《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：When flexibility beats fixed routes: Quantifying microtransit efficiency-emission trade-offs using AMOID
编辑推荐：
微交通优化模型AMOID通过个体行程数据动态调整固定路线与需求响应式系统，揭示效率阈值与规模变量的相互作用，为城市可持续交通规划提供决策依据。
Jin-Ming Yang | Wei Zhai | Hong-Wei Wang | Xiao-Fan Wei | Hong-Di He | Zhong-Ren Peng
智能交通系统与无人机系统应用研究中心
上海交通大学船舶与海洋工程学院海洋工程国家重点实验室
中国上海市闵行区东川路800号，200240
摘要
微型交通系统正成为短距离出行的关键解决方案，然而需求响应式系统与固定路线系统在效率与环境之间的权衡仍不明确。我们提出了AMOID模型，该模型利用个体出行轨迹数据自动化混合系统的规划和评估。与基于汇总数据的方法不同，AMOID根据个体需求定制解决方案，并考虑多模式交通的协同作用。在佛罗里达州坦帕市，需求响应式微型交通系统的运营效率提高了229%，乘客量增加了183%，温室气体排放量减少了40%。然而，当需求超过800次/（天·英里2）时，固定路线系统仍占据主导地位。运营规模的变动会改变这些阈值：将车队规模减半可使固定路线系统占据主导地位的效率交叉阈值降低40-46%；相反，将服务区域扩大135%则可使该阈值降低60%。这些发现揭示了需求和运营规模如何影响交通模式的效率，为规划者优化微型交通系统的部署提供了启示。AMOID模型架起了理论模型与实际决策之间的桥梁，促进了可持续的城市交通发展。
引言
在佛罗里达州坦帕市中心，流行的Downtowner打车服务因成本激增而面临可能停运的危机，这一挑战在全球许多城市都存在。运营商应转向固定路线的微型交通系统，还是可以优化按需服务以实现可持续性？微型交通系统对于满足住宅社区和技术枢纽等小范围内的出行需求至关重要，但其经济和环境可行性仍存在争议。此外，道路交通占美国温室气体排放总量的24%（相关机构，2019年）。这种运营危机与环境需求的叠加要求采用严格的优化方法来实现可持续的微型交通系统。
当前的规划框架难以解决这一关键矛盾。根据美国交通部的定义，微型交通系统包括固定路线服务和灵活的按需服务（Shared等人，2018年），但现有模型无法利用真实乘客数据在细粒度上自动优化混合系统。以往的微型交通整合研究要么依赖汇总的需求估计（Coutinho等人，2020年），要么将网络简化为网格结构（Liu和Ouyang，2021年），这限制了其实际应用价值。因此，这些方法使规划者无法回答紧迫的问题：将按需微型交通系统转变为固定路线或混合模式系统能否提高成本效益和环境效益？在不同需求密度下，固定路线系统与需求响应式系统的相对效率如何变化？在什么条件下会发生交通模式之间的效率转换？
为了解决这些问题，我们开发了AMOID（基于个体出行需求数据的自动微型交通优化模型），这是首个能够同时优化固定路线设计和按需调度的框架。与受现有基础设施限制的方法（H?ll等人，2009年）或简化网络的方法（Ma等人，2019年）不同，AMOID利用受隐私保护的个体出行记录（包括起点、终点和时间）来模拟和优化系统，以适应现实世界的复杂需求。其基于代理的模型能够在微观层面上模拟动态乘客行为，这是以往宏观交通优化模型所不具备的。该框架通过路线调度协同优化，生成平衡乘客量、等待时间、排放量和成本的系统设计方案。因此，AMOID成为一种高保真的优化和评估框架，特别适用于需要详细需求数据的特定应用场景，如坦帕市中心。
在不断发展的规划方法背景下，AMOID体现了向“人工智能辅助的城市规划”（Peng等人，2024年）的转变。与传统侧重于数据管理的工具不同，AMOID作为一个智能代理，主动搜索和评估复杂的规划方案。通过自动化路线调度策略的优化和评估（这一任务在处理大量个体需求数据时难以手动完成），AMOID增强了规划者的决策能力。该框架支持“规划者参与循环”的工作流程，使规划者能够专注于制定战略目标和权衡各种因素。
正是在这样的背景下，坦帕市的困境凸显了这项创新的紧迫性。利用Downtowner服务30天内的超过10,000条出行记录，AMOID从四个标准（乘客等待时间、温室气体排放量、运营成本和服务覆盖范围）评估了固定路线系统、打车服务和混合系统。结果显示，在需求较低的情况下（240次/天·英里2），按需微型交通系统不仅减少了63.8%的排放量，还提高了229%的运营效率，并提供了比固定路线系统多183%的出行服务。当需求超过800次/天·英里2的临界阈值时，固定路线系统的整体效率更高，车辆利用率也更高（时间平均实际乘客数除以载客量，分别为23.8%和20.7%）。然而，这一阈值并非固定不变——它会随着车队规模和服务区域的改变而动态变化。我们的分析表明，将车队规模减半（例如，从4辆公交车减少到2辆公交车，或从8辆出租车减少到2辆出租车）可使效率交叉阈值降低46%（坦帕市中心区域的需求密度从840次/天·英里2降至450次/天·英里2）。相反，紧凑的城市布局会延迟这种转变：0.65英里2的小区域需要比坦帕市中心1.53英里2的区域高133-160%的需求密度，才能让固定路线系统占据主导地位（图13）。这些发现表明，交通模式的选择应基于需求强度、车队规模和服务区域，而非对特定交通模式的意识形态偏好。我们的贡献有三方面：
- AMOID建立了首个将固定路线网络设计与实时按需调度相结合的双层框架，克服了对汇总流量或理想化网络的依赖。
- 我们通过实证证明，按需微型交通系统是坦帕市当前的最佳选择，并确定了800次/天·英里2的临界需求密度阈值，超过这一阈值后固定路线系统将占据主导地位。
- 我们揭示了效率交叉阈值如何随车队规模和服务区域动态变化，为交通规划者提供了在不同情境下估算相对交通模式效率的参考。
通过将坦帕市的危机转化为量化的决策路径，本研究为其他城市推进微型交通革命提供了模板。
越来越多的研究正在探索微型交通系统，但在整合固定路线和按需服务、利用详细出行数据以及实现协同优化方面仍存在关键差距。本综述总结了三个关键领域：（1）固定路线和按需交通的整合；（2）交通网络设计方法；（3）用于交通评估的基于代理的建模。
研究区域涵盖坦帕市中心，这是一个面积为1.5平方英里的紧凑区域，如图1所示。
道路网络数据来自OpenStreetMap（Haklay和Weber，2008年）。该数据集包含道路地理、长度、车道数量、交通规则（如单向街道）和信号控制交叉口等详细信息。这些数据为后续的所有模拟提供了基础。
本节介绍了AMOID模型（基于个体出行需求的自动微型交通优化模型），该模型能够自动优化固定路线公交车站点的选择、公交线路的规划以及灵活的按需车辆调度。为简化描述，我们在文中使用“迷你巴士”或“巴士”指代固定路线的微型交通车辆，“出租车”指代按需微型交通车辆。
AMOID的一个重要特点是它能够管理不同交通模式之间的相互作用...
本节系统评估了AMOID在多种运营规模下优化混合微型交通系统的能力，以坦帕市的Downtowner服务作为实际测试平台。首先设定实验条件，明确优化和比较的交通配置。接着验证AMOID模型的模拟、优化和多模式协同能力。最后，确定坦帕市当前情况下最有效的交通模式。
本研究介绍了AMOID（基于个体出行需求的自动微型交通优化模型），这是一个创新的、基于个体轨迹数据的框架，旨在自动优化和评估多模式微型交通系统。通过AMOID模型，本研究解决了一个关键的城市交通难题：将按需微型交通系统转变为固定路线或混合模式系统是否能够提高成本效益和环境效益。
Jin-Ming Yang：撰写 – 审稿与编辑、原始草稿撰写、可视化展示、验证、方法论设计、数据整理、概念构建。
Wei Zhai：撰写 – 审稿与编辑、验证、监督、数据整理。
Hong-Wei Wang：撰写 – 审稿与编辑、形式分析、概念构建。
Xiao-Fan Wei：撰写 – 审稿与编辑、调查、形式分析。
Hong-Di He：撰写 – 审稿与编辑、监督。
Zhong-Ren Peng：撰写 – 审稿与...
