一种基于模块化自动驾驶公交接驳的机场旅客疏运系统

1.本发明涉及模块化自动驾驶公交运营的技术领域，尤其是指一种基于模块化自动驾驶公交接驳的机场旅客疏运系统。


背景技术：

2.随着经济增长和科技发展，航空出行方式逐渐普及，以其便捷、舒适、快速的特点，成为越来越多人的长途出行选择。与此同时，国民小汽车保有量不断上升，机场旅客中有相当一部分选择私家车出行，这给机场停车带来很大压力。建设与机场空侧设施和功能相匹配的陆侧集疏运体系，对于提升航空出行的竞争力十分重要。目前机场路侧小汽车出行存在以下痛点：航站楼周围用地紧张，而停车场的建设需要大量土地空间，因此航站楼附近车位少且停车价格昂贵；在航班高峰时段，机场附近路段易出现拥堵，可能导致旅客行程延迟甚至误机。
3.为缓解机场路侧交通拥堵与用地紧张，并为小汽车出行者提供更优惠的服务，远程停车应运而生，并由此产生了航站楼与远程停车场之间的接驳需求。目前公营的远程停车场利用接驳巴士往返于远程停车场与航站楼之间，由于旅客高低峰不同，这种接驳方式导致部分旅客等待时间较长，或者造成车辆资源的浪费。而私人经营模式难以统筹监管，可靠性不高，一对一的服务模式效率也相对低下。
4.模块化自动驾驶公交(简称模块化公交)是交通领域的新热点，它为电力驱动，以自动驾驶技术为基础。6-8座小型电动无人驾驶公交可根据旅客人数编组发车，实现灵活拼接与拆分，以提升城市交通服务的智能化和精准化，在节约能源、定向服务等方面优势巨大。目前，模块化公交的研究主要集中于可变容量的模块化车辆运行方法和算法，对于机场旅客疏运系统应用场景下的研究尚有空缺。
5.基于此，本发明结合远程停车理念与新兴模块化自动驾驶公交技术，创新性地提出了一种基于模块化自动驾驶公交接驳的机场旅客疏运系统，为机场陆侧集疏运体系提供新思路。相较于其他机场远程停车传统接驳方案，模块化公交在经济性、环保性、低延迟性等方面均更胜一筹，且符合智慧交通的建设理念。


技术实现要素：

6.本发明的目的在于缓解机场航站楼周围道路拥堵、停车位紧张、用户停车难和费用高的问题，提供了一种基于模块化自动驾驶公交接驳的机场旅客疏运系统，帮助机场缓解陆侧设施压力，同时提高远程停车场运营的营收，形成规模效益，降低能耗。获取航班信息和用户预约信息，利用调度模型求解最佳发车方案，可实现模块化自动驾驶公交自动编组发车，从而完成远程停车场与机场航站楼间疏运，为旅客提供更可靠、便捷的接驳服务。
7.为实现上述目的，本发明所提供的技术方案为：一种基于模块化自动驾驶公交接驳的机场旅客疏运系统，包括：
8.数据获取模块，用于融合多源数据预测各时隙到达远程停车场侧车站的人数，并
确定模块化自动驾驶公交性能参数、旅客时间成本参数与运营参数；
9.调度方案生成模块，基于构建的调度模型，输入所述数据获取模块所得参数，求解模块化自动驾驶公交发车计划，即何时发车、发车编组车辆数，其目标为最小化旅客和运营机构的总经济成本；
10.运作模块，用于按照所述模块化自动驾驶公交发车计划自动编组和发车，完成远程停车场与机场航站楼之间的旅客接驳。
11.进一步，在所述数据获取模块中，所述多源数据包括小程序预约数据和机场航班数据，规定b＝[0,1,2,...,j]为离散时间点集合，j为时隙总数，j为离散时间点索引，j取j时表示最后一个离散时间点，各时隙到达远程停车场侧车站的人数计算公式为：
[0012]aj
＝α
×a1j
+β
×a2j
[0013]
式中，aj表示[j-1,j]时隙内到达车站的预估旅客人数；a
1j
表示通过小程序预约数据获取的[j-1,j]时隙内到达车站的预估旅客人数；a
2j
表示通过机场航班数据获取的[j-1,j]时隙内到达车站的预估旅客人数；α、β表示权重，且α+β＝1，α＞0,β＞0；
[0014]
通过小程序预约数据获取的各时隙到达车站的预估旅客人数，能够基于远程停车场预约小程序上用户填写的到达停车场时间统计得到；
[0015]
通过机场航班数据获取的各时隙到达车站的预估旅客人数，计算公式为：
[0016]a2j
＝g(sj*σ)
[0017]
式中，sj表示在[j-1,j]时隙后未来一段时间内到达航站楼的旅客数，能够基于机场航班表、各航班载客量和预定上座率统计得到；σ表示选用模块化自动驾驶公交前往航站楼的旅客分摊比，能够基于历史运营数据和调研实况数据获得；函数g拟合旅客到达远程停车场侧车站随时间的分布，将未来一段时间内采用模块化自动驾驶公交到达航站楼的人数投射至[j-1,j]时隙，获得[j-1,j]时隙内到达远程停车场侧车站的旅客数，其计算能够采取二阶高斯混合模型，也能够基于调查数据获得；
[0018]
所述权重能够基于历史数据，采取多种优化方法，以计算值与实际值的误差最小为目标得到，并且要进行周期性的更新。
[0019]
进一步，在所述数据获取模块中，所述模块化自动驾驶公交性能参数包括单个模块化车辆载客容量、单次发车固定能源成本、单次编组车辆数的能源成本系数和能源计算系数；所述旅客时间成本参数包括单位时间每个旅客等车成本；所述运营参数包括最小发车时距和最大车辆编组数。
[0020]
进一步，在所述调度方案生成模块中，所述调度模型应用于单一起终点的基于模块化自动驾驶公交的旅客接驳系统内，求解起点处模块化自动驾驶公交发车计划，即何时发车、发车编组车辆数，其目标为最小化乘客和运营机构的总经济成本，包括以下假设：
[0021]
规定a＝[0,1,2,...,i]为车辆组成集合,i为最大车辆编组数，i为车辆组成索引，
[0022]
采用离散化思路，将待求解发车计划的时间范围[0,t]划分为j个整数时隙δ，δ＝t/j；规定b＝[0,1,2,...,j]为离散时间点集合，j为时隙总数，j为离散时间点索引，j取j时表示所述时间范围内最后一个离散时间点；
[0023]
决策变量x
ij
为二元变量，表示在时间j时派出编组数量为i的模块化自动驾驶公交
与否，即确定在各离散时间点j是否发车与相应发车编组车辆数。
[0024]
进一步，所述调度模型包括目标函数、安全性约束、人数守恒约束和运营质量约束；
[0025]
所述目标函数计算公式为：
[0026][0027]
式中，cost
total
表示旅客和运营机构的总经济成本；cost
agency
表示模块化自动驾驶公交运营成本；cost
passenger
表示旅客等车时间成本；fi表示单次发车组成车辆数为i的车辆能源总成本；x
ij
为二元变量，表示在时间j时派出编组数量为i的模块化自动驾驶公交与否，派出则x
ij
＝1，否则x
ij
＝0；δ表示固定的时隙长度；w表示单位时间每个旅客平均等车成本；q
j-1
表示时刻j-1等待上车的乘客人数；aj表示[j-1,j]时隙内到达远程停车场侧车站的人数；a0表示初始等车人数；cf为单次发车固定能源成本，cv为单次编组车辆数的能源成本系数，μ≤1是能源计算系数，ci表示车辆数为i的编组的总载客容量，通过编组车辆数i与单个模块化自动驾驶公交的载客容量相乘获得；
[0028]
所述安全性约束用于保证一个时隙内最多只有一个编组的模块化公交发出，公式为：
[0029][0030]
所述人数守恒约束用于保证调度方案计算合理性，除始发车时刻等车人数q0和收车时刻等车人数qj，其余时隙末的等车人数都为前一个时隙末的等车人数，加上新到达远程停车场侧车站的人数，再减去模块化自动驾驶公交发车的载客容量与0的最大值，公式为；
[0031]
q0＝a0[0032][0033]
qj＝0
[0034]
所述运营质量约束包括人数过多约束和人数过少约束；
[0035]
所述人数过多约束用于保证每一个时隙的等车人数不大于能承载的最大等车人数q，以限制乘客最长等待时间，公式为：
[0036][0037]
所述人数过少约束用于保证发车频率，三个时隙必发一辆车，公式为：
[0038][0039]
式中，x
ij-1
、x
ij-2
均为二元变量，表示在时间j-1、j-2时派出编组数量为i的模块化
自动驾驶公交与否，派出则取1，否则取0。
[0040]
进一步，所述调度方案生成模块的模型求解采用直接求解法、线性求解法或启发式算法。
[0041]
进一步，所述运作模块包括预约小程序、远程停车场侧车站、机场航站楼侧车站、模块化自动驾驶公交、远程停车场与航站楼间模块化自动驾驶公交车道；
[0042]
所述预约小程序用于收集远程停车场名称、航班号、登机口、搭乘人数、到达日期和具体时间，并线上支付停车费用；
[0043]
所述远程停车场侧车站和机场航站楼侧车站均包括模块化自动驾驶公交的编组线和存车线、旅客候车区域、落客区域、搭乘公交收费处；所述远程停车场侧车站和机场航站楼侧车站还包括相应的停车服务和航站楼旅客服务；
[0044]
所述远程停车场与航站楼间模块化自动驾驶公交车道设置为专用道；
[0045]
所述模块化自动驾驶公交按照所生成的模块化自动驾驶公交调度方案编组发车，往返于远程停车场侧车站和机场航站楼侧车站；对于多个远程停车场和多个航站楼情况，模块化自动驾驶公交从不同远程停车场出发，在路线交汇处合并；去往不同航站楼，在路线分岔处拆分，以完成远程停车场与机场航站楼之间的旅客接驳。
[0046]
本发明与现有技术相比，具有如下优点与有益效果：
[0047]
1、将模块化自动驾驶公交(简称模块化公交)引入机场旅客疏运系统，为远程停车场与机场航站楼间的接驳提供新方案。相较于传统接驳方式，模块化公交接驳符合智慧交通要求，具有明显优势：旅客出行体验提升，停车费用下降，等待时间减少；机场旅客疏运系统可实现自动运行，模块化公交根据客流实现自动编组和发车并自动驾驶，减少人工成本与管理成本；模块化公交根据旅客人数编组发车，提高能源利用率，减少碳排放与有害气体排放，具有良好环境效益。
[0048]
2、融合多源数据预测各时隙到达远程停车场侧车站的人数，获取机场航班数据，考虑航班时刻与进出港人数对调度模型的直接影响，有效缓解航班时刻表受天气、流控等因素迅速变化的影响，结合小程序预约数据，提高各时隙到达远程停车场侧车站人数的预测精度。
[0049]
3、构建调度模型并实时计算模块化公交发车计划。调度模型以最小化乘客和运营机构的总经济成本为目标，包括三类约束条件。输入到达人数与其余参数，可实现高效的短时编组调度方案生成，指导模块化公交拼接与解挂。
附图说明
[0050]
图1为本发明系统的架构图。
[0051]
图2为预约小程序界面示意图。
[0052]
图3为模块化自动驾驶公交(简称模块化公交)接驳时拼接与拆分的示意图。
[0053]
图4为旅客角度的系统运营流程图。
具体实施方式
[0054]
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
[0055]
如图1所示，本实施例公开了一种基于模块化自动驾驶公交接驳的机场旅客疏运系统，包括以下模块：
[0056]
数据获取模块，用于融合多源数据预测各时隙到达远程停车场侧车站的人数，并确定模块化自动驾驶公交(简称模块化公交)性能参数、旅客时间成本参数与运营参数；
[0057]
调度方案生成模块，基于构建的调度模型，输入所述数据获取模块所得参数，求解模块化自动驾驶公交发车计划，即何时发车、发车编组车辆数，其目标为最小化旅客和运营机构的总经济成本；
[0058]
运作模块，用于按照所述模块化自动驾驶公交发车计划自动编组和发车，完成远程停车场与机场航站楼之间的旅客接驳。
[0059]
在所述数据获取模块中，多源数据包括小程序预约数据和机场航班数据。规定b＝[0,1,2,...,j]为离散时间点集合，j为离散时间点索引，j取j时表示最后一个离散时间点；中国民航航班的计划起飞时刻以五分钟为单位的，因此，此处将时隙设为5分钟。各时隙到达远程停车场侧车站的人数计算公式为：
[0060]aj
＝α
×a1j
+β
×a2j
[0061]
其中，aj表示[j-1,j]时隙内到达车站的预估旅客人数；a
1j
表示通过小程序预约数据获取的[j-1,j]时隙内到达车站的预估旅客人数；a
2j
表示通过机场航班数据获取的[j-1,j]时隙内到达车站的预估旅客人数；α、β表示权重，且α+β＝1(α＜0,β＞0)；
[0062]
通过小程序预约数据获取的各时隙到达车站的预估旅客人数，可基于远程停车场预约小程序上用户填写的到达停车场时间统计得到，小程序界面示意如图2所示。
[0063]
通过机场航班数据获取的各时隙到达车站的预估旅客人数，计算公式为：
[0064]a2j
＝g(sj*σ)
[0065]
其中，sj表示在[j-1,j]时隙后未来一段时间内到达航站楼的旅客数，可基于机场航班表、各航班载客量和预定上座率统计得到；σ表示选用模块化公交前往航站楼的旅客分摊比，可基于历史运营数据和调研实况数据获得；函数g拟合旅客到达远程停车场侧车站随时间的分布，将未来一段时间内采用模块化公交到达航站楼的人数投射至[j-1,j]时隙，获得[j-1,j]时隙内到达远程停车场侧车站的旅客数，其计算可采取二阶高斯混合模型，也可基于调查数据获得；
[0066]
由于尚未有真实小程序预约数据，故此处α、β分别取0，1，仅通过机场航班数据获取预估旅客人数。“航旅纵横”app上获取广州白云机场某天一小时航班信息。σ取10％，则预计每5分钟到达车站的旅客人数如表2。
[0067]
所述数据获取模块的参数还包括模块化公交性能参数、旅客时间成本参数与运营参数，如表1所示；模块化公交性能参数包括单个模块化车辆载客容量，单次发车固定能源成本，单次编组车辆数的能源成本系数，能源计算系数；旅客时间成本参数包括单位时间每个旅客等车成本；运营参数包括最小发车时距，最大车辆编组数。
[0068]
表1：固定参数取值
[0069][0070]
在所述调度方案生成模块中，所述调度模型应用于单一起终点的基于模块化自动驾驶公交的旅客接驳系统内，求解起点处模块化自动驾驶公交发车计划，即何时发车、发车编组车辆数，其目标为最小化乘客和运营机构的总经济成本，包括以下假设：
[0071]
规定a＝[0,1,2,...,i]为车辆组成集合,i为最大车辆编组数，i为车辆组成索引，
[0072]
采用离散化思路，将待求解发车计划的时间范围[0,t]划分为j个整数时隙δ，δ＝t/j；规定b＝[0,1,2,...,j]为离散时间点集合，j为时隙总数，j为离散时间点索引，j取j时表示所述时间范围内最后一个离散时间点；
[0073]
决策变量x
ij
为二元变量，表示在时间j时派出编组数量为i的模块化自动驾驶公交与否，即确定在各离散时间点j是否发车与相应发车编组车辆数。
[0074]
所述调度模型包括目标函数，安全性约束和人数守恒约束和运营质量约束；
[0075]
所述目标函数计算公式为：
[0076][0077]
式中，cost
total
表示旅客和运营机构的总经济成本；cost
agency
表示模块化自动驾驶公交运营成本；cost
passenger
表示旅客等车时间成本；fi表示单次发车组成车辆数为i的车辆能源总成本；x
ij
为二元变量，表示在时间j时派出编组数量为i的模块化自动驾驶公交与否，派出则x
ij
＝1，否则x
ij
＝0；δ表示固定的时隙长度；w表示单位时间每个旅客平均等车成本；q
j-1
表示时刻j-1等待上车的乘客人数；aj表示[j-1,j]时隙内到达远程停车场侧车站的人数；a0表示初始等车人数；cf为单次发车固定能源成本，cv为单次编组车辆数的能源成本系数，μ≤1是能源计算系数，ci表示车辆数为i的编组的总载客容量，通过编组车辆数i与单个模块化自动驾驶公交的载客容量相乘获得；
[0078]
所述安全性约束用于保证一个时隙内最多只有一个编组的模块化自动驾驶公交
发出，公式为：
[0079][0080]
所述人数守恒约束用于保证调度方案计算合理性，除始发车时刻等车人数q0和收车时刻等车人数qj，其余时隙末的等车人数都为前一个时隙末的等车人数，加上新到达远程停车场侧车站的人数，再减去模块化自动驾驶公交发车的载客容量与0的最大值，公式为：
[0081]
q0＝a0[0082][0083]
qj＝0
[0084]
所述运营质量约束包括人数过多约束和人数过少约束；
[0085]
所述人数过多约束用于保证每一个时隙的等车人数不大于能承载的最大等车人数q，以限制乘客最长等待时间。规定时隙为5分钟，最大编组数为25，每个车厢载客容量为6人，为防止乘客在15分钟内仍不能上车，系统能承载的最大人数为15/5
·
25
·
6，即450人。公式为：
[0086][0087]
所述人数过少约束用于保证发车频率，三个时隙必发一辆车，公式为：
[0088][0089]
式中，x
ij-1
、x
ij-2
均为二元变量，表示在时间j-1、j-2时派出编组数量为i的模块化自动驾驶公交与否，派出则取1，否则取0。
[0090]
所述调度方案生成模块的模型求解采用直接求解法，线性求解法或启发式算法。用gurobi商业求解器求解广州白云机场某天一小时模块化公交发车计划，如表2所示。
[0091]
表2：到达车站预估乘客数及模块化公交发车计划
[0092]
[0093][0094]
所述运作模块包括预约小程序，远程停车场侧车站，机场航站楼侧车站，模块化公交，远程停车场与航站楼间模块化公交车道；
[0095]
所述预约小程序用于收集远程停车场名称，航班号，登机口，搭乘人数，到达日期和具体时间，并线上支付停车费用；
[0096]
所述远程停车场侧车站和机场航站楼侧车站均包括模块化自动驾驶公交的编组线和存车线、旅客候车区域、落客区域、搭乘公交收费处；远程停车场侧车站和机场航站楼侧车站还包括相应的停车服务和航站楼旅客服务；
[0097]
所述远程停车场与航站楼间模块化公交车道设置为专用道；
[0098]
所述模块化公交按照所生成的模块化公交调度方案编组发车，往返于远程停车场侧车站和机场航站楼侧车站。对于多个远程停车场和多个航站楼情况，模块化公交从不同远程停车场出发，在路线交汇处合并；去往不同航站楼，在路线分岔处拆分，以完成远程停车场与机场航站楼之间的旅客接驳；如图3所示，远程停车场1驶出的模块化公交编组数为1,远程停车场2驶出的模块化公交编组数为2,两者在路线重合路段合并行驶，旅客根据目的地不同调整所处的模块化公交车厢，而后模块化公交在路线分岔处分离，分别驶向航站楼1和2。
[0099]
如图4所示，旅客角度的系统运营流程包括以下步骤：
[0100]
旅客在预约小程序上填写信息并缴费；
[0101]
旅客驾车到达远程停车场，停车场扫描车辆号牌，与后台预约数据相匹配；旅客找寻停车位并停车；
[0102]
若旅客无行李托运，可直接在远程停车场侧车站的自助机器打印登机牌；若旅客有行李托运，则前往航站楼后再办理托运、打印登机牌；
[0103]
旅客在候车区域等待发车，而后乘坐模块化自动驾驶公交，经由专用车道前往对应航站楼；
[0104]
旅客在航站楼落客区域下车，直接过安检或办理托运；模块化公交搭载离港旅客返回远程停车场。
[0105]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。