我是北京交通大学交通运输学院的，我做的工作基本上是围绕着交通系统来展开的。这次我报告的题目是“公交车运行过程的元胞自动机建模与分析”。刚才黎教授给大家报告的是一个比较全面的关于供应链的非常好的报告，我这个工作相对来说要具体一些，是我们今年刚刚发表在上的一篇工作。 我的汇报提纲是这样的：首先是背景和综述，接下来是相关的模型介绍、模拟结果与讨论，客流不均衡对公交车运行特性的影响；最后是实测的公交车运行的一个施工图。再是工作的小结和展望。 首先来看一下研究背景。说到交通问题大家都应该不陌生，目前来说交通拥堵问题已经成为制约大中城市可持续发展的一个主要的瓶颈，大力发展城市公共交通系统可以说作为一条解决城市拥堵问题的一个有效途径，已经得到了广泛的认可。这里有一个统计数据，2009年北京市公交线路是692条，运营车辆是18270辆，年客运总量达到了51亿人次，这里没有包含轨道交通。 近年来我国各大城市对公共交通系统的投入非常大，公交的硬件设施发展非常快，但是运营效率和服务水平还远达不到乘客的出行需求，而公交系统作为道路交通系统的一个重要组成部分，它的运行效率的高低和服务质量的好坏都会对整个公交系统起到一个举足轻重的作用。所以说要优化公交线路的规划，战略的设置、运营的配置以及公交车的调度管理已经成为提高公交系统运行效率和服务水平的当务之急。然而研究公交车在公交线路上交通流的特性，探索其运行过程中的一些微观现象和规律是公交线路进行优化的一个基本前提。下面我汇报的内容主要就是围绕着这个方面来展开的。 对于公交线路的建模研究已经有了许多学者做了相关的探讨，比如说： Loan和Chowdhury等人在1998年和2000年提出了元胞自动机模型，简称CA模型。 Nagatani是2001年提出了时间车头距模型。 Nagatani和Huijberts后来分别提出了车辆的跟驰模型。 2003年我国的江瑞等人把公交车的承载能力考虑进来，建立了一个更加符合实际的公交线路模型。 后来Yuan等人建立了一个考虑到社会车辆在内的双车道CA模型。 丁建勋等人通过引入巡航控制的思想，提出了可变跃迁概率的CA模型。 这是相关的参考文献。对现有的研究进行分析以后我们发现它们还着一些问题需要去解决。比如说像Loan，Chowdhuary和Nagatani，丁建勋等人的研究中均认为公交车的承载能力是无穷大的，不管一个停靠站上有多少乘客在那侯车，只要公交车来了我就可以全部拉走，这个是和现实不相符。同时他们还没有考虑站点上乘客的上下车的过程。已有的线路模型中公交车的车速是在0—1之间进行取值，这个就很难体现出公交车的车速随机性的变化。 现有的模型都是采用了周期性的边界条件，比如说车辆开到最后它又绕回来，从始端进入系统，相当于一个环路，并且线路上公交车的总数是一个不变量。而在实际生活中公交线路它是有线长的，运行的公交车是由线路始端的发车频率来控制的，它是一个开口频率。 针对这些问题我们工作主要的出发点是这样的。像公交车的最大速度是12，考虑公交车的承载能力，同时考虑乘客在站点处上下车的过程，重点探讨了在开口边界条件下公交车在线路上的一个运行特性。

　　好，下面来看一下模型的介绍。因为这个公交线路整个系统还是比较复杂的，我们为了建模的方便做了一定的简化。我们暂时不考虑社会车辆和交通信号灯的影响，不考虑公交车的贡献问题，另外假设公交站点在线路上是均匀分布的，公交站点处乘客的到达率是不随时间变化的，这个与现实情况可能有一定的差距，我们是做一个初步工作，先从一个最简化的模型出发。首先我们看一下模型的定义。 这是一个公交线路的示意图，我们定义在一个具有开口边界的一维格子上，每个元胞代表一个停靠站，或者是一段道路用NS表示公交车停靠站，与间隔L均匀地分布在线路上。用I和J分别来代表公交车和停靠站的序号，M来代表公交车的承载能力。这个Tdepart是代表了线路始端，公交厂站A是公交车的发车频率，发车间隔，比如说5分钟、3分钟发一辆车。 边界处理：在线路始端（即公交场站A），每隔时间间隔Tdepart产生一辆公交车，发车时车上的人数是0，当某一辆车到达线路钟点时这辆车从线路上删除，相当于到达了终点站公交场站。这个和我们实际生活中的公交线路是基本相符合的。 接下来我们看一下模型的核心部分，所有CA模型的核心就是它的更新规则，在公交线路项目中它的更新规则是这样的，我们主要是分什么呢？乘客的到达过程和公交车的运行过程这两部分来进行建模。首先来看一下乘客的到达，这里我们对每一个公交停靠站，在每一个实验部以概率有什么呢？它停靠站上的人数是增加1。以概率有一个发生率，产生这样一个乘客。这是从1到NS减一个，最后一个车站是没有人上车的。这里NTS（JT）代表的是T时刻停靠站这处等待上车的人数，这个T代表的是。 再看一下公交车的运行过程。公交车的运行过程来分成两部分来考虑，一部分是公交车不在公交停靠站的时候这是一种处理方式，这时候我们怎么处理呢？是按照一个经典的NaSch模型进行更新，这里和优化里面的NaSch均衡是不一样的，这是交通流理论里面一个非常经典的CA模型。这个模型大概是分成四步，车辆速度首先是加1，但是要和最大速度车速之间取一个最小值，这是每辆车希望的最大速度向前行驶。 第二步是减速步，减速步在下面更新以后的速度后再和之间取一个最小值，gatT代表的什么呢？就是指的当前车辆和前车之间空的元胞数，车与车之间的空间间距。这一步就是为了保证后车和前车不要发生碰撞。 第三步是以一定的概率T车速减1，当然减的过程中不能小于0，车辆在行驶的过程中会由于许多随机的因素造成车辆的减速，比如说路面状况不好，或者是驾驶员的走神等等都会造成这种现象。 最后一步是位置的更新，车辆的位置按照速度进行更新。大家可能发现这个地方是不和谐，这个地方是没有问题的，因为在CA模型里面时间、空间、速度它都是整数离散化的，并且都是无量纲的，所以说这个地方不存在着量纲和谐的问题，这个地方每个时间步它都是取1，都是无量纲的。 再看一下公交车在公交站点时它是怎么处理的。在公交车挨上它有一个下车人数是我们首先要确定的，是O等于什么呢？有一个下车的参数我们给了一个固定的概率，比如说25%的人可能在这个站点下车，这是一个假定的模拟参数，后面是NPB代表了什么呢？第二辆公交车上乘客的人数，这一点只是对前NS减1的车辆是这样处理的，对最后一个车辆，因为所有的人都要下车，它的O是等于公交车上的人数，就不成概率了。 公交停靠站J处可以上车的人数，第一项是公交站点上现在等待人数的总数，后面是J辆公交车剩余的空间，比如说剩余的承载能力。T+1公交站点，公交车I上的乘客人数，在T时刻公交车上的人数减去下车的再加上上车的，在T+1时刻停靠站J上没能上车的人数，比如说车辆上滞留的人数是在上一时刻的等待人数减去上车的人数。 这里我们还需要计算一个乘客上下车的时间，因为我们要实现这个更新过程，什么时候他上下车完成了这个车才可以走，还需要计算这样一个时间。首先是下车时间我们这里有一个参数β×下车人数+1，上车人的时间是α×i，乘上一个上车人数+1，为什么要加1呢？即使在停靠站上没有乘客上下车这时候也要停留一个时间步，并且在每次，每个时间步更新时间以后计算出来的值都要-1。接下来我们就会判断到底这个J Off和J ON是不是都等于0了？如果都等于0了，并且前方的gap I T是大于0的，前方有空间这时候公交车就驶出站点，否则还是待在公交站点上。这里需要说明的是在建模过程中对公交车的运行过程是做了大量的简化，没有考虑社会车辆，没有考虑公交车的越线行为，实际生活中越线是偶尔会存在的，因为这个现象非常少，所以说这个地方我们没有考虑。

接下来我们看一下相关的模拟结果与讨论。这是相关的模型参数的设置，站点总数是设成了30，站点之间的距离设成了80元胞，每辆车的长度是两个元胞，一个元胞最近是7.5米，整个公交车车长是15米，我们大的公交车就是那个两节的。整个公交线路长度大概是19公里左右，每个时间步对应1秒，Vmax-2，对应54公里/小时，这个和我们实际的公交车运行速度是差不多的。这里P-decelerate=0.2，公交车的承载率取的是100，M是代表了下车的概率是0.25，α是上车需要的时间，每个乘客上车需要时间，β是每个乘客下车需要的时间，这个参数值是我们通过调查得到的，大概做了1000个样本。 为了便于后面的结果分析我们还引入了一个参数叫N-arrlval，表示一个时间段T内到达的人数，这里我们取T=60，对应过来的就是1分钟。这个N-arrlval表示一分钟内这个站点到达的人数。初始状态是公交线路上没有公交车，站点上没有乘客，相当于我们早上很早的时候开始发车。