[论文解读] Adaptive Transit Design: Optimizing Fixed and Demand Responsive Multi-Modal Transportation via Continuous Approximation

Giovanni Calabro', Andrea Araldo+4 more|arXiv (Cornell University)|Dec 29, 2021

Transportation and Mobility Innovations被引用 15

一句话总结

本文提出了一种自适应换乘设计模型，通过连续近似方法优化固定路线与按需响应式公交的整合，以最小化用户和机构成本。通过按子区域和一天中的不同时段动态选择最优公交模式（固定路线或按需响应式），该模型显著减少了接入时间与总综合成本，尤其在郊区地区表现突出，展示了在各种情景下（包括自动驾驶车辆）的显著效率提升。

ABSTRACT

In most cities, transit consists solely of fixed-route transportation, whence the inherent limited Quality of Service for travellers in suburban areas and during off-peak periods. On the other hand, completely replacing fixed-route (FR) with demand-responsive (DR) transit would imply a huge operational cost. It is still unclear how to integrate DR transportation into current transit systems to take full advantage of it. We propose a Continuous Approximation model of a transit system that gets the best from fixed-route and DR transportation. Our model allows deciding whether to deploy a FR or a DR feeder, in each sub-region of an urban conurbation and each time of day, and to redesign the line frequencies and the stop spacing of the main trunk service. Since such a transit design can adapt to the spatial and temporal variation of the demand, we call it Adaptive Transit. Numerical results show that, with respect to conventional transit, Adaptive Transit significantly improves user-related cost, by drastically reducing access time to the main trunk service. Such benefits are particularly remarkable in the suburbs. Moreover, the generalized cost, including agency and user cost, is also reduced. These findings are also confirmed in scenarios with automated vehicles. Our model can assist in planning future-generation transit systems, able to improve urban mobility by appropriately combining fixed and DR transportation.

研究动机与目标

• 为解决固定路线公交在郊区及非高峰时段的低效问题，通过整合按需响应式（DR）服务。
• 确定在城市各子区域中固定路线（FR）与DR公交在空间和时间上的最优部署方案。
• 重新设计干线线路的发车间隔与站点间距，以最小化用户与机构成本。
• 评估在不同需求模式与车辆自动化水平下自适应公交的性能表现。
• 为规划下一代多模式公交系统提供可扩展的连续近似框架。

提出的方法

• 开发一种连续近似模型，将公交网络表示为连续空间分布，而非离散的节点与链路。
• 采用混合整数优化框架，针对每个子区域和时间段，决定是否部署FR或DR接驳服务。
• 将用户接入时间、行程时间及服务频率纳入用户与机构的综合成本函数。
• 利用从连续空间建模中推导出的解析近似方法，优化干线服务参数（如站点间距与发车间隔）。
• 将模型应用于具有不同需求分布与车辆自动化水平的城市城市群情景。
• 通过多种需求情景下的数值模拟验证结果，包括郊区与非高峰时段。

实验结果

研究问题

• RQ1 如何在空间与时间上最优地结合固定路线与按需响应式公交，以最小化整个系统成本？
• RQ2 自适应模式选择（FR与DR之间）对用户接入时间的影响如何，特别是在郊区与低需求区域？
• RQ3 当干线服务参数与接驳模式选择共同优化时，综合成本（用户+机构）如何变化？
• RQ4 自动化与动态路径规划在多大程度上增强了自适应换乘设计的优势？
• RQ5 连续近似能否准确表示并优化大规模复杂多模式公交系统？

主要发现

• 通过在郊区与非高峰时段部署按需响应式服务，自适应换乘显著降低了用户相关成本，特别是接入时间。
• 与传统固定路线系统相比，该模型显著降低了总综合成本——涵盖用户与机构的全部支出。
• 郊区地区因优化的DR接驳服务部署，接入时间大幅减少，因而获得了最显著的改善。
• 在自动驾驶车辆的情景下，自适应设计的优势不仅得以保持，甚至进一步增强，表明其可扩展至未来公交系统。
• 将干线线路的发车间隔与站点间距与接驳模式选择共同优化，可在所有需求模式下实现可测量的效率提升。
• 连续近似框架实现了大规模、多模式公交网络的可扩展、计算高效的优化。