Simio Case Studies

利用模拟技术评估受 COVID-19 影响的乘客人数下的班车性能

作者:Simio | 2026-3-26 19:13:14

挑战

与许多组织一样,美国国立卫生研究院(NIH)也因 COVID-19 大流行而急剧转向远程工作。位于马里兰州贝塞斯达的美国国立卫生研究院主园区运营着一个班车系统,用于接送员工往返于主要建筑之间,以及从马里兰州蒙哥马利县的异地接送员工。美国国立卫生研究院利用模拟建模来了解在乘客需求不同的情况下,改变巴士班次和减少车辆容量所产生的影响。该模拟工具可用于了解如何改变巴士时刻表以适应错开的工作模式,以及当工人开始返回 NIH 校园时应如何增加巴士班次。

简介

美国国立卫生研究院主园区位于马里兰州贝塞斯达市。它占地 300 多英亩,拥有超过 75 座建筑。校区提供班车服务,帮助员工、病人、承包商和访客在校区内穿梭。班车服务还提供校外主要地点(如机场、地铁站和卫星设施)之间的额外路线。

与许多组织一样,2020 年春季,当 COVID-19 大流行病开始影响美国时,NIH 园区迅速转向远程工作模式。这导致对班车的需求减少。

在美国国立卫生研究院制定计划让员工以安全的方式返回校园的过程中,为美国国立卫生研究院的研究任务提供支持服务的研究服务办公室(ORS)意识到,在 COVID 后或过渡到 COVID 后的环境中,对班车服务的需求可能会有很大不同。其中一些差异可能包括

  • 由于工作地点偏远或员工希望避免乘坐公共交通工具,乘客数量总体减少。
  • 一天中需求模式的变化,因为工作时间安排错开,以减少关键区域的拥堵。
  • 乘客从出发地到目的地的模式发生变化,因为某些部门/楼宇可能比其他部门/楼宇更倾向于远程办公。
  • 需要主动限制公共汽车的载客量,以确保乘客之间有足够的间隔。

ORS 和 MOSIMTEC 在 SIMIO 中建立了一个离散事件模拟模型,以了解各种班车策略对各种需求模式的影响。

解决方案

基于 SIMIO 的仿真模型包括一个美国国立卫生研究院(NIH)校园的三维动画,并按比例绘制了路线和班车停靠站。乘客实体到达时的需求模式在一天中会发生变化。实体随机选择班车始发站和所需目的地。该逻辑足够智能,乘客可以跳过前往目的地的班车,以等待即将到达的另一辆班车,这样就可以通过不同的路径更快地到达目的地。

班车实体遵循详细的时间表,包括起始和停止时间,以及班车将在哪些站点出发的详细时间检查。这模拟了真实系统,在真实系统中,公交车可能会在某个站点停留,直到公布的发车时间。根据用户定义的输入,如线路上的公交车数量、线路上公交车的起始和停靠时间以及线路沿途的停靠站点,该模型可编排出完整的公交车时刻表。

该模型还考虑到了使用轮椅和滑板车的乘客。每辆班车都有用户定义的每种乘客类型的载客量,以及每种乘客类型上车或下车的单独时间。

所有模型输入,包括班车时刻表参数、到达模式、总体需求和延误时间,均可通过模型输入参数或 Excel 输入表进行配置。这一点非常重要,因为 NIH 在评估 COVID 工作模式可能引发的极端需求模式时需要一定的灵活性。

模型报告的关键指标包括

  • 按巴士站和乘客类型划分的乘客等候时间
  • 按时间顺序排列的巴士满座率
  • 乘客因公交车满员而未上车的次数

业务影响

NIH 穿梭巴士模拟模型使 NIH 能够针对各种需求模式测试各种穿梭巴士策略。鉴于 COVID 对工作模式影响的未知性,模拟建模是一种理想的方法,因为可以通过改变模型输入来执行假设分析,并了解各种需求情景下的性能。

2020 年冬季仿真会议论文集Bae, B. Feng, S. Kim, S. Lazarova-Molnar, Z. Zheng, T. Roeder, and R. Thiesing, eds.

Yusuke Legard
内特-艾维

MOSIMTEC, LLC
297 Herndon Parkway, Suite 302
美国弗吉尼亚州赫恩登 20170

安东尼奥-罗德里格斯
约瑟夫-沃尔斯基

研究服务办公室
美国国立卫生研究院
31 Center Dr. Bethesda, MD 20892, USA