市场渗透率约束下的拼车奖励方案优化模型

doi:10.12141/j.issn.1000-565X.230210

摘要/Abstract

摘要：

目前，我国拼车出行交通模式的市场份额相对较低，在缓解交通拥堵、节能减排方面仍有巨大潜力未被充分挖掘。基于奖励的交通需求管理策略可以提高民众拼车出行意愿，但奖励方案的设置与拼车出行的市场渗透率高度相关，不合理的奖励方案容易导致成本增加，甚至项目破产。为进一步激发拼车需求，合理利用交通资源，文中提出一种基于路段的拼车奖励方案优化模型，以拼车为支点，以奖励为杠杆，实现社会出行总成本的降低。其中，上层模型旨在寻找最优拼车奖励方案以最小化社会出行总成本，下层模型为相应奖励方案下的拼车出行车辆和单人驾驶车辆用户均衡流量分配模型。采用嵌套Frank-Wolfe算法的遗传算法求解该模型，并以Sioux Falls路网和Nguyen Dupuis路网为算例对模型的可行性及有效性进行了验证。结果表明：不符合市场渗透率的预算投入会导致社会总成本大幅上涨；在最优拼车奖励方案下，社会出行总成本降低约24.53%，50%的拥堵路段的拥堵得到缓解，出行公平性问题得到缓和。文中提出的模型可为道路管理者设置科学、合理的拼车奖励方案提供理论基础。

关键词: 拼车, 交通需求管理, 奖励方案, 市场渗透率, 预算, 网络建模

Abstract:

At present, the market share of ridesharing in China is relatively low, and there is still huge potential to be fully tapped in alleviating traffic congestion and reducing energy consumption and emissions. Incentive-based traffic demand management strategies can promote people’s willingness of ridesharing, but the design of incentive schemes is highly correlated with the market penetration of ridesharing. An unreasonable incentive scheme may easily lead to increased cost or even project failure. In order to further stimulate the potential ridesharing demand and make reasonable use of transportation resources, a road segment-based incentive optimization model for ridesharing is proposed, which uses ridesharing as the fulcrum and rewards as the lever to reduce the total social travel cost. The upper model of the proposed model aims to find the optimal incentive scheme to minimize the total social travel cost, and the lower model is a user equilibrium allocation model of ridesharing vehicles and single-driver vehicles under the incentive scheme. The iterative algorithm combining the genetic algorithm and the Frank-Wolfe algorithm is used to solve the upper and lower models, respectively, and the feasibility and effectiveness of the model are verified by using the Sioux Falls and Nguyen Dupuis transportation networks as numerical examples. The results show that budget investments that do not meet market penetrations may result in a significant increase in total social travel costs; and that, under the optimal incentive scheme, the total social travel cost is reduced by about 24.53%, the congestion of 50% of congested links is alleviated, and the fairness issue in traffic demand management is alleviated to a certain extent. Thus, there comes to the conclusion that the proposed model can provide theoretical support for managers to set up scientific and reasonable incentive-based ridesharing schemes.

Key words: ridesharing, travel demand management, incentive scheme, market penetration, budget, network modeling

中图分类号:

U491.1⁺2

孙剑, 吴纪䶮, 李政, 等. 市场渗透率约束下的拼车奖励方案优化模型[J]. 华南理工大学学报(自然科学版), 2024, 52(6): 12-23.

SUN Jian, WU Jiyan, LI Zheng, et al. Optimization Model of Incentive-Based Ridesharing Scheme Under the Constraint of Market Penetration[J]. Journal of South China University of Technology(Natural Science Edition), 2024, 52(6): 12-23.

图/表 17

表1

图1

表2

单位时间成本及单位距离成本［29-30］"

参数	取值	单位^1）
$β$	0.54	美元/英里
$γ$	0.15	美元/英里
$θ$	7.96	美元/h
$η$	3.04	美元/h

表2

图2

图3

图4

表3

表4

图5

图6

图7

图8

图9

图10

图11

图12

表5

参考文献 31

1	SIDDIQUE A， IFFAT S ．Effects of traffic demand management in reduction of congestion in Dhaka city［C］∥Proceedings of the 4th Annual Paper Meet and 1st Civil Engineering Congress．Dhaka：Institution of Engineers，2011：139-144．
2	HU X， CHIU Y C， ZHU L ．Behavior insights for an incentive-based active demand management platform［J］．International Journal of Transportation Science and Technology，2015，4（2）：119-133．
3	LI H， HAO Y， XIE C，et al ．Emerging technologies and policies for carbon-neutral transportation［J］．International Journal of Transportation Science and Technology，2023，12（1）：329-334．
4	YU B， MA Y， XUE M，et al ．Environmental benefits from ridesharing：a case of Beijing［J］．Applied Energy，2017，191：141-152．
5	缪欣君．滴滴：打造出行领域航空母舰［R］．武汉：天风证券，2021．
6	WANG J P， BAN X J， HUANG H J ．Dynamic ridesharing with variable-ratio charging-compensation scheme for morning commute［J］．Transportation Research Part B：Methodological，2019，122：390-415．
7	佚名．中国互联网车服务研究报告之拼车［R］．上海：艾瑞市场咨询，2015．
8	HUANG K， LIU Z， KIM I，et al ．Analysis of the influencing factors of carpooling schemes［J］．IEEE Intelligent Transportation Systems Magazine，2019，11（3）：200-208．
9	XIAO L L， LIU T L， HUANG H J ．On the morning commute problem with carpooling behavior under parking space constraint［J］．Transportation Research Part B：Methodological，2016，91：383-407．
10	ZHONG L， ZHANG K， NIE Y M，et al ．Dynamic carpool in morning commute：role of high-occupancy-vehicle （HOV） and high-occupancy-toll （HOT） lanes［J］．Transportation Research Part B：Methodological，2020，135：98-119．
11	LIU Y， LI Y ．Pricing scheme design of ridesharing program in morning commute problem［J］．Transportation Research Part C： Emerging Technologies，2017，79：156-177．
12	MA R， ZHANG H M ．The morning commute problem with ridesharing and dynamic parking charges［J］．Transportation Research Part B：Methodological，2017，106：345-374．
13	XU H， PANG J， ORDÓÑEZ F，et al ．Complementarity models for traffic equilibrium with ridesharing［J］．Transportation Research Part B：Methodological，2015，81：161-182．
14	YAN C， HU M， JIANG R，et al ．Stochastic ridesharing user equilibrium in transport networks［J］．Networks and Spatial Economics，2019，19：1007-1030．
15	DI X， MA R， LIU H X，et al ．A link-node reformulation of ridesharing user equilibrium with network design［J］．Transportation Research Part B： Methodological，2018，112：230-255．
16	LI M， DI X， LIU H X，et al ．A restricted path-based ridesharing user equilibrium［J］．Journal of Intelligent Transportation Systems，2020，24（4）：383-403．
17	MA J， XU M， MENG Q，et al ．Ridesharing user equilibrium problem under OD-based surge pricing strategy［J］．Transportation Research Part B：Methodological，2020，134：1-24．
18	孙静，刘文超，张凡．北京MaaS平台提升绿色出行吸引力：参与用户破百万累计碳减排量近10万吨［N］．中国交通报，2022-03-30（7）．
19	SUN J， WU J， XIAO F，et al ．managing bottleneck congestion with incentives［J］．Transportation Research Part B：Methodological，2020，134：143-166．
20	XIAO L， WU J， TIAN Y，et al ．Optimizing budget allocation for incentive-based active travel demand management solutions［J］．Transportation Research Record，2021，2675（11）：1245-1257．
21	韩维正．共享单车：曾经浮沉起落坚信路在前方［N］．人民日报海外版，2019-07-12（10）．
22	CHEN T Y， JOU R C， CHIU Y C ．Using the multilevel random effect model to analyze the behavior of carpool users in different cities［J］．Sustainability，2021，13（2）：1-13．
23	BLIEMER M， DICKE-OGENIA M， ETTEMA D ．Rewarding for avoiding the peak period：a synthesis of three studies in the Netherlands［C］∥Proceedings of European Transport Conference 2009．Noordwijkerhout：Association for European Transport，2009：1-15．
24	BAHAT O， BEKHOR S ．Incorporating ridesharing in the static traffic assignment model［J］．Networks and Spatial Economics，2016，16：1125-1149．
25	WANG X， WANG J， GUO L，et al ．A convex programming approach for ridesharing user equilibrium under fixed driver/rider demand［J］．Transportation Research Part B：Methodological，2021，149：33-51．
26	KELLEY K L ．Casual carpooling—enhanced［J］．Journal of Public Transportation，2007，10（4）：119-130．
27	CAULFIELD B ．Estimating the environmental benefits of ride-sharing： a case study of Dublin［J］．Transportation Research Part D： Transport and Environment，2009，14（7）：527-531．
28	SUWANSIRIKUL C， FRIESZ T L， TOBIN R L ．Equilibrium decomposed optimization：a heuristic for the continuous equilibrium network design problem［J］．Transportation Science，1987，21（4）：254-263．
29	LITMAN T ．Transportation cost and benefit analysis［J］．Victoria Transport Policy Institute，2009，31：1-19．
30	ZHENG Y， GUO W， ZHANG Y，et al ．A generalized comfort function of subway systems based on a nested logit model［J］．Tsinghua Science and Technology，2014，19（3）：300-306．
31	NGUYEN S， DUPUIS C ．An efficient method for computing traffic equilibria in networks with asymmetric transportation costs［J］．Transportation Science，1984，18（2）：185-202．

研究来源	出行行为	管理策略	模型	渗透率	预算
文献［9］	出发时间	HOV车道	瓶颈模型	—	—
文献［10］	出发时间	HOV车道	瓶颈模型	—	—
文献［11］	出发时间	时变通行费	瓶颈模型	—	—
文献［12］	出发时间	动态停车费	瓶颈模型	—	—
文献［15］	出行路径	HOV车道	交通网络	—	—
文献［16］	出行路径	HOV车道	交通网络	—	—
文献［17］	出行路径	OD收费	交通网络	—	—
本研究	出行路径	路段奖励	交通网络	约束	目标函数

OD对	OD需求/（pcu）	路径编号	所包含路段
（1，2）	400	1	2-18-11
		2	1-5-7-9-11
		3	1-5-7-10-15
		4	1-5-8-14-15
		5	1-6-12-14-15
		6	2-17-7-9-11
		7	2-17-7-10-15
		8	2-17-8-14-15
（1，3）	800	9	1-6-13-19
		10	1-5-7-10-16
		11	1-5-8-14-16
		12	1-6-12-14-16
		13	2-17-7-10-16
		14	2-17-8-14-16
（4，2）	600	15	4-12-14-15
		16	3-5-7-9-11
		17	3-5-7-10-15
		18	3-5-8-14-15
		19	3-6-12-14-15
（4，3）	200	20	4-13-19
		21	4-12-14-16
		22	3-6-13-19
		23	3-5-7-10-16
		24	3-5-8-14-16
		25	3-6-12-14-16

路段	自由流时间/min	路段长度/英里	通行能力/（pcu·h^-1）
1	7	4.9	800
2	9	6.3	400
3	9	6.3	200
4	12	8.4	800
5	3	2.1	350
6	9	6.3	400
7	5	3.5	800
8	13	9.1	250
9	5	3.5	250
10	9	6.3	300
11	9	6.3	550
12	10	7.0	550
13	9	6.3	600
14	6	4.2	700
15	9	6.3	500
16	8	5.6	300
17	7	4.9	200
18	14	9.8	400
19	11	7.7	600

OD对	成本下降量/美元	成本下降比例/%
（1，2）	3.57	2.12
（1，3）	4.27	2.23
（4，2）	4.18	2.20
（4，3）	3.68	2.19