大数据智能助力环保公交路线规划

挑战

2015 年工业与系统工程研究会议论文集 S. Cetinkaya 和 J. K. Ryan 编辑。

Matthew Snead、David Holt、Michael Mullen、Michelle Londa、Tongdan Jin
英格拉姆工程学院
德克萨斯州立大学
美国德克萨斯州圣马科斯 78666

摘要

公共汽车交通是所有人口密集地区的一项重要服务，而这项服务的大部分都依赖于有序的行车路线。公共汽车在行驶过程中会消耗大量化石燃料，对环境造成影响，并产生运营成本。本文的目标是提出一种可持续的巴士路线解决方案，在保证服务质量的前提下最大限度地减少每年的燃料消耗。研究以德克萨斯州一所公立大学的巴士车队为基础，该车队目前为 34000 多名学生提供服务。利用供应商网页上的大量历史数据，可以确定具体巴士在路线上运行的位置。除现场观察外，还可通过 JavaScript Object Notation 从网站上检索运行时数据，并将其输入高级统计工具，以进行实时决策。基础模型在 SIMIO 中构建、验证，并使用附加功能进行优化，以确定最省油的公交线路。研究表明，通过将大数据分析与乘客到达模式相结合，燃油效率可提高 10-20%，每年可减少 15% 的运营成本和 2.4 万吨二氧化碳排放。

1.1. 简介

2013 年，美国人乘坐公共交通出行达 107 亿次，创下 57 年来最高的年度乘客人数。公共交通是一个价值 580 亿美元的产业，在美国 7100 个服务机构中拥有近 40 万名员工。使用公共汽车和铁路线每年可使每个家庭的驾驶里程减少 4,400 英里（1 英里=1.6 公里），每年可在全国范围内节省 4.5 亿加仑的燃油，同时减少交通拥堵[1]。随着交通流量的不断增加，人们对高质量公共交通的需求也在持续上升。满足这种需求的一个非常通用的工具就是公交系统。这些系统能够适应新的需求，并能灵活调整路线，因此与地铁或铁路系统等需要成本高昂且僵化的基础设施的其他选择相比，更具可行性。在通过大数据智能、先进分析和信息技术最大限度地提高交通性能方面，处理人口密集地区有机增长的优势非常重要。

最大限度地减少乘客等待时间和降低运营成本是评估公交服务系统的两个基本标准。要安排和决定如何组织公交线路以提供最佳服务，取决于多种因素，包括地点需求、线路时间表、车队规模和辅助设施。其中需要考虑的一个主要因素是公交车留下的碳足迹以及与之相关的费用。例如，研究中的巴士车队使用柴油燃料，每辆巴士在 12 小时的班次中大约消耗 136 加仑的燃料，每加仑的燃料成本为 3.05 美元。根据燃烧一加仑柴油会产生 10.18 千克二氧化碳[2]这一事实，每辆巴士每天的碳排放量高达 1,384 千克。此外，每班运营一辆巴士的服务成本约为 1 012 美元，因此每辆巴士每 12 小时一班的成本为 1 425 美元。因此，要想最大限度地减少温室气体排放和运营成本，就必须制定最佳的巴士路线和时间表。

现有的公交线路和时间安排研究通常包括分析方法和实地观察。虽然有许多工具可用，但一个著名的方法是快速公交（BRT）规划指南[3]。该指南目前的版本长达 800 多页，由世界各地具有设计和实施快速公交系统直接经验的专业人士和从业人员撰写。该指南为规划者提供了设计和实施公交线路系统的能力。整个快速公交系统所使用的方法都是基于交通分析和决策的分析模型。一些线路实施方法提供了基于优缺点的比较图作为决策工具；其中一个例子就是公交站点的分配[4]。然而，静态的公交线路选择方法可能会导致效率低下，或由于运行环境的多变而造成大量的碳排放，并增加运营和维护成本。

与现有方法不同的是，本研究将实时公交运营数据与先进的模拟工具（即 SIMIO）相结合，通过考虑乘客的变化对公交路线系统进行可能的改进。所构建的基线模型代表了研究中的当前线路，并被用于实验设计，作为创建更环保、更具成本效益的交通系统的一种方法。Excel、Minitab 和 JMP 用于处理和分析纳入 SIMIO 的数据。在 SIMIO 中使用 OptQuest 软件来生成和模拟基线配置，并产生最佳解决方案。

本文的其余部分安排如下：第 2 节介绍了一个总体框架，在此框架下，多个数据源被合成并输入 SIMIO，从而为路由决策创建一个仿真环境。第 3 节进行初步数据分析，第 4 节对仿真模型进行深入验证和确认。第 5 节介绍了实验架构和解决方法。第 6 节介绍了实施真实公交系统的建议模型，以及预计的二氧化碳排放量和成本节约情况。第 7 节为本文的结论。

解决方案

2.方法论

2.1 方法

利用包括实时和历史数据在内的信息学，帮助提高研究中的现有基本路线的效率。这样，进入大气的有害污染物和温室气体就会大大减少，而且由于总行驶距离的缩短，还能节约成本。基本公交系统由 10 条常规线路组成。此外，还有四条晚间线路、四条夜间线路和五条周六线路。巴士承包商 Transdev 共使用 45 辆巴士运营，其中 43 辆是新巴士。本研究的重点是最多使用三辆巴士运营的山猫村线路，但建议的方法可以推广到其他巴士线路。如图 1 所示，三辆公交车都遵循相同的路线逻辑：公交车从山猫村北开往山猫村南，山猫村南开往 LBJ，LBJ 开往四区，四区开往山猫村北，每天重复这样的循环。图 1 还显示了当前的线路顺序和巴士的每日时间表。请注意，马修斯并不是一个站点，山猫村的所有站点都位于同一个建筑群内，相距 0.05 英里。

2.2 大数据收集

2014 年夏季，德克萨斯州公共汽车服务公司不仅对公共汽车进行了重大升级，还对公共汽车的跟踪方式进行了升级。公交车使用苹果 iPad 发出全球定位系统（GPS）信号，这种信号在大多数手机和平板电脑类设备中都很常见。网络管理员能够获取这些数据并将其应用到地图上，从而为最终用户提供公交车在特定路线上的实时位置。本案例研究中收集的实时数据是通过 JavaScript Object Notation 从地图的原始链接中获取的。这样，我们就能从网站上连续检索实时 GPS 数据，并将每日信息存储到一个包含 70 多万行原始数据的巨大文本文件中。原始数据行包含的信息有：路线、公交车标识、时间、日期、GPS 记录以及其他未直接使用但已处理的信息。每个文件生成的 700 多万个单元格被带入分析环境，随后进行分析。

2.3 辅助数据

通过上述方法收集定量和定性数据。 利用时间研究方法，收集以下类别的观察数据：公交车到达时间、公交车停留时间、以 5 分钟为增量的学生到达间隔时间以及北山猫村和南山猫村之间的时间。所有观察数据都有时间戳，以便在不同数据源之间进行关联。德克萨斯州交通服务部门也会应要求提供补充数据。这些信息会被传输到 Excel 中，然后在 Excel 中进行解释和组织，以便用于设计和验证。定性数据用于下文所述的设计过程和实验过程。

3.初步数据分析

3.1 大数据分析

对收集到的大量数据进行数据挖掘，并将所有相关信息导入 Excel 表中，利用 GPS 点和时间戳计算相邻站点之间的旅行时间。GPS 时间路径以两小时为间隔，按一天中的时间排列，以考虑不同的交通和环境模式。

使用 Excel、Minitab 和 JMP 中的分析工具对数据进行分析，以生成适当的分布，并将其应用到模拟平台 SIMIO 中。图 2 描述了两小时时间间隔与相邻站点之间公交车到达时间的关系；它显示了当前线路中存在的空间和时间变化。山猫村北到山猫村南的时间未包含在上图中，因为在 0.05 英里的站点间距内，指定的公交车道没有中断，因此时间是一致的。解释后的数据在马尔可夫过程和排队理论的组织环境中实施。SIMIO 允许通过多次重复来运行模型，以达到 95% 的置信水平。

3.2 数据验证

交通服务部门提供的数据和信息以及收集到的数据用于验证 GPS 的研究结果。学生到校数据以与记录相同的格式输入 Excel 表，随后将在设计模拟模型时使用。通过在有组织的环境中分析数据，确定了当前公交系统建模的设计方法。所有收集和分析的数据都能生成当前系统的模型，并根据 GPS 数据和其他来源的数据对现有山猫村公交线路进行准确和实时的描述。这些数据可用于 SIMIO 环境中的调度、巴士分配和其他逻辑规划。定性数据将在设计过程中得到解释和帮助，以确定对路线的某些偏好和与该过程有关的其他限制。

4.SIMIO 方法和实施

4.1 SIMIO 环境

SIMIO 旨在支持基于代理建模的大规模应用的面向对象仿真范例。对象可以在库中创建和存储，并可轻松检索和共享。通用对象可以是机器、客户、公共汽车、船舶或系统中可能遇到的任何其他实体。本研究中的对象包括公交车、学生、车站和路线。SIMIO 模型看起来与真实系统相似，模型逻辑和动画都是一步完成的。一个对象可以通过动画来反映该对象的状态变化，这与本研究中的公交车移动相对应。通过这种离散事件模拟，我们可以利用收集到的大量数据来模拟研究中复杂系统的行为。我们利用谷歌地球、谷歌 Sketch Up、Trimble 3D Warehouse 和 SIMIO（此处未显示）构建了一个简单的观察模型，并将其与圣马科斯公交线路的复制品模型一起展示在图 3 中。

该模型从周一至周四早上 6 点至晚上 8 点运行，热身和冷却时间各一小时。根据学生的目的地创建了四种代表学生的实体：LBJ、Quad、Bobcat Village North 和 Bobcat Village South。这些实体通过 "源 "和 "汇 "进出模型，而 "源 "和 "汇 "共同代表公交车站。路线系统通过根据当前路线顺序绘制的时间路径连接起来。公交车可使实体在线路上的站点之间往返。模型还根据平均燃料消耗率和每小时合同运营成本对巴士进行成本分析。该模型包含在模拟过程中显示的输出统计信息，可对总体成本、每辆巴士的单项成本以及当前乘坐特定巴士的乘客数量进行实时反馈。

4.2 实体

为四个公交车站分别创建一个速率表。泊松到达过程表的速率单位为每小时到达人数。速率的设置间隔为 156 分钟，每五分钟一次。时间基于模拟的内部时钟。每隔五分钟，根据每小时的事件数给出一个速率。该速率是利用指数分布生成的。例如（见表 1），7:20:00 至 7:25:00 期间的到达时间呈指数分布，平均值为每小时 43.2 次到达（即事件）。当信息源开始创建实体时，会引用一个单独的表格来确定要创建的实体类型。

表 1：第 1 天上午巴士站到达表摘录

表 2 显示了数据源在创建实体时使用的引用表。该表被理解为一个矩阵，其中来源由列调用，特定学生类型的概率由列的行定义。创建实体后，会根据实体类型从数据源为实体分配一个目的地。然后，实体就会在来源地的输出队列中等待，由运输机接收。

表 2：学生目的地概率

4.3 运输车（巴士）

山猫村公交线路使用三辆公交车，每辆车的起止时间各不相同（见图 1）。公交车按照站点之间的时间路径行驶，这些时间路径的设置是为了评估模拟中的时间，从而决定在特定的两小时时间间隔内使用哪种分布和数值。这样就可以根据一天中的时间使用 GPS 数据来模拟交通状况。当实体被拾取时，运输机必须等待实体装载和卸载。这是通过 Minitab 中嵌入的随机均匀函数实现的。每辆巴士的装载时间随机分布在每个实体 1 到 3 秒之间。包括司机在内，每辆巴士的最大座位数为 60 个。在模型中，通过排除司机座位，选择 59 作为巴士的最大载客量是合适的。

4.4 进程

附加触发器、执行步骤或事件可以启动一个流程。流程的设计使用了不同的步骤，这些步骤在启动时执行。流程在整个仿真模型中用于执行一系列逻辑。

图 4 描述了在巴士旅行模拟环境中开发的 14 个进程中的一个。在模型开始时初始化的一个流程会根据控制来评估何时允许一辆公交车启动。两辆公交车的结束时间由一个类似的流程执行。第三辆公交车使用的流程允许公交车在白天下班，然后在下班时间前返回班次。巴士运营商试图在一天中保持每辆巴士之间十分钟的间隔。当一辆巴士比计划提前时，它总是停在四区。间隔是通过使用独立的实体、源、时间路径和汇来创建的。当一辆公共汽车离开指定的停靠地点时，会触发一个流程，使源创建一个实体，该实体遵循默认为 10 分钟间距的时间路径。进入指定居住地的下一条总线会评估时间路径上是否有实体，如果有，总线就会停留，直到实体触发汇执行进程，触发事件释放总线。模型中使用了许多流程，包括负责参考属性的大部分逻辑。

4.5 引用属性

参考属性（控件）是使用本文所包含的类似逻辑方法在模型中定义的。如前所述，公共汽车的开始和结束时间由用户控制并由流程设置。此外，还可以通过不同的控制组合来设置住宅配置和移除停靠站的选项。控制和基准配置之间的关系如表 3 所示。当前的时间表基于内部模拟时钟，从早上 6 点到晚上 8 点，共运行 14 个小时。这些控制措施将在以后的实验过程中作为一种系统方法，用于对路线进行可能的改进。

表 3：控制参数汇总

4.6 模型验证

基线配置被复制 200 次，并根据数据进行测试。SIMIO 模拟可为模型中的所有对象提供大量输出统计数据，用于验证系统。基线方案的多次复制提供了宝贵的数据，这些数据与实时观测数据以及大学交通办公室收集的数据进行了比较。预期结果和模拟结果趋于一致，这证明了模型的有效性及其对所研究的真实世界系统的代表性。通过利用这些信息，可以确定在使用该模型设计多个实验并确定可能的解决方案后，可以降低运营成本并减少对环境的影响。

5.实验

5.1 设计实验

实验采用多目标设计，其中平均等待时间是权重最高的目标，其次分别是最大等待时间和成本。使用与每个特定输出统计相关的表达式来定义响应。定义响应的目的是使时间或成本最小化，并赋予目标权重。参考属性是实验中的控制项，可以很容易地进行操作，以生成其他路由方案。

响应被赋予最小值和最大值，以及特定响应值的变化增量。此外，还通过编写一般表达式来实现约束条件，以防止优化模型生成不可行的配置。最优解是通过名为 OptQuest 的附加软件生成的。本实验在 OptQuest 中设置了最少 35 次复制和最多 3000 个方案。该软件使用控件生成和模拟方案，并在生成新方案前解释响应。在生成新方案时，会使用每个模拟方案的历史数据，试图根据目标函数找到可能的解决方案。OptQuest 将继续重复这一过程，直到找到最佳解决方案或模拟出最大数量的情景。

5.2 进行实验

OptQuest 会执行实验，并根据实验设计执行多达 105,000 次模拟。完成后，将使用响应变量的参数设置对结果进行排序，以剔除超出目标的方案。剩余的方案将导出到另一个实验中，进行更多的重复，以便与基线模型进行比较。在新的实验中，对每个方案的设计进行 200 次重复模拟，包括可能的解决方案和具有相同路线计划的基线的六个配置。为便于比较，将代表不同方案的六种配置归纳如下
1) 基准线
2) 带 LBJ 住宅的基线
3) 删除南山猫村的基线
4) 取消停靠站，早晚分流的基准线
5) 取消停靠站，分段居住，晚间居住在 LBJ 的基线
6) 分割居住区的基线

接下来，我们将进一步研究新实验的结果，以便根据数据准确性的更多重复情景选择可能的改进方案。

5.3 实验分析

实验中使用 "小于 "函数剔除了与路线和所需服务（最大和平均等待时间）不符的方案。然后进一步分析配置和响应的比较，选出优于其他可能解决方案的运行方案。在 SIMIO 中绘制出曲线图，以确定每个方案的质量。这些图基于 Barry Nelson [7] 开发的风险与误差测量（MORE）图和 SIMIO 标签 SMORE [8]。这些图根据所需的响应和所选的方案显示增强的方框图、直方图和点阵图。图 5 举例说明了北山猫村平均等待时间与六种基线配置的 SMORE 图。该软件允许以这种方式绘制所有响应变量，以便进行比较。选定的可能解决方案方案中，产生较大差异或异常值的方案将被删除。根据输出统计数据的质量确定最终解决方案。虽然存在大量可行的解决方案，但根据定性和定量数据的比较和偏好推断，许多方案都会被剔除。

业务影响

6.结果与建议

通过采用特定的调度配置、取消一个站点和公交车停靠做法，该线路可望大幅降低成本和减少碳排放，同时仍能为学生提供优质服务（见表 4-6）。

表 4：响应结果（时间单位为分钟）

6.1 降低成本

成本方案的 SMORE 图表表明，重复计算得出的成本是有效的（见图 6）。这些方案提出了许多合理的解决方案，可能节省的费用范围很广。表 5 显示了基于悲观、现实和乐观方案的预计成本节约情况。预计节省的成本在 10-20% 之间。例如，悲观方案显示每辆巴士每天最多可节省 400 美元，而乐观方案则显示可节省高达 800 美元。即使在悲观的情况下，每年也可节省 42 万美元，将目前的成本降低 10%。

表 5：预计降低的成本

计算成本（美元）

6.2 碳节约

减少行车距离不仅有利于降低运营成本，还能降低环境成本。在与其他控制措施相结合的情况下，根据第 6.1 节所述的相同方案，预计可节省碳排放量，见表 6。预计二氧化碳减排量在 10-23% 之间。由此产生的碳减排总量每天可达 11 556 公斤，每年可避免近 2.4 万吨碳排放。

表 6：预计二氧化碳减排量

6.3 建议

根据模拟结果，可以通过实施以下一项或多项建议来改善公交服务：1) 取消山猫村南站；2) 在上午 9:30 之前将住宅重新分配到山猫村北站；3) 在一天的剩余时间内继续开往 LBJ。此外，改变公交车的调度也能大大降低成本和减少碳排放。虽然可以实施多种解决方案，但建议的解决方案（见表 7）既能提供所需的服务，又能大大减少运营预算和对环境的影响。其目的介于现实方案和乐观方案之间，可节省 600 多美元（见表 5 和表 6），从而节省 15% 以上的碳排放量和运营成本。

表 7：控制参数和变量的目的解决方案

7.结论

本研究旨在利用实时大数据信息学追求一种可持续的公交服务系统，在不影响服务质量的前提下降低运营成本和燃料消耗。由于运营条件是动态的，静态的巴士路线选择方法可能效率低下，并导致大量的碳排放，同时增加运营和维护成本。本案例研究表明，将实时 GPS 数据与可用的旅行信息相结合，可以创建一个精确的模拟模型，使规划人员能够优化时间路径和物理路线。与静态路线优化不同，数据驱动模型可以随着路线特征的变化而发展，并在不确定的环境中进一步产生自适应解决方案。建议的模型和模拟方法可以使用现成的软件轻松实现。根据初步研究结果，该研究目前正处于可能在大学公交运输系统中实施解决方案的阶段。根据计算，建议的线路配置可在十年内节省 1,130 万至 2,020 万美元的成本，并额外减少 1,140 万至 2.43 万吨的碳足迹。在未来的研究中，本研究将扩展和推广模拟模型，努力促进大数据分析与当前交通系统的结合，以大大减少有害污染气体和成本。

鸣谢

特别感谢德克萨斯州运输服务部的 Steven Herrera、Stephanie Daniels 和 Alex Vogt，他们提供了重要数据并深入分析了公交线路。此外，还要感谢菲利普-贝特曼（Phillip Bateman）在数据收集方面提供的帮助，感谢雅各布-沃伦（Jacob Warren）提供原始数据的网络链接，并指导我们使用 JSON。此外，里克-斯万（Rick Swan）创建了 JSON 并存储了数据。本研究部分由美国农业部提供支持，资助编号为 2011-38422-30803。

参考文献

1.(WPTGCG) "Where Public Transport社区发展"（WPTGCG
http://www.publictransportation.org/news/facts/Pages/default.aspx，（2015 年 1 月 20 日访问）
2.环保局，"典型乘用车的温室气体排放"。典型乘用车的温室气体排放"，见
http://www.epa.gov/otaq/climate/documents/420f14040.pdf，（2015 年 1 月 21 日访问）
L. Wright、W. Hook，《快速公交规划指南》，第三版，交通与发展政策研究所，2007 年 6 月出版，https://www.itdp.org/wp-content/uploads/2014/07/Bus-Rapid-Transit-Guide-Complete-Guide.pdf，（2014 年 12 月 1 日访问） 4.
交通容量和服务质量手册》，第 2 版，交通研究委员会，华盛顿特区，http://www.trb.org/main/blurbs/169437.aspx（2014 年 11 月 14 日访问） 5.
5. TCRP 第 118 号报告《快速公交从业者指南》，运输研究委员会，华盛顿特区，http://onlinepubs.trb.org/onlinepubs/tcrp/tcrp_rpt_118.pdf（2014 年 11 月 20 日访问）
12 号线-山猫村，http://www.shuttle.txstate.edu/springschedule/Campus/route12.html，（访问日期：2015 年 1 月 30 日）。
2015年1月30日）。
B. L. Nelson，"The more plot：显示模拟输出的风险和误差度量"，《2008 年冬季模拟大会论文集》，2008 年，第 413-416 页。
D. Kelton, J. Smith, D. Sturrock, Simio & Simulation：Modeling, Analysis, Applications, 2nd Edition, McGraw Hill, Boston, 2011.

Matthew Snead、David Holt 和 Michael Mullen 来自德克萨斯州立大学，是Simgineers 的代表。