MaaS背景下面向枢纽接驳的灵活型公交调度优化

doi:10.12141/j.issn.1000-565X.230224

华南理工大学学报(自然科学版) ›› 2023, Vol. 51 ›› Issue (10): 22-30.doi: 10.12141/j.issn.1000-565X.230224

所属专题： 2023绿色智慧交通系统专辑

MaaS背景下面向枢纽接驳的灵活型公交调度优化

杨敏¹ 陈单涛¹ 蒋瑞宇¹李瑆泽¹ 江紫弦² 张明业¹

^1.东南大学交通学院，江苏南京 211189
^2.东南大学计算机科学与工程学院，江苏南京 211189

收稿日期:2023-04-10 出版日期:2023-10-25 发布日期:2023-06-26
通信作者: 张明业（1994-），男，博士生，主要从事公交调度研究。 E-mail:zhangmingye@seu.edu.cn
作者简介:杨敏（1981-），男，博士，教授，主要从事公共交通与智慧出行服务研究。E-mail:yangmin@seu.edu.cn
基金资助:
国家自然科学基金资助项目(52072066);江苏省杰出青年科学基金资助项目(BK20200014);国家级大学生创新创业训练计划项目(202210286114Z)

Flexible Bus Scheduling Optimization for Integrated Hub Connections in the Context of MaaS

YANG Min¹ CHEN Shantao¹ JIANG Ruiyu¹ LI Xingze¹ JIANG Zixian² ZHANG Mingye¹

^1.School of Transportation，Southeast University，Nanjing 211189，Jiangsu，China
^2.School of Computer Science and Engineering，Southeast University，Nanjing 211189，Jiangsu，China

Received:2023-04-10 Online:2023-10-25 Published:2023-06-26
Contact: 张明业（1994-），男，博士生，主要从事公交调度研究。 E-mail:zhangmingye@seu.edu.cn
About author:杨敏（1981-），男，博士，教授，主要从事公共交通与智慧出行服务研究。E-mail:yangmin@seu.edu.cn
Supported by:
the National Natural Science Foundation of China(52072066);the Jiangsu Province Science Fund for Distinguished Young Scholars(BK20200014);the National Training Program for College Students’ Innovation and Entrepreneurship(202210286114Z)

摘要/Abstract

摘要：

作为常规公交的重要补充，灵活型公交能够面向特定群体提供需求响应式的服务，在国外已投入使用并取得良好成效。而针对国内不同的交通情况，能否将其应用于综合枢纽乘客的接驳并缓解枢纽日益凸显的集散客流压力，是城市公共交通领域值得研究的课题。为此，本文建立了面向综合枢纽接驳的灵活型公交调度优化方法。结合MaaS系统的数据共享、灵活响应等特点，构造了基于MaaS的灵活型接驳公交调度服务流程。考虑到乘客的准时性需求和公交运营企业的成本需求，综合考虑乘客满意度和企业成本，结合时间窗、车辆容量、站点服务等约束，建立了面向综合枢纽接驳公交的多目标优化模型，通过统一求解方向、归一化和赋权，将多目标模型转化为单目标模型。基于编码、解码、最大堆等思想设计差分进化算法求解，并以南京南站铁路枢纽片区为案例对模型进行验证。本文以2021年5月份南京南站周边片区部分公交线路刷卡数据为依托，分析枢纽乘客出行需求的空间分布特征，预设需求站点和乘车需求。运行编制的模型算法进行迭代优化，最终生成的方案适应度为0.921 2，乘客平均满意度为89.77%，算法在迭代50次以内即达到收敛，验证了模型和算法的可行性与有效性。灵敏度分析表明当乘客需求规模发生变化时，模型和算法依旧具有较好的适用性。

关键词: 公交调度, MaaS, 综合枢纽, 灵活型公交, 差分进化算法

Abstract:

As a crucial complement to conventional public transportation, flexible bus can provide demand-responsive services tailored to specific groups, and it has been successfully implemented and proven effective in foreign countries. However, whether it can be applied to connect passengers at comprehensive transport hubs and alleviate the increasing pressure of passenger flows at these hubs, which has become a prominent issue in the field of urban public transportation in China, warrants further investigation.To address this, this research established a flexible bus dispatching optimization method for comprehensive hub connection. Based on the characteristics of data sharing and flexible response of MaaS system, a MaaS-based flexible connecting bus dispatching service process was constructed. Considering both passengers’ punctuality requirements and the cost considerations of public transit operators, the study developed a multi-objective optimization model by incorporating constraints like time windows, vehicle capacity, and station services. The multiple objective model was transformed into a single objective model by unifying the solution direction, normalization and empowerment. The differential evolution algorithm was designed based on the ideas of encoding, decoding and maximum heap, and the model was verified by taking the railway hub area of Nanjing South Railway Station as a case. Relying on smart card data from selected bus routes in the vicinity of Nanjing South Station in May 2021, the study analyzed the spatial distribution characteristics of passenger travel demands at the hub and established predefined demand sites and passenger travel needs. The model algorithm was iteratively optimized, resulting in a fitness value of 0.921 2 and an average passenger satisfaction of 89.77%. The algorithm converges within 50 iterations, thus verifying the feasibility and effectiveness of the model and algorithm. Sensitivity analysis demonstrates that the model and algorithm remain highly applicable even when passenger demand scales change.

Key words: bus scheduling, MaaS, comprehensive hub, flexible bus, differential evolution algorithm

中图分类号:

U491

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.

YANG Min, CHEN Shantao, JIANG Ruiyu, et al. Flexible Bus Scheduling Optimization for Integrated Hub Connections in the Context of MaaS[J]. Journal of South China University of Technology(Natural Science Edition), 2023, 51(10): 22-30.

图/表 11

图1

图2

表1

图3

表2

模型参数明细"

参数	意义	数值
$k 1$ ， $k 2$	权重	0.4， 0.6
B	发车成本/（元·辆^-1）	20
C	行驶成本/（元·辆^-1·km^-1）	4.2
C_ap	公交车容量/（人·辆^-1）	11
T	上下车站时间/min	1
N_P	种群规模	100
F	缩放因子	0.6
p_CR	交叉概率	0.8

表2

表3

表4

表5

图4

图5

图6

参考文献 16

1	MA W， ZENG L， AN K ．Dynamic vehicle routing problem for flexible buses considering stochastic requests［J］．Transportation Research Part C：Emerging Technologies，2023，148：104030．
2	郭晨．面向轨道交通的灵活型接驳公交站点选址研究［D］．济南：山东大学，2015．
3	HUANG D， GU Y， WANG S，et al ．A two-phase optimization model for the demand-responsive customized bus network design［J］．Transportation Research Part C：Emerging Technologies，2020，111：1-21．
4	卢小林，潘述亮．接驳轨道枢纽的混合式灵活公交服务优化研究［J］．交通运输系统工程与信息，2019，19（4）：155-163．
	LU Xiao-lin， PAN Shu-liang ．An optimization method of hybrid flexible feeder transit service to rail stations［J］．Journal of Transportation Systems Engineeringand Information Technology，2019，19（4）：155-163．
5	靳文舟，胡为洋，邓嘉怡，等．基于混合算法的需求响应公交灵活调度模型［J］．华南理工大学学报（自然科学版），2021，49（1）：123-133．
	JIN Wenzhou， HU Weiyang， DENG Jiayi，et al ．Flexible scheduling model of demand response transit based on hybrid algorithm［J］．Journal of South China University of Technology （Natural Science Edition），2021，49（1）：123-133．
6	HENSHER D ．Future bus transport contracts under a mobility as a service （MaaS） regime in the digital age：Are they likely to change？［J］．Transportation Research Part A：Policy and Practice，2017，98：86-96．
7	WU M， YU C， MA W，et al ．Joint optimization of timetabling，vehicle scheduling，and ride-matching in a flexible multi-type shuttle bus system［J］．Transportation Research Part C：Emerging Technologies，2022，139：103657．
8	QIU G， SONG R， HE S，et al ．Clustering Passenger trip data for the potential passenger investigation and line design of customized commuter bus［J］．IEEE Transactions on Intelligent Transportation Systems，2018，20（9）：3351-3360．
9	汪怡然，陈景旭，王岳平，等．考虑服务公平性的定制公交动态响应方案［J］．吉林大学学报（工学版），2022，52（11）：2574-2581．
	WANG Yi-ran， CHEN Jing-xu， WANG Yue-ping，et al ．Instant demand⁃responsive scheme for customized bus considering service fairness［J］．Journal of Jilin University （Engineering and Technology Edition），2022，52（11）：2574-2581．
10	安久煜，宋瑞，毕明凯，等．高铁车站接驳公交灵活线路优化设计研究［J］．交通运输系统工程与信息，2019，19（5）：150-155，176．
	AN Jiu-yu， SONG Rui， BI Ming-kai，et al ．Optimization flexible route design for high-speed railway station feeder bus［J］．Journal of Transportation Systems Engineering and Information Technology，2019，19（5）：150-155，176．
11	HUANG A， QI Z， WANG L，et al ．Flexible route optimization for demand-responsive public transit service［J］．Journal of Transportation Engineering，Part A：Systems，2020，146（12）：04020132．
12	SHEN C， SUN Y， BAI Z，et al ．Real-time customized bus routes design with optimal passenger and vehicle matching based on column generation algorithm［J］．Physica A：Statistical Mechanics and its Applications，2021，571：125836．
13	LEE E， CEN X，LO H ．Zonal-based flexible bus service under elastic stochastic demand．Transportation Research Part E：Logistics and Transportation Review，2021，152：102367．
14	孙继洋，黄建玲，陈艳艳，等．面向多目标站的灵活型公交路径优化调度模型［J］．交通运输系统工程与信息，2019，19（6）：105-111．
	SUN Jiyang， HUANG Jianling， CHEN Yanyan，et al ．Flexible bus route optimization scheduling model for multi-target stations［J］．Journal of Transportation Systems Engineering and Information Technology，2019，19（6）：105-111．
15	王瑜琼．考虑常规线路影响的需求响应式公交协同优化方法研究［D］．北京：北京交通大学， 2021．
16	张鹏浩．接驳高铁站的区域灵活型公交调度模型研究［D］．北京：北京交通大学，2018．

线路	编号	类型	时间	金额	车站编号	车站	换乘
Y16路	146365	不记名卡	2021/5/01 01：43	0	8160003	茶花路	转公交
Y16路	146365	0	2021/5/01 03：51	2	8160002	玉盘西街	无换乘
84路	146388	免费老人卡	2021/5/28 19：09	0	840119	洪家园西	无换乘

序号	运行线路	行驶距离/km	行驶时间/min	在车人数
1	0→11→15→22	10.146	15.528	4
2	0→4→8→12→9→22	13.204	21.605	5
3	0→13→20→22	8.514	13.352	3
4	0→6→16→21→22	16.021	24.361	4
5	0→3→1→19→22	15.721	23.961	4

[1]	文尚胜, 丘志强, 许函铭, 等. 基于差分算法优化的自复位粒子滤波算法[J]. 华南理工大学学报(自然科学版), 2023, 51(3): 133-145.
[2]	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.
[3]	刘汉康国钦李凯. 基于差分进化算法设计的 MIMO 超宽带天线[J]. 华南理工大学学报（自然科学版）, 2020, 48(3): 24-31.
[4]	姜立标何家寿. 两轮自平衡代步车控制策略及动力学仿真[J]. 华南理工大学学报（自然科学版）, 2016, 44(1): 9-15.
[5]	王晓峰张英芝申桂香龙哲张立敏. 基于 ITLS 和 DE 的加工中心三参数威布尔分布[J]. 华南理工大学学报（自然科学版）, 2015, 43(6): 84-88.
[6]	郑灿赫孟广伟李锋周立明孔英秀. 一种基于PSO-DE混合算法的结构可靠性优化设计[J]. 华南理工大学学报（自然科学版）, 2014, 42(9): 41-45,75.
[7]	张宝珍张尧林凌雪. 基于改进差分进化算法的估计等值法[J]. 华南理工大学学报（自然科学版）, 2014, 42(4): 7-12,18.

MaaS背景下面向枢纽接驳的灵活型公交调度优化

Flexible Bus Scheduling Optimization for Integrated Hub Connections in the Context of MaaS

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 16

相关文章 7

编辑推荐

Metrics

本文评价

乘客需求编号	可容忍最短时间/min	最短期望时间/min	最长期望时间/min	可容忍最长时间/min	需求点编号
0	5	20	30	50	3
1	0	5	20	40	20
2	0	15	45	60	15
3	15	30	60	80	1
4	10	25	50	65	9
5	5	30	50	70	12
6	0	10	30	50	11
7	0	10	35	50	11
8	0	20	50	65	8

乘客需求编号	可容忍最短时间/min	最短期望时间/min	最长期望时间/min	可容忍最长时间/min	需求点编号
0	5	20	30	50	3
1	0	5	20	40	20
2	0	15	45	60	15
3	15	30	60	80	1
4	10	25	50	65	9
5	5	30	50	70	12
6	0	10	30	50	11
7	0	10	35	50	11
8	0	20	50	65	8

乘客需求编号	可容忍最短时间/min	最短期望时间/min	最长期望时间/min	可容忍最长时间/min	需求点编号
0	5	20	30	50	3
1	0	5	20	40	20
2	0	15	45	60	15
3	15	30	60	80	1
4	10	25	50	65	9
5	5	30	50	70	12
6	0	10	30	50	11
7	0	10	35	50	11
8	0	20	50	65	8