当前位置: 首页> 学位论文 >详情
原文传递 基于智能算法的城市公交线网优化研究——以金华市为例
论文题名: 基于智能算法的城市公交线网优化研究——以金华市为例
关键词: 公共交通;城市线网;布局优化;蚁群算法;模糊综合评判
摘要: 公共交通是城市交通的重要组成部分,是城市社会经济全面协调发展的重要基础,是连接人民群众工作、学习、休闲娱乐等活动的重要纽带。优先发展城市公共交通是国务院确定的促使我国城市和交通倾向于良性发展的发展战略,是提高交通资源利用效率、节能减排和保护环境的重要工作,是解决城市用地紧张、城市交通拥挤及居民出行困难的根本措施。公交线网是公共交通的基础,其质量的优良状况直接影响公交系统的运营效果、乘客对公交服务的满意程度及公交企业的经济效益,因此说布设合理的公交线网是城市公共交通高效运营的重要保证。公交线网优化是城市公共交通规划的重要内容,是在资源有限的条件下改善城市交通环境现状的有效举措,其宗旨是在城市道路网络和公交运载能力一定的情况下,通过优化调整公交线网布局,发挥公交系统的最大性能,提高公共交通系统的服务水平。
   金华市不仅是东南沿海对外开放前沿地带的重要组成部分,而且是我国实施“承东启西”发展战略的重要纽带,充当着浙、赣、闽、皖四省九地市经济协作区“龙头”的角色。近几年来,随着金华市社会经济的快速发展、城市人口增多,以及私人机动车辆迅速增加,城市发展需求增长,城区交通尤其是南北向的交通更为紧张,每天上下班高峰时间段,连接八一南北街的通济桥及中山路、宾虹路等路段拥堵现象严重。因此,对金华市公交线网优化进行研究是金华市公交线网可持续发展的必然需求。
   本文首先对金华市公交线网发展现状进行问卷调查,得出金华市公交分担率、居民出行平均换乘次数、居民平均出行时间、公交车拥挤度等数据信息;通过跟车调查收集各站点上、下乘客数量信息,采用概率论模型进行反推,得到研究区内的公交客流分布矩阵;同时借助ArcGIS软件对公交线网图形数据资料分析整理,制作出金华市公交线网分布图、主要客流集散点布局图、公交车主要起讫点分布图,并采用ArcGIS的图形量算和缓冲区分析功能,分别计算了金华市现有各公交线路长度、非直线系数及线网分布密度。计算结果表明:金华市各公交线网长度只有26.79%处在标准值5-11.5km之间,73.21%的线路长度超过标准值;金华市公交线路非直线系数普遍偏大,处在公交线路非直线系数规范值以内的仅占到32%,68%的公交线路非直线系数处在1.4之外,其中非直线系数最大的是K36路,达到3.1,非直线系数最小的是311路,为1.1;金华市主城区公交线网密度为2.5km/km2,城区边缘地区公交线网密度为1.2km/km2,和规定标准值相差较大;当以300m为半径时,城区站点覆盖率为80%,以500m为半径时,城区站点覆盖率基本上达到95%,由此可见城区站点覆盖率较高,公交服务可达性较好。综合以上分析结果,本文认为金华市公交系统发展滞后于金华城市化进程,公交线网布局不合理阻碍了金华市公共交通发展进程,因此,对金华市公交线网进行优化进行优化具有重要意义。
   其次,本文对公交线网一般评价指标进行了定性、定量描述,并从基础设施建设和服务水平两个层次建立了金华市公交线网评价指标体系。然后采用基于层次分析法的模糊综合评判对金华市公交的整体服务质量进行评价,即先采用1-9标度法,分别标示出指标层次间因素相对重要性程度和同一层次内各指标因素的相对重要性程度,通过一致性检验后,利用Matlab函数计算功能,计算出各因素权重;然后,通过模糊综合评判的模糊映射功能计算得出金华市公交线网服务质量对应的等级。评价结果得出金华市公交线网处于中等发展水平。综合评价结果及研究过程中发现的金华市公交系统存在的问题,本文提出了相应的解决对策。
   第三,本文简述了常规公交线网优化的一般方法,并结合研究区具体数据信息进行了实例仿真,展示了常用公交线网优化方法的具体优化过程。同时,参考国内外专家、学者韵研究成果,本文提出采用目前发展较为成熟的蚁群算法对金华市公交线网进行优化。蚁群算法在解决TSP问题时,展现出良好的效果,公交线网优化和TSP问题有一定的相似性,且公交线网优化更接近于蚂蚁觅食的行为,对蚁群算法进行改进后应用于公交线网优化具有可行性。以直达客流量最大为目标、以非直线系数、线路长度、重复系数为约束条件建立目标函数,对金华市公交线网进行优化。仿真实例显示,改进后的蚁群算法在优化公交线网方面取得了较好的结果,且操作简单、效率较高。表明运用改进的蚁群算法进行公交线网优化的可行性和科学性。
   最后,本文对全文的研究工作进行了系统总结,并指出了工作中存在的缺点和不足以及有待进一步研究的问题。
作者: 潘玉侠
专业: 自然地理学
导师: 梁勤欧
授予学位: 硕士
授予学位单位: 浙江师范大学
学位年度: 2012
正文语种: 中文
检索历史
应用推荐