公交信息服务系统中乘车方案查询算法

介绍公交信息服务系统乘车方案查询算法的设计和实现.算法包括站点乘车算法、位置乘车算法、最近位置算法、乘车费用算法、乘车距离算法和乘车时间算法等6个方面,可以在尽量短的时间内找到所有的可行方案,供用户选择.最后,以福建泉州市交通地图为原始数据,对有关算法进行测试,结果表明,算法能够实现为用户乘车提供自己认为最优的乘车方案.     

基于改进蜂群算法的城市公交网络设计

针对公交网络设计问题,基于OD矩阵提出了一种贪婪算法生成初始公交线路集,利用改进蜂群算法通过循环迭代对初始解集进行改进,从而生成最优公交线路集.模型以乘客总乘车时间与加权换乘次数之和为优化目标,以乘客平均乘车时间、乘客换乘次数占比为评价指标.最后,利用瑞士Mandl网络对算法进行验证,结果表明:与既有研究相比,利用改进蜂群算法所得的线路集合乘客平均乘车时间更少,直达乘客比例更高.与遗传算法、爬山算法和禁忌算法比较,改进蜂群算法耗时更少,能够有效的应用于大规模的公交网络设计.     

基于最短路径算法的城市轨道交通咨询系统的研究

研究基于最短路径算法的城市轨道交通智能咨询系统,首先对城市轨道交通网络图建立数学模型;然后研究基于上述数学模型的数据库建立方法和相应的算法设计,和以Dijkstra算法为基础的最短程乘车和最少换乘的最优化乘车路径的城轨线路查询系统算法;最后简要介绍了按此想法设计实现的城市轨道交通智能查询系统的结构。     

城市公共交通乘车咨询服务系统确定最短乘车路径的算法

本文提出了确定最短乘车路径的一个算法。算法建立在用广度优先搜索法对加权图进行遍历的基础上。用该算法确定最短乘车路径是一个逐层推算的过程。文中导出了算法所依赖的递推式,给出了有关的定义,并对结论进行了较为详细的证明。文中还对算法的执行步骤进行了大致描述,并举例说明了算法实现的求解过程。最后,本文对提出的算法进行了粗略的分析,并与其它有关算法进行了比较。     

公交网络最优路径选择算法研究

公交乘客出行路径的选择是公共交通信息查询的重要内容.依据公交线路网络的特点以及公交路径选择的需要构造了公交线路网络的数学模型,在Dijkstra算法的基础上综合考虑乘客出行的乘车习惯、线路距离、换乘次数和乘车费用等因素,并考虑了多种不同的换乘方式和不同的线路类型对选路的影响,设计并验证了能够满足多种出行特点的路径选择算法.     

基于矩阵的公交查询高效算法

引入最小乘车次数矩阵Q,直达信息矩阵,直达信息转置矩阵,充分利用矩阵Q进行宏观的判断,用后两个矩阵进行精细的查找,并设计寻找和组装最优方案的算法,进而在最小换乘算法的基础上设计了高效公交查询算法。该算法不仅缩短了查询时间,且使查询结果更加人性化,可给出最少换乘次数为3的出行线路查询结果。     

一种求解双目标校车路径问题的蚁群优化算法

校车路径问题(SBRP)是在满足学生交通服务各种约束条件的前提下,寻求高效的校车路径方案,将学生从乘车站点运送到学校,达到一定的服务质量目标和校车运营效率目标.现有SBRP算法主要优化校车路径长度目标,较少关注如何减少所需校车数量.鉴于减少校车数量能显著降低校车服务成本,尝试设计蚁群优化(ACO)算法求解双目标SBRP问题.在校车容量和学生最大乘车时间约束下,将减少路径数量作为第一目标,缩减路径总长度为第二目标,设计了一个ACO算法.重点讨论了校车路径构造算法、与优化目标相关的信息素更新方法、局部搜索路径改进和提升双目标的两阶段策略.采用基准案例进行测试,验证算法的有效性.与CPLEX精确算法相比,ACO算法在求解路径数量和计算效率方面具有明显的优势.     

城市交通优化中基于对偶算法的元胞自动机

对基于换乘时间的城市交通优化问题进行了数学模型分析,根据模型的对偶原理得到了问题的对偶算法,设计了元胞自动机.在元胞自动机中,以每一个站点作为一个元胞,根据是否获得最佳乘车线路将元胞分为2种状态,将中心元胞的下一个站点作为其邻居,演化规则只作用于未获得最佳乘车线路的元胞,并只需通过对演化时间与元胞的相应权值的比较来确定状态的改变.基于对偶算法元胞自动机具有元胞状态少、邻居关系简单、演化规则简便和计算量少的特点.仿真实验说明了基于对偶算法元胞自动机的有效性和可行性.     

基于公交网和道路交通网的出行线路选择算法研究

对公交网和道路交通网进行预处理,提出了出行网的概念,给出了相应的构造算法,出行网为后续选路算法的实现提供高效平台．基于所提出的出行网,在综合考虑换乘次数、出行距离、出行耗时以及步行换乘等多约束条件下,提出了一种高效的出行线路选择算法——BRC（Best Route Chioce）算法．该算法可通过调节系统参数求得不同目标条件以及综合目标条件下的最优乘车方案．理论分析表明,所提出的算法是可行的,算法正确性也得到了证明．     

基于双向搜索的公交路径选择算法及优化模型

为了解决人们出行公交路径选择问题,分析了公交网络的特点,对最短路径常用算法进行比较,提出一种基于双向搜索的公交网络路径选择算法。为了选择最优路径,综合考虑出行时间、出行费用和换乘次数等因素,给出一个综合评价指数模型,并用算例对算法和模型的可行性进行验证。基于数据库理论,算法用数据库表示公交网络,用数据库查询技术实现最优乘车路经选择,易于实现,执行效率较高。     

公交乘车最优线路的数学模型与算法

本文运用图论理论,建立了公交乘车优化模型。用换乘矩阵描述换乘公交的次数,计算出换乘的次数以及乘车所耗费的时间。运用数据库中遍历的方法,计算出乘车最优线路。     

公交最优路径选择的数学模型及算法

在公交出行查询系统最关键的部分是寻找两站点间乘车的出行最优路径问题.建立了以最种小换乘次数为第一目标,最小途经站点为第二目标的公交出行最优路径模型.同时,设计了一种算法以确定最优公交线路序列,分析了线路相交的几种情况,给出了换乘点选择方法.     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

基于限时免费换乘的公交线网优化模型与求解算法

针对"限时免费换乘"政策的提出,为了使轨道交通与地面常规公共交通线网构成的综合公共交通网络更加合理,以公交线网系统总费用最小为目标,将"限时免费换乘"条件作为乘客乘车成本因子,以公交单条线路长度、线路非直线系数、线路重叠系数、换乘次数为约束条件,建立了城市轨道交通与地面常规公共交通线网优化模型。考虑"限时免费换乘"条件,从信息素的累积与惩罚机理着手改进了蚁群算法,并给出了将该算法求解城市轨道交通与地面常规公共交通线网优化模型的算法流程。所建立的模型与改进的蚁群算法为优化轨道交通与常规公共交通系统构成的综合公共交通网络提供了一种新方法。     

公交查询算法的改进

本文主要研究公交换乘搜索算法的改进,通过将有穷状态自动机思想应用于公交换乘搜索算法中,研究更为高效、准确的公交搜索算法,方便市民日常乘车。     

基于综合评价指数的城市公交线路选择优化模型

为了提高公众出行效率,针对城市公交线路的选择问题,提出了公众出行的任意两站点间公交线路优化选择模型,给出了相应的模型实现算法。通过设置权重因子α,综合考虑换乘车次数、乘车时间和乘车费用3个主要因素,在换乘车次数不超过两次的情况下,将乘车费用和时间融合成一个综合评价指数,建立了线路优化选择模型,并以北京公交的线路选择为实例,得出了直达、一次换乘车和两次换乘车的具体结果。给出α取值为1时的建议性线路,从而验证了模型和算法的合理性和实用性。依据此模型的每次线路选择,都能反映公众出行时需要考虑的3个主要因素,在上述条件下该模型具有一定的通用性。     

The Rail Transit Passenger Flow Assignment Model Under the Condition of Crowded Costs

以往的轨道交通网络客流分析常以乘车时间、换乘时间为主要影响因素,但在实际调查中除上述影响因素外,乘车拥挤延误时间和换乘排队时间也是乘客在路径选择时的重要考虑因素.以改进后的广义费用模型为基础提出城市轨道交通随机均衡配流(SUE)模型,并给出相应的MSA算法步骤进行求解.     

考虑拥挤费用条件下的轨道交通客流分配模型

以往的轨道交通网络客流分析常以乘车时间、换乘时间为主要影响因素,但在实际调查中除上述影响因素外,乘车拥挤延误时间和换乘排队时间也是乘客在路径选择时的重要考虑因素.以改进后的广义费用模型为基础提出城市轨道交通随机均衡配流(SUE)模型,并给出相应的MSA算法步骤进行求解.     

蚁群算法与免疫算法的混合算法

蚁群算法是近些年来启发式算法研究的一个热点,在求解复杂组合优化问题上具有强大的优势.作为一种全局搜索的方法,它具有正反馈性、并行性、分布性、自组织性等特点.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟、停滞现象.针对上述不足,在深入研究蚁群算法的同时,又对免疫算法进行了一定的研究和分析后,针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚁群算法中,提出了蚁群算法与免疫算法的混合算法.将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有"免疫"的能力,旨在借鉴其他仿生算法的长处,利用其优点弥补蚁群算法的不足,从而提高蚁群算法的求解性能.     

基于PCA算法和GA-BP算法的混合算法

研究PCA算法、GA和BP算法的机理,分析三种算法的优缺点,结合PCA算法降维优点及GA全局寻优与BP算法快速收敛的特点,将主成分进行实数编码,将网络结构进行二进制编码,并在遗传操作中嵌入BP算子,将三种算法进行耦合,提出一种新的混合算法,就财政能力综合评价问题进行实验,实验结果表明混合算法明显优于GA和BP算法。