一种多起终点多车型混载的定制公交线路规划方法与流程

本发明涉及定制公交管理的技术领域，尤其是指一种多起终点多车型混载的定制公交线路规划方法。

背景技术：

近年，在多样化交通出行需求的发展背景下，具有基于需求响应、运行灵活等特点的定制公交开始出现。定制公交作为多元化公共交通的重要组成部分，通过集中整合个体的交通出行需求，为出行起终点、出行时间、服务需求相同或相似的人群，制定了公交服务的停靠车站、行车线路、到发时间，提供专门定制的中高端公共交通服务方式。

国外许多发达城市都致力于建立能够根据乘客需求及时响应的柔性公交系统：根据乘客需求灵活调整的定制公交系统与传统的固定线路公交系统共同发展，并且前者的应用领域有逐步扩大的趋势，而在理论研究领域，学者们也在关注需求响应式公交系统以及其与传统公交系统的耦合问题。

目前国内对于定制公交的研究主要集中在优势、存在的问题、运营模式、票价制度、系统评价以及运行方案等方面，针对线网规划系统的分析着墨不多，对定制公交线路规划以及完整运营服务体系的研究也还不够深入。现阶段对于非即时响应的定制公交规划研究中，多集中在乘客需求的聚类整合、单一起终点最短路径优化、单一车型运营模式，一般为了简化优化模型，都只考虑单一起终站点、单一车型的乘客直达线路规划问题，忽视了多样化线路运营模式的发展。

技术实现要素：

本发明的目的在于克服现有技术的缺点与不足，通过分析多样化线路运行模式，提出了一种考虑多起终点、多车型混载、乘客需求可混载特点的定制公交线路规划方法，在充分响应乘客需求的情况下，提高运营企业收益，使定制公交运行模式更加丰富，具有实际推广价值。

为实现上述目的，本发明所提供的技术方案为：一种多起终点多车型混载的定制公交线路规划方法，包括以下步骤：

1)获取规划基础资料，包括：出行需求数据资料和定制公交建设运营成本资料；

2)通过出行需求数据整理得到各上车站点、下车站点集合；

3)获得各个站点之间的驾车行驶距离和行驶时间；

4)构建多样化运营模式下的定制公交线网规划数学模型；

5)对模型进行求解，得到多起终点多车型混载的定制公交线路规划方案。

在步骤1)中，所述出行需求数据资料包括研究片区居民出行需求量预测值，从交通量调研数据得到出行需求数据资料，以及通过定制公交相关app、网页获得的乘车出行需求；所述定制公交建设运营成本资料包括定制公交车型情况、停靠站点停留服务时间、最短行车距离、最长行车距离、线路运行时间约束、每车每天开行的固定成本、考虑动力能源消耗以及日常维护费用。

在步骤2)中，通过出行需求数据整理得到各上车站点、下车站点集合，包含如下步骤：

2.1)利用“地理编码解析”web服务api应用，通过出行需求数据获得各个聚集上下车站点的经纬度坐标；

2.2)获得各个出行需求起终点的坐标后，使用matlab聚类工具，采用层次聚类法对出行需求进行聚类划分，将需求的起终点距离相近、时间要求类似的乘客出行需求集聚成为一类，并设置聚类中心最近的公交站点或地铁站点为车辆停靠点；

2.3)整理得到上车站点，下车站点集合。

在步骤3)中，利用“路线行驶距离”web服务api应用，获得各个站点之间的驾车行驶距离和行驶时间。

在步骤4)中，建立多样化运营模式下的定制公交线网规划数学模型如下：

s.t.

其中，参数含义如下：

i,j为站点序号，指代任一公交站点，特别地，当i或j等于0时，指公交场站；

k为车型编号；

xijk和yik是控制变量，其取值的含义为：

当xijk＝1时，表示车型为k的公交车辆经过站点i到j，否则，xijk＝0；

当yik＝1时，表示车型为k的公交车辆停靠站点i，否则，yik＝0；

p⁺为上车站点即出发点集合；

p^-为下车站点即目的地集合；

p为上车站点和下车站点的并集，即p＝p⁺∪p^-；

d为公交场站；

v为所有站点，包括上车站点、下车站点和场站，即v＝p∪d；

e(i)为表示在上车点i的乘客所对应的所有下车点，i∈p⁺且e(i)∈p^-；

m为车型集合m＝{1,2,3,...,k}；

ck为车型k的容量，k∈m；

gk为车型k的固定成本；

hk为车型k的可变成本；

t为乘客的最大乘车时间；

dij为站点i到站点j的行驶距离，i,j∈v；

tij为站点i到站点j的行驶时间，i,j∈v；

为站点的最早到达时间，i,j∈v；

为站点的最晚到达时间，i,j∈v；

qi为站点i上下车的乘客人数，i∈p；

sti为站点i所需要的上车或下车时间，i∈p；

lmin为运行线路最短距离要求；

lmax为运行线路最长距离要求；

tik为车型为k的公交车辆到达站点i的时间；

lik为车型为k的公交车辆停靠站点i后车上的乘客人数；

模型各式中：

函数(1)是定制公交线网规划的目标即所有车辆的固定成本与总运营里程之和；

约束(2)限定所有的乘客上车点都必须至少有一辆定制公交车辆提供服务；

约束(3)保证一辆定制公交车辆驶入站点i之后必须离开；

约束(4)确保停靠某上车点的定制公交车辆必须要停靠该站点乘客对应的下车点；

约束(5)限制定制公交车辆的停靠顺序，即定制公交车辆必须先停靠上车站点，然后才能停靠其乘客对应的下车站点；

约束(6)限定所有的定制公交车辆开始线路运行前必须从场站出发；

约束(7)限定所有的定制公交车辆完成运行路线后必须回到场站；

约束(8)表示定制公交车辆从场站出发时车上没有乘客；

约束(9)表示任何时刻定制公交车辆上的乘客人数均不能超过当前使用车型的容量；

约束(10)表示车辆经过下车站点时车上乘客人数的变化；

约束(11)表示经过连续站点时公交车辆容量的变化，若站点j是下车点，则qj为负值即表示到该下车点下车的乘客人数之和；

约束(12)表示任何乘客从其上车站点到下车点的时间均不超过最大乘车时间t；

约束(13)限制定制公交车辆到达站点的时间不能超过其时间窗要求；

约束(14)限制每条定制公交线路的行驶距离的最小和最大长度。

在步骤5)中，对多样化运营模式下的定制公交线网规划数学模型采用遗传算法求解，得到多起终点多车型混载的定制公交线路规划方案，具体步骤如下：

5.1)染色体编码：染色体基因采用(4×k×n)位数编码，每(4×k)位数代表一个基因，即代表一个上下车停靠点，一条染色体中有n个基因，代表n个定制公交停靠点；在每一个基因中，有k个片段，表示停靠点最多允许k条线路经停；每个基因片段的第一、二位数表示对该停靠点服务的定制公交行车路线编号；第三位表示该行车路线所使用的车辆类型，不同数值表示不同车型，即对应不同载客量；第四位数的值表示对该点的服务顺序，数值越小则越优先到达停靠；对每一条染色体，首先根据每个基因的前三位数字确定行车路线编号和车型，然后对同一行车路线编号的停靠站的第四位数字按从小到大排序决定运行停靠的先后顺序；四位数基因片段染色体编码使用于线路总数少于100条、单线停靠点少于10个的规划问题规模，如果线路增加或停靠点增加，则视情况增加编码数位；

5.2)种群生成与适应度评估：初始群体原则上采用随机的方法产生；由于染色体采用自然数编码，故而每条染色体个体就是(4·k·n)位的数字序列，随机生成m个数字序列，这m个数字序列便作为生成种群规模为m的初始种群；适应度评估方面，参考有关研究，将模型中的约束条件作为惩罚项，加入到目标函数值计算中，再把目标函数的倒数确定为适应度函数；约束方面，采用以下方法加以构建：①上下车站点约束方面，如果出现出行需求对应的站点不由同一线路的同一辆车来停靠服务的非可行解情况，将其目标函数增加一极大正数作为惩罚，以便在适应度计算时予以剔除；②不同车型载客容量约束方面，如果车辆在运行载客过程中出现所搭载乘客数量超过车辆载客容量的情况，则将对应染色体的目标函数增加一极大正数作为惩罚；③运行距离约束方面，对运行线路过短或过长的线路，将其目标函数增加以极大正数作为惩罚，以避免其进入后续的遗传操作中；

5.3)染色体自然进化过程：经过适应度计算后，根据适应度函数值的大小对染色体选择，采用正比选择策略和轮盘赌法，随机选取设定比例染色体个体进入遗传操作；将群体中的染色体进行两两配对，每对对配对染色体将生成[0,1]之间的随机数α，指定交叉概率pc；若α≤pc，则对该对染色体中表示运行线路编号与站点停靠顺序的基因值进行互相交叉；若α＞pc，则该对染色体不进行交叉操作，直接进入到下一步；

5.4)由于规划问题中各站点存在若干经行线路的情况，不同站点经行线路不一，经行线路较少的站点，相应的基因位需要剔除线路信息；采用设定一个最大遗传进化代数t作为迭代终止依据；在实际计算过程中，需要进行多次计算，选取多次计算结果优化解中最优的一个作为最优输出。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明对定制公交多起终点运营模式的线网规划方法进行研究，突破了现有定制公交按照乘客需求制定线路，缺乏系统规划的缺点。

2、本发明首次将“多起终点”、“多车型”的运营模式考虑进定制公交的线网规划方法中，提高了定制公交线网运营的灵活性。

3、本发明通过考虑用户需求，使定制公交运行过程更符合乘客需求，提高公交服务水平，能提高城市公交分担率。

4、本发明使用启发式算法求解定制公交线网规划模型，提高了模型运算的精确度和准确度，帮助政府或企业合理制定定制公交的线网，完善城市公共交通系统。

附图说明

图1为本发明逻辑流程示意图。

图2为染色体编码结构示意图。

图3为实施例各上车点与各下车点间的出行需求示意图。

图4为实施例规划线网实际运行示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

本实施例所提供的多起终点多车型混载的定制公交线路规划方法，构建多样化运营模式下的定制公交线网规划数学模型来研究定制公交的布线问题，采用遗传算法对模型进行求解。其逻辑流程图如附图1所示，具体包括以下步骤：

1)获取规划基础资料，包括：出行需求数据资料、定制公交建设运营成本资料；

所述出行需求数据资料包括研究片区居民出行需求量预测值，从交通量调研数据得到出行需求数据资料，以及通过定制公交相关app、网页获得的乘车出行需求。

所述定制公交建设运营成本资料包括定制公交车型情况、停靠站点停留服务时间、最短行车距离、最长行车距离、线路运行时间约束、每车每天开行的固定成本、考虑动力能源(燃油或电能)消耗以及日常维护费用。

2)通过出行需求数据整理得到各上车站点、下车站点集合。

整理得到各上车站点、下车站点集合，包含如下步骤：

2.1)利用“地理编码解析”web服务api应用，通过出行需求数据获得各个聚集上下车站点的经纬度坐标。

2.2)获得各个出行需求起终点的坐标后，使用matlab聚类工具，采用层次聚类法对出行需求进行聚类划分，将需求的起终点距离相近、时间要求类似的乘客出行需求集聚成为一类，并设置聚类中心最近的公交站点或地铁站点为车辆停靠点。

2.3)整理得到上车站点，下车站点集合。

3)获得各个站点之间的驾车行驶距离和行驶时间。

利用“路线行驶距离”web服务api应用，获得各个站点之间的驾车行驶距离和行驶时间。

4)建立多样化运营模式下的定制公交线网规划数学模型。

在常规公交规划理论与车辆路径问题模型的基础上，构建如下多样化运营模式下的定制公交线网规划数学模型：

s.t.

其中，参数含义如下：

i,j为站点序号，可指代任一公交站点，特别地，当i或j等于0时，指公交场站；

k为车型编号；

xijk和yik是控制变量，其取值的含义为：

当xijk＝1时，表示车型为k的公交车辆经过站点i到j，否则，xijk＝0；

当yik＝1时，表示车型为k的公交车辆停靠站点i，否则，yik＝0；

p⁺为上车站点(出发点)集合。

p^-为下车站点(目的地)集合。

p为上车站点和下车站点的并集，即p＝p⁺∪p^-。

d为公交场站。

v为所有站点，包括上车站点、下车站点和场站，即v＝p∪d。

e(i)为表示在上车点i的乘客所对应的所有下车点，i∈p⁺且e(i)∈p^-。

m为车型集合m＝{1,2,3,...,k}。

ck为车型k的容量，k∈m。

gk为车型k的固定成本。

hk为车型k的可变成本。

t为乘客的最大乘车时间。

dij为站点i到站点j的行驶距离，i,j∈v。

tij为站点i到站点j的行驶时间，i,j∈v。

为站点的最早到达时间，i,j∈v。

为站点的最晚到达时间，i,j∈v。

qi为站点i上下车的乘客人数，i∈p。

sti为站点i所需要的上车或下车时间，i∈p。

lmin为运行线路最短距离要求。

lmax为运行线路最长距离要求。

tik为车型为k的公交车辆到达站点i的时间。

lik为车型为k的公交车辆停靠站点i后车上的乘客人数。

模型各式中：

函数(1)是定制公交线网规划的目标即总成本最小，即所有车辆的固定成本与总运营里程之和；

约束(2)限定所有的乘客上车点都必须至少有一辆定制公交车辆提供服务；

约束(3)保证一辆定制公交车辆驶入站点i之后必须离开；

约束(4)确保停靠某上车点的定制公交车辆必须要停靠该站点乘客对应的下车点；

约束(5)限制定制公交车辆的停靠顺序，即定制公交车辆必须先停靠上车站点，然后才能停靠其乘客对应的下车站点；

约束(6)限定所有的定制公交车辆开始线路运行前必须从场站出发；

约束(7)限定所有的定制公交车辆完成运行路线后必须回到场站；

约束(8)表示定制公交车辆从场站出发时车上没有乘客；

约束(9)表示任何时刻定制公交车辆上的乘客人数均不能超过当前使用车型的容量；

约束(10)表示车辆经过下车站点时车上乘客人数的变化；

约束(11)表示经过连续站点时公交车辆容量的变化。若站点j是下车点，则qj为负值即表示到该下车点下车的乘客人数之和；

约束(12)表示任何乘客从其上车站点到下车点的时间均不超过最大乘车时间t；

约束(13)限制定制公交车辆到达站点的时间不能超过其时间窗要求；

约束(14)限制每条定制公交线路的行驶距离的最小和最大长度。

5)对多样化运营模式下的定制公交线网规划数学模型采用遗传算法求解，得到多起终点多车型混载的定制公交线路规划方案，其步骤如下：

5.1)染色体编码：如图2所示，染色体基因采用(4×k×n)位数编码，每(4×k)位数代表一个基因，即代表一个上下车停靠点，一条染色体中有n个基因，代表n个定制公交停靠点。在每一个基因中，有k个片段，表示停靠点最多允许k条线路经停。每个基因片段的第一、二位数表示对该停靠点服务的定制公交行车路线编号；第三位表示该行车路线所使用的车辆类型，不同数值表示不同车型，即对应不同载客量；第四位数的值表示对该点的服务顺序，数值越小则越优先到达停靠。对每一条染色体，首先根据每个基因的前三位数字确定行车路线编号和车型，然后对同一行车路线编号的停靠站的第四位数字按从小到大排序决定运行停靠的先后顺序。四位数基因片段染色体编码可使用于线路总数少于100条、单线停靠点少于10个的规划问题规模，如果线路增加或停靠点增加，则可视情况增加编码数位。

5.2)种群生成与适应度评估：初始群体原则上采用随机的方法产生。由于染色体采用自然数编码，故而每条染色体个体就是(4·k·n)位的数字序列，随机生成m个数字序列，这m个数字序列便作为生成种群规模为m的初始种群。适应度评估方面，参考有关研究，本发明将模型中的约束条件作为惩罚项，加入到目标函数值计算中，再把目标函数的倒数确定为适应度函数。约束方面，采用以下方法加以构建：①上下车站点约束方面，如果出现出行需求对应的站点不由同一线路的同一辆车来停靠服务的非可行解情况，可以将其目标函数增加一极大正数作为惩罚，以便在适应度计算时予以剔除；②不同车型载客容量约束方面，如果车辆在运行载客过程中出现所搭载乘客数量超过车辆载客容量的情况，则将对应染色体的目标函数增加一极大正数作为惩罚；③运行距离约束方面，对运行线路过短或过长的线路，将其目标函数增加以极大正数作为惩罚，以避免其进入后续的遗传操作中。

5.3)染色体自然进化过程：经过适应度计算后，根据适应度函数值的大小对染色体选择，采用正比选择策略和轮盘赌法，随机选取一定比例染色体个体进入遗传操作。将群体中的染色体进行两两配对，每对对配对染色体将生成[0,1]之间的随机数α，指定交叉概率pc。若α≤pc，则对该对染色体中表示运行线路编号与站点停靠顺序的基因值进行互相交叉；若α＞pc，则该对染色体不进行交叉操作，直接进入到下一步。

5.4)由于规划问题中各站点存在若干经行线路的情况，不同站点经行线路不一，经行线路较少的站点，相应的基因位需要剔除线路信息。本发明采用设定一个最大遗传进化代数t作为迭代终止依据。在实际计算过程中，需要进行多次计算，选取多次计算结果优化解中最优的一个作为最优输出。

具体的，本实施例选择在天河区中央商务区工作，且居住地分布在白云、天河、海珠、番禺四个城区的市民，调查其通勤出行需求。在调研中结合现有定制公交运行分布进行初筛，将出行市民的居住地大致划定在四个城区的四个范围内，包括白云区南部的黄石、新市、同德、石槎路、机场路片区，海珠区西部的沙园、石溪、工业大道、逸景路片区，天河区中南部的岑村、黄村、珠村等片区，番禺区北部的沙窖岛、大石片区。经过聚类和约束剔除操作后获得有效出行需求数据450条。

利用“地理编码解析”web服务api应用，获得各个聚集上下车站点的经纬度坐标。获得各个出行需求起终点的坐标后，使用matlab聚类工具，采用层次聚类法对出行需求进行聚类划分，将需求的起终点距离相近、时间要求类似的乘客出行需求集聚成为一类，并设置聚类中心最近的公交站点或地铁站点为车辆停靠点。经过整理，获得20个停靠站点，包括14个上车站点、6个下车站点，上车站点分别位于白云、天河、海珠、番禺四个城区，下车站点分别位于天河和越秀两个城区。出行需求如下表1所示，站点具体分布如图3所示。

之后，利用“路线行驶距离”web服务api应用，获得各个站点之间的驾车行驶距离和行驶时间。

表1各上下车站点间出行需求

本次线网规划中设置三种车型，分别为a型车27座、b型车34座、c型车43座。根据实际运行情况，由于乘客可以通过网络平台及时了解车辆运行信息，因此一般不存在乘客迟到情况，则每个停靠站点停留服务时间为1min。考虑线网规模，设定线路长度约束为最短行车距离10km，最长行车距离30km；设定线路运行时间约束为不超过60min。参考实际运行情况，定制公交每车每天开行的固定成本为368元/车；考虑动力能源(燃油或电能)消耗以及日常维护费用，以0号柴油计算，一般客运车辆油耗30l/100km，目前柴油零售价为6.07元/升左右，则为定制公交每车每公里能源花费成本为2元/(车·公里)。

确定上车站点集合、下车站点集合以及站点间乘客出行需求后，将上述参数信息纳入定制公交线路规划中，在线网规划数学模型的基础上，使用遗传算法求解模型的最优解，设定算法的参数如下：种群规模为20，遗传代数为2000，交叉概率为0.6，变异概率为0.1。

应用matlab编程运算，经50次运算，对比运算结果，选取其中目标函数最优的方案，计算得到目标函数值为f(x)＝5725.2。下表2为所求得的最优解的方案。图4为根据最优解方案绘制的规划线网实际运行图。

表2求解所得最优线路方案

表3规划定制公交与现状常规公交对比

tab.3thecomparisonbetweencustomizedbusplanningandcommonbusactuality

从表3中可以看出，在停站数量方面，即便采用的多点至多点的运行模式，定制公交的平均停靠站点数量也少于常规公交，相比常规公交在各站点乘客接载数量的不确定性，定制公交能明确掌握各站点的乘客接载人数，保证了在合理控制停站数量的前提下最大程度满足了乘客出行需求。

在运行技术指标方面，由于定制公交在小范围内绕行接载乘客，增加了一定的行驶里程，在行驶总里程方面要略多于常规公交，但由于定制公交能够有效控制各站点的乘客数量和时间，且停站数远少于常规公交，避免了频繁停靠站产生的加减速对运行时间的影响，因此定制公交的平均行程时间要普遍少于常规公交。对比中常规公交的行程时长普遍超过了60min，而定制公交一般控制在50min以下。

运行时耗的优势弥补了行驶里程的不足，使得定制公交的行程速度能够维持在30kmh左右，而常规公交的行程速度一般在15km/以下，在通勤效率方面规划的定制公交线网方案要优于常规公交。同时，由于控制了上车站点500m服务半径、下车站点800m服务半径，定制公交乘客步行距离平均能控制在650m左右，而常规公交由于站点布设灵活性不高，乘客平均步行距离超过了1000m，在出行体验方面定制公交也占据了优势。总结可知该发明方法具有实际推广价值，值得推广。

以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。