【《多模式公交线网优化基础概述综述》3100字】

多模式公交线网优化基础概述目录TOC\o"1-3"\h\u3275多模式公交线网优化基础概述 161571.1多模式公交网络特性分析 1233031.1.1多模式公交网络的基本概念 141681.1.2多模式公交网络结构与衔接特性 1124571.2多模式公交可达性界定 279491.1.1多模式公交可达性的概念 2300771.1.2多模式公交可达性特征 273641.3多模式公交线网优化方法介绍 3145501.3.1公交线网的具体优化方法 3148161.3.2公交网络优化模型的求解方法介绍 3220711.4长春市交通现状分析 413441.4.1长春市公共交通情况 411931.4.2长春市城市公共交通现存的问题 51.1多模式公交网络特性分析1.1.1多模式公交网络的基本概念城市多模式公交通常是指由两种或者两种以上的公共交通方式组成的城市公交系统，本文把多模式公交设定为地面常规公交和轨道交通的组合。常规地面公交具有灵活、布设范围广、线网密度大等特点，这些特点能满足多模式公交中居民出行目的多样性的需求；轨道交通的优势体现在运量大、速度快、舒适等方面，但缺点在于轨道交通一旦建成，就难以对其进行修改。1.1.2多模式公交网络结构与衔接特性多模式公交中各交通方式是相互依赖和相互竞争的，可以把多模式公交网络当成一种有机系统，由多种公交方式通过换乘建立联系形成。本文中主要把多模式公交网络结构设定为以轨道交通为主，常规交通为辅的层次结构，通过这种结构划分，能够更清楚地了解两者在公交线网优化中的作用。而多模式公交网络的衔接特性体现在：在实际出行中，出行者换乘有两种方式，一种是在下车后在该站台等待一定时间进行同台换乘，另一种方式是步行一定距离实现不同公交方式的换乘或者到底另一个公交站点进行换乘。这种换乘关系使得各线路和不同公交方式之间形成了一个相互联通的复杂公交网络，而本文则是在这种公交网路中探索出更加有效的公交优化设计方案。1.2多模式公交可达性界定1.1.1多模式公交可达性的概念可达性的定义有很多种，主要的差异体现在理解方式和理解方面上。根据以往的研究，可达性反映的是出行者从出行起点利用各种交通方式到达出行终点的便捷程度。对于多模式公交可达性，本文把其定义为被研究的个体在出行的过程中，通过一种或者多种交通方式的组合，从一个地方到达另外一个地方所完成特定活动的效用。1.1.2多模式公交可达性特征由于可达性概念的多样性，因此缺少固定的计算方法对其进行计算，所以一般用时间、成本和距离等指标来进行计算。根据城市多模式公交可达性的概念，一般对以下四个特征进行分析：时间特征时间是影响出行效用的重要因素之一，与公交网络的可达性密切相关。时间特征主要指出行者再多模式公交网络环境下出行所需的时间，一般来说，出行者一次公交出行的时间要是远大于其能承受的范围，那么这个公交系统就不足以提供出行者所期望的出行效用，就可以认为这个公交网络的时间可达性是不够的。距离特征距离特征主要体现在出行距离这一方面，表现为居民出行所克服的出行阻抗，出行者选择不同的公共交通方式而实际行进的距离不同，从而会产生不同的出行效用，比如轨道交通在长距离出行时比常规公交更有优势，所产生的出行效用就要比地面常规公交大。换乘特征出行者在出行时选择不同的交通方式组合，会产生不同的出行效用，而这种情况就要涉及到换乘的内容。公交网络的可达性与换乘特性密不可分，通常公交网络换乘越方便，那么这个公交网络系统的可达性水平就越高。成本特征成本特征主要体现为出行成本，通常包括时间、费用成本几个方面，而本文中把出行成本设定为出行者出行所花费的费用。出行者使用不同的公交出行方式产生的出行成本会不同，从而会获得不同的出行效用，因此出行成本可以反映多模式公交网络的可达性。1.3多模式公交线网优化方法介绍1.3.1公交线网的具体优化方法现阶段，大数据处理分析技术的方式在交通领域的应用日趋成熟，城市公交线网优化一般是在城市交通大数据或者公交大数据分析的基础上，采用模型搭建求解系统最优和经验分析判断相结合的方法，从线路入手，整体统筹公交线网布局。公交线网的具体优化主要包括以下三种方法：（1）“逐条布设，优化成网”：即确定一个或者多个目标和公交线路的起讫点，在可行的线路集合中逐条寻找最优公交线路，并叠加成网，再结合客流需求及公交网络评价指标对网络进行验证和修正。（2）全网最优法：该方法将网络优化问题转换为数学中的线性优化问题，通常将网络运行效益作为优化目标，建立线性优化模型。（3）结合现状的逐步优化法：首先分析现有公交线网的布局合理性，保留其中运行效率高的线路，得到相应的客流分担量。然后按照逐条布设的方法进行线路布设的同时，对剩余客流需求进行分配，再结合一系列的线路布设特征指标对布设结果进行调整，实现对网络的优化。1.3.2公交网络优化模型的求解方法介绍1、蚁群算法的原理蚁群算法，又称为蚂蚁算法，是一种寻找优化路径的算法，因为其实用性而经常被用于线网优化设计之中。将蚁群算法应用于路径优化问题的基本思路为：待优化问题的可行解用蚂蚁的行走路径表示，整个蚂蚁群体所行走的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多。最终，整个蚂蚁群体会在正反馈的作用下集中到最佳的路径上，此时对应的便是待优化问题的最优解。2、蚁群算法的特点（1）采用正反馈机制，具有较强的解优能力。（2）比较容易寻找到全局最优解，蚁群算法使用启发式的概率搜索方式，因此不容易陷入局部最优。（3）强并行性，蚁群算法在搜索过程中采用分布式计算方法，因此可以多个个体并行计算。（4）可扩容性强，个体之间可以通过释放信息素进行通信合作，并且能通过信息素感知周围环境的变化。综上所述，蚁群算法在多模式公交复合网络这样的复杂网络中具有很强的优势，因此本文将使用蚁群算法对公交网络优化模型进行求解。蚁群算法的几个基本概念移动规则算法中的蚂蚁会朝着备选方案中概率最高的方向移动，而概率是由信息素和备选路径的初始信息共同决定。信息素在蚁群算法中，因为信息素决定了后续蚂蚁的择优，所以信息素的计算是非常重要的内容。本文中，信息素的计算将采取蚂蚁密度策略，对模型进行求解，做法是设一个常数c表示信息素的浓度，但为了防止算法陷入局部最优解，需要对信息素的浓度有所限制。备选节点集蚂蚁从站点i到j时，j点的可能集合称为备选节点集，优化模型的约束条件会对该集合进行择优。1.4长春市交通现状分析1.4.1长春市公共交通情况截止到2019年，长春现有道路长度3791km，道路面积为7637平方千米。地面常规公交方面现有运营公共汽车5087辆。轨道交通方面已通车的地铁线路分别为地铁1号线，地铁2号线，轻轨3号线，轻轨4号线和轻轨8号线，通车总里程为117.6公里。具体公共交通现状见下表：图1.1长春市公共交通现状统计1.4.2长春市城市公共交通现存的问题城市公交服务水平较低长春市虽然公交线网密度较高，但仍存在公交服务质量的一些问题，表现为：线路不合理，舒适性较差；公共汽车与轻轨也没有形成有效的搭配，居民在从公交换乘到轻轨时，常常需要步行较长的距离。公交交通规划不够完善表现为公交发车间隔安排不合理，有时会出现好几辆相同路线的公共汽车同时到站的情况，也会出现长时间等不到出行所需要的公交的情况。并且有些区域的站点安排也不够合理，有些线路站点过于密集，导致公交频繁停站，从而延长出行者公交出行的出行时间。城市公交出行分担率低长春作为汽车之城，私有车数量庞大，尽管长春推出了一些关于公交优先的政策，公交的运输量也在逐年上涨，但公交对于居民出行的吸引力仍然不足，因此公交出行的分担率有