交通运输研究 >

2025 , Vol. 11 >Issue 3: 34 - 42

DOI: https://doi.org/10.16503/j.cnki.2095-9931.2025.03.004

理论与方法

考虑客流分配的县域旅游巴士接驳路径规划模型——以平潭县域为例

  • 林文强 , 1 ,
  • 陈垚 , 1, * ,
  • 黄海南 2 ,
  • 刘康琳 1
展开
  • 1 北京交通大学 交通运输学院，北京 100044
  • 2 福建农林大学 交通与土木工程学院，福建 福州 350002
* 陈垚（1993—），男，江西抚州人，博士，副教授，研究方向为城市轨道交通运营管理。E-mail:

林文强（2002—），男，福建福州人，硕士研究生，研究方向为交通运输规划。E-mail:

收稿日期: 2025-03-31

  网络出版日期: 2025-08-04

基金资助

国家自然科学基金项目(72101019)

北京市自然科学基金项目(L221020)

收起

County-Level Tourism Shuttle Bus Route Planning Model Considering Passenger Flow Allocation: A Case Study of Pingtan County

  • LIN Wenqiang , 1 ,
  • CHEN Yao , 1, * ,
  • HUANG Hainan 2 ,
  • LIU Kanglin 1
Expand
  • 1 School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China
  • 2 College of Transportation and Civil Engineering, Fujian Agriculture and Forestry University, Fuzhou 350002, China

Received date: 2025-03-31

  Online published: 2025-08-04

Fold

摘要

针对当前县域旅游巴士接驳服务存在的路径规划不合理、动态调度能力不足等突出问题，引入景区空间离散性、出游时效敏感性及运力资源有限性等特征约束，构建一种考虑客流分配的县域旅游巴士接驳路径规划模型。该模型以游客总乘车时长与旅游巴士总行程时长最小化为优化目标，并采用GUROBI优化器进行求解。随后，基于福建省平潭县的数据进行案例分析，通过权重系数实验探究目标间的协同优化效果，并开展运力利用率压力测试。结果表明：相较于点对点直达的基准方案，优化方案的游客总乘车时长仅增加0.6%，而车辆总行程时长降低23.2%；在运力缩减12.5%的极端条件下，优化方案仅以游客总乘车时长增长4%、车辆总行程时长增长8%的代价，实现了旅游巴士89.3%的峰值运力利用率，证明了模型在县域旅游场景下的可行性与鲁棒性。研究表明，采用该旅游巴士接驳路径规划模型，能高效配置县域旅游接驳资源，在保证游客出游体验的同时，兼顾旅游巴士运营成本的控制。

关键词： 县域旅游; 旅游巴士; 路径规划; 客流分配; GUROBI

本文引用格式

林文强 , 陈垚 , 黄海南 , 刘康琳 . 考虑客流分配的县域旅游巴士接驳路径规划模型——以平潭县域为例[J]. 交通运输研究, 2025 , 11(3) : 34 -42 . DOI: 10.16503/j.cnki.2095-9931.2025.03.004

Abstract

To address prominent issues in current county tourism shuttle bus services, such as inefficient route planning and insufficient dynamic scheduling, a shuttle bus route planning model considering passenger flow allocation was developed. This model explicitly incorporates key constraints, including the spatial dispersion of attractions, tourist sensitivity to travel time, and limited fleet resources. The optimization objectives were defined as minimizing total passenger travel time and total vehicle operating time. Solving was performed using the GUROBI optimizer. Then, a case study based on data from Pingtan County, Fujian Province, demonstrated the model′s effectiveness. Experiments varying the weight coefficients investigated the collaborative optimization between objectives. Pressure tests on fleet utilization were also conducted. Results indicated that, compared to a point-to-point direct shuttle baseline solution, the optimized solution increased total passenger travel time by only 0.6%, while significantly reducing total bus operating time by 23.2%. Under the extreme condition of a 12.5% fleet reduction compared with regular scenarios, the solution achieved a high peak fleet utilization rate of 89.3%. This performance came at a modest cost: a 4% increase in total passenger travel time and an 8% increase in total bus operating time, demonstrating the model′s feasibility and robustness in county tourism contexts. The study shows that adopting this shuttle bus route planning model enables efficient allocation of county tourism transfer resources. It effectively balances controlling shuttle bus operating costs against ensuring a satisfactory travel experience for tourists.

Key words： county-level tourism; shuttle bus; route planning; passenger flow allocation; GUROBI

0 引言

《全国县域旅游发展研究报告2024》[1]显示，2023年全国1 866个县域旅游收入平均值为42.95亿元，平均接待游客508.27万人次，同比分别增长了41.19％、35.18％，县域旅游产业增势强劲。2024年7月4日，交通运输部等九部门联合印发了《关于推进旅游公共服务高质量发展的指导意见》[2]，明确指出要重点部署优化高铁站、汽车客运站等交通枢纽与景区间的接驳服务。旅游巴士连接交通枢纽与景区节点，具有便捷、经济的特点，是县域旅游接驳交通最主要的服务形式。然而，当前部分县域旅游巴士接驳服务却面临特殊困境：一方面，部分偏远县域存在接驳设施落后[3]、景区分布分散[4]等客观条件，导致运营成本高涨；另一方面，低频次、小规模、多样化的游客需求与有限的旅游巴士资源形成结构性矛盾，具体表现为小众景区出游需求响应不足、接驳路径过绕过长等突出问题。如何破解这种供需错配矛盾，构建适配县域特征的旅游巴士接驳路径规划模型，已成为县域旅游高质量发展进程中的关键课题。
旅游巴士接驳路径规划问题可视为车辆路径规划问题的一种场景。对于车辆路径规划问题，部分学者基于邮政快递[5]、物资运输[6]、即时配送[7]等需求场景进行了研究，为旅游巴士接驳路径规划问题研究提供了新思路。近年来，随着大众旅游需求的释放，越来越多的国内外学者开始关注旅游接驳路径规划问题，其中部分学者的研究视角主要侧重于游客需求的响应与服务质量的提升[8]，如：王峰等[9]综合考虑游客时间成本、经济成本和临时生理需求等因素，提出了一种基于动态感知框架的旅游观光车路径优化方法；Chai等[10]通过马尔科夫链预测道路的拥堵程度变化，动态优化旅游巴士路线，减少途中行程延误，确保游客准时到达景点。在上述研究聚焦于满足游客个性化需求、提升出游体验的基础上，有学者进一步考虑了运营方的成本控制诉求，通过双目标建模[11]、混合智能算法[12]、服务保障约束[13]等方法实现游客满意度提升与运营成本控制的协同优化。如Jia等[14]构建了多目标整数规划模型，在最大化游客出游效益的同时，最小化巴士运营成本；并设计两阶段MO-ALNS算法，定制化邻域搜索提升模型求解质量。
综上可知，现有研究主要集中于城市旅游场景，其通常建立在客流集中、资源充裕的假设基础上，难以解决县域旅游场景下离散客流与有限资源的结构性矛盾。针对上述问题，本文聚焦县域旅游“景区分布离散、单点客流稀少”的核心特征，构建一个考虑客流分配的县域旅游巴士接驳路径规划模型，采用客流分配策略来分散并重组出游需求，优化运输资源配置。模型以最小化游客总乘车时长与旅游巴士总行程时长为目标，统筹考虑车辆规模、企业运营成本、游客出行时效性等多重约束。并以福建省平潭县为案例，采用GUROBI优化器进行接驳方案求解，旨在满足游客需求、保障服务水平的前提下，最大限度提升旅游巴士资源利用率，降低企业运营成本，为县域旅游高质量发展提供理论支撑。

1 问题描述与模型构建

1.1 问题描述

假设某县域交通枢纽站在特定时间内有多个游客通过不同班次列车抵达，需要安排 k辆旅游巴士为 n个景区提供接驳服务。游客对行程时长存在差异化的时效性要求，其最大行程时长限制由枢纽站与景区的直达时长及绕行时间系数阈值 β共同确定。在满足游客需求、保证服务水平的同时，运营企业亟需通过合理的旅游巴士接驳路径规划来降低运营成本。因此，本文旨在构建一个兼顾服务水平与运营效益的旅游巴士接驳路径规划模型。通过权重系数 ε将最小化游客总乘车时长和旅游巴士总行程时长这两个子目标整合为单目标函数，在降低模型求解难度的同时，实现出游体验的合理保障与接驳资源的高效配置，具体研究假设如下。
1）服务对象限定为交通枢纽站到站游客，各景区节点的位置和游客需求数量均已知。
2）交通枢纽站与景区节点间、各景区节点间的双向行程时长矩阵已知。
3）前往各景区的最长行程时长限制由直达行程时长与绕行时间系数阈值 β的乘积确定，绕行时间系数定义为实际行程时长与直达行程时长的比值。
4）单辆旅游巴士可服务多个景区，同一景区需求可被多辆旅游巴士联合服务。
5）所有旅游巴士从交通枢纽站出发，完成接驳任务后返回交通枢纽站。

1.2 模型建立

1.2.1 模型目标函数

目标函数是两个部分之和的最小化：①所有游客的总乘车时长，即 ∑ k ∈ K ∑ i ∈ C s i ,   k q i ,   k；②所有旅游巴士的总行程时长，即 ∑ k ∈ K ∑ i ∈ V ∑ j ∈ V c i ,   j x i ,   j ,   k。
$\min Z=\sum_{k \in K} \sum_{i \in C} s_{i, k} q_{i, k}+\varepsilon \sum_{k \in K} \sum_{i \in V} \sum_{j \in V} c_{i, j} x_{i, j, k}$
式（1）中： s i ,   k为旅游巴士 k到达景区 i的累计行程时长，单位min； q i ,   k为旅游巴士 k服务去往景区 i的游客数量，单位人； c i ,   j为旅游巴士从景区 i至景区 j的行程时长，单位min； x i ,   j ,   k为路径决策变量，当旅游巴士 k选择 ( i ,     j )路段作为途经路径时，值为1，否则值为0； K为所有旅游巴士的集合； C为所有景区的集合， C = 1 ,   2 , ⋯ ,   n； V为所有节点的集合， V = 0 ,   1 ,   2 ,   ⋯ ,   n ,   n + 1，其中0为交通枢纽站， n + 1为虚拟终点站（即返回枢纽站）； ε为调节两个目标相对重要性的权重系数。

1.2.2 模型约束

模型的主要约束如下：
1）对于任意景区，至少有1辆旅游巴士提供服务：
∑ k ∈ K ∑ i ∈ V x i ,   j ,   k ≥ 1           ∀ j ∈ C
2）对于任意景区，只能被同一辆旅游巴士服务1次：
∑ i ∈ V x i ,   j ,   k ≤ 1           ∀ j ∈ C ,         ∀ k ∈ K
3）每辆旅游巴士都必须从枢纽站出发：
∑ j ∈ V x 0 ,   j ,   k = 1           ∀ k ∈ K
4）每辆旅游巴士都必须返回终点站，终点站即为枢纽站：
∑ i ∈ V x i ,   n + 1 ,   k = 1           ∀ k ∈ K
5）对于任意景区，驶出旅游巴士数应等于驶入旅游巴士数：
∑ i ∈ V x i ,   p ,   k - ∑ j ∈ V x p ,   j ,   k = 0           ∀ p ∈ C ,         ∀ k ∈ K
式（6）中：p为景区。
6）各景区的游客需求只能由经过该景区的旅游巴士服务：
y i ,   k = ∑ j ∈ V x j ,   i ,   k           ∀ i ∈ C ,         ∀ k ∈ K
式（7）中： y i ,   k为节点访问变量，当旅游巴士 k经过景区 i时，值为1，否则值为0。
7）同一景区游客需求可以被多辆旅游巴士联合服务：
∑ k ∈ K q i ,   k y i ,   k = q i           ∀ i ∈ C
式（8）中： q i为去往景区 i的总游客数量。
8）旅游巴士的实际载客人数不得超过其额定载客量：
∑ i ∈ C q i ,   k y i ,   k ≤ Q           ∀ k ∈ K
式（9）中： Q为旅游巴士的额定载客量。
9）旅游巴士服务任意景区的游客数量不得超过额定载客量：
q i ,   k ≤ y i ,   k Q         ∀ i ∈ C ,         ∀ k ∈ K
10）旅游巴士从景区 i到景区 j的累计行程时长增量为两个景区间的旅游巴士行程时长：
s i ,   k + c i ,   j - M ( 1 - x i ,   j ,   k ) ≤ s j ,   k ∀ i ∈ V ,         ∀ j ∈ V ,         ∀ k ∈ K
式（11）中： M为一个足够大的常数值。
11）旅游巴士到景区 i的累计行程时长不能超过其最长行程时长限制：
s i ,   k ≤ l i           ∀ i ∈ C ,         ∀ k ∈ K
式（12）中： l i为允许旅游巴士到达景区 i的最长行程时长。

2 案例分析

本研究采用福建省平潭县作为案例进行模型验证与效果分析。平潭县作为首批国家全域旅游示范区创建单位之一，其定位为“国际旅游岛”，发展旅游产业十余载，旅游资源丰富且分布广阔[15]。全岛共有9个核心风景区，位于高铁站周边不同方位，平均直达时长约32 min（常规公交运营速度下），呈现“多节点、大间隔”的空间格局；作为主要游客集散枢纽的平潭高铁站，虽然在特定时段内出游客流总量较为可观，但存在单个景区的直达客流规模较小且分散的特点；平潭县常住人口仅39万人，岛内常规公交网络覆盖率不足40%、日均发车间隔大于30 min，网约车资源有限，旅游巴士是高铁站至景区的唯一规模化接驳方式。综上，平潭县的旅游巴士接驳痛点较典型突出。
案例设置11辆可用旅游巴士，其额定载客量均为20人。计算各节点间的行程时长仅考虑旅游巴士的平均运营速度。依据平潭县域道路情况并参考常规公交运营速度，旅游巴士运营速度设置为25 km/h。各节点间的行程时长数据如表1所示，其中H为枢纽站，A1~A9为景区节点。
表1 节点间的行程时长 单位：min
H A1 A2 A3 A4 A5 A6 A7 A8 A9
H — 38 36 29 24 17 51 31 42 20
A1 37 — 30 21 46 19 45 70 83 43
A2 37 30 — 10 49 22 16 67 80 46
A3 30 21 8 — 39 13 24 57 71 37
A4 26 47 48 40 — 27 64 55 60 20
A5 18 21 21 13 26 — 37 46 54 24
A6 50 44 15 24 63 36 — 70 88 60
A7 31 70 66 58 55 47 73 — 35 50
A8 47 87 82 71 60 54 89 34 — 40
A9 21 44 45 37 19 24 61 51 50 —
为控制规划线路长度与绕行程度，绕行时间系数阈值 β的取值参考了公共交通线路非直线系数标准。根据《城市道路交通规划设计规范》（GB 50220—95）规定，该系数定义为公共交通线路实际运营长度与起讫点空间直线距离的比值，其不应大于1.4[16]。鉴于绕行时间系数与线路非直线系数具有相似的数学特征，即二者均采用实际运营指标与理想直线指标的比值形式，故初步设定绕行时间系数阈值 β为1.4，并计算得到前往各景区的最大行程时长。具体的景区位置坐标、出游需求人数、各景区的直达行程时长与最长行程时长数据如表2所示。
表2 景区节点数据
节点
编号		 X坐标
/km		 Y坐标
/km		 游客需求
/人		 直达行程时长
/min		 最长行程时长
/min
H 0 0 0 0 —
A1 7.1 -9.7 10 38 53
A2 -2.1 -12.6 25 36 50
A3 0.5 -9.4 9 29 41
A4 9.7 0.9 9 24 34
A5 2.6 -5.2 25 17 24
A6 -1.1 -15.3 5 51 71
A7 -8.8 4.1 7 31 43
A8 0.5 12.2 20 42 59
A9 4.4 3.7 15 20 28

2.1 权重系数实验

为探究在目标函数的引导下，模型中客流分配策略与路径规划决策的协同运行效果，本文通过调节权重系数 ε进行多次实验，依据所输出的接驳方案进行比对分析，以验证模型的有效性与可行性。
初步的实验结果分析表明：游客总乘车时长与旅游巴士总行程时长的数值比例稳定收敛于11∶1~15∶1。考虑该比例关系对模型求解决策的影响，本文以0.1的步长在[0,20]区间内连续调整权重系数 ε进行逐轮实验，并记录每轮实验输出的游客总乘车时长与旅游巴士总行程时长数值，数值变化曲线如图1所示。
图1 游客总乘车时长与旅游巴士总行程时长变化曲线
由图1可知，目标数值变化情况可明显划分为4个阶段，具体数值与平均求解时长如表3所示。值得注意的是，各阶段的平均求解时间均在30 s内，当权重系数 ε∈[0.7,20]时，平均求解时长仅6.2 s，证明采用GUROBI优化器对模型进行求解，能及时响应游客需求，迅速输出当前旅游巴士最优接驳路径方案。为进一步明晰模型的运行效果、验证方案的可行性，本文对4个阶段的旅游巴士接驳方案进行分析比较。
表3 4阶段目标数值与平均求解时长
权重系数 ε取值区间 [0, 0.1] [0.2, 0.3] [0.4, 0.6] [0.7, 20]
平均求解时长/s 19.8 23.3 20.0 6.2
游客总乘车时长/min 3 794 3 799 3 809 3 819
旅游巴士总行程时长/min 341 306 278 262
1）阶段1
当 ε∈[0,0.1]时，模型优先保障游客的出游行程效率，对运营成本控制的重视程度最低。接驳路径示意见图2。
图2 ε∈[0,0.1]时的旅游巴士接驳路径示意

注：B1~B11代表旅游巴士。下同。

当前旅游巴士接驳方案均为“点对点”的直达路径，累计调用11辆旅游巴士完成接驳任务，无不同景区客流需求合并接驳的现象。具体接驳方案如表4所示，该接驳方案的游客总乘车时长最小，为3 794 min；旅游巴士总行程时长最大，为341 min。由于该方案在需求响应与服务质量维度达到最优，故设定其为基准方案，作为后续方案的评价参考。
表4 ε∈[0,0.1]时的旅游巴士接驳方案
旅游巴士
编号		 接驳
路径		 游客数量
/人		 旅游巴士
总行程时长
/min		 游客总
乘车时长
/min
B1 H—A7 7 31 217
B2 H—A8 20 42 840
B3 H—A9 15 20 300
B4 H—A4 9 24 216
B5 H—A1 10 38 380
B6 H—A5 5 17 85
B7 H—A5 20 17 340
B8 H—A3 9 29 261
B9 H—A2 17 36 612
B10 H—A2 8 36 288
B11 H—A6 5 51 255
总计 341 3 794
2）阶段2
当 ε∈[0.2,0.3]时，模型提升了对成本控制的重视程度，但保证游客出行效率仍是模型的主要优化方向。在此阶段的实验中，模型首次通过客流分配策略进行客流需求合并接驳。此阶段接驳路径示意如图3所示，旅游巴士B10服务A2景区部分需求后抵达A6景区，同时响应两个景区的接驳需求。具体接驳方案如表5所示，阶段2的接驳方案共调用10辆旅游巴士，此时游客总乘车时长为3 799 min，较基准方案仅增加5 min；而旅游巴士总行程时长为306 min，节省了35 min，对旅游巴士运营成本的控制效果较为显著。
图3 ε∈[0.2,0.3]时的旅游巴士接驳路径示意
表5 ε∈[0.2,0.3]时的旅游巴士接驳方案
旅游巴士
编号		 接驳路径 游客数量
/人		 旅游巴士
总行程时长
/min		 游客总
乘车时长
/min
B1 H—A7 7 31 217
B2 H—A8 20 42 840
B3 H—A9 15 20 300
B4 H—A4 9 24 216
B5 H—A1 10 38 380
B6 H—A5 20 17 340
B7 H—A5 5 17 85
B8 H—A3 9 29 631
B9 H—A2 10 36 360
B10 H—A2—A6 15-5 36-52 800
总计 306 3 799

注：以旅游巴士B10为例，游客在枢纽站H上车后出发，车辆行驶36 min后抵达A2景区，15名游客下车。随后车辆从A2景区行驶16 min后抵达A6景区，5名乘客下车，总行程时长为36 min+16 min=52 min。乘车时长按游客实际乘坐路段计算：15×36 min＋5×52 min=800 min。

3）阶段3
当 ε∈[0.4,0.6]时，此时模型对旅游巴士行程时长的数值变化具有敏感性，客流分配策略与接驳路径规划的协同运行效果得到进一步的体现。此阶段接驳路径示意如图4所示，旅游巴士B8与旅游巴士B9在最大行程时长的限制下连续服务了2个景区，累计调用9辆旅游巴士。具体旅游巴士接驳方案如表6所示，游客总乘车时长为3 809 min，旅游巴士总行程时长为278 min。相较于基准方案，该方案共节省了2辆旅游巴士，其游客总乘车时长仅增加0.4%，而旅游巴士总行程时长显著下降了18.4%，验证了客流分配策略对运营成本控制的有效性。
图4 ε∈[0.4,0.6]时的旅游巴士接驳路径示意
表6 ε∈[0.4,0.6]时的旅游巴士接驳方案
旅游巴士
编号		 接驳路径 游客数量
/人		 旅游巴士总
行程时长/min		 旅客总乘车
时长/min
B1 H—A7 7 31 217
B2 H—A8 20 42 840
B3 H—A9 15 20 300
B4 H—A4 9 24 216
B5 H—A1 10 38 380
B6 H—A5 20 17 340
B7 H—A5 5 17 85
B8 H—A3—A2 9-10 29-37 631
B9 H—A2—A6 15-5 36-52 800
总计 278 3 809
4）阶段4
当 ε∈[0.7,20]时，模型对旅游巴士行程时长的数值变化高度敏感，此时对运营成本的控制是模型优化的侧重点。此阶段接驳路径示意如图5所示，具体接驳方案如表7所示。共调用8辆旅游巴士，游客总乘车时长为3 819 min，旅游巴士总行程时长为262 min。值得注意的是，旅游巴士B6, B7, B8抵达景区A1, A2, A6的绕行时间系数分别为1.03, 1.03, 1.02，远小于1.4的绕行时间系数阈值 β。并且相较于基准方案，该方案游客总乘车时长仅增加0.6%，但旅游巴士总行程时长大幅下降了23.2%。此时模型输出的接驳方案在满足游客需求的前提下，最大程度地降低了企业的运营成本，在保证服务水平的同时，兼顾了运营成本的控制。
图5 ε∈[0.7,20]时的旅游巴士接驳路径示意
表7 ε∈[0.7,20]时的旅游巴士接驳方案
旅游巴士
编号		 接驳路径 游客数量
/人		 旅游巴士
总行程时长
/min		 游客总
乘车时长
/min
B1 H—A7 7 31 217
B2 H—A8 20 42 840
B3 H—A9 15 20 300
B4 H—A4 9 24 216
B5 H—A5 20 17 340
B6 H—A5—A1 5-10 17-39 475
B7 H—A3—A2 9-10 29-37 631
B8 H—A2—A6 15-5 36-52 800
总计 262 3 819

2.2 最大运力利用率实验

在绕行时间系数阈值 β设定为1.4的约束条件下，当权重系数 ε∈[0.7,20]时，阶段4的接驳方案共调用8辆旅游巴士形成160人的载客容量，满足了125人次的游客需求，旅游巴士运力利用率为78.1%，验证了模型在常规场景下的有效性。
为检验模型在运力短缺场景下的鲁棒性，本文进行了压力测试：将绕行时间系数阈值 β从1.4放宽至2.0，允许旅游巴士在一趟行程中更长绕行。同时，将旅游巴士可用数量从11辆压缩至7辆，总载客容量为140人。
本次实验输出的接驳路径示意如图6所示，具体接驳方案如表8所示。实验结果显示：该接驳方案的运力利用率为89.3%，达到理论峰值；游客总乘车时长与旅游巴士总行程时长分别为3 970 min与283 min；旅游巴士B3, B4抵达A4景区的绕行时间系数分别为1.63与1.79，超出初步设定的绕行时间系数阈值 β（1.4）。压力测试结果表明，相较于阶段4的接驳方案，模型在运力缩减12.5%的极端条件下，仍能以游客总乘车时长增长4%、旅游巴士总行程时长增加8%的有限代价，确保所有游客需求的及时响应，最大程度避免游客在枢纽站的滞留。同时，旅游巴士达到89.3%峰值利用率，相较于常规场景显著提升了14.3%。
图6 最大运力利用率下的旅游巴士接驳路径示意
表8 最大运力利用率下的旅游巴士接驳方案
旅游巴士编号 接驳
路径		 游客
数量/人		 旅游巴士
总行程时长
/min		 游客总
乘车时长
/min		 绕行时间系数
B1 H—A7 7 31 217 1
B2 H—A8 20 42 840 1
B3 H—A9—A4 15-5 20-39 495 1-1.63
B4 H—A5—A4 15-4 17-43 427 1-1.79
B5 H—A5—A1 10-10 17-39 560 1-1.03
B6 H—A3—A2 9-10 29-37 631 1-1.03
B7 H—A2—A6 15-5 36-52 800 1-1.02
总计 283 3 970 —

注：绕行时间系数为旅游巴士抵达景区的实际行程时长与直达行程时长的比值。以旅游巴士B3为例，从枢纽站H出发后直达A9景区，此时绕行时间系数为20 min/20 min=1。而后从A9景区行驶至A4景区，此时绕行时间系数为39 min/24 min=1.63。

3 结束语

为提升县域旅游接驳服务质量、降低企业运营成本，本文构建了一种考虑客流分配的县域旅游巴士接驳路径规划模型，并基于福建省平潭县案例数据进行多次实验，得到以下实验结果：该模型平均求解时间均在30 s内，能够迅速输出最优旅游巴士接驳方案，及时响应游客需求；相较于“点对点直达”的基准方案，优化方案的游客总乘车时长仅增加0.6%，而旅游巴士总行程时长显著降低23.2%。在绕行时间系数阈值（ β=1.4）的严格约束下，方案实现了服务保障与成本控制的有效平衡；相对于常规场景，模型在运力缩减12.5%的极端条件下，仅以4%的游客总乘车时长和8%的车辆总行程时长增长为代价，驱动旅游巴士89.3%的峰值运力利用率，验证了模型在极端场景下的鲁棒性。
在实际情景中，游客的出游行程还包括住宿与餐饮环节，游客对住宿节点与餐饮节点的出行需求同样值得注意[17]。因此，未来研究将考虑更多样的出游需求，进一步完善旅游巴士接驳路径模型，提升模型在县域游客接驳场景下的实用性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
2024年第六届全国县域旅游研究成果发布[EB/OL]. (2024-01-01)[2025-03-13]. http://www.hxbqly.com/hxbqly/vip_doc/29111437.html.

[2]
文化和旅游部, 国家发展改革委, 财政部, 等. 文化和旅游部,国家发展改革委,财政部,自然资源部,住房城乡建设部,交通运输部,农业农村部,应急管理部,国家消防救援局关于印发《关于推进旅游公共服务高质量发展的指导意见》的通知(文旅公共发〔2024〕41号)[EB/OL]. (2024-06-19)[2025-04-20]. https://www.gov.cn/zhengce/zhengceku/202408/content_6966756.htm.

[3]
吴文智, 许建波. 县域文旅“热”:原因、挑战及发展路径[EB/OL]. (2024-10-08)[2025-03-04]. http://paper.people.com.cn/rmlt/pc/content/202410/08/content30029990.html.

[4]
刘培. 县域旅游公交线网规划方法研究[D]. 南京: 东南大学, 2021.

[5]
黄鑫, 曾寻利, 李雅婷, 等. 考虑环境税的邮政快递企业多式联运路径优化问题[J]. 交通运输研究, 2021, 7(3):72-81.

[6]
陈刚, 苏銮, 李慧芳, 等. 常态化疫情防控背景下物资运输路径优化[J]. 交通运输研究, 2023, 9(1):96-104,114.

[7]
吴晓东, 王正鑫, 刘川平. 客户分级优先的即时配送路径规划方法[J]. 交通运输研究, 2024, 10(4):68-79.

[8]
LI J, GUO X, LU R, et al. Bus route design problem for rural tourism objectives: A multiobjective approach[J]. Journal of Advanced Transportation, 2022, 2022 (1): 1339598. DOI: https://doi.org/10.1155/2022/1339598.

[9]
王峰, 杭波, 黄金洲, 等. 一种基于动态情境感知的旅游路径规划方法[J/OL]. 运筹学学报(中英文),1-14(2024-07-03)[2025-06-25]. http://kns.cnki.net/kcms/detail/31.1732.o1.20240701.1514.012.html.

[10]
CHAI S, SHAN J, LONG C, et al. Analysis on the effect of intelligentization and improvement of tourist bus loops based on Markov chain decoupling[J]. Mathematical Problems in Engineering, 2022, 2022 (1): 9021129. DOI: https://doi.org/10.1155/2022/9021129.

[11]
王建婷. 基于随机环境下的旅游公交线路优化设计研究[D]. 兰州: 兰州交通大学, 2023.

[12]
代涛. 疏导型定制旅游公交线路优化研究[D]. 西安: 长安大学, 2023.

[13]
高雍. 考虑服务水平的旅游公交路线优化设计问题研究[D]. 成都: 西南交通大学, 2020.

[14]
JIA Z, HUANG D, LIU Z, et al. Multi-objective optimization for the sightseeing bus problem: Trade-off between tourists and operator[J]. Expert Systems with Applications, 2025, 269: 126341. DOI: https://doi.org/10.1016/j.eswa.2024.126341.

[15]
林心悦, 吴毅辉, 郑心怡, 等. 平潭综合实验区闽台农文旅融合发展对策分析[J]. 台湾农业探索, 2024, 46(1):8-12.

[16]
中华人民共和国建设部. 城市道路交通规划设计规范:GB 50220—95[S]. 北京: 中国计划出版社,1995.

[17]
黎浩, 史春云, 范爽. 基于多源数据的乡村旅游地发展评价研究——以苏州市吴中区为例[J/OL]. 中国农业资源与区划, 2025:1-20.(2025-04-18)[2025-06-25]. http://kns.cnki.net/kcms/detail/11.3513.S.20250418.1636.037.html.

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