市區(qū)行李值機(jī)服務(wù)移動(dòng)站點(diǎn)優(yōu)化方法*

胡小兵 張雪梅 周 航 馬一鳴

（1.中國(guó)民航大學(xué)體系安全和智能決策實(shí)驗(yàn)室 天津 300300；2.中國(guó)民航大學(xué)安全科學(xué)與工程學(xué)院 天津 300300；3.中國(guó)民航大學(xué)中歐航空工程師學(xué)院 天津 300300）

0 引 言

機(jī)場(chǎng)是為乘客提供出行便利的復(fù)雜交通樞紐，由于機(jī)場(chǎng)與城市市區(qū)之間的距離較遠(yuǎn)，大多數(shù)乘客需要攜帶行李趕赴機(jī)場(chǎng)，使得航空出行非常繁瑣。為此，機(jī)場(chǎng)在市區(qū)范圍建造城市候機(jī)樓（city air terminal,CAT）來改善乘客的體驗(yàn)，其主要功能是為乘客提供行李托運(yùn)和值機(jī)服務(wù)。目前，根據(jù)中國(guó)已運(yùn)營(yíng)的CAT實(shí)際情況分析，已經(jīng)出現(xiàn)了一些弊端：①運(yùn)營(yíng)效率和服務(wù)覆蓋面不足；②投資和運(yùn)營(yíng)成本較高，經(jīng)濟(jì)效益低；③在選址上有諸多限制，乘客不方便到達(dá)。

考慮以上問題，本文提出1 種新型城市行李值機(jī)服務(wù)模式，即市區(qū)移動(dòng)站點(diǎn)（urban mobile stations,UMS）服務(wù)模式。UMS是在市區(qū)內(nèi)提供行李值機(jī)服務(wù)的專用車輛。UMS 模式基于乘客的實(shí)時(shí)位置分布情況確定UMS站點(diǎn)位置，最大程度地提高服務(wù)覆蓋率和效益，并降低運(yùn)營(yíng)成本。UMS模式的服務(wù)模式具有智能化、靈活化、個(gè)性化等優(yōu)點(diǎn)，既有傳統(tǒng)城市候機(jī)樓的優(yōu)勢(shì)，又克服了其弊端，為乘客的出行提供精準(zhǔn)便捷的服務(wù)。

要實(shí)現(xiàn)UMS服務(wù)模式，所需解決的主要問題是在每個(gè)服務(wù)時(shí)段內(nèi)基于乘客的實(shí)時(shí)動(dòng)態(tài)分布情況來實(shí)時(shí)解算UMS 位置分布，因此需要研究1 種有效方法，在復(fù)雜的城市道路網(wǎng)中優(yōu)化UMS 的位置分布。資源配置優(yōu)化問題中的方法可用于UMS 位置優(yōu)化問題，主要包括確定性算法（如分枝定界算法[1]）和啟發(fā)式算法（如模擬退火算法[2]、禁忌搜索算法[3]和p-中值加韋伯算法[4]）。Hakimi[5]在優(yōu)化單1 設(shè)施位置時(shí)定義p-中值問題模型，并將其擴(kuò)展到多個(gè)設(shè)施位置優(yōu)化；Mladenovi?等[6]根據(jù)經(jīng)典的倉庫選址問題，運(yùn)用元啟發(fā)式規(guī)則解決多設(shè)施位置布局問題；李軍等[7]通過建立網(wǎng)格索引對(duì)DBSCAN 算法的高時(shí)間復(fù)雜度進(jìn)行了改進(jìn)，基于此算法來確定班車的停留站點(diǎn)位置；魏明等[8]從時(shí)間和空間等方面考慮，以極小化所有公交車的行駛里程為目標(biāo)來優(yōu)化選址布局；程一一等[9]通過分析站點(diǎn)服務(wù)范圍內(nèi)的興趣點(diǎn)特征，利用指標(biāo)值和權(quán)值的方法來計(jì)算多設(shè)施位置的合理度；鮑文倉等[10]提出了1種共享電動(dòng)汽車服務(wù)站點(diǎn)布局的改進(jìn)模型，利用“連續(xù)逼近”模型和混合整數(shù)規(guī)劃來確定多設(shè)施的位置；劉嘉文等[11]基于聯(lián)合覆蓋選址思想，考慮了多種影響因素以及各需求點(diǎn)應(yīng)具備不同的權(quán)重，建立了多時(shí)段、多目標(biāo)共享單車停放點(diǎn)選址優(yōu)化模型來解決多設(shè)施優(yōu)化選址問題。研究者還提出了許多混合算法，如模擬退火法和隨機(jī)下降法的混合算法[12]，以及基于拉格朗日松弛法和遺傳算法的混合算法[13]，Brimberg等[14]提出了可變鄰域搜索，主要解決同時(shí)定位多設(shè)施位置優(yōu)化問題。

這些方法通常針對(duì)位置選址的戰(zhàn)略優(yōu)化問題，對(duì)計(jì)算時(shí)效性要求不高，需要花較長(zhǎng)時(shí)間（例如，幾天甚至數(shù)周）來完成優(yōu)化計(jì)算，最終得到1 個(gè)最優(yōu)解。然而，在UMS 模式下，對(duì)于每個(gè)服務(wù)時(shí)段內(nèi)UMS位置分布需要實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)優(yōu)化，優(yōu)化過程必須在較短時(shí)間（甚至幾分鐘）內(nèi)完成。因此，計(jì)算效率低的優(yōu)化方法難以適用于解決UMS 模式實(shí)時(shí)位置分布問題。

筆者提出了1 種混合優(yōu)化方法，該方法采用改進(jìn)的漣漪擴(kuò)散算法求解多對(duì)多路徑優(yōu)化問題，采用自適應(yīng)遺傳算法求解多站點(diǎn)位置優(yōu)化問題。新方法能很好地滿足UMS優(yōu)化問題對(duì)計(jì)算時(shí)效性的要求，從而為UMS 這種全新服務(wù)模式的實(shí)際應(yīng)用提供了技術(shù)支撐。

1 市區(qū)移動(dòng)站點(diǎn)服務(wù)模式

針對(duì)傳統(tǒng)的城市候機(jī)樓服務(wù)模式的缺點(diǎn)和不足，提出1種全新的市內(nèi)行李值機(jī)服務(wù)模式，即UMS服務(wù)模式。UMS 模式主要由服務(wù)商運(yùn)營(yíng)的智能平臺(tái)、乘客使用的移動(dòng)應(yīng)用程序和服務(wù)車輛3 個(gè)模塊組成。新模式的操作見圖1。將1 d 分為幾個(gè)服務(wù)時(shí)段，每個(gè)服務(wù)時(shí)段的運(yùn)行過程如下：①乘客通過移動(dòng)應(yīng)用程序提前填寫行李托運(yùn)和值機(jī)需求；②平臺(tái)收集乘客數(shù)據(jù)，根據(jù)乘客位置優(yōu)化UMS 位置分布；③平臺(tái)將優(yōu)化結(jié)果發(fā)送至服務(wù)車輛，這些車輛出發(fā)前往指定地點(diǎn)，并在服務(wù)期間停留在指定地點(diǎn)，同時(shí)，乘客從平臺(tái)內(nèi)接收信息，包括UMS 位置及其最短路線；④乘客在服務(wù)期間到對(duì)應(yīng)的服務(wù)車輛辦理行李值機(jī)手續(xù)。每個(gè)服務(wù)時(shí)段的運(yùn)行過程重復(fù)上述步驟。

以服務(wù)時(shí)段13：00—15：00為例，見圖2，乘客通過APP 預(yù)訂值機(jī)服務(wù)，主要信息包括行李托運(yùn)的預(yù)計(jì)時(shí)間、住址、航班信息等，預(yù)訂必須早于服務(wù)啟動(dòng)時(shí)間，例如，設(shè)置時(shí)間提前參數(shù)tadv=1 h，即必須在12:00 之前預(yù)訂13：00—15：00 期間的服務(wù)，參數(shù)tadv應(yīng)根據(jù)乘客需求和機(jī)場(chǎng)或航空公司的限制條件確定；平臺(tái)在12：00 基于服務(wù)時(shí)段13：00—15：00 的城市路網(wǎng)和乘客分布位置對(duì)UMS位置分布進(jìn)行優(yōu)化；平臺(tái)將提供從每個(gè)乘客到最近的服務(wù)車輛的最短路徑；優(yōu)化必須在有限的時(shí)間（例如幾分鐘）內(nèi)完成，預(yù)留足夠的時(shí)間讓車輛到達(dá)指定地點(diǎn)，并盡早向乘客發(fā)送相關(guān)服務(wù)信息；乘客可以按照移動(dòng)應(yīng)用程序上顯示的路線到達(dá)最近的服務(wù)車輛。至少需要2組服務(wù)車輛輪流提供服務(wù)，考慮車輛故障、交通堵塞和其他意外情況，還需要1組備用車輛。

UMS 模式的服務(wù)車輛安裝有符合民航標(biāo)準(zhǔn)的行李安檢設(shè)備、值機(jī)設(shè)備和足夠的行李存儲(chǔ)空間。車載監(jiān)控系統(tǒng)和乘客應(yīng)用程序進(jìn)行數(shù)據(jù)傳輸，以便相互交換相關(guān)信息，包括UMS 位置分布（向顧客提供服務(wù)車輛的當(dāng)前位置；向平臺(tái)提供所有服務(wù)車輛位置和狀態(tài)）、乘客信息（對(duì)智能平臺(tái)和服務(wù)車輛可見）、指令和服務(wù)狀態(tài)更新等。

與傳統(tǒng)城市候機(jī)樓模式相比，UMS服務(wù)模式有以下優(yōu)點(diǎn)：①以服務(wù)車輛代替城市候機(jī)樓，極大程度地降低投資和運(yùn)營(yíng)成本；②針對(duì)每個(gè)服務(wù)時(shí)段，根據(jù)乘客的實(shí)時(shí)分布優(yōu)化服務(wù)車輛的位置分布；③大大縮短乘客到達(dá)UMS的平均路徑長(zhǎng)度，實(shí)現(xiàn)靈活的服務(wù)模式，便于吸引更多乘客使用，從而提升民航運(yùn)輸?shù)母?jìng)爭(zhēng)力。

2 市區(qū)移動(dòng)站點(diǎn)位置優(yōu)化數(shù)學(xué)模型

市區(qū)移動(dòng)站點(diǎn)（UMS）是1種全新的市內(nèi)行李值機(jī)服務(wù)模式，傳統(tǒng)的城市候機(jī)樓服務(wù)模式的數(shù)學(xué)模型不能對(duì)其進(jìn)行有效描述UMS。因此，本文基于UMS 服務(wù)模式的基本思想和模式架構(gòu)，介紹1 種基于路網(wǎng)的優(yōu)化數(shù)學(xué)模型，以便實(shí)現(xiàn)在各個(gè)時(shí)段內(nèi)對(duì)UMS位置的動(dòng)態(tài)優(yōu)化。

UMS 模式是以人為本，以乘客為導(dǎo)向，如何方便乘客出行是我們考慮的重要原因。UMS 模式重點(diǎn)考慮2個(gè)因素：乘客到服務(wù)車輛的平均路徑長(zhǎng)度、乘客最大可接受距離。

其次，優(yōu)化UMS位置的動(dòng)態(tài)優(yōu)化可以被描述為以下最小化問題。

式中：xij為連接節(jié)點(diǎn)i,j的鏈路是否屬于最短路徑的指示變量；k為起點(diǎn)；n為終點(diǎn)；l為中間點(diǎn)，當(dāng)xij屬于最短路徑的指示變量時(shí)為1，否則為0。式（7）約束的意義為尋找k到n的最短路徑，即第1 個(gè)約束保證k一定可以走出去；第2 個(gè)約束保證一定有路徑通往點(diǎn)n；第3個(gè)約束為路徑可以通過約束1中創(chuàng)造的路徑延續(xù)下去，直至點(diǎn)n。

筆者提出了UMS服務(wù)模式的理論概念，并針對(duì)這一服務(wù)模式建立了數(shù)學(xué)模型，該模型主要考慮了2個(gè)目標(biāo)：①?gòu)某丝偷経MS 的平均路徑長(zhǎng)度；②超出乘客可接受路徑長(zhǎng)度的路程。在將來的實(shí)際應(yīng)用中，該模式還可以進(jìn)一步改進(jìn)，以考慮更多的目標(biāo)，包括UMS 的數(shù)量、各站點(diǎn)UMS 的工作負(fù)荷均衡、UMS的總服務(wù)時(shí)長(zhǎng)最短等。

3 基于漣漪擴(kuò)散算法與遺傳算法的混合優(yōu)化算法

本文所提出的市區(qū)移動(dòng)站點(diǎn)服務(wù)模式中，保證其有效運(yùn)行的難點(diǎn)在于必須實(shí)時(shí)優(yōu)化站點(diǎn)位置，即在短時(shí)間內(nèi)給出位置方案?，F(xiàn)有方法大都針對(duì)靜態(tài)位置優(yōu)化問題，算法時(shí)效較差，不適合UMS 場(chǎng)景。為大幅提升優(yōu)化效率，本文在算法層面開展研究，提出了1 種混合智能優(yōu)化方法，包含2 個(gè)部分：①改進(jìn)漣漪擴(kuò)散算法，有效計(jì)算乘客與UMS之間的平均路徑長(zhǎng)度，解決多對(duì)多路徑優(yōu)化問題；②引入定制化設(shè)計(jì)的自適應(yīng)參數(shù)調(diào)整方法以提高遺傳算法搜索效率，加快進(jìn)化算法的收斂速度，從而快速得到服務(wù)車輛的最優(yōu)位置。

圖3 RSA計(jì)算多對(duì)多路徑優(yōu)化問題流程圖Fig.3 Flowchart of RSAfor calculating many-to-many optimization problem

UMS 位置分布優(yōu)化是1 個(gè)NP 難度的組合優(yōu)化問題，為了獲得更好的計(jì)算效率，本文提出1種改進(jìn)的遺傳算法。首先，介紹染色體的設(shè)計(jì)和遺傳操作。然后重點(diǎn)介紹1種具有自適應(yīng)調(diào)節(jié)的遺傳算法

圖4 RSA求解多對(duì)多路徑優(yōu)化問題的過程Fig.4 The process of RSAsolving many-to-many path optimization problem

圖5 1條染色體結(jié)構(gòu)圖（例如：=3 并且選擇6、9和21標(biāo)記的節(jié)點(diǎn)作為UMS位置）Fig.5 Structure of one chromosome(e.g. =3 and the nodes marked by 6,9,and 21 are chosen as the UMS locations)

本文遺傳算法的進(jìn)化操作包括：精英遺傳（操作發(fā)生概率pd）、變異（pm）、均勻交叉（pc）隨機(jī)重新初始化（prg）、隨機(jī)遺傳（1-pd-pm-pc-prg）。

為了提高遺傳算法的優(yōu)化能力和收斂速度，通常可以在遺傳算法中采用了自適應(yīng)的參數(shù)調(diào)整方法[19]。本文根據(jù)自適應(yīng)遺傳算法（adaptive genetic algorithm,AGA）的思想，結(jié)合UMS問題的特點(diǎn)，對(duì)遺傳算法的參數(shù)采用如下針對(duì)性設(shè)計(jì)的自適應(yīng)調(diào)整方法。

首先，每一代ng∈[1,NG]的最大適應(yīng)度值記為

引入1個(gè)指標(biāo)knc，它為適應(yīng)度最大值保持不變的世代數(shù)。它滿足

式中：ncg為當(dāng)前世代的指標(biāo)。此外，knc反映了優(yōu)化過程的現(xiàn)狀，影響pm和pc的調(diào)整。

然后，根據(jù)Fmax和knc，分兩階段自適應(yīng)調(diào)整變異概率pm和交叉概率pc，見圖6。具體步驟如下：①突變和均勻交叉的初始可能性設(shè)為pm0和pc1；②如果knc1代的Fmax保持不變，則染色體可能處于局部最優(yōu)區(qū)域。遺傳算法將突變和交叉的可能性改變?yōu)閜m1和pc1，使pm1＞pm0和pc1＜pc0，有助于遺傳算法跳出局部最優(yōu)區(qū)域；③如果knc2世代的Fmax不變(knc2＞knc1)，則設(shè)突變可能性為pm2(pm2＞pm1)，交叉可能性為pm2(pc2＜pc1)。也就是說，經(jīng)過②的調(diào)整后，效果不明顯，方法仍處于局部最優(yōu)區(qū)域。因此，需要更多的隨機(jī)性；④當(dāng)對(duì)操作可能性進(jìn)行調(diào)整時(shí)，一旦Fmax發(fā)生變化，即找到了更好的解，則將操作可能性改變?yōu)閜m0和pc0，以便遺傳算法可以探索與新Fmax相關(guān)的區(qū)域并迅速收斂。圖7 為自適應(yīng)調(diào)整遺傳算法參數(shù)的流程圖。

圖6 兩階段自適應(yīng)遺傳算法的結(jié)構(gòu)Fig.6 Illustration of the two-stage adaptive genetic algorithm

圖7 改變突變和均勻交叉可能性的兩階段自適應(yīng)遺傳算法的流程圖Fig.7 Flowchart of the two-stage adaptive genetic algorithm varying the mutation and uniform crossover possibilities

4 實(shí)例分析

為驗(yàn)證市區(qū)移動(dòng)站點(diǎn)服務(wù)模式和優(yōu)化模型算法的有效性，利用天津市路網(wǎng)（基于真實(shí)地圖建立城市路網(wǎng)）和乘客分布（來自于2019 年4 月25 日對(duì)天津機(jī)場(chǎng)乘客的調(diào)查）的真實(shí)數(shù)據(jù)，采用本文提出的混合算法對(duì)不同服務(wù)時(shí)段的UMS位置分布進(jìn)行優(yōu)化。

首先，將GA與3種不同的多對(duì)多路徑優(yōu)化算法（RSA、A*算法和Dijkstra 算法）分別結(jié)合，進(jìn)行測(cè)試，重點(diǎn)比較它們的計(jì)算效率?；旌纤惴ǚ謩e表示為RSA-GA、A*-GA 和D-GA。設(shè)置參數(shù)NUMS=3,Dacc=5km，Vmax=1.2Wtot/NUMS。隨機(jī)生成1 000個(gè)不同的乘客分布，采用上述3種混合算法對(duì)服務(wù)站點(diǎn)位置進(jìn)行優(yōu)化。為了避免隨機(jī)性，對(duì)每種情況進(jìn)行了500次測(cè)試，平均計(jì)算時(shí)間見表1。從表1中可以得到各算法的計(jì)算時(shí)間，D-GA的計(jì)算時(shí)間是RSA-GA 的3.67 倍，A*-GA 的計(jì)算時(shí)間是RSA-GA 的7.18 倍，故RSA-GA 的計(jì)算速度最高。從表1 中還可以看出，多對(duì)多路徑優(yōu)化求解所用的平均計(jì)算時(shí)間遠(yuǎn)高于遺傳算法。所以，在UMS優(yōu)化問題中，選擇1 個(gè)高效的多對(duì)多路徑優(yōu)化算法至關(guān)重要。

表1 3 種混合方法的平均計(jì)算時(shí)間Tab.1 Average calculation time of the three hybrid methods

然后，本節(jié)比較了自適應(yīng)遺傳算法和模擬退火算法（SA）的效率和有效性。對(duì)SA 進(jìn)行大量測(cè)試后，選取最佳參數(shù)的SA 用于比較實(shí)驗(yàn)。同理，通過對(duì)AGA參數(shù)的不同組合進(jìn)行試驗(yàn)，選擇如下最佳參數(shù)用于計(jì)較實(shí)驗(yàn)。

對(duì)2種算法進(jìn)行對(duì)比實(shí)驗(yàn)，表2是自適應(yīng)遺傳算法與模擬退火算法在不同乘客分布情況下進(jìn)行100次試驗(yàn)的結(jié)果（乘客位置從網(wǎng)絡(luò)節(jié)點(diǎn)中隨機(jī)選取）。從表2中可以看出，AGA的最佳目標(biāo)函數(shù)值的平均值比SA 小13.1%，其平均路徑長(zhǎng)度C1比SA 略小，其總超出距離C2的平均值比SA小32.8%，SA的優(yōu)化過程要比AGA慢3倍左右。結(jié)果表明無論是優(yōu)化解還是計(jì)算速度，自適應(yīng)遺傳算法都要優(yōu)于模擬退火算法。

表2 AGA 和SA 在不同乘客分布情況下進(jìn)行100 次試驗(yàn)結(jié)果Tab.2 Results of AGA and SA with 100 different passenger source distributions

圖8 2019年4月25日天津市路網(wǎng)及客源位置示意圖Fig.8 Schematic diagram of Tianjin's urban route network and passenger source location onApril 25,2019

對(duì)2 種服務(wù)模式的服務(wù)質(zhì)量（即目標(biāo)C1、C2、和計(jì)算時(shí)間）進(jìn)行比較。在對(duì)比實(shí)驗(yàn)中設(shè)置參數(shù)NUMS=3，Dacc=5km，Vmax=1.2Wtot/NUMS，AGA的參數(shù)與上述相同，采用混合方法進(jìn)行優(yōu)化，優(yōu)化結(jié)果見表3。表4 是不同站點(diǎn)數(shù)量情況下城市候機(jī)樓模式的結(jié)果，并且AGA 的參數(shù)與上述相同。將表3的優(yōu)化結(jié)果與表4 的結(jié)果進(jìn)行了比較，得到在相同站點(diǎn)數(shù)NUMS=NCAT=3 的情況下，UMS 的平均路徑長(zhǎng)度比CAT 小30.9%，超出乘客的可接受路徑長(zhǎng)度比CAT 小43.7%。因此，在相同站點(diǎn)數(shù)的情況下UMS 服務(wù)模式更符合乘客的需求。當(dāng)某些時(shí)段的乘客分布明顯分散時(shí)，可以靈活分配更多的服務(wù)車輛，以更好地服務(wù)乘客、提高服務(wù)覆蓋率。設(shè)置＜3 km 和C1＜2 km 為判斷UMS 模式的服務(wù)車輛是否滿足某個(gè)時(shí)段的乘客需求，當(dāng)滿足＜3 km和C1＜2 km時(shí)，則其正常運(yùn)行，否則將增加服務(wù)車輛的數(shù)量。

表3 具有恒定數(shù)量的UMS（NUMS=3）的結(jié)果Tab.3 Results with a constant number of UMS( NUMS=3)

表5為不同NUMS的結(jié)果，與表4中不同NCAT的情況進(jìn)行比較，結(jié)果表明，UMS 的平均路徑長(zhǎng)度比CAT顯著降低，故乘客到達(dá)它的平均時(shí)間也就更短，且其位置分布優(yōu)化的平均計(jì)算時(shí)間為377 s，滿足UMS模式運(yùn)行的要求。

表4 CAT 不同站點(diǎn)數(shù)量情況下的結(jié)果Tab.4 Results of cases with different station numbers of CAT

表5 UMS 可變數(shù)量的結(jié)果（ ＜3 km 和C1＜2 km）Tab.5 Results with a variable number of UMS( ＜3 km and C1 ＜2 km)

表5 UMS 可變數(shù)量的結(jié)果（ ＜3 km 和C1＜2 km）Tab.5 Results with a variable number of UMS( ＜3 km and C1 ＜2 km)

服務(wù)時(shí)間段05：00—07：00 07：00—09：00 09：00—11：00 11：00—13：00 13：00—15：00 15：00—17：00 17：00—19：00 19：00—21：00站點(diǎn)數(shù)量Cf 64343445 BOF/km 1.94 1.93 2.36 1.96 2.20 1.71 2.10 1.91 C1/km 1.92 1.81 1.79 1.58 1.94 1.42 1.77 1.91 C2/km 16 115 569 384 261 288 329 0計(jì)算時(shí)間/s 369 353 382 411 396 393 362 347

在成本方面對(duì)2種模式的運(yùn)營(yíng)成本進(jìn)行比較見表6。從中可以得到，UMS 的估算成本低于CAT。表6中費(fèi)用的估算基于參考文獻(xiàn)[20]，中項(xiàng)目投資和效益分析主要考慮硬件建設(shè)、購(gòu)買和租賃成本。因此，上述僅對(duì)2種模式的成本進(jìn)行了粗略比較，只是對(duì)成本問題提供了初步的財(cái)務(wù)觀點(diǎn)。

表6 UMS 和CAT 的調(diào)查和運(yùn)營(yíng)成本Tab.6 Investigation and operation costs of UMS and CAT

為進(jìn)一步驗(yàn)證UMS服務(wù)模式的有效性，隨機(jī)生成100個(gè)路網(wǎng)，每個(gè)路網(wǎng)均勻分布有Nn=600 個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的連接數(shù)不超過6個(gè)，故最大鏈路數(shù)約為1 800 條。每個(gè)路網(wǎng)隨機(jī)假設(shè)500 組乘客分布數(shù)據(jù)，每組乘客分布數(shù)據(jù)包含約20 000 名乘客，將20 000名乘客隨機(jī)分布在8個(gè)時(shí)段內(nèi)。設(shè)NUMS=NCAT=3，其他參數(shù)與上述實(shí)驗(yàn)相同。圖9繪制了隨機(jī)測(cè)試案例的部分優(yōu)化結(jié)果,其中紅色圓點(diǎn)為UMS位置，藍(lán)色圓點(diǎn)為當(dāng)前時(shí)段需要托運(yùn)行李乘客位置，綠色圓點(diǎn)為其他時(shí)段旅客位置，圖中還給出了乘客到達(dá)UMS的最短路徑。

圖9 隨機(jī)生成網(wǎng)絡(luò)和乘客分布的測(cè)試中UMS和CAT的最佳站點(diǎn)位置Fig.9 Optimal station locations of UMS and CAT in a test with randomly generated network and passenger distribution

表7 為100 個(gè)路網(wǎng)基于各自500 組乘客分布數(shù)據(jù)的模擬結(jié)果平均值。結(jié)果表明，乘客到UMS之間的平均路徑長(zhǎng)度要略小于CAT，這是由于乘客的分布是隨機(jī)選擇的，總體上非常分散，因此2種服務(wù)模式的差異并不明顯。但是對(duì)于UMS來說，超過可接受距離的情況明顯減少。由此可見，在隨機(jī)生成數(shù)據(jù)的實(shí)質(zhì)性測(cè)試中，UMS 的服務(wù)效率明顯優(yōu)于CAT。

表7 具有恒定數(shù)量的UMS 和隨機(jī)乘客分布的結(jié)果(N=3)Tab.7 Results with constant number of UMS with random passenger distributions(N=3)

5 結(jié)束語

為充分發(fā)掘城市候機(jī)樓概念的優(yōu)勢(shì)并克服其不足，本文提出1 種適用于市區(qū)行李值機(jī)服務(wù)的市區(qū)移動(dòng)站點(diǎn)服務(wù)模式；介紹UMS 模式組成和運(yùn)行方式；提出1種新型混合優(yōu)化方法，以滿足其布局實(shí)時(shí)優(yōu)化的時(shí)間要求；以天津市的乘客市區(qū)值機(jī)需求為例，從服務(wù)質(zhì)量和成本2個(gè)方面對(duì)2種服務(wù)模式進(jìn)行了比較研究；最后，在隨機(jī)生成路網(wǎng)和乘客分布的情況下，進(jìn)一步證明UMS 模式相對(duì)于傳統(tǒng)CAT 的優(yōu)勢(shì)，證明了新型服務(wù)模式有助于提高民航的服務(wù)質(zhì)量，增強(qiáng)航空運(yùn)輸?shù)母?jìng)爭(zhēng)力。

在將來的應(yīng)用研究中，UMS 模式尚有可改進(jìn)的空間：例如，UMS 服務(wù)模式是基于互聯(lián)網(wǎng)平臺(tái)進(jìn)行的，乘客需要在網(wǎng)絡(luò)上預(yù)約，因此對(duì)一些需要托運(yùn)行李而不熟悉上網(wǎng)的老年人存在使用不便問題；可引入更現(xiàn)實(shí)的考慮因素，采用多目標(biāo)優(yōu)化模型，如考慮UMS 數(shù)量的動(dòng)態(tài)變化、各站點(diǎn)的工作負(fù)荷均衡、UMS 的總服務(wù)時(shí)長(zhǎng)最短，網(wǎng)絡(luò)節(jié)點(diǎn)是否符合UMS 的位置要求等；還需要在不同城市和國(guó)家進(jìn)行更多的實(shí)際案例研究，以進(jìn)一步評(píng)價(jià)UMS服務(wù)模式和所提出的優(yōu)化算法的有效性；對(duì)于已經(jīng)建立城市候機(jī)樓的地區(qū)，若直接將CAT 廢棄經(jīng)濟(jì)損失較大，因此，如何將城市候機(jī)樓服務(wù)模式與市區(qū)移動(dòng)站點(diǎn)服務(wù)模式有效結(jié)合，需要進(jìn)一步開展相關(guān)研究。