本文以需求响应式接驳公交为研究对象,对其行车计划进行了优化研究。论文重点对乘客出行首末两端的时间参数以及同车次乘客之间的出行时间的相互约束关系、行车计划模型的构建和模型求解算法的设计进行了深入研究。(1)对需求响应式接驳公交的系统构成和特点、行车计划问题和乘客的出行时间参数进行分析。通过总结行车计划构建过程中的关键步骤和方法,回答了构建行车计划所要解决的问题。(2)构建需求响应式接驳公交的行车计划模型,包括车次优化模型和车辆优化配置模型。车次优化模型以乘客满意度和行车成本为双重优化目标,综合考虑了乘客出行首末端的时间参数约束、车次灵活性约束和同车次乘客在出行枢纽端的共同时间窗约束等,模型生成了各车次的行车路径和服务乘客的集合;车辆优化配置模型以车次优化模型的输出为模型输入,以缩减车辆配置数为目标,灵活调整车次的到发时间,实现车辆优化配置。(3)设计了需求响应式接驳公交行车计划模型的求解算法。算法包括车次优化算法和车辆优化配置算法。车次优化算法以乘客相互之间出行时间参数的约束条件为切入点,包括了寻找种子乘客、构建行车路径和整体更优三部分。算法引入了乘客“兼容性”、“路径邻域”等理念,提高算法的效率和求解效果。车辆优化配置算法结合了需求响应式接驳公交的特点,借鉴传统公交中“逆差函数”的方法,对车次的到发时间进行调整,实现车辆优化配置。(4)对需求响应式接驳公交行车计划模型和求解算法进行仿真分析。首先采用对比分析的方法,对模型和算法的有效性进行验证,发现模型和算法在乘客预约需求密度较高时有更明显的优势。然后对模型中的时间窗宽度和车辆的最低载客率进行了灵敏度分析,结果显示:随着时间窗宽度的增加,乘客服务水平降低而运营成本降低,车辆配置数减少;随着最低载客率阈值的降低,乘客预约拒绝率降低,每车次的平均载客量降低,每车次可供调节的灵活时间增加,但车辆的配置数也随之增加。最后在不同服务区域和乘客出行需求密度的大小下,对模型和算法进行了适应性分析,发现模型在需求密度15-40cust/h/km~2都有较好的适应性,乘客满意度在不同大小和形状的服务区域下,也能保持在合理范围内变动。综上,本论文对需求响应式接驳公交行车计划的优化研究主要着眼于需求响应式接驳公交的行车计划模型的构建以及求解算法的研究,旨在推动需求响应式接驳公交的落地实施,为其实际建设运营提供理论指导,同时也有助于促进公共交通个性化发展,实现公交服务的量质并举。