基于人群分類的城市公交走廊客流分配模型

狄　迪， 楊東援

(同濟(jì)大學(xué) 交通運(yùn)輸工程學(xué)院, 上海 201804)

?

基于人群分類的城市公交走廊客流分配模型

狄迪， 楊東援

(同濟(jì)大學(xué) 交通運(yùn)輸工程學(xué)院, 上海 201804)

在隨機(jī)用戶均衡理論基礎(chǔ)上，在靜態(tài)均衡模型中引入時(shí)間變量及人群屬性分類，建立基于人群分類的城市公交走廊動(dòng)態(tài)客流分析模型，描述了走廊內(nèi)出行者對(duì)于出發(fā)時(shí)刻和路徑的選擇問題，并分析不同人群的行為差異.給出了模型的基本假設(shè)及求解算法.研究結(jié)果表明，模型的動(dòng)態(tài)化及人群分類特征，不僅能夠真實(shí)反映走廊內(nèi)不同屬性客流的時(shí)空分布情況，還能夠仿真不同交通措施的作用及效果.算例通過(guò)采取錯(cuò)峰上班及調(diào)整票價(jià)，使高峰時(shí)刻走廊斷面客流下降24%；選擇軌道交通的客流由82%下降71%，選擇巴士交通的客流由11%提升至20%，有效降低了公交走廊的交通負(fù)荷，并使各方式分擔(dān)率更加均勻.此動(dòng)態(tài)客流分析模型為城市公交走廊的功能優(yōu)化提供了有力工具.

公交走廊； 客流； 人群分類； 動(dòng)態(tài)分配； 時(shí)空分布

在過(guò)去的數(shù)十年里，伴隨經(jīng)濟(jì)增長(zhǎng)和人口膨脹，許多亞洲城市的交通出行量快速增長(zhǎng)，交通擁堵情況日益嚴(yán)重.為了應(yīng)對(duì)這一問題，這些城市通過(guò)設(shè)置以軌道交通為主體、常規(guī)巴士為輔助的公共交通走廊，對(duì)客流進(jìn)行快速疏解和分流.因此，提高公交走廊的運(yùn)輸效率已成為這些城市的重大課題，對(duì)走廊內(nèi)客流的合理分析成為制定改善措施的主要依據(jù).

客流分析的目的是了解客流的時(shí)-空分布，其本質(zhì)是客流的分配問題.最早的客流均衡分配起源于Wordrop所提出均衡分配原理；Dafermos研究了非對(duì)稱型網(wǎng)絡(luò)費(fèi)用下的客流分配問題，提出了非線性互余模型和變分不等式模型[1]；Sheffi提出基于固定需求的分布-分配組合用戶平衡模型[3]；Magnanti等對(duì)靜態(tài)非對(duì)稱型網(wǎng)絡(luò)客流分配問題進(jìn)行深入研究，給出了變分不等式的統(tǒng)一幾何解法[3].必須指出，上述模型僅能研究靜態(tài)交通網(wǎng)絡(luò)的客流分配問題，即只能反映客流在網(wǎng)絡(luò)中的空間分布.這是由于這些模型不含時(shí)間維度，無(wú)法描述時(shí)間與客流出行的相互關(guān)系；而現(xiàn)實(shí)中，不同時(shí)段的客流出行分布差別極大.

因此，關(guān)于動(dòng)態(tài)客流分配的研究逐漸出現(xiàn).其數(shù)學(xué)規(guī)劃模型研究源于Merchant和Nemhauser提出的動(dòng)態(tài)交通分配模型[4]；Carey證明該模型滿足線性無(wú)關(guān)的約束，并將其改進(jìn)為非線性凸規(guī)劃模型[5]；Birge和Ho將M-N模型推廣到隨機(jī)的情形中[6]；Ziliaskopoulos提出了單一終點(diǎn)的隨機(jī)動(dòng)態(tài)線性規(guī)劃模型[7].與靜態(tài)模型相比，現(xiàn)有動(dòng)態(tài)分配模型能夠描述客流在網(wǎng)絡(luò)內(nèi)的時(shí)-空分布，但未能考慮出行人群的分類問題，由此產(chǎn)生出行行為的差異化，使分配結(jié)果與現(xiàn)實(shí)存在較大誤差.

Johansson等研究了出行者的社會(huì)經(jīng)濟(jì)屬性、態(tài)度偏好等因素對(duì)選擇交通方式的影響，并獲得各因素的影響權(quán)重[8].Domarchi等則針對(duì)大學(xué)教師這一特定出行人群，研究了影響其選擇交通方式的因素，并與其他人群的選擇行為進(jìn)行了類比[9].Choo和Mokhtrian則研究了不同人群的社會(huì)經(jīng)濟(jì)屬性、生活態(tài)度等因素對(duì)其選擇行為的影響[10].不難看出，不同類別的出行者由于社會(huì)經(jīng)濟(jì)屬性或性格偏好方面的差異，出行行為存在顯著區(qū)別，這一影響因素難以忽視.

本文對(duì)以往研究成果做了進(jìn)一步拓展，具體包括：① 在以往靜態(tài)均衡模型中引入時(shí)間變量及人群屬性分類，構(gòu)建基于人群分類的動(dòng)態(tài)客流分配模型；② 依據(jù)不同影響因素構(gòu)造基于時(shí)刻選擇和路徑選擇的負(fù)效用模型，并與現(xiàn)實(shí)情況一致；③ 設(shè)計(jì)了客流分析模型的基本假設(shè)和求解算法；④ 以客流分析模型作為工具，通過(guò)算例仿真客流在走廊的分配及改善措施的效果.

1　人群屬性分類

城市公交走廊內(nèi)的客流具有多樣性，不同人群的出行行為千差萬(wàn)別.因此，研究城市公交走廊內(nèi)客流的時(shí)空分布及演化規(guī)律，需要依據(jù)不同屬性將客流劃分為多類人群.

劃分人群類別的指標(biāo)有很多，包含社會(huì)經(jīng)濟(jì)屬性、性格偏好、出行目的等多個(gè)類別.本文在結(jié)合實(shí)際問卷調(diào)查(軌道交通700份，常規(guī)巴士300份)的基礎(chǔ)上，將工作類型、收入水平及出行目的作為人群分類的基本依據(jù)，這3個(gè)指標(biāo)對(duì)人們?cè)诔霭l(fā)時(shí)刻、方式選擇上有重要影響.首先，工作類型決定出行者對(duì)于行程時(shí)間穩(wěn)定性的要求，例如固定職業(yè)者與自由職業(yè)者相比，對(duì)于穩(wěn)定出行時(shí)間的訴求要高得多.其次，收入水平?jīng)Q定了出行者對(duì)于出行費(fèi)用的承受能力，一般而言，低收入人群對(duì)于票價(jià)的敏感程度遠(yuǎn)高于高收入人群.再次，出行目的決定人們對(duì)于行程時(shí)間穩(wěn)定性、舒適性等方面的敏感程度，在調(diào)查中可以得知，以通勤為目的的出行者往往極為追求行程時(shí)間的穩(wěn)定性，而以旅行、購(gòu)物為目的的出行者則將出行的舒適性放在首位.基于以上分析，將出行人群分為藍(lán)領(lǐng)工人、白領(lǐng)職員以及個(gè)體商人3類.

此次問卷調(diào)查發(fā)現(xiàn)，工作通勤客流在早高峰時(shí)段占出行客流的絕大多數(shù)，這與上海市公交客流統(tǒng)計(jì)情況一致，由此本文將研究聚焦于工作通勤人群，并以此分類.但值得注意的是，如果需要考慮更全面的客流出行，可以將客流分為通勤、通學(xué)以及自由客流等大類；若按出行目的進(jìn)行分類，客流還可以分為上班/學(xué)、旅行、購(gòu)物人群等.由此可知，人群分類的本質(zhì)應(yīng)由研究目的決定，并在之前的問卷調(diào)查中予以考慮.

2　模型建立

在建立客流分析模型前，需要明確兩個(gè)基本概念.在本文研究的公交走廊內(nèi)，出行路徑指乘客由起點(diǎn)至終點(diǎn)的出行軌跡，由一系列節(jié)點(diǎn)組成.出行路徑段指連接出行路徑上任意兩個(gè)連續(xù)節(jié)點(diǎn)的部分，即出行路徑是由若干條出行路徑段組合而成.

2.1模型基本假設(shè)

出行者對(duì)出發(fā)時(shí)間的選擇是預(yù)出行決策，即出行者在出發(fā)前選擇出行時(shí)間.該假設(shè)已經(jīng)被許多以前的相關(guān)研究所采用，如Lam等[11]和Li等[12].

軌道交通列車按圖行車，行程時(shí)間及候車時(shí)間在本研究中假設(shè)是確定的；常規(guī)巴士受到道路交通環(huán)境影響，在本研究中假設(shè)其存在不確定性.

2.2出行時(shí)刻選擇模型

多項(xiàng) Logit 模型經(jīng)常被用來(lái)研究人們的出行行為[13].因此，本文使用多項(xiàng)Logit模型來(lái)研究不同人群對(duì)出發(fā)時(shí)間的選擇決策，有

?r∈R, s∈S, m∈M, t∈T

(1)

?r∈R, s∈S, m∈M, t∈T

(2)

式中：T為可能的出行時(shí)段；R為出行起點(diǎn)集合；S為出行終點(diǎn)集合；M為出行人群分類的集合；qrs,m(t)為任意OD對(duì)間第m類人選擇t時(shí)刻出行的客流量；qrs,m為第m類人在任意OD對(duì)間的總客流量；Ct,m為第m類人t時(shí)刻的出行負(fù)效用；λm為第m類人對(duì)選擇路徑的熟悉程度和對(duì)出行負(fù)效用的理解水平.

本文主要考慮了到達(dá)目的地的實(shí)際時(shí)間與預(yù)期時(shí)間的誤差(早到或遲到)對(duì)于人們選擇出發(fā)時(shí)刻的影響，并以此構(gòu)建基于出行時(shí)刻選擇的負(fù)效用模型

(3)

式中：φl(shuí),m(Ts+Tw+τ(t))為時(shí)段Ts+Tw+τ(t)第m類人到達(dá)時(shí)刻誤差(早到或遲到)造成的損失；Ts為出行行程時(shí)間；Tw為出行候車時(shí)間.到達(dá)時(shí)刻誤差造成的負(fù)效用函數(shù)如下：

(4)

式中：pm為第m類人的單位時(shí)間早/遲到懲罰基準(zhǔn)量；t*為上班的準(zhǔn)點(diǎn)時(shí)間；[t*-Δs,m,t*+Δs,m]為第m類人可容忍延誤懲罰的到達(dá)時(shí)間窗，如圖1所示；β1,m和β2,m分別為第m類人早到和遲到的單位時(shí)間延誤懲罰系數(shù).

圖1　出行者到達(dá)目的地時(shí)刻與懲罰成本關(guān)系Fig.1　Arrival time of passengers vs penalty cost

2.3出行路徑選擇模型

對(duì)于走廊內(nèi)不同人群的路徑選擇問題，本文基于隨機(jī)用戶均衡分配(SUE)的理論，采用Probit模型構(gòu)建出行路徑選擇模型，包含路徑選擇、出行負(fù)效用兩個(gè)部分.

2.3.1路徑選擇

(1)當(dāng)選擇路徑為2條時(shí)，Probit模型為

(5)

式中：ρ12為兩變量的相關(guān)系數(shù);φ為標(biāo)準(zhǔn)正態(tài)分布函數(shù).

(2)當(dāng)選擇路徑數(shù)量大于2條時(shí)，路徑選擇問題可以通過(guò)式(5)擴(kuò)展得到

max(C1,m,C2,m,…，CA,m)=max{max…

max[max(C1,m,C2,m),C3,mm]…CA,m}

(6)

且有

(7)

式中：A為交通走廊內(nèi)各OD對(duì)間出行路徑集合；Pa,m為OD對(duì)間第m類人選擇路徑a的客流出行分擔(dān)比;Ca,m為第m類人在路徑a的出行負(fù)效用;Va,m為出行負(fù)效用的固定項(xiàng);σaj為不同出行路徑的負(fù)效用協(xié)方差;MVN代表多維正態(tài)分布(multivariate normal distribution).路徑a的負(fù)效用Ca,m為其各路徑段的負(fù)效用Cl,a,m構(gòu)成，則各路徑及路徑段的客流量為

(8)

?l∈L,m∈M,a∈A

(9)

式中：L為路徑段的集合；xa,m為第m類人在路徑a上的客流量；yl,m為路徑段l上的客流總量；當(dāng)路徑段l位于路徑a上時(shí)φl(shuí)a=1，否則為0.

2.3.2出行負(fù)效用

本文主要考慮了行程時(shí)間、候車時(shí)間、車內(nèi)擁擠度及票價(jià)等方面對(duì)于人們路徑選擇的影響，并以此構(gòu)建基于出行路徑選擇的負(fù)效用模型

(10)

式中：Z為出行時(shí)的車內(nèi)擁擠度；P為乘車票價(jià)；χm,γm分別為第m類人對(duì)于車內(nèi)擁擠度、票價(jià)敏感系數(shù)；為了計(jì)算方便，本文的負(fù)效用統(tǒng)一換算到以時(shí)間為量綱，則μ2為時(shí)間-金錢換算系數(shù)；α,β,γ,η均為各因素對(duì)于負(fù)效用影響權(quán)重參數(shù).

(1)車內(nèi)擁擠度模型

根據(jù)Wu等[14]和Lo等[15]的研究，車內(nèi)擁擠度與交通方式的發(fā)車頻率及載客人數(shù)有關(guān).此處采用BPR函數(shù)計(jì)算，并轉(zhuǎn)換為時(shí)間單位

?l∈L,v∈V

(11)

(2)行程時(shí)間模型

本文的出行者行程時(shí)間由兩部分構(gòu)成，即行駛時(shí)間和停站時(shí)間，即Ts=Ts1+Ts2，Ts為總行程時(shí)間，Ts1為行駛時(shí)間，Ts2為停站時(shí)間.此處，軌道交通行駛時(shí)間及停站時(shí)間確定，可參照運(yùn)營(yíng)時(shí)刻表；常規(guī)公交行駛時(shí)間及停站時(shí)間存在不確定性，有

(12)

(13)

式中：E(Ts1)，ξs1和E(Ts2)，ξs2分別為Ts1，Ts2的均值和方差；f(ξs1)，f(ξs2)均為衡量服務(wù)水平不可靠性函數(shù).

(3)候車時(shí)間模型

站點(diǎn)的平均候車時(shí)間由兩部分構(gòu)成：車輛正常到達(dá)等待時(shí)間；因客流過(guò)大造成的推遲延誤時(shí)間.類似于de Cea等[16]和Lo等[17]的研究，采用BPR函數(shù)來(lái)構(gòu)造候車時(shí)間負(fù)效用模型，有

(14)

(15)

式中：Tw l為在交通方式v某一站點(diǎn)的平均等待時(shí)間；T為研究的時(shí)域；λ,δ2,ρ2為非負(fù)校核參數(shù).

3　模型求解

本節(jié)設(shè)計(jì)了一個(gè)啟發(fā)式算法來(lái)求解客流分析模型，模型求解問題可分解為出發(fā)時(shí)刻選擇與路徑選擇兩個(gè)子問題.對(duì)于出發(fā)時(shí)刻選擇、路徑選擇子問題，均可以采用相繼平均法MSA(method of successive averages)的算法.具體步驟如下：

步驟1初始化，將所有OD對(duì)間的客流按人群屬性分類；

步驟2令i=1，設(shè)置各類人群在各OD對(duì)間、不同時(shí)段的初始出行量{qrs,m,i(t)|qrs,m,i(t)=qrs,m/n}；

步驟3開始對(duì)各類人群進(jìn)行路徑選擇的循環(huán)迭代；

步驟3.1①根據(jù)交通走廊內(nèi)各交通方式的設(shè)置及運(yùn)行情況，尋找各OD對(duì)間的有效路徑；

②Ca,m,0=Ca,m(0)，?l，令i=1，此時(shí)路徑流量{xa,m,1}=0；根據(jù)公式(5)和(6)將各OD對(duì)間的初始出行量加載到各自有效路徑上，得到各路徑初始客流量{da,m,1}；

步驟5路徑選擇迭代完成后，計(jì)算各OD對(duì)間基于出發(fā)時(shí)刻的負(fù)效用，并加載于式(1)，得到各類人群不同時(shí)段各OD對(duì)間的附加出行量drs,m,i(t)；

步驟6由MSA算法得到各OD對(duì)間不同時(shí)段的修正附加出行量，令

有效路徑的選擇遵循以下原則：① 對(duì)于走廊內(nèi)的任意OD對(duì)，完成1次出行的換乘(包含同方式及不同方式)次數(shù)不得超過(guò)3次；② 在1次出行中，不得重復(fù)使用同一線路.

4　算例分析

以上海市公共交通走廊(含軌交2號(hào)線及沿線的常規(guī)巴士)作為模型應(yīng)用區(qū)域進(jìn)行實(shí)例研究，以驗(yàn)證客流分析模型及其算法的有效性.

4.1研究區(qū)域概況

上海軌交2號(hào)線全長(zhǎng)60 km，共有30個(gè)車站，連接機(jī)場(chǎng)及高鐵站等大型交通樞紐.同時(shí)，軌交沿線存在相當(dāng)數(shù)量的常規(guī)巴士線路，在中段、西段和東段與之并列或共線的巴士線路分別有7條、4條和2條.

本文選取早上7:30至9:00為研究時(shí)段，以15 min為間隔將這一時(shí)段劃分為6個(gè)部分；假設(shè)通勤者的上班時(shí)間為早上8:30.算例進(jìn)行以下設(shè)定：① 在走廊中段、西段和東段的常規(guī)巴士線路分別以公交1線、2線、3線表征，以發(fā)車頻率間接表征線路的數(shù)量，但站點(diǎn)與實(shí)際一致；每一個(gè)軌道站點(diǎn)或巴士站點(diǎn)均為OD點(diǎn)；② 走廊沿線的部分常規(guī)巴士站點(diǎn)與軌交站點(diǎn)相距較近，算例中將步行距離5 min以內(nèi)的軌道站點(diǎn)、公交站點(diǎn)合并為一個(gè)OD點(diǎn)，如圖2所示.

4.2輸入?yún)?shù)設(shè)置

算例對(duì)模型參數(shù)設(shè)置如下：乘客期望變量λw=0.8(與通勤客流對(duì)出行環(huán)境的熟悉程度相匹配)，軌道交通及3條常規(guī)公交線路的擁擠度基準(zhǔn)量zR=0.2,zB1=0.15,zB2=0.20,zB3=0.15(與實(shí)際擁擠程度相適應(yīng)).算例中藍(lán)領(lǐng)工人、白領(lǐng)職員以及個(gè)體商人的比重依次為50%，40%和10%，且與人群屬性設(shè)定相關(guān)的參數(shù)來(lái)源于問卷調(diào)查結(jié)果，如表1所示.客流出行OD數(shù)據(jù)來(lái)自上海交通數(shù)據(jù)研究中心(2013年6月12日的實(shí)際數(shù)據(jù))，軌道交通及常規(guī)巴士的行程時(shí)間來(lái)源于上海申通集團(tuán)及各巴士公司的發(fā)車時(shí)刻表.

表1　基于3類人群屬性的模型參數(shù)設(shè)置Tab.1　Model parameters for three types of passengers

4.3輸出結(jié)果及分析

本文利用MATLAB軟件對(duì)模型進(jìn)行優(yōu)化求解，如圖3所示.隨著迭代次數(shù)的增加，求解結(jié)果的誤差值不斷下降，在經(jīng)過(guò)多次迭代之后，解的誤差小于0.001，已經(jīng)達(dá)到滿意精度.以下分析算例結(jié)果.

首先，分析公交走廊沿線出行人群對(duì)于出發(fā)時(shí)刻的選擇，以O(shè)D(7-11)進(jìn)行說(shuō)明，如圖4所示.可以看到：① 絕大部分出行者均會(huì)選擇在其上班時(shí)間之前的某一時(shí)段內(nèi)出發(fā)，人們選擇最多的時(shí)刻即為出發(fā)高峰時(shí)刻，且出行距離越遠(yuǎn)，出發(fā)高峰時(shí)刻出現(xiàn)越早；在現(xiàn)實(shí)中，交通早高峰出現(xiàn)的時(shí)刻較上班時(shí)間總是大大提前.② 不同屬性的人群對(duì)于出發(fā)時(shí)刻的選擇存在顯著差異，在上班時(shí)間相同的等距離出行條件下，藍(lán)領(lǐng)工人的出發(fā)高峰時(shí)刻到來(lái)得最早，白領(lǐng)職員稍晚，個(gè)體商人則無(wú)明顯出發(fā)高峰；這一差異可能是由于人群對(duì)應(yīng)的經(jīng)濟(jì)水平或工作屬性不同所致，造成其對(duì)于交通方式的選擇及時(shí)間價(jià)值的認(rèn)知存在較大區(qū)別.由以上結(jié)論可以看到，客流分析模型能夠準(zhǔn)確反映人群在公交走廊沿線的出行時(shí)域特征，與靜態(tài)模型相比，動(dòng)態(tài)化的客流分析能夠有效確定出發(fā)高峰時(shí)刻，而基于多屬性人群的客流分析能夠比較不同出行者對(duì)于出發(fā)時(shí)刻選擇的差異性.

圖3　誤差迭代收斂曲線Fig.3　Solution error vs iteration

圖4　基于多屬性人群的客流出發(fā)時(shí)刻分布圖

Fig.4Distribution of passenger volume at different departure time based on passengers attributes

其次，分析公交走廊沿線的出行人群在出行高峰時(shí)段對(duì)于交通方式的選擇，以O(shè)D(7-11)進(jìn)行說(shuō)明，如表2所示.表中，s表示軌道線路，a表示公交線路?？梢钥吹剑孩?絕大部分出行者選擇全程以軌道交通作為出行方式，較少部分出行者選擇全程以巴士作為出行方式，而選擇兩種交通方式換乘模式出行的客流幾乎可以忽略不計(jì)；可見交通換乘對(duì)乘客出行選擇的影響難以忽視.② 乘客對(duì)于交通方式的選擇與距離有關(guān)，通過(guò)多組OD對(duì)比，出行距離越長(zhǎng)，選擇軌道交通的客流越大，此處不一一列舉；軌道交通與巴士相比，往往更加快捷、準(zhǔn)點(diǎn)，這一優(yōu)勢(shì)隨著出行距離的增加更加明顯.

不難看出，客流分析模型能夠真實(shí)反映出行者在公交走廊沿線對(duì)于交通方式的選擇，表明模型中對(duì)于出行負(fù)效用影響因素的考慮與實(shí)際情況相符合；同時(shí)，通過(guò)對(duì)人群屬性的分類，能夠細(xì)致分析不同類別出行者對(duì)于交通方式選擇的差異性.

表2　OD 7-11客流高峰時(shí)段分布情況Tab.2　Distribution of peak passenger volume

最后，比較7:30～8:15時(shí)段內(nèi)，OD(9-11)乘客出行特征，如表3所示.可以看出：人群屬性對(duì)其出行選擇影響顯著.當(dāng)出行時(shí)刻越接近上班時(shí)間，藍(lán)領(lǐng)工人和白領(lǐng)職員選擇軌道交通的比例就越大，而個(gè)體商人的選擇卻剛好相反.原因在于前兩者都強(qiáng)調(diào)上班的準(zhǔn)時(shí)性，即當(dāng)出行時(shí)刻越晚，其對(duì)交通方式的可靠性要求越高；而后者由于職業(yè)自由度高，在面對(duì)高峰時(shí)段軌道交通極為擁擠的情況，寧愿選擇可靠性低但更舒適的交通方式.

從以上分析可以看出，基于多屬性人群的客流分析對(duì)于分析公交走廊沿線的客流情況乘客出行行為具有重要意義；同時(shí)，動(dòng)態(tài)化的分析模型能夠反映不同時(shí)間長(zhǎng)度區(qū)間內(nèi)客流的時(shí)空分布.

4.4改善措施及結(jié)果

通過(guò)對(duì)算例結(jié)果的分析可知，上海市公共交通走廊在高峰時(shí)刻交通負(fù)荷極大，且不同交通方式的分擔(dān)極不平衡.由于人群屬性對(duì)其出行行為有直接影響，因此通過(guò)采取必要管理措施可以有效緩解以上問題.首先，通過(guò)調(diào)整不同屬性人群的上班時(shí)間，可以實(shí)現(xiàn)高峰時(shí)段錯(cuò)峰出行；其次，通過(guò)調(diào)整公交票價(jià)，可以在一定程度上改變?nèi)藗儗?duì)于交通方式的選擇.

表3　不同時(shí)間區(qū)間內(nèi)的客流分布情況Tab.3　Distribution of passenger volume in different time periods　%

此處將公司白領(lǐng)的上班時(shí)間延后至8:45，而其他兩類人群保持不變；同時(shí)，將軌道交通票價(jià)提升10%，巴士票價(jià)下調(diào)10%.以O(shè)D(7-11)進(jìn)行說(shuō)明，如圖5和表4所示.可以看到：調(diào)整后客流出行的幅度較為平緩，出行高峰時(shí)刻的客流下降24%，大幅緩解公共交通走廊的交通負(fù)荷；調(diào)整后有相當(dāng)部分客流由選擇軌道交通轉(zhuǎn)向常規(guī)巴士，且藍(lán)領(lǐng)工人的轉(zhuǎn)變趨勢(shì)尤為明顯，使得交通方式的分擔(dān)率更加均衡.

圖5　政策調(diào)整前后總客流出行時(shí)刻分布對(duì)比Fig.5　Comparison of distribution of passenger flow before and after adjustment表4　政策調(diào)整前后OD 7-11客流高峰時(shí)段分布情況對(duì)比Tab.4　Comparison of peak passenger distribution with and without adjustment

%

5　結(jié)論與展望

(1)本文在隨機(jī)用戶均衡分配的理論基礎(chǔ)上，在靜態(tài)均衡模型中引入時(shí)間變量及人群屬性分類，建立了基于人群分類的城市公交走廊動(dòng)態(tài)客流分析模型，描述了走廊內(nèi)出行者對(duì)于出發(fā)時(shí)刻和路徑的選擇問題.模型的基本假設(shè)規(guī)定了模型的適用條件和范圍，并設(shè)計(jì)了模型的求解算法.

(2)通過(guò)基于現(xiàn)實(shí)條件下的算例，初步展現(xiàn)了該模型對(duì)于客流分析的應(yīng)用.動(dòng)態(tài)化的分析模型能夠研究出行者對(duì)出發(fā)時(shí)刻的選擇偏好；通過(guò)人群屬性分類，模型能夠考慮不同人群出行行為的差異.

(3)模型不僅能夠反映走廊內(nèi)不同屬性客流的時(shí)空分布情況及存在問題，還能夠模擬并比較不同改善措施的作用及效果，這得益于客流分析模型具有動(dòng)態(tài)化及人群分類的特征.因此，該模型為探究城市公交走廊的功能優(yōu)化及效率提升提供了有力工具.

(4)本文建立的模型只是簡(jiǎn)單描述了城市公交走廊內(nèi)客流的時(shí)空分布情況，并對(duì)人群進(jìn)行了簡(jiǎn)單分類，之后的研究可以在此基礎(chǔ)上擴(kuò)展.如進(jìn)一步完善影響乘客出行負(fù)效用的因素；或是進(jìn)一步細(xì)化人群分類，不僅從職業(yè)上分類，還可以從性格偏好等方面分類.

[1]Dafermos S, Nagurney A. Sensitivity analysis for the asymmetric network equilibrium problem[J].Mathematical Programming,1984,28(2):174.

[2]Sheffi Y. Urban transportation networks [M]. New Jersey: Prentice-Hall, 1985.

[3]Magnanti T L, Perakis G. A unifying geometric solution framework and complexity analysis for variational inequalities[J].Mathematical Programming, 1995,12(3):327.

[4]Merchant D K, Nemhauser G L. A model and an algorithm for the dynamic traffic assignment problems[J].Transportation Science,1978, 12: 183.

[5]Carey M. Optimal time-varying flows on congested networks[J]. Operations Research, 1987, 35(1):58.

[6]Birge J R, Ho J K. Optimal flows in stochastic dynamic networks with congestion [J]. Operations Research, 1993, 41(1):203.

[7]Ziliaskopoulos A K. A linear programming model for the single destination system optimum dynamic traffic assignment problem[J]. Transportation Science, 2000, 34(2): 37.

[8]Johansson M V, Heldt T, Johansson P. The effect of attitudes and personality traits on mode choice [J]. Transportation Research: Part A, 2006, 40(6):507.[9]Domarchi C, Tudela A, Gonzalez A. Effect of attitude, habit and affective appraisal on mode choice: An application to university workers[J]. Transportation Science, 2008, 35: 585.

[10]Choo S, Mokhtrian P L. What type of vehicle do people drive? The role of attitude and lifestyle in influencing vehicle type choice[J]. Transportation Research: Part A, 2004, 38: 201.

[11]Lam W H K, Li Z C, Huang H J,etal. Wong. Modeling time-dependent travel choice problems in road networks with multiple user classes and multiple parking facilities [J]. Transportation Research: Part B, 2006, 40: 368.

[12]Li Z C, Lam W H K, Wong S C,etal. Reliability evaluation for stochastic and time-dependent networks with multiple parking facilities [J]. Networks and Spatial Economics, 2008, 8(4):355.

[13]Bhat C R. Analysis of travel mode and departure time choice for urban shopping trips [J]. Transportation Research: Part B, 1998, 32: 361.

[14]Wu J H, Florian M, Marcotte P. Transit equilibrium assignment: A model and solution algorithms [J]. Transportation Science, 1994, 28:193.

[15]Lo H K, Yip C W, Wan K H. Modeling transfer and non-linear fare structure in multi-modal network [J].Transportation Research: Part B, 2003, 37:149.

[16]de Cea J, Fernandez E. Transit assignment for congested public transport systems: An equilibrium model [J].Transportation Science, 1993, 27:133.

[17]Lo H K, Yip C W, Wan K H. Modeling competitive multi-modal transit services: A nested logit approach [J]. Transportation Research: Part C, 2004, 12:251.

A Passenger-Classification Transportation Assignment Model for Urban Public Traffic Corridor

DI Di, YANG Dongyuan

(College of Transportation Engineering, Tongji University, Shanghai 201804, China)

By classifying transport passengers, this paper proposed a dynamic traffic assignment model for urban public transport corridor. Based upon the stochastic user-equilibrium theory, the proposed model introduced temporal factors and passenger attributes into the existing static equilibrium model. The model aimed to simulate the travel behavior of different passengers, including their selection of the departure time and transit routes. The assumption of the proposed model and a solution algorithm were proposed. The result shows that the time-varying and passenger categorization of the model make it available not only to virtually reflect the temporal and spatial distribution of various passengers, but to investigate the efficiency of different improvement measures for corridors. The adjustments made in the working hour and transit fare lead to a 24% reduction in the passenger flow during peak hours. The passengers of rail transit decrease from 82% to 71%, while the passengers of bus increase from 11% to 20%. These adjustments contribute to a significant reduction in the traffic loading and result in a more even utilization of transport modes. Therefore, the proposed model provides a useful tool for function optimization and efficiency enhancement of urban public transport corridors.

public traffic corridor; passenger flow; passenger classification; dynamic assignment; temporal and spatial distribution

2015-01-19

狄迪(1985—)，男，博士生，主要研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理. E-mail:didi02121226@163.com

楊東援(1953—)，男，教授，博士生導(dǎo)師，工學(xué)博士，主要研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理. E-mail: yangdyk@#edu.cn

U491

A