删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

考虑接运公交站点排队的通勤客流分配模型

本站小编 哈尔滨工业大学/2019-10-24

考虑接运公交站点排队的通勤客流分配模型

张思佳1,2,贾顺平1,2,毛保华1,2,麻存瑞1,2,王瑜琼1,2

(1. 城市交通复杂系统理论与技术教育部重点实验室(北京交通大学), 北京 100044; 2.北京交通大学 交通运输学院, 北京 100044)



摘要:

为更加准确的描述接运轨道站点的公交网络内通勤乘客的出行选择行为,以典型通勤OD、固定乘客总需求下,接运轨道交通站点的各公交线路客流选择行为为研究对象,以早高峰通勤出行为例,考虑不同出发时刻的乘客实际到站时刻与车辆到达时刻间的关系,对乘客在接运公交线路站点的候车排队过程进行较为细致的定量描述,改进了既有出行广义费用中对站点候车时间的计算方法,建立了基于Logit-SUE的公交线路配流模型,并通过算例与既有研究进行对比,分析模型中时间步长t-及乘客对路径阻抗感知系数θ对配流结果的影响.结果表明:模型中t-的取值变化不会引发配流结果较大程度的改变.t-越小,对候车时间的计算越贴近现实情况,当t-增大到乘客可在一个时间步长内全部出发时,配流结果与既有文献一致.同时,模型中,当θ较小时,乘客对路径阻抗的感知与实际存在一定差距,配流结果随机性较强;θ越大,乘客对阻抗的感知越贴近现实,实际阻抗越小的线路选择概率则越大.

关键词:  城市交通  接运公交  站点排队  客流分配  通勤出行  选择行为

DOI:10.11918/j.issn.0367-6234.201711024

分类号:U491.1

文献标识码:A

基金项目:中央高校基本科研业务费专项资金(2017YJS092); 国家自然科学基金(2,1)



Passenger flow assignment model considering the queuing process of commuters at feeder bus stations

ZHANG Sijia1,2,JIA Shunping1,2,MAO Baohua1,2,MA Cunrui1,2,WANG Yuqiong1,2

(1.MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology (Beijing Jiaotong University), Beijing 100044, China; 2. School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China)

Abstract:

To accurately describe features of passengers’ route choice behaviors of feeder bus lines, this research took the commuting trips during morning peak period under a typical commuting OD as study object, and established a passenger flow assignment model based on Logit-SUE model, which considers the relationship between the actual arrival time of passengers and the arrival time of vehicles. This model proposed a detailed quantitative description of the passengers’ queuing process at bus stations and improved the existing calculation method of waiting time at bus stations in the generalized travel cost measuring. Then the feasibility of the model was verified by comparison with previous studies, and the influences of the time step length t- and passengers’ perception coefficient of the path cost θ on the choice probabilities of different bus lines were analyzed. Results indicated that the modelling results will not have a big change when t- changes. Smaller t- leads to more accurate calculation results of waiting time. If all the commuters start at time t-, the model results in this paper correspond with that of the previous studies. However, when θ is small, there is a certain gap between the passenger perceived route costs and the actual costs. Big θ makes passengers feel closer to the reality of impedance so when θ is bigger, the choice probabilities of feeder bus lines with low costs are bigger.

Key words:  urban traffic  feeder bus  queuing process at stations  passenger flow assignment  commuting trip  choice behavior


张思佳, 贾顺平, 毛保华, 麻存瑞, 王瑜琼. 考虑接运公交站点排队的通勤客流分配模型[J]. 哈尔滨工业大学学报, 2019, 51(3): 121-126. DOI: 10.11918/j.issn.0367-6234.201711072.
ZHANG Sijia, JIA Shunping, MAO Baohua, MA Cunrui, WANG Yuqiong. Passenger flow assignment model considering the queuing process of commuters at feeder bus stations[J]. Journal of Harbin Institute of Technology, 2019, 51(3): 121-126. DOI: 10.11918/j.issn.0367-6234.201711072.
基金项目 中央高校基本科研业务费专项资金(2017YJS092);国家自然科学基金(71390332, 71621001) 作者简介 张思佳(1991—), 女, 博士研究生;
贾顺平(1963—),男,教授,博士生导师 通信作者 贾顺平,shpjia@bjtu.edu.cn 文章历史 收稿日期: 2017-11-14



Contents            -->Abstract            Full text            Figures/Tables            PDF


考虑接运公交站点排队的通勤客流分配模型
张思佳1,2, 贾顺平1,2, 毛保华1,2, 麻存瑞1,2, 王瑜琼1,2    
1. 城市交通复杂系统理论与技术教育部重点实验室(北京交通大学), 北京 100044;
2. 北京交通大学 交通运输学院, 北京 100044

收稿日期: 2017-11-14
基金项目: 中央高校基本科研业务费专项资金(2017YJS092);国家自然科学基金(71390332, 71621001)
作者简介: 张思佳(1991—), 女, 博士研究生;
贾顺平(1963—),男,教授,博士生导师
通信作者: 贾顺平,shpjia@bjtu.edu.cn


摘要: 为更加准确的描述接运轨道站点的公交网络内通勤乘客的出行选择行为, 以典型通勤OD、固定乘客总需求下, 接运轨道交通站点的各公交线路客流选择行为为研究对象, 以早高峰通勤出行为例, 考虑不同出发时刻的乘客实际到站时刻与车辆到达时刻间的关系, 对乘客在接运公交线路站点的候车排队过程进行较为细致的定量描述, 改进了既有出行广义费用中对站点候车时间的计算方法, 建立了基于Logit-SUE的公交线路配流模型, 并通过算例与既有研究进行对比, 分析模型中时间步长t及乘客对路径阻抗感知系数θ对配流结果的影响.结果表明:模型中t的取值变化不会引发配流结果较大程度的改变.t越小, 对候车时间的计算越贴近现实情况, 当t增大到乘客可在一个时间步长内全部出发时, 配流结果与既有文献一致.同时, 模型中, 当θ较小时, 乘客对路径阻抗的感知与实际存在一定差距, 配流结果随机性较强; θ越大, 乘客对阻抗的感知越贴近现实, 实际阻抗越小的线路选择概率则越大.
关键词: 城市交通    接运公交    站点排队    客流分配    通勤出行    选择行为    
Passenger flow assignment model considering the queuing process of commuters at feeder bus stations
ZHANG Sijia1,2, JIA Shunping1,2, MAO Baohua1,2, MA Cunrui1,2, WANG Yuqiong1,2    
1. MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology (Beijing Jiaotong University), Beijing 100044, China;
2. School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China


Abstract: To accurately describe features of passengers' route choice behaviors of feeder bus lines, this research took the commuting trips during morning peak period under a typical commuting OD as study object, and established a passenger flow assignment model based on Logit-SUE model, which considers the relationship between the actual arrival time of passengers and the arrival time of vehicles. This model proposed a detailed quantitative description of the passengers' queuing process at bus stations and improved the existing calculation method of waiting time at bus stations in the generalized travel cost measuring. Then the feasibility of the model was verified by comparison with previous studies, and the influences of the time step length t and passengers' perception coefficient of the path cost θ on the choice probabilities of different bus lines were analyzed. Results indicated that the modelling results will not have a big change when t changes. Smaller t leads to more accurate calculation results of waiting time. If all the commuters start at time t, the model results in this paper correspond with that of the previous studies. However, when θ is small, there is a certain gap between the passenger perceived route costs and the actual costs. Big θ makes passengers feel closer to the reality of impedance so when θ is bigger, the choice probabilities of feeder bus lines with low costs are bigger.
Keywords: urban traffic    feeder bus    queuing process at stations    passenger flow assignment    commuting trip    choice behavior    
随着我国大城市建设的不断推进, 职住分离的现象越发普遍, 通勤距离不断扩大, 轨道交通和常规公交在通勤出行方式中逐渐占据主导地位.同时, 新规划中居民住宅用地逐渐由分散化向集中化转移.因此, 在城市交通拥堵问题日益凸显的背景下, 研究典型大客流通勤OD间乘客在高峰时段对接运轨道交通的公交线路的选择行为特性, 对于管理者通过运营手段最大化公交网络运输效率具有重要意义.

既有研究中, 对公交线网中乘客出行费用的描述, 均基于一个重要假设, 即所有乘客在车站的等车时间均为发车间隔的一半或是选取随机数[1-4], 不考虑乘客在车站的排队现象, 与实际可能存在一定偏差.对公交车站的排队拥挤及能力限制的研究中, 文献[5]最先考虑拥挤条件下公交车辆能力与乘客等车时间之间的关系, 但其模型缺乏普适性.文献[6-7]用不同的模型描述了拥挤条件下的公交配流问题, 但其模型均假设乘客在车站的等车时间不受乘客流量的影响, 并不能反映实际情况.文献[8]等考虑了乘客在站点的排队延误时间, 但未考虑出发时刻对延误时间的影响.文献[9]考虑了车站排队拥挤现象, 设非延迟乘客和延迟乘客在站点的等待时间分别为发车间隔的一半和1.5倍, 未考虑乘客实际的到站时刻与车辆到达时刻间的动态关系.本文在既有研究的基础上, 考虑了不同出发时刻导致的乘客实际到站时刻与车辆到达时刻间的关系, 对乘客在站点的排队等待过程较为细致的定量描述, 并与既有研究进行对比, 验证了模型的可行性和有效性.

1 构建乘客出行时空网络 1.1 通勤乘客出行网络研究对象为大城市典型通勤OD间、需求为Q的通勤者群体.高峰时段, Q个个体均选择公交换乘轨道的方式, 由O出发, 选择接运范围内m个轨道交通站点的m条接运公交线路, 由于一个轨道交通站点可能存在多条接运公交线路, 则mm.设个体由O点出发到达公交线路k的上车站点为Bk, k=1, 2, …, m, 下车站点为${B_{\tilde k}}$, $\tilde k = \tilde 1, \tilde 2, \cdots , \tilde m$, 与站点${B_{\tilde k}}$存在换乘的轨道交通站点为Rk, k=1, 2, …, m.由于Q个个体均来自同一方向, 因此设所有个体均以同一轨道交通站点为D点.通勤乘客出行网络如图 1所示.

Fig. 1
图 1 通勤出行网络示意图 Fig. 1 Diagram of the commuting travel network


1.2 乘客出行时空路径设Q个个体中, 选择接运公交线路k的乘客数量为qk, 则$\sum\limits_{k = 1}^m {{q_k} = Q} $.将qk个个体按出发时刻先后分别编号为nk(如:43代表选择线路3且第4个从O点出发的个体), 其中n=1, 2, …, qk.设Q个个体在时段0~T中全部出发, 且随时间出发的乘客数量服从正态分布规律, 均值为0.5T, 方差为δ2.个体nk的出行路径如图 2所示.

Fig. 2
图 2 乘客nk出行时空路径示意图 Fig. 2 Diagram of the travel route of passenger nk


1) 网络中的重要节点. a)初始节点O表示个体nk的出发节点, 设出发时刻为t1nk.b)公交上车站点Bk表示个体nkO点出发后到达公交线路k的上车站点.到达Bk的时刻为t2nk, 离开Bk的时刻为t3nk.将t21k时刻后顺序到达Bk的公交车辆分别编号为b1k, b2k, …, bnk, n为时段0~T中可到达的公交车辆最大编号, 由时段0~T、公交线路发车间隔fk等因素决定.将t2nk时刻后第1辆到达Bk的公交车辆编号为bak, a=1, 2, …, n.c)公交下车站点${B_{\tilde k}}$表示个体nk乘坐线路k的下车站点, 设其到达${B_{\tilde k}}$的时刻为t4nk.d)轨道交通换乘站点Rk表示个体nk从站点${B_{\tilde k}}$下车后换乘到达的轨道交通站点, 设由站点Rk乘坐轨道交通车辆出发的时刻为t5nk.e)终到节点D表示个体nk的目的轨道交通站点, 到达时刻为t6nk.

2) 时空节点间的弧段.a)步行弧T1nk表示个体nk从节点OBk的步行时间, T1nk=t2nk-t1nk.b)公交车站排队等待弧T2nk表示个体nk在站点Bk的等待时间, T2nk=t3nk-t2nk.c)接运公交乘车弧T3nk表示个体nk在站点Bk至站点${B_{\tilde k}}$的乘车时间, T3nk=t4nk-t3nk.d)换乘弧T4nk表示个体nk由公交车站${B_{\tilde k}}$下车至由轨道站点Rk乘车离开的时间, T4nk=tnk5-tnk4.e)轨道交通乘车弧T5nk表示个体nk在轨道线路内乘车时间, T5nk=tnk6-tnk5.

2 考虑站点排队的路径费用模型 2.1 乘客出行路径费用组成乘客nk的出行费用wnk由时空网络中的5类弧段所对应的出行时间费用及票价费用组成, 即由弧段T1nk~T5nk所对应的时间费用w1nk~w5nk和公交与轨道交通综合票价费用w6nk组成, 即

${w^{{n^k}}} = w_1^{{n^k}} + w_2^{{n^k}} + w_3^{{n^k}} + w_4^{{n^k}} + w_5^{{n^k}} + w_6^{{n^k}}.$

式中:w1nk由乘客从OBk的步行距离l1k、乘客步行速度v1及时间费用换算系数λ确定, 即w1nk=λTnk1=λl1k/v1w2nku和时间费用换算系数λ确定, 即w2nk=λTnk2=λu,其中u为乘客在站点候车时间费用函数;w3nk由乘客从站点Bk${B_{\tilde k}}$间乘车距离l2k、公交车旅行速度v2、乘客对乘车拥挤费用感知系数ρ及时间费用换算系数λ确定, 即w3nk=λT3nk=λ(1+ρ)l2k/v2,其中ρ与乘客在公交车上是否有座有关, ρ=0表示上车有座, ρ=ε表示上车无座; w4nk${B_{\tilde k}}$下车至乘上Rk离开的换乘时间tk及时间费用换算系数λ确定, 即w4nk=λT4nk=λtkw5nk由乘客在轨道交通上的乘车距离l3k、轨道交通旅行速度v3及时间费用换算系数λ确定, 即w5nk=λT5nk=λl3k/v3w6nk由乘客在常规公交和轨道交通上的票价费用pbkprk共同确定, 即w6nk=pbk+prk.

2.2 考虑站点排队过程的候车时间函数u建立 2.2.1 既有文献对候车时间的描述既有文献中对乘客在公交车站的候车时间的描述大多简化为发车间隔的一半.文献[9]假设乘客的到达时间服从均匀分布, 当拥挤存在使乘客无法乘上即将到达的第1辆车, 则其必可乘上第2辆车.定义可乘上第1辆公交车的乘客为非延迟乘客, 其候车时间为0.5fk;因拥挤存在而仅能乘上第2辆车的乘客为延迟乘客, 其候车时间为1.5fk,即

$u\left( {{f_k}} \right) = \left\{ \begin{array}{l}0.5{f_k},q' = 0;\\1.5{f_k},q' \ne 0.\end{array} \right.$

式中fk为公交发车间隔, q为延迟乘客数量.

而在实际情况中, 乘客到达时刻是不均匀的, 乘客在车站的候车时间将与出发时刻、到达时刻、公交线路发车间隔、车站排队情况等有关, 将候车时间简化为发车间隔的倍数, 可能导致乘客出行费用与实际存在较大偏差.

2.2.2 本文对候车时间的描述设乘客1k到站点Bk时距离编号为b1k的公交车辆到达站点时间刚好为0.5fk.当乘客步行到达站点Bk时, 需判断该公交站点的节点状态, 并以此对等车时间函数u进行如下描述.

1) 车辆编号的判断.设个体nk步行至站点Bk时距离时刻t21k的时间为Δtnk, Δtnk=t2nk-t21k.乘客到达站点Bk时, 需判断此时即将达到的公交车辆编号bak, 如图 3所示.

Fig. 3
图 3 乘客nk到达Bk站点状态示意图 Fig. 3 Diagram of the note state when passenger nk arrives at the bus station Bk


2) 节点状态的判断.除车辆编号外, 乘客到达时, 还应判断该站点的节点状态, 即乘客能够乘上即将到达的第几辆公交车.设μak为到达Bk的公交车bak的满载率.Nnk为0至t2nk时刻到达站点Bk的乘客总数, 包括之前时段Q个个体中选择线路k的人数及由其他出发源出发随机到达该站点的乘客人数.若公交车辆定员均为Z, 公交车辆最大满载率为h, 当乘客能够乘上第1辆即将到达的公交车bak时, 需满足Nnk-(h-μ1k)Z-(h-μ2kZ)-…-(h-μa-1k)Z≤(h-μak)Z.则有节点状态判断过程如图 4所示.因此, 得到u的计算公式为

$\begin{array}{l}u\left( {\Delta {t^{{n^k}}},{f_k},a,{N^{{n^k}}},\sum\limits_{j = 1}^{a - 1} {\mu _j^k} ,\mu _a^k,Z,h} \right) = \\\left\{ \begin{array}{l}\frac{{2a - 1}}{2}{f_k} - \Delta {t^{{n^k}}},{N^{{n^k}}} - \sum\limits_{j = 1}^{a - 1} {\left( {h - \mu _j^k} \right)Z} \le \left( {h - \mu _a^k} \right)Z;\\\frac{{2a + 1}}{2}{f_k} - \Delta {t^{{n^k}}},{N^{{n^k}}} - \sum\limits_{j = 1}^{a - 1} {\left( {h - \mu _j^k} \right)Z} > \left( {h - \mu _a^k} \right)Z.\end{array} \right.\end{array}$

Fig. 4
图 4 站点状态判断过程流程图 Fig. 4 Flow chart of the judge process for the station state


其中$\frac{{a - 1}}{2}{f_k} \le \Delta {t^{{n^k}}} \le \frac{a}{2}{f_k}$.

为保证无法乘坐即将到达的第1辆公交车的乘客可乘上第2辆车, 上式的约束条件为

$\begin{array}{l}{N^{{n^k}}} - \left( {h - \mu _1^k} \right)Z - \left( {h - \mu _2^k} \right)Z - \cdots - \left( {h - \mu _a^k} \right)Z \le \\\left( {h - \mu _{a + 1}^k} \right)Z.\end{array}$ (1)

3 基于Logit-SUE的公交线路配流模型设乘客从出发源O点相继出发, 设以t为时间步长, 将乘客划分为I份, 分别对数量为Qi的乘客进行I次配流, 且i=1, 2, …, I, Q1+Q2+…+QI=Q.

高峰时期的每个乘客将根据自身经验选择自己认为出行费用最少的公交接驳线路, 线路选择行为依然遵循Wardrop第一原理, 设第i次配流时OD对间公交线路k被选择的概率为αki, 每条线路上分配的流量为gki, 则

$\begin{array}{*{20}{c}}{g_k^i = \alpha _k^i{Q_i},\forall k,i;\sum\limits_{k = 1}^m {\alpha _k^i} = 1,\forall i;}\\{\sum\limits_{k = 1}^m {g_k^i} = {Q_i},\forall i;\sum\limits_{i = 1}^I {{Q_i}} = Q.}\end{array}$

运用Logit模型来描述乘客对常规公交线路的选择概率, 即当达到平衡状态时, 第i次配流时OD对间被选择的公交线路k上的乘客流量gki满足

$g_k^i = {Q_i} \times \frac{{\exp \left( { - \theta {w_k}} \right)}}{{\sum\limits_{j = 1}^m {\exp \left( { - \theta {w_j}} \right)} }}.$

其中θ为描述乘客对网络中路径费用感知程度的系数, θ取值越大, 模型配流的随机性越小, 当θ取值较大时, SUE配流趋近于UE配流[10].

根据文献[10], 构建基于Logit-SUE的公交线路配流模型为

$\min Y = \sum\limits_{i = 1}^I {\sum\limits_{k = 1}^m {\int_0^{g_k^i} {{w^{{n^k}}}\left( g \right){\rm{d}}g} } } + \frac{1}{\theta }\sum\limits_{i = 1}^I {\sum\limits_{k = 1}^m {g_k^i\ln g_k^i} } .$ (1)

${\rm{s}}.{\rm{t}}.:\sum\limits_{k = 1}^m {g_k^i} = {Q_i},$ (2)

$\sum\limits_{i = 1}^I {{Q_i}} = Q,$ (3)

$g_k^i \ge 0.$ (4)

其中优化模型(1)共分为两项, 前一项是对各出行线路的出行费用函数积分求和; 后一项与乘客感知相关.约束(2)为第i次配流的乘客总流量等于第i次配流中选择各路径的乘客流量之和; 约束(3)为第1~I次配流的乘客流量总和等于系统总乘客流量Q.

下面证明模型与SUE条件之间的等价性.首先构造模型的广义拉格朗日函数:

$L\left( {g,\kappa } \right) = Y\left( g \right) - \sum\limits_{i = 1}^I {{\kappa _i}\left( {\sum\limits_{k = 1}^m {g_k^i} - {Q_i}} \right)} .$ (5)

可写出优化模型(1)~(4)Kuhn-Tucker条件:

$g_k^i\left( {{w^{{n^k}}} + \frac{1}{\theta }\left( {\ln g_k^i + 1} \right) - {\kappa _i}} \right) = 0,$ (6)

${w^{{n^k}}} + \frac{1}{\theta }\left( {\ln g_k^i + 1} \right) - {\kappa _i} \ge 0,$

$\sum\limits_{k = 1}^m {g_k^i} = {Q_i},g_k^i \ge 0.$

其中κi为对应于式(2)的K-T乘子.

gki>0时, 式(6)可化简为

${w^{{n^k}}} + \frac{1}{\theta }\left( {\ln g_k^i + 1} \right) - {\kappa _i} = 0,\forall i.$

解得gki, 并代入式(2)中, 可得到Logit模型为

$g_k^i = {Q_i}\frac{{\exp \left( { - \theta {w^{{n^k}}}} \right)}}{{\sum\limits_{k = 1}^m {\left( { - \theta {w^{{n^k}}}} \right)} }}.$

以步长时间t为单位, 对乘客需求Q在出发总时间T内进行T/t次(T/t=I)配流, 每次配流均遵循上述SUE配流模型, 并运用MSA算法进行求解, 最终得到乘客需求Qm条线路的选择结果.

4 算例分析 4.1 模型参数算例中, 通勤出行网络包含4条接运公交线路, 即m=4, 如图 5所示, 各出行路径基本信息见表 1.

Fig. 5
图 5 算例中接运网络示意图 Fig. 5 Diagram of the feeder bus network in the case


表 1
表 1 4条出行路径信息表 Tab. 1 Input data of the four routes kfk/minl1k/ml2k/mtk/minl3k/m(pbk+prk)/元

154023 000126 5005

2105212 10086 0505

386772 20095 0004

497051 80065 5004



表 1 4条出行路径信息表 Tab. 1 Input data of the four routes


根据实地调研结果和文献[11-12], 模型中v1=1.5 m/s, v2=22 km/h, Z=75人, T=30 min.以t=5 min为例, 则I=6;参考既有文献, 算例中, v3=35 km/h[13], h=1[13]; θ=2[10], λ=0.2元/min[13], ε=0.4[14].

4.2 结果与分析分别按本文及文献[9]提出的方法对典型OD下的200个通勤乘客进行流量分配, 由于车辆达到站点的满载率及每个步长内从其他出发源到达站点的乘客数量均是随机的, 因此对此公交出行网络分别进行100次流量分配, 选取100次仿真结果的平均值见表 2.

表 2
表 2 乘客对不同公交线路的选择概率统计表 Tab. 2 Passenger choice probabilities of different bus lines 模型选择概率/%

k=1k=2k=3k=4

本文模型30.218.026.225.6

文献[9]模型19.523.526.530.5



表 2 乘客对不同公交线路的选择概率统计表 Tab. 2 Passenger choice probabilities of different bus lines


从表 2可知, 本文方法相比既有方法得到的乘客对4条公交线路的选择概率不同, 分别相差-10.7%、5.5%、0.3%、4.9%.以fk=9 min为例, 分析选择概率出现差异的原因.假设乘客在时刻5到达线路4的公交站点, 则两种方法得到的站点候车时间如图 6、7所示.

Fig. 6
图 6 fk=9 min时文献[9]中站点候车时间示意图 Fig. 6 Diagram waiting time at station in Ref. [9] (fk=9 min)


Fig. 7
图 7 fk=9 min时本文站点候车时间示意图 Fig. 7 Diagram of waiting time at station in this research (fk=9 min)


由于乘客1k到达该节点的时刻为t21k, 当fk=9 min时, 公交车b1k到达站点的时刻为t21k+4.5, 公交车b2k到达站点的时刻为t21k+13.5, 公交车b3k到达站点的时刻为t21k+22.5, 以此类推.考虑站点排队及公交车上的乘客满载率前提下, 当乘客在时刻t21k+5到达时, 文献[9]方法:对于非延迟乘客, 其在站点的候车时间为0.5fk, 即4.5 min; 对于延迟乘客, 其在站点的候车时间为1.5fk, 即13.5 min.本文方法:考虑了乘客到达站点的实际时刻与车辆到达时刻间的动态关系, 若乘客可乘上即将到达的第1辆公交车, 其在站点的候车时间实际为8.5 min; 若由于站点及公交车容量限制导致其仅能乘上第2辆公交车时, 其在站点的候车时间则实际为17.5 min.

对于既有方法, 忽略了乘客在公交站点的实际到站时刻与车辆达到时刻间的关系, 采用0.5fk(或1.5fk)简化代替车站等待时间, 即削弱了发车间隔对乘客选择概率的影响程度.本文方法更加细致的刻画了乘客在站点的实际等待时间, 配流结果更符合实际情况.由表 2可知, 本文方法得到的4条接运线路的选择概率p1>p3>p4>p2, 而f1 < f3 < f4 < f2, 可知乘客更倾向于选择发车间隔更小的线路.

4.3 重要参数灵敏度分析1) t对选择概率的影响.改变t的取值, 研究本文方法中时间步长对接运公交线路乘客选择概率的影响, 如图 8所示.当t由5 min逐渐增加至30 min时, 乘客对接运公交线路的选择概率整体变化较小, 4条接运常规公交线路乘客选择概率随t变化的标准差值分别为0.042、0.016、0.006、0.024, 均小于0.05, t的取值不会引发配流结果较大程度的改变.文中假设乘客在30 min内全部出发, 因此, 当t较小时, 得到更加细化的配流结果, 而当t增加至30 min时, 配流结果与文献[9]一致, 证明了模型的准确性.

Fig. 8
图 8 t对乘客选择概率的影响 Fig. 8 Effect of t on choice probabilities


2) θ对选择概率的影响.在乘客流量分配模型中, 参数θ是描述乘客对网络中路径费用感知程度的变量, 其值越大, 乘客的感知结果与实际的路径费用越贴近.θ对接运公交线路乘客选择概率的影响如图 9所示.由图可知, 当θ较小时, 乘客感知到的各接运线路的路径阻抗与其实际阻抗存在一定差距, 配流结果随机性较强; 而随着θ的逐渐增大, 乘客对路径阻抗的感知与现实越来越贴近, 乘客均倾向于选择实际阻抗较小的接运线路, 阻抗较小的线路选择概率逐渐增大, 而阻抗相对较大的线路选择概率则存在逐渐减小的趋势.

Fig. 9
图 9 θ对乘客选择概率的影响 Fig. 9 Effect of θ on choice probabilities


5 结论1) 模型在大城市典型通勤OD间具有较为广泛的适用性, 考虑乘客在公交站点的排队情况, 从而更加细致地计算乘客在公交站点的等待时间, 将有助于得到更精确的客流分配结果, 为公交管理者更好的规划接运公交线路提供理论依据.

2) 模型中, t的取值变化不会引发配流结果较大程度的改变, t越小, 乘客候车时间的计算结果越贴近现实情况, 当t增大到步长时间内乘客可全部出发时, 配流结果与既有文献一致.

3) 模型中, 当θ较小时, 乘客对阻抗的感知与实际存在一定差距, 配流结果随机性较强; θ越大, 乘客对阻抗的感知越贴近现实, 实际阻抗越小的线路选择概率则越大.


参考文献
[1] 巫威眺, 靳文舟, 魏明, 等. 配合区间车的单线公交组合调度模型[J]. 华南理工大学学报(自然科版), 2012, 40(11): 147.
WU Weitiao, JIN Wenzhou, WEI Ming, et al. Mixed scheduling model of single-line bus for zonal vehicles[J]. Journal of South China University of Technology (Natural Science Edition), 2012, 40(11): 147. DOI:10.3969/j.issn.1000-565X.2012.11.022


[2] 赵淑芝, 刘华胜, 张晓亮, 等. 轨道与常规公交局域换乘网络站点优化模型[J]. 哈尔滨工业大学学报, 2014, 46(12): 96.
ZHAO Shuzhi, LIU Huasheng, ZHANG Xiaoliang, et al. Station optimization in local transfer network of rail transit and bus[J]. Journal of Harbin Institute of Technology, 2014, 46(12): 96. DOI:10.11918/j.issn.0367-6234.2014.12.016


[3] 宗芳, 王琳虹, 贾洪飞. 综合客运枢纽内各方式协调调度模型[J]. 华南理工大学学报(自然科学版), 2010, 38(3): 53.
ZONG Fang, WANG Linhong, JIA Hongfei. Heuristic algorithm to solve vehicle routing problem with split pickups and deliveries[J]. Journal of South China University of Technology (Natural Science Edition), 2010, 38(3): 53. DOI:10.3969/j.issn.1000-565X.2010.03.010


[4] 曾鹦, 李军, 朱晖. 换乘行为影响下的城市公交配流算法[J]. 交通运输工程学报, 2013, 13(4): 70.
ZENG Ying, LI Jun, ZHU Hui. Urban public traffic assignment algorithm under influence of transfer behavior[J]. Journal of Traffic and Transportation Engineering, 2013, 13(4): 70. DOI:10.3969/j.issn.1671-1637.2013.04.011


[5] LAST A, LEAK S E. Transportation :a bus model[J]. Traffic Engineering and Control, 1976(6): 14.


[6] SPIESS H, FLORIAN M. Optimal strategies: a new assignment model for transit network[J]. Transportation Research, 1989, 23B: 83.


[7] NGUYEN S, PALLOTINO S. Equilibrium traffic assignment for large scale transit networks model[J]. European Journal of operation research, 1988, 37: 176. DOI:10.1016/0377-2217(88)90327-X


[8] 宋一凡, 高自友. 能力限制条件下的公交平衡配流模型和求解算法[J]. 铁道学报, 1999, 1(5): 10.
SONG Yifan, GAO Ziyou. A transit equilibrium assignment model and algorithm under the condition of capacity constraint[J]. Journal of the China Railway Society, 1999, 1(5): 10. DOI:10.3321/j.issn:1001-8360.1999.05.003


[9] 高自友, 任华玲, 林兴强. 拥挤条件下公交系统的拟动态均衡配流模型[J]. 交通运输系统工程与信息, 2002, 2(2): 38.
GAO Ziyou, REN Hualing, LIN Xingqiang. A time-dependent transit equilibrium assignment model for congested transit network[J]. Journal of Transportation Systems Engineering and Information Technology, 2002, 2(2): 38. DOI:10.3969/j.issn.1009-6744.2002.02.010


[10] 李远, 四兵锋, 杨小宝, 等. 考虑换乘费用的城市公交网络随机用户均衡配流模型及算法[J]. 系统工程理论与实践, 2014, 34(8): 2127.
LI Yuan, SI Bingfeng, YANG Xiaobao, et al. A stochastic user equilibrium model and algorithm for urban transit network with transfer cost[J]. Systems Engineering - Theory & Practice, 2014, 34(8): 2127. DOI:10.12011/1000-6788(2014)8-2127


[11] 李淑庆, 李哲, 朱文英. 一体化公交网络均衡配流模型[J]. 交通运输工程学报, 2013, 13(1): 62.
LI Shuqing, LI Zhe, ZHU Wenying. Equilibrium assignment model of integrated transit network[J]. Journal of Traffic and Transportation Engineering, 2013, 13(1): 62. DOI:10.3969/j.issn.1671-1637.2013.01.010


[12] 城市建设研究院. 城市公共交通分类标准[M]. 北京: 中国建筑工业出版社, 2007.
Urban Construction Design & Research Institute. Standard for classification of urban public transportation[M]. Beijing: China Building Industry Press, 2007.


[13] 孙杨, 孙小年, 孔庆峰, 等. 轨道交通新线投入运营下常规公交网络优化调整方法研究[J]. 铁道学报, 2014, 36(3): 1.
SUN Yang, SUN Xiaonian, KONG Qingfeng, et al. Methodology ofbus network optimization and adjustment under operation of new urban rail transit line[J]. Journal of the China Railway Society, 2014, 36(3): 1. DOI:10.3969/j.issn.1001-8360.2014.03.001


[14] 邵敏华, 李田野, 孙立军. 常规公交乘客对车内拥挤感知阻抗调查与建模[J]. 同济大学学报(自然科学版), 2012, 40(7): 1031.
SHAO Minhua, LI Tianye, SUN Lijun. Survey method and model of passengers' cost perception of crowding level in bus[J]. Journal of Tongji University (Natural Science), 2012, 40(7): 1031. DOI:10.3969/j.issn.0253-374x.2012.07.012



相关话题/文献 北京交通大学 北京 过程 技术

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 基于声发射技术的单丝复合材料界面性能研究
    基于声发射技术的单丝复合材料界面性能研究隋晓东1,吴凯文2,李烨2,李珂1,肇研2(1.沈阳飞机设计研究所结构部,沈阳110035;2.北京航空航天大学材料科学与工程学院,北京100191)摘要:为了克服传统单丝断裂实验局限于透明及高应变树脂的缺点,进一步拓展其应用范围,将声发射技术与传统单丝断裂实 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 热轧过程中高纯钴微观组织及织构演变
    热轧过程中高纯钴微观组织及织构演变李震1,宋克睿1,韩彦鹏1,肖柱1,贺昕2,陈志永1(1.中南大学材料科学与工程学院,长沙410083;2.北京有色金属研究总院有研亿金新材料股份有限公司,北京102200)摘要:金属钴具有同素异构转变特性。为探究热轧工艺对高纯钴的微观组织及织构演变规律的影响,对纯 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • AZ31B镁合金带材热轧过程组织均匀性及性能研究
    AZ31B镁合金带材热轧过程组织均匀性及性能研究曹东东1,2,梅瑞斌1,2,包立1,侯铮1,黄芸1(1.东北大学秦皇岛分校资源与材料学院,河北秦皇岛066004;2.东北大学材料科学与工程学院,沈阳110819)摘要:本文开展了变形温度为300、350、400℃和总压下率分别为15%、30%、45% ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 薄板焊接变形中频感应矫正技术
    薄板焊接变形中频感应矫正技术刘海华,白云龙,李亮玉,陈豪杰,王力斌(天津市现代机电装备技术重点实验室(天津工业大学),天津300387)[HJ1.8mm]摘要:目前针对船舶上层建筑中的薄板焊接变形矫正主要采用火焰矫正法,但此种方法效率低、操作安全性差,且难以实现自动化.为了更好地实现薄钢板焊接变形感 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 汽车轻量化技术的研究现状综述
    汽车轻量化技术的研究现状综述李光霁,刘新玲(上海应用技术大学机械工程学院,上海201418)摘要:近年来汽车行业的科技水平发展程度逐渐提高,汽车行业进入高速发展阶段,然而随之而来的环境和能源问题也日趋加重。轻量化技术变成了各个汽车企业提升市场竞争力的关键,作者根据近些年来汽车轻量化技术现状进行综述, ...
    本站小编 哈尔滨工业大学 2020-12-05
  • DNA存储中的编码技术
    DNA存储中的编码技术毕昆,顾万君,陆祖宏(生物电子学国家重点实验室(东南大学,生物科学与医学工程学院),南京210096)摘要:脱氧核糖核酸(DeoxyribonucleicAcid,DNA)是一种天然的信息存储介质,具有存储密度高、存储时间长、损耗率低等特点。在传统存储方式不能满足信息增长的需求 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 文本分析技术在蛋白质生物信息学中应用的案例综述
    文本分析技术在蛋白质生物信息学中应用的案例综述苏绍玉1,徐婧2,鄢仁祥2(1.福建省科学技术信息研究所,福州350003;2.福州大学生物科学与工程学院,福州350100)摘要:海量数据时代考察文本分析技术在生物信息学领域的应用具有重要的理论和现实价值。本文讨论了文本分析在蛋白质计算分析中的几个应用 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 考虑高温水泄漏影响的凝水泵启动过程仿真分析
    考虑高温水泄漏影响的凝水泵启动过程仿真分析覃海波,金家善,倪何(海军工程大学动力工程学院,武汉430033)摘要:针对某船用给水机组凝水泵在备用状态和备用转换启动过程中,由于高温除氧水进入凝水泵及其吸入管路而在机组启动后发生汽蚀,导致凝水泵出口压力长时间达不到规定要求的问题,在基于差异演化算法辨识得 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 污水生物处理过程中溶解性有机氮分布和转化特征
    污水生物处理过程中溶解性有机氮分布和转化特征王小东1,陈明飞1,王子文1,王燕1,王硕1,2,3,李激1,2,3(1.江南大学环境与土木工程学院,江苏无锡214122;2.江苏省厌氧生物技术重点实验室(江南大学),江苏无锡214122;3.江苏省高校水处理技术与材料协同创新中心,江苏苏州215009 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • GNSS接收机导航滤波器辅助捕获技术
    GNSS接收机导航滤波器辅助捕获技术赵琳,罗治斌,丁继成,吴谋炎(哈尔滨工程大学自动化学院,哈尔滨150001)摘要:为了充分利用GNSS接收机导航滤波器先验信息对基带信号处理过程的捕获进行辅助,以提高捕获速度及灵敏度,以北斗B1I信号为研究对象,开展GNSS接收机导航滤波器辅助估计伪码相位、载波多 ...
    本站小编 哈尔滨工业大学 2020-12-05