个性化激励用于拥堵公共交通系统的需求管理:一种逆向工程方法与应用

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》:Personalised incentives for demand management of congested public transport systems: A reverse-engineering approach and application

【字体: 大 中 小 】 时间:2026年02月14日 来源:TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES 7.9

编辑推荐:

  为了减少拥堵,公共交通服务提供商可以提供激励措施,鼓励乘客选择替代路线和出行时间(RTs)。据研究人员所知,现有关于激励设计的研究均未通过明确量化激励系统与精确系统最优(SO)基准之间的偏差来评估方案性能。为填补这一空白,研究人员开发了RE-ESO:一种使用精

  
为了减少拥堵,公共交通服务提供商可以提供激励措施,鼓励乘客选择替代路线和出行时间(RTs)。据研究人员所知,现有关于激励设计的研究均未通过明确量化激励系统与精确系统最优(SO)基准之间的偏差来评估方案性能。为填补这一空白,研究人员开发了RE-ESO:一种使用精确SO解进行公共交通激励设计的逆向工程框架。该算法通过迭代分析当前激励分配流量与精确SO分配流量之间的差异,系统地确定每个RT组合的具体激励金额。特别地,研究人员首次展示了尽可能产生SO乘客选择的激励措施。通过香港地铁网络的案例研究,证明了RE-ESO在降低拥堵成本方面的有效性。在研究中,RE-ESO实现了32.74%的拥堵成本降低,显著优于两个比较基线:没有全局最优目标的激励优化(IO-NGT),该方法在文献中常见(双层方法;22.18%成本降低),以及行业普遍采用的时间偏移方法(非高峰票价奖励;10.90%成本降低)。值得注意的是,研究结果接近精确SO系统指示的36.35%拥堵降低的理论上限。另一个关键发现是出发时间偏移占总拥堵缓解的82%,表明在路线偏移选项有限的交通网络(如香港和斯德哥尔摩)中具有广泛的应用潜力。
**论文解读:基于逆向工程的个性化激励设计缓解公共交通拥堵的研究**

**研究背景与问题**
城市交通拥堵是普遍难题,传统扩容策略(如扩建基础设施)成本高昂、效率低下,且受土地和预算限制。需求管理(TDM)被证明是优化现有设施利用率的有效手段。在公共交通领域,激励策略(如非高峰折扣、差异化票价)旨在引导乘客改变出行时间或路线以缓解高峰拥堵。然而,现有激励设计方法存在根本性缺陷:大多数研究仅依赖用户均衡(UE)状态下的局部信息或启发式规则(如峰时偏移),缺乏明确的全局最优基准——系统最优(SO)状态。这使得政策制定者无法量化激励方案与理论最优之间的差距,也难以评估系统的真实缓解潜力。为填补这一空白,研究人员开发了RE-ESO框架,首次将精确SO解引入激励设计,实现从局部最优向全局最优的跨越。该研究发表在《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》。

**主要技术方法**
研究采用三大核心模块构建逆向工程框架:1)**精确SO模型**(整数线性规划,求解无激励下的全局最优流量分配);2)**UE模型**(基于自适应间隙下降方向(AdaGDD)算法的仿真优化,模拟乘客自私行为下的流量分配);3)**事件驱动系统仿真器**(评估各路线-时间组合(RT)的出行成本,包括在车时间、等待时间、早到/晚到惩罚)。数据来源为香港地铁自动售检票(AFC)系统提取的早晚高峰OD矩阵,以及斯德哥尔摩地铁智能卡数据。通过比较当前激励下(I-UE)流量与SO流量的偏差,迭代调整各RT的激励金额(采用固定增量或比例增量),直至系统接近SO状态。

**研究结果**
**4.2 无预算约束下的激励设计模型比较**(通过对比RE-ESO、无全局最优目标激励优化(IO-NGT)和传统非高峰规则(T-OP)三种方法):RE-ESO实现拥堵成本降低32.74%(从703,495美元降至473,162美元),接近精确SO理论上限(36.35%),显著优于IO-NGT(22.18%)和T-OP(10.90%);其激励支出(146,410美元)高于IO-NGT(78,181美元)和T-OP(29,983美元),但单位支出带来的拥堵成本降幅最大(每美元降低1.58美元)。

**4.3 逆向工程框架内部方法对比**(对比RE-ESO、基于近似SO的逆向工程(RE-ASO)和仅考虑出发时间偏移的变体(RE-ESO-DT)):RE-ESO表现最优,其次为RE-ESO-DT(26.86%),RE-ASO最差(17.90%),表明精确SO目标和多维度RT选择(时间+路线)对激励设计至关重要。

**4.4 有预算约束下的性能对比**(测试不同预算水平):RE-ESO在所有预算下均保持最高拥堵缓解比,有效预算上限(约150,000美元)高于RE-ASO(130,000美元)和IO-NGT(70,000美元);当预算有限时,IO-NGT优于RE-ASO,说明近似SO可能提供误导性方向。

**4.5 实践应用分析**(包括链路流量、渗透率、需求水平、公平性等子节):
- **链路流量与拥堵模式**:I-UE(激励后用户均衡)系统在关键链路(如九龙-红磡)的流量分布接近SO,有效分散了高峰客流;出发时间偏移占拥堵缓解的82%,路线偏移占18%。
- **渗透率影响**(测试0%–100%参与率):参与率仅0.3即可实现约20%的拥堵成本降低,但超过0.8后边际收益递减,提示需结合非货币激励。
- **需求水平影响**(测试100%–165%基准需求):RE-ESO在不同需求下均能接近SO解,在165%需求下实现44.80%的缓解率,表明鲁棒性良好。
- **公平性讨论**:发现不同始发站乘客获得平均激励差异显著(如沙田3.3美元 vs. 车公庙11.3美元),尽管算法以效率为目标,但公平性是个值得关注的问题。

**4.6 斯德哥尔摩地铁系统实验**(默认OD与均匀分布OD两种场景):RE-ESO在默认OD下实现35.25%缓解,在均匀分布OD下实现17.26%缓解,均优于IO-NGT、RE-ASO和T-OP,验证了方法的可迁移性。

**讨论与结论**
讨论指出,RE-ESO的核心优势在于利用精确SO作为全局目标,避免了传统方法(IO-NGT和T-OP)的局部最优陷阱。实验结果证实,激励设计应同时考虑时间和路线维度,且精确SO信息比近似SO更关键。研究还揭示了出发时间偏移的主导作用(82%),为路线选择有限的网络提供了实用支持。未来方向包括考虑服务不确定性、异构用户偏好、效率与公平的权衡,以及扩展至多模式系统。

研究结论翻译如下:许多公共交通系统日益增长的需求超过了基础设施扩张的能力,导致严重拥堵。为提升容量利用率,服务提供商可提供激励鼓励乘客选择较少拥堵的路线和时间(RTs)。传统框架仅依赖当前用户均衡(UE)的拥堵信息或简单启发式(如高峰偏移),易陷入局部最优,无法识别系统真实潜力。本文开发的RE-ESO框架通过分析当前分配流量与精确系统最优(SO)分配流量之间的差异,系统性地确定每个RT的激励金额,首次实现了尽可能接近SO乘客选择的激励方案。香港地铁案例显示,RE-ESO实现32.74%的拥堵成本降低,逼近36.35%的理论上限,优于IO-NGT(22.18%)和T-OP(10.90%)。另一关键发现是出发时间偏移贡献了82%的拥堵缓解,表明该方案在路线选择有限的网络(如香港和斯德哥尔摩)具有广泛应用潜力。进一步实验表明,即使0.3的较低参与率也能带来约20%的缓解,且RE-ESO在高需求场景下仍接近SO解。计算解经济可行(每美元投资降低1.58美元拥堵成本)。未来工作可融入服务不确定性、异质性偏好,并可扩展至多模式系统。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号