孫學(xué)珊, 楊忠振, 魏利鵬, 周艷

(1. 天津理工大學(xué)中環(huán)信息學(xué)院 經(jīng)濟與管理系， 天津 300380； 2. 大連海事大學(xué) 交通運輸管理學(xué)院， 遼寧 大連 116026； 3. 天津理工大學(xué) 環(huán)境科學(xué)與安全工程學(xué)院， 天津 300384)

旅游景區(qū)停車換乘設(shè)施選址優(yōu)化

孫學(xué)珊1, 楊忠振2, 魏利鵬1, 周艷3

(1. 天津理工大學(xué)中環(huán)信息學(xué)院 經(jīng)濟與管理系， 天津 300380； 2. 大連海事大學(xué) 交通運輸管理學(xué)院， 遼寧 大連 116026； 3. 天津理工大學(xué) 環(huán)境科學(xué)與安全工程學(xué)院， 天津 300384)

為解決旅游景區(qū)的交通擁堵和空氣污染問題，基于游客選擇偏好，構(gòu)建旅游景區(qū)停車換乘(Park and Ride, P&R)設(shè)施選址優(yōu)化模型，進而優(yōu)化P&R設(shè)施選址和景區(qū)巡游巴士的巡游線路.模型以改善旅游景區(qū)空氣污染和降低P&R系統(tǒng)運營成本為目標(biāo).利用大連市太陽溝景區(qū)進行實證研究，設(shè)計一個雙層的遺傳算法對模型進行求解.結(jié)果表明，基于游客選擇行為的P&R系統(tǒng)能夠有效地改善旅游景區(qū)的交通擁堵和空氣污染問題.

旅游景區(qū)； 停車換乘(P&R)； 多目標(biāo)優(yōu)化； 選擇行為

0 引 言

隨著國民生活水平的提高，國民旅游休閑意識不斷增強，每到假期各大旅游景區(qū)均呈現(xiàn)人山人海的景象.中國社會科學(xué)院旅游研究中心發(fā)布的《中國自駕游年度發(fā)展報告(2013—2014)》顯示，2013年中國自駕游約為17.3億人次，約占年度出游總?cè)舜蔚?3%.大量游客及車輛同時涌入景區(qū)，致使眾多旅游景區(qū)及其附近地區(qū)產(chǎn)生一系列交通問題，如道路交通擁堵、汽車噪聲、尾氣污染等.這些不僅影響了人們旅游出行的質(zhì)量，而且妨礙了旅游景區(qū)的可持續(xù)發(fā)展.旅游景區(qū)的交通問題與城市交通問題相似，均是由交通需求過大造成交通基礎(chǔ)設(shè)施負(fù)擔(dān)過重而引起的.要解決這種交通問題，優(yōu)化交通組織與實施需求管理是最行之有效的途徑.

近年來，旅游景區(qū)的停車規(guī)劃成為緩解景區(qū)交通壓力的主要途徑.萬濤等[1]通過分析發(fā)現(xiàn)，北京市旅游景區(qū)停車位少、停車設(shè)施建設(shè)滯后，并分別對位于市中心和郊區(qū)的旅游景區(qū)提出了解決停車問題的措施和建議.馬壯林等[2]總結(jié)了黃金周期間北京八達嶺長城景區(qū)的停車特點及存在的問題，并從停車收費、停車信息服務(wù)、限制本市小型車數(shù)量和設(shè)置短途擺渡車等4個方面提出了解決問題的對策.汪如鋼等[3]深入剖析了杭州西湖景區(qū)停車場的特點及存在的問題，分別從強化管理、科學(xué)布局、優(yōu)化設(shè)計、停車誘導(dǎo)和收費運營等5個方面提出建議與對策.繆江華[4]通過分析發(fā)現(xiàn)，廣州長隆旅游景區(qū)停車存在明顯的供求矛盾，并基于廣州市歷年接待游客數(shù)，結(jié)合該景區(qū)發(fā)展規(guī)劃及發(fā)展趨勢，預(yù)測其未來年客流規(guī)模及停車需求規(guī)模，進而對公共停車場的選址布局及泊位規(guī)模等提出規(guī)劃建議.袁瑜[5]探討江西三清山景區(qū)的交通需求生成機理，提出景區(qū)旅游交通需求預(yù)測方法，進一步采用多項Logit模型預(yù)測游客出行方式，測算景區(qū)未來的停車需求及游客集散中心的規(guī)模.王娟等[6]給出了旅游景區(qū)停車位需求預(yù)測的具體步驟，提出了兼顧景區(qū)非高峰期和高峰期日到訪人數(shù)的停車位預(yù)測模型，并通過實例分析來驗證預(yù)測方法的實用性.AZARI等[7]研究了不同的停車收費政策對停車需求的影響.ZHANG等[8]研究了影響停車需求的不同因素(如服務(wù)水平).BOS等[9]從出行者的視角出發(fā)，揭示了影響停車換乘(Park and Ride, P&R)行為的最重要因素是P&R中心的便利性，其次是P&R服務(wù)水平.HENDRICKS等[10]依據(jù)P&R中心的收費政策及泊位數(shù)量等因素的變化情況，總結(jié)了出行者交通選擇行為的主要影響因素，并對所構(gòu)建的指標(biāo)體系進行了定量化處理.

從交通組織和需求管理角度解決交通問題的一個重要方法是建設(shè)P&R系統(tǒng)，但目前有關(guān)旅游景區(qū)P&R系統(tǒng)建設(shè)與運營的研究并不多.田勇等[11]以北京八達嶺長城景區(qū)滾天溝停車場規(guī)劃為例，按照近遠(yuǎn)期交通組織方式制訂多種候選方案，然后通過方案比選確定車輛的接駁方案.劉增華等[12]針對陜西金絲峽景區(qū)發(fā)展中的容量限制問題，提出了停車場規(guī)劃方案和巴士運營線路設(shè)計方案，希望通過P&R方式改善景區(qū)交通狀況.在國外，ANDERSON等[13]針對美國Newport旅游景區(qū)的Rhode島，提出用SP(Stated Preference)數(shù)據(jù)分析自駕游客對景區(qū)P&R系統(tǒng)以及巡游方式的選擇行為，但只提出了解決P&R設(shè)施選址的大致框架，并沒有進行深入的研究.因此，本文在上述研究的基礎(chǔ)上，根據(jù)在景區(qū)調(diào)查得到的游客的意愿與行為特征，分析游客到達景區(qū)的規(guī)律和對景點提供的巡游巴士的偏好，建立綜合考慮P&R設(shè)施選址、運營成本、巡游巴士線路、巡游巴士票價和游客出行偏好等因素的多層模型，實現(xiàn)對景區(qū)P&R系統(tǒng)的全面優(yōu)化設(shè)計.

1 旅游景區(qū)P&R系統(tǒng)描述

開發(fā)建設(shè)旅游景區(qū)P&R系統(tǒng)的主要目標(biāo)是緩解景區(qū)內(nèi)交通擁堵以及減少尾氣噪聲等對環(huán)境的破壞.乘客可選擇在P&R樞紐處換乘到各景點的巡游巴士或繼續(xù)自駕進行游覽.因此，為提升P&R系統(tǒng)的吸引力，在設(shè)定巡游巴士的線路、票價和發(fā)車頻率時要考慮游客的選擇偏好.另外，因為需要考慮P&R系統(tǒng)經(jīng)營者的財政壓力，所以在迎合游客偏好的情況下還要盡可能降低巡游巴士和P&R樞紐的建設(shè)與運營的費用.只有從上述兩個方面考慮P&R樞紐的選址以及巡游巴士的線路、票價和發(fā)車頻率，才能既保證游客在景區(qū)的旅游質(zhì)量，又保證在成本約束下最大限度地緩解景區(qū)的交通與環(huán)境壓力.

2 P&R系統(tǒng)優(yōu)化模型

2.1 模型假設(shè)

本文通過建立雙層模型解決P&R樞紐的選址以及巡游巴士的線路和票價等問題，涉及的參數(shù)以及環(huán)境較復(fù)雜.基于此，假設(shè)：(1)景區(qū)內(nèi)有多處景點，車輛只有通過景區(qū)的幾個出入口才能進入景區(qū)巡游；(2)出入口外有多處可建P&R樞紐的候選地，要在其中的一處建設(shè)P&R樞紐；(3)P&R樞紐建成后，所有旅游車輛都要經(jīng)過P&R樞紐才能進入景區(qū)；(4)私家車與巡游巴士的巡游線路相同，即訪問各景點的順序相同.

2.2 模型

為實現(xiàn)景區(qū)P&R系統(tǒng)的全面優(yōu)化，以景區(qū)空氣污染最少和P&R系統(tǒng)運營成本最低為目標(biāo)建立雙層模型.模型變量：xi為決策變量(如果在候選地i建設(shè)P&R樞紐，則xi=1，否則xi=0)；mt,i為在第t時間段從候選地i進入的私家車數(shù)量；w為觀測時間段數(shù)量；nt,i為當(dāng)候選地i被選為P&R樞紐時，第t時間段所需的巡游巴士數(shù)量；Sb,i和Sc,i分別為巡游巴士和私家車的巡游里程，km；eb和ec分別為巡游巴士和私家車的排放系數(shù)，g/km；Pc,i為從候選地i進入的私家車選擇P&R的概率；r為巡游巴士單位里程的行駛費用,元/km；c為巡游巴士的單位司機成本，元/(人·d)；a為巡游巴士的日均資產(chǎn)折舊,元/d；Db為巡游巴士的容量,人；Dc為私家車的平均載客數(shù),人；T為景區(qū)每日的開放時間段；f為巡游巴士的發(fā)車頻率，min/班；p為巡游巴士票價，元/人；gt為在第t時間段到達的游客人數(shù).Sb,i和Pc,i與P&R樞紐的候選地等因素有關(guān)，需要用具體函數(shù)計算.

(1)

(2)

s. t.

w=T/f

(3)

Dbnt,i≥mt,iDcPc,i

(4)

∑ixi=1

(5)

式(1)和(2)為兩個目標(biāo)函數(shù)，分別為景區(qū)空氣污染最輕和P&R系統(tǒng)運營成本最低；式(3)根據(jù)規(guī)劃的巡游巴士的發(fā)車頻率將研究時間段進行分段；式(4)為巴士的容量約束，保證發(fā)出的巡游巴士能夠運載所有P&R的乘客;式(5)保證選擇1個候選地作為樞紐.

巡游巴士或私家車從P&R樞紐出發(fā)巡訪景區(qū)內(nèi)的各景點，在每個景點停一次后返回P&R樞紐.因此，巡游巴士線路設(shè)計是典型的旅行商問題，通過解決這個問題可以確定巡游巴士或私家車訪問各景點的順序，這個順序決定私家車或巡游巴士的行駛距離.當(dāng)候選地i被選為P&R樞紐且景區(qū)內(nèi)旅游景點1,2,…,ρ的被巡訪順序為H=(μ1,μ2,…,μρ)時，

(6)

式中:μρ+1=μ1；di,μβ,μβ+1為μβ與μβ+1間的最短距離.

游客到達景區(qū)P&R樞紐后，選擇巡游巴士和私家車到訪景點的概率與兩種交通方式給游客帶來的效用有關(guān).由隨機效用理論[14]可知，某種交通方式提供的效用越大，它被出行者選擇的概率就越大.

(7)

(8)

式中:Ujk為第j位游客選擇交通方式k的效用；Vjk為第j位游客選擇交通方式k的直接效用；εk為隨機誤差項；δk為交通方式k的啞元變量；yjk,b為第j位游客選擇交通方式k的第b項影響因素；αb為第b項影響因素的參數(shù)；Pjk為第j位游客選擇交通方式k的概率.

3 實證分析

3.1 研究地點概述

將大連市太陽溝景區(qū)作為研究對象進行數(shù)值計算.太陽溝景區(qū)總面積約350萬m2，分布有9個景點和3個旅游購物中心，共12個巡游地點.景區(qū)內(nèi)道路多為雙向2車道，出入景區(qū)有2條主要的道路(革新街和友誼路).來自主城區(qū)方向的游客和當(dāng)?shù)鼐用裰饕ㄟ^東側(cè)的友誼路進入景區(qū)(圖1).根據(jù)P&R系統(tǒng)的設(shè)定原則[15]，考慮到景區(qū)附近的道路條件與土地利用形態(tài)，首先為P&R樞紐選取5個候選地(圖2).景區(qū)其他相關(guān)參數(shù)見表1.

圖1 太陽溝景區(qū)的地理位置

圖2 P&R樞紐候選地

參數(shù)值i5r0.216元/kma356元/dDc34人f10,15,20,25,30min/班參數(shù)值eb,ec22.223g/kmc100元/(人·d)Db45人T48p1～10元/人注:相關(guān)參數(shù)來自“基于停車換乘的太陽溝景區(qū)旅游交通組織”項目

3.2 游客的交通方式選擇行為分析

在進行景區(qū)的P&R樞紐選址和巡游巴士線路優(yōu)化時，需要考慮游客的到達規(guī)律及其選擇偏好，本算例中具體情況如下.

3.2.1 游客到達規(guī)律

游客到達規(guī)律決定巡游巴士的發(fā)車頻率和用車數(shù)量.為最大程度滿足游客的需求，同時降低巡游巴士的運營費用，需要確切知道游客的到達規(guī)律.為此,在位于友誼路的軍港游園景點進行到訪游客人數(shù)調(diào)查，調(diào)查時間段為7:30—15:30(共8 h).分析通過調(diào)查獲得的數(shù)據(jù)發(fā)現(xiàn)，當(dāng)以10 min為時間段單元時，游客到達規(guī)律服從高斯分布:gt=1 365.44e-((t-18.02)/12.05)2+802.06e-((t-35.67)/6.786)2

基于高斯分布的擬合效果見圖3.從圖3可以看出,游客到訪景點有兩個高峰時間段：10:20—10:30(t=18)和13:20—13:30(t=34)，且上午的高峰時間段到達的游客更多.

圖3 太陽溝景區(qū)游客到達規(guī)律的擬合曲線

3.2.2 巡游巴士選擇概率計算

為確定交通方式選擇模型，在景區(qū)對游客進行交通方式選擇意愿的SP調(diào)查.共發(fā)放調(diào)查問卷500份，收回有效問卷470份.具體的調(diào)查內(nèi)容見圖4.

圖4 SP調(diào)查問卷的內(nèi)容

可供游客選擇的交通方式只有2種，因此可以采用離散分析軟件Biogeme 2.0[16]中的Binary Logit模型，將巡游巴士作為參考項確定式(7)中相關(guān)參數(shù)，得到表2.從表2可以看出：啞元變量、巡游里程、發(fā)車頻率和票價等4項影響因素在90%的置信水平上均顯著；巡游巴士啞元變量為正，表明在其他影響因素不變的情況下，游客偏向于選擇巡游巴士；票價水平對選擇概率的影響最大，這表明游客對旅游中的額外消費較為敏感.

表2 效用函數(shù)參數(shù)標(biāo)定結(jié)果

3.3 模型求解

3.3.1 求解算法

上述模型是一個多目標(biāo)優(yōu)化問題，可以同時確定P&R樞紐的位置以及巡游巴士的最佳線路、發(fā)車頻率、票價和配車數(shù).由于模型結(jié)構(gòu)復(fù)雜，故設(shè)計一個雙層的遺傳算法進行求解.具體的求解步驟如下：

步驟1 初始化.采用二進制編碼生成上層問題的初始種群，每個個體表示一個選址方案.

步驟2 計算上層個體的適應(yīng)度值.子步驟1：針對某選址方案，用實數(shù)編碼生成下層問題的初始種群，個體表示巡游巴士的巡游線路方案，包括巡游里程、發(fā)車頻率、票價和配車數(shù).子步驟2：計算下層中各個體的適應(yīng)度值——巡游巴士的尾氣排放量和運營成本.子步驟3：若滿足適應(yīng)度值最小或達到迭代次數(shù)上限，則終止下層計算，將最優(yōu)適應(yīng)度值傳至步驟3；否則執(zhí)行子步驟4.子步驟4：執(zhí)行交叉、變異、選擇操作后返回子步驟2.

步驟3 判斷計算是否終止.如果上層模型的適應(yīng)度值未收斂或計算次數(shù)未達到上限，則執(zhí)行步驟4；否則終止計算.

步驟4 針對上層實施交叉、變異、選擇操作后返回步驟2.

3.3.2 算法參數(shù)設(shè)定

經(jīng)過多次測試獲得上述雙層遺傳算法的相關(guān)參數(shù)，見表3.

表3 遺傳算法中的參數(shù)

3.3.3 計算結(jié)果

經(jīng)過1 000次迭代計算，發(fā)現(xiàn)迭代到714次時結(jié)果開始收斂(圖5).最終的計算結(jié)果為：P&R樞紐應(yīng)選在圖2中的候選地1，巡游巴士發(fā)車頻率為10 min/班，票價為5元/人.在這種情況下，到訪太陽溝景區(qū)的旅游車輛尾氣污染將減少43.7%，P&R系統(tǒng)運營成本為18 169元/d.

圖5 算法結(jié)果

3.3.4 算法檢驗

本文樣本規(guī)模較小(只有5個候選地)，因此為驗證遺傳算法對本問題的適用性及優(yōu)越性，進行了算法檢驗(圖6)，即在同樣的條件下使用遺傳算法對算例進行10次計算.由圖6可以觀察到，每當(dāng)?shù)? 000次后標(biāo)準(zhǔn)均方根誤差均趨于平穩(wěn)，迭代到5 000次后標(biāo)準(zhǔn)均方根誤差幾乎保持不變，因此可以說明遺傳算法對本算例具有良好的收斂性.

圖6 遺傳算法檢驗

4 結(jié)束語

本文探討了解決旅游景區(qū)交通擁堵和空氣污染問題的方法，并以游客的選擇偏好為基礎(chǔ)，構(gòu)建了以旅游景區(qū)空氣污染最輕和運營成本最低為目標(biāo)的P&R系統(tǒng)優(yōu)化模型.以大連市太陽溝景區(qū)為例實施調(diào)查，利用實際數(shù)據(jù)進行分析測試.分析結(jié)果表明，游客選擇交通方式的概率受巡游巴士的巡游里程、發(fā)車頻率、票價等因素的影響，游客到達景區(qū)的規(guī)律服從高斯分布.在此基礎(chǔ)上，根據(jù)游客選擇行為偏好，優(yōu)化設(shè)計了太陽溝景區(qū)的P&R系統(tǒng).結(jié)果表明，當(dāng)景區(qū)的P&R樞紐選址在候選地1，巡游巴士的票價為5元/人，發(fā)車頻率為10 min/班時，整個系統(tǒng)達到最優(yōu)，即景區(qū)的交通擁堵和空氣污染得到最大改善，且整個P&R系統(tǒng)的運營費用最低.

[1]萬濤, 張偉. 北京市旅游景區(qū)(點)停車問題現(xiàn)狀及解決方法[J]. 道路交通管理, 2003(6): 28-29.

[2]馬壯林, 邵春福, 孫壯志. 黃金周期間旅游景區(qū)停車管理對策[J]. 綜合運輸, 2008(8): 53-56.

[3]汪如鋼, 丁蔓琪. 杭州西湖景區(qū)停車場問題與對策[J]. 華中建筑, 2010(11): 61-63. DOI: 10.13942/j.cnki.hzjz.2010.11.002.

[4]繆江華. 廣州長隆旅游度假區(qū)公共停車場規(guī)劃研究[J]. 交通與運輸, 2014(7): 167-170.

[5]袁瑜.基于三清山景區(qū)的旅游交通需求預(yù)測方法研究[J].交通世界, 2013, 18(9): 114-115. DOI: 10.16248/j.cnki.cn11-3723/u.2013.09.035.

[6]王娟, 王世能, 周濤. 環(huán)保旅游理念下景區(qū)小汽車停車位需求預(yù)測方法研究[J]. 交通節(jié)能與環(huán)保, 2014, 10(4): 44-48.

[7]AZARI K A, ARINTONO S, HAMID H,etal. Modeling demand under parking and cordon pricing policy[J]. Transportation Policy, 2013, 25(1): 1-9. DOI: 10.1016/j.tranpol.2012.10.003.

[8]ZHANG X, YANG H, HUANG H J. Improving travel efficiency by parking permits distribution and trading[J]. Transportation Research Part B, 2011, 45(7): 1018-1034. DOI: 10.1016/j.trb.2011.05.003.

[9]BOS I, MOLIN E, TIMMERMANS H,etal. Cognitions and relative importance underlying consumer valuation of park and ride facilities[J]. Transportation Research Record： Journal of the Transportation Research Board, 2003, 1835(1): 121-127. DOI: 10.3141/1835-15.

[10]HENDRICKS S, OUTWATER M. A demand forecasting model for park and ride lots in King Country, Washington[J]. Journal of the Transportation Research Board, 1998, 1623(1): 80-87. DOI: 10.3141/1623-11.

[11]田勇, 高進博.北京景區(qū)停車場規(guī)劃及交通組織初探[J]. 市政技術(shù), 2009, 27(4): 340-343. DOI: 1009-7767(2009)04-0340-04.

[12]劉增華, 江捷, 李軍, 等. 金絲峽景區(qū)交通規(guī)劃及游線設(shè)計方案研究[J]. 交通標(biāo)準(zhǔn)化, 2010, 228(9): 189-192.

[13]ANDERSON C M, DAS C, TYRRELL T J. Parking preferences among tourists in Newport, Rhode Island[J]. Transportation Research Part A, 2006, 40(3): 334-353. DOI: 10.1016/j.tra.2005.06.005.

[14]BEN A M, LEMAN S R. Discrete choice analysis: theory and application to travel demand[M]. Cambridge: MIT Press, 1985: 180-184.

[15]劉有軍, 晏克非. 基于GIS的停車換乘設(shè)施優(yōu)化選擇方法的研究[J]. 交通科技, 2003(4): 85-87.

[16]BIERLAIRE M. BIOGEME: a free package for the estimation of discrete choice models[C]//Proceedings of 3rd Swiss Transportation Research Conference, Monte Verita, 2003： 102-113.

(編輯 趙勉)

Optimization of P&R facility location in tourist attractions

SUN Xueshan1, YANG Zhongzhen2, WEI Lipeng1, ZHOU Yan3

(1. Department of Economic and Management, Zhonghuan Information College Tianjin University of Technology, Tianjin 300380, China; 2. Transportation Management College, Dalian Maritime University, Dalian 116026, Liaoning, China; 3. Environmental Science and Safety Engineering College, Tianjin University of Technology, Tianjin 300384, China)

In order to solve the traffic congestion and air pollution problem around tourist attractions, based on tourists’ choice preference, an optimization model of Park and Ride (P&R) facility location in tourist attractions is built to optimize the P&R facility location and the cruise route of shuttle buses. The model aims to minimize the exhaust pollution and the operation cost of P&R system. The Taiyanggou tourist attraction in Dalian is selected to carry out the case study, and a two-layer genetic algorithm is designed to solve the model. The results indicate that P&R system based on the tourists’ choice preference can efficiently alleviate the traffic congestion and air pollution problem around tourist attractions.

tourist attraction; Park and Ride (P&R); multi-objective optimization; choice behavior

10.13340/j.jsmu.2017.01.012

1672-9498(2017)01-0057-05

2016-03-03

2016-06-07

天津市科學(xué)技術(shù)普及項目(15KPXM01SF036)

孫學(xué)珊(1988—),女, 天津人, 講師, 碩士, 研究方向為交通運輸系統(tǒng)優(yōu)化與設(shè)計,(E-mail)crystal171@live.cn; 楊忠振(1964—),男, 遼寧凌海人, 教授, 博導(dǎo), 博士, 研究方向為交通規(guī)劃與設(shè)計,(E-mail)yangzhongzhen@263.net

U115；F590.32

A