摘要
基于混合式服务模式,提出了枢纽失效和不完全信息条件下旅客依次访问备选枢纽的服务策略,并建立了有容量限制的可靠性层级选址模型。实例分析结果表明,该选址模型可以增加选址方案的可靠性,降低由于枢纽失效而产生的惩罚费用。模型参数敏感性分析结果表明,对于失效概率过高的枢纽设施网络,仅靠增加枢纽数量已无法提高选址方案的可靠性,而保持较高可靠性的枢纽设施网络在应对可能造成高损失事件时的弹性较高。
枢纽失效情形属于选址问题研究中的不确定性因素。不确定性选址问题主要考虑供给侧和需求侧的不确定
关于枢纽失效情形下选址问题的研究主要包括以下3个方面:
(1)关键设施识别(中断模型)
中断模型最早用于军事实践中交通网络重要路段失效后影响的评
(2)重要设施保护(加固模型)
加固模型一般为双层模型,上层模型决定保护哪些设施,下层模型评估未被保护的设施在受袭后产生的影
在实际情况下,失效的枢纽需要一定的恢复时间,这期间整个系统的运行处于降级状态。Losada
(3)服务策略设计
前述2种模型是在现有系统下考虑枢纽失效情形的相关研究。在设施规划建设前,如何采取有效措施增强枢纽失效情形下服务的效率和弹性,是决策者关心的第3个问题。相关研究表明,在初始设计中考虑潜在的枢纽失效风险、通过服务策略设计确定成本最小目标、对突发事件采取鲁棒性的设施选址策略,能够在不显著增加运营成本的情况下,有效地提高系统的可靠
风险规避模型通常将中断模型作为下层模型以计算最坏场景下的系统损失,而上层模型则是确定最佳设施位置。与加固模型中的双层规划相比,此类模型的求解更加困难。O’Hanley
风险中立模型假设枢纽失效是随机的,目标函数为期望费用最小。1987年,Drezne
综上所述,对于枢纽失效情形下选址问题的研究已经取得了一定的成果。然而,这些选址模型主要针对单一设施类型的选址模型,缺乏对层级枢纽设施选址模型的研究,也很少考虑设施的容量限制,而且在多级分配策略中未对每个需求点分配的设施数量进行限制。针对城市群客运枢纽选址可靠性研究,决策者更加希望在规划阶段就能够将枢纽设施失效的风险对策纳入选址方案中,以便在突发情况下为旅客提供相应的应急服务策略,从而使得枢纽设施网络更具弹性。旅客对于突发情况的信息获取往往滞后,只能通过“试错”的方式寻找可以提供服务的枢纽。因此,基于已有研究,利用Yun
考虑枢纽失效情形下的城市群客运枢纽层级选址问题。具体而言,在旅客选择的枢纽由于突发状况失效后,旅客将依次前往后续可选枢纽设施寻求出行服务,直至找到正常状态的枢纽设施满足出行需求。

图 1 枢纽失效情形下可能发生的枢纽访问过程
Fig. 1 Possible process of visiting hubs under the failure of the hub
在建模之前,作出如下假设:
(1)按照城市群内的行政区域规划进行小区划分,每个小区简化为一个需求点,需求点包含3种等级的出行需求,即短距离、中距离和长距离出行。各个等级的需求有最大可接受出行距离,即需求点到设施位置不超过一定阈值,并且阈值随着需求等级的增高而增大。
(2)枢纽设施根据提供的不同交通方式分为3个等级,即公路客运枢纽、铁路客运枢纽和航空客运枢纽。各个等级的枢纽有相应的建设和运营费用,而且费用随着所在区域的不同而存在差异。
(3)不考虑旅客的选择行为,各个需求点的旅客处于不完全信息条件下,按照预先指定的次序逐一访问枢纽设施,只有到达枢纽设施后才能获取枢纽设施的状态,直到找到正常状态的枢纽设施满足出行需求。当所有可选枢纽设施都处于失效状态时,则会产生相应的惩罚费用,惩罚费用与需求的类型相关。
(4)采用单分配策略,每个需求点同一类别的出行需求只能分配到同一个枢纽。
(5)将访问阶段枢纽设施之间的出行费用按照接驳费用计算。
(6)处于不同位置不同等级枢纽设施的失效概率相同,各个枢纽的失效概率相互独立,各个等级枢纽有最大容量限制。
文中符号的定义如
在枢纽失效情形下,基于旅客处于不完全信息的假设可知,旅客出行主要分为3个阶段。第一阶段,旅客由需求点出发,前往需要访问的第一个枢纽设施;第二阶段,由失效的枢纽设施出发,按照分配次序前往下一个未知状态的枢纽设施;第三阶段,若分配的枢纽设施全部失效,则进行惩罚费用下的出行。
前2个阶段中任意2点间的出行费用按照接驳交通出行费用计算,如下所示:
(1) |
如果旅客找到正常状态的枢纽设施,就可完成城际出行。城际出行费用的计算式如下所示:
(2) |
由于每个需求点的各个类别需求只能在接驳范围内访问相应的枢纽,因此,由
(3) |
(4) |
在第一阶段,级类别需求的旅客由需求点出发,前往需要访问的第1个枢纽设施备选点,如果设施处于正常状态,则旅客接受出行服务,那么出行费用的期望值为
(5) |
若第1个枢纽设施备选点处于失效状态,则进入第二阶段,旅客按照分配次序前往第2个枢纽设施。若第2个枢纽设施状态正常,则出行费用的期望值为
(6) |
如果第2个枢纽设施备选点处于失效状态,则旅客继续前往下一个未知状态的枢纽设施,直至到达最后一个枢纽设施。如果最后一个枢纽设施备选点状态正常,那么出行费用的期望值为
(7) |
如果分配的枢纽设施全部失效,则进行惩罚费用下的出行。惩罚费用和出行费用(全部为接驳交通费用)的期望值分别为
(8) |
(9) |
根据上述分析可得,旅客按照分配次序访问枢纽设施出行总费用的期望值为
(10) |
(11) |
由
(12) |
为简化,根据Yun
为包含虚拟枢纽的访问枢纽次序集合,共有()个枢纽,说明至少包含一个虚拟枢纽。前个枢纽为非虚拟枢纽,第 ()个枢纽及后续枢纽皆为虚拟枢纽。
以一级不可选需求的出行为例,

图 2 一级不可选需求下旅客访问枢纽的过程
Fig. 2 Process of passengers visiting hubs under the first level non-optional demand
(13) |
(14) |
(15) |
(16) |
在城市群客运枢纽选址规划阶段,决策者需要考虑枢纽设施的建设和运营费用,计算式如下所示:
(17) |
为便于模型构建,定义
(18) |
需求点的级类别需求可访问的枢纽集合包括接驳范围内备选枢纽集合以及虚拟枢纽集合。在枢纽失效的情形下,对需求采用单分配策略,因此定义如
(19) |
基于以上分析,建立考虑枢纽失效情形的客运枢纽层级选址模型,如下所示:
(20) |
(21) |
(22) |
(23) |
(24) |
(25) |
(26) |
(27) |
(28) |
(29) |
(30) |
(31) |
(32) |
目标函数(20)表示总费用最小化,第一项为所有枢纽的建设和运营费用,第二项括号内第一部分为旅客城际出行费用的期望值,第二部分为旅客访问枢纽的接驳费用和惩罚费用的期望值。约束(21)表示在任何枢纽设施备选点都不能同时建立不同等级的枢纽设施。约束(22)表示不同等级需求的旅客必须选择相应接驳范围内的枢纽设施。约束(23)表示需求点的级类别需求访问的第1个枢纽设施必须存在,且属于。约束(24)表示容量约束,对于枢纽设施备选点,表示其作为第1个被访问枢纽的概率,表示其作为第个被访问枢纽的概率,约束(24)左侧为枢纽设施备选点承担的期望容量,应小于等于右侧的最大容量。约束(25)和(26)为所提出的混合式服务模式约束,不可选需求的旅客只能接受同一等级枢纽设施提供的服务,可选需求的旅客可以接受同一等级或高一等级枢纽设施提供的服务,同时要求各个类别需求只能访问同一个枢纽1次。约束(27)和(28)表示需求的访问次序必须是从第()个枢纽设施备选点到第个枢纽设施备选点。约束(29)表示各个类别需求一定会访问虚拟枢纽,以保证惩罚费用的合理性。约束(30)表示枢纽设施建设的决策变量符合0‒1约束。约束(31)和(32)表示单分配策略,决策变量和都为0‒1变量。
所建立的客运枢纽层级选址模型为0‒1整数规划模型,可以直接利用商用求解器求解。对比传统研究中的可靠性选址模型,该模型具有以下特征:
(1)现有选址模型是针对单一设施类型的选址模型,而该模型是针对层级枢纽设施的选址模型,共考虑3个等级的设施。特别是基于混合式服务模式,对于可选需求类型下的旅客,其访问枢纽设施类型有2种,产生了约束(26),因而增加了模型的复杂度。
(2)现有研究主要针对服务型设施选址问题,其目标函数包括设施建设费用、旅客访问设施的接驳费用和惩罚费用的期望值,而该模型的目标函数还包含了旅客利用枢纽设施出行而产生的城际出行费用的期望值,具体而言,如果旅客在访问枢纽设施过程中找到正常状态的枢纽设施,就会进行城际出行,产生城际出行费用;如果所有枢纽设施都失效,旅客就不会进行城际出行。因此,对于目标函数(20)中的城际出行费用,可以写成如下形式:
(33) |
括号内第一项为分配的第1个枢纽设施处于正常状态时,旅客产生城际出行费用的期望值,第二项为旅客访问后续枢纽设施过程中产生城际出行费用的期望值。在此基础上,容量约束(24)给出了枢纽设施服务需求量的期望值,现有研究很少考虑设施的容量限制,但本研究对象为交通枢纽,因此需要添加容量约束。当时,即枢纽设施处于完全可靠状态,那么该层级选址模型相当于传统有容量限制的层级选址模型。
(3)现有研究中多级分配策略对每个需求点分配的设施数量并无限制,而该模型中考虑了各个等级需求的旅客可接受的最大出行距离,限定旅客只能访问接驳范围内的枢纽设施,从而设定分配枢纽数量的限制。这既符合实际问题特征,又有利于降低模型的规模,使模型求解更加方便。
以武汉城市群为研究对象,如

图 3 武汉城市群小区划分
Fig. 3 District division of Wuhan metropolitan area
分析枢纽设施失效情形对选址‒分配方案的影响。如前文所述,与传统有容量限制的层级选址模型相比,该层级选址模型假设各个枢纽设施的失效概率相同。因此,通过与传统模型的对比,可以得到考虑枢纽失效后的选址‒分配方案,具体体现在系统的各项费用,包括建设和运营费用、城际出行费用、接驳费用和惩罚费用。
在不完全信息条件下的设施选址可靠性研究中,Berman
(34) |
为更详细地对比上述模型结果,将传统模型与所提出模型的选址方案进行比较。如

图 4 所提出模型与传统模型的选址方案对比
Fig. 4 Comparison of location planning between the proposed model and traditional model
旅客访问枢纽的次序也对出行费用产生了很大影响。
根据以上分析,确定最优枢纽访问次序时需要考虑后续产生的交通费用,包括接驳费用和城际出行费用,而不能只考虑当前距离最近的枢纽设施。
与以往研究不同,根据交通出行特点,限制旅客只能访问接驳范围内的枢纽设施。由于接驳范围的限制,导致部分需求点可分配的枢纽设施数量有限,从而无法实现多级分配策略。实际情况中,如果旅客寻找枢纽设施的范围越小,产生惩罚费用的概率就越大,相应地,惩罚费用也会上升。因此,通过逐步提高各级需求可接受的最大出行距离,观察系统费用的变化。
以二级不可选需求为例,只接受二级枢纽提供的出行服务。
枢纽设施的失效概率会影响系统的可靠性,而惩罚费率会影响枢纽设施建设和运营费用以及旅客出行总费用,进而影响选址‒分配方案。选取和作为敏感性分析参数,研究其对系统费用的影响。
将通过逐步提高枢纽设施失效概率的取值,观察系统费用的变化。惩罚费率的取值保持不变,接驳范围设定为(100,200,400)。

图 5 失效概率和惩罚费率的取值倍数对系统费用的影响
Fig. 5 Effect of failure probability and multiple of penalty rate on system costs
实际中对于可靠性较低(值较大)的枢纽设施系统,需求无法得到服务的可能性较高,仅仅增加设施数量已经无法有效提高系统的可靠性。因此,在城市群客运枢纽的建设和运营中,应当提高每个设施的可靠性,防止失效情形的发生。
前文中将各个类别旅客产生城际出行费用的10倍作为旅客无法接受到出行服务后的惩罚费率的取值。逐步提高取值倍数,观察系统费用的变化。失效概率设定为0.1,接驳范围设定为(100,200,400)。
从
实际中当系统已经保持较高的可靠性时,即使枢纽失效产生的惩罚费率较高,对系统的影响也很低。这也表明维持枢纽设施的高可靠性,有利于增强对可能造成高损失事件的弹性。
基于混合式服务模式,提出不完全信息条件下旅客因枢纽失效而依次访问备选枢纽的服务策略,并建立可靠性层级选址模型。在不完全信息条件下,将旅客的出行过程分为3个阶段,针对每个阶段建立相应的出行费用和惩罚费用的期望表达式,并以枢纽设施的建设和运营费用为目标函数,给出混合服务模式下各个需求类别选择枢纽设施服务的可用性约束和期望服务需求量的容量限制约束,从而构建线性整数规划模型。结合算例对模型进行求解。新建枢纽设施或者优化枢纽的访问次序可以提高城际出行服务的可靠性,而最优枢纽访问次序的确定应当考虑出行过程中的所有交通费用,并非基于最近原则仅考虑当前阶段的出行费用;扩大接驳范围可以提高旅客可访问的枢纽数量,从而降低产生惩罚费用的可能性;对于失效概率过高的枢纽设施网络,仅仅增加枢纽数量已无法提高系统的可靠性,而对于保持较高可靠性的枢纽设施网络,其应对可能造成高损失事件的弹性较强。
与以往研究相比,引入基于不完全信息假设下的旅客访问策略,提出更贴近实际的接驳范围内的访问枢纽限制,给出旅客城际出行期望费用的表达式,并考虑枢纽服务期望需求量的容量限制约束,进一步增强了模型的实用性。然而,假定旅客的需求量固定、枢纽设施失效概率相同且相互独立,这与实际有一定的偏差。未来可针对旅客需求的不确定性、枢纽设施失效概率不相同以及枢纽设施相互影响进行拓展研究,以期获得更加符合实际的结果。
作者贡献声明
闫 黄: 算法设计与实验分析。
张小宁:学术指导与论文修改。
参考文献
汤罗浩. 考虑设施失效的选址问题、模型与算法[D]. 长沙:国防科学技术大学, 2016. [百度学术]
TANG Luohao. Facility location problems considering facility disruptions: models and algorithms[D]. Changsha: National University of Defense Technology, 2016. [百度学术]
WOLLMER R. Removing arcs from a network [J]. Operations Research, 1964, 12(6):934. [百度学术]
WOOD R K. Deterministic network interdiction [J]. Mathematical and Computer Modelling, 1993, 17(2):1. [百度学术]
CHURCH R L, SCAPARRA M P, MIDDLETON R S. Identifying critical infrastructure: the median and covering facility interdiction problems [J]. Annals of the Association of American Geographers, 2004, 94(3):491. [百度学术]
CHURCH R L, SCAPARRA M P. Protecting critical assets: the r-interdiction median problem with fortification [J]. Geographical Analysis, 2007, 39(2):129. [百度学术]
LOSADA C, SCAPARRA M P, CHURCH R L, et al. The stochastic interdiction median problem with disruption intensity levels [J]. Annals of Operations Research, 2012, 201(1):345. [百度学术]
LEI T L, CHURCH R L. Constructs for multilevel closest assignment in location modeling [J]. International Regional Science Review, 2011, 34(3):339. [百度学术]
SCAPARRA M P, CHURCH R. Protecting supply systems to mitigate potential disaster: a model to fortify capacitated facilities [J]. International Regional Science Review, 2012, 35(2):188. [百度学术]
AKSEN D, ARAS N. A bilevel fixed charge location model for facilities under imminent attack [J]. Computers & Operations Research, 2012, 39(7):1364. [百度学术]
DEMPE S. Foundations of bilevel programming [M]. Dordrecht: Kluwer Academic Publishers, 2002. [百度学术]
SCAPARRA M P, CHURCH R L. A bilevel mixed-integer program for critical infrastructure protection planning [J]. Computers & Operations Research, 2008, 35(6):1905. [百度学术]
SCAPARRA M P, CHURCH R L. An exact solution approach for the interdiction median problem with fortification [J]. European Journal of Operational Research, 2008, 189(1):76. [百度学术]
MOORE J T, BARD J F. The mixed integer linear bilevel programming problem [J]. Operations Research, 1990, 38(5):911. [百度学术]
AKSEN D, PIYADE N, ARAS N. The budget constrained r-interdiction median problem with capacity expansion [J]. Central European Journal of Operations Research, 2010, 18(3):269. [百度学术]
LIBERATORE F, SCAPARRA M P, DASKIN M S. Analysis of facility protection strategies against an uncertain number of attacks: the stochastic R-interdiction median problem with fortification [J]. Computers & Operations Research, 2011, 38(1):357. [百度学术]
LOSADA C, SCAPARRA M P, O’HANLEY J R. Optimizing system resilience: a facility protection model with recovery time [J]. European Journal of Operational Research, 2012, 217(3):519. [百度学术]
BRICHA N, NOURELFATH M. Critical supply network protection against intentional attacks: a game-theoretical model [J]. Reliability Engineering & System Safety, 2013, 119:1. [百度学术]
ZHU Y, ZHENG Z, ZHANG X, et al. The r-interdiction median problem with probabilistic protection and its solution algorithm [J]. Computers & Operations Research, 2013, 40(1):451. [百度学术]
SNYDER L V, DASKIN M S. Reliability models for facility location: the expected failure cost case [J]. Transportation Science, 2005, 39(3):400. [百度学术]
O’HANLEY J R, CHURCH R L. Designing robust coverage networks to hedge against worst-case facility losses [J]. European Journal of Operational Research, 2011, 209(1):23. [百度学术]
PARVARESH F, HUSSEINI S M M, GOLPAYEGANY S A H, et al. Hub network design problem in the presence of disruptions [J]. Journal of Intelligent Manufacturing, 2014, 25(4):755. [百度学术]
AKSEN D, ARAS N, PIYADE N. A bilevel p-median model for the planning and protection of critical facilities [J]. Journal of Heuristics, 2013, 19(2):373. [百度学术]
AKSEN D, AKCA S Ş, ARAS N. A bilevel partial interdiction problem with capacitated facilities and demand outsourcing [J]. Computers & Operations Research, 2014, 41:346. [百度学术]
SHISHEBORI D,JABALAMELI M S. A new integrated mathematical model for optimizing facility location and network design policies with facility disruptions [J]. Life Science Journal, 2013, 10(1):1896. [百度学术]
DREZNER Z. Heuristic solution methods for two location problems with unreliable facilities [J]. Journal of the Operational Research Society, 1987, 38(6):509. [百度学术]
BERMAN O, KRASS D, MENEZES M B C. Facility [百度学术]
reliability issues in network p-median problems: strategic centralization and co-location effects [J]. Operations Research, 2007, 55(2):332. [百度学术]
CUI T, OUYANG Y, SHEN Z J M. Reliable facility location design under the risk of disruptions [J]. Operations Research, 2010, 58:998. [百度学术]
LEI T L. Identifying critical facilities in hub-and-spoke networks: a hub interdiction median problem [J]. Geographical Analysis, 2013, 45(2):105. [百度学术]
LI X, OUYANG Y. A continuum approximation approach to reliable facility location design under correlated probabilistic disruptions [J]. Transportation Research, Part B: Methodological, 2010, 44(4):535. [百度学术]
BERMAN O, KRASS D, MENEZES M B C. Location and reliability problems on a line: impact of objectives and correlated failures on optimal location patterns [J]. Omega, 2013, 41(4):766. [百度学术]
BERMAN O, KRASS D, MENEZES M B C. Locating facilities in the presence of disruptions and incomplete information [J]. Decision Sciences, 2009, 40(4):845. [百度学术]
YUN L, QIN Y, FAN H, et al. A reliability model for facility location design under imperfect information [J]. Transportation Research, Part B: Methodological, 2015, 81:596. [百度学术]
YUN L, WANG X, FAN H, et al. A reliable facility location design model with site-dependent disruption in the imperfect information context [J]. PLoS ONE, 2017, 12(5):e0177104. [百度学术]
YUN L, WANG X, FAN H, et al. Reliable facility location design with round-trip transportation under imperfect information, Part I: a discrete model [J]. Transportation Research, Part E: Logistics and Transportation Review, 2020, 133: 101821. [百度学术]
YAN H, ZHANG X, WANG X. Hierarchical passenger hub location problem in a megaregion area considering service availability[J]. Promet: Traffic & Transportation, 2021, 33(2):247. [百度学术]