欢迎来到天天文库
浏览记录
ID:32874522
大小:6.82 MB
页数:70页
时间:2019-02-17
《基于启发式算法的公交线网优化模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、大连海事大学硕士学位论文基于启发式算法的公交线网优化模型研究姓名:廖英杰申请学位级别:硕士专业:管理科学与工程指导教师:陈佳201206中文摘要摘要近些年来,我国各大城市的经济建设取得了巨大的成就,然而交通基础设施建设的滞后却使得城市的可持续发展遇到了瓶颈,解决城市交通的拥挤问题迫在眉睫。优化公交线网正是采用做“减法”的形式来解决此问题,相比扩充道路、增加规模这样的“加法”操作,其具有投资小、见效快、效率高等优点,用较低的环境代价来实现交通顺畅这个目标,更加符合“和谐可持续发展”的时代主题。本文在对国内外的公交线网优化方法进行分析和总结的基础上,结合项目“尊重历史,尊重现状”的现实要求,
2、确定了“与现状相结合,进行逐步优化”的优化思路。这种方法的基础是现有的线网结构,通过逐步的修正与改进使得结果不断趋优,最终达到理想的优化程度。因此本文的目标是,在资源一定的前提下,通过建立起合理的优化模型和设计有效的优化算法,对已有的线网结构进行科学地优化以得到优于现状的方案,达到提高公交系统的运营效率的目的。模型和优化算法是公交线网优化问题中最核心的课题。本文在对以往研究成果进行综述的基础上,结合城市的实际情况,建立了以线网覆盖率最高、线路重复系数最小和总出行时间最少的多目标决策模型。该模型以线路长度、非直线系数和平均站距等作为计算参数,创新性地提出了以“两点间替代线路生成算法”作为映
3、射函数的邻域构造方法,并结合符合居民出行习惯的客流分担算法对线网方案进行优化,最终应用多目标评价体系对方案进行评价选优。在算法的逻辑控制层面,通过对众多的启发式算法进行分析、总结和对比,由于模拟退火算法的执行效率较高,算法的健壮性更好,且优化结果几乎不受初值的优劣程度影响,因此最终选择其作为主控制函数。本文以玉溪市现有公交线网结构为出发点和落脚点,通过实地考察和数据拟合获取该城市的居民出行OD数据,并将数据带入算法得到优化结果,最后对结果进行展示和分析。数据表明,优化后的结果在几项重要指标上均优于原有的线网结构,从而证明了本文设计的模型和算法是可行且有效的。关键词:公交线网优化;多目标优
4、化模型;模拟退火算法英文摘要ABSTRACTInrecentyears,theeconomicconstmctionofCtlina’sm句orcitiesh嬲made仃emendousachieVements.HoweVer,melagoftransportationi曲粥tmctureconstlllctionmal(esmesustainabledeVelopmemofcitiesenco蚰teredabo砌eneck,soitisurgentt0solVetlleproblemsofthemaIltramccongestioll.TIleoptimi捌ionofpublic仃aI
5、lsportationnet、vorkisthefo姗ofa“subtraction,’toresolvethisissue,comparedt0tllose“addition’’operationssuchaLsextensionofroadsorincreaLseofⅡletrafncscale,ithaLssmallinVestment,morerapidandllighe衔ciency,andalowerenViro姗entalcostt0achievethegoalofthesmoothnowoftra伍c,aJldmoreinlinewithⅡlethemeof“ha肌oni
6、ousandsustainabledevelopment”.Thispaperfirstanalysisandsu删nar),thepublict啪sportationn加rkoptimizationmethodsofdomesticandintematiorlal,arldcombine、忻ththe“respect11istor)r,respectfortllestatusquo”practicalrequirememoft11isprojeCt,finallyconfimtheoptimizationideaof“combinewiththereali够,and黟aduallyop
7、timize,’.nlismethodisbasedontheexistingnetworkstmcture,toimproVetheresultbyacontinuousoptimization,aIlduItima:telyachjeVethedesireddegreeofoptimization.Tllegoaloftmspaperis,underthepremiseofceIrtainresources,byes诅blish
此文档下载收益归作者所有