基于多目標優(yōu)化的城市公交越站調(diào)度研究.pdf

1、隨著國民經(jīng)濟的迅猛發(fā)展，城市化進程的不斷加快，機動車保有量急劇增加，道路交通流量日趨飽和，大城市的交通問題日益突出。優(yōu)先發(fā)展公共交通，已經(jīng)成為當前緩解城市道路擁擠的一個重要策略。公交調(diào)度，則是影響公交運營系統(tǒng)運行成本、效率和服務(wù)能力、水平的重要方面。本文著重對公交車輛中途越站調(diào)度進行了研究。
　　文章首先對常規(guī)公交越站機理進行分析，研究常規(guī)公交的運行狀態(tài)，分析公交車輛運行時間的特點，主要包括公交車輛在站點的?？繒r間、車輛在站點間的

2、運行時間以及公交進出站時間。當公交越站時，公交是以正常在路段的運行狀態(tài)通過站點，從而不會產(chǎn)生車輛在站點的?？繒r間以及減速進站和加速出站比正常行駛多出的時間。因此，對車輛在站點的?？繒r間和車輛進出站時間的分析，在越站調(diào)度中顯得尤為重要。
　　在此基礎(chǔ)上，本文著重對公交車輛在站點的?？繒r間進行了深入分析對比。通過調(diào)查獲得的公交停靠時間與對應的上下車人數(shù)，分別采用TCQSM手冊推薦的單個乘客平均上下車時間計算公交車輛在站點的停靠時間;根

3、據(jù)已有數(shù)據(jù)進行多元回歸分析，建立上車人數(shù)、下車人數(shù)和公交停靠時間的多元線性回歸模型;利用機器學習算法，本文主要采用RBF神經(jīng)網(wǎng)絡(luò)算法對已有數(shù)據(jù)進行挖掘分析。通過三種方法所獲得的結(jié)果的對比，選擇誤差最小的一種方法，即RBF神經(jīng)網(wǎng)絡(luò)算法獲取的公交停靠時間進行后續(xù)的公交車輛中途越站的研究。
　　在公交中途越站的研究時，本文研究了n輛車的運行情況，在此基礎(chǔ)上，探究當車輛數(shù)增多時，越站調(diào)度策略對整個系統(tǒng)優(yōu)化提升的程度。其次，對乘客在站點的候

4、車時間、乘客的車內(nèi)時間以及車輛運行時間這三個目標進行了權(quán)重分析，找到多目標中對整個系統(tǒng)影響最大的一個目標。最后，本文利用元胞遺傳算法，以及RBF神經(jīng)網(wǎng)絡(luò)等對問題進行了求解，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，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)時間在三個目標中占主導地位，而乘客站點候車時間則