【优秀论文6】《基于生成树算法的公交地铁线路选择模型》

合集下载

公交地铁一体化下的网络模型与最优路选择算法

公交地铁一体化下的网络模型与最优路选择算法

公交地铁一体化下的网络模型与最优路选择算法徐勇;贾欣;王哲;王翠柳【期刊名称】《智能系统学报》【年(卷),期】2015(10)3【摘要】公交地铁网络出行线路优选问题是公交网络系统研究的核心问题之一。

为此研究了公交地铁一体化条件下的公交网络出行优化模型与算法。

构造公交地铁网络的标号模型及映射网络模型,以适当倍数缩小地铁线路上站点之间的权值,进而可将公交与地铁进行一体化处理,缩小后可使地铁线路具有明显的优势以达到优选地铁的目的。

运用映射网络图、二分图、半张量积等理论给出了公交地铁一体化网络的最优路选择算法。

最后实证了该方法在公交地铁网络线路优选的有效性。

%In this paper, the travel optimal model and algorithm of public transit network for the integrated bus and subway system are studied. First, a label model and mapped network model are constructed for the bus and subway network. The weight between two subway stations is appropriately reduced to deal with the bus and subway integra⁃tion problem. The subway has obvious advantages after reduction and subway becomes the preferred option. Next, the optimal path selection algorithm of the integration network of bus and subway is given using the mappingnet⁃work graph, bipartite graph, and semi⁃tensor product theory. Finally, the effectiveness of the proposed method in optimized selection of the public transit network is illustrated by a numerical example.【总页数】6页(P482-487)【作者】徐勇;贾欣;王哲;王翠柳【作者单位】河北工业大学理学院,天津300401;河北工业大学理学院,天津300401;河北工业大学理学院,天津300401;河北工业大学理学院,天津300401【正文语种】中文【中图分类】TP18;U491【相关文献】1.地铁环境下时变公交网络的最优路算法 [J], 徐勇;贾欣;王哲;王翠柳2.公交网络最优路径选择算法研究 [J], 陈小辉3.建设城际公交一体化,以打造最优公交为目标——乌海市创建“公交都市”工作调研 [J], 田甜4.基于GBAS的公交出行最优路径选择算法 [J], 许伦辉;林泉5.公交携手地铁共建文明出行公交8路与天津地铁开展联谊共建活动 [J], 罗晓熙;林羽喆因版权原因,仅展示原文概要,查看原文内容请购买。

07年获奖论文_全国二等奖--公交网络中的线路选择问题(第四组)

07年获奖论文_全国二等奖--公交网络中的线路选择问题(第四组)

公交网络中的线路选择问题陈钢浒(计算机科学与技术)范传林(计算机科学与技术)戈卯卯(物流管理)全国二等奖摘要近年来,城市的公交系统有了很大发展,使得公众的出行更加通畅、便利。

本文分析了公交网络的特点,指出道路模型不适合公交网络模型。

通过对公交乘客出行心理分析,得到乘客的需求因素主要有三类:换乘次数、出行耗时、出行费用。

对问题一,我们建立了网络流模型,并据此模型构造一个类似邻接矩阵的0-1稀疏矩阵。

利用该矩阵的代数运算就可以方便地得到两给定站点换乘次数最小的线路。

为了综合考虑换乘次数最少与总时间最少,我们根据图论的最短路问题建立基于换乘次数最短单目标0-1整数规划模型,并提出一种以换乘次数最少为第一目标、时间最短为第二目标的最优路径算法。

该算法在求出两个站点之间最少换乘次数的所有可能路线的同时,还给出了其中总行驶时间最少的换乘路线。

对于题中所给的六对公交站点间的交通问题,得到一次换乘可达的线路为:(1)S3359→L436→S1784→L217→S1828 ;(3)S0971→L013→S0992→L417→S0485;(4)S0008→L159→S3614→L058→S0073 ;(6)S0087→L454→S3496→L209→S3676;两次换乘可达的线路为:(2)S1557→L084→S3389→L454→S1427→L447→S0481 ;(5)S0148→L308→S0036→L156→S2210→L417→S0485。

在问题二中同时考虑公汽与地铁线路。

将地铁站点与其临近得公交站点近似得看作一个整体站点可以得到一个增广的网络模型。

于是完全可以仿照问题1的算法来解决问题2。

基于换乘次数最小和时间最短为目标,选择路线如下:(1) S3359→L436→S1784→L217→S1828;(2)S1557→L084→S1919→T1→S3068→L072→S0481;(3)S0971→L119→S0567→T1→S0464→L469→S0485;(4) S0008→L159→S3614→L058→S0073;(5)S0148→L308→S0302→T1→S2512→L051→S0485;(6)S0087→T2→S3676。

公交最优路径选择的数学模型及算法

公交最优路径选择的数学模型及算法

公交最优路径选择的数学模型及算法
雷一鸣
【期刊名称】《湖南城市学院学报(自然科学版)》
【年(卷),期】2008(017)002
【摘要】在公交出行查询系统最关键的部分是寻找两站点间乘车的出行最优路径问题.建立了以最种小换乘次数为第一目标,最小途经站点为第二目标的公交出行最优路径模型.同时,设计了一种算法以确定最优公交线路序列,分析了线路相交的几种情况,给出了换乘点选择方法.
【总页数】3页(P50-52)
【作者】雷一鸣
【作者单位】广东工业大学,华立学院,广州,511325
【正文语种】中文
【中图分类】O232
【相关文献】
1.城市公交最优路径选择的数学模型及其算法 [J], 王庆;潘荣英
2.最优公交线路选择问题的数学模型及算法 [J], 周文峰;李珍萍;刘洪伟;王吉光
3.公交乘车最优线路的数学模型与算法 [J], 蔺焕泉
4.公交乘车最优线路的数学模型与算法 [J], 蔺焕泉
5.基于GBAS的公交出行最优路径选择算法 [J], 许伦辉;林泉
因版权原因,仅展示原文概要,查看原文内容请购买。

基于智能优化算法的城市公交线路优化设计

基于智能优化算法的城市公交线路优化设计

基于智能优化算法的城市公交线路优化设计

城市公交线路优化设计是一个复杂而重要的问题,它直接关系到城市的交通效率、能源消耗和市民的出行体验。随着智能优化算法的发展和应用,基于智能优化算法的城市公交线路优化设计成为一个研究热点,并且在实际应用中取得了显著的效果。本文将从优化目标、智能优化算法的应用、设计流程和案例分析四个方面来介绍基于智能优化算法的城市公交线路优化设计的相关内容。

首先,优化目标是城市公交线路设计的关键。通常,我们的优化目标可以分为两个方面:一是最小化总行驶成本,包括时间成本和能源成本;二是最大化乘客的满意度,包括乘客的出行时间、车辆的拥挤程度等因素。为了实现这两个目标的平衡,我们可以应用智能优化算法来辅助设计城市公交线路。

其次,智能优化算法的应用为城市公交线路优化设计提供了一种有效的方法。智能优化算法是一类基于计算机科学和运筹学的算法,它通过模拟自然界的进化过程或群集行为来实现优化的目标。常用的智能优化算法有遗传算法、粒子群优化算法、蚁群算法等。这些算法通过对线路的调整和优化,可以实现公交线路的最优化设计。

第三,设计流程是基于智能优化算法的城市公交线路优化设计的重要环节。设计流程包括问题定义、数据分析与建模、算法选择与实施、参数调整与优化以及结果评估等步骤。首先,我们需要明确优化的目标和约束条件,然后通过收集和分析城市交通数据来建立适当的数学模型。接下来,我们选择适当的智能优化算法来求解模型,并根据具体情况对算法的参数进行调整和优化。最后,我们评估模型的结果,并根据需要进行反复调整和优化,以得到最终的优化方案。

最后,我们通过一个案例来进一步说明基于智能优化算法的城市公交线路优化设计。假设我们要设计一个城市的公交线路,该城市有多个常用的出行点和交通枢纽,同时有多条公交线路可以选择。我们可以通过收集并分析历史出行数据、交通拥堵情况以及线路之间的换乘情况来建立数学模型。然后,我们选择适合该问题的智能优化算法,如遗传算法,来优化线路的设计。在算法的实施过程中,我们可以根据实际情况调整算法的参数,以取得更好的结果。最后,我们对算法求解的结果进行评估,并根据需要进行调整和优化。 综上所述,基于智能优化算法的城市公交线路优化设计是一项具有挑战性和重要性的工作。通过合理地设定优化目标、应用适当的智能优化算法、遵循科学合理的设计流程以及充分利用历史数据等手段,我们可以有效地优化城市公交线路设计,提高交通效率和市民的出行体验。未来,随着智能优化算法的不断发展和应用,我们相信基于智能优化算法的城市公交线路优化设计将会有更大的突破和进展。

城市公交换乘最佳路径选择的模型和算法

城市公交换乘最佳路径选择的模型和算法

城市公交换乘最佳路径选择的模型和算法
陈密芳
【期刊名称】《石家庄职业技术学院学报》
【年(卷),期】2009(21)6
【摘要】换乘是公共交通中常见的问题.为在公交换乘中选择最佳路径,建立了多目标选择的公交换乘最佳路径算法.其核心是通过建立线路关系矩阵,找到起始站点到目的站点3次换乘之内的所有换乘方案,根据优先考虑的目标从所有方案中选出最
佳路径,并同时考虑发车频率、各站间行驶时间和距离、转乘车行走的时间和距离、交通费用等实际因素.最后用一算例验证了该算法的有效性和合理性.
【总页数】4页(P22-25)
【作者】陈密芳
【作者单位】石家庄铁道学院交通工程分院,河北,石家庄,050061
【正文语种】中文
【中图分类】U121;O232
【相关文献】
1.城市公交最优路径选择的数学模型及其算法 [J], 王庆;潘荣英
2.城市公交换乘数据模型研究及算法实现 [J], 扈震;张发勇;刘书良
3.基于综合矩阵的城市公交网络模型的公交换乘研究及算法实现 [J], 谭泽芳
4.城市公交换乘的数学模型及其算法实现 [J], 王庆平;张兴芳;宋颖;于会增
5.基于深度优先遍历算法-回溯算法的公交网络限时免费换乘优化模型求解 [J], 魏金丽;范鑫贺;刘莲莲;刘阳;任杰睦;孙启龙
因版权原因,仅展示原文概要,查看原文内容请购买。

交通中最优线路问题的数学模型

交通中最优线路问题的数学模型

武汉工业学院毕业论文论文题目:交通中最优线路问题的数学模型姓名吴惠平学号 061201222院(系)数理科学系专业信息与计算科学指导教师同小军2010年 6 月 15日目录摘要 (I)Abstract (II)1.引言 (1)1.1课题来源 (1)1.2 课题简介 (1)1.3 交通中最优线路问题的研究现状 (1)1.4 论文章节安排 (2)本章小结 (2)2.最优线路及最优线路的评价标准 (2)2.1最优线路的定义及评价指标 (2)2.2最优线路评价指标的量化 (3)2.2.1 最短出行线路的量化 (3)2.2.2 最少换乘次数的量化 (3)2.2.3 最低票价的量化 (4)本章小结 (4)3.Floyd算法 (4)3.1 Floyd算法的基本原理 (4)3.2 Floyd算法构造距离矩阵的原理 (5)3.2.1 Floyd算法步骤 (5)3.2.2 回溯法求最短路径 (5)3.3 Floyd算法改进 (6)3.3.1改进Floyd算法原理 (6)3.3.2改进Floyd算法的计算步骤 (6)本章小结 (6)4.多维Floyd算法 (7)4.1 算法的基本思想 (7)4.1.1建立赋权有向图D (7)4.1.2 构造路由矩阵T (7)4.1.3 构造统计矩阵S (8)4.1.4 迭代过程 (9)4.2算法的基本步骤 (10)本章小结 (11)5.Dijkstra算法介绍 (11)5.1 Dijkstra算法原理 (11)5.2 Dijkstra算法的基本步骤 (12)5.3 Dijkstra算法与基本Floyd算法时间复杂度的比较 (12)本章小结 (13)6.Floyd算法实例应用 (13)6.1 问题的提出 (13)6.2 问题分析 (14)6.2.1 问题一的分析 (14)6.2.2 问题二的分析 (15)6.2.3 问题三的分析 (16)6.3 问题求解 (16)6.3.1问题一的求解 (16)6.3.2问题二的求解 (17)6.3.3问题三的求解 (18)6.4 问题的结果 (19)6.4.1问题一的汽车最优路线 (19)6.4.2问题二的汽车和地铁最优路线 (22)6.4.3 问题三的最优线路 (22)本章小结 (22)谢辞 (23)参考文献 (24)附录 (26)摘要交通问题与城市经济和居民生活息息相关,建立以交通网络为基础的交通优化模型就显得尤为重要。

基于改进遗传算法的接运公交线路生成优化模型_许旺土

基于改进遗传算法的接运公交线路生成优化模型_许旺土

文章编号:167320291(2009)0320040205基于改进遗传算法的接运公交线路生成优化模型许旺土a ,b ,何世伟a ,b ,宋 瑞a ,b ,李 娟a ,b ,袁润文a(北京交通大学a.交通运输学院;b.城市交通复杂系统理论与技术教育部重点实验室,北京100044)摘 要:城市轨道交通接运公交线路布设效果直接影响到轨道交通线路的运营效率.为了探讨轨道交通接运公交线路的最优布设方案,以最少线路接运最大客流量为目标,建立了线路生成的优化模型,并给出了求解该模型的改进遗传算法.以北京地铁5号线宋家庄站和刘家窑站的接运公交线路布设方案为例进行分析,结果表明:两个轨道交通站点布设6条接运公交线路能够使接运公交线路的载运能力最大,为205人/(km/h ).关键词:交通工程;接运公交;轨道交通;线路生成;遗传算法中图分类号:U491112 文献标志码:AR oute G eneration Optimization Model for Feeder Bus B ased onAdvanced G enetic AlgorithmXU Wangtu a ,b ,HE Shiwei a ,b ,SONG Rui a ,b ,LI Juan a ,b ,YUAN Runwen a(a.School of T raffic and T ransportation ;b.M OE K ey Laboratory for Urban T ransportation C om plexSystems Theory and T echnology ,Beijing Jiaotong University ,Beijing 100044,China )Abstract :G eneration of feeder bus routes for urban rail transit has a direct effect on the operation efficiency of rail transit line.In order to obtain the optimal con figuration strategy of feeder bus routes ,an route generation optimization m odel of which the objective functions are to minimize the number of feeder bus routes and to max 2imize the feeder passenger v olume is proposed ,for s olving this m odel ,an advanced genetic alg orithm is formu 2lated.Feeder bus routes planning strategy for tw o rail transit stations at Line 5of Beijing Subway ,S ongji 2azhuang and Liujiayao ,is taken as an exam ple ,then the conclusion has been drawn :The maximal transporta 2tion capacity of feeder bus routes could reach at 205pers ons per km per hour when 6feeder routes are set for these tw o rail transit stations.K ey w ords :traffic engineering ;feeder bus ;rail transit ;route generation ;genetic alg orithm 收稿日期:2008-05-30基金项目:“863”国家高科技资助项目(2006AA11Z 203);霍英东基金(104007);北京交通大学重点基金资助项目(2006XZ 004)作者简介:许旺土(1981—),男,福建漳州人,博士生.em ail :ato1981@.何世伟(1969—),男,重庆市人,教授,博士生导师. 接运公交线路(Feeder Bus R outes )指专门为轨道交通集疏乘客的常规地面公交线路的总称,它可以是常规巴士线路、中运量公交(如BRT )、无轨电车线路等.建设接运公交线路的目的是为了保证现有轨道交通线路有足够的客流量,充分发挥轨道交通的运能[1].随着轨道交通在城市交通中的主导地位日益明显,如何布设接运公交线路、优化接运公交网络已成为很多城市公交工作者和学者的研究热点.在国外的研究中,以Vuchic 的著作最具有代表性,他提出了根据最大客运需求确定接运公交线网结构的有效方法[2];Martins 和Pato 对轨道接运公交线路条数及布设方法进行了综述,并提出了线路布设的寻优算法[3];Chien 和Schon feld 深化了先前的研究,提出了针对枢纽节点站,结合主干线—支线发车时刻协调的接运线路布设优化方法[4];Shrivastava第33卷第3期2009年6月 北 京 交 通 大 学 学 报JOURNA L OF BEI J I NGJ I AOT ONG UNI VERSITY V ol.33N o.3Jun.2009和O ’Mahony 做了类似Chien 和Schonfeld 等人的工作[5];K uan 等人引进了启发式遗传算法求解接运巴士网络优化的N -P 难问题[6];Verma 和Dhingra 从整合轨道交通和接运线路运营出发,探讨了其线路布设的优化模型[7].国内由于轨道交通的建设和运营相对落后,对它的接运线路布设的研究比较少,蒋冰蕾、孙爱充[1]指出合理的接运公交线网是城市快速轨道交通系统充分发挥作用的保证;陆化普提出接运公交线网规划的关键环节是接运站点的选取和接运路线的优化[8];曹玫[9]、覃 和宗传苓[10]等学者也完成了此方面的研究.上述的研究大多围绕乘客等待时间最小化、发车计划最优来求解接运公交线路布设和网络优化问题,很少探讨接运公交的布设和客流集疏优化的关系.因此,本文作者以单位时间内单位里程集疏客流量最大化为目标,同时力求所设的线路条数最小,设计了轨道交通接运公交线路布设的优化模型,采用改进的遗传算法对模型进行求解,最后测试了算法的效率.1 优化模型考虑如图1所示的轨道交通线路,沿线有一系列的接运站点.这些客流集散点可以是常规公交车站、居住小区、各类设施等,它们存在较大的客运需求,需要直接被运送到轨道交通车站,以减少常规公交的压力.本文研究如何布设接运线路连接接运站点和轨道交通车站,并假设:图1 接运公交线路示例Fig.1 Exam ple of feeder bus routes1)接运站点及每小时的客运需求量、每两个轨道交通站点间的出行费用、各个站点与轨道交通站点间的最短距离、最大公交线路长度、公交线路的数量、容量、公交车的运营速度等均已知.2)每个接运公交站仅对应唯一的接运公交线;按照站点间的最短路径布线;每条接运公交线仅与一个轨道交通车站相连.3)所有的接运公交车都以标准的运营速度和载客量运行.4)接运公交车在其线路上的所有停靠站都停站.5)设置的线路越少越好,并力求单位里程接运的客流量最大.基于以上要求,建立接运公交线路布设的优化模型.其中,基本的符号定义如下:N 为接运系统中所有站点的集合,N =N F ∪N R ,其中,N F 为接运站点的集合,N R 为轨道交通站点的集合;L 为接运公交线路的集合,l ∈L 表示第l 条接运公交线路;l (k )为第l 条接运公交线路的第k 个站点;q (k ,m )为单位时间内两个站点k 和m 之间的接运需求量;Q 接运站点间单位时间内的接运需求矩阵,显然Q ={q (k ,m )},Πk ∈N ,Πm ∈N ;D l 为第l 条接运公交线路的长度;S l 为第l 条接运公交线路的服务站点总数.建立如下的优化模型,目标函数为max f (Q )=∑k ∈N ∑m ∈N[q (k ,m )+q (m ,k )]2∑l ∈LDl(1)min card (L )(2)其中:第(1)个目标函数要求单位时间内单位里程接运线路运送的客流量最大;第(2)个目标函数要求设置的线路条数最少,函数card (L )表示集合L 的元素个数.考虑以下约束条件:①起终点条件约束1接运公交线路的终点必须为轨道交通车站,即对于所布设的接运线路,有l (S l )∈N R ,Πl ∈L(3) ②线路长度约束D min ≤D l ≤D max ,Πl ∈L(4)式中,D max 、D min 表示线路长度的上、下限(km ),根据各个城市的特定情况确定[11].③布线总数约束card (L )≤U max(5)其中:U max 表示布设的接运公交线路总数的上限.综上,可将上述优化模型写为max f (Q )=∑k ∈N ∑m ∈N[q (k ,m )+q (m ,k )]2∑l ∈LDlmin card (L )s.t.l (S l )∈N R , Πl ∈L D min ≤D l ≤D max , Πl ∈Lcard (L )≤U max(6)14第3期 许旺土等:基于改进遗传算法的接运公交线路生成优化模型2 求解算法规划式(6)是非线性多目标规划模型,其中变量个数是变化的.对于此类模型,无法用确定性解析法求解,一般采用启发式算法[12].本文作者设计了一种改进的遗传算法求解该问题11)染色体编码方式1整个接运公交线网用一个十进制整数串来表示.每个整数串又由几个子串组成,每个子串为一条接运公交路线上接运公交车站的序列,并以它所接运的轨道交通车站结束,其十进制编码的位数,根据接运站的编号来确定,轨道交通车站的编号从最大的接运公交车站编号后一位开始.如:R oute1(123811),R oute2(56710),R oute3(4 912)1它所代表的接运公交线网染色体为:(1 2 3 8 11 5 6 7 10 4 9 12)1其具体意义为该接运公交线网由R oute1、R oute2和R oute33条线路组成,3个轨道交通站(编号10、11、12)分别为这3条线路的终点.这种表示法是唯一的,一个染色体仅能标识一个解向量.由于字符串中的每个轨道交通车站都表示一条线路的终点,要将染色体分解为若干条线路很简单.2)初始化过程1定义整数pop-size为染色体的个数,为了使产生的染色体具有相同的长度,将染色体的长度设置为card(N F)+U max,即接运公交站数和设线条数上限之和,原因是所有的card(N F)个接运站点都必须编码,而最多产生U max条接运公交线路,对于线路条数不足U max的初始线网,在染色体的任何位置补“0”,初始化的具体的操作可参见实例分析.3)评价函数及染色体适应值.初始的接运公交线路随机产生.一个解的适应值是由其目标值测定的,本文中接运公交线路优劣的评价函数采用文献[13]中基于序的评价函数,其中评价函数对多目标函数值的处理方法是,设定两级目标函数,如果两个染色体的高一级目标函数(本文中为单位时间内单位里程的接运客流量)相同,那么当前一级目标函数(布线的条数)中染色体所对应的目标值越小越好,如果两个染色体两级的目标函数值都相等,那么就认为两个染色体完全相同.4)选择策略.遗传算法在运行早期个体差异较大,当采用传统的轮盘赌方法时,后代产生的概率和适配值大小成正比,这样会使遗传算法早期优秀个体的后代充斥整个种群,造成早熟现象.而在遗传算法后期,适配值趋于一致,优秀个体在后代中优势不明显,使整个种群进化速度趋于停滞.若将模拟退火算子[12]加在常规遗传算法上可以有效地解决这一问题,具体做法可参考文献[11].采用此方法进行选择操作,可以使适应值相近的个体被选择复制的概率差异放大,从而使优秀个体的优势更为明显.这样可以同时在很大程度上避免前期早熟和后期进化缓慢等问题.5)交叉策略.采用文献[13]中的交叉策略.定义P c为交叉操作的概率,每次种群中平均有P c・pop-size个染色体进行交叉操作.6)变异策略.为了保持种群的多样性,定义P m为遗传系统中的变异概率,这个概率表明每次进化中平均有P m ・pop-size个染色体用来进行变异操作.由i=1到i=pop-size,重复下列过程:从区间[0,1]产生随机数r,若r≤P m,则重新生成第i个染色体,并检验其可行性,若可行,则用新的染色体代替原来的染色体.3 实例分析以北京地铁5号线宋家庄站和刘家窑站周边接运站点接运线路布设为实例进行分析.北京地铁5号线开通以来,最高日客运量超过了43万人次,最大客流断面出现在城区的换乘站附近,为了使断面客流均匀分布,建议在线路南部的两个站:宋家庄和刘家窑两站设置相应的接运线路,目的是迅速集散客流,方便乘客出行.宋家庄和刘家窑附近公交站点以市场、集贸区为主.以大红门为代表的贸易区站点每日的公交客流量非常大,市区的常规公交无法满足客运需求,因此建议在此区域设置接运线路,通过5号线迅速集散局部站点的客流量.以宋家庄和刘家窑地铁站区域为辐射中心,选取了12个重要的站点作为接运公交站点,其中包括典型的居住小区、集贸市场、体育场馆、商业大楼等.各个接运站点及其对应的编号为:光彩路1,大红门2,光彩体育馆3,沙子口路4,石榴园小区5,赵公口长途汽车站6,宏大家园7,通建大厦8,静馨嘉苑9,爱家家居10,成仪路11,分钟寺市场12.另外,为了编码的连续性,将宋家庄地铁站编号为13、刘家窑地铁站编号为14.各个站点间的高峰小时接运需求矩阵Q,如表1所示,各个站点间的最短距离矩24北 京 交 通 大 学 学 报 第33卷阵可以参见文献[11].表1 站点间高峰小时接运需求O2D矩阵(人/h) T ab.1 O2D matrix of peak hour passenger demand v olume between each station(pers ors/h) OD123456789101112131410152862835143536645252715174538 2640251695026629261028541612871345 3917607232105871447209425229129 4317777038913572334283961177159 59162353102052044744164055171293 635627334120303135753516012451300 7782414164052020258099120206381 83785749375124059834461192182 958456158731325300791443301403 10107944716209586141007645327463 11165230542030682410185077164303 125853762056170258243101570408359 13180185721216716014801201893043461813930174 14120130513117627215301911543914482733571670 根据第1节的新增接运公交线路布设的优化模型布设线路,假设布线数目最小不能少于2条、最多不能超过8条;接运线路最短不能少于215km,最多不能超过20km.采用第2节所提出的改进遗传算法求解问题,主要的步骤为.1)编码设计.首先,根据各个站点编号,采用第2节的编码方案,但为了计算中交叉的便利性,必须要求染色体的长度相等,因为不同的布线条数会导致线网染色体长度不同,如:(123451369814710111214)表示设置3条接运线路,即1-2-3-4-5-13(宋家庄); 6-9-8-14(刘家窑);7-10-11-12-14(刘家窑).它与染色体(121345714689131013111214)的长度不同,后者表示设置了5条线路,这样动态长度的染色体将无法进行交叉和变异操作,为了解决这个问题,考虑到接运线路布设条数的上限U max为8条,且一条接运线路只能对应一个轨道交通站点,所以将染色体长度设置为20(12(接运站点数)+8(最多的轨道交通站点数(一条接运线路对应一个轨道站点终点))),不足8条的线网染色体可通过补“0”达到20位长度,比如以上染色体在编码时可分别写为:(123 45013069081407010111214)和(1213405714680913101301112014).“0”在染色体中的作用仅是使长度一致,比如,染色体在分解线路时, (12345013069081407010111214)被分解为1-2-3-4-5-13、6-9-8-14、7-10-11-12 -14.同时规定“0”可以放置在染色体中除第一位和最后一位的任意位置.2)编程实现.采用C++语言进行遗传算法编程,包括初始化、选择、交叉与变异操作等,染色体用数组表示.3)输入数据和常量值.输入数据包括:各个站点的编号、表1中接运客流OD量、各个站点间最短路径的值[11]、目标函数分级(本实例优先考虑的目标函数值为单位时间内单位里程上接运的客流量,即第一个目标函数).模型中的常量值为:基于序的评价函数参数取0190[13],选择操作中模拟退火初始温度T0取110、C 取510、D取1010[11].4)结果分析1采用不同的5组交叉、变异、降温速度参数,运行程序后(300代遗传),得到了如表2所示的结果.表2中,参数k为模拟退火算法的降温速率[11],从表2可知,不同的参数策略对应的优化过表2 5种不同参数策略得到的计算结果T ab.2 Calculating results for5different parameters strategies编号pop-size P m P c k最优解收敛代数1级目标函数值150011011019(10813603413151321371113912014)4020515 250012013017(10813603413151321371113912014)6820515 3100012013018(10813603413151321371113912014)2520515 430011012019(81013456013131321371113091214)20416414 520012013017(8100456013131321371113091214)3001641734第3期 许旺土等:基于改进遗传算法的接运公交线路生成优化模型程不同,采用50个种群可使得算法的效率较高,收敛速度较快,而当种群数量低于50的时候,算法不稳定,收敛的效果远不如50个种群.所以,本程序的应用必须采取种群数大于50;另外,从表2可知交叉变异概率以及降温速度对本算法效率的影响较小.采用表2中的第一个参数策略,即种群为50代、交叉和变异概率分别取011和011,降温速度为019的条件下,一级目标函数过程的初始解较小,收敛较快,从第40代就收敛,证明了算法效率较高.根据该参数策略下的最优解(108136341315132137111391214)得到需要规划6条接运线路能够使得单位里程上接运的客流量最大,达到205人/(km/h ),这6条线路分别为:R oute 1:10-8-13;R oute 2:6-3-4-13;R oute 3:1-5-13;R oute4:2-13;R oute 5:7-11-13;R oute 6:9-12-14.其中宋家庄(13)所对应的接运线路最多,各条线的布设如图2所示.图2 第1种参数策略对应的接运公交线路布设方案Fig.2 R oute arrangement planning of feeder buses for the first parameter strategy4 结论轨道交通接运公交线网规划是一个重要的问题,它关系到整个城市公共交通系统载运能力的发挥.本文探讨了接运公交线路的布设方法,建立了接运公交线路设置的双目标模型,提出了一种改进的遗传算法进行求解,并结合北京地铁五号线宋家庄站和刘家窑站接运公交线路的布设进行了实例分析,结果证明了模型的有效性,并得出了优化的接运公交线路布设方法,以期为相关决策部门提供依据.论文未能探讨接运公交布线实际工程可行性对模型目标函数的影响,也未分析遗传算法的时间复杂度.结合不确定的客流需求进行接运公交网络的设计、分析轨道交通线路和接运线路在时刻表上的协调优化,是后续研究内容.参考文献:[1]蒋冰蕾,孙爱充.城市快速轨道交通接运公交路线网规划[J ].系统工程理论与实践,1998(3):130-134.J I ANGBinglei ,S UN Aichong.Urban Rapid Rail T ransit Feed 2er Buses R outes Planning [J ].System Engineering Theory &Practice ,1998(3):130-134.(in Chinese )[2]Vuchic V R.Urban T ransit :Operation ,Planning ,and Eco 2nomics[M].H oboken ,New Jersey :John Wiley &S ons ,Inc.,2004.[3]Martins C L ,Pato M V.Search S trategies for Feeder Bus Net 2w ork Design Problem[J ].European Journal of Operation Re 2search ,1998,106:425-40.[4]Chien S ,Schon feld P.Joint Optimization of A Rail T ransit Lineand I ts Feeder Bus System [J ].Journal of Advanced T rans 2portation ,1998,32(3):253-284.[5]Shrivastava P ,O ’M ah ony M.A M odel for Development of O pti 2m ized Feeder R outes and C oordinated S chedules :A G enetic Alg o 2rithms A pproach[J ].T rans port P olicy ,2006,13(5):413-425.[6]K uan S N ,Ong H L ,Ng K M.S olving Feeder Bus Netw orkDesign Problem by G enetic Alg orithms and Ant C olony Opti 2mization[J ].Advances in Engineering S oftware ,2006,37(6):351-359.[7]Verma A ,Dhingra S L.Feeder Bus R outes G eneration WithinIntegrated Mass T ransit Planning Framew ork [J ].Journal of T rans portation Engineering ,2005,131:822-834.(下转第51页)44北 京 交 通 大 学 学 报 第33卷tong University,2006,30(3):5-9.(in Chinese)[6]兰淑梅.京沪高速铁路客车开行方案有关问题的研究[J].铁道运输与经济,2002,24(5):32-34.LAN Shumei.Research on S ome Problems of T rain Plan for Jing-Hu High-S peed Railway[J].Railway T ransport and E2 conomy,2003,24(5):32-34.(in Chinese)[7]张拥军,任民.高速列车开行方案研究[J].西南交通大学学报,1998,33(4):400-404.ZH ANG Y ongjun,RE N M in.Research on Plans for High-S peed T rain[J].Journal of S outhwest Jiaotong University, 1998,33(4):400-404.(in Chinese)[8]何宇强,张好智.客运专线旅客列车开行方案的多目标双层规划模型[J].铁道学报,2006,28(5):6-10.HE Y uqiang,ZH ANG Haozhi.Multiobjective Bi-Level Pro2 gramming M odel of Making T rain W orking Plan for Passenger-Only Line[J].Journal of the China Railway S ociety,2006,28(5):6-10.(in Chinese)[9]汪波,杨浩,张志华.基于周期运行图的京津城际铁路列车开行方案研究[J].铁道学报,2007,29(2):8-13.W ANG Bo,Y ANG Hao,ZH ANG Zhihua.The Research on the T rain Operation Plan of the Beijing-T ianjin Intercity Rail2way Based on Periodic T rain Diagram[J].Journal of the China Railway S ociety,2007,29(2):8-13.(in Chinese)[10]European Rail Summer T imetable[Z].[s.l],2003.[11]欧洲铁路票预订系统[O L/DB].[2008-02-26].http:∥w w /railpro/eurailpass/xuzi3/main.htm.European Railway T ickets Scheduled System[O L/DB].[2008 -02-26].http:∥w w /railpro/eurailpass/ xuzi3/main.htm.[12]法铁国际公司联合I BM全球服务中国有限公司,北京交通大学.提高中国铁路客运服务质量和运营效率中期报告:项目编号4864[R].北京:法铁国际公司联合I BM全球服务中国有限公司,北京交通大学,2007.S NCF Unites China Ltd.of I BM G lobal Service Inc,Beijing Jiaotong University.Medium-T erm Report of Im provement of Chinese Railway Passenger Service Quality and OperationalE fficiency:Project N o.4864[R].Beijing:S NCF Unites ChinaLtd.of I BM G lobal Service Inc,Beijing Jiaotong University, 2007.(in Chinese)[13]Claessens M T,Van Dijk N M,Z waneveld P J.C ost OptimalAllocation of Rail Passenger Lines[J].European Journal of Operational Research,1998,110:474-489.(上接第44页)[8]陆化普.城市轨道交通规划的研究与实践[M].北京:中国水利水电出版社,2001.LU Huapu.Urban Rail T ransit Planning:Researches&Prac2 tices[M].Beijing:Publishing H ouse of China Water Res ources and Hydropower,2001.(in Chinese)[9]曹玫,林小涵.基于遗传算法的城市轨道交通接运公交线网规划[J].武汉理工大学学报:交通工程与科学版, 2005,25(4):568-570.C AO Mei,LI N X iaohan.Urban Rapid Rail T ransit FeederBuses R outes Planning Based on G enetic Alg orithm[J].Journal of Wuhan University of T echnology:T ransportation Science& Engineering,2005,25(4):568-570.(in Chinese)[10]覃 ,宗传苓.轨道交通接运系统规划方法[J].城市交通,2006,14(5):6-12.QI N Y u,Z ONG Chuanling.An Analysis on Rail T ransit T rans2 fer System Planning[J].Urban T ransport of China,2006,14(5):6-12.(in Chinese)[11]袁润文.配合城市轨道交通的常规公交线网调整研究[D].北京:北京交通大学,2008.Y UANG Runwen.Research on Bus Line Netw orks Adjustment for Urban Rail T ransit[D].Beijing:Beijing Jiaotong Univer2 sity,2008.(in Chinese)[12]杨浩.模型与算法[M].北京:北方交通大学出版社,2002.Y ANG Hao.M odel&Alg orithm[M].Beijing:N orthern Jiao2 tong University Press,2002.(in Chinese)[13]刘宝锭,赵瑞清,王纲.不确定规划及运用[M].北京:清华大学出版社,2003.LI U Baoding,ZH AO Ruiqing,W ANG G ang.Uncertain Pro2 gramming with Applications[M].Beijing:Tsinghua University Press,2003.(in Chinese)15第3期 付慧伶等:基于欧洲列车时刻表的高速列车行车组织方案。

CUMCM优秀论文-公交车调度优化模型【数学建模】(可编辑)

CUMCM优秀论文-公交车调度优化模型【数学建模】(可编辑)

CUMCM优秀论文-公交车调度优化模型【数学建模】维普资讯第19巷建摸专辑工程数学学报Voll9Supp。

月JOURNAL OFENGINEERING MATHEMATICS Feb 2002文章编号:1005―3085(2002)05―0095―06公交车调度优化模型李成功,脱小伟,郭尚彬指导教师:祁忠斌(兰州工业高等专科学校,兰州 730050)鳙者按:本文根据时同和空间客流不均衡变化的情况研究车辆蔼度的规律.在保证一定收益和使顾客满意的情况下给出了调度时刻表。

率文分析问题比较精细,叙连通顺倚练。

本文的不足之址是对原题中50%与 120%的不葡提法考虑不够摘要:车文主要研究了一条公空线路在其每时段内各个车站点的客流坑计数据为已知情况下的车辆运行计埘时刻表的制定问题。

一般情况下.公寰公司在调查研究取得一定数据的基础上帮是按”接连开出的方法安排工作目的车辆行车调度表.使得在运行期内.一组车辆“鱼贯而出.再鱼贯而^ ,而我们主要田F究了-随着时间和空甸上客流不坷街性的变化.车辆应如何调度的规律,建立了目标规j}I模型。

实现了有早出,有晓出.车辆有多青少的调度计划。

在保证一定效益和顾客满意的情况下.使在岗车辆的总运行时间最短。

所有的计算都在计算机上实现,得出了调度时刻表,且最少的车辆散为 42。

顾客与公交公司的满意程度比为:068:046.关麓面:公变车调度;客流量;目标规划分粪号:AMS(2000)90C08 中囤分类号:TB114 1 立标识码:A1 已知数据及问题的提出我们要考虑的是某城市的一条公交线路上的车辆调度问题。

现已知该线路上行的车站总数 N (:14),下行的车站总数 N (=13)。

且在问题中给出了某一个工作日(分为 m 个时间段,第时间段的时问跨度为£.=1小时)中第时间段第站点上行方向上、下车的乘客数量为 Q ( ),Q ( ),第时问段第J站点下行方向上、下车的乘客数量为 Q ( ),Q (,);上、下行站点问的距离分别为 L,,L,。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2
问题重述
我国人民翘首企盼的第 29 届奥运会明年 8 月将在北京举行,届时有大量观众到现场 观看奥运比赛,其中大部分人将会乘坐公共交通工具(简称公交,包括公汽、地铁等) 出行。这些年来,城市的公交系统有了很大发展,北京市的公交线路已达 800 条以上, 使得公众的出行更加通畅、便利,但同时也面临多条线路的选择问题。针对市场需求, 某公司准备研制开发一个解决公交线路选择问题的自主查询计算机系统。
题目针对三种出行方式(公共汽车,地铁,步行)的不同特点,提出了三个问题。 第一问中,只有公共汽车可供选择。根据现实生活的经验,公交车价格低廉,容易 遇到堵车等问题。在乘客只乘坐公交出行时,路线选择的主要因素通常不是价钱和时间, 而是换乘次数。基于这种情况,在这一问中,我们建立了以换乘次数最少为第一目标的 模型。在模型求解中,我们尝试了三种算法,即尽量不换乘的贪婪算法、优化的生成树 算法、计算任意两个站点间经过几次换乘能够到达的算法——Floyd 算法,并比较了各 自的计算结果和时空复杂度。发现优化的生成树算法时空复杂度最小,是满足需要的最 优算法。 第二问中,引入了地铁这种独具特色的出行方式。地铁是一种快捷的出行方式,选 择地铁的乘客,通常把“时间短”看的比“换乘少”更重要,很多人宁愿增加换乘次数, 也不愿坐长时间的直达车。这时由不同的需求出发,会得到几种差异很大的结果,因此 我们分别针对乘车时间最少、乘车费用最少和换乘次数最少建立了三个模型进行求解, 最后还搭建了综合评价的算法以适应需求不明确的用户,同时做出了相应的评价。 第三问中,由于我们已经知道了所有站点之间的步行时间,同时根据日常生活的经 验发现,人们常常不选择频繁换乘,而是选择下了车步行去一个较近的站点换乘,这样 减少了换乘次数,同时也减少了由于换乘所耗费的时间和金钱。所以我们人工设立一个 邻近站点的时间上确界,以权衡两个站点之间是否可以选择步行而不是换乘。同时将邻 近站点加入到搜索域进行扩展搜索,从而选择出包含公交、地铁和步行的最佳路线。 最后我们结合现实生活中的公交选择问题对本题做了扩展。提出并分析了蚂蚁算 法,该算法主要是根据统计人们以往选择情况来决定最优路径。
(1)、S3359→S1828 (2)、S1557→S0481 (3)、S0971→S0485 (4)、S0008→S0073 (5)、S0148→S0485 (6)、S0087→S3676 2、同时考虑公汽与地铁线路,解决以上问题。 3、假设又知道所有站点之间的步行时间,请你给出任意两站点之间线路选择问题的数 学模型。
基于生成树算法的公交地铁线路选择模型
摘要
本文建立了优化生成树算法模型以解决公交线路选择问题。生成树算法以起始站作 为树的根结点,用树的高度的不断增长代表换乘次数的增长,从而发现起始站在不同换 乘次数下所能到达的所有站点,通过判断这些站点中是否存在终止站,找到所有从起始 站到终止站的所有路径,再根据决策变量找到最优路径。
另外,旅途时间和旅行费用也是行者关心较多的问题,所以本问选择最短时间为第 二目标,最省费用为第三目标。即:在所有可行路径中选择换乘次数最小,且在满足此 目标条件下使时间最短的条件下费用最省的路径为最优路径。
由以上原则,选择“换乘次数,时间,费用”字典序的排列的最小值作为目标函数。
图1
4
2 模型假设: 1. 假设乘客在起始公交汽车站的等候时间为零。 2. 假设没有随机突成树 Floyd 公交 地铁 路线选择 换乘 时间 费用 步行
1
目录
摘要............................................................................................................................... 错误!未定义书签。 目录................................................................................................................................................................. 2 问题重述......................................................................................................................................................... 3 问题分析......................................................................................................................................................... 3 问题一............................................................................................................................................................. 4 问题二........................................................................................................................................................... 11 问题三........................................................................................................................................................... 15 模型扩展....................................................................................................................................................... 16 参考文献:................................................................................................................................................... 17 附录:........................................................................................................................................................... 17
乘客对线路的选择往往受到以下几个因素的影响: 1) 换乘次数,是指乘客从起点到终点的过程中,一共乘坐了几辆公交车; 2) 出行耗时,指乘客从起点到终点的过程中所需的时间。
包括乘车时间,和换乘时的步行和等候时间; 3) 出行费用,指的是乘客为完成一次出行过程中所支付的各种车费的和。
不同乘客对于各项因素的重视程度是不同的。有些人优先考虑较少的换乘次数,有 些人则优先考虑较低的出行耗时。为满足乘客的不同需求,我们同时考虑了“乘车时间 短、乘车费用低和换乘次数少”这三种要求。
根据以上分析,模型的目标确立较为简单,而怎样在数量庞大的行车路线和站点间 选择出符合各种目标的路线,是问题的关键。
3
题目中的交通信息分为三类: 1.公交车和地铁的详细线路。 2.公交车与地铁的票价详情。 3.乘客乘车或换乘所需要耗费的时间。
题目针对三种出行方式(公共汽车,地铁,步行)的不同特点,提出了三个问题。 第一种情况,只有公共汽车可供选择。根据现实生活的经验,公交车价格低廉,容 易遇到堵车等问题。在乘客只乘坐公交出行时,路线选择的主要因素通常不是价钱和时 间,而是换乘次数。基于这种情况,在这一问中,我们建立了以换乘次数最少为目标的 模型。 第二问和第三问中,引入了地铁和步行两种各具特色的出行方式。地铁是一种快捷 的出行方式,选择地铁的乘客,通常把“时间短”看的比“换乘少”更重要,很多人宁 愿增加换乘次数,也不愿坐长时间的直达车。而步行扩大了换乘时的选择范围。这时由 不同的需求出发,会得到几种差异很大的结果,因此我们分别针对乘车时间最少、乘车 费用最少和换乘次数最少建立了三个模型进行求解。
优化生成树算法是优化后的生成树算法,与原算法的主要区别是树从起始站和终点 站两端同时生长。题目中要求从实际情况出发考虑,满足查询者的不同需求,因此我们 将决策变量分别设为乘车时间最短、乘车费用最少、换乘次数最少以及综合评价。
题目中所给的信息主要分为两类:每一条公交或者地铁线路的途经站、公交车辆与 地铁的票价以及乘客乘车或换乘所需要耗费的时间。题目最终是要根据这些数据以求得 所给的始末站的最优乘车线路。选择的步骤应该首先给出从起始站出发到达终点站的所 有乘车线路,再根据不同人群的需求,从所有的线路之中选出基于不同评价标准的最优 线路。
3 符号说明: V0 起始站点 Vλ 终止站点 pij 换乘 j 次可以到达的线路 i vij 换乘 j 次可以到达的站点 i Ni 换乘次数 Ti 出行花费的时间 TR 出行路线的集合 W (k) 时间矩阵:存放各站之间相互到达所需要的时间 R(k) 站点路由矩阵:存放各站之间相互到达所需要经过的路由
为了设计这样一个系统,其核心是线路选择的模型与算法,应该从实际情况出发考 虑,满足查询者的各种不同需求。请你们解决如下问题: 1、仅考虑公汽线路,给出任意两公汽站点之间线路选择问题的一般数学模型与算法。 并根据附录数据,利用你们的模型与算法,求出以下 6 对起始站→终到站之间的最佳路 线(要有清晰的评价说明)。
相关文档
最新文档