大模型如何优化公交调度并减少空驶排放
大模型如何优化公交调度并减少空驶排放
早高峰过去，车库里还有车按旧时刻表开出；医院门口的晚班站台却排起长队。公交空驶不一定是调度员算错了，它常是时刻表、司机班次、充电窗口和真实客流不同步。大模型能读投诉、节假日安排与施工通知，帮助调度员理解“为什么今天不同”，但具体班次仍要交给可检验的排班和约束优化系统。
试点从两三条线路开始。运营方把刷卡与客流计数、车辆定位、班次执行、车辆能耗、天气和周边活动放到同一时间线上。模型将迟到、站台拥挤、空车回场等现象归因到可查的事件，再提出可选方案：缩短某段发车间隔、调整区间车、改换停车与充电时间。每个方案都要满足最低服务班次、司机休息和无障碍车辆配置，不能把低客流站点直接视为可删成本。
减排也不能只看车辆少跑了多少公里。削减末班车可能使乘客改坐网约车；过度压缩车距可能让满载车辆绕过站台。企业应同时记录车辆能源消耗、载客周转量、平均等待时间、错过末班车次数，以及受影响地区的替代出行。电动公交还要看充电时段的电力结构和电池运行约束。账算到这里，“减少空驶”才不至于只是把排放转给乘客。
调度建议可以每周更新，重大调整则应有公开的试运行期。司机能指出模型看不到的弯道、学校放学潮和冬季拥堵；乘客能指出“平均等待五分钟”掩盖的单次半小时。把这些反馈留在系统里，比只让模型从历史数据自我学习可靠。
实施时还有一道常被忽略的门槛：班次不能像外卖派单那样每十分钟变一次。乘客要记得住时间，司机要有可执行的排班，站台公告和手机地图也需同步。运营方可以把算法用于当日加车与周度微调，把线路和首末班变更留给更充分的公众沟通。对于临时施工，调度员应能一键撤回建议，并记录为什么撤回。模型如果只会报“最优解”，现场人员反而不敢用。
一次看似成功的优化，可能把空驶从“载客线路”挪到车库调位。比如为了让主线车少跑几个空站，安排另一辆车从远处赶来接班，调度屏上的载客公里改善，车队总公里却没变。项目核算要从车辆离库到回库看完整行程，充电和维修调位也记录。再把同一周的乘客遗留量叠在图上，检查是否有人因班次压缩而滞留。对于临时活动，提前预留机动运力比临时用模型疯狂改表更稳定。算法提供可选班次与代价，现场调度员知道哪一辆车、哪一位司机今天真的接得住。
有些线路的空座与潮汐客流有关，去程满、回程空，无法靠删班解决。调度员可研究回程能否承担校车接驳或社区短途服务，但先核对车辆规格、运营许可和司机休息。把空驶变成有用服务，比一味追求车轮少转更聪明。
好的公交调度，不追求每辆车时时满载。城市需要一些看起来不划算的运力，给夜班工人、老人和突然下雨的人留一条可依赖的路。AI 的价值，是更精确地找到可以省的空转，同时看清哪些空座是公共服务必须付出的余量。
