文摘

本研究提出了一种多目标混合整数非线性规划模型,最后一英里的航天飞机服务来提高公交乘客的出行时间可靠性。接的方法旨在分配路线由航天飞机转机乘客位于不同的停止服务。上下两层的优化模型建立:路线设计的上层模型考虑时间成本和费用成本之间的权衡,一些乘客把航天飞机,和较低的模型分配转机乘客的需求。该模型有效地捕捉旅行时间的可靠性,因为相关参数估计的统计拟合测试大量的实际公交地理信息系统(GPS)数据。此外,动态需求从传统运输转移到航天飞机服务和旅行时间可靠性,包括乘客车载时间(溶)和等待时间(WT),充分考虑在这个模型。因为任务是一个非线性规划模型,提出了一种两阶段算法结合线性化处理找到一个最佳的解决方案。案例研究的最后,在北京中关村软件园区域,指出当最后一英里航天飞机提供服务,公交乘客的出行时间可靠性的最后一英里旅行可以提高14%。这项研究可以提高低可靠性的一个重要参考广泛存在于当前交通通勤者的“最后一英里”问题。

1。介绍

在中国,交通拥挤和延误变得越来越频繁和严重的汽车所有权的快速增长。在像北京这样的大城市,公共交通系统的发展为主来缓解交通堵塞。然而,由于城市土地资源的限制,严重拥挤的交通,糟糕的旅行时间可靠性已成为主要的限制提高公共交通系统的服务质量。在市区和住宅社区,大量聚集的上下班高峰时间的需求将导致严重拥堵和额外的车载时间延迟(溶)和等待时间(WT) [1,2]。

为最后一英里旅行通常覆盖面积狭窄道路和遭受频繁的交通拥堵。因此,通过与固定航线和停止常规公交系统,乘客无法避免穿过那些拥挤的地区,导致很难准时到达目的地(3]。提供可靠和有效的服务是至关重要的在交通规划和运营改善乘客的满意度。

航天飞机服务这项工作提出了一种鲁棒优化模型考虑旅行时间可靠性设计航天飞机路线和估计相应的用户数量。它的组织结构如下:在部分2,进行文献综述,包括传统的鉴定方法的旅行时间可靠性和灵活的交通如何提高可靠性的设计。节3,离线的旅行时间可靠性估算方法提出和建立了二层规划制定。节4北京,一个案例研究进行了探讨。最后,讨论的结论部分5。

2。文献综述

审查现有的研究主要集中在以下两个领域:如何估算交通服务可靠性及其影响操作和如何设计航天飞机路线和操作计划来提高可靠性。

2.1。交通可靠性估计

改善交通系统的不可靠的最后一英里的旅行,micromobility,包括灵活的穿梭,出现4]。交通网络设计和操作管理,可靠性是一个关键的因素,其中包括transit-oriented指标(如公交车准时的百分比,百分比的常规公交,进展规律)和passenger-oriented指标(如WT在停止,整洁,空间上,和乘客收到准时服务)的百分比。研究表明,服务可靠性是重要的是频率的两倍,几乎七次为乘客比信息更重要(5]。

公交服务可靠性包括估计乘客WT的规则性和不规则性分析,诊断,步行时间。现有研究人员建立了定量波动指标模型和分析的可靠性旅客旅行时间(6]。Yu et al。7)使用不同的方法,支持向量机(SVM),人工神经网络(ANN),k最近邻居算法(事例),线性回归(LR)。齐射et al。8)认为,公共交通服务的调度可靠性至关重要对私人汽车的使用,提出了增加吸引力的总线速度估算方法不同的交通状况。李和Quadrifoglio9]Lempel-Ziv算法进行量化乘客出行时间可靠性。Elefteriadou和崔10)提出了一个综合框架在不同场景分析的可靠性和应用系统性能在佛罗里达州。李等人。11)检查可靠性性能指标对公交线路使用全球定位系统(GPS)总线轨迹数据。

随着汽车设施的发展,多源数据的自动车辆位置(AVL)数据、地理信息系统(GIS)的数据,和GPS数据被广泛用来研究乘客的可靠性和公司的观点。Leod [12)导致方差估计的一般理论进展使用不完整的数据,关注失踪的巴士或丢弃的巴士进展。陈等人。13]分析了公交服务可靠性的停止,路线和网络水平。服务可靠性定义为公共汽车的可能性之间的进展会坚持连续的公共汽车在每个站在一个给定的时期。林等。14)开发运行时间依从性和进展规律反映公交服务可靠性。运行时间依从性(以%)被定义为平均差异实际和计划运行时间和进展相对计划运行时间。俄梅珥et al。15]分析了电动汽车充电站的选择问题,提出了高度的不确定性问题的方法。Barabino等人提出了一个离线时间的诊断可靠性框架通过分析AVL数据。公交车站和可靠性是不够准确的时间段为(16]。规律在所有公交站点和时间测量(17]。他也用这两个概念“等待的乘客少于计划进展加上不规则阈值”和“乘客的分数将会看到一个公交服务他们停止在一个可以接受短间隔到达后”,以反映交通旅行时间可靠性。公共汽车和乘客抵达和起飞数据收集和处理18]。此外,探索更准确评定结果,AVL的影响异常进展和进度偏差和异常对公交服务可靠性的影响进行了分析(19]。

2.2。航天飞机设计的优化与可靠性

班车可以被认为是一种新型的公共交通服务体系,有别于传统point-fixed line-fixed运行模式。上下班穿梭巴士有限的几个类似的特性(例如,定制总线和支线公交)。它被视为补充正常的常规运输系统的一部分,它是在特定时间特定路线为特定类型的乘客(20.]。与传统汽车相比,班车特点灵活的路线和停止选择、多样化的服务模式,昂贵的票价,和个人服务。它可以用来解决最后一英里的旅行作为一种有效的措施缓解高峰旅游需求在热点地区21]。它在许多领域有广泛的适用性,如医院紧急车辆路径规划(22)、残疾人公共交通服务计划23),和地区社区校车规划(24]。

在大多数以前的交通设计优化、数学规划和基于仿真的方法被使用,的平均旅行时间被认为是(25]。然而,一个大方差旅行时间可能导致可靠性在实际条件差。因此,对于交通设计,包括航天飞机、可靠性应考虑准确。交通网络的不确定性是申请交通网络设计(26]。姚明et al。(27)提出了一种鲁棒优化模型考虑旅行时间不确定性满足乘客的需求并提供可靠的运输服务。·马尔科维奇et al。28]分析了多通道公共交通旅行包括适当的需求转移策略,来提高整个行程的旅行时间可靠性。包等。29日]分析了机场飞机的优化模型,建立了公交线路通过使用可靠性最大化为主要目标。

文献的回顾揭示了以下关键问题,值得进一步研究:(1)尽管薮猫的研究提出了航天飞机的各种集成设计,很少考虑转机乘客的可靠性。近年来,随着越来越多的关注,可靠性,提供可靠的传输服务的最后一英里的旅行变得更加重要。(2)传统的穿梭巴士设计只考虑固定航天飞机的需求。当传统的交通系统变得不可靠的高峰时段,一些乘客可能更愿意选择新的航天飞机服务。形特征,分析动态需求不应被忽视,和集成的传统应该分析和班车服务。(3)先前的研究由不同的在线和离线分析行程时间可靠性方法,但大多数是由数值实验或在小城市案例研究。在北京这样的大城市,在高峰时段,交通严重拥挤和寄宿,下车乘客在“热停止”将迅速增加,这将导致交通系统变得非常不可靠。因此,现场数据在大城市应该呈现给帮助设计航天飞机更可靠的服务。

3所示。方法

3.1。描述

本文提出一个框架来描述乘客出行时间可靠性和设计穿梭巴士考虑可靠性特征。整个流程图呈现在图1。首先,讨论了乘客的出行时间可靠性的配方和离线框架可靠性提出了估计时间。然后,上下两层的优化配方构造包括模型建立与算法设计。最后,一个案例研究在北京进行了模型验证。

优化模型的设计不仅给航天飞机的路线计划服务,也可以估计多少乘客应该从原来的传统线转到新的航天飞机为了缓解“热”OD可靠性差的一个可接受的水平。模型是passenger-oriented和乘客的出行时间、可靠性和费用成本。最后一英里的航天飞机服务制定作为一个二层规划模型。上层模型是一个数学公式编程公交线路和相应的需求。低级模型是进行交通分配的传统网络。需求从低模型分配结果,可以估计旅客旅行成本。

基于先前的研究[30.),以下假设是由纸:(1)乘客到达公共汽车站随机(2)乘客知道早期的均值和方差,使成本最低的选择旅行(3)早期诊断的价值和WT认为是独立和常数(4)只有跨平台传输被认为是在这个研究

3.2。离线的乘客出行时间可靠性估算方法

与近年来数据采集设备的不断更新,过境旅客出行行为可以更准确地描述移动GPS数据,它可以记录由二级总线轨迹。包含错误数据预处理的方法框架,制定的早期和WT,拟合分析。

3.2.1之上。基于GPS数据的数据处理

GPS数据用于估计公交运行的参数条件下,收集从机上的GPS设备。原始数据集主要有两个问题:数据的损失和数据错误。考虑到现有数据处理方法(12,19),数据质量控制是由以下三个步骤:步骤1:原始数据的数据处理。从数据库收集可用的字段,包括行号、方向、车辆数量、汽车旅行,收集时间,经度,纬度,和速度,它在桌子上1。步骤2:故障数据的速度,经度,纬度和并通过线性插值得到纠正,描述如下: 在哪里修正后的数据的时间吗t_j,(t_我,t_k)是邻居的时间点t_j,和的原始值吗t_我和t_k,分别。步骤3:GPS数据与GIS地图匹配,分析旅客旅行的空间位置轨迹,如图2所示。实时GPS数据不溶聚合计算和WT为不同的公共汽车旅行和线条。此外,验证了匹配过程基于车站数量从乘客IC卡数据信息。

3.2.2。制定诊断和可靠性

当公交乘客出行计划,他们会添加“缓冲时间”基于预期的旅行时间,考虑到潜在的波动。尽管他们可能早到达目的地,早到更好,因为迟到的负面影响很大(31日]。因此,大多数乘客可以选择在高峰时间计划额外的缓冲时间。缓冲时间可以量化指标来衡量旅客旅行时间可靠性(32]。更多的缓冲时间的乘客需要计划,糟糕的网络行程时间可靠性。

图中所示3诊断考虑可靠性计算如下: 在哪里和样品的公交车到达时间停止吗我和j从GPS数据,可以提取。样品时间节点吗我到节点j。行正在考虑从节点的可靠性我到节点j。E( )从节点是早期的期望我到节点j所有的样品。缓冲时间测量的可靠性,即。标准差(SD)的链接ij。

是可靠性参数的偏好。当ρ= 1,这意味着乘客将按预期计划相当于缓冲时间旅行时间。准时到达旅客“风险中性”。当ρ= 0,乘客不考虑行程时间可靠性的影响。当ρ> 1,乘客被认为是保守的,乘客不相信公交服务可靠性和将计划更多额外的缓冲时间与风险中性乘客。当ρ< 1,乘客是理解为“准时到达风险”(30.]。

N样品的数量是链接(我,j)。

3.2.3。制定WT可靠性

呈现在图4,假设乘客到达公共汽车站t和下面的公交车到达时间hWT可以计算如下: 在哪里是样本WT,t在公共汽车站是旅客到达时间,h是公共汽车到达间隔。WT考虑可靠性。E( )是所有的样品WT的期望。缓冲时间测量的可靠性,比如SD,然后呢D( )是样本WT的偏差。

到达的乘客和公交站都是随机的,它可以影响WT。通常,每个公共汽车旅行并没有一个严格的时间表到来北京停止水平。旅客到达时间和公交到达时间可以被认为是一个独立的事件。

研究通常关注乘客到达的行为在一个固定的公共汽车到达间隔。然而,增加交通拥堵和其他不确定因素的影响,公共汽车到达时间的方差变大,不应该被忽视。巴士间隔h可以认为在一定概率分布 。基于GPS数据,静的特点E(h)估计。乘客到达率重新分类遵循泊松分布在[0,H][33写),如下: 在哪里的比例预计旅客到达时间/公共汽车到达时间间隔。

该模型适用于高频服务。考虑乘客随机到达的条件和个人WT不同,静配件大量现场数据的分析提出了案例研究。均方根误差(RMSE)和r平方是用于验证拟合的结果,它在部分案例研究。

3.3。二层规划制定

3.3.1。制定一般费用

一般成本加上诊断和成本、WT成本、额外等待延迟成本、转移成本和费用成本。为每个乘客通过弧,一般成本的公式可以计算如下:(1)行成本 在哪里C一般费用,u是单位旅行时间成本(元/小时)年代是旅行弧,设置车载旅行的弧。(2)WT成本 在哪里设置的等待。(3)额外的等待延迟时间成本在高峰小时,这是一种常见的现象,大量的乘客登机,在公交车站下车,这将导致寄宿和降落的速度慢下来(34]。因此,将会有一个额外的延迟增加,越来越多的乘客。额外的延迟与现有的乘客数量的停止。在本文中,额外的延迟决定如下: 是额外的延迟等待弧年代。是体积的等待乘客。K是额定承载能力。和n估计参数。(4)传输时间成本假设大多数的乘客会选择在同一站换乘,乘客传输时间被认为是一个额外的WT。因此,传输时间成本表示如下: 在哪里设置转移弧。(5)费用成本 是单位的机票费用(元/公里)。旅行的距离(公里)。

3.3.2。上层航天飞机路线设计的编程模型

最后一英里穿梭巴士作为衡量是为了缓解拥堵的需求,为乘客提供更可靠的运输服务。因此,最大的改进被认为是目标函数中获益。转移乘客,他们可以更加灵活和可靠的班车,但他们应该负担额外的费用成本。模型是由以下优化模型。 在哪里平均时间成本(元)和吗是传统汽车的平均机票成本(元/公里)。决策变量是和 ,在这意味着无论航天飞机从节点O到节点D通过公路弧(我,j),反映了乘客,乘坐航天飞机。

和反映总时间成本和票当乘客采取传统的运输成本。和总时间成本和机票成本为航天飞机的乘客。目标是最大化旅客当转移乘客选择新的航天飞机服务中受益。

方程(11)- (13)流守恒约束为每个节点,其中V设置一个公共汽车站。

方程(14)意味着每个OD对航天飞机的总OD需求之和应该等于需求和传统的公交需求,在其中问_od反映了总体需求和d_od是剩下的传统交通需求。

方程(15)反映了可靠性阈值,这意味着只有当k_od大于一定程度k₁,航天飞机将开始运行。K_od量化时间可靠性的影响,这是关键的阈值来判断是否有必要提供航天飞机服务。越大k_od是,越可靠性条件。计算如下: 在哪里CR_od反映了延迟时间成本的不可靠性产生的时间和旅行CT_od代表的时间总成本O来D。是需求卷弧年代。

方程(16)反映了车辆承载能力约束,航天飞机服务的频率l

方程(17)- (19)给变量的值范围。

3.3.3。低级编程模型的需求任务

低级模型旨在分配现有的公交需求,旅游时间和成本估计网络弧,并量化可靠性条件。在较低的模型中,公交乘客看成本、WT成本、额外的延迟成本、传输时间成本和费用成本。

基于上述分析,底层流基于用户平衡分配模型制定如下: 在哪里弧的一般成本函数吗年代。是乘客弧的总量年代,这是派生的 。 乘客的数量吗我来j可用的路径上p。相关参数,如果旅行弧年代在路径p从o来d,= 1,否则,= 0。P是一组可用的路径。

目标函数的和整合的结果是一般成本函数。该模型有两个约束。(22),这意味着所有路径上的乘客的总和等于每个OD对需求的体积。约束(23)意味着决策变量是负的。目标函数的最优解是相当于用户均衡。

3.4。解决方案的算法

每一个上层代表一个航天飞机计划路线规划的解决方案。对于每一个计划,需求应该由低级模型来估计总体可靠性是否改进的可接受阈值(k₁)。然后,低层的结果将替换到上层来计算目标函数。此外,考虑到上层模型是一个非线性规划制定,计算复杂度会更高,这可以通过一个线性化算法来解决。

基于上述分析,提出了一种两阶段算法,图中所示5。第一步是按需分配,估计现有的传统网络和选择不可靠的OD,可以转移到航天飞机服务。第二步是航天飞机路线优化模型包括线性化算法求解0 - 1 nonlinearization编程模型。最佳服务航天飞机计划将最终计算。算法的详细描述如下:阶段1:进行低级需求基于现有的局部总线网络分配模型和需求。估计在所有本地总线网络的OD。选择拥挤的OD阈值的可靠性k₁:如果>k₁,第二阶段。否则,选择过程结束。第二阶段:进行上层模型。介绍了线性化转换的模型。航天飞机的路线和转移需求输出最终的模型。详细描述的线性化算法。

对于上层模型,这两个决策变量非负整数变量和0 - 1变量。方程(10)所示,是非线性结构。辅助决策变量( )和实际数量米( )介绍了构造辅助不等式。介绍了辅助约束下面的方程显示:

当 , 。因此, 。当 ,根据不平等(25), 。因此 。有以下的不平等 和 。的范围内和 , 总是等于 。因此,非线性表达式转化为线性表达式与一系列的不平等。

解决的困难是明显减少了。摘要商业软件Gurobi用于解决线性规划模型。线性化后,模型可以表示如下:

4所示。案例研究

4.1。本地总线网络的特征

航天飞机的最后一英里优化模型进一步验证本地总线网络的中关村软件园区域。中关村软件园位于北京海淀区,许多互联网企业如百度、腾讯和联想。大多数乘客会选择地铁车站Xierqi,然后转移到公交系统为他们的最后一英里旅行。高密度的工作区域,最后一英里的行程时间可靠性总是不够旅行高峰时段。

图6(一)显示了中关村软件园的地理布局图6 (b)显示本地总线网络的结构。有12个当地现有的公交线路。公交车站之间的距离和乘客需求如表所示2和3。

传统的交通线路和航天飞机的平均票价线是0.3元/公里和0.6元/公里,据估计在北京现有的票率。单元的出行时间和出行时间可靠性值11.34元/小时,19.27元/小时31日]。在案例研究可靠性的偏好是2。其他参数的优化模型中描述表4。

4.2。旅行时间估计的可靠性

现有的交通系统的可靠性估计。现场数据收集和处理的拟合分析。此外,GPS数据从现有微循环线路选择中提取反映该航天飞机服务的操作条件。在北京,微循环交通发达,近年来,在社区或商业区提供服务。尽管它有一个固定的路线和停止,与其他传统的总线相比,微循环总线具有独特的运行特点,线路长度和停止间距很短,操作时间是在高峰小时,使用轻型车辆,类似于航天飞机设计服务。11的数据选择传统的线和7微循环线在案例研究。GPS数据覆盖6:00-11:00时期是周一,超过五十万件的基本数据。

4.2.1。准备可靠性的早期

首先,总体看时空分布在图描述7作为一个例子,X -轴代表时间Y设在代表相邻两站之间的部分,Z轴代表早期诊断。是表明微循环,溶变化明显。此外,它显然是在7点后超过7点之前。然而,有一个9点后显著降低。这意味着在高峰时间,交通状况变得更好的运行区域微循环。

的基础上早期诊断样本数据分布安装探索其统计特征。四种典型的适合应用于测试哪种统计分布可以最好解释行动脉的分布特征:高斯,威布尔,拉普拉斯,对数正态和健康。均方根误差(RMSE)和r平方是用于验证拟合结果。拟合分布结果如表所示5。结果表明,对数正态分布最好能解释行动脉的分布特征。

4.2.2。WT的可靠性

公共汽车离开进展在原点停止可以直接影响公共汽车到来的波动区间在每个中途停止。对于理想的场景,在中途站到达间隔等于出发的进展。然而,由于各种不确定的影响因素,到达间隔变得起伏不定。在实际条件下,为不同的巴士旅行,出发的进展,运行时间也是不同的。因此,基于stop-level到达间隔提取GPS数据,公共汽车到达间隔分布安装在不同的进展。拟合结果展示在表6,在那里H₀代表着巴士离开进展。10的场景设计,H₀分别从1分钟= 10分钟。高斯拟合,威布尔,拉普拉斯,对数正态适合应用于测试公共汽车到来的最适合的间隔。结果表明,拉普拉斯适合显示最优拟合的结果。

上面的拟合分析后,乘客的期望和标准偏差溶和WT中关村软件园估计和分析结果显示在表中7。

4.3。结果与讨论

CR_网络介绍来估计总体可靠性和量化的改善效果。CR_网络代表的和额外的时间成本由于不可靠网络中所有乘客的出行时间,可以计算如下:

根据优化结果,在中关村软件本地总线网络,停止地铁Xierqi停止Dongbeiwang热OD对高峰时段可靠性不足。拥挤的旅游需求可以通过航天飞机转移服务。表中描述的详细计划8。航天飞机的乘客数量为240人/小时,其中考虑到交通需求总量的12.2%。航天飞机的运行路线是:停止地铁Xierqi-Road Ruanjianyuan-stop Dongbeiwang。原来的局部总线网络,是15650.8元。航天飞机的操作后,是13524.9元,明显降低了14%。

在中关村软件园,运输需求的时空聚合是显著的。大多数需求发生点(点O)位于停止地铁Xierqi站,和目标点都集中在几个关键的停止在办公区附近。同时,通勤需求集中在高峰时间,和低等级的道路狭窄,不适合超大的车辆。工作区域的研究虽小,结果表明,航天飞机服务可以显著提高最后一英里的行程时间可靠性旅行。适用的场景可以扩展更多类似的居民区或学校等领域。

5。结论

本文提出一种方法最后一英里的航天飞机服务的商业或住宅区域。航天飞机的路线是为了缓解拥堵的需求之间的不可靠的OD和改善通勤者的最后一英里的旅行时间可靠性。本研究的主要贡献如下:(1)离线的可靠性估算方法,提出了包括数据处理方法和静拟合模型。缓冲时间是用来量化旅行时间可靠性考虑诊断和WT。有超过50万件真实的GPS数据,进行拟合分析。结果表明,对数正态分布和拉普拉斯分布是最适合样品溶和巴士到达时间的分布。关键参数来反映可靠性,包括早期诊断的可靠性和WT可靠性估计的基础上,拟合的结果。(2)航天飞机的需求被认为是一个动态的决策变量在这项研究中,上下两层的优化模型,可以共同优化的航天飞机的路线。为了解决混合整数非线性规划问题,两阶段算法结合线性化解决方案的方法。航天飞机的路线和转移的需求从传统运输网络估计。可靠性成本被定义为关键指标来评估乘客出行时间可靠性条件。(3)为了说明模型的鲁棒性和质量,真实案例研究是在北京中关村软件园。表示,“最后一英里”航天飞机服务可以显著提高过境旅客旅行时间可靠性14%。此外,12.2%的总转机乘客选择新的航天飞机服务的案例研究。研究结果可以推广领域的核心商业区或住宅社区,通勤需求集中时,航天飞机服务将更有效地解决穷人最后一英里的旅行,优化结果的可靠性会更好。

该论文有一定的局限性和未来的研究可以提高。最后一英里的航天飞机在北京服务是一种新的交通方式。因此,实际操作数据缺乏,取而代之的是微循环的总线。时可以更好的验证效果在未来提供实际的服务。此外,shared-bike拼车并不是考虑的影响。multitransportation合作模式可以提高最后一英里的旅行行程时间可靠性的分析。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本文作者承认支持基础研究基金批准号下的中央大学3122021058。