基于启发式算法公交线网优化模型的研究

《基于启发式算法公交线网优化模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要摘要近些年来，我国各大城市的经济建设取得了巨大的成就，然而交通基础设施建设的滞后却使得城市的可持续发展遇到了瓶颈，解决城市交通的拥挤问题迫在眉睫。优化公交线网正是采用做“减法”的形式来解决此问题，相比扩充道路、增加规模这样的“加法”操作，其具有投资小、见效快、效率高等优点，用较低的环境代价来实现交通顺畅这个目标，更加符合“和谐可持续发展”的时代主题。本文在对国内外的公交线网优化方法进行分析和总结的基础上，结合项目“尊重历史，尊重现状”的现实要求，确定了“与现状相结合，进行逐步优化”的优化思路。这种方法的基础是现有的线

2、网结构，通过逐步的修正与改进使得结果不断趋优，最终达到理想的优化程度。因此本文的目标是，在资源一定的前提下，通过建立起合理的优化模型和设计有效的优化算法，对已有的线网结构进行科学地优化以得到优于现状的方案，达到提高公交系统的运营效率的目的。模型和优化算法是公交线网优化问题中最核心的课题。本文在对以往研究成果进行综述的基础上，结合城市的实际情况，建立了以线网覆盖率最高、线路重复系数最小和总出行时间最少的多目标决策模型。该模型以线路长度、非直线系数和平均站距等作为计算参数，创新性地提出了以“两点间替代线路生成算法”作为映射函数的

3、邻域构造方法，并结合符合居民出行习惯的客流分担算法对线网方案进行优化，最终应用多目标评价体系对方案进行评价选优。在算法的逻辑控制层面，通过对众多的启发式算法进行分析、总结和对比，由于模拟退火算法的执行效率较高，算法的健壮性更好，且优化结果几乎不受初值的优劣程度影响，因此最终选择其作为主控制函数。本文以玉溪市现有公交线网结构为出发点和落脚点，通过实地考察和数据拟合获取该城市的居民出行OD数据，并将数据带入算法得到优化结果，最后对结果进行展示和分析。数据表明，优化后的结果在几项重要指标上均优于原有的线网结构，从而证明了本文设计的

4、模型和算法是可行且有效的。关键词：公交线网优化；多目标优化模型；模拟退火算法英文摘要ABSTRACTInrecentyears，theeconomicconstmctionofCtlina’sm句orcitiesh嬲made仃emendousachieVements．HoweVer，melagoftransportationi曲粥tmctureconstlllctionmal(esmesustainabledeVelopmemofcitiesenco蚰teredabo砌eneck，soitisurgentt0solVetll

5、eproblemsofthemaIltramccongestioll．TIleoptimi捌ionofpublic仃aIlsportationnet、vorkisthefo姗ofa“subtraction，’toresolvethisissue，comparedt0tllose“addition’’operationssuchaLsextensionofroadsorincreaLseofⅡletrafncscale，ithaLssmallinVestment，morerapidandllighe衔ciency，andalo

6、werenViro姗entalcostt0achievethegoalofthesmoothnowoftra伍c，aJldmoreinlinewithⅡlethemeof“ha肌oniousandsustainabledevelopment”．Thispaperfirstanalysisandsu删nar)，thepublict啪sportationn加rkoptimizationmethodsofdomesticandintematiorlal，arldcombine、忻ththe“respect11istor)r，res

7、pectfortllestatusquo”practicalrequirememoft11isprojeCt，finallyconfimtheoptimizationideaof“combinewiththereali够，and黟aduallyoptimize，’．nlismethodisbasedontheexistingnetworkstmcture，toimproVetheresultbyacontinuousoptimization，aIlduItima：telyachjeVethedesireddegreeofop

8、timization．Tllegoaloftmspaperis，underthepremiseofceIrtainresources，byes诅blishingare2LsonableoptimizationmodelaIlddesigIlinganef．fectiVeoptimizati