城郊区域典型出行场景下的需求响应式公交线路优化研究

• 作 者: 郭杉
• 出 处: 北京交通大学
• 发表日期: 2020年01期
• 关键词: 需求响应 典型出行场景 线路优化模型 改进的GS-DBSCAN聚类算法 免疫遗传算法

城市外围住宅用地的不断开发致使大量居民向郊区聚集,传统公交服务难以克服“职住分离”模式下的高峰出行客流压力,且难以惠及到弱势群体的出行。而需求响应式公交不仅能够满足乘客对出行时间和舒适度等多样性需求,对企业而言又能按需配置运力,节省运营成本。本文聚焦于城郊区域出行廊道,考虑需求响应式公交不同受众群体特性,将多样化出行简化为通勤出行主导和社区出行主导两类典型场景,探究两场景下的公交线路优化问题。主要研究内容为:(1)从五个系统要素角度对需求响应式公交的服务特性进行阐述,并总结该模式服务优势。对我国实际城郊区域的居民出行特征作分析,探究在该区域下的客户出行需求。提取出影响公交线路优化的关键因素,重点设计了改进的GS-DBSCAN聚类算法确定服务区域内的动态合乘站点位置,克服了执行速度慢、占据内存大的难题,为进一步研究公交线路优化问题提供了理论基础。(2)兼顾乘客和运营单位双方利益构建整合优化模型。首先建立以能耗为主要衡量指标的运行成本最低上层模型,从车辆运行规则、道路工况、时间限制多角度加以约束。根据两类主导群体对出行时间和舒适度的侧重,在前者场景下利用时间价值计算方法,建立乘客出行时间和违反时间窗约束的追索成本最低子模型,后者场景中采用AHP-模糊评价法建立各类舒适度因素对乘客满意度造成的追索成本最低子模型。(3)设计了免疫遗传算法对优化模型进行求解,设计编码规则、免疫操作、遗传操作、群体更新策略和种群择优策略,实例研究证明了该算法具有较强的全局、局部搜索能力,避免了传统遗传算法出现的提前收敛,其自适应性和记忆功能保证了较快的执行速度。(4)选取北京市322路公交运行线作为仿真实验线路,利用历史出行数据对该线路三类典型人群的出行行为特征作分析总结,并利用GS-DBSCAN聚类算法确定区域内的合乘站点位置,采用免疫遗传算法求解两场景下的线路优化方案,验证了优化模型的有效性和可行性。(5)设计了智能交通趋势下的自动化需求响应式公交功能系统,依托车路协同和通讯技术,实现路网、乘客和车辆三方信息的实时交互,以车载单元和路侧单元为基础,设计了客流数据分析模块和路网数据模块,包括对车速、车内外拥挤度和不良天气的数据监测和分析,实现车辆实时运行控制。