考虑乘客候车时间的公交发车间隔优化方法文献综述
2020-04-24 09:40:49
在“优先发展公共交通”的政策背景之下，不仅社会对公交服务可靠性的要求越来越高，公交运营部门也在寻求提高自身调度管理水平的方法与途径。公交时刻表是联系公交运营部门和乘客之间可靠服务的桥梁，不精确的公交时刻表不仅在乘客出行途中增加了不确定性因素，也会使得乘客对公共交通系统的整体评价较低。
现行的公交时刻表编制方法主要有两种：均匀发车间隔与均衡载客发车间隔。从班次拥挤程度角度分析，均匀发车间隔方案适用于特征时段内乘客到达率波动不大的情况，而在客流到达分布不均匀时将导致车辆载客量严重不均衡，部分班次拥挤程度远远高于其他服务班次；均衡载客发车间隔方案的提出正是为了克服客流分布不均匀导致的班次载客不均衡情况，使得所有班次拥挤程度相同。因此，均衡载客发车间隔方案可以使得乘客获取到更高的服务舒适性。
因此，本论文期望寻找一种更优的发车间隔方案，能够兼顾均匀发车间隔（较高的候车时间可靠性）与均衡载客发车间隔（均衡的载客人数）两种方案的优点，同时使得特征时段内乘客总候车时间更小。
对于编制公交时刻表的方法，已经在许多文献中有了深入的研究。De Palma A.和Lindsey R.[1]研究了单线路固定运营车辆的驾驶员意愿及早点、晚点对时刻表延误的影响。Peter G. Furth和Theo H.J. Muller[2]从AVL（Automatic Vehicle Location，自动车辆定位）获取实际乘客等待时间，并求其偏差值以分析公交服务可靠性和运营成本。他们同时提出了为提高服务水平而协调短时等待和长时等待策略的等待成本函数。Avishai Ceder[3]总结公交规划、运营与管理的方法与措施，围绕公交时刻表的编制提出了两种在现实生活中应用的常规方法：均匀发车时间间隔与均衡载客量发车间隔。王超和徐猛[4]在此基础上考虑道路交通拥堵因素，引入拥堵系数，基于载客里程数据确定发车频率。徐竞琪[5]基于Ceder[3]所总结的时刻表编制方法，将乘客满意度作为目标，结合车厢舒适度和公交企业运营成本等约束构建公交时刻表编制模型。滕靖[6]又提出了基于APTS（Advanced Public Transport System，先进的公共运输系统）的行车间隔控制和时刻表准点控制两种控制模式，从运营成本和出行者费用两方面考虑时刻表的编制。
近年来，由于考虑到了作为主要交通参与者的“人”，公交运营与管理更趋向于制订以乘客出行规律为约束条件的公交时刻表。因此，在其后的研究中，滕靖[7]考虑到交通设施的服务能力，为保证车辆实载率以及乘客候车时间服务水平要求，以客运走廊运输服务效率最大化为目标函数建立模型。Makrand Wagale等人[8]在优化公交发车频率的基础上应用了一个需求和旅行时间响应（DTR，Demandand Travel time Responsive）模型来实现每个公交站的时刻表，使得乘客的出行需求与社会经济和公交公司的运营效益相适应。Muhamad Azfar Ramli等人[9]以乘客的平均等待时间为目标函数，基于自动收费系统的数据，研究使目标函数最小的函数规划模型；这些模型现已被公交规划人员采用，用于监控和调节时刻表与操作人员之间的偏差和服务可靠性。Avishai (Avi) Ceder[10]为规避单一发车模式的公交时刻表编制，研究出结合平均发车间隔和均衡载客量发车间隔的时刻表编制模型，并利用启发式算法求解。Daniel(Jian) Sun等人[11]则以车辆类型为约束条件，研究不同车辆类型公交车的发车时刻表，以解决公交系统的需求波动问题。上述方法综合了两种发车方式的优点，或有其他约束条件的创新，但都没有考虑到乘客作为公交服务对象对模型的约束力。
{title}2. 研究的基本内容与方案
{title}在确定特征时段内的发车频率后，公交运营企业会面临如何制定起始站点发车间隔的问题；起始站点发车间隔对公交运行服务的影响集中体现在两个方面：一是乘客的站点候车时间，二是车内的乘客拥挤程度。常用的确定特征时段内起始站点发车间隔的方法有两种：均匀发车间隔与均衡载客发车间隔。均匀发车间隔方案下特征时段内发车间隔为常数（h=c），使得公交线路具有较高的服务可靠性，但会导致不同班次载客率不均衡；均衡载客发车间隔方案下特征时段内高峰断面（或班次）载客量为常数（B=c），发车间隔与乘客到达强度（乘客到达率）成反比，可以保障公交线路具有较高的服务舒适性，但会导致班次之间到达间隔不稳定。同时，这两种方案都没有考虑优化乘客站点候车时间，其时间价值权重远远高于车内时间。
因此，本论文期望寻找一种更优的发车间隔方案，能够兼顾均匀发车间隔（较高的候车时间可靠性）与均衡载客发车间隔（均衡的载客人数）两种方案的优点，同时使得特征时段内乘客总候车时间达到更小。
论文提出从以下三个方面解决问题：
（1）基于乘客候车时间最小的时刻表优化模型建模：构建站点乘客候车时间函数，并求解其极小值成立的时刻表方案。
