论文部分内容阅读
在多层级常规公交线网优化背景下,为了使公交运营能更好地满足多样化公交出行需求,依据客流时空分布特征,确定合理的调度形式,建立公交时刻表优化模型。层层深入编制出各层级基于客流需求预测的公交时刻表和适用于多层级公交线网优化的区域协调时刻表。首先,分析了影响多层级常规公交区域协调时刻表编制的主要因素,研究了公交客流的时空分布特征和公交线网结构,确定了多层级常规公交区域协调调度的目标和运营调度形式。其次,分析了公交客流数据的采集和审核方法,分别采用BP神经网络和RBF神经网络算法预测并计算得到公交断面客流需求。设计了层级内基于客流预测的单线公交时刻表优化流程和约束条件,并构建了时刻表方案评价模型。结合实例得出,基于BP神经网络和RBF神经网络预测算法得到的断面客流量,编制得到的时刻表方案,相对于优化前分别节省了2.44%和4.80%的运营总成本。第三,依据多层级常规公交线网优化衔接模式,以各层级公交线路的发车间隔和车辆调度形式作为决策变量,从乘客出行时间成本与公交企业运营收益的角度,考虑乘客舒适性、协同发车间隔和企业运能等方面的约束,建立了多目标优化模型。综合分析各种优化算法的特点后,采用遗传算法、粒子群优化算法和遗传粒子群优化算法求解模型。依据实际问题在MATLAB软件中设计求解模型的算法步骤。最后,通过实例分析得到,在求解本文构建的公交时刻表编制模型过程中,模型目标都能够有效收敛,遗传粒子群优化算法的精度和收敛效率都明显高于遗传算法和粒子群优化算法。求解结果方面：遗传粒子群算法求解得到的多层级常规公交区域协调时刻表方案,相对于基于RBF公交客流需求预测编制的时刻表,分别取三种权重值时的方案总成本分别节省了3.48%、5.47%和8.42%。验证了所建模型和优化算法的可行性和适用性。实际中,需要根据给定的运营效益和乘客出行时间成本权重值选定时刻表优化方案。