摘要
随着城市化进程加快，城市内出现了如交通拥堵、环境污染和资源浪费等一系列问题，各类交通方式运力供需之间的不平衡正是其重要成因之一。高峰期的交通资源供给远低于出行需求，进而加剧了交通拥堵和延误现象;而平峰期的交通资源供给高于出行需求，产生了资源浪费。如何平衡各类交通方式运力的供需关系、提供更高质量的交通服务成为了亟待解决的研究问题。交通需求响应模型可从需求端的角度制定计划、分配资源，进而合理地解决交通运力供需不平衡的问题。传统的需求响应模型服务手段较为单一，服务对象受车辆容量、成本等因素限制，不能满足所有出行者的需求。出行即服务(MobilityasaService,MaaS)是近年来提出的新型交通服务系统，其可从交通需求角度出发，整合各类交通资源，为出行者提供定制的、更灵活、更高质量的一站式出行服务。因此，研究MaaS模式下的交通需求响应机制具有一定的实际意义。 本研究为响应MaaS系统下的交通出行需求、提升交通效率并完善其需求响应机制设计，构建了MaaS模式下的交通需求响应模型;考虑出行偏好设计了时空偏好聚类算法来提高响应率并实现需求全覆盖。本文的具体工作内容包括: (1)阐述了交通需求响应和MaaS系统的发展现状和关键属性;考虑MaaS系统的技术层面和服务属性，构建了MaaS模式下的交通需求响应模型。通过运输企业构建的网络平台收集预约需求点数据，结合固定型、半固定型和灵活型交通方式提供出行服务;并以出行需求的时空分布和出行偏好优先级顺序为导向，协调、分配交通资源并提高出行服务质量。 (2)考虑出行需求的时空分布和出行偏好因素，设计了时空偏好聚类算法以满足预约需求点的聚类响应。以MaaS系统为基础、出行偏好为感知因素，改进了时间偏好层次聚类;结合出行偏好优先级顺序改进空间DBSCAN聚类，并将轮廓系数作为参数更新指标，进而得到时空偏好趋同的预约需求点并响应。同时，结合需求响应模型协调各类交通资源供给，分配灵活路线型交通方式服务时空离散点以实现需求全覆盖。 (3)构建仿真数据库用于验证模型和算法的可行性，定量分析其改进效率并讨论适用性。仿真和研究结果表明:模型和算法可有效聚类响应预约需求点;预约需求点个数为60时，其需求响应率均值为91.3％;相较于层次聚类和DBSCAN聚类算法，分别提升了15％和6.7％;与定制公交模式相比提升了8.3％。该模型和算法适用于静态需求响应模式下公共交通为主导的地区，可有效提升交通需求响应效率和服务质量。
NETL