雾霾天气下新型城市交通系统大数据研究

□文/王立斌　吴玉霞　肖倩

雾霾天气下新型城市交通系统大数据研究

□文/王立斌1吴玉霞2肖倩1

（1.河北金融学院；2.河北省科技金融重点实验室河北·保定）

［提要］针对雾霾天气下现有城市交通系统存在的诸多问题，设计城市交通系统实时优化策略，力求以最小成本、最大限度发挥交通系统的潜力。

雾霾天气；交通系统；启发式算法；局部搜索；自适应性

收录日期：2015年7月15日

一、引言

近年来，雾霾天气频繁袭扰我国北方的诸多地区，京津冀地区雾霾现象尤为严重。随着改革开放的不断深入，工业化程度加重，空气质量开始恶化，雾霾天气现象出现增多，并且重霾频袭，危害逐渐加大，给城市建设、社会和谐带来很多困扰，尤其对城市交通系统的影响日益严重。反思伦敦烟雾事件，雾霾已经成为制约北方经济发展、城市交通建设与生态文明建设的重要因素，无论是国家还是地方政府每年都要投入大量的人力、物力和财力缓解雾霾，降低交通压力。因此，构建雾霾天气下新型城市交通系统，已经成为中国经济跨越式发展的迫切需求。

由Golden和Wong等提出的容量约束弧路径问题（CARP）作为物流配送系统的重要组成部分，一直是城市交通系统研究领域中最活跃的主题之一。城市中的公交车规划问题、交通拥堵状态下交通岗红绿灯时间转换问题等均可视为弧路径问题。这些问题直接关系到城市的未来发展，因此近年来弧路径问题受到了越来越多研究者的关注，加之逐步普及的信息化监测，为我们构建新型的城市交通系统提供了可能。

本文以弧路径规划问题为基础，从交通系统实时优化的角度，对改善城市交通拥挤现状，缓解雾霾污染做出分析，并提供解决的思路与方法。这些研究内容将在城市交通管理中得到广泛的应用，显著提高公交的运营效率和效益，缓解雾霾天气，降低交通压力，创造和谐的人性化的新型城市交通系统。

二、模型建立——公交车路线模型

设定城市的公交站点网络图：给定一个无向图G＝（V，E），其中V＝（v0，v1，…，vn）代表顶点集，由两个集合V1、V2组成，V1代表公交车的起点和终点集合，V2代表普通站点集合，E代表顶点间的有向弧集，任一e∈E都有一个非负的费用或长度属性ce。假定同一条边上不同需求可以被不同的公交车服务。因此，构建一条弧e=（vp，vq），其中e的方向为vp→vq，即h（si）=vp，t（si）=vq。Rj代表第j条路径，即第j辆车所走的路径。统计任意两个节点vi至vj的正常时段平均客流量Q（i，j），定义流量矩阵为Q。Rj代表第j条路径，即第j路公交车所走的路径，q（j）表示第j辆公交车的容载量，h（j）表示第j路公交车的数量。一条边可以被多辆公交车服务多次，也可以经过多次。

目标函数：在保证所有的站点都被服务且满足公交车的容纳要求（Q（R（j））＜q（j））的前提下，使得公交车行进总路程的最短。

数学模型：

三、模型求解——随机型邻域搜索算法

概率型邻域搜索算法（SNS），该算法以邻域结构为基础，首先通过随机路径扫描产生初始解，构建最优解集，然后根据算法的概率机制，判断邻域搜索的强度，进行大小邻域结构的转化，指导邻域搜索，加快算法收敛速度，最后通过Restart策略，扩大解空间的范围，避免局部过度搜索，提高算法效率。下面首先介绍SNS算法的几个主要元素：

（一）解的相似度。设A、B为问题的两个解，则A与B的距离为

A表示解A所包含边的数。Dis（A，B）≥0，Sim（A，B）∈［0，1］。若Dis（A，B）＝0，Sim（A，B）＝1，A与B完全相似；若Dis（A，B）＞0，Sim（A，B）∈［0，1），A与B不完全相似，且Dis（A，B）越大，Sim（A，B）越小，A与B越不相似。

（二）邻域搜索的强度。设最优解训练集为Ω，其容量为m=100。令当前解为X，Xnber为Ω中与X最近的邻域解，XA为以Xnber为中心进行邻域搜索的最优解，XB为Xnber→XA过程中收敛于XA的解，即Xnber→…概率为则X进行邻域搜索的强度为texpect=

（三）解的初始化——合成扫描。首先，对于每条需求弧e=（vp，vq），构造初始路径Re=v0→vp→vq→v0；其次，将初始路径聚合成初始解。按照以下四种不同的规则，产生四个初始解。设两条需求边e1=（vp，vq），e2=（vr，vs），Re1与Re2聚合规则如下：

（四）随机型邻域搜索算法。随机型邻域搜索算法是基于公交车路径规划问题非对称性而提出。首先，根据算法的进程，自适应调整解空间的大小，形成大小两种邻域结构算法。大邻域结构算法（NS1）侧重于对解的破坏，发现更深刻的解，而小邻域结构算法（NS2）主要强调对现有解的深度挖掘，发掘更细致的解。在整个算法中，依托现有搜索能力，通过概率的方式，进行结构切换。

NS1（NS2）算法：

II.按照S1→S2→S3→S4依次改进当前解τ，一旦改进τnew解优于τ，令τ=τnew，转入1；

III.直至无改进解，记录最优解，更新Ω。

四、模型验证

为验证上述模型在城市交通系统规划过程中的可行性及效率，这里采用由Golden，Deman和Baker提出的CARP标准数据集gdb来对SNS算法进行检验，其中数据为西方的23个小城市的交通数据。

实验结果表明，SNS算法相对于经验法能够更加迅速地寻找到最优解，并且运行时间较少。同时，可以发现应用大数据下的城市交通系统模型，可以节约大量的交通成本，充分发挥现有交通资源的潜力，诱导城市交通系统的和谐。

（一）通过观察23个实例发现，以数据为背景的公交车路线设计比经验性的路径安排更合理，交通成本下降的同时，也降低汽车尾气的污染，对于城市的除霾具有重要的指导意义，将模型应用到更大的城市交通系统中将产生巨大的社会和环保效益。

（二）由于数据采集的困难，尤其是居民客流量的采集，需要结合交通管理，可以发现应用大数据实时调控城市交通系统将彻底改变京津冀地区交通拥堵的现状，大大降低由此产生的社会成本，而且能够一定程度上缓解当前雾霾天气。因此，需要对城市交通系统进行实时监测和调整，诱导城市交通系统平衡。

五、结束语

本文针对理论研究中的这一相对热点的领域，研究城市交通的内涵，探讨雾霾天气下缓解城市交通拥挤之道。在国外理论研究的基础上，结合我省城市交通系统的特点，抓住信息化的优势，结合雾霾天气的现实背景，该问题模型和算法都已通过程序实现，具有很强的应用性，形成了比较完整的新型城市交通系统的实时监测体系，为构建信息化背景下的新型城市交通系统提供了可靠具体的实施方法。

主要参考文献：

［1］Golden，BL.and R.T.Wong.CAPACITATED ARC ROUTINGPROBLEMS［J］.Networks，1981.11.3.

［2］Laporte，G，R.Musmanno and F.Vocaturo.An adaptive large neighbourhood search heuristic for the capacitated arc-routing problem with stochastic demands［J］.Transportation Science，2010.44.1.

［3］樊桦.关于交通运输资源配置的若干思考［J］.综合运输，2009.7.

［4］朱志高，李铁柱.环境目标下的路段交通结构优化模型研究［J］.武汉理工大学学报（交通科学与工程版），2009.2.

F512

A

本文受2014年度河北省统计科学研究计划项目（2014HY40）资助