接驳地铁的微公交发车间隔优化模型和算法
发布时间:2024-01-30 04:10
近几年来,轨道交通修建大规模兴起,逐步形成了以轨道交通为骨架、小运量的地面公交为补充的公共交通运输体系。如何充分发挥各自优势,弥补各自缺点,提高换乘效率,实现有效地接驳协调,成为亟需研究的问题。本论文以此为背景,根据轨道交通系统和公交系统协调的基本理论,通过协调微公交的发车间隔,提高城市轨道交通与微公交的换乘效率。本文首先系统地分析了乘客走行时间的分布规律。通过城市轨道交通、微公交和常规公交三者的交通特性对比分析,确定了三者在公共交通体系中的定位和各自的作用,得到换乘的类型、原理和方法,又根据乘客走行时间的影响因素,对乘客走行时间分布规律进行拟合和参数估计,得到了乘客走行时间的正态分布函数。在此基础上,通过对乘客换乘时间和微公交平均满载率两个目标的分析,构建了一个多目标优化模型。第一个目标从乘客的角度出发,分析了乘客的换乘时间,考虑了与微公交重叠度高的一条常规公交线路的影响,分别讨论了四种换乘情况,构建了换乘总时间目标模型。第二个目标从公交企业的角度出发,分析了微公交的平均满载率,在重叠线路地影响下,讨论了就近到站的仅为微公交和微公交与常规公交同时到站两种情况下,每趟微公交的客流及满载...
【文章页数】:76 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
主要符号说明
第一章 绪论
1.1 研究背景
1.2 研究对象
1.3 研究意义
1.4 国内外研究成果综述
1.4.1 国外研究成果综述
1.4.2 国内研究成果综述
1.5 研究内容和技术路线
第二章 换乘乘客走行时间分布规律分析
2.1 城市公共交通换乘系统分析
2.1.1 城市公共交通运输工具
2.1.2 交通特性对比
2.1.3 交通功能定位
2.1.4 城市公共交通换乘类型、原理和方法
2.2 换乘走行时间的影响因素
2.3 换乘走行时间的数据采集
2.4 数据处理分析
2.4.1 样本选取
2.4.2 样本容量的确定
2.4.3 数据采集方法
2.5 参数估计与参数检验
2.5.1 正态分布和对数正态分布
2.5.2 极大似然估计法
2.5.3 换乘乘客走行时间分布拟合
2.6 截尾样本下数据的处理
2.7 本章小结
第三章 接驳地铁的微公交发车间隔优化模型及求解
3.1 环境假设
3.2 换乘总时间目标模型的构建
3.2.1 乘客换乘时间分析
3.2.2 乘客换乘时间
3.2.3 总换乘时间目标模型的构建
3.3 微公交平均满载率目标模型的构建
3.3.1 车辆满载率
3.3.2 微公交平均满载率
3.3.3 微公交平均满载率目标模型的构建
3.4 多目标优化模型
3.5 模型求解及遗传算法优化设计
3.5.1 多目标优化模型求解方法
3.5.2 多目标模型求解
3.5.3 遗传算法设计
3.6 本章小结
第四章 算例分析
4.1 算例说明
4.1.1 地铁线路、地铁站及公交站情况介绍
4.1.2 双港站换乘乘客走行时间分布函数
4.2 模型参数标定
4.3 优化结果
4.3.1 不同权重对目标函数解的影响
4.3.2 微公交发车间隔的确定
4.4 本章小结
第五章 结论与展望
5.1 研究主要结论
5.2 创新点
5.3 研究展望
参考文献
附录A 遗传算法主程序代码
附录B 目标函数代码
个人简历在读期间发表的学术论文
致谢
本文编号:3889472
【文章页数】:76 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
主要符号说明
第一章 绪论
1.1 研究背景
1.2 研究对象
1.3 研究意义
1.4 国内外研究成果综述
1.4.1 国外研究成果综述
1.4.2 国内研究成果综述
1.5 研究内容和技术路线
第二章 换乘乘客走行时间分布规律分析
2.1 城市公共交通换乘系统分析
2.1.1 城市公共交通运输工具
2.1.2 交通特性对比
2.1.3 交通功能定位
2.1.4 城市公共交通换乘类型、原理和方法
2.2 换乘走行时间的影响因素
2.3 换乘走行时间的数据采集
2.4 数据处理分析
2.4.1 样本选取
2.4.2 样本容量的确定
2.4.3 数据采集方法
2.5 参数估计与参数检验
2.5.1 正态分布和对数正态分布
2.5.2 极大似然估计法
2.5.3 换乘乘客走行时间分布拟合
2.6 截尾样本下数据的处理
2.7 本章小结
第三章 接驳地铁的微公交发车间隔优化模型及求解
3.1 环境假设
3.2 换乘总时间目标模型的构建
3.2.1 乘客换乘时间分析
3.2.2 乘客换乘时间
3.2.3 总换乘时间目标模型的构建
3.3 微公交平均满载率目标模型的构建
3.3.1 车辆满载率
3.3.2 微公交平均满载率
3.3.3 微公交平均满载率目标模型的构建
3.4 多目标优化模型
3.5 模型求解及遗传算法优化设计
3.5.1 多目标优化模型求解方法
3.5.2 多目标模型求解
3.5.3 遗传算法设计
3.6 本章小结
第四章 算例分析
4.1 算例说明
4.1.1 地铁线路、地铁站及公交站情况介绍
4.1.2 双港站换乘乘客走行时间分布函数
4.2 模型参数标定
4.3 优化结果
4.3.1 不同权重对目标函数解的影响
4.3.2 微公交发车间隔的确定
4.4 本章小结
第五章 结论与展望
5.1 研究主要结论
5.2 创新点
5.3 研究展望
参考文献
附录A 遗传算法主程序代码
附录B 目标函数代码
个人简历在读期间发表的学术论文
致谢
本文编号:3889472
本文链接:https://www.wllwen.com/kejilunwen/daoluqiaoliang/3889472.html