基于遗传算法的城市轨道交通接运公交线网规划.docVIP

基于遗传算法的城市轨道交通接运公交线网规划 摘要：分析了城市轨道交通接运公交线网的功能，初步 界定了车站影响区，并将其离散化编码表示.定义参数，以运 营者消耗和使用者消耗之和最小为公交线网优化目标函数， 建立模型，最后介绍了使用遗传算法搜索最优路线的计算步 骤. 关键词:轨道交通;接运公交;遗传算法 未来大城市的客运交通系统一般会采用以下模式：以快 速轨道交通为骨干，常规公交为主体，个体交通为补充.目前， 全国约25座区域中心城市和省会城市都进行了不同程度的 轨道交通线网规划，但这些轨道交通规划还局限于轨道交通 系统本身，缺乏公共交通对轨道交通的竞争-支持影响分析. 现阶段的问题是轨道交通与常规公交一体化的思想体系还 不够完善，为了构筑快速轨道交通与常规公交相互支撑的协 作体系，形成成熟的城市公共交通系统，在完成轨道交通线 网规划工作后，要及早开始常规公交对轨道交通的接运客流 研宄工作.文中主要研宄城市轨道交通接运公交线网规划方 法[1]. 1接运公交线网规划 接运公交(feeder bus)是指以为轨道交通接运乘客为主 要功能的公共汽车等公共交通方式，与轨道线网共同组成轨 道-接运公交系统，又是常规地面公交系统的一部分（如图1 所示）[2]. 接运公交线网规划通常采用以下两种方法. 1 ）逐条选取法即每次在备选接运站点集中选出一个 接运站点，在该站点上搜索出一条最优（接运效率最大）的接 运公交路线，然后调整轨道交通路线上的客流量，进行下一 条接运路线的选取直至没有可行的接运站点或没有可行的 接运公交路线,每次所选中的路线构成接运公交线网. 2）路线推荐法即在各个可行接运站点上分别搜索一条 或几条最优接运路线作为推荐接运路线，由决策者根据实际 情况酌情进行选取，组成接运公交线网.在实际运用中可将 两种方法结合使用.其中的关键部分是接运站点的选取和接 运路线的优化布设. 文中采用第二种方法，在模型建立和求解过程中借鉴了 模拟生物进化过程与机制求解问题的遗传算法使得精度更 高，搜索速度更快. 2轨道交通车站影响区离散化表示 轨道交通车站影响区可定义为轨道通过的重要客流集 散枢纽点的影响范围，这部分的常规公交主要用于接运轨道 交通上下客流，也就是接运公交线网规划的地理范围，其受 轨道交通的影响程度从轨道车站向外逐渐减小.日本地铁建 设经验认为，车站直接吸引范围为车站两侧各75 Om以内；在 线路终端是以车站为中心，以7 50m为半径的圆形圈内.另据 第36届国际轨道交通会议的资料，对于大多数城市来说，步 行去轨道交通车站的最适宜距离，在城市中心区为5⑻? 600 m,在边缘区为800?1000m. 轨道交通车站影响区范围的界定，一般方法是在调研车 站附近居民步行到公交站台和轨道交通站台的时间差异，建 立模型，最后根据不同站点（换乘站和中间站）给出不同的影 响面积[3].—般来说与车站预测吸引客流量成正比向外輻 射，同时结合车站所处地理位置和周边重要基础设施分布情 况界定. 为了搜索影响区接运公交线网方案，遗传算法求解的轨 道交通影响区是基于如下假设. （1）该地区的接运公交线网全部服务于一条轨道交通线 路，当有两条或两条以上轨道线路时忽略其它的线路.（2）轨 道交通车站上下客流已知，且不受接运公交线网优化的影响 视为恒定不变.（3）接运公交网络中各个站点上下车延误只 与站点性质有关，与通过的公交车型无关.（4）仅考虑轨道线 路一侧的交通影响区接运公交线网规划. 轨道交通车站影响区离散化表示形式如图2所示.图中 不规则的影响区域被近似划分为mXn的规则小方块，公交 车在每一节点只能水平或垂直移动.图中灰色区域为规划中 障碍建筑的近似划分. 假设常规公交按由左往右的方向行驶，公交线路上的任 一节点只能水平或垂直向前发展，一条由节点和弧组成的可 行链，为了表示公交线路的延伸，定义 3接运公交线网优化模型 公交系统的优化一般考虑的目标有总交通时间最小、 服务乘客数最大、换乘率最小以及公交部门经济效益最大 或路线每公里载客数最大等.这些目标是相关的.处理这个 多目标规划问题有多种方法，如先以一个最重要的目标进行 优化，保留多个较优解，再对各解进行多目标评价和决策;或 将多个目标简化、合并为一个目标等.这里以总消耗CT (接 运公交线网运营提供者消耗CS和使用者消耗⑶之和)最小 为优化目标[4]. 式中：uB为公交运营的平均费用；W为小方格的长 宽;Tij为站点ij的延误消耗. 使用者价值⑶由3部分组成，CA为到达消耗函数，指乘 客步行到公交车站的时间消耗，C W为出行者等待时间消 耗，CV为在车辆内的时间消耗.如式(5). 4算法 用遗传算法求解这个最优化问题，按如下步骤进行. 编码方式以一辆公交车的工作路径为一个个体.如 2所示，公交车