论文部分内容阅读
地面公交是城市公共交通系统的重要组成部分,承担着居民日常大量中短出行和轨道交通接驳的重要功能。但是,与轨道交通相比,地面公交存在路权不独立、舒适性不高、运量小、公交车头时距波动大、准点率低、运行时间延长等问题,导致近些年来中国许多城市出现地面公交分担率逐年下降,轨道交通超负荷运行的现象。因此,保持公交车头时距运行稳定是提升地面公交车运行准点率与公交吸引力的关键。本文基于车路协同技术,研究构建协同环境下公交实时速度控制的公交车头时距优化模型与方法,对提升地面公交车辆运行可靠性与服务水平,以及缓解城市交通拥堵都具有重要意义。
本文首先阐述了公交车头时距的基本概念及影响因素,结合公交车头时距优化协作方式,分析了公交车头时距优化过程,厘清了公交车头时距优化的协同环境。其次,分析了公交实时速度控制和公交车头时距预测过程,研究了公交车头时距特征因子及常规公交车头时距预测模型优缺点和适用范围,构建了萤火虫算法优化下的BP神经网络公交车头时距预测模型(FA-ANN),并将其应用到实际算例分析中,结果表明:FA-ANN模型预测结果与实际车头时距的平均绝对误差为12.99s,相较于常规BP动态预测与静态预测结果,分别减少36.60%和54.40%,论证了优化算法对预测模型精度的提升。然后,对公交实时控制优化车头时距进行了定性分析,剖析了公交实时控制优化车头时距实施过程中对公交乘客的主观影响,选取对公交乘客主观影响较小的公交实时速度控制策略进行车头时距优化,分析了公交车头时距计算及优化过程,构建了对乘客主观影响小和客观优化效果好相结合的车头时距优化模型。最后,以重庆市主城区475路公交为例,通过仿真算例定量分析了车头时距优化模型的客观优化效果,结果显示:在道路交通流影响及无道路交通流影响的公交专用道条件下,公交实时速度控制相较于实际运行情景,公交车头时距与发车间隔的标准差分别减少32.56%和83.98%,验证了本文构建的主客观相结合的公交车头时距优化模型的有效性。
本文以公交车头时距为研究对象,在协同环境下公交实时控制的公交车头时距优化模型中,引入对乘客主观影响小和客观优化效果好两个因素,运用BP神经网络、萤火虫算法、公交实时速度控制等理论方法,定性、定量化地研究协同环境下公交车头时距预测及公交实时速度控制优化车头时距过程等模型方法,一定程度上补充了公交车头时距研究的相关理论。
本文首先阐述了公交车头时距的基本概念及影响因素,结合公交车头时距优化协作方式,分析了公交车头时距优化过程,厘清了公交车头时距优化的协同环境。其次,分析了公交实时速度控制和公交车头时距预测过程,研究了公交车头时距特征因子及常规公交车头时距预测模型优缺点和适用范围,构建了萤火虫算法优化下的BP神经网络公交车头时距预测模型(FA-ANN),并将其应用到实际算例分析中,结果表明:FA-ANN模型预测结果与实际车头时距的平均绝对误差为12.99s,相较于常规BP动态预测与静态预测结果,分别减少36.60%和54.40%,论证了优化算法对预测模型精度的提升。然后,对公交实时控制优化车头时距进行了定性分析,剖析了公交实时控制优化车头时距实施过程中对公交乘客的主观影响,选取对公交乘客主观影响较小的公交实时速度控制策略进行车头时距优化,分析了公交车头时距计算及优化过程,构建了对乘客主观影响小和客观优化效果好相结合的车头时距优化模型。最后,以重庆市主城区475路公交为例,通过仿真算例定量分析了车头时距优化模型的客观优化效果,结果显示:在道路交通流影响及无道路交通流影响的公交专用道条件下,公交实时速度控制相较于实际运行情景,公交车头时距与发车间隔的标准差分别减少32.56%和83.98%,验证了本文构建的主客观相结合的公交车头时距优化模型的有效性。
本文以公交车头时距为研究对象,在协同环境下公交实时控制的公交车头时距优化模型中,引入对乘客主观影响小和客观优化效果好两个因素,运用BP神经网络、萤火虫算法、公交实时速度控制等理论方法,定性、定量化地研究协同环境下公交车头时距预测及公交实时速度控制优化车头时距过程等模型方法,一定程度上补充了公交车头时距研究的相关理论。