南宁市公交线路的合理分析研究(初稿).doc

南宁市公交线路的合理性分析研究数计学院 *摘要：论文在对南宁市现有的公交线路现状进行合理性分析后，认为南宁市存在公交线路重复系数大、支路系统不完善，以朝阳商圈为城市中心的交通压力过大等现状。论文尝试在定量分析的基础上，利用粒子群算法对南宁市现有公交网络进行优化设计，以实现最大客流量覆盖，以及公交站点的合理设置。关键词：公交线路；合理性分析；粒子群算法；优化设计。A Rational analysis and Study Concerning About the Bus Lines of NanningMathematics and Computer Science College Yang ShengyiAbstract: The paper in carries on the rational analysis after the Nanning existing bus lines present situation, pointed out that Nannings existence bus lines overlap factor is big, the leg system is imperfect, take Chaoyang business circle as urban center the traffic pressure oversized ,and so on. The paper attempt in quantitative analysiss foundation, use grain of subgroup algorithm carries on the optimization design to the Nanning existing public transportation network, realizes the maximum passenger capacity cover, as well as public transportation stands reasonable establishment.Keywords: Bus Line; Rational analysis; Grain of subgroup algorithm；Optimization design.1、 引言公共交通与其它交通方式相比具有人均占用道路少、能源消耗低、运输成本低、污染相对较小、客运量大，运送效率高等优点，它是解决大、中城市交通拥堵等交通问题的有效方式之一。公交系统作为城市公共交通系统的重要组成部分，公交线路的合理规划对实现城市可持续性发展和交通方式大众机动化起着决定性作用。合理的公交线路布局，可以充分发挥公共交通的运输能力，缓解城市交通紧张状况，方便市民的出行。与此同时，也可以减轻城市其它方式的交通运输量对道路的占用，减轻城市道路系统的交通压力。东盟博览会落户南宁以来，政府部门对南宁的城市经营理念由过去的“建设大西南出海通道”迅速转换为“把南宁建设成为一个现代化的国际大城市”。作为一个现代化的大城市，公共交通系统无疑是一项非常重要的硬件指标，随着城市人口的不断增加，城市交通的压力越来越大，合理的公交线路设计和布线将对这座中国的“绿城”实现城市的快速可持续性发展，实现国际化大都市的目标起着举足轻重的作用。随着南宁市的快速发展，出现很多新的道路和区域，这也表示着公交网络将要进一步扩大。但目前，南宁市仍然存在公交线路不合理以及不少区域没有通公交线路的情况，给市民的出行带来不便。2、 南宁市公交线路现状分析2.1朝阳商圈单中心的公共交通状况2006年，南宁市公交车辆有2196辆（2548标台），公交线路119条，万人拥有公交车 16.56标台；2007年，车辆数增至2351辆（27774.9标台），公交线路达132条，万人拥有公共汽车17.91标台【1】。从南宁市交通运输局公交科处了解到，目前（2010年）南宁拥有2400多辆公交车，万人公交车数达到19.7标台，大大超过了我国特大城市公交汽车数量万人拥有率1012标台的标准，可以说，目前南宁公交车的投放量还是比较饱和的。但是我们也看到南宁中心城区的公交车覆盖率达到95%以上，中心区域周边的覆盖率也达到90%以上【2】。显而易见，南宁市的公交现状依旧没有脱离现有的朝阳商圈的单中心的巨大吸引作用，使得南宁市中心的交通压力过大。2.2市中心区域公交线路重复系数大 南宁市城市道路资源本来就少，再加上在城市繁华区域人流量大公交线路较多，主要道路上的公交线路重复系数大，经常会出现公交车集结现象，导致交通拥挤堵塞。以大学东路和民族大道为例，在上下班高峰时期和周末，经常会有七八辆公交车同时等待进站。公交车体积大，调转不便，造成外侧车道的经常性堵塞。在公交车进站时，其后面无需停站的公交车就会缓慢的挤到其左侧企图通过，使单项通行空间由原本3车道减少为1车道，造成了路段瓶颈。在星湖路南湖公园北门路段，节假日高峰时期这种情况更加突出，有时甚至有十几辆公交车首尾相接堵住那里，使原本单向2车道的星湖路的交通基本瘫痪。 2.3支路系统不完善，公交线很难覆盖南宁市老城区的支路建设尚不成体系，道路通达性低、线性不好等，通公交车的又有许多地方不畅（路边停车、占道经营等）。虽然南宁市老城区支路系统不完善的情况是由很多复杂的因素造成的，但是建设好南宁市支路网系统无疑会对改善南宁市交通起到重要作用。 南宁市的快速发展，出现很多新的道路和区域，但由于各种原因公交线路未能同步规划实施，南宁仍有不少区域没有通公交线路，没有公交车，居民出行得借助其他交通工具。 2.4信号灯周期过长这主要是支路不发达，左转车辆较多导致信号灯周期较长。信号灯周期过长使得一次排队等候的车队过长。高峰时期，前方信号灯红灯亮起甚至会使车队排到后一次路口，阻碍后一个路口车辆的正常通行。同时，由于信号灯周期长，一些司机缺乏耐心，不按交通规则越道行驶，往往发生左转的车辆走在了直行道上，这些违规车辆要么想方设法想挤进左转车道，要么不得不停止那里，影响了正常车辆的行驶，造成人为性的交通堵塞。要解决这一问题，关键是要做好支路网规划，同时要科学研究信号灯配时，根据路面交通状况合理调整信号灯的相位变化周期，此外还要进一步强化交通管理，确保交通规则得以执行。图2-1上图是民族大道园湖路口东段因信号灯引起的车辆排队情况。3、 基于粒子群算法的南宁市公交线路优化考虑到南宁现在的公交线路网络已经趋于成熟，全部重新设计公交线路网不太现实，所以本论文尝试在定量分析的基础上，利用粒子群算法对南宁市现有公交网络进行调整和改善的优化设计。3.1、粒子群算法简介粒子群算法是基于群体的演化算法，算法的思路来源于人工生命和演化计算理论。主要是指每个粒子都有自己的位置和速度，有一个由被优化函数决定的适应值。每个粒子记忆并追随当前的粒子群中的最优粒子，在解空间中搜索。每次迭代的过程不是完全随机的，如果找到较好的解，将会以此为依据寻求下一个解。由于粒子群算法能够处理连续优化问题，及进行多次搜索，所以可以用该算法对公交线路网进行优化调整。算法步骤：1）在每一次迭代中，粒子通过跟踪两个极值来更新自己。第一个就是粒子本身所能找到的最优解，叫做个体极值点（以pbest表示它的位置）；第二个就是整个种群目前找到的最优解，叫做全局极值点（以gbest表示它的位置）。2）粒子的信息可以用维向量表示，位置表示为,速度表示为。则速度和位置更新方程为 其中，是粒子i在第k次迭代中第维的速度；是加速系数，分别调节向全局最好粒子和个体最好粒子方向飞行的最大步长，一般情况下是，之间的随机数；是粒子i在第k次迭代中第d维的当前位置；是粒子i在第k次迭代中d维的个体极值点的坐标位置；是整个群在第k次迭代中第d维全局极值点的坐标位置。3.2、公交线路优化考虑的因素A：目标条件1）乘客出行总时间。 .(1)其中，T1是乘客从出发点到公交站台的时间；T2为平均候车时间，其中为平均公交车发车间隔时间，为公交车平均停留时间， 、一般可取经验常数；T3为乘客中途转车时间， ，T0为下车和换乘车的中转时间；T4为公交车行驶的平均时间，VL是公交车平均速度，Lij是i公交站台到j公交站台的长度；T5是乘客下车后需步行到达目的地的时间。2）乘客搭车直达率 .(2)其中kij为公交车起点站和终点站（i，j）之间乘客直达人数；Dij为交通小区i到交通小区j的OD量；n为通行公交车辆的线路节点数；m表示总交通小区数。3）公交线路网日平均满载率 .(3)其中qi，i+1，k是第k条线路的节点i到i+1路段的客流量；q0，i，i+1，k是第k条线路的节点i到i+1路段车容量；Li,i+1,k是第k条线路的节点i到i+1路段的距离；N为公交线路数；n为通行公交车的道路网节点数。4）公交线路网的效率 .(4)其中是线路k从站点i到站点j的客流量；是经过站点i到站点j的客运需求量在线路k上的分配比例；为线路k的长度。5）公交公司收益率 .(5)其中为共加工厂年均总收入；为公交线路网年均建设费用；为年均公交线路网维修费用；为公交公司工作人员年均工资福利等费用；为年均其它费用。6）污染物排放量 .(6)其中j=1, 2, 3, 4分别表示CO，CO2，NOx和HC； 是第k条路线的节点i到节点i+1的长度；为第k条路线上以车速vk行驶的情况下第j中污染物的排放因子函数。B：约束条件1）公交线路长度：决定于城市的实际情况，南宁市2009年的平均公交线路长度为16.7km。【2】 这里限制在8 25km 。2）公交线路非直线系数不宜大于1.4 【2】。非直线系数为 .（7）其中非直线路线长度，d为公交线起点站和终点站之间的直线距离。3）线路客流量不均匀系数不应大于1.5 【6】。线路客流量不均匀系数 .（8）其中O为线路中最大断面客流量；q为平均断面客流量。4）乘客平均换乘次数。一般换乘次数不应超过2次【6】。乘客平均换乘次数 .（9）其中n为乘客总人数；vi为第i位乘客的换乘次数。5）线路负载效率系数，一般情况下要求线路负载效率系数达到60%以上【7】。线路线路负载效率系数 .（10）其中为第k条线路上站点i和i+1之间两个方向的客流量；为第k条线路上站点i和i+1之间的线路长度； 是第k条线路上最大客流量；表示第k条线路的长度；n为第k条线路上站点总数；m是线路网的线路总数。6）乘客总步行时间。乘客平均步行时间应限制在5.148.44 min【6】为宜。总步行时间 .（11）其中n为乘客总人数；si是第i位乘客的步行时间。3.4、根据算法建立公交线路优化模型在目标函数（1）（6）中，出行时间T和污染物排放量越小越好，其它的目标函数则应越大越好。公交路线网优化是一个多目标函数问题，为了让问题简单化，可将问题转化为单目标问题来处理，这样就可以用粒子群算法进行求解计算，每次完成一个目标的处理。建立公交线路优化模型如下： .（12）8 25 , 01.4 , s.t. 01.5 , 02 , 0.61 , 5.14s8.44 . 为了消除不同指标量纲的差异，利用经济转化系数，将目标函数转化为同一单位处理（i=1,2,3,4,5,6）为6个目标函数的经济转化系数；（i=1,2,3,4,5,6）为6个目标函数的权重，其值可以用标准差法来确定。 粒子的信息用6维向量表示，位置用6个目标函数表示为 （）T，速度用6个约束条件表示Vi（vi1，vi2， vi6，），则建立的粒子的位置和速度的更新方程为： .（13） =+1( )+2（） （14） 3.5、求解与应用3.5.1求解思路1）在一条具体的公交线路上调查客流量和完成OD矩阵，标好起站点至终止站点的序号，输入目标函数与约束条件，便得到粒子的初始位置。2）将公交线路上的交通小区缩小成若干个节点，并将交通小区的乘客集散量分配到相关路段，将小区乘客发生与吸引量分配到区内节点上，然后将相关小区对应节点的OD量分配到两节点最短通路的各路段上。依据（14）式得到粒子优于初始位置的一个新位置。3）根据城市公交线路的布局，结合客流量调查所得的OD量对粒子的位置再进行更新，直到所有的要优化的公交线路都调整结束。3.5.2求解步骤1）初始化粒子位置。每个粒子的pbest坐标设置为其当前位置，并计算出各个粒子的个体极值。在这些粒子中，对于个体极值最优的粒子，记录该粒子的序号，并将gbest设置为该粒子的当前位置。2）评价粒子。计算粒子的适应度值，如果优于改粒子当前的个体值，则将粒子的pbest设置为该粒子的位置，更新粒子的个体极值。如粒子群中有个体极值优于当前的全局极值的，则将gbest设置为该粒子的当前位置，并记录该粒子序号，更新全局极值。3）更新粒子。用（14）对粒子的位置和速度进行更新。检验是否符合式（12）中的约束条件，如符合则结束，否则转到步骤2）继续进行。考虑到6维向量计算的复杂性，一般粒子算法都用计算机实现，附录中是粒子算法的C+实现代码。 3.5.3、应用以下以粒子群优化算法，对南宁市西乡塘区公交线路进行优化调整：图3-1西乡塘区客流量及OD量为：运用算法调整后：约束条件L/kms /min调整前17.61.351.481.80.6610调整后15.41.311.201.30.707.5目标函数T/min/%/万t/%/%/%调整前5870.578661.365.864.2调整后5078.282669.470.266.8从上表可以看出，通过调整后，约束条件中的主要指标都已达到要求。4、 结束语城市交通建设毕竟是城市建设的重要部分，交通建设必须循序渐进的进行，并应与城市建设协调发展，人与人交通行为之间的和谐以及人的交通行为与环境和谐的理念。和谐交通，不仅是和谐社会的重要组成部分，也是建立和谐社会的有力保障。 从南宁市现有的交通发展可以大概预见未来城市公交线路规划设计工作将更加侧重局部与重点区域交通优化改善、公交优先、交通人性化、系统化发展。参考文献1 吴福大 出行便捷，南宁万人拥有公交车数超国际标准 南宁晚报2009.1.202 吴丽萍 南宁市区扩大致公交线路显短，公交网络正触摸盲区 广西新闻网2010.3.21 3 刘文华 南宁公交唯进步不止步 广西城镇建设2004年第3期4 刘好德 公交线路网优化设计理论及实现方法研究 同济大学学报(自然科学版)2008.65 卢守峰，杨兆升，刘喜敏 基于复杂性理论的城市交通系统研究J 吉林大学学报（工学版）2006,35（增刊）6 德H哈肯，著 信息与自组织复杂系统的宏观方法 M. 成都 四川教育出版社，19887 韩印，李维斌，李晓峰 城市公交线网调整代化PSO算法J.中国公路学报，1997,12（3），100-105附录：粒子群优化算法的C+代码：#include stdafx.h#include #include #include #include using namespace std;int c1=2; /加速因子int c2=2; /加速因子double w=1; /惯性权重double Wmax=1; /最大惯性权重double Wmin=0.6; /最小惯性权重int Kmax=110; /迭代次数int GdsCnt; /物资总数int const Dim=6; /粒子维数int const PNum=50; /粒子个数int GBIndex=0; /最优粒子索引double a=0.6; /适应度调整因子double b=0.5; /适应度调整因子int XupDim; /粒子位置上界数组int XdownDim=; /粒子位置下界数组int ValueDim; /初始急需度数组int VmaxDim; /最大速度数组class PARTICLE; /申明粒子节点void Check(PARTICLE&,int); /约束函数void Input(ifstream&); /输入变量void Initial(); /初始化相关变量double GetFit(PARTICLE&); /计算适应度void CalculateFit(); /计算适应度void BirdsFly(); /粒子飞翔void Run(ofstream&,int=2000); /运行函数/微粒类class PARTICLEpublic:int XDim; /微粒的坐标数组int XBestDim; /微粒的最好位置数组int VDim; /粒子速度数组double Fit; /微粒适合度double FitBest; /微粒最好位置适合度;PARTICLE ParrPNum; /粒子数组int main() /主函数ofstream outf(out.txt);ifstream inf(data.txt); /关联输入文件infGdsCnt; /输入物资总数Input(inf);Initial();Run(outf,100);system(pause);return 0;void Check(PARTICLE& p,int count)/参数:p粒子对象,count物资数量srand(unsigned)time(NULL);int sum=0;for (int i=0;i Xup)p.X=Xup;else if (p.X Vmax)p.V=Vmax;else if (p.Vcount)p.Xrand()%Dim-;sum=0;for (int i=0;iXup)p.X=Xup;else if (p.XVmax)p.V=Vmax;else if (p.V0)p.V=0;sum+=p.X;void Input(ifstream& inf) /以inf为对象输入数据for (int i=0;iXup;for (int i=0;iValue;void Initial() /初始化数据GBIndex=0;srand(unsigned)time(NULL);/初始化随机函数发生器for (int