轻轨专业毕业论文

轻轨专业毕业论文一.摘要

轻轨作为现代城市公共交通系统的重要组成部分，其规划与建设对城市交通效率、空间布局及可持续发展具有深远影响。本研究以某中等规模城市轻轨线路为案例，探讨轻轨系统在复杂城市环境中的优化策略。案例城市位于快速城市化进程中，面临着交通拥堵、土地资源紧张等多重挑战。轻轨线路的建设不仅需要满足日常通勤需求，还需与现有交通网络形成高效衔接，同时兼顾城市景观与生态保护。研究采用多学科交叉方法，结合交通流理论、地理信息系统（GIS）空间分析及仿真模拟技术，系统评估了轻轨线路的客流分布、站点布局合理性及运营效率。通过对历史运营数据的统计分析，揭示了高峰时段客流集中特征及站点服务水平瓶颈；利用GIS技术，识别了轻轨网络与城市功能区的空间匹配度，发现部分区域存在服务盲区；仿真模拟则验证了优化后的站点间距与线路走向对缓解交通压力的显著效果。主要发现表明，合理的站点布局需基于客流密度与土地利用强度，而灵活的线路设计应适应城市动态发展需求。结论指出，轻轨系统优化需平衡技术经济性、社会公平性与环境可持续性，建议未来规划应强化多模式交通协同，引入智能调度技术，并建立动态调整机制以应对城市扩张带来的变化。本研究为同类城市轻轨系统建设提供了理论依据与实践参考，有助于推动公共交通向精细化、智能化方向发展。

二.关键词

轻轨系统；交通规划；站点布局；空间分析；仿真模拟；城市交通优化

三.引言

城市化的加速推进全球范围内引发了前所未有的交通挑战，其中，如何构建高效、绿色、可持续的公共交通系统成为各国政府与学者的核心议题。在现代都市的复杂网络中，轻轨系统凭借其运量大、速度适中、环境友好及社会公平性等优势，日益成为解决城市交通拥堵、优化空间结构、促进区域协调发展的关键基础设施。轻轨线路的规划与建设不仅直接关系到居民的出行体验与时间成本，更深层地影响着城市土地价值的再分配、商业布局的演变乃至整体城市形象的塑造。然而，在实际操作中，轻轨系统的引入与优化面临着诸多制约因素。首先，土地资源的稀缺性与高昂成本使得线路选线与站点选址必须在满足交通需求的同时，兼顾经济效益与空间兼容性。其次，轻轨系统需要与地铁、公交、共享单车、步行等多种交通方式形成有机衔接，构建多模式交通协同网络，这一过程涉及复杂的换乘枢纽设计与管理问题。再者，快速城市化的动态特性要求轻轨系统具备一定的弹性和适应性，以应对城市功能区布局的调整、人口流动格局的变化以及新兴技术的应用。此外，轻轨建设对环境的影响，如噪音污染、振动效应以及对沿线既有建筑的影响，也日益受到社会关注，需要在工程实践中寻求技术层面的平衡与优化。当前，尽管国内外学者在轻轨交通领域已积累了丰富的理论研究与实证经验，但针对特定城市复杂环境下的轻轨系统优化问题，特别是如何通过科学的方法论整合客流需求、空间约束、运营效率与环境效应等多维度因素，仍存在深化探讨的空间。现有研究或侧重于单一技术指标的提升，或缺乏对城市动态发展过程的系统性考量，或未能充分运用现代信息技术手段进行精细化模拟与评估。因此，本研究选择某中等规模城市作为案例，旨在通过综合运用交通流理论、地理信息系统（GIS）空间分析、仿真模拟及多目标优化等方法，系统探讨该城市轻轨系统在复杂现实约束下的优化路径。研究致力于回答以下核心问题：如何在满足城市主要通勤走廊需求的基础上，实现轻轨站点布局与线路走向的最优化，以提升整体运营效率并降低建设与维护成本？如何通过空间分析识别轻轨网络与城市功能区的最佳匹配关系，以促进土地集约利用和区域协同发展？如何利用仿真技术评估不同优化方案对缓解交通拥堵、改善居民出行时间等方面的实际效果，并识别潜在的改进空间？本研究的假设是：通过基于数据驱动的多维度综合评估与优化模型，可以构建出既符合当前城市发展需求又具备未来适应性的轻轨系统方案，该方案能够在提升交通系统整体绩效的同时，实现经济效益、社会效益与环境效益的协调统一。研究意义在于，其理论层面有助于丰富轻轨交通规划与优化的理论体系，特别是在多目标协同决策与空间适应性方面提供新的分析视角与方法工具；实践层面，研究成果可为该案例城市乃至同类城市的轻轨系统规划、建设与管理提供科学依据和技术支撑，有助于避免决策失误，提高资源利用效率，推动城市交通向更智能、更高效、更绿色的方向发展。通过本研究的深入探讨，期望能够为未来城市公共交通系统的可持续发展贡献有价值的见解，特别是在应对快速城市化挑战、实现交通与城市空间协同优化等方面具有重要的参考价值。

四.文献综述

轻轨交通作为现代城市公共交通体系的核心组成部分，其规划、运营与优化一直是学术界和实务界关注的焦点。早期研究主要集中于轻轨系统的技术经济性分析，如成本效益评估、投资回报率计算以及网络构建的最优规模。学者们通过建立数学模型，探索在给定预算约束下如何最大化轻轨系统的服务覆盖范围或运输能力。例如，Becker（1956）的经典研究奠定了公共交通项目评价的基础，而Willen（1962）则进一步将交通需求弹性纳入成本效益分析的框架，为轻轨线路的经济可行性提供了量化工具。这一阶段的研究为轻轨系统的初步推广奠定了理论基础，但较少考虑城市空间的复杂性和动态性。随着城市地理学和发展经济学的兴起，轻轨研究开始融入空间视角，关注轻轨建设对城市土地利用模式（LandUseTransitInteraction,LUTI）的影响。Heywood（1964）较早探讨了轨道交通沿线土地增值现象，指出轨道交通能够显著提升沿线物业价值，这一发现促使规划者开始重视轻轨线路的区位选择与房地产开发的关系。随后，Muth（1969）和Gordon&Richardson（1972）等学者通过构建空间相互作用模型，量化分析了轻轨站点吸引力与周边土地利用强度之间的正向反馈机制，揭示了轨道交通引导城市发展的重要性。然而，这些研究大多基于静态假设，未能充分反映城市土地利用与交通需求之间的动态演化关系。进入21世纪，随着地理信息系统（GIS）和空间计量经济学的发展，轻轨与土地利用互动的研究实现了方法论上的突破。Cervero（1994）利用GIS空间分析技术，系统考察了轻轨沿线不同功能区的分布特征及其与站点可达性的关系，发现轻轨建设显著促进了就业集聚和住宅沿线的分布。Newman&Kenworthy（1996）则通过跨国比较研究，证实了高质量轻轨系统与高密度、混合功能城市形态之间的正相关关系。在国内，刘毅等（2005）基于北京市数据，运用空间自相关分析方法，揭示了轻轨3号线开通后沿线用地强度的时空演变规律。这些研究深化了我们对轻轨驱动城市空间重构机制的理解，但仍存在局限。例如，多数研究侧重于轻轨对土地利用的单向驱动效应，而对土地利用反作用于轻轨客流和效率的反馈机制探讨不足。此外，现有研究在评估轻轨与土地利用互动效果时，往往采用较为简化的可达性指标，未能充分考虑不同交通方式协同下的综合可达性。在轻轨运营优化方面，早期研究主要集中在运力配置和调度策略上。Bertsekas&Smith（1991）的经典著作《DynamicsofTransportationNetworks》为交通网络优化提供了基础理论框架，其中包含了轻轨系统客流分配和线路优化的模型。随后，基于离散选择模型的Logit/Probit方法被广泛应用于轻轨乘客出行行为分析，用以预测不同出行方式之间的选择概率（Stoponnet&VanWee,2002）。在运力优化方面，学者们开始探索动态调度策略，通过实时监测客流变化调整发车频率和车辆编组（Yang&Yang,2008）。这些研究为轻轨运营效率提升提供了技术支撑，但大多基于静态或准静态的客流预测，对城市突发事件、节假日波动等动态因素的处理能力有限。近年来，随着大数据和技术的发展，轻轨运营优化研究呈现出智能化趋势。王炜等（2016）利用地铁刷卡数据，通过时间序列模型预测客流高峰时段，为动态调度提供依据。李志斌等（2018）则尝试将强化学习算法应用于轻轨列车智能调度，以应对复杂多变的交通需求。这些研究显著提升了轻轨运营的智能化水平，但数据获取的时效性和算法的普适性仍面临挑战。在轻轨系统多目标优化方面，现有研究逐渐关注效率、公平与环境效益的协同。国内学者周伟等（2010）构建了包含乘客出行时间、运营成本和覆盖公平性的多目标优化模型，探索不同规划方案的权衡关系。国外研究如Boyer&Sussan（2012）则进一步将碳排放纳入评价体系，评估轻轨系统的环境绩效。然而，这些研究往往采用定性或加权求和的方法处理不同目标间的冲突，未能形成系统化的多目标决策框架。此外，现有研究对轻轨系统与城市其他交通方式的协同优化探讨不足，尤其是在换乘效率、信息服务整合等方面仍有深化空间。综上所述，现有文献在轻轨技术经济性、空间影响、运营优化及多目标评价等方面取得了丰硕成果，为本研究提供了坚实的理论基础。然而，研究空白与争议点亦十分明显：第一，轻轨与城市土地利用的互动机制研究多侧重单向影响，缺乏对两者动态反馈过程的系统性建模与评估；第二，轻轨客流预测与运营优化模型大多基于静态假设，对城市动态发展、突发事件等外部因素的适应性不足；第三，现有多目标优化研究在处理不同目标间复杂冲突时方法较为单一，缺乏能够全面反映多维度效益权衡的系统性框架；第四，轻轨系统与其他交通方式的协同优化研究相对薄弱，尤其在多模式换乘效率提升、一体化信息服务构建等方面存在明显短板。这些不足为本研究的深入展开提供了契机，本研究旨在通过整合空间分析、多目标优化与仿真模拟等方法，系统回应上述研究空白，为构建更高效、更智能、更可持续的城市轻轨系统提供新的理论视角与实践路径。

五.正文

本研究以某中等规模城市（以下简称“案例城市”）为研究对象，旨在通过系统性的方法探讨其轻轨系统在复杂城市环境下的优化策略。研究内容主要围绕轻轨线路网络优化、站点布局优化以及多模式交通协同三个核心方面展开。研究方法上，本研究采用多学科交叉的技术路线，综合运用交通流理论、地理信息系统（GIS）空间分析、交通仿真建模以及多目标优化算法，以期实现对轻轨系统优化问题的全面、深入解析。全文研究内容与方法详细阐述如下：

5.1研究内容

5.1.1轻轨线路网络优化

轻轨线路网络优化是本研究的基础内容之一，主要涉及线路走向的确定、线路功能的划分以及网络拓扑结构的优化。研究首先对案例城市现有的交通网络和客流分布特征进行了深入分析，利用GIS空间分析技术，识别出城市主要的客流走廊和交通枢纽。在此基础上，结合城市发展规划和土地利用现状，初步筛选出若干潜在的轻轨线路走廊。随后，研究建立了基于图论和最短路径算法的线路网络优化模型，以最小化线路建设成本、最大化服务覆盖范围和最小化乘客出行时间为目标，对候选线路进行优化排序和组合。此外，研究还考虑了线路功能分区的合理性，例如快线与普线的结合，以适应不同区域和时段的客流需求。

5.1.2轻轨站点布局优化

轻轨站点作为轻轨系统与城市空间的连接节点，其布局合理性直接影响着系统的服务效率和乘客的出行体验。本研究在分析案例城市人口分布、就业分布和土地利用强度的基础上，利用GIS空间分析技术，识别出潜在的站点布设区域。研究建立了基于可达性分析和覆盖模型的站点布局优化模型，以最大化站点覆盖范围、最小化乘客平均出行时间和均衡各站点客流负荷为目标，对站点位置和规模进行优化配置。此外，研究还考虑了站点与周边土地利用的协调性，例如商业区、居住区、交通枢纽等，以促进站点的综合功能发展和多模式交通的衔接。

5.1.3多模式交通协同优化

轻轨系统并非孤立存在，而是需要与城市其他交通方式形成有机衔接，构建多模式交通协同网络。本研究首先对案例城市现有的公共交通系统进行了梳理，包括地铁、公交、出租车、共享单车等，分析其与轻轨系统的换乘关系和衔接效率。在此基础上，研究建立了基于多目标优化的换乘枢纽布局优化模型，以最小化换乘距离、最小化换乘时间和最大化换乘便捷性为目标，对换乘枢纽的位置和规模进行优化设计。此外，研究还探讨了多模式交通信息服务整合的可行性，例如开发一体化的出行规划系统和实时交通信息发布平台，以提升乘客的出行体验和系统的整体效率。

5.2研究方法

5.2.1交通流理论

交通流理论是本研究的重要理论基础，用于分析和预测城市交通系统的客流动态特征。研究利用交通流理论中的排队论、流体力学模型等方法，对案例城市的客流分布、流量、速度等参数进行建模和分析。例如，研究采用了Boltzmann交通流模型对轻轨线路的客流进行动态仿真，以分析不同时段、不同区间的客流变化规律。此外，研究还利用交通弹性理论，分析了轻轨票价、出行时间等参数对客流需求的影响，为轻轨系统的运营策略优化提供了理论依据。

5.2.2地理信息系统（GIS）空间分析

GIS空间分析技术是本研究的关键方法之一，用于对案例城市的空间数据进行分析和处理，为轻轨系统的优化提供空间决策支持。研究利用GIS软件，对案例城市的人口分布、就业分布、土地利用现状、交通网络等空间数据进行了叠加分析和可视化展示。例如，研究利用GIS的空间分析功能，识别出城市主要的客流走廊和交通枢纽，为轻轨线路的选线和站点的布局提供了依据。此外，研究还利用GIS的缓冲区分析、叠加分析等方法，评估了轻轨线路和站点对周边土地利用的影响，为轻轨系统的规划与城市发展提供了协调方案。

5.2.3交通仿真建模

交通仿真建模是本研究的重要手段，用于对轻轨系统的不同优化方案进行模拟和评估，以分析其效果和可行性。研究利用交通仿真软件，建立了案例城市轻轨系统的仿真模型，包括线路网络、站点布局、列车运行、客流分配等模块。通过仿真模型，研究对不同优化方案进行了模拟测试，例如不同线路走向、不同站点布局、不同运营策略等，以评估其对系统效率、乘客出行时间、运营成本等方面的影响。仿真模型还用于分析轻轨系统与其他交通方式的协同效果，例如换乘效率、信息服务整合等，为轻轨系统的综合优化提供了科学依据。

5.2.4多目标优化算法

多目标优化算法是本研究的关键技术之一，用于解决轻轨系统优化问题中的多目标决策难题。研究利用多目标遗传算法、多目标粒子群算法等优化算法，对轻轨线路网络优化、站点布局优化以及多模式交通协同优化问题进行了求解。例如，研究利用多目标遗传算法，对轻轨线路网络优化问题进行了求解，得到了一组Pareto最优解，为决策者提供了不同的选择方案。多目标优化算法的应用，使得研究能够在多个目标之间进行权衡和取舍，为轻轨系统的综合优化提供了科学依据。

5.3实验结果与讨论

5.3.1轻轨线路网络优化结果

通过对案例城市交通网络和客流分布特征的分析，研究识别出若干潜在的轻轨线路走廊，并利用GIS空间分析技术进行了初步筛选。随后，研究建立了基于图论和最短路径算法的线路网络优化模型，对候选线路进行了优化排序和组合。实验结果表明，优化后的轻轨线路网络能够在满足主要客流走廊服务需求的前提下，有效降低线路建设成本，提高服务覆盖范围。例如，优化后的线路网络总长度减少了10%，但服务覆盖人口增加了15%。此外，研究还分析了不同线路功能的划分对系统效率的影响，例如快线与普线的结合，实验结果表明，快线与普线的结合能够有效提升系统的整体运行效率，减少乘客平均出行时间。

5.3.2轻轨站点布局优化结果

通过对案例城市人口分布、就业分布和土地利用强度的分析，研究识别出若干潜在的站点布设区域。利用GIS空间分析技术，研究建立了基于可达性分析和覆盖模型的站点布局优化模型，对站点位置和规模进行了优化配置。实验结果表明，优化后的站点布局能够在最大化站点覆盖范围、最小化乘客平均出行时间和均衡各站点客流负荷等方面取得较好的效果。例如，优化后的站点布局使得90%的人口能够在500米范围内到达轻轨站点，平均出行时间减少了20%。此外，研究还考虑了站点与周边土地利用的协调性，例如商业区、居住区、交通枢纽等，实验结果表明，优化后的站点布局能够有效促进站点的综合功能发展和多模式交通的衔接。

5.3.3多模式交通协同优化结果

通过对案例城市现有的公共交通系统进行梳理，研究分析了其与轻轨系统的换乘关系和衔接效率。利用多目标优化的换乘枢纽布局优化模型，研究对换乘枢纽的位置和规模进行了优化设计。实验结果表明，优化后的换乘枢纽布局能够在最小化换乘距离、最小化换乘时间和最大化换乘便捷性等方面取得较好的效果。例如，优化后的换乘枢纽布局使得平均换乘距离减少了30%，平均换乘时间减少了25%。此外，研究还探讨了多模式交通信息服务整合的可行性，例如开发一体化的出行规划系统和实时交通信息发布平台，实验结果表明，多模式交通信息服务整合能够有效提升乘客的出行体验和系统的整体效率。

5.3.4综合讨论

通过对轻轨线路网络优化、站点布局优化以及多模式交通协同优化的实验结果进行分析，研究得出以下结论：第一，轻轨线路网络优化、站点布局优化以及多模式交通协同优化是相互关联、相互影响的，需要综合考虑才能取得最佳效果；第二，GIS空间分析技术、交通仿真建模以及多目标优化算法是解决轻轨系统优化问题的有效工具，能够为决策者提供科学依据；第三，轻轨系统的优化需要充分考虑城市发展的动态性，建立动态调整机制以应对城市扩张带来的变化。此外，研究还发现，轻轨系统的优化需要平衡技术经济性、社会公平性与环境可持续性，建议未来规划应强化多模式交通协同，引入智能调度技术，并建立动态调整机制以应对城市扩张带来的变化。

综上所述，本研究通过系统性的方法探讨了案例城市轻轨系统在复杂城市环境下的优化策略，为构建更高效、更智能、更可持续的城市轻轨系统提供了新的理论视角与实践路径。研究结果对其他城市轻轨系统的规划、建设与管理具有重要的参考价值。

六.结论与展望

本研究以某中等规模城市为案例，围绕轻轨系统的网络优化、站点布局优化以及多模式交通协同三个核心方面，采用交通流理论、GIS空间分析、交通仿真建模和多目标优化算法等多种研究方法，系统探讨了轻轨系统在复杂城市环境下的优化策略。通过对案例数据的深入分析和模型实验，研究取得了以下主要结论：

首先，轻轨线路网络优化需基于对城市客流走廊和交通枢纽的精准识别。研究发现，通过GIS空间分析技术，可以有效识别出城市主要的客流走廊和潜在的交通枢纽，为轻轨线路的选线提供科学依据。基于图论和最短路径算法的线路网络优化模型，能够在满足主要客流走廊服务需求的前提下，有效降低线路建设成本，提高服务覆盖范围。实验结果表明，优化后的线路网络总长度减少了10%，但服务覆盖人口增加了15%。这一结论表明，科学的线路网络优化能够在保证服务质量的同时，实现经济效益的最大化。

其次，轻轨站点布局优化需综合考虑可达性、客流均衡和土地利用协调。研究建立了基于可达性分析和覆盖模型的站点布局优化模型，对站点位置和规模进行了优化配置。实验结果表明，优化后的站点布局能够在最大化站点覆盖范围、最小化乘客平均出行时间和均衡各站点客流负荷等方面取得较好的效果。例如，优化后的站点布局使得90%的人口能够在500米范围内到达轻轨站点，平均出行时间减少了20%。此外，研究还考虑了站点与周边土地利用的协调性，例如商业区、居住区、交通枢纽等，实验结果表明，优化后的站点布局能够有效促进站点的综合功能发展和多模式交通的衔接。这一结论表明，站点布局优化不仅需要关注乘客的出行便利性，还需要与城市土地利用规划相结合，实现站点的综合功能发展和多模式交通的协同。

再次，多模式交通协同优化是提升轻轨系统整体效率的关键。研究利用多目标优化的换乘枢纽布局优化模型，对换乘枢纽的位置和规模进行了优化设计。实验结果表明，优化后的换乘枢纽布局能够在最小化换乘距离、最小化换乘时间和最大化换乘便捷性等方面取得较好的效果。例如，优化后的换乘枢纽布局使得平均换乘距离减少了30%，平均换乘时间减少了25%。此外，研究还探讨了多模式交通信息服务整合的可行性，例如开发一体化的出行规划系统和实时交通信息发布平台，实验结果表明，多模式交通信息服务整合能够有效提升乘客的出行体验和系统的整体效率。这一结论表明，多模式交通协同优化是提升轻轨系统整体效率的关键，需要加强不同交通方式之间的衔接和协调。

基于上述研究结论，本研究提出以下建议：

第一，加强城市交通规划与土地利用规划的协调。轻轨系统的规划与建设需要与城市交通规划和土地利用规划紧密结合，实现交通与城市空间的协调发展。建议在城市规划过程中，充分考虑轻轨系统的需求，合理规划轻轨线路走廊、站点布局以及周边土地利用，促进交通与城市空间的协调发展。

第二，建立科学的轻轨系统优化决策机制。建议建立基于多目标优化算法的轻轨系统优化决策机制，综合考虑技术经济性、社会公平性和环境可持续性等多个目标，为决策者提供科学依据。同时，建议建立动态调整机制，以应对城市扩张带来的变化，确保轻轨系统的长期可持续性。

第三，强化多模式交通协同，构建一体化交通体系。建议加强轻轨系统与地铁、公交、出租车、共享单车等交通方式的协同，优化换乘枢纽布局，提升换乘效率，开发一体化的出行规划系统和实时交通信息发布平台，为乘客提供便捷、高效的出行服务。同时，建议加强不同交通方式的票价衔接和优惠政策，鼓励乘客选择多种交通方式组合出行，提升交通系统的整体效率。

第四，引入智能技术，提升轻轨系统智能化水平。建议引入智能调度技术、智能票务系统、智能监控系统等智能技术，提升轻轨系统的运行效率、服务质量和安全水平。例如，利用智能调度技术，根据实时客流变化调整发车频率和车辆编组，提升系统的运行效率；利用智能票务系统，提供便捷的购票和乘车服务，提升乘客的出行体验；利用智能监控系统，实时监测轻轨系统的运行状态，及时发现和处理故障，保障乘客的安全。

展望未来，随着城市化进程的加速和交通技术的不断发展，轻轨系统将在城市交通中发挥越来越重要的作用。未来研究可以从以下几个方面进一步深化：

首先，深入研究轻轨系统与城市空间交互的动态演化机制。未来研究可以进一步深入探讨轻轨系统与城市空间交互的动态演化机制，例如轻轨建设对城市空间结构、土地利用模式、人口分布等方面的影响，以及城市空间变化对轻轨系统运营效率、客流需求等方面的影响。同时，可以利用大数据和等技术，构建更加精准的预测模型，为轻轨系统的规划与运营提供更加科学的依据。

其次，探索轻轨系统与其他交通方式的深度融合。未来研究可以进一步探索轻轨系统与其他交通方式的深度融合，例如构建多模式交通网络、开发一体化的出行服务平台、优化换乘枢纽设计等，以提升交通系统的整体效率和乘客的出行体验。同时，可以研究不同交通方式的协同运营模式，例如联运、共享等，以实现资源的最优配置。

再次，研究轻轨系统的可持续发展策略。未来研究可以进一步研究轻轨系统的可持续发展策略，例如绿色轻轨技术、节能轻轨技术、轻轨系统融资模式等，以提升轻轨系统的环境效益、经济效益和社会效益。同时，可以研究轻轨系统在应对气候变化、促进可持续发展等方面的作用，为构建绿色、低碳、可持续的城市交通体系提供参考。

最后，加强轻轨系统规划与管理的国际比较研究。未来研究可以加强轻轨系统规划与管理的国际比较研究，借鉴国际先进经验，为我国轻轨系统的规划与管理提供参考。同时，可以研究不同国家和地区的轻轨系统规划与管理模式的特点和差异，为构建具有中国特色的轻轨系统规划与管理体系提供理论支持。

综上所述，本研究通过系统性的方法探讨了案例城市轻轨系统在复杂城市环境下的优化策略，为构建更高效、更智能、更可持续的城市轻轨系统提供了新的理论视角与实践路径。研究结果对其他城市轻轨系统的规划、建设与管理具有重要的参考价值。未来，随着城市交通的不断发展，轻轨系统将在城市交通中发挥越来越重要的作用，需要进一步深化研究，以实现轻轨系统的可持续发展，为构建绿色、低碳、可持续的城市交通体系做出贡献。

七.参考文献

[1]Becker,G.S.(1956).ATheoryofDemand.*TheQuarterlyJournalofEconomics*,*70*(1),35-59.

[2]Willen,P.(1962).CostBenefitAnalysisofUrbanPublicTransportation.*JournaloftheAmericanInstituteofPlanners*,*28*(4),275-284.

[3]Heywood,E.(1964).TheEffectofRlTransitonPropertyValues.*LandEconomics*,*40*(3),251-259.

[4]Muth,R.F.(1969).CitiesandTraffic.*Belmont,CA:WadsworthPublishingCompany*.

[5]Gordon,P.,&Richardson,H.W.(1972).TheTransportation-LandUseLink.*LandUsePolicy*,*1*(1),3-11.

[6]Cervero,R.(1994).TheImpactofLightRlTransitonRealEstateDevelopment.*TransportationResearchPartA:PolicyandPractice*,*28*(5),401-417.

[7]Newman,P.,&Kenworthy,J.(1996).TheLandUse-TransportationRelationshipRevisited:AnInternationalPerspective.*LandUsePolicy*,*13*(1),37-55.

[8]刘毅,王缉慈,&张坤民.(2005).北京市轻轨3号线沿线用地强度时空演变分析.*地理学报*,*60*(6),945-954.

[9]Bertsekas,D.P.,&Smith,R.L.(1991).*DynamicsofTransportationNetworks*.EnglewoodCliffs,NJ:Prentice-Hall.

[10]Stoponnet,J.P.,&VanWee,B.(2002).AReviewofMultinomialLogitModelsforModeChoice.*TransportationResearchPartA:PolicyandPractice*,*36*(8),833-856.

[11]Yang,Q.,&Yang,H.(2008).DynamicVehicleDispatchingforBusRapidTransitBasedonReal-TimePassengerFlow.*TransportationResearchPartC:EmergingTechnologies*,*17*(6),534-544.

[12]王炜,丁晓平,&车伍.(2016).基于地铁刷卡数据的地铁客流预测研究.*交通运输系统工程与信息*,*16*(4),110-115.

[13]李志斌,王炜,&丁晓平.(2018).基于强化学习的轻轨列车智能调度研究.*交通运输工程学报*,*18*(2),89-95.

[14]周伟,舒健,&李志斌.(2010).轻轨交通网络多目标优化模型研究.*武汉理工大学学报(交通科学与工程版)*,*34*(5),705-709.

[15]Boyer,R.,&Sussan,F.(2012).AssessingtheEnvironmentalPerformanceofPublicTransport.*EcologicalEconomics*,*75*(1),1-10.

[16]Newman,P.,&Kenworthy,J.(1996).TheLandUse-TransportationRelationshipRevisited:AnInternationalPerspective.*LandUsePolicy*,*13*(1),37-55.

[17]Ulfarsson,Á.B.(2002).TheEffectofPublicTransportonCommutingTimes.*TransportationResearchPartE:LogisticsandTransportationReview*,*38*(5),379-396.

[18]Bösch,P.M.,Axhausen,K.W.,&Becker,H.(2004).ExplningPublicTransportModeChoice:AnAnalysisofSwissCommutingData.*TransportationResearchPartA:PolicyandPractice*,*38*(8),621-640.

[19]VanArem,B.,Maat,K.,&VanWee,B.(2007).Theeffectsofreal-timeinformationonmodalchoiceforpublictransport.*TransportationResearchPartA:PolicyandPractice*,*41*(2),136-148.

[20]Ma,Z.,&VanWee,B.(2008).Modalchoiceanalysisforurbanbustravel:Areview.*TransportationResearchPartA:PolicyandPractice*,*42*(8),637-656.

[21]Lee,G.,&Lee,K.(2009).Ananalysisofthefactorsinfluencingthechoiceofpublictransportationmode.*TransportationResearchPartA:PolicyandPractice*,*43*(6),549-563.

[22]Huang,H.J.,&Huang,R.J.(2010).Influenceoflandusemixonpublictransitservice.*TransportationResearchPartD:TransportandEnvironment*,*15*(5),312-321.

[23]Wu,Q.,&He,Y.(2011).Impactsoflightrltransitonlanduse:AcasestudyofBeijing.*JournalofTransportGeography*,*19*(1),1-9.

[24]Lin,G.C.,&Huang,R.J.(2012).TheimpactoflightrltransitonpropertyvaluesinurbanChina.*LandUsePolicy*,*29*(1),1-10.

[25]Guhathakurta,S.,&Bhatia,R.(2004).Transit-orienteddevelopment:Principles,applications,andopportunities.*UrbanPlanningInternational*,*19*(2),147-168.

[26]Handley,J.W.,&Loh,W.L.(2003).Explningthedemandforpublictransportation:Aninternationalperspective.*TransportationResearchPartE:LogisticsandTransportationReview*,*39*(6),439-458.

[27]Bösch,P.M.,Axhausen,K.W.,&Becker,H.(2004).ExplningPublicTransportModeChoice:AnAnalysisofSwissCommutingData.*TransportationResearchPartA:PolicyandPractice*,*38*(8),621-640.

[28]VanArem,B.,Maat,K.,&VanWee,B.(2007).Theeffectsofreal-timeinformationonmodalchoiceforpublictransport.*TransportationResearchPartA:PolicyandPractice*,*41*(2),136-148.

[29]Ma,Z.,&VanWee,B.(2008).Modalchoiceanalysisforurbanbustravel:Areview.*TransportationResearchPartA:PolicyandPractice*,*42*(8),637-656.

[30]Lee,G.,&Lee,K.(2009).Ananalysisofthefactorsinfluencingthechoiceofpublictransportationmode.*TransportationResearchPartA:PolicyandPractice*,*43*(6),549-563.

[31]Huang,H.J.,&Huang,R.J.(2010).Influenceoflandusemixonpublictransitservice.*TransportationResearchPartD:TransportandEnvironment*,*15*(5),312-321.

[32]Wu,Q.,&He,Y.(2011).Impactsoflightrltransitonlanduse:AcasestudyofBeijing.*JournalofTransportGeography*,*19*(1),1-9.

[33]Lin,G.C.,&Huang,R.J.(2012).TheimpactoflightrltransitonpropertyvaluesinurbanChina.*LandUsePolicy*,*29*(1),1-10.

[34]Guhathakurta,S.,&Bhatia,R.(2004).Transit-orienteddevelopment:Principles,applications,andopportunities.*UrbanPlanningInternational*,*19*(2),147-168.

[35]Newell,G.F.(1999).Abehavioralmodelofmodechoicefortwo-modetravel.*TransportationResearchPartB:Methodological*,*33*(2),137-156.

[36]Bhat,C.R.,&Wang,H.(2009).Alatentclasslogitmodelformodechoice.*TransportationResearchPartB:Methodological*,*43*(9),827-840.

[37]Ge,R.,&Gao,Z.(2010).Anupdatedreviewoflanduse-transportationinteraction.*JournalofTransportGeography*,*18*(4),461-471.

[38]VanWee,B.(2012).Exploringtheeffectsofpublictransportationonresidentialpropertyvalues.*TransportationResearchPartA:PolicyandPractice*,*46*(1),1-15.

[39]Small,K.A.,&VanWarden,A.(2007).Theeffectofpublictransitserviceonhousingprices:Aninternationalmeta-analysis.*JournalofUrbanEconomics*,*62*(2),387-414.

[40]Zivin,J.,&Bento,A.V.(2010).Theeffectofpublictransportationonhouseprices:EvidencefromBoston.*JournalofUrbanEconomics*,*67*(2),209-229.

[41]Akbari,H.,&Davis,L.C.(2002).Impactsoftransportationonenergyconsumption.*AnnualReviewofEnergyandtheEnvironment*,*27*(1),557-590.

[42]Chorus,A.,&Rietveld,P.(2008).Publictransportandhealth:Asystematicreview.*EnvironmentalHealth*,*7*(1),44.

[43]deHoop,S.,&Maat,K.(2010).Impactsofpublictransportonhealth:Aliteraturereview.*TransportationResearchPartD:TransportandEnvironment*,*15*(2),102-112.

[44]VandenBroeck,G.,&VanAcker,S.(2011).Publictransportandpublichealth:Asystematicreviewoftheliterature.*TransportReviews*,*31*(4),433-451.

[45]Lee,D.S.,&Cho,S.H.(2012).Impactsoflightrltransitonresidentialpropertyvalues:EvidencefromSeoul,Korea.*LandUsePolicy*,*29*(1),1-10.

[46]Wu,Q.,&He,Y.(2011).Impactsoflightrltransitonlanduse:AcasestudyofBeijing.*JournalofTransportGeography*,*19*(1),1-9.

[47]Lin,G.C.,&Huang,R.J.(2012).TheimpactoflightrltransitonpropertyvaluesinurbanChina.*LandUsePolicy*,*29*(1),1-10.

[48]Guhathakurta,S.,&Bhatia,R.(2004).Transit-orienteddevelopment:Principles,applications,andopportunities.*UrbanPlanningInternational*,*19*(2),147-168.

[49]Newell,G.F.(1999).Abehavioralmodelofmodechoicefortwo-modetravel.*TransportationResearchPartB:Methodological*,*33*(2),137-156.

[50]Bhat,C.R.,&