基于随机规划模型的公路客运站选址研究

刘青云

【摘要】针对现有公路客运站选址中存在众多的不确定性因素，基于客流不确定性因素建立两阶段随
机规划模型，进行客运站位置确定并针对客流不确定性合理确定客运班线决策。针对模型特点设计以以枚
举法和整数规划法相结合的算法步骤，并以 lingo11 对模型进行求解。最后基于拉萨市公路客运站相关数
据给出算例，验证了模型及算法的有效性和可行性。
【关键词】对外客运站场；不确定性；选址；随机规划

1 引言
公路客运场站作为衔接旅客对外出行的桥梁，在整个旅客运输出行中起着组织、协调和

指挥旅客运输的作用，在城市交通网络建设和发展规划中处于重要地位。交通枢纽位置问题

（HLP）研究过程中 O’kelly 首先将离散的枢纽位置问题定义为一个二次整数规划[1]。之后

Campbell 第一个提出了混合整数线性规划公式用于容量多分配枢纽定位问题（CMAHLP）[2]。

前人有关枢纽位置研究一般是基于确定性环境，但在实际过程中存在众多的不确定性因素，

如建设成本、客流量的不确定等。Sim 等人针对出行时间的随机性引入随机 P-中心问题，并

采用机会约束公式来模拟最低服务水平的要求[3]。Yang 建立了在季节性需求变化下航空货

运枢纽位置和航线规划的随机模型，其中枢纽位置被认为是第一阶段的决策，路线规划为第

二阶段的决策并考虑各个航空站间直接、中转出行的各种情况[4]。Ivan Contreras 等人研究需

求和运输成本的不确定性，并将需求不确定性或相关运输成本的随机问题等价于其对应的确

定性期望值，提出了一个基于 Monte—Carlo 模拟的算法，该算法将样本平均近似方案与

Benders 分解算法相结合[5]。Yaman 研究了需求不确定性的不容分配的多分配 p- hub 中值问

题，并提出了基于 Benders 分解的算法[6]。白世梅提出了基于建设成本不确定情景下的货运

客运站选址[7]。现有关于客流不确定性的研究较少，且基于目前国内客运站运行特性的不确

定选址研究微乎甚微。基于此，本文建立一个可描述客流不确定性对客运站布局影响的选址

模型。

1
2 基于客流不确定的随机规划选址模型
2.1 问题描述
对于大中型城市，会根据通道口布局实行分工设置多个车站。客运场站的设置不会按旅

客的意愿随意选择一个车站，均有发往想到达的目的地。车站的设置应引导旅客按出行方向

选择车站。假设各车站通过一个或多个出城口到达旅客出行目的地。假设旅客从 I 个小区出

发，可选的客运场站有 J 个，从客运站出发后至目的地有 K 个，客运场站的选址可抽象为网

络图。

k1

j1

i1 k2

j2

k3
iI

jJ

kK

图 1 客运站选址抽象图
选址模型简单来说就是从 J 个备选站址中选择 P 个站址位置，并考虑客流波动情景下的

客流分配情况。不确定性客流分布其表现形式通常以连续概率分布或离散的情景两种形式表

示，本文以离散的、实现数量有限的多种“情景”来表示客运需求分布[8]。

对于不同的客流情景，需要综合客流的不确定性进行客流的预分配决策，从而进行班线

和设施分配。这一客运站选址问题具有明显的两阶段特征，客运站位置选取是为第一阶段决

策，客运流量分配受需求变化而改变属于第二阶段决策。第二阶段决策应以第一阶段为前提，

第一阶段决策也需考虑第二阶段客流出行成本。

结合实际情况作出以下假设：（一）不考虑客运出行者从出发点至客运站间选择了何种

运输方式，旅客的单位出行费用由各个小区至备选站址的直线距离进行决定；（二）客运出

行者的目的地众多，且某些距离较远，难以测量。因此假设从备选站址至目的地的距离简化

成从备选站址至出城通道的直线距离。

2
2.2 数学模型
模型参数定义如下：

i 为城市内小区集合， i  1, 2, 3, L , I ；

j 为城市备选站址的集合， j  1, 2, 3, L , J  ；

k 为城市出口集合， k  1, 2, 3, L , K  ；

 表示需求不确定的情景集合，   1, 2, 3, L ,  ；

p 表示需要建立的客运场站数量；

qik 表示从出发点到各个目的地间的客流量；

dij 表示出发点至客运站间的直线距离；

d jk 表示客运站至各目的地间的直线距离；

M j 表示备选站址 j 的容量限制；

G 表示一个极大值，取 50000；

E[Q ( x,  ( ))] 表示需求不确定条件下的期望。

决策变量定义如下：

ij ）表示期望  出发点至客运站间的客流量；
x（

x jk（）表示期望  客运站至各个目的地间的客流量；

z j  0,1 表示备选站址 j 是否被选为客运场站；

y jk  0,1 表示备选站址 j 是否分配流量给目的地 k。

2.3 两阶段随机规划选址模型为：
第一阶段
J
Min  f j z j  E Q ( z ,  ( ))  （1）
j 1

服从

z j  0,1 （2）
J

z
j 1
j p （3）

其中 Q ( z ,  ) 是第二阶段问题的最优值：

第二阶段

3
 I J J K
Min(  dij xij ( )    d jk x jk ( )) （4）
i 1 j 1 j 1 K 1

服从：
I

x
i 1
ij ( ) z j M j （5）
K J

q
k 1
ik ( )   xij ( )
j 1
（6）
I K

x
i 1
ij ( )   x jk ( )
k 1
（7）
I J

q
i 1
ik ( )   x jk ( )
j 1
（8）

y jk  0,1 （9）
J

y
j 1
jk 1 （10）

x jk  y jk * G （11）
K

ij ）  y jk  qik
x（ （） （12）
k 1

xij ( )， x jk ( )  0 （13）

E[Q ( z ,  ( ))]   p( )Q( z,  )


（14）

3 算法设计
模型是一个大规模的随机规划模型，属于 NP-hard 问题。据分析两阶段随机选址规划模

型特点为： （2）第二阶段中对任一情景  ，客运分配

（1）第一阶段解 z 是有限且可枚举的；

求解数量巨大，无法用枚举法一一求解；
（3）第二阶段模型是一个随机选址模型，但只要任

一情景发生第二阶段就变成一个确定性模型。

针对本文所提出的选址模型及其特点，提出了本模型算法基本思想为：

步骤 1：用枚举法获得第一阶段的决策量。

步骤 2：将步骤 1 中得到的决策变量输入到第二阶段中，对第二阶段的模型采用 lingo11.0

软件进行求解。利用得到的最优目标解更新第一阶段目标函数值。

步骤 3：每一次更新第一阶段函数值时，检查所有已选站址并将目标值大于更新目标函

数值的备选站址去掉。当所有站址均被关闭则表示搜索已经完成，其中获得的最小可行解即

是最优解。

4
4 算例分析
4.1 参数设置
拉萨市客流具有明显的季节性特征，现有备选站址三处，在这备选站址中选取一处作为

客运场站，并考虑现有东郊客运站对新建站址的影响。各个备选站场的容量限制和建设成本

数据如表 1 所示。拉萨市内客流出行发生小区有 12 个，客运出行目的地共 28 个。出行发生

小区至备选站址的出行距离如表 2 所示。备选站址至各个出行吸引点的出行距离简化为备选

站址至各个出城口的距离。客流从出行发生点至吸引点的客流随季节性波动，分为两个情景，

情景 1：淡季；情景 2：旺季。两个情景的客流分布量。淡季和旺季情景发生的概率分别为

（0.685，0.315）。
表 1 备选站场的相关参数

备选站址 j 容量限制 M j 建设成本 f j （万元）

1 7500 6540
2 7500 6538
3 7500 6558
4（东郊客运站） 3000 0

表 2 各小区与候选站址间的距离
j
1 2 3 4
i
1 16.4 22.1 16.5 14.3
2 15.3 20.1 15.1 13.1
3 11.4 17.0 11.1 9.2
4 9.3 14.8 9.0 7.0
5 7.9 13.5 8.4 6.2
6 6.3 11.7 5.9 3.9
7 3.2 8.4 2.6 0.8
8 5.5 9.9 4.2 3.5
9 4.1 8.2 2.6 2.6
10 2.2 6.5 0.7 1.7
11 1.3 4.8 1.2 2.9
12 4.5 1.3 5.0 6.8

4.2 算例求解
第一阶段模型有三个解，分别为（备选站址 1,4）、（备选站址 2,4）和（备选站址 3,4），

第二阶段采用 lingo 对这三个解在客流波动情况下的客运出行成本进行计算。以第一阶段备

5
选站址选择（1,4），在情景 1 和情景 2 下，旅客出行期望成本为 14.0 万元，求解结果见图

5.7。

通过枚举第一阶段解和用 lingo 求解不同情景下客流出行成本，确定客运站选取位置、

客流分配及系统最优成本。在第一阶段不同选址决策条件下求得系统总成本如表 3 所示。因

此可得到在特定客流分布情景下，最优目标值和站场选择位置结果如表 4 所示。
表 3 算例计算结果
备选站址 （1,4） （2,4） （3,4）

系统总成本 6554.0 6555.2 6572.05

表 4 站址选取结果
备选站址 1 2 3 4 目标值（万元）

是否选择 1 0 0 1 6554.0

图 2 lingo 求解结果
两种不同情景下客流分布情景下，东郊客运站和新建客运站的客流分配情况如表 5 和表

6 所示。
表 5 客运站至出行吸引点的流量分配方案（情景 1：淡季）
k
1 2 3 4 5 6 7 8 9 10 11 12 13 14
j
1 1044 1179 0 632 0 0 0 0 195 662 98 0 155 74
4 0 0 579 0 280 747 96 111 0 0 0 184 0 0

6
k
15 16 17 18 19 20 21 22 23 24 25 26 27 28
j
1 76 321 95 0 58 0 0 100 122 0 191 250 123 0
4 0 0 0 68 0 508 88 0 0 203 0 0 0 79

表 6 客运站至出行吸引点的流量分配方案（情景 2：旺季）
k
1 2 3 4 5 6 7 8 9 10 11 12 13 14
j
1 1629 1680 0 632 0 0 0 0 256 1026 123 0 205 74
4 0 0 579 0 280 747 96 111 0 0 0 241 0 0
k
15 16 17 18 19 20 21 22 23 24 25 26 27 28
j
1 76 408 95 0 58 0 0 100 122 0 191 250 124 0
4 0 0 0 68 0 508 88 0 0 203 0 0 0 79

5 结论
本文基于客流不确定情景建立了两阶段随机规划模型，进行客运站场位置决策、客运班

线决策，并设计了求解算法，验证模型的可行性和有效性。本文仅考虑了客运站选址中存在

的客流不确定性问题，其还涉及其他的不确定影响因素，因此下一步可以将其综合起来进行

考虑。

参考文献

[1] O’Kelly, M. E. The location of interacting hub facilities[J]. Transportation Science,

1986(20), 92–106.

[2] J.F. Campbell. Location and allocation for distribution systems with transshipments and

transportion economies of scale Ann[J]. European Journal of Operational Research, 40 (1) (1992),

pp. 77-99.

[3] T. Sim, T.J. Lowe, B.W. Thomas. The stochastic p-hub center problem with service-level

constraints[J].Computers and Operations Research, 36 (2009), pp. 3166-3177 .

[4] T.-H. Yang. Stochastic air freight hub location and flight routes planning [J].Applied

Mathematical Modeling, 33 (12) (2009), pp. 4424-4430 .

[5] Ivan Contreras, Jean-François Cordeau, Gilbert Laporte .Stochastic uncapacitated hub

location. European Journal of Operational Research [J], 2011（3）：518—528.

[6] M. Meraklı, H. Yaman. Robust intermodal hub location under polyhedral demand

7
uncertainty[J].Transp. Res. B, 86 (2016), pp. 66-85.

[7] 白世梅. 建设成本不确定条件下的综合货运枢纽选址问题研究[D].北京交通大学,2015.

[8] 葛洪磊. 基于灾情信息特征的应急物资分配决策模型研究[D].浙江大学,2012.

作者简介

刘青云，女，硕士，南京市城市与交通规划设计研究院股份有限公司，助理工程师。电

子信箱：1024818465@qq.com