基于换乘网络的公交接驳线网优化外文翻译资料

 2023-01-14 14:37:29

英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料

基于换乘网络的公交接驳线网优化

1.摘要

轨道交通作为城市交通系统的两种主要运输方式，通常起着运输干线的作用，而支线公交网络服务则是前者的一个分支和补充。城市轨道交通与公交网络的整合与协调，可以有效提升服务效率，同时改善系统[1]的财务状况。Stanger和Vuchic[2]指出，两种模式的协同调度优化可以节约运营成本。一些城市，如亚特兰大、迈阿密和华盛顿特区，在交通系统的发展过程中把公共汽车/铁路的协调放在首位。Dunn Jr.[3]指出，协调和整合交通服务是改善公共交通的前提。

良好的公交接驳网络可以显著提高公共交通系统的服务水平、运行效率和市场竞争力。从城市周边地区来的中转乘客将乘坐铁路到达他们的最终目的地。接驳系统中的每条总线通常连接到一个特定的火车站，并以一定的频率服务于一系列的公共汽车站。因此,接驳线网设计问题(FBNDP)可以描述如下:对于一个给定的城市轨道线,停止位置和公共汽车站和火车站之间的客运交通需求,最优支线公交线路,他们的频率决定,以减少旅客旅行成本和公交运营成本[4 - 6]。

2.文献综述

现有关于FBNDP的研究主要有两种方法，即解析法和网络规划(又称数学规划)。早期的研究大多基于对道路几何形状和乘客需求空间分布的假设，使用解析方法推导出最优的路线间距、车头时距和停车间距。根据前期研究的假设，需求分布在一个矩形区域，其中现有的铁路线由一些垂直于铁路线的平行公交线路提供服务(访问)。Byrne和Vuchic[4]研究了平行公交线路的最优位置和车头时距提出了一种确定最优公交线路数的方法。在[4]的基础上，Byrne[7]根据不同线路速度的一般人口密度函数，确定了能够最小化用户出行时间和运营成本的公交线路的长度、位置和车头道。研究了不同起运起点、不同起运时间、不同客流密度的平行接驳的最优位置和最优调度问题。蚀等。[9]主要利用基本微积分，结合某些离散参数的连续逼近，提出了铁路最优站间间距、进站-母线区域边界、车顶道的优化计算公式。Wirasinghe[10]研究了一种需求模式为m -1的馈电母线系统。、多个公交站及一个车站)。将近似解析模型及其求解算法成功地应用于卡尔加里(南走廊)轻轨交通系统。Kuah和Perl[5]同时优化了线路间距、运行车头时距和站点间距，并分析了三种不同情况下公交站点间距的影响因素。假设铁路线的位置是预先确定的,简和联系[11]减少城市交通走廊分成几个区域与不同长度相同的宽度,共同优化铁路长度,火车站间距,总线头——方面,公交站间距,公交路线间距条件下,在每个交通客流密度区域是相同的,只有一个接驳线路连接到同一个火车站。摘要在考虑交叉口延误的情况下，简、杨[12]建立了一个求解异构服务区域内最优公交路线位置及其运行时距的模型。在这些模型中，考虑了不规则和离散的m -1需求分布。针对上述模型分别设计了启发式算法[12]和遗传算法[13]。

近几十年来，网络规划方法被引入到FBNDP中。在这种方法中，城市交通网络通常用一个图形框架来表示，其中节点表示公交站点或火车站，链接表示两个相邻节点之间的路线段。为简单起见，它以公交站点为起点，以火车站为出行需求的目的地。Kuah和Perl[6]开发了m -1需求模式下FBNDP的数学编程模型，并设计了基于节约方法的启发式算法。M-to-M的需求模式(即，将多个车站作为目的地的需求模式转化为m -1，将公交站点划分为具有相同火车站数量的虚拟子节点。此外，还分析了模型对设计目标、乘客需求可变性、车辆容量、劳动力和燃料成本以及铁路线的变化的敏感性。Martins和Pato[14]进一步提出了两种策略来生成初始解决方案(即并设计了局部搜索和禁忌搜索的启发式算法，具有多样化和集约化的策略。Shrivastav和Dhingra[15]讨论了FBNDP用于郊区铁路和公交交通系统的业务集成，并开发了一个使用不同节点的启发式算法选择和插入策略。Kuan等人主要研究了元启发式算法在FBNDP中的应用，如模拟退火和禁忌搜索[16]、遗传算法、蚁群算法[17]等，并对这些算法得到的最优结果进行了分析比较。

最近，Ciaffi等人采用两相法处理FBNDP。在第一个阶段，我们使用启发式算法来产生两个不同且互补的可行路线集，以便在服务覆盖区域的最大化和整体旅行时间的最小化之间提供一个适当的平衡。在第二阶段，将第一阶段生成的路由集作为输入数据，并设计遗传算法来寻找具有相关频率的次优路由集。

几乎所有现有的研究都假设，出行需求从多个公交车站开始，最终在中央商务区附近的一个特定火车站结束。本文对这一不足进行了改进，使之更适应实际的客流分布。我们认为在任何公交车站和火车站之间可能存在起点-终点(OD)对从整个接驳-公交网络的角度计算乘客出行成本，提出了以乘客出行成本和公交运营成本最小为目标的网络优化模型。在此基础上，提出了一种新的遗传算法，并对不同乘客模式下的优化结果进行了分析和比较。

3.问题描述

公交接驳网络主要承担公交与铁路系统之间的换乘功能。我们将公交车站、铁路车站等节点作为客流集散的交通点。在经典的FBNDP中，所有的乘客都应该有一个特定的火车站作为他们的目的地。我们将这一假设扩展到M-to-M模式;也就是说，乘客需求分布在任何公交车站和火车站之间。在这种需求模式下，以往的研究大都遵循以下假设:

(1)每个公交站只设一条接驳公交路线。

(2)每条公交线路不经过其接驳的铁路车站，在车站终点站下车。

(3)所有公交线路均具有统一的通行能力和运行速度，客运量不应超过其通行能力。

(4)每辆车必须在其路线上的所有站点停车，且不考虑跳停运行策略。

当接驳-公交网络满足上述假设时，公交站点与火车站之间存在m -1的连接关系。但是，线路结构和接驳站受到M-to-M需求模式需求分布的影响，通过公交运营商和换乘乘客的最优成本可以获得运营频率。

考虑城市公共交通网络由?公交车站和?火车站,我们表示的一组公共汽车站?= {1,hellip;?},火车站的集?={? 1,。、? ?}和网络节点的设置?=?cup;?。我们也让两个相邻节点之间的距离一段?,?是???,?,?isin;?,公交运营速度V?,火车速度V?。

由于城市乘客需求的时间波动，我们可以确定每个规划时段(如早高峰1小时)的公交时刻表。在给定的时期,需求?和?之间可以表示为???,为?isin;?,?isin;?。

假设接驳线网Omega;由?feeder-bus路线,公交路线的道路结构?(?= 1,。?)用??={?1?,?2?。,????minus;1,???},其中???isin;?支线火车站和?1?,?2?,。,????minus;1isin;?沿线的公交车站。路线的操作频率?用??。

4.模型建设

根据上述假设和公交运营要求，可以得到接驳-母线网络的约束条件。与M-to- 1的需求模式相比，M-to- m模式下的网络建设约束是完全一致的。但是，在M-to-M需求模式下，换乘乘客的广义出行成本将对其在铁路线上的接驳站选择产生更为复杂的影响，从而影响接驳公交线路结构，进而影响网络建设。

4.1公交接驳线网的约束条件分析

为描述接驳线网的约束条件，定义Y和X表示站点之间、站点和线路之间从属关系如下：

（公式图表略）

4.2公交接驳线网的费用分析

接驳线网的制定通常需要兼顾接驳系统中乘 客和运营者两方面的利益，以保证其市场竞争力和 运营效果。在乘客方面，主要关心的是全程的广义 出行费用。与多对一情形下仅由公交接驳线网构 成的出行网络相比，多对多情形下的接驳系统由接 驳线网和轨道交通运营线路共同构成了乘客换乘 网络。因而，客流出行费用的计算应从换乘网络范 围进行衡量，并综合考虑线路开行频率、线路经由 和接驳车站选择等因素的影响。 换乘网络上的乘客出行费用分为3部分：乘坐 公交接驳线路的候车费用和乘车费用、公交接驳线 路和轨道交通列车之间的换乘费用、乘坐轨道交通 列车的乘车费用。与其余文献相比，将换乘费用加入到乘客出行费用中，使接驳系统换乘网络费用考察更为全面，更为贴近接驳系统运营的实际情况。 出行费用中，乘坐公交接驳线路的总候车费用和总乘车费用分别为m和r，其中：m和r分别为候车时间和常规公交乘车时间的货币费用转换系数；Pk和Lk分别为第k条接驳线路的总客流需求和线路长度；接驳轨道车站的换乘费用与该站的换乘设施、经由该站的列车开行密度等有关，可令轨道车站J的每人次换乘费用为j，乘客在轨道交通列车的总乘车费用为

（公式图表略）

r为货币费用转换系数。 对于公交运营企业，接驳线网的开行成本主要与各接驳线路运营里程和开行频率有关，表示为

（公式图表略）

4.3公交接驳线网的优化模型

考虑公交接驳系统中乘客和运营企业双方的利益，以乘客广义出行费用和运营者运营成本最小 化为目标，城市轨道交通关联的公交接驳线网规划的目标函数为：

（公式图表略）

目标函数(10)和约束条件(2)sim;(9)构成了FBNDP的优化模型。优化模型具有以下主要特点。

(1)换乘成本包含在旅客出行成本中，可以对换乘网络上的出行成本进行整体计算。

(2)优化目标是最小化乘客出行成本和公交运营成本，兼顾公交系统中用户和运营商的利益。

(3)需求不局限于单一的目的地(M-to-1)，而是扩展到每个起点与目的地之间的分布(M-to-M)，因此该模型与现实的需求分布吻合较好。

5.模型的解决方案

摘要具有多个0-1变量和多个约束条件的接驳-母线网络优化模型为NP困难[14]。它本质上是运筹学领域的一个路径优化问题，适合用一些智能启发式算法求解。因此，在本文中，我们提出了一个遗传算法的模型。在初始解个体和新种群个体的生成过程中，我们采用以下策略来构造路由:首先生成站点与站点的连接关系，然后优化路由路径结构，确定运行频率。在生成接驳-母线路线的过程中，根据候选路线的成本确定接驳关系和各母线路线的路径。

5.1初始接驳线网的生成及线路频率的确定

接驳线网中每一条接驳线路均以轨道车站为终点，因此，可先选定接驳的轨道车站，然后，选取公交车站加入与其相连的接驳线路的办法，由接驳线路逐渐构造线网。

（公式图表略）

5.2路线结构优化策略

在遗传算法的过程中,所有航线??人群中个体需要优化路径结构中的节点路由时改变或更新一代。当停止服务路线?and?are结束(支线车站)的确定,结构优化的路径?can归结到一个开放的一个仓库(即车辆路径问题。? ? ? ，接驳站)。因此,我们采用2?iterations 2-opt策略优化航线结构,在??路径上的节点数量。? 由于子代中某些精英基因片段具有较高的遗传概率，每代每个个体固定的路径结构优化迭代可以提高种群质量.

（公式图表略）

5.3。基因编码。在本文中，我们采用了一种直观的方式对接驳总线方案进行编码。因此，网络中的每个节点都用自然数表示;我们还用不同的数字集来标识公交车站或火车站。然后，接驳-公交线路将是一个以火车站为终点的数字子串，整个网络的编码方案将是这些线路子串的顺序连接。请注意，网络规划的编码长度取决于公交系统中设计的总路线号，它不是固定的。

例如,当?={1,2,3,4,5,6,7,8,9,10}和?={11 12 13},一个示例接驳网络可以表示为1 2 3 4 6 12 5 7 12 8 9 10 13;子串1、2、3、11、4、6、12、5、7、12和8、9、10、13分别代表4条接驳线路，其中黑体表示接驳站。

基于目标函数(10)和同时考虑约束(9)的可行性,个别Omega;的适应度函数构造如下:

（公式图表略）

5.4。初始种群。初始种群中的每个接驳-总线网络由一条路由生成一条路由。因为,所有的路线在火车站,所以接驳站?isin;?可以选择;然后我们选择一个汽车站?isin;?选择概率,这停止插入现有路线,终止节点?,直接与节点?或链接生成一个新线路。这样，当所有的公交站点都被选中时，网络的生成就完成了。

为了提高初始群体的个体素质，我们构造了一个函数来评估公交车站和火车站之间的连接关系，利用轮盘赌选择法来计算选择概率。让????lowast;= max?isin;????? 分钟?isin;?????;然后,停止??站之间的评价函数

（公式图表略）

5.5遗传算子

(1)选择和复制算子。为了增强遗传算法的搜索能力，引入竞争和入侵机制构建父种群。

（公式图表略）

(2)交叉算子。在这里,我们带着两个父母生成两个后代交叉概率??。为了保证后代个体能够从亲代遗传到精英基因，我们选择了平均每位乘客花费较低的线路片段进行插入

（公式图表略）

(3)变异算子。变异算子和变异概率??用于增强遗传算法的全局优化能力。根据从一个个体随机选择的基因类型，进行交换或插入突变:如果选择的基因是一个公交车站，则随机插入另一个位点(插入突变);如果选择的基因是一个位点，它将被另一个位点随机替换(交换突变)。为了保证突变的质量，一个突变解的接受概率为

（公式图表略） 剩余内容已隐藏，支付完成后下载完整资料

资料编号：[240308]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章