论文部分内容阅读
换乘优化是公共交通规划领域中的一个重要研究问题。有效的换乘能够实现各种交通方式间的顺畅衔接,提高使用城市公共交通方式出行对居民的吸引力,充分体现公共交通的优势。以最大同步到达次数为目标是换乘优化问题的研究方向之一,同步体现了时间上不同线路车次到达换乘站点的协调一致性,通过最大化换乘站点的同步到达次数,能够给乘客提供更多换乘机会,降低换乘等待时间消耗。以往的最大同步换乘问题研究主要集中于一种交通方式,较少考虑多种交通方式,本文以最大化同步到达次数为目标,研究了常规公交和地铁两种重要交通方式间的换乘同步问题,即给定一个发车时间已知的地铁站点,通过优化接驳公交线路车次的发车时间,最大化公交与地铁以及公交与公交的同步到达次数,并建立了一个防止串车和考虑乘客步行时间的最大同步换乘模型。本文提出了基于遗传算法、粒子群算法、自适应差分进化算法的方法来求解模型,并通过一个对比实验验证了这三种算法的有效性,从最大同步到达次数的求解结果、标准差和算法收敛性的角度作了对比,对比实验发现三种算法的求解结果较以往基于站点选择的启发式方法分别提升了55.77%、72.03%和121.37%,其中通过在迭代不同阶段选择不同变异策略的自适应差分进化算法(DEMS)较其它两种算法的收敛性更好。另外,本文比较了DEMS算法和基于不同变异策略的传统差分进化算法,验证了DEMS算法的求解更优。最后将这三种方法应用于求解接驳武汉光谷地铁站的公交最大同步换乘问题,结果验证了DEMS算法在求解上能获得更好结果同时收敛性更好。