): 40-50.
[3]	邱宇东, 王湛, 谢志燊. 基于混合算法的半刚性连接钢框架结构优化[J]. 华南理工大学学报(自然科学版), 2023, 51(6): 72-77.
[4]	别一鸣, 朱奥泽, 从远. 电池健康程度差异下的电动公交线路车辆调度方法[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 11-21.
[5]	杨敏, 陈单涛, 蒋瑞宇, 等. MaaS背景下面向枢纽接驳的灵活型公交调度优化[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 22-30.
[6]	秦雅琴, 钱正富, 谢济铭, 等. 基于社会力的交织区突发瓶颈段协同换道决策模型[J]. 华南理工大学学报(自然科学版), 2022, 50(7): 66-75.
[7]	郑亚晶, 李耀辉, 靳文舟. 考虑换乘客流的城市轨道交通网络末班车衔接优化研究[J]. 华南理工大学学报(自然科学版), 2022, 50(5): 32-39,72.
[8]	夏琴香, 李凯, 马骏, 等. 基于遗传算法的模具电极调度问题求解[J]. 华南理工大学学报(自然科学版), 2022, 50(3): 80-87.
[9]	龙雪琴, 李景涛, 王建军, 等. 实时信息下共线公交线路发车时刻表的协同优化[J]. 华南理工大学学报(自然科学版), 2022, 50(2): 23-32.
[10]	周中, 邓卓湘, 陈云, 等. 基于GA-BP神经网络的泡沫轻质土强度预测[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 125-132.
[11]	刘璇, 王子航, 张桐瑞, 等. 港口重载AGV横向稳定的优化控制策略[J]. 华南理工大学学报(自然科学版), 2021, 49(8): 113-121.
[12]	李静王晨张家旭. 基于UniTire轮胎模型的汽车行驶速度估计[J]. 华南理工大学学报（自然科学版）, 2021, 49(5): 47-55.
[13]	罗玉涛, 周天阳, 许晓通. 基于遗传算法的四轮转向－驱动汽车时变 LQR 控制[J]. 华南理工大学学报（自然科学版）, 2021, 49(3): 114-122.
[14]	晋刚何志豪王英俊. 基于遗传算法的5G频率选择表面形状优化方法[J]. 华南理工大学学报（自然科学版）, 2021, 49(11): 95-105.
[15]	李家乐刘真伯王雪菲. 智能电网下支持充放电策略的电动汽车配送路径优化[J]. 华南理工大学学报（自然科学版）, 2021, 49(10): 31-40.

基于客流特征鉴别的公交跨线组合调度优化方法

Cross-line Combined Bus Scheduling Optimization Method Based on Passenger Flow Characteristic Identification

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 24

相关文章 15

编辑推荐

Metrics

本文评价

O	D
O	1	2	3	4	5	6	7	8	9	…
1	0	0	0	0	2	28	0	5	0	…
2		0	9	10	8	10	6	3	6	…
3			0	14	9	5	4	4	1	…
4				0	2	12	2	19	4	…
5					0	4	4	5	3	…
6						0	22	16	13	…
7							0	12	6	…
8								0	31	…
9									0	…
?	?	?	?	?	?	?	?	?	?	?

序号	间隔/min	发车类型	发车时间		序号	间隔/min	发车类型	发车时间
1		跨线车	8：30		12	6	原车辆	9：37
2	6	原车辆	8：36	13		5	原车辆	9：42
3	7	原车辆	8：43	14		6	跨线车	9：48
4	7	跨线车	8：50	15		5	原车辆	9：53
5	7	原车辆	8：57	16		6	原车辆	9：59
6	6	原车辆	9：03	17		6	跨线车	10：05
7	6	原车辆	9：09	18		6	原车辆	10：11
8	6	跨线车	9：15	19		7	原车辆	10：18
9	5	原车辆	9：20	20		7	跨线车	10：25
10	5	跨线车	9：25	21		5	原车辆	10：30
11	6	原车辆	9：31

O	D
O	1	2	3	4	5	6	7	8	9	…
1	0	0	0	0	2	28	0	5	0	…
2		0	9	10	8	10	6	3	6	…
3			0	14	9	5	4	4	1	…
4				0	2	12	2	19	4	…
5					0	4	4	5	3	…
6						0	22	16	13	…
7							0	12	6	…
8								0	31	…
9									0	…
?	?	?	?	?	?	?	?	?	?	?

O	D
O	1	2	3	4	5	6	7	8	9	…
1	0	0	0	0	2	28	0	5	0	…
2		0	9	10	8	10	6	3	6	…
3			0	14	9	5	4	4	1	…
4				0	2	12	2	19	4	…
5					0	4	4	5	3	…
6						0	22	16	13	…
7							0	12	6	…
8								0	31	…
9									0	…
?	?	?	?	?	?	?	?	?	?	?