雷羽
摘 要:隨著城市機(jī)動(dòng)化水平的不斷提升,交通擁堵、環(huán)境污染等問題日益嚴(yán)重,發(fā)展公共交通成為解決城市交通問題的有效方法之一,其中,軌道交通憑借安全、準(zhǔn)時(shí)、污染較低等優(yōu)點(diǎn)備受重視。但由于乘客在面對(duì)成網(wǎng)的軌道交通時(shí),選擇多樣,這使得軌道交通客流分布較為復(fù)雜,開展對(duì)軌道交通乘客路徑選擇行為系統(tǒng)綜述,有利于研究交通客流分配,有助于優(yōu)化軌道交通管理。本文主要從影響乘客路徑選擇因素、研究方法、常用模型,主要算法四個(gè)方面對(duì)研究現(xiàn)狀和不足進(jìn)行分析和綜述。
關(guān)鍵詞:城市交通;軌道交通;路徑選擇
中圖分類號(hào):U293.5 文獻(xiàn)標(biāo)識(shí)碼:A
0 引言
城市化進(jìn)程持續(xù)加速,導(dǎo)致大多的資源和勞動(dòng)力流向城市,城市交通緊缺,擁堵越來越嚴(yán)重,這增加了城市基礎(chǔ)設(shè)施投資的成本,污染了城市環(huán)境;同時(shí),也會(huì)降低居民出勤的效率,造成一定的經(jīng)濟(jì)損失。在城市交通擁堵和供求關(guān)系日益緊張的背景下,許多國(guó)家的城市交通發(fā)展大力提倡公共交通,城市軌道交通因其相對(duì)較小的環(huán)境污染、快速準(zhǔn)時(shí)、服務(wù)水平高等優(yōu)勢(shì)而受到重視。近幾年,我國(guó)城市軌道交通取得了快速的發(fā)展,截止2019年,中國(guó)城市軌道交通運(yùn)營(yíng)線路達(dá)6 730.27公里,較2018年新增運(yùn)營(yíng)里程968.77公里,軌道交通仍大力建設(shè)。而軌道交通乘客的路徑選擇對(duì)客流分配具有重要的參考意義,這表明有必要研究軌道交通乘客的路線選擇。
1 軌道交通路徑選擇影響因素
研究者對(duì)軌道交通出行者的路徑選擇因素主要從客觀因素、心理因素、乘客屬性單個(gè)角度出發(fā)。其中,客觀因素為換乘時(shí)間、換乘次數(shù)、換乘距離等;心理因素包括舒適度、熟悉度、心理感知等。例如,錢堃,陳垚等[1]通過乘客感知的換乘行走時(shí)間與實(shí)際的換乘行走時(shí)間這個(gè)因素來分析在換乘時(shí)乘客對(duì)路徑的選擇;陳堅(jiān)、王曼等[2]除了考慮換乘時(shí)間等因素外,還將乘客由于路徑的擁擠程度而產(chǎn)生的內(nèi)心舒適度作為影響乘客換乘時(shí)路徑選擇的因素。學(xué)者Sebastian Raceau[3],Juan Carlos Munoz[4]將網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、時(shí)間、擁擠程度,線路服務(wù)水平等作為影響軌道交通乘客出行路徑的主要因素;劉劍鋒、四兵峰[5]等研究了乘客的年齡,職業(yè),收入和出行目的等屬性,發(fā)現(xiàn)中青年旅客對(duì)節(jié)省時(shí)間的重視程度超過了換乘所造成的體力消耗,而中老年乘客相對(duì)于總時(shí)間節(jié)省,更注重少換乘。
2 研究手段
目前,研究者主要通過IC卡、AFC等數(shù)據(jù),進(jìn)行客流預(yù)測(cè)與換乘客流估算。Tahiko Kusakabe[6]等根據(jù)東京地鐵的卡交易數(shù)據(jù)推斷出乘客選擇的列車。Si[7]基于AFC數(shù)據(jù)建立了城市軌道交通選路的費(fèi)用函數(shù),并基于智能卡數(shù)據(jù)分析了客流分配結(jié)果的準(zhǔn)確性,尤其是分配結(jié)果中的換乘客流。對(duì)于數(shù)據(jù)的處理手段主要為人工調(diào)查與處理、公交卡數(shù)據(jù)分析,沒有過多考慮程序中數(shù)據(jù)結(jié)構(gòu)優(yōu)化和運(yùn)算效率優(yōu)化的問題。
3 軌道交通乘客路徑選擇模型
在使用該模型時(shí),主要使用Logit模型和多項(xiàng)Logit模型,在不斷提高模型的精度上做研究。但是,大多數(shù)模型存在參數(shù)標(biāo)定不合理的問題,例如換乘次數(shù)敏感度、換乘敏感度、擁擠敏感度等。這些參數(shù)非常敏感,很小的參數(shù)變化都會(huì)影響結(jié)果。另外,在現(xiàn)有研究中,大多數(shù)選擇了某個(gè)城市中的幾條路線進(jìn)行案例分析,以證明該模型的準(zhǔn)確性。但模型的精確度、參數(shù)擬合方法是否能在其余線路或其他城市中有很好的應(yīng)用還有待考究。
4 有效路徑主要算法
在研究軌道交通路徑選擇和客流分配時(shí),有效路徑算法有著重要作用。目前,國(guó)內(nèi)外的算法主要為有效路徑搜索算法?,F(xiàn)有研究中大多數(shù)算法研究都停留在理論層面,缺乏對(duì)實(shí)際應(yīng)用的討論,沒有考慮算法執(zhí)行效率和應(yīng)用系統(tǒng)開發(fā)的問題。隨著城市軌道交通網(wǎng)絡(luò)運(yùn)營(yíng)線和車站數(shù)量的增加,網(wǎng)絡(luò)OD對(duì)的數(shù)量也增加了。當(dāng)研究人員定義旅客出行費(fèi)用函數(shù)時(shí),考慮因素變得更加復(fù)雜,從而使有效路線的搜索變得更加復(fù)雜。另外,已經(jīng)研究的路徑搜索算法僅適用于小型網(wǎng)絡(luò)或僅適用于大型網(wǎng)絡(luò)的一部分,對(duì)于大規(guī)模網(wǎng)絡(luò)的高效和有效路徑搜索算法的研究還很少。
5 結(jié)論
本文主要從影響乘客路徑選擇因素、研究手段、常用模型、主要算法四個(gè)方面,對(duì)研究現(xiàn)狀進(jìn)行了分析評(píng)述,發(fā)現(xiàn)在國(guó)內(nèi)外學(xué)者經(jīng)過較長(zhǎng)時(shí)期的研究后,城市軌道交通路徑選擇方面的研究相對(duì)而言較為完善,但也存在一些有待改善之處。
首先,關(guān)于路徑選擇的影響因素從最初的客觀因素到開始考慮乘客的個(gè)人特性,直到現(xiàn)在逐漸考慮乘客的心理感知方面,盡管目前這方面的研究還相對(duì)較少,但這方面的研究挖掘潛力較大,此外高峰時(shí)段和平峰時(shí)段的路徑選擇也是一個(gè)較好的研究切入點(diǎn)。
其次,研究手段有待改進(jìn)。21世紀(jì)是信息化的時(shí)代,大數(shù)據(jù)在各行各業(yè)中的作用越加明顯,因此,在研究路徑選擇行為時(shí),借助Python等手段將大幅提高研究效率好精確度。
再者,在對(duì)模型的不斷調(diào)整和驗(yàn)證時(shí),往往取的是某個(gè)城市的特定幾條線路或幾個(gè)換乘站,例如北京的四號(hào)線、重慶的兩路口、牛角沱等主要換乘站,但是該模型是否能推廣到其余線路、其余城市還有待進(jìn)一步研究。
最后,目前的算法只適合規(guī)模較小的網(wǎng)絡(luò),對(duì)于大規(guī)模網(wǎng)絡(luò)的搞笑類有效路徑搜索算法研究依舊太少,此后的研究可以多注重這一塊。
參考文獻(xiàn):
[1]錢堃,陳垚,毛保華.考慮換乘時(shí)間影響的城市軌道交通路徑選擇行為研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2015,15(02):116-121.
[2]陳堅(jiān),王曼,李和平,et al.城市軌道交通網(wǎng)絡(luò)乘客換乘路徑選擇行為模型[J].交通運(yùn)輸系統(tǒng)工程與信息,2017,17(06):235-241.
[3]SebastianRaveau,Zhan Guo,Juan Carlos Munoz,Nigel H.M.Wilson.Abeh-aviouralcomparison of route choice on metro network:Time,transfer,crowding,topology and socio-demographics[J].Transportation Research Part A.66(2014):185-495.
[4]Sebastian Raveau,Juan Carlos Munoz,Louis de Grange.A topological route choice model for metro[J].Transportation Research Part A.45(2011):138-147.
[5]劉劍鋒,四兵鋒,劉新華,et al.基于乘客類別的城市軌道交通流量分配模型研究[J].物流技術(shù),2011,30(23):101-103.
[6]Kusakabe T,Iryo T,Asakura Y.Estimation method for railway passengers’ train choice behavior with smart card transaction data[J].Transportation,2010,37(05):731-749.
[7]Si B,Zhong M,Liu J,et al.Development of a transfer‐cost‐based logit assignment model for the Beijing rail transit network using automated fare collection data[J].Journal of Advanced Transportation,2013,47(03):297-318.