原文传递
基于多目标优化的城市公交越站调度研究
| 论文题名： | 基于多目标优化的城市公交越站调度研究 |
| 关键词： | 公交车辆;越站调度;多目标优化;元胞遗传算法;RBF神经网络 |
| 摘要： | 随着国民经济的迅猛发展，城市化进程的不断加快，机动车保有量急剧增加，道路交通流量日趋饱和，大城市的交通问题日益突出。优先发展公共交通，已经成为当前缓解城市道路拥挤的一个重要策略。公交调度，则是影响公交运营系统运行成本、效率和服务能力、水平的重要方面。本文着重对公交车辆中途越站调度进行了研究。 文章首先对常规公交越站机理进行分析，研究常规公交的运行状态，分析公交车辆运行时间的特点，主要包括公交车辆在站点的停靠时间、车辆在站点间的运行时间以及公交进出站时间。当公交越站时，公交是以正常在路段的运行状态通过站点，从而不会产生车辆在站点的停靠时间以及减速进站和加速出站比正常行驶多出的时间。因此，对车辆在站点的停靠时间和车辆进出站时间的分析，在越站调度中显得尤为重要。 在此基础上，本文着重对公交车辆在站点的停靠时间进行了深入分析对比。通过调查获得的公交停靠时间与对应的上下车人数，分别采用TCQSM手册推荐的单个乘客平均上下车时间计算公交车辆在站点的停靠时间;根据已有数据进行多元回归分析，建立上车人数、下车人数和公交停靠时间的多元线性回归模型;利用机器学习算法，本文主要采用RBF神经网络算法对已有数据进行挖掘分析。通过三种方法所获得的结果的对比，选择误差最小的一种方法，即RBF神经网络算法获取的公交停靠时间进行后续的公交车辆中途越站的研究。 在公交中途越站的研究时，本文研究了n辆车的运行情况，在此基础上，探究当车辆数增多时，越站调度策略对整个系统优化提升的程度。其次，对乘客在站点的候车时间、乘客的车内时间以及车辆运行时间这三个目标进行了权重分析，找到多目标中对整个系统影响最大的一个目标。最后，本文利用元胞遗传算法，以及RBF神经网络等对问题进行了求解，结果表明，本文的元胞遗传算法求解效率更高，速度提高了10.3％。此外，随着越站车辆数占总车辆数的比例增大，系统的效率提升值逐渐增大，增大到1/2（n为偶数）时，随着车辆数的减小，系统效率提升值也是逐渐增大。另外，乘客车内时间在三个目标中占主导地位，而乘客站点候车时间则对系统的影响最小。对于公交车发车间隔，随着发车间隔的增大，实施越站调度的效果将急速下降，当发车间隔达到25分钟左右时，实施越站调度将使得系统整体效率比不越站时更低。 |
| 作者： | 崔诚 |
| 专业： | 交通运输工程；交通运输规划与管理 |
| 导师： | 邓卫 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
