《可达性角度下S城市常规公交的线网优化案例分析》21000字

可达性角度下S城市常规公交的线网优化案例分析目录TOC\o"1-2"\h\u12107摘要 ⑨对线路进行约束条件检查，对不满足约束条件的终点进行调整。若路径满足所以约束条件，则输出所有路线。3、数据准备结合上文的研究区域，对站点进行编号之后，我们可以通过高德地图得到相邻站点之间的距离表：图4.5站点编号图表4.5相邻公交站点之间的距离表站点站点站间距（km）站点站点站间距（km）站点站点站间距（km）120.75230.65340.50451.33160.46270.81370.79480.63590.58-6100.487110.368120.479130.5810140.3511160.438120.4314150.5115160.5116120.7912131.3714170.5515180.3816190.5912200.6413210.5417220.2918230.2819240.2720250.3021280.4018190.6022230.5623240.4824250.6925260.2526270.8427280.40在得到相邻站间距之后，对所选站点结合公交线路数据进行整理，得到公共交通网络的布设情况，然后通过各小区的出行负效用对地面常规公交的od客流量进行估计，设定区内出行不乘坐公交而直接步行，因此区内公交od客流量为0，得到下表：表4.6常规公交OD客流出行分配表小区12345678910102581881361661321841441261442284012814017011412614086104322412201701269296741521624176961580184158188206190124518415214215601561361951482226148116861322560120166100162715210896232154146016610215482441221222261661602040110134914496130157133969697011610206123118147206148138152920在得到小区间的od出行分配表之后，需要对其中的站点客流进行分配，因为区内公交od量为0，因此区内站点间od量为0，得到站点od客流分配表。4、公交站点可达性测算在做好相关数据准备之后，可以参考第三章的可达性计算内容对选中的站点进行可达性的测算。因为公交站点的服务范围在城市中宜为300到500m，而所选区域处于市中心，因此我们300m作为步行到站点的距离对站点吸引性进行计算，正效用参考该站点所在小区的区域正效用，并结合实际情况进行测算，然后根据模型计算并分析研究区域站点的可达性，以此作为公交网络优化的评价指标。表4.7站点可达性计算结果站点编号正效用负效用可达性指标1374200.722266310.323163280.284253260.475277240.496294280.437285360.398226410.219193300.3510326220.6711307320.5812288370.5613312240.6014295280.5715229400.2216240260.3617283280.3918193390.1919266300.3520168440.1721154320.2322361190.7423286280.5524308230.6825289310.6026296290.5627203350.2628293310.53由上表可知，站点1、10、13、22、24、25的指标值相对较高；而4、5、6、11、12、14、23、26、28的指标值处于中间水平；其余则相对较低。由现实情况可知，可达性指标较高的站点所处位置靠近地铁站等人流较大的地区，因此可见站点可达性测算的实用性。然后需要根据公交线路数据整理出经过本区域的公交线路，选出经过路线比较长的线路，记录其区域内的起终点和站点顺序，以及经过线路的线路总长度，见下表：表4.8现有线路走向线路名称起终点经过站点顺序88路7-227-11-16-19-24-23-22292路13-1413-12-16-15-145路25-725-24-23-18-15-16-11-7161路5-225-4-8-12-16-19-18-23-22193路20-2220-12-16-15-14-17-22120路1-51-2-3-4-55、公交优化在整理完现有线路走向之后，可以使用python实现使用蚁群算法对模型的求解，算法代码见附录，参数设置参考上文，数值设置如下：表4.9参数设置参数站点数目蚂蚁数目信息素启发因子能见度启发因子挥发强度循环次数数值28600.81.20.9100先使用程序生成线路，然后使用算法进行迭代得到多模式公交线网优化的方案，具体优化方案如下：表4.10公交线网优化结果线路名称起终点线路走向161路5-225-4-3-2-1-6-10-14-17-22193路20-2220-19-18-23-225路25-725-19-16-11-7292路13-1413-12-16-15-1488路7-222-1-6-10-14-17-225路1-51-2-3-4-5然后对比该区域优化前后公交线网的相关评价指标，得到下表：表4.11优化前后公交评价指标线网密度非直线系数重复系数公交优化前4.121.511.35公交优化后3.861.381.20表4.12优化前后交通小区可达性变化小区12345678910优化前0.470.380.310.230.400.440.500.460.260.29优化后0.570.420.330.250.430.500.530.510.270.36综上所述，虽然优化前后线网密度有所下降，但是下降到了一个比较符合城市公交的数值，而非直线系数和重复系数有所下降；而在交通小区可达性优化前后的对比上，更改的几条线路使得整体的可达性有所提升，可见优化之后使得公交线网的服务水平有所提升，也证明了该模型的实用性。4.3本章小结本章以公交出行负效用为基础，构建出了一个公交线网优化模型，并且结合长春市公共交通现状，提出了该模型的相关约束条件。然后在实例分析中使用蚁群算法对线网优化模型进行求解，得到了一个公交线网优化方案，然后对优化前后公交线网的相关评价指标进行对比分析，结果证明了该优化方案提高了公交线网的服务水平和运输效率，也证明了模型的实用性。第五章结论与展望5.1结论本文选取了长春市南关区一个区域作为研究对象，针对长春市公共交通存在的一系列问题，结合该区域的公交线路以及站点的数据，经过一系列的分析和研究，构建出了适合当地多模式公交网络的优化模型，并给出了该区域城市多模式公交网络的优化方案。综合全文，本次研究的主要成果如下：对长春市公共交通现状与问题的分析本文通过长春统计年鉴以及相关数据，分析出长春虽然公交系统客运量正在逐年增加，但因为公交线网规划不够合理等问题，导致大部分居民仍然不愿意乘坐公共交通进行出行，从而导致长春市的交通问题比较严重。这些现状与问题的分析也体现出了公交线网优化的重要性。多模式公交线网优化模型的构建本文以可达性的数值为公交线网服务的评价指标，结合现实情况以及多模式公交的结构、衔接等特性，先利用效用模型构建出了一个公交线网可达性测算模型；然后再根据出行负效用和相关约束条件，构建出了适用于长春市的一个公交线网优化模型。利用蚁群算法对优化模型的求解本文先介绍了蚁群算法的基本知识，然后根据相关研究对其参数进行设置，再根据研究区域的公交线网和站点信息生成蚁群算法所需要的路径图，统计需要优化线路的起终点对并计算每一个公交站点出行负效用，最后利用蚁群算法对该模型进行求解，得到一个适合该研究区域的公交线网优化方案。验证了模型的实用性本文通过对比分析了优化前后的相关指标，如交通小区的可达性、公交线网密度、公交线路非直线系数、公交线路重复系数，结果证明了该公交线网优化模型的实用性。5.2展望本文虽然给出了一个公交线网优化方案，但由于能力限制，本文在很多地方还存在不足的地方，主要分为几个方面：（1）因为能力有限，对于城市多模式公交的定义还不够完善，本文给出的定义是以轨道交通为主，地面常规公交为辅的公交系统，对多模式公交的考虑不够全面。后续可以把公共自行车、出租车、BRT等公共交通纳入研究的范围之中，构建出更加全面、系统的公交线网优化模型。（2）本文在设定出行效用的特性变量时，考虑的指标不够全面，缺少对居民收入、汽车持有量、城市经济与交通发展水平、舒适度等因素的考虑。因此后续研究可以把这些因素都考虑到效用指标的计算中，让模型更加完善。（3）在公交od客流预测这方面，因为难以获取准确的公交站点od量，因此本文只是利用当地人口数量结合该交通小区的出行负效用对小区的公交od量进行估算，然后再对小区中站点进行客流分配得到站点的公交od量。所以后续研究可以利用可靠的公交站点od量做出更加优秀的公交线网优化方案，提高优化结果的准确性。

参考文献：[1]杨红星.城镇居民收入对我国私人汽车拥有量的影响[J].青海交通科技,2013(05):44-48.[2]LiW,ZhouM,DongH.CPTModel-BasedPredictionoftheTemporalandSpatialDistributionsofPassengerFlowforUrbanRailTransitunderEmergencyConditions[J].JournalofAdvancedTransportation,2020,2020(1):1-11.[3]Kun,An,Hong,etal.Two-phasestochasticprogramfortransitnetworkdesignunderdemanduncertainty[J].TransportationResearchPartB:Methodological,2016,84:157-181.[4]CiprianiE,GoriS,PetrelliM.Transitnetworkdesign:Aprocedureandanapplicationtoalargeurbanarea[J].TransportationResearchPartC,2010,20(1):3-14.[5]CancelaH,MauttoneA,UrquhartME.Mathematicalprogrammingformulationsfortransitnetworkdesign[J].TransportationResearchPartBMethodological,2015,77:17-37[6]Dong,Peixin,Dongyuan,etal.AMethodofBusNetworkOptimizationBasedonComplexNetworkandBeidouVehicleLocation[J].FutureInternet,2019,11(4):97-97.[7]StefanVandeWalle,ThereseSteenberghenSpaceandtimerelateddeterminantsofpublictransportuseintripchains[J].TransportationResearchPartA,2005,402:125-128[9]Hansen,WalterG.HowAccessibilityShapesLandUse[J].JournaloftheAmericanInstituteofPlanners,1959,25(2):73-76.[10]Hillman,R.,Poo1,G.GIS-basedinnovationsformodelingpublictransportaccessibility[J].TransportationEngineeringandControl38(10):554-559[11]MurrayAT，DavisR，StimsonRJ，Publictransportaccessibility[J].TransportationResearchPartD:TransportandEnvironment，1998，3(5):319-328[12]LeiTL,ChurchRL.Mappingtransit‐basedaccess:integratingGIS,routesandschedules[J].InternationalJournalofGeographicalInformationScience,2010,24(1-2):283-304.[13]吕慎,田锋,李旭宏.基于城市用地与交通一体化的枢纽等级体系研究[J].交通运输工程与信息学报,2005(01):57-62+72.[14]王炜,城市公共交通系统规划方法、管理技术与示范工程.江苏省,东南大学,2002-12-30.[15]张小丽,陈峻,王炜,蒋大治.基于公交可达性的公交站距优化方法[J].东南大学学报(自然科学版),2009,39(02):384-388.[16]孙静.基于可靠性分析的城市公交线网优化决策[D].长安大学,2009.[17]戴帅,刘小明,陈艳艳.基于站距的公交网络优化模型[J].北京工业大学学报,2007(06):608-612.[18]戴帅,陆化普,胡启洲.基于一体化的多层次公交线网优化研究[J].数学的实践与认识,2011,41(01):85-93.[19]杨雪雁.城市组合公交线网特性分析及线网优化研究[D].兰州交通大学,2020.[20]韩天齐,宋波.改进遗传算法的公交线网优化研究[J].微型电脑应用,2020,36(04):88-90.[21]周康,何世伟,宋瑞.基于出行行为的公交网络多目标优化方法[J].公路交通科技,2015,32(06):123-129.[22]曹振宇,蒋阳升,罗孝羚,杨洁,张姚.中小城市直达公交网络优化[J].工业工程,2020,23(06):117-123.[23]陈城辉,徐永能,傅晓莉.城市多模式公交网络出行时间可靠性模型研究[J].城市公共交通,2010(08):38-40.[24]陈城辉.城市多模式公交行程时间可靠性研究[D].南京理工大学,2011.[25]丘健妮,陈少沛.多模式城市公共交通网络GIS数据模型研究——以广州市为例[J].测绘科学,2010,35(S1):105-107+145.[26]宋小冬,钮心毅.再论居民出行可达性的计算机辅助评价[J].城市规划