交通运输研究 >

2024 , Vol. 10 >Issue 3: 37 - 45

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2024.03.005

理论与方法

基于粗糙集-云模型的城市常规公交运力配置水平评价

  • 刘新 ,
  • 谭桂菲 , *
展开
  • 交通运输部科学研究院，北京 100029
*谭桂菲（1991—），女，山东临沂人，硕士，工程师，研究方向为交通运输规划与管理。E-mail:

刘新（1986—），男，河北廊坊人，硕士，工程师，研究方向为综合交通运输政策。 E-mail:

收稿日期: 2024-04-09

  网络出版日期: 2024-09-09

收起

Evaluation of Urban Conventional Bus Capacity Allocation Level Based on Rough Set Cloud Model

  • LIU Xin ,
  • TAN Guifei , *
Expand
  • China Academy of Transportation Sciences, Beijing 100029, China

Received date: 2024-04-09

  Online published: 2024-09-09

Fold

摘要

为优化完善城市常规公交运力配置的多层次综合评估指标体系及其等级标准，以便科学评估常规公交运力配置水平，提出了一种基于粗糙集-云模型的城市常规公交运力配置水平评估模型。首先，利用粗糙集理论对指标体系进行筛选，并匹配了相应的等级标准；然后，采用CRITIC方法对指标进行赋权，进而利用云模型算法生成评价标准云和结果云，通过数字特征和云图直观展现评价结果。最后，以青岛市主城区144条常规公交线路为例，对模型进行了验证。结果显示：青岛市主城区144条常规公交运力配置水平目标层综合评价等级为“中等”，在子目标层（公交客流水平、公交线路水平、公交线路发车水平、公交车辆运营水平、公交车辆技术水平）中，评价等级为“中等”及以上的占60%，总体上与目前青岛市主城区常规公交运力配置水平特点相符。研究表明，该模型能实现对城市常规公交运力配置的综合评价，可为城市常规公交运力配置评价体系和评价模型构建提供参考。

关键词： 城市常规公交; 运力配置水平; 评价指标体系; 粗糙集; CRITIC; 云模型

本文引用格式

刘新 , 谭桂菲 . 基于粗糙集-云模型的城市常规公交运力配置水平评价[J]. 交通运输研究, 2024 , 10(3) : 37 -45 . DOI: 10.16503/j.cnki.2095-9931.2024.03.005

Abstract

In order to optimize and improve the multi-level comprehensive evaluation index system and its level standards for the allocation of urban conventional bus capacity, and to scientifically evaluate the level of conventional bus capacity allocation, based on rough set cloud model, an evaluation model for the level of urban conventional bus capacity allocation was proposed. Firstly, based on rough set theory, the indicator system was screened and a corresponding level standard for the indicator system was matched. Then, the CRITIC (Criteria Importance Though Intercriteria Correlation) method was selected to weight the indicators, the algorithm of cloud model was used to generate evaluation criteria cloud and result cloud, and the evaluation results were visually displayed through the digital features and cloud images. Finally, the model was validated via using 144 conventional bus routes in the main urban area of Qingdao as an example. The results showed that the comprehensive evaluation level of the target layer of the capacity allocation of 144 conventional buses in the main urban area of Qingdao was "medium", and 60% of the sub target layers (bus passenger flow level, bus route level, bus route departure level, bus operation level, bus technology level) had a evaluation level of "medium" or above, which was in line with the current characteristics of the regular bus capacity allocation level in the main urban area of Qingdao on the whole. The research shows that this model can achieve a comprehensive evaluation of urban conventional bus capacity allocation, which can provide reference for the construction of evaluation systems and models for urban conventional bus capacity allocation.

Key words： urban conventional bus; capacity allocation level; evaluation index system; rough set; CRITIC (Criterion Importance Through Intercriteria Correlation); cloud model

0 引言

随着我国城市化进程的加速，城市人口的急剧增长带来了交通拥堵、道路资源紧张等问题。为缓解这些问题，我国大力发展公共交通，提倡绿色低碳出行。然而，在公共交通的实际运营中，常规公交运力配置不合理成为制约其高效运行的关键因素。配置不合理问题涉及公交车辆的数量和类型、运行频率、客流水平以及公交线路特征等多个方面[1]，既会影响公交系统的运营效率，也会降低乘客的出行体验[2]。因此，对城市常规公交运力配置水平进行评价，对于优化公交系统结构、提高运营效率、改善服务质量具有重要意义[3]。通过选用科学的评价方法和构建完备的指标体系，可以全面、客观地反映常规公交运力配置现状以及存在的问题，为相关部门的决策提供支撑[4]。
国内外对公交运力配置的研究不断深化。在公交运力配置水平评价指标体系方面，多数学者将公交运力配置评估影响因素分析作为重要的研究内容[5]。张镇洋[1]为街巷公交的运力配置提供了一个科学的框架，制定了一套较完善的街巷公交运力配置评价指标体系，但该研究在进行客流预测后，没有对公交运力配置水平现状进行评价。潘兴博[6]提出了一种公交运力配置优化模型，但仅对影响因素进行了罗列分析，未建立运力配置评估指标体系。在公交运力配置水平评估方法方面，较常用的[7]有：价值函数法、灰色关联度法、云物元分析法、系统动力学[8]、优劣解距离法（Technique for Order Preference by Similarity to an Ideal Solution, TOPSIS）、整数规划[9]等。于廷润[10]提出了一种基于IC卡和GPS数据的公交线路运力配置方法，对公交运力配置水平进行定量分析，但未结合主观指标进行定性研究。周青等[11]通过引入基尼系数，将资源配置均衡度作为新的目标函数加入已有模型中，得到了改进的新模型，但未对公交运力配置水平现状进行评价分析。Xiong[3]以最小化系统成本为目标，考虑路线长度和车辆容量的约束，建立混合整数优化模型，但仅设置了一个成本最优的目标，未进行公交运力配置现状水平评价。一般来说，优化模型要在得到现状配置水平评价结果的基础上进一步实现配置优化。Ceder[12]提出了多目标的运力配置方法，采用不同的公交车型来匹配客流需求，从而制定发车计划，但未基于公交运力配置现状水平评价进行优化。鉴于城市常规公共汽电车的运营情况较为复杂，不同评价指标体系之间的评价标准存在差异，将会影响最终评价结论的可靠性[13]。
综上，现有研究在评价指标体系构建、评估方法选用、评价标准制定等方面存在不足，涉及未选取合适方法进行指标筛选、评估方法不全面（仅进行定量分析）等问题。鉴于此，本文着重从指标体系构建、影响因素权重确定、评价模型方法等3方面进行改进和完善，提出基于粗糙集-云模型的城市常规公交运力配置水平评价模型。使用粗糙集理论能从大量指标中剔除冗余或者不重要的指标，提取核心指标，从而约简评价指标体系；而采用云模型能通过特定的数字特征和算法处理不确定信息，直观展示评价结果，从而提升常规公交运力配置评价的科学性和准确性，为公共交通线网优化和运力合理调整提供理论支撑。

1 基于粗糙集的城市常规公交运力配置评价指标体系构建

粗糙集理论是一种有效的数学分析工具，专门用于处理不完整和不确定的信息。在城市常规公交运力配置领域，由于各种因素的影响，存在大量不完整的数据和不确定的信息。利用粗糙集理论，可以对这些数据信息进行有效的分析和推理，从中发现隐含信息和潜在规律，为评价指标体系的构建提供支撑。

1.1 粗糙集的约简属性

粗糙集将信息系统和决策表（关系数据表）作为表达知识的重要形式。信息系统和关系数据表是一一对应的关系[14]。在粗糙集理论中，信息系统S可表示为有序四元组：
S = U ,   A ,   V ,   f
式（1）中： U 为论域，是一非空有限对象集，即 U = x 1 ,   x 2 , ⋯ ,   x o，x为U的子集，xo为第o个非空有限对象子集； A = a 1 ,   a 2 , ⋯ ,   a p是非空有限的属性集合，可以分为两个互相独立的子集，即条件属性集C 和决策属性集D，且满足 C ⋃ D = A ,   C ⋂ D = φ；ap为第p个非空有限的属性子集； V a 是属性a的值域，即 V = ∪ a ∈ A V a, f :   U × A → V为信息函数，使得对每一 a ∈ A， x ∈ U，有 f ( x ,   a ) ∈ V a。
根据粗糙集理论，定义对每个属性子集 R ⊆ A，R 在U上的不可分辨的二元关系 i n d ( R )为：
i n d ( R ) = ( x i ,   x j ) ∈ U × U | ∀ r ∈ R ,   r ( x i ) = r ( x j )
式（2）中： i n d ( R )是一个等价关系，i≠j, i=1, 2,…, o, j=1, 2, …, o; r为R上的一个属性子集，且${ind}(R)=\bigcap_{r \in R} i\{r\})$; r ( x i )、 r ( x j )为具体的属性子集。
设信息系统 S = U ,   A ,   V ,   f， R ⊆ A且 r ⊆ R，通常 S = U ,   A ,   V ,   f也可简记为 S = U ,   A。如果 i n d ( R ) = i n d ( R - r )，则称r在R中是冗余的，否则r在R中是必要的。
假设属性子集 Q ∈ R，若Q独立，且 i n d ( Q ) = i n d ( P ) ，则论域U在属性集P上的约简为Q，Q的所有约简组成的集合记为 r e d ( C )。

1.2 基于粗糙集的指标体系筛选步骤

根据上文定义的指标体系信息系统的等价关系，建立基于粗糙集等价关系的城市常规公交运力配置评价指标体系筛选模型[14]，具体步骤如下。
第1步：建立城市常规公交运力配置评价初始指标体系：
C = C j           j = 1 ,   2 , … ,   m
第2步：根据粗糙集约简理论，依次求 i n d ( C - C j ) ；
第3步：若满足式（4），则 C j为指标体系C中可以剔除的冗余指标，否则为必要指标；
i n d ( C - C j ) = i n d ( C )
第4步：确定最终指标体系red（C）：
r e d ( C ) = c l a l ∈ C ,   i n d ( C - c l ) ≠ i n d ( C )
式（3）~式（5）中：l表示必要指标，其他变量含义同式（1）~式（2）。

1.3 城市常规公交运力配置评价初始指标体系

按照全面、独立、实用和可量化等原则，并参考文献[15]，构建了城市常规公交运力配置评价初始指标体系。该体系结合既有研究[5-6]和国内东部地区的城市常规公交现状确定，由公交客流水平、公交线路水平、公交线路发车水平、公交车辆运营水平和公交车辆技术水平等5个一级指标构成子目标层，以及平峰客运量、日均客运量、高峰客运量、公交线路长度、公交线路类型等18个二级指标构成指标准则层，如表1所示。
表1 城市常规公交运力配置评价初始指标体系
目标层 子目标层 指标准则层
城
市
常
规
公
交
运
力
配
置
水
平		 公交客流水平
C1		 平峰客运量c1/（千人次/d）
日均客运量c2/（千人次/d）
高峰客运量c3/（千人次/d）
公交线路水平
C 2		 公交线路长度c4/km
公交线路类型c5
公交线路非直线系数c6
公交线路站点距离c7/m
公交线路配车数c8/辆
公交线路发车水平
C 3		 发车正点率c9（%）
高峰发车车次c10/（车次/d）
发车间隔c11/min
平峰发车车次c12/（车次/d）
公交车辆运营水平
C 4		 平均运营时速c13/（km/h）
高峰拥挤度c14/（人次/车次）
平峰拥挤度c15/（人次/车次）
公交车辆技术水平C 5 车辆长度类型c16/m
额定载客量c17/人
平均车龄c18/年

1.4 城市常规公交运力配置评价最终指标体系

根据粗糙集约简理论，如果 i n d ( R ) = i n d ( R - R i )，则 R i在族集R中是可省略的，否则不可省。据此对城市常规公交运力配置评价初始指标体系进行冗余删减[14]。
以指标 c 1为例，S=(U, C1), U=(1, 2, 3, 4, 5), C1={c1, c2, c3}，根据不可辨关系，即1.2节中基于粗糙集的指标体系筛选步骤的第2步，依次求解ind(C-cj)，得到：

U / i n d ( C 1 ) = ( 1,2 , 3,4 , 5 ) U / i n d ( C 1 - c 1 ) = ( 1,2 , 3,4 , 5 ) U / i n d ( C 1 - c 2 ) = ( 1,2 , 3 , 4,5 ) U / i n d ( C 1 - c 3 ) = ( 1,2 , 3,5 , 4 )

其中，U/ind(C1)表示等价关系ind(C1)的所有等价类，因为 U / i n d ( C 1 ) = U / i n d ( C 1 - c 1 )，因此决策表中c1对于决策表的分类能力是不必要的。
同理可以计算得到公交线路类型c5 ，公交线路站点距离c7 ，发车间隔c11和平均车龄c18对决策表分类是不必要的。约简后得到的城市常规公交运力配置评价最终指标体系如表2所示，约简后的指标体系突出了重要指标的影响作用，减少了不必要指标的干扰和综合评价的计算量。
表2 城市常规公交运力配置评价最终指标体系
目标层 子目标层 指标准则层
城
市
常
规
公
交
运
力
配
置
水
平		 公交客流水平
C 1		 日均客运量c2/（千人次/d）
高峰客运量c3/（千人次/d）
公交线路水平
C 2		 公交线路长度c4/km
公交线路非直线系数c6
公交线路配车数c8/辆
公交线路发车水平
C 3		 发车正点率c9（%）
高峰发车车次c10/（车次/d）
平峰发车车次c12/（车次/d）
公交车辆运营水平
C 4		 平均运营时速c13/（km/h）
高峰拥挤度c14/（人次/车次）
平峰拥挤度c15/（人次/车次）
公交车辆技术水平
C 5		 车辆长度类型c16/m
额定载客量c17/人

2 城市常规公交运力配置评价模型构建

2.1 云模型的基本概念

云模型是在传统模糊集理论和概率统计理论的基础上提出的一种用于处理不确定数据的模型。该模型利用云生成算法实现定性与定量数据之间的相互转化。
1）数字特征
云模型中的基本单元为云滴，其经过一定数量的累积汇聚为云。由云的数字特征可以产生云滴，而数字特征主要通过期望 E x、熵 E n和超熵 H e这3项来表征。其中，期望 E x表示对定性概念基本确定性的度量，即这个定性概念最具代表性的数值或样本；熵 E n度量定性概念的不确定性，反映云滴中可被期望概念接受的确定度大小和云滴的离散程度；超熵 H e度量熵的不确定性，认知的共同程度较高则超熵较小，反之则较大。
2）云发生器
云发生器主要有正向和逆向两种类型。云发生器算法是指实现云发生器功能的算法，包括一维正向、逆向正态云发生器算法等。本文采用正向云发生器[16]，通过云数字特征指标（期望、熵、超熵） 生成一定数量的数据云滴。

2.2 评价方法的选取

应综合考虑评价对象、指标性质、数据特征及时间等因素，并结合具体情况选取具有信度和效度的评价方法。本研究采用CRITIC与云模型的组合评价方法，首先通过CRITIC（Criteria Importance Though Intercriteria Correlation）确定指标权重，再结合云模型评价法进行联合评价，能较客观且全面地表示评价结果。云模型输出的结果以期望、熵及超熵3个数字特征或散点分布的形式展现，相比单一数值更可信。同时， CRITIC法为云模型在计算过程中确定评估指标权重提供了有效途径。

2.3 权重的确定

目前，确定指标权重的方法可分为两大类：一类是德尔菲法、AHP法、专家评分法等主观赋权法；另一类是标准离差法、熵权法等客观赋权法。相比于主观赋权法，CRITIC方法的本质是利用各指标间的对比强度和冲突性来确定权重，从而避免了评价组织者主观因素的影响；同比仅根据指标内数据的变异性大小来确定权重的传统客观赋权法，CRITIC方法还考虑了指标间数据的相关性，提高了权重分配的合理性和准确性，更契合城市常规公交运力配置评价的动态性和全面性要求[16]。因此，本研究将CRITIC指标赋权方法引入城市常规公交运力配置评价流程中。
根据CRITIC法原理，结合城市常规公交运力配置评价特点，设计如下指标赋权具体步骤。
第1步：构建指标数据矩阵。根据所构建的城市常规公交运力配置评价指标体系调查获得n个常规公交线路的m个评价指标的运力配置评价数据，组成初始评价指标数据矩阵 K[16]。
K = k 11               ⋯               k 1 m ⋮                                       ⋮ k n 1               ⋯               k n m
式（6）中：n为被评价的常规公交线路数；m为评价指标个数；矩阵K中的元素 k i j（i=1, 2,⋯, n; j=1, 2,⋯, m）为第i条常规公交线路对第j项指标的运力配置评价指标。
第2步：计算指标对比强度。根据指标评价数据计算评价体系中第j项指标的对比强度，即标准差 σ j [20]。
σ j = 1 n ∑ i = 1 n ( k i j - μ ) 2                 j = 1 ,   2 , ⋯ ,   m
式（7）中： μ为该指标数据的算术平均值。
第3步：计算指标间的冲突性。通过指标评价数据间的相关性系数来计算评价体系中第j项指标与其他指标间的冲突性yj[16]。
y j = ∑ l = 1 n 1 - C o v ( j ,   l ) σ j σ l                 j = 1 ,   2 , ⋯ ,   m
式（8）中：Cov（j, l）为指标j和指标l之间评价数据的协方差； σ j、 σ l为指标j、l评价数据的标准差。
第4步：计算综合信息量。结合指标的对比强度和冲突性来计算指标的综合信息量Cj[16]。
C j = σ j y j                 j = 1 ,   2 , ⋯ ,   m
第5步：计算各指标权重。根据指标所含的综合信息量来赋予权重Wj[16]。
W j = C j ∑ j = 1 m C j                 j = 1 ,   2 , ⋯ ,   m

2.4 城市常规公交运力配置水平评价云模型的构建

1）确定动态评语集，让云图更清晰直观。本研究采用十分制进行指标等级划分，具体等级为：差=[8）；优秀=[8,10]。评价值的论域U=[0,10]。
2）通过逆向云发生器计算评语集等级数字特征。根据评语集双边约束[Lmin, Lmax]，采用式（11）~式（13）近似计算评语集数字特征。
E x = L m i n + L m a x 2
E n = L m i n + L m a x 6
H e = i
式（11）~式（13）中： E x, E n及 H e分别为期望、熵及超熵； L m i n为每个等级具体指标值的最小值； L m a x为每个等级具体指标值的最大值；i为根据模糊程度确定的常数，常取0.1[17]。
E x是最能代表指标结果的特征，是论域空间的中间值； E n表示指标的离散程度和取值范围，云模型中的云滴（散点）主要分布在[ E x - 3 E n ,   E x + 3 E n]； H e体现 E n的不确定程度，直接表现为云的厚度[17]。评语集数字特征计算结果如表3所示，通过Matlab软件，取2 000个云滴，得出标准评价概念云图如图1所示。
表3 评价等级数字特征
评价等级 云模型数字特征
差 （ E x, E n, H e）=（1.00，0.33，0.10）
较差 （ E x, E n,   H e）=（3.00，1.00，0.10）
中等 （ E x, E n, H e）=（5.00，1.67，0.10）
良好 （ E x, E n,   H e）=（7.00，2.33，0.10）
优秀 （ E x, E n,   H e）=（9.00，3.00，0.10）
图1 城市常规公交运力配置水平评价标准概念云图
3）划分指标等级。通过总结分析城市常规公交运力配置水平的参数值，确定各指标的等级建议标准，如表4所示。
表4 城市常规公交运力配置水平指标等级标准
指标 差 较差 中等 良好 优秀
日均客运量c2/（千人次/d） （0，3.5] （3.5，7] （7，10.5] （10.5，15] （15，20.5]
高峰客运量c3/（千人次/d） （0，1.5] （1.5，3] （3，4.5] （4.5，6] （6，7.5]
公交线路长度c4/km （0，10] （10，20] （20，30] （30，40] （40，50]
公交线路非直线系数c6 （3.5，4] （3.0，3.5] （2.0，3.0] （1.4，2.0] （0，1.4]
公交线路配车数c8/辆 （0，10] （10，20] （20，30] （30，45] （45，60]
发车正点率c9（%） （0，20] （20，40] （40，60] （60，80] （80，100]
高峰发车车次c10/（车次/d） （0，30] （30，60] （60，90] （90，120] （120，150]
平峰发车车次c12/（车次/d） （0，40] （40，80] （80，120] （120，160] （160，200]
平均运营时速c13/（km/h） （0，10] （10，15] （15，18] （18，22] （22，25]
高峰拥挤度c14/（人次/车次） （0，40] （40，80] （80，120] （120，160] （160，200]
平峰拥挤度c15/（人次/车次） （0，30] （30，60] （60，90] （90，120] （120，150]
车辆长度类型c16/m （0，7] （7，10] （10，13] （13，16] （16，18]
额定载客量c17/人 （0，50] （50，80] （80，120] （120，150] （150，180]
4）计算指标数字特征。评价指标根据表4确定其等级后得到数字特征。
5）计算综合数字特征。综合云有多种算子，考虑到权重影响，宜采用加权平均算子计算综合数字特征（Ex, En, He），具体计算公式为[17]：
E x = ∑ j = 1 m E x j w j ∑ j = 1 m w j           j = 1 ,   2 , … ,   m
E n = ∑ j = 1 m E n j w j ∑ j = 1 m w j   j = 1 ,   2 , … ,   m
H e = ∑ j = 1 m H e j w j ∑ j = 1 m w j   j = 1 ,   2 , … ,   m
6）通过正向云发生器生成云图。为使 E x的误差不大于设定的误差值Δ，云滴数应≥9δ /Δ2（δ为方差）。根据综合数字特征生成评价结果的云图，得到评价结果。

3 实例分析

选取青岛市主城区（涉及市南区、市北区、李沧区、崂山区）2022年144条常规公交线路（干线）为研究对象，指标数据来源于2022年青岛公共交通行业智能监管平台与实地调研数据。

3.1 确定指标权重

采用CRITIC法，根据2.3节所列步骤，通过式（6）~式（10）确定指标权重，如表5所示。
表5 青岛城市常规公交运力配置水平评价指标权重
子目标层 权重 指标准则层 权重
公交客流
水平C 1		 0.161 日均客运量c2/（千人次/d） 0.080
高峰客运量c3/（千人次/d） 0.081
公交线路
水平C 2		 0.242 公交线路长度c4/km 0.075
公交线路非直线系数c6 0.091
公交线路配车数c8/辆 0.076
公交线路
发车水平C 3		 0.221 发车正点率c9（%） 0.104
高峰发车车次c10/（车次/d） 0.058
平峰发车车次c12/（车次/d） 0.059
公交车辆
运营水平C 4		 0.237 平均运营时速c13/（km/h） 0.094
高峰拥挤度c14/（人次/车次） 0.065
平峰拥挤度c15/（人次/车次） 0.078
公交车辆
技术水平C 5		 0.139 车辆长度类型c16/m 0.062
额定载客量c17/人 0.077

3.2 评价结果

根据调研获得的数据，计算青岛市主城区144条常规公交线路运力配置水平指标数字特征，结果如表6所示。
表6 城市常规公交运力配置水平评价云结果
目标层 子目标层
数字特征		 评价
等级		 指标准则层
数字特征		 评价等级
综合评价
云结果：（4.49, 1.50, 0.10）		 C 1（3.69,
1.23,
0.10）		 较差 c2（3.59, 1.20, 0.10） 较差
c3（3.79, 1.26, 0.10） 较差
C 2（4.44,
1.48,
0.10）		 中等 c4（3.29, 1.10, 0.10） 较差
c6（5.27, 1.76, 0.10） 中等
c8（4.58, 1.53, 0.10） 中等
C 3（5.45,
1.82,
0.10）		 中等 c9（8.20, 2.73, 0.10） 优秀
c10（3.06, 1.02, 0.10） 较差
c12（3.02, 1.01, 0.10） 较差
C 4（4.71,
1.57,
0.10）		 中等 c13（2.81, 0.94, 0.10） 较差
c14（6.17, 2.06, 0.10） 良好
c15（5.78, 1.93, 0.10） 中等
C 5（3.66,
1.22,
0.10）		 较差 c16（4.77, 1.59, 0.10） 中等
c17（2.76, 0.92, 0.10） 较差
将数字特征转化为云滴。为使误差小于0.01，本研究取2 000个云滴，得到青岛市主城区144条常规公交线路运力配置水平目标层综合评价结果的云图，如图2所示。
图2 城市常规公交运力配置水平评价目标层概念云图

3.3 结果分析

上述研究结果显示，青岛市主城区144条常规公交线路运力配置目标层综合评价结果为(4.49, 1.50, 0.10)。由图2可见，云滴在4.49聚集，表明分数为4.49的概率最大，属于“中等”，分数主要落在[3.89,5.09]。
子目标层评价结果云图如图3所示。结合表6可以看出，子目标层中公交线路发车水平 C 3的评价结果最高，云滴在5.45聚集，表明分数为5.45的概率最大，属于“中等”，分数主要落在[4.65,6.25]，离5.45越远云滴越分散，云的厚度也逐渐增大，表明误差逐渐增大。公交车辆技术水平 C 5的评价结果最低，期望为3.66，属于“较差”，分数主要落在[2.91,4.41]。由最终的评价结果可知，子目标层中，评价等级为“中等”及以上的占60%。
图3 城市常规公交运力配置水平评价子目标层概念云图
指标准则层评价结果云图如图4所示，结合表6可以看出，13个评价指标中，发车正点率c9属于“优秀”，指标优秀率为7.7%；评价结果为“良好”的指标有1个，为高峰拥挤度，指标良好率为7.7%；评价结果为“中等”的指标有4个，包括公交线路非直线系数、公交线路配车数、平峰拥挤度和车辆长度类型，中等率为30.8%；评价结果为“较差”的指标有7个，包括日均客运量、高峰客运量、公交线路长度、高峰发车车次、平峰发车车次、平均运营时速和额定载客量，较差率为53.8%，落在“较差”的云层较厚。
图4 城市常规公交运力配置水平评价指标准则层概念云图

3.4 对策建议

根据评价结果，针对城市常规公交运力配置，本文提出以下对策建议：
1）对综合评估结果为“较差”和“差”公交线路进行运力配置优化调整；
2）对公交客流水平和公交车辆技术水平评价结果均为“较差”的线路，可通过优化车辆类型、制定运营服务计划、开展运营服务质量考核等方式，提升车辆的运行效率和服务质量，以进一步提高公交载客率。

4 结束语

为优化城市常规公交运力配置，本文首先采用粗糙集理论，通过分析数据之间的粗糙关系，对重要指标进行筛选，建立了城市常规公交运力配置评价体系，确定了各项指标的级别及相应标准。然后，选取CRITIC与云模型相结合的方法构建评价模型，CRITIC方法能基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的权重，云模型能通过特定的数字特征和算法处理不确定信息，并能通过云图直观展示评价结果。最后，以青岛市主城区144条常规公交线路为例，评价其运力配置水平。结果表明，目标层综合评价等级为“中等”，总体上与目前青岛市主城区常规公交运力配置水平特点相符。该模型实现了对城市常规公交运力配置的分层级综合评价，可为城市常规公交运力评价体系和评价模型的构建提供参考。由于本研究在城市常规公交运力配置评价体系构建过程中选取的指标有限，在后续研究中，应额外考虑环境、企业成本和乘客出行成本等影响因素，使指标体系更全面。此外，还应该探索如何更客观、合理地选择各项指标的评价等级标准。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张镇洋. 街巷公交运力配置方法研究[D]. 重庆: 重庆交通大学, 2022.

[2]
王开元. 公交运力优化与智能排班方法研究与实现[D]. 北京: 北京邮电大学, 2023.

[3]
XIONG J, CHEN B, LI X, et al. Demand responsive service-based optimization on flexible routes and departure time of community shuttles[J]. Sustainability, 2020, 12, 897: 1-20.

[4]
GUNAY E E, KREMER G E O, ZARINDAST A. A multi-objective robust possibilistic programming approach to sustainable public transportation network design[J]. Fuzzy Sets and Systems, 2021, 422: 106-129.

[5]
徐易凡. 基于运力配置的公交排班算法研究[D]. 厦门: 厦门大学, 2020.

[6]
潘兴博. 城市常规公交运力结构配置优化模型研究[D]. 长春: 吉林大学, 2016.

[7]
高阳, 马壮林, 刘杰. “双碳”目标下国家中心城市绿色交通水平评价方法[J]. 交通运输研究, 2022, 8(3):30-41.

[8]
HAGHSHENAS H, VAZIRI M, GHOLAMIALAM A. Evaluation of sustainable policy in urban transportation using system dynamics and world cities data: A case study in Isfahan[J]. Cities, 2015, 45: 104-115.

[9]
CORDEAU J F, LAPORTE G. The dial-a-ride problem: Models and algorithms[J]. Annals of Operations Research, 2007, 153(1): 29-46.

[10]
于廷润. 基于IC卡与GPS数据融合的公交线路运力配置[J]. 交通与运输, 2020, 33(S1):241-246.

[11]
周青, 张青松. 基尼系数在公交运力模型改进中的应用[J]. 长江信息通信, 2022, 35(7):146-148.

[12]
CEDER A, HASSOLD S, DUNLOP C, et al. Improving urban public transport service using new timetabling strategies with different vehicle sizes[J]. International Journal of Urban Sciences, 2013, 17(2): 239-258.

[13]
杨世军. 常规干线公交承载能力度量模型与服务效率评价研究[D]. 哈尔滨: 东北林业大学, 2022.

[14]
刘保相. 粗糙集对分析理论与决策模型[M]. 北京: 科学出版社, 2010.

[15]
马嘉欣, 陈旭梅, 柯靖宇, 等. 公交线路资源配置与客流状况协调性综合评价方法[J]. 交通信息与安全, 2021, 39(3):121-127,135.

[16]
李林波, 郭晓凡, 傅佳楠, 等. 基于云模型的城市轨道交通乘客满意度评价[J]. 同济大学学报(自然科学版), 2019, 47(3):378-385.

[17]
潘硕, 王伟, 吴忠广, 等. 基于改进云模型的交通运输标准国际化水平评估[J]. 交通运输研究, 2022, 8(2):30-38.

Options
文章导航

/

〈 〉

版权所有 © 《交通运输研究》编辑部　
京公网安备 11010102003417号    京ICP备17006742号-3
地址：北京市朝阳区北土城东路11号北京书院办公楼　邮编：100029
电话：010-58278983 Email：jtysyj@vip.163.com
本系统由北京玛格泰克科技发展有限公司设计开发