出租车调价视角下居民出行选择多主体仿真系统研究
城市交通作为社会和经济活动的重要纽带,是城市居民生活不可缺少的部分。然而随着城市交通的发展,出行难已成为妨碍人们生活的关键问题。
出租车作为北京市交通的重要组成部分,“打车难”现象更是频发。为此,北京市发改委在2013年6月公布了出租车调价方案,开始注重从价格角度发挥政策对交通需求的调节作用,希望在平衡各出行方式的分担率的同时促进出租车运营效率和服务质量。
出行方式选择预测是城市交通管理的重要组成部分。居民出行系统作为一个典型的复杂自适应系统,居民在出行过程中,由于过程相关性,解析方法无法准确计算拥挤程度的大小,因此传统的出行方式分担率计算具有一定的局限性。
本文首先以复杂自适应系统理论为基础,对影响居民出行方式选择的因素进行分析,从而确立主体的出行方式选择行为决策过程。其次,应用多主体建模仿真方法,确定了主体的行为规则,以及主体与环境的交互关系,构建居民出行方式选择的多主体仿真模型,应用logo语言在基于Starlogo的多主体仿真平台上实现居民出行方式选择的多主体仿真系统。
接着,应用此系统进行了模拟仿真,利用北京市出租车调价前的出行数据对仿真模型进行实证,并将出租车调价前后的仿真模拟结果与统计数据中居民出行方式实际选择情况比较,从而评价出租车调价政策的有效性。最后,基于近两年打车软件的盛行,引入打车软件业务进行模拟仿真,以评价打车软件业务对居民出租车出行方式选择的变化。
并根据仿真结果,提出出租车分时定价策略及建议,从而对出行人群进行有效引导,并调节出租车和打车软件存在的利益冲突。
蠢霎Ⅵ渊鼎糕豢
出行类别生成模型对某市客运出行生成量的预测
余丹丹(湖北水利水电职业技术学院湖北武汉430070)
[摘要]提出一种按交通小区的类别建模的思路，即依据各交通区的土地使用性质及强度对其居民的吸引程度建立居民出行类别生成模型。用所建模型预测分析某市各特征年客运交通量O／D表，其结果表明该模型具有较好的适用性。[关键词]出行生成交通小区土地使用
中图分类号：TU98文献标识码：A文章编号：1671--7597(2008)1010130—01
一、概述
出行生成量预测是传统四阶段法的第一步，现行的居民出行生成预测模型主要有生成率模型、类别生成率模型、回归分析模型、类别回归分析
模型等。传统出行生成预测方法有其特有的优点，但也存在一些弊病。如：各种出行生成相关因素(劳动力、学生分布，就业岗位分布等)的预测
工作繁琐，需要的基础资料过多，在基础数据缺乏的情况下，预测精度不
高；而且不能充分反映各交通小区的特点，对于出行生成的重要影响因素土地利用强度等都缺乏相应的研究。
本文从实际应用的角度出发，在对传统的居民出行生成预测模型进行全面和深入的分析基础上，提出建立在城市土地使用性质及强度对其居民
的吸引程度的基础上的居民出行类别生成预测模型。探讨土地使用的性
质、强度、规模、及小区区位特征等对居民出行的影响，并引入出行生成基本权重、用地规模、土地利用强度系数等作为模型的基本参数。
二、基于土地使用状态的出行类别生成模型
(一)出行类别生成模型预测思路
居民出行生成量是指在某个确定的时间段内(如“日”或“高峰小时”)城市各交通小区的居民平均总出行次数。城市人们外出活动，由此
在城市道路上产生了交通量。在现代城市里，不同类型的活动场所，反映
着人们活动量的大小，例如：车站、码头，往往是人们出行的必进之路，在这样的地方产生的交通量就很大；在商业零售区人们活动量相应要小，
但其活动方式复杂；在工业区、居民区、院校、机关所在地，人们的活动
却有着一定规律。例如一个居住分区的就业人口就要到另一个就业分区的就业岗位上去工作，于是在居住分区与就业分区之间便产生了一种就业出
31
参赛密码
（由组委会填写）
第十二届“中关村青联杯”全国研究生
数学建模竞赛
学 校
西南大学
参赛队号
队员姓名
参赛密码
（由组委会填写）
32
第十二届“中关村青联杯”全国研究生
数学建模竞赛
题 目 旅游路线规划问题
摘 要：
近年来随着科技的进步和社会的不断发展，旅游活动正在成为全球经济发展的动力之一，它加速国际资金流转和信息、技术管理的传播，创造高效率消费行为模式、需求和价值等。随着人们生活水平提升，越来越多的人积极参与有益于身心健康的旅游活动。国家旅游局公布了201个5A级景区名单，但是当前人们对旅游路线规划的问题还比较盲目，如何选择最优路线游遍201个5A级景区的旅游还不够清楚。针对这些问题本文着重进行了以下几个方面的工作：
问题一，旅游爱好者常住西安市，采用高速优先的策略自驾到景区，规划设计最短路线游遍201个5A级景区。根据附件1我们利用图论和运筹学的相关知识对景区构建赋权图。由附件2的信息统计得出从西安到各省会的公路长度，结合附件一和百度地图上的高速路距离，对于分块的景区利用改良圈法建立TSP问题的旅游路优化设计模型，运用Lingo软件编程求出最短路径。对于旅游者每年有不超出30天的外出旅游时间，每次不超过15天，每年不超过4次的旅行条件，采用目标规划算法编写Java语言求出游完201个5A级景区的最佳途径。通过该程序给出了每次旅游的具体行程表。
问题二，除了高速优先之外，人们还可以考虑乘坐高铁或飞机到达与景区相邻的省会城市，再采用租车的方式自驾到景区游览，考虑旅游费用规划一个十年游遍所有201个5A级景区费用最低、旅游体验最好的旅游路线。根据附件3和附件4统计出高铁和飞机的费用，运用层次分析法在Excel中求解出从出发点到省会的最佳交通方式。利用模型一中改良圈法建立TSP问题的旅游路优化设计的路线，根据题上约束条件采用多目标规划运用Java语言编程求出游完201个5A级景区的最佳路径。由以上结果在Excel算出每次旅行的花费，规划出每次旅行的具体行程。
ＺＨＵＡＮＴＩＹＡＮＪＩＵ 专题研究１４５ 最优旅行目的地选择及旅行路径规划最优旅行目的地选择及旅行路径规划◎李雨彤 （北京大学附属中学，北京 １００１９０） 【摘要】本论文利用数学建模的方法，根据游客的喜好推荐最优旅行路线．首先，通过调查游客对于旅行景区不同因素的重视程度和各景点在不同方面的既有评分，用改进层次分析法得到各景区排名，对景区进行初步筛选．其次，运用Ｄｉｊｋｓｔｒａ算法得到所有可选景点之间的最短路程，并使旅程时间和费用多少与旅程长短成正比．最后，根据游客需求分别设定目标函数和限制条件得到基于非线性规划问题的最优旅行路线模型．本文将北京部分景区的数据代入模型进行验证，得到了不同游客需求下的旅行最优路线．【关键词】最优旅行路线；游客体验；Ｄｉｊｋｓｔｒａ算法；非线性规划一、引 言随着全球化的到来，人们对于旅行的需求不断增大，旅游半径从居住地周围的城市，逐渐扩大到省、国家乃至世界范围内的景区．然而，旅游服务并没有成熟的旅程规划系统为人们提供便捷的旅行规划条件．因此，本论文希望通过建立数学模型，根据游客的个性化需求从景点库中筛选出适合游客的目的地，并规划最优路线．截止到目前，有许多学者对旅行路线的相关问题进行研究．有的学者曾将游客旅行效用表示为与出行时间和出行费用有关的函数，原因是发现拥挤度对游客旅行体验有主要影响［１－２］；有的学者采用逐步分层、蚁群算法、Ｆｌｏｙｄ算法、“面包屑”拟合等研究方法进行旅行规划［３－５］．本文将主要根据游客的喜好，用改进后的层次分析法对景点进行排序、用Ｄｉｊｋｓｔｒａ算法计算每两个景点之间的最优旅行路线，并计算在旅行整体效果最好的情况下应该以何种顺序前往哪些景点．本文将游客的需求分为三类：一是因假期时间有限对旅游总时间有限制要求的“时间限制型”；二是因财务状况有限对旅游总花费有限制要求的“金额限制型”；三是对两者都有要求的“双重限制型”．论文中针对以上三种情况分别设定了目标函数和限制条件，定义了若干目标函数，每种目标函数与旅行效率和游客满意度成正比、与游客不充足拥有量成反比．只需代入具体的景点，根据以往数据和游客的个人偏好即可计算出游客的具体旅行路线．二、问题的描述一个由若干人组成的旅行团在某一确定的区域内旅行，共有ｎ个旅游目的地可供选择（ｉ＝１，２，…，ｎ）．此模型的最终结果将用有序数对（ａ，ｂ）表示从ａ景点前往ｂ景点．从这些数对中我们也可以分析出人们是否前往某一景点以及访问景点的顺序．三、改进层次分析法确定目的地优先级可选的景点数不胜数，但是在同一次旅行中游客能够前往的地点是有限的．因此在开始计算前，我们要根据游客的喜好将所有目的地进行排序．该顺序将作为目的地被考虑的先后顺序．游客对景点的喜好值将决定景点是否可以被纳入考虑的范围，并将被用来衡量游客对于最终的方案的满意度．我们按照图１所示方式将目标、游客喜好和景点分别填入层次分析法的目标层Ｏ、准则层Ｃ和方案层Ｐ．某一指定方案Ｐｊ的最终评分为Ｓｊ＝∑ｍｉ＝１Ｃｉｊ×Ａｊ，ｊ＝１，２，…，ｎ（１）图１ 层次分析法用于景点排序的流程图在该评分系统下，分值高的景点表示倾向于被游客选择．在各景点Ｓｊ已知后，按照从大到小的顺序排序，即可得到景点被该（组）游客喜好的排名．当景点过多时，我们为了简化算法，假设游客总旅程天数为Ｄ０，由于每天旅行的景点有限，景点过多会极大地影响游客旅行体验，因此不妨假设景点不超过３个，则在筛选时仅保留排名约为３，旅程天数为Ｄ０及以前的景点，排名位于３，旅程天数为Ｄ０以后的景点不做考虑． 专题研究 ＺＨＵＡＮＴＩＹＡＮＪＩＵ１４６ 四、Ｄｉｊｋｓｔｒａ算法寻找两点之间最优路径Ｄｉｊｋｓｔｒａ算法一般用于计算多点之间无向线段的最短路程．以某一节点作为起始点，Ｄｉｊｋｓｔｒａ算法可以得出该点和任意一点间的最短距离［６］．每一条线段上的数值ａｍｎ为综合考虑费用和时间的结果，赋值计算方法为ａｍｎ＝ｆｍｎ×ｔｍｎ（２）其中ｆｍｎ表示每一小段路上的费用，ｔｍｎ表示每一小段路上的时间．图２ Ｄｉｊｋｓｔｒａ算法示例图在确定每条线段上的数值后，我们计算最短路径．如图２，假设需计算从故宫出发前往颐和园的最短距离，已知每条路线的距离（在现实中可以是公交线路、地铁线路或者打车线路）．分别计算到每一节节点的值，如果两点之间没有路线则作为＋∞计算，每次固定此时图中的最小值，逐步往前推进，直到确定了最终的值．产生最小值的路径即为所求的最短路径，终点处的数值为所求距离．按照这种方法，我们可以计算出从故宫到达颐和园的最优路线是（故宫→Ｃ→Ｄ→颐和园），距离为１２［７］．该路程上的时间和费用将作为后文中的中转费用Ｆｉｊ和中转时间Ｔｉｊ．五、旅行问题变量定义在开始建立模型和得到具体数据前，先定义以下变量．定义１：决策变量．ｘｉｊ为决策变量，取决于游客是否从一指定地点前往另一指定地点参观．ｘｉｊ＝１，该游客从ｉ点前往ｊ点ｘｉｊ＝０，该游客不从ｉ点前往ｊ点{ｉ＝１，２，３…，ｎ．ｊ＝１，２，３…，ｎ．ｉ≠ｊ．（３）通常情况下，某次旅行时同一个景点最多只去一次，也就是说，如果该游客前往ｊ点，则在所有的变量ｘｎｊ中，只有一个会等于１．定义２：停留时间．下式表示该旅行团体在ｊ处停留的时间．其中α０为游客对该类景点感兴趣的程度，数值越大，游客对该景点该兴趣程度越大．Ｔｍｅａｎ，ｊ为该地游客的平均停留时间．Ｗ０为天气变量，取决于该季度平均的天气适宜指数，数字大表示气候宜人，适合观赏景点；反之则表示气候恶劣，不适合观赏景点．ｗｊ为该景区受天气影响的程度，如果天气对于该地点的游览影响较小（如室内展览馆）则该值接近于０．Ｔｊ＝α０×Ｔｍｅａｎ，ｊ×（Ｗ０)ｗｊ（４）定义３：总旅行天数．Ｔｔｏｔａｌ为游览所有景点所需时间，由所有景点之间，即路程上的时间Ｔｉｊ和景区内游览的时间Ｔｉ求和得到；ｔａｃｔｉｖｅ为该组游客每天在外游览的时间．Ｄｔｏｔａｌ＝Ｔｔｏｔａｌｔａｃｔｉｖｅ＝∑ｎｉ＝１∑ｎｊ＝１［Ｘｉｊ×（Ｔｉｊ＋Ｔｊ）］ｔａｃｔｉｖｅ（５）定义４：总旅行费用．旅行费用分为基础费用和目的地游览费用．其中基础费用即每晚的酒店费用Ｆｈｏｔｅｌ乘以住宿天数和每天的食品花销求和得到．目的地游览费用由所有景点之间，即路程上的费用Ｆｉｊ和景区内游览所需费用Ｆｉ求和得到Ｆｔｏｔａｌ＝∑ｎｉ＝１∑ｎｊ＝１Ｘｉｊ×Ｆｉｊ＋Ｆｊ()＋Ｆｈｏｔｅｌ×（Ｄｔｏｔａｌ－１）＋Ｆｆｏｏｄ×Ｄｔｏｔａｌ（６）定义５：景区平均停留时间．Ｔｏｐｅｎ为该景区的平均开园时间．由于大部分景区拥有某固定时刻景区内平均人数Ｐｍｏｍｅｎｔ的数据和每日平均客流量Ｐａｖｅｒａｇｅ的数据，因此用以上三个数据一起计算出Ｔｍｅａｎ，ｊ．Ｔｍｅａｎ，ｊ＝ＰｍｏｍｅｎｔＰａｖｅｒａｇｅ×Ｔｏｐｅｎ（７）定义６：旅行效率．定义为景点游览的时间占总时间的比例．通过对于景点顺序的合理规划，可以有效减少在路上的无效时间，提高此旅行效率值Ｕｅｆｆｉｃｉｅｎｃｙ．Ｕｅｆｆｉｃｉｅｎｃｙ＝ＴｖｉｓｉｔＴｔｏｔａｌ＝∑ｎｉ＝１∑ｎｊ＝１Ｘｉｊ×Ｔｊ∑ｎｉ＝１∑ｎｊ＝１［Ｘｉｊ×（Ｔｉｊ＋Ｔｊ）］（８）定义７：游客满意程度．运用层次分析法求得的排名．因为认为游客的满意度与景点数无关，只与游客对前往景点的感兴趣程度有关，所以将各个所选景点排名相加并除以景点个数，得到游客对于不同旅行方案的满意度．Ｕｓａｔｉｓｆａｃｔｉｏｎ＝１（∑ｎｉ＝１Ｓｉ）／（∑ｎｉ＝１ｘｉｊ)（９）六、三类非线性规划模型１．金额限定型定义Ｆ０为游客要求的金额上限目标函数： ＺＨＵＡＮＴＩＹＡＮＪＩＵ 专题研究１４７ ＭＡＸＥ＝Ｕｅｆｆｉｃｉｅｎｃｙ×ＵｓａｔｉｓｆａｃｔｉｏｎＦｔｏｔａｌ＝∑ｎｉ＝１∑ｎｊ＝１Ｘｉｊ×Ｔｊ∑ｎｉ＝１∑ｎｊ＝１［Ｘｉｊ（Ｔｉｊ＋Ｔｊ）］×１∑ｎｉ＝１Ｓｊ()／∑ｎｉ＝１ｘｊ()ìîíïïïüþýïïï∑ｎｉ＝１∑ｎｊ＝１Ｘｉｊ（Ｆｉｊ＋Ｆｊ）[]（１０）约束条件：Ｆｔｏｔａｌ≤Ｆ０（１１）２．时间限定型定义Ｔ０为游客要求的时间上限目标函数：ＭＡＸＥ＝Ｕｅｆｆｉｃｉｅｎｃｙ×ＵｓａｔｉｓｆａｃｔｉｏｎＤｔｏｔａｌ＝∑ｎｉ＝１∑ｎｊ＝１Ｘｉｊ×Ｔｊ∑ｎｉ＝１∑ｎｊ＝１Ｘ[ｉｊ（Ｔｉｊ＋Ｔｊ）］×１（∑ｎｉ＝１Ｓｊ）／（∑ｎｉ＝１ｘｊ){}∑ｎｉ＝１∑ｎｊ＝１［Ｘｉｊ×（Ｔｉｊ＋Ｔｊ）］ｔａｃｔｉｖｅéëêêùûúú（１２）限制条件：Ｄｔｏｔａｌ≤Ｄ０（１３）３．双重限定型这种限制条件为前两种的结合，即游客既受到时间上的限制，必须在一定时间内完成旅行，又受到费用上的限制．目标函数：ＭＡＸＥ＝Ｕｅｆｆｉｃｉｅｎｃｙ×ＵｓａｔｉｓｆａｃｔｉｏｎＦｔｏｔａｌ×Ｄｔｏｔａｌ（１４）限制条件：Ｆｔｏｔａｌ≤Ｆ０，Ｄｔｏｔａｌ≤Ｄ０．{（１５）七、模型验证与求解本文带入了北京市景区的数据对模型进行验证．首先，从北京城区内随机选择较受欢迎的３０个目的地［９］．游客喜好评分仅作为示例，其中景色、人文、休闲和刺激四项参考了旅评网ｈｔｔｐ：／／ｗｗｗ．ｉｌｖｐｉｎｇ．ｃｏｍ／ｖｉｅｗ／Ｉｎｄｅｘ／ｈｏｍｅ．ｈｔｍｌ．对于景点的评分，拥挤和交通参考了苹果地图的路线规划（可供选择的公共方式越多该项评分越高）．不妨设游客的预计游玩时间为３天，根据第三部分固定保留ｎ＝３×３＝９个项目．得到的前十名景点分别是（２３）颐和园、（２２）长城、（２４）十三陵、（２５）香山、（１１）７９８艺术中心、（１３）圆明园、（２８）鲁迅博物馆、（８）北京三联韬奋书店和（９）五道营胡同．八、结 语本文通过层次分析法、Ｄｉｊｋｓｔｒａ算法和三类非线性规划建立了选择旅行景点的模型，能够针对游客的不同需求从任意的景点库中筛选出景点并确定前往顺序．该论文的研究结果可以用于实际生活中的旅行规划，同时使游客、景点、当地政府获利．对于游客，此规划可以有效减少旅行者在设计旅行方案时的烦琐过程，同时拥有更好的旅游体验．对于当地的景点，只要在运转此模型时拥有足够大的景点库，便可以选出许多不为人熟知，却符合游客兴趣的景点，更好地促进旅游业平衡发展．同时，当地政府，将“旅行效率”纳入主要考虑因素之一，可以减少游客路上时间，减缓路面负担，让城市交通运转更加顺利．该方式并不受旅行目的地大小范围的影响，选择的目的地可以大到几个国家之间旅行的范围，也可以小到一个城市内不同景点、餐厅、商场之间的选择，应用范围较广．【参考文献】［１］伍雄斌，关宏志，韩艳．多约束下基于游客体验的旅游路线优化模型［Ｊ］．科学技术与工程，２０１８，１８（１３）：８－１３．［２］Ｌｉｍ，ＫｗａｎＨｕｉ．ＲｅｃｏｍｍｅｎｄｉｎｇａｎｄＰｌａｎｎｉｎｇＴｒｉｐＩｔｉｎｅｒａｒｉｅｓｆｏｒＩｎｄｉｖｉｄｕａｌＴｒａｖｅｌｌｅｒｓａｎｄＧｒｏｕｐｓｏｆＴｏｕｒｉｓｔｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＡｕｔｏｍａｔｅｄＰｌａｎｎｉｎｇ＆Ｓｃｈｅｄｕｌｉｎｇ，２０１６，１－６．［３］庞亮．基于多目标优化的旅游路线的建模［Ｊ］．特区经济，２０１６（１１）：１２６－１２９．［４］ＧｉｏｎｉｓＡ，ＬａｐｐａｓＴ，ＰｅｌｅｃｈｒｉｎｉｓＫ，ｅｔａｌ．Ｃｕｓｔｏｍｉｚｅｄｔｏｕｒｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｉｎｕｒｂａｎａｒｅａｓ［Ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ７ｔｈＡＣＭＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＷｅｂＳｅａｒｃｈａｎｄＤａｔａ．ＡＣＭ，２０１４：３１３－３２２．［５］杨静．旅游路线的最优化设计研究［Ｊ］．新经济，２０１６（０９）：１８－１９．［６］李妍妍．Ｄｉｊｋｓｔｒａ最短路径分析算法的优化实现［Ｊ］．测绘与空间地理信息，２０１４（０５）：１７２－１７３，１９０．［７］肖鹏．矩阵迭代和Ｄｉｊｋｓｔｒａ两种算法在交通运输路径选择中的对比［Ｊ］．电子技术与软件工程，２０１７（１０）：１７－２０．［８］郭庆春，孔令军，崔文娟，史永博，张小永．基于ＢＰ神经网络模型的国内旅游人数预测［Ｊ］．价值工程，２０１１，３０（２７）：７．［９］何苗苗，范佳奥，陆晴，吴羿昕．孤独星球———北京［Ｍ］．北京：中国地图出版社，２０１７．
