基于多目標(biāo)優(yōu)化的城市公交越站調(diào)度研究.pdf

1、隨著國(guó)民經(jīng)濟(jì)的迅猛發(fā)展，城市化進(jìn)程的不斷加快，機(jī)動(dòng)車保有量急劇增加，道路交通流量日趨飽和，大城市的交通問(wèn)題日益突出。優(yōu)先發(fā)展公共交通，已經(jīng)成為當(dāng)前緩解城市道路擁擠的一個(gè)重要策略。公交調(diào)度，則是影響公交運(yùn)營(yíng)系統(tǒng)運(yùn)行成本、效率和服務(wù)能力、水平的重要方面。本文著重對(duì)公交車輛中途越站調(diào)度進(jìn)行了研究。
　　文章首先對(duì)常規(guī)公交越站機(jī)理進(jìn)行分析，研究常規(guī)公交的運(yùn)行狀態(tài)，分析公交車輛運(yùn)行時(shí)間的特點(diǎn)，主要包括公交車輛在站點(diǎn)的?？繒r(shí)間、車輛在站點(diǎn)間的

2、運(yùn)行時(shí)間以及公交進(jìn)出站時(shí)間。當(dāng)公交越站時(shí)，公交是以正常在路段的運(yùn)行狀態(tài)通過(guò)站點(diǎn)，從而不會(huì)產(chǎn)生車輛在站點(diǎn)的?？繒r(shí)間以及減速進(jìn)站和加速出站比正常行駛多出的時(shí)間。因此，對(duì)車輛在站點(diǎn)的?？繒r(shí)間和車輛進(jìn)出站時(shí)間的分析，在越站調(diào)度中顯得尤為重要。
　　在此基礎(chǔ)上，本文著重對(duì)公交車輛在站點(diǎn)的?？繒r(shí)間進(jìn)行了深入分析對(duì)比。通過(guò)調(diào)查獲得的公交?？繒r(shí)間與對(duì)應(yīng)的上下車人數(shù)，分別采用TCQSM手冊(cè)推薦的單個(gè)乘客平均上下車時(shí)間計(jì)算公交車輛在站點(diǎn)的?？繒r(shí)間;根

3、據(jù)已有數(shù)據(jù)進(jìn)行多元回歸分析，建立上車人數(shù)、下車人數(shù)和公交?？繒r(shí)間的多元線性回歸模型;利用機(jī)器學(xué)習(xí)算法，本文主要采用RBF神經(jīng)網(wǎng)絡(luò)算法對(duì)已有數(shù)據(jù)進(jìn)行挖掘分析。通過(guò)三種方法所獲得的結(jié)果的對(duì)比，選擇誤差最小的一種方法，即RBF神經(jīng)網(wǎng)絡(luò)算法獲取的公交?？繒r(shí)間進(jìn)行后續(xù)的公交車輛中途越站的研究。
　　在公交中途越站的研究時(shí)，本文研究了n輛車的運(yùn)行情況，在此基礎(chǔ)上，探究當(dāng)車輛數(shù)增多時(shí)，越站調(diào)度策略對(duì)整個(gè)系統(tǒng)優(yōu)化提升的程度。其次，對(duì)乘客在站點(diǎn)的候

4、車時(shí)間、乘客的車內(nèi)時(shí)間以及車輛運(yùn)行時(shí)間這三個(gè)目標(biāo)進(jìn)行了權(quán)重分析，找到多目標(biāo)中對(duì)整個(gè)系統(tǒng)影響最大的一個(gè)目標(biāo)。最后，本文利用元胞遺傳算法，以及RBF神經(jīng)網(wǎng)絡(luò)等對(duì)問(wèn)題進(jìn)行了求解，結(jié)果表明，本文的元胞遺傳算法求解效率更高，速度提高了10.3％。此外，隨著越站車輛數(shù)占總車輛數(shù)的比例增大，系統(tǒng)的效率提升值逐漸增大，增大到1/2（n為偶數(shù)）時(shí)，隨著車輛數(shù)的減小，系統(tǒng)效率提升值也是逐漸增大。另外，乘客車內(nèi)時(shí)間在三個(gè)目標(biāo)中占主導(dǎo)地位，而乘客站點(diǎn)候車時(shí)間則