基于遗传算法的城市轨道交通接运公交线网规划.doc

1 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- , 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 2 究工作. 文中主要研究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(feederbus) 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{N} 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 3 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, 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 750m 以内; 在线路终端是以车站为中心,以 750m 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 500 ~ 600m, 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]. 一般来说与车站预测吸引客流量成正比向外辐射, 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,