一、公交出行路径蚂蚁算法（论文文献综述）
谢盛强[1]（2021）在《共享汽车与公共交通组合出行方案规划研究》文中研究指明
赵添[2]（2021）在《基于GIS的冬奥出行规划系统的设计与实现》文中研究说明冬奥会作为国家特大型体育赛事之一,吸引了众多国内外游客观赛。然而,由于赛事相关信息发布不集中,给赛事管理者和出行人员的出行和查询冬奥相关信息带来不便,并且道路突发异常情况时有发生,若不能及时采取应急措施将会给观赛游客带来延误。因此,赛事管理者和出行者缺少集赛事相关信息查询、出行规划和应急调度一体化平台。本论文以软件工程方法学为指导思想,以软件工程理论、智慧交通理论、智能优化算法为基础,以赛事管理人员和出行人员为研究对象,以应急调配和出行规划为研究场景,系统地分析了待解决问题的需求和业务流程,最后设计与开发冬奥出行规划原型系统。旨在为管理和出行人员提供便捷、可靠、高效的出行规划和信息查询服务。本文主要的设计与开发内容有如下几个方面:（1）常态与应急调度场景下出行路径规划方法和应急车辆调度模型。为了减少应急车辆和观赛人员各自出行时间,设计了用于应急和常态场景下的出行路径规划方法和应急场景下的应急车辆调配模型:在出行场景下,将研究场景聚焦于轨道交通出行和驾车出行两种出行场景,通过Dijkstra算法来实现轨道交通下不同出行目的的出行规划方法;通过改进蚁群算法以提高其在驾车路径规划方法的实用性,并通过实例证明,改进的算法比原始算法在限定搜索区域的情况下求解效率提高了23.8%,蚂蚁死锁发生的概率降低到了7-9%。在应急场景下,建立了以最短应急时间和最优车辆配置为目标的单应急点单需求点应急车辆调配模型,先使用改进蚁群算法分析最近驻车点分布,再使用回溯剪枝算法来求解模型。（2）冬奥出行规划原型系统的设计与实现。在系统功能设计方面,本文首先分析大型赛事相关的业务痛点,并依据面向对象的模块化划分方法初步将冬奥出行规划系统划分为冬奥基础数据管理、交通态势可视化及评价、应急资源调配和管理、出行路径规划和用户管理五个模块。在系统架构方面,为了简化系统开发流程,本系统使用SSM作为后端框架,Layui.js作前端框架,Web容器使用Tomcat,并使用My SQL、GDB和Redis作数据持久化工具。在系统实现方面,本系统以北京四环以内为出行规划区域,路网数据来源于Open Street Map。首先使用Arcmap对城市主干路网进行建模并存储于GDB,再通过Arc GIS Server作为地图服务器发布地图Web服务,最后使用Arc Objects组件进行二次开发来实现改进的蚁群算法对发布的地图实例的最优路径分析。
唐飞[3]（2021）在《基于随机时变网络的定制公交线路规划研究》文中研究说明在全国小汽车保有量大幅增加,交通拥堵现象日益严重和环境质量日趋恶化,通勤人群出行时间、距离变长变远,乘客出行需求更趋个性化、多元化的时代交通背景下,定制公交作为可以缓解以上问题的方法之一,对它的研究显得尤为重要。线路规划是定制公交服务的核心环节,科学合理的线路规划可有效提高乘客的服务质量,同时也是定制公交进入市场和实现可持续发展需考虑的问题。本文首先分析了我国当下的交通大环境,阐述了研究的背景及意义。对定制公交线路规划、随机时变网络下车辆路径问题的国内外研究现状进行了分析总结,发现基于随机时变网络下的定制公交线路规划鲜有研究,因此为更精确的把握定制公交线路运行时间,减少规划线路理论行驶时间与实际行驶时间之间的误差,保证乘客服务质量,本文以此作为切入点,对其进行研究。其次对定制公交的概念、多目标优化问题相关理论、蚁群算法基本原理、不确定性问题处理方法、鲁棒优化理论进行了介绍和分析,为后文模型的建立以及算法的设计提供理论支撑。然后以静态网络为定制公交线路规划的背景,兼顾乘客与运营企业双方的利益,以所有OD对乘客绕行时间最短和运营成本最小为目标函数,OD对最大绕行时间、车辆荷载、站点服务等为约束建立静态网络下定制公交的单车与多车的多目标线路规划模型。之后分析了时变网络与随机时变网络的特点,针对随机时变网络下车辆行驶时间的不确定性,同样以所有OD对乘客绕行时间最短和企业运营成本最小为目标建立了随机时变网络下定制公交单车和多车线路的鲁棒优化模型,将随机时变网络下的线路规划问题转化为了确定性时变网络下的线路规划问题。最后针对两种网络下的线路规划模型的求解,本文采用基于Pareto的多目标蚁群算法对其进行求解。以B城市实际的定制公交站点和随机生成的乘客需求数据作为案例,分别求解静态网络下和随机时变网络下定制公交的单车和多车线路。对静态网络下和随机时变网络下单车规划线路的分析得出,两种网络条件下定制公交线路里程与运营成本差异不大,随机时变网络下线路的绕行时间与线路运行时长要大于静态网络的绕行时间与运行时长。同样,静态网络与随机时变网络下的多车线路在里程和运营成本上也无太大差异,随机时变网络下线路总绕行时长和四条线路的运行时长要大于静态网络下的线路。
潘恒彦[4]（2021）在《多模式公交网络空间可达性度量及布局优化方法研究》文中研究表明城市汽车保有量的不断增长与道路资源有限的矛盾造成严重的城市交通拥堵。城市建设者将城市交通问题的解决着眼于道路资源利用更加集约化,出行成本更低的公共交通。公共交通出行方式不具备小汽车机动灵活的特性,进而“可达性”的概念更适用于公交设施的建设合理性、服务水平高低评价中。本文对多模式公交网络的内涵进行解释,并对构成部分及各自特性展开分析;阐述可达性的内涵以及传统的度量模型,比较各传统可达性度量模型的优缺点;对多模式公交网络空间可达性的含义进行定义,分析其影响因素。分析了可达性的指标在“公共服务设施空间分布均衡性”、“区域房价预测”与“宏观层面的出行评价”方面的应用。引入“步行到站最短时间”、“站点到达数量”、“站点可达域面积”3个指标,用以描述公交站点的可达性水平;从平均出行时间、加权出行时间以及出行范围3个方面建立多模式公交网络空间可达性度量模型,并分析轨道交通线路的逐条开通对公交网络的空间可达性的影响。本文阐述了多模式公交网络布局优化的内涵以及方法,布局优化的原则以及影响因素;将可达性的指标考虑其中,对多模式公交网络进行了分层的布局优化,并基于Matlab软件,利用蚁群算法对模型进行求解;选取某区域为研究对象,分析优化前后实验区域的网络可达性指标,以及传统公交网络评价指标变化情况。
袁继婷[5]（2021）在《需求响应型公交地铁接驳微循环线路优化研究》文中研究说明随着经济发展、城市扩建,城市新区、边缘地区或新区边缘区等低密度区域公共交通需求水平较低;此外,互联网的发展促进了人们的出行需求向多元化、个性化方式转变。因此,需求响应型公交与地铁接驳,打通“最后一公里”接驳微循环,可以弥补地铁及常规公交的服务盲区,提升公交服务水平,扩大地铁站点服务范围,促进城市公交网络的进一步完善。基于此,针对地铁站“最后一公里”公交接驳问题,深入研究了需求响应型公交地铁接驳微循环线路优化的模型和方法,完善体系优化居民出行环境。首先,从理论解析层面,分析国内外对需求响应型接驳公交微循环线路的优化研究现状,对需求响应型公交地铁接驳微循环系统进行概念的界定,阐述需求响应型公交地铁接驳微循环线路的设计与调整方法;分析公交与轨道交通的协调理论,论述该新型公交预约系统的运营组织流程以及运行规则,并对所研究区域内乘客的出行意愿进行调查分析。其次,通过深入剖析目前接驳公交的运营模式和存在的问题,提出需求响应型公交地铁接驳微循环系统的临时车场设计思路和方法,作为路径优化研究的铺垫。主要结合K-Means聚类思想,基于实际乘客需求位置坐标,确定乘客需求最佳分类数及聚类中心坐标位置,根据备选公交临时车场,进一步确定接驳服务需要的公交临时车场。选择云南省呈贡区呈贡大学城部分区域进行研究,设计乘客需求算例,验证该方法的有效性。结果表明,该方法可以初步确定就近发车或就近停车的公交临时车场,并合理分配每个临时车场的接驳订单任务,保障每个车场任务分工明确。再次,根据地铁站的客运特征及衔接模式,确定了一种适用于地铁站的微循环需求响应型接驳模式,根据乘客需求的静态和动态性特点,构建了两阶段的路径优化模型,并设计蚁群算法来求解。最后,基于已确定公交临时车场的算例,建立了路径优化模型和相关的求解算法,对所研究区域及设计的乘客上车需求订单进行动态接驳路径规划,验证了模型和算法的有效性。
魏晓彤[6]（2021）在《多模式城市交通网络算法优化》文中认为随着中国经济水平的快速提升,城市化进程也在不断加快,城市交通网络的发展也在不断完善,形成了汽车、地铁、公交以及轻轨等多种交通工具混合式出行交通网络协同运行的局面,并且因为城市机动车数量的迅速增加,导致城市交通问题严重,对交通流进行动态分配是能够有效缓解这一问题的重要方法。现有的动态交通流分配模型大多只考虑单一模式出行,并且忽略了出行过程中的换乘行为,因此构建考虑换乘行为的多模式城市交通网络配流模型迫在眉睫。使用融合宏、微观交通流思想的中观交通流方法,对多出行模式超级交通网络进行研究。确定采用嵌套式Logit模型作为多模式出行选择行为模型,对嵌套式Logit模型结构和求解方法进行介绍与分析,并通过与传统Logit模型进行比较得出嵌套式Logit模型不受传统Logit模型无关方案独立性的限制,能够考虑到选择方案关联性,并且对动态用户各分配方法的优缺点进行分析,确定采用变分不等式法作为分配方法,为多模式城市交通网络的构建奠定理论基础。在分析城市常见交通工具特点及出行者特点的基础上构建汽车、公交与地铁三种交通方式的分层网络,定义有效路径,改进搜寻有效路径集的方法。同时,根据调查数据对嵌套式Logit模型参数进行标定,建立考虑出行模式以及路径双重决策的嵌套式Logit模型,提出一种考虑新节点接入的交通运输参数灵敏度分析的静态交通流分配方法,分析并验证这种方法的有效性,从管理者的角度对道路规划给予参考,提前规避交通堵塞问题。探究动态交通流约束条件,构造包含汽车与公交车干扰因素的路段阻抗函数,并结合出行选择特征和随机动态均衡配流条件,构建城市多模式出行随机动态用户分配模型,并转换成与之等价的变分不等式模型,通过改进MSA算法对模型求解,建立虚拟网络对模型进行验证与参数分析,最终对这些参数在动态平衡状态下的影响比较得到:停车费>每公里燃油费>地铁发车频率>公交车发车频率,最终基于研究结果给出缓解交通问题的建议。
贺韵竹[7]（2020）在《城市化进程中公交服务商业模式创新研究》文中指出城市公交是面向大众的公益性运输服务系统,它基于覆盖整个城区的线路网络为居民提供方便、快捷、低成本的出行服务。由于单位运量的资源占用率低,城市公交具有缓解道路拥堵,减少交通环境污染,甚至在很大程度上引领城市及其经济产业发展的作用。然而,过去30年在城市化与机动化交织重叠的中国,城市化进程和小汽车保有率高速发展,大城市的市区范围一扩再扩,城市公交的发展与运营面临着严峻的挑战。一方面,随着城市范围的扩大,公交的覆盖区域需及时有效地跟进,以满足大范围内多样化的公交出行需求,结果导致公交运营成本持续攀升;另一方面,城市公交作为公益事业,票价受政府管制,公交运营者无法基于成本-价格原理调整票价,结果导致公交公司入不抵出,持续严重亏损。为维持公交公司的正常运营,政府多采用拨款补贴的方式帮助公交公司减少赤字。但是,随着亏空的增多,政府需要持续不断地增加补贴金额。由于财政负担日趋沉重,政府的财政补贴常常不到位、不及时。因此,在高速城市化进程中,有必要创新公交服务的运营模式,丰富公交服务的商业形态,增加公交公司的运营收入,减少政府对公交的财政补贴,实现城市公交服务的可持续发展。在这一背景下,本文进行了如下的研究。首先,针对公交需求过疏的后城市化地区提出新式需求响应公交运行模式。基于过疏地区公交出行需求的动态变化特征和乘客支付意愿,构建混合整数规划模型,优化公交线路的发班时刻表和动态票价。为求解模型实施数值分析,基于遗传算法设计求解算法。案例分析的计算结果表明,与常规公交运营模式相比,新式响应公交模式可提升运营者的收益,降低乘客的总出行成本,改善后城市化地区公交的服务水平,有利于城市化进程中需求过疏地区公交的可持续发展。其次,针对公交线路密集的中心城区提出公交公司与快递公司协同的城市配送新模式。基于公交首末站的空间分布与线路的发车频率、快件配送需求的空间分布与时间窗要求、货车配备成本与额定载运量等,构建混合整数规划模型,优化公交车与快递货车协同配送时的配送方案,确定快件选择的运输车辆（公交车和配送货车）、起运时间与运输路径以及配送货车的运行方案。为利用模型进行数值验证,基于蚁群算法设计求解算法。在案例分析中,以向97个需求点的配送为例,分别求解协同配送和配送货车单独配送模式下的配送方案。通过比较两种方案的差异,验证协同配送模式的有效性和实用性。通过敏感度分析确定在公交配送单价不同时,公交公司收入的波动情况。最后,基于城市化进程中地价不断上升引起的公交场站选址面临的难题,提出公交场站选址及场站与周边土地协同开发的场站建设运营新模式。基于公交车入场行为、公交线路延伸决策、土地商业开发利益与居民居住选址及消费行为,分别构建公交导向式场站选址模型和政府主导式场站选址模型,求解两种选址模式下公交场站的空间位置及规模、公交线路开设及延伸方案、土地开发后各地块地价及为公交运营者和政府带来的收益。基于大连市的实际数据实施的案例研究表明,公交导向式场站建设运营模式可增加土地财政的收入和公交运营者的收益,提升偏远地块的公交出行可达性,改善部分中心城区人口的居住密度。一体化开发场站及周边土地有利于优化城市土地利用格局,使城市结构由单中心型向多中心型转变。本论文分别进行了公交服务的经济类商业模式、运营类商业模式和战略类商业模式创新研究,研究成果有助于公交运营者多样化其服务模式,增加运营收益;有助于城市政府获得额外的土地财政收入,减少对公交的财政补贴;有助于改善居民的公交出行质量,促进公交行业乃至整个城市的可持续发展;本研究奠定了动态公交发车间隔与浮动票价的理论基础,提供了公交与货车协同开展城市配送的理论依据,丰富了公交场站建设运营的理论方法,在理论上扩展了城市公交服务的市场范围和运营模式。
曹克武[8]（2020）在《基于多种交通模式的居民出行路径规划方法研究》文中提出目前,现代城市交通系统正在向多元化、大规模、复杂化方向日益发展。采用现代信息技术,通过各种交通模式的有机衔接充分发挥它们的综合效能已成为缓解现代城市日益严重交通压力的新途径。由此,针对多模式交通出行的市民出行合理规划问题的研究日益迫切。本文基于现代城市的多种交通模式,针对居民的个性化出行需求,开展了基于多种交通模式的居民出行路径规划方法研究。具体研究内容如下:（1）现代城市多种交通模式的分析。多模式交通系统由现代城市相互独立的多个交通模式相互衔接而成,它们相互协同、紧密合作而又各有分工和特点,在混合模式出行中执行不同的职能。通过对现有文献的综合分析,本文对例如公交、地铁、出租等各种典型交通出行模式的组成结构、网络特征以及运营特征等进行了描述和总结。（2）在对各交通模式特征分析的基础上,构建了现代城市混合模式交通网络模型。针对居民日益多样化的个性化出行偏好,构建了以出行时长、出行费用以及换乘次数为评估标准的“广义最短路径”问题模型:基于混合交通模式的多目标居民出行路径规划模型。该模型提出了把出租车模式和现有其他公共交通模式的混合,并考虑了公交系统运行的时刻表信息,从而可以更好地满足居民更加个性化的出行需求。（3）考虑基于多模式交通网络居民出行规划问题模型的大规模、复杂性特征,采用全局搜索与局部搜索平衡能力强的人工蜂群算法来进行多目标“最短路径”的求解,提出了一种结合自适应变异策略和蜜源保留策略的改进人工蜂群算法。最后,通过实验验证了本文提出的改进人工蜂群算法在求解多模式多目标路径规划问题的有效性。
张涛[9]（2019）在《面向低行动力人群多模式交通网络优化设计》文中研究说明低行动力人群一般包括老年人、残疾人和低收入人群三个子群,出行方式选择权少,常常被社会边缘化。不同低行动力子群在依靠不同出行方式出行时会遇到不同的出行困难,而我国低行动力人群基数大,目前多模式交通网络设计方法未充分考虑低行动力人群的出行问题。针对这一不足,论文提出了面向低行动力人群多模式交通网络优化设计方法。常态下,以提高低行动力人群出行主要依靠的非个体机动交通（步行、非机动车和公共交通）的运行效率为主要优化目标,在不影响主要优化目标的提前下,同时考虑私家车运行效率,对多模式常态交通网络进行优化设计;疏散条件下,以低行动力人群疏散主要依赖的公共交通系统的疏散效率为首要优化目标,在不影响首要目标的提前下,同时保障私家车疏散效率和背景交通运行效率,对多模式疏散交通网络进行优化设计。论文研究范畴可划分为五部分:低行动力人群交通需求分析、多模式交通组织策略设计、常态下多模式交通网络设计、疏散条件下多模式交通网络设计以及模型的案例分析。低行动力人群交通需求分析是多模式交通网络设计的理论支撑。为了分析我国低行动力人群交通需求和了解他们的交通出行问题,重点开展了温岭市居民出行起讫点调查,并评估了不同群组的出行特性和公交可达性,同时提出了基于三个层面对比（老年人、残疾人和低收入人群之间,低行动力人群和普通大众之间,我国和西方发达国家低行动力人群之间）的交通需求分析方法。多模式交通组织策略设计是多模式交通网络设计的建模导向。为了实现对低行动力人群日常出行和疏散路权的保护,分别提出了常态和疏散条件下的多模式交通组织策略设计方法。其中,在常态下,基于低行动力人群出行行为特征,提出了面向低行动力人群或者不同低行动力子群的步行、非机动车和公共交通组织策略设计方法及其初步适用条件和实施效应;在疏散条件下,以低行动力人群出行行为特征为引导,提出了考虑背景交通的公交导向多模式疏散交通组织策略设计方法及其初步适用条件和实施效应。常态下多模式交通网络设计主要针对低行动力人群日常出行困难展开研究。为了提高低行动力人群出行主要依赖的非个体机动交通（步行、非机动车和公共交通）的运行效率,构建了面向低行动力人群多模式常态交通网络优化设计模型。首先采用混合启发式方法（蚁群算法和遗传算法）对公交线路网络进行优化,采用连续权重平均法对步行、非机动车和私家车交通流进行静态分配;然后基于优化和分配得到的相关指标数据,形成多模式常态可行交通组织策略,进而获得多模式常态交通网络初步设计方案;最后利用禁忌算法对多模式常态可行交通组织策略进行优化选择,从而得到多模式常态交通网络优化设计方案。疏散条件下多模式交通网络设计主要针对低行动力人群交通疏散困难展开研究。为了提高低行动力人群主要依赖的公共交通系统的疏散效率,构建了面向低行动力人群多模式疏散交通网络优化设计模型。首先采用蚁群算法对公共交通疏散路径进行优化,采用随机动态交通网络加载方法对私家车疏散交通流进行动态分配;然后基于优化和分配得到相关指标数据,形成多模式疏散可行交通组织策略,进而获得多模式疏散交通网络初步设计方案;最后利用禁忌算法对多模式疏散可行交通组织策略进行优化选择,从而得到多模式疏散交通网络优化设计方案。以温岭市为案例分析背景,分别验证了面向低行动力人群多模式常态和疏散交通网络设计模型中相关算法的有效性,并对多模式常态和疏散交通网络优化设计方案进行评价,从而表明了模型的可行性和多模式交通组织策略的实用性。
郝亚兰[10]（2019）在《基于可达性的城市多模式公交线网优化》文中研究说明随着城市规模发展扩大,城市公共交通的规划发展面临新的挑战和任务。传统的以机动化为目标的交通发展规划已不能满足城市发展需求,以可达性为导向的规划思路更适合解决现代城市交通发展面临的困境。本文首先根据多模式公交网络的组成对网络结构特征进行分析,基于多模式公交网络的特点,提出多模式公交网络可达性的概念并分析其主要特征及影响因素;接着基于经典的可达性模型,结合效用最大化理论构建以效用模型为主体结合空间相互作用模型的可达性测算组合模型,考虑多模式公交网络下居民出行特征及出行模式多样性提出组合模型变量指标及计算方法;以城市多模式公交网络数据源为基础,利用可达性测算组合模型计算网络中各区域的可达性水平,实现对组合模型的合理性验证和应用。为提高多模式公交网络的可达性水平,结合现有的网络优化方法,本文提出对多模式网络进行分层优化,通过站点可达性指标对其进行等级划分,并根据站点等级对线网进行分层,结合各层次线网的运行特征和衔接关系,以提高可达性为原则,提出干线网络的优化目标为降低出行负效用,支线网络的优化目标为增加线网覆盖率,以提高多模式公交线网的吸引力,并针对各层线网的优化模型提出相关约束条件;最后,结合蚁群算法原理,针对网络优化的特点对算法进行改进并实现线网布设,借助MATLAB软件编程,结合实例分析对优化模型和算法进行应用,并对结果进行可达性分析,证明基于可达性的多模式线网优化的合理性和实用性。本文提出的以可达性为目标的多模式公交网络分层优化方法,不仅将网络优化这类多目标问题简单化,同时为公交网络发展规划提供了新的方向,具有一定的理论和实际意义。
二、公交出行路径蚂蚁算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、公交出行路径蚂蚁算法（论文提纲范文）
（2）基于GIS的冬奥出行规划系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 项目背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要内容 |
| 1.4 论文组织结构及技术路线 |
| 1.4.1 论文组织结构 |
| 1.4.2 论文技术路线 |
| 1.5 本章小结 |
| 2 相关理论与技术概述 |
| 2.1 Layui.js前端框架 |
| 2.2 算法概述 |
| 2.2.1 蚁群算法 |
| 2.2.2 回溯剪枝算法 |
| 2.2.3 Dijkstra算法 |
| 2.3 ArcGIS Server |
| 2.4 ArcObjects开发组件 |
| 2.5 本章小结 |
| 3 需求分析 |
| 3.1 需求分析概述 |
| 3.2 功能性需求分析 |
| 3.2.1 冬奥基础数据管理 |
| 3.2.2 交通态势可视化及评价 |
| 3.2.3 应急资源调配和管理 |
| 3.2.4 出行路径规划 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 4 系统概要设计 |
| 4.1 系统架构设计 |
| 4.2 软件功能结构设计 |
| 4.3 数据库设计 |
| 4.3.1 概念结构设计 |
| 4.3.2 逻辑结构设计 |
| 4.3.3 物理结构设计 |
| 4.4 本章小结 |
| 5 出行路径规划算法的设计与实现 |
| 5.1 基于Dijkstra的轨道交通出行路径规划方法 |
| 5.1.1 最少总出行时间算法的设计与实现 |
| 5.1.2 最少换乘次数算法的设计与实现 |
| 5.2 基于改进蚁群算法的驾车出行规划方法 |
| 5.2.1 道路权重模型 |
| 5.2.2 蚁群算法的改进 |
| 5.2.3 算法流程描述 |
| 5.2.4 算法应用与分析 |
| 5.3 本章小结 |
| 6 系统详细设计与实现 |
| 6.1 系统运行及开发环境 |
| 6.2 冬奥基本数据管理模块 |
| 6.2.1 人机界面设计 |
| 6.2.2 模块流程设计 |
| 6.2.3 模块类设计 |
| 6.2.4 模块具体实现 |
| 6.3 交通态势可视化及评价 |
| 6.3.1 人机界面设计 |
| 6.3.2 模块流程设计 |
| 6.3.3 模块类设计 |
| 6.3.4 模块具体实现 |
| 6.4 应急资源调配和管理 |
| 6.4.1 应急车辆调配模型 |
| 6.4.2 人机界面设计 |
| 6.4.3 模块流程设计 |
| 6.4.4 模块类设计 |
| 6.4.5 模块具体实现 |
| 6.5 出行路径规划模块 |
| 6.5.1 路网建模 |
| 6.5.2 人机界面设计 |
| 6.5.3 模块流程设计 |
| 6.5.4 模块类设计 |
| 6.5.5 模块具体实现 |
| 6.6 本章小结 |
| 7 系统测试 |
| 7.1 测试环境 |
| 7.2 功能性测试 |
| 7.3 非功能性测试 |
| 7.3.1 系统性能测试 |
| 7.3.2 系统安全性测试 |
| 7.3.3 系统兼容性测试 |
| 7.3.4 算法与模型测试 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 主要工作 |
| 8.2 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于随机时变网络的定制公交线路规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 相关研究综述 |
| 1.2.1 定制公交线路规划研究综述 |
| 1.2.2 随机时变路网下车辆路径问题研究综述 |
| 1.2.3 综述小结 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 基本理论与方法 |
| 2.1 定制公交 |
| 2.1.1 定制公交的概念 |
| 2.1.2 定制公交的优势 |
| 2.1.3 定制公交面临的问题 |
| 2.2 多目标优化问题 |
| 2.2.1 数学描述 |
| 2.2.2 Pareto理论 |
| 2.3 蚁群算法 |
| 2.3.1 蚁群算法的原理 |
| 2.3.2 蚁群算法的求解 |
| 2.3.3 多目标蚁群算法 |
| 2.3.4 蚁群算法的特点 |
| 2.4 不确定性处理方法 |
| 2.4.1 常见的不确定性的处理方法 |
| 2.4.2 鲁棒优化概述 |
| 2.4.3 鲁棒优化模型 |
| 2.5 本章小结 |
| 第三章 静态网络下定制公交线路规划研究 |
| 3.1 静态网络下单车线路规划 |
| 3.1.1 问题描述 |
| 3.1.2 模型的假设 |
| 3.1.3 符号的定义 |
| 3.1.4 目标函数 |
| 3.1.5 约束条件 |
| 3.2 静态网络下多车线路规划 |
| 3.2.1 问题描述 |
| 3.2.2 模型假设 |
| 3.2.3 符号的定义 |
| 3.2.4 目标函数 |
| 3.2.5 约束条件 |
| 3.3 本章小结 |
| 第四章 随机时变网络下定制公交线路规划研究 |
| 4.1 随机时变网络的构建 |
| 4.1.1 时变网络 |
| 4.1.2 随机时变网络 |
| 4.1.3 随机时变网络的表示与标定 |
| 4.2 随机时变网络下单车线路规划鲁棒优化模型 |
| 4.2.1 问题描述 |
| 4.2.2 假设条件 |
| 4.2.3 符号定义 |
| 4.2.4 目标函数 |
| 4.2.5 约束条件 |
| 4.3 随机时变路网下多车线路规划鲁棒优化模型 |
| 4.3.1 问题描述 |
| 4.3.2 假设条件 |
| 4.3.3 符号定义 |
| 4.3.4 目标函数 |
| 4.3.5 约束条件 |
| 4.4 本章小结 |
| 第五章 模型求解与案例分析 |
| 5.1 模型求解 |
| 5.1.1 算法设计 |
| 5.1.2 单车线路规划算法步骤 |
| 5.1.3 多车线路规划算法步骤 |
| 5.2 案例分析 |
| 5.2.1 参数的设置 |
| 5.2.2 静态网络下定制公交线路的生成 |
| 5.2.3 随机时变网络下定制公交线路的生成 |
| 5.3 结果分析 |
| 5.3.1 静态网络与随机时变网络下单车线路分析 |
| 5.3.2 静态网络与随机时变网络下多车线路分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
（4）多模式公交网络空间可达性度量及布局优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 国外研究现状分析 |
| 1.2.2 国内研究现状分析 |
| 1.2.3 国内外研究现状综述 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 2 多模式公交网络构成及可达性影响因素分析 |
| 2.1 多模式公交网络内涵及构成 |
| 2.1.1 多模式公交网络的内涵 |
| 2.1.2 多模式公交网络的构成 |
| 2.2 可达性的内涵及传统模型 |
| 2.2.1 可达性的内涵 |
| 2.2.2 可达性的传统度量模型 |
| 2.2.3 传统度量模型优缺点分析 |
| 2.2.4 可达性的传统应用 |
| 2.3 多模式公交网络空间可达性内涵及影响因素分析 |
| 2.3.1 多模式公交网络空间可达性内涵 |
| 2.3.2 多模式公交网络空间可达性影响因素分析 |
| 2.4 本章小结 |
| 3 多模式公交网络空间可达性度量构建 |
| 3.1 多模式公交网络站点可达性 |
| 3.1.1 步行到站最短时间 |
| 3.1.2 站点到达数量 |
| 3.1.3 站点可达域面积 |
| 3.1.4 站点可达性指标对比 |
| 3.2 站点可达性特性分析 |
| 3.2.1 基于可达性的出行预测 |
| 3.2.2 基于可达性的公交出行供需平衡分析 |
| 3.3 多模式公交网络空间可达性度量 |
| 3.3.1 基于平均出行时间的空间可达性 |
| 3.3.2 基于加权出行时间的空间可达性 |
| 3.3.3 基于出行范围的空间可达性 |
| 3.4 轨道交通对公交网络空间可达性的影响 |
| 3.4.1 可达性区位度分析 |
| 3.4.2 基于出行时间的可达性分析 |
| 3.4.3 基于出行范围的可达性分析 |
| 3.5 本章小结 |
| 4 基于可达性的多模式公交网络布局优化 |
| 4.1 多模式公交网络布局优化理论 |
| 4.1.1 多模式公交网络布局优化内涵 |
| 4.1.2 优化的原则与影响因素 |
| 4.1.3 多模式公交网络布局优化方法 |
| 4.2 分层优化模型的建立 |
| 4.2.1 模型假设与变量解释 |
| 4.2.2 分层优化目标及限制条件 |
| 4.3 基于蚁群算法的实现 |
| 4.3.1 蚁群算法的基本原理 |
| 4.3.2 蚁群算法的优点与缺点 |
| 4.3.3 蚁群算法的基本步骤 |
| 4.4 本章小结 |
| 5 案例分析 |
| 5.1 案例说明 |
| 5.2 案例区域可达性计算 |
| 5.3 案例区域多模式公交线网布局优化 |
| 5.4 布局优化效果评价 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 东北林业大学硕士学位论文修改情况确认表 |
（5）需求响应型公交地铁接驳微循环线路优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 第二章 需求响应型公交地铁接驳微循环系统分析 |
| 2.1 需求响应型公交地铁接驳微循环系统概述 |
| 2.1.1 需求响应型公交地铁接驳微循环系统的概念和特征 |
| 2.1.2 需求响应型公交地铁接驳微循环线路的设计方法 |
| 2.2 公交与轨道交通协调的理论分析 |
| 2.2.1 接驳公交与地铁特性对比分析 |
| 2.2.2 接驳公交与地铁衔接模式 |
| 2.2.3 接驳公交与地铁的协调 |
| 2.3 公交预约系统的运营组织流程 |
| 2.3.1 乘客的预约 |
| 2.3.2 系统的组成 |
| 2.3.3 公交的运营组织流程 |
| 2.4 需求响应型接驳公交的运行规则 |
| 2.4.1 公交发车规则 |
| 2.4.2 公交行驶规则 |
| 2.4.3 公交动态路径更新规则 |
| 2.5 乘客的出行意愿调查分析 |
| 2.5.1 问卷设计 |
| 2.5.2 问卷统计结果分析 |
| 2.6 本章小结 |
| 第三章 公交临时车场规划方法研究 |
| 3.1 公交临时车场布设 |
| 3.1.1 公交临时车场布设的原则 |
| 3.1.2 公交临时车场布设的必要性与意义 |
| 3.1.3 公交车辆就近调度原则 |
| 3.2 K-means聚类算法确定需求分类 |
| 3.2.1 基于传统K-Means聚类算法确定需求分类 |
| 3.2.2 其他各类聚类算法 |
| 3.2.3 算法改进 |
| 3.3 确定公交临时车场 |
| 3.3.1 临时车场的确定方法 |
| 3.3.2 求解最短距离 |
| 3.4 算例研究 |
| 3.4.1 选取研究区域 |
| 3.4.2 乘客订单数据及参数设置 |
| 3.4.3 求解结果 |
| 3.5 本章小结 |
| 第四章 动态路径模型构建 |
| 4.1 路径优化问题描述 |
| 4.2 需求响应接驳公交路径规划模型构建理论基础 |
| 4.2.1 建模思路 |
| 4.2.2 建模要素分析 |
| 4.3 路径规划模型 |
| 4.3.1 模型假设 |
| 4.3.2 模型变量与参数 |
| 4.3.3 第一阶段预排班模型 |
| 4.3.4 第二阶段动态路径调整模型 |
| 4.4 动态需求筛选模型 |
| 4.4.1 需求响应接驳公交松弛时间模型 |
| 4.4.2 需求响应接驳公交动态需求筛选模型 |
| 4.5 需求响应接驳公交线路优化模型算法 |
| 4.5.1 模型和算法分析 |
| 4.5.2 蚁群算法原理 |
| 4.5.3 蚁群算法优化设计 |
| 4.5.4 算法实现步骤 |
| 4.6 本章小结 |
| 第五章 实例分析 |
| 5.1 昆明市呈贡大学城现状 |
| 5.2 参数标定 |
| 5.3 求解过程与结果 |
| 5.3.1 路网订单 |
| 5.3.2 初始接驳路线 |
| 5.3.3 更新接驳路线 |
| 5.4 结果分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 附录 B 攻读学位期间的主要科研成果 |
（6）多模式城市交通网络算法优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 交通流模型研究现状分析 |
| 1.2.1 微观交通流模型研究现状分析 |
| 1.2.2 宏观交通流模型研究现状分析 |
| 1.2.3 中观交通流模型研究现状分析 |
| 1.3 多模式交通系统研究现状分析 |
| 1.4 本文研究的主要内容 |
| 第2章 确定多模式出行选择模型及动态用户分配方法 |
| 2.1 出行选择Logit模型分析 |
| 2.2 嵌套式Logit模型结构及求解 |
| 2.3 动态用户最优分配方法分析 |
| 2.4 本章小结 |
| 第3章 城市多模式交通出行选择模型 |
| 3.1 多模式出行选择的影响因素 |
| 3.1.1 各模式交通出行特点 |
| 3.1.2 交通出行者特性 |
| 3.2 多模式出行者对有效路径的定义 |
| 3.3 多模式出行者有效路径集的搜索 |
| 3.4 多模式交通网络的嵌套式Logit模型分层规划 |
| 3.4.1 确定多模式出行效应函数 |
| 3.4.2 求解多模式出行选择概率 |
| 3.5 出行选择模型的参数标定 |
| 3.5.1 调查出行选择结果 |
| 3.5.2 出行选择模型的参数标定及验证 |
| 3.6 管理者理想选择分配 |
| 3.6.1 对交通流进行灵敏度分析 |
| 3.6.2 交通流分配结果 |
| 3.7 本章小结 |
| 第4章 随机动态用户分配 |
| 4.1 随机动态用户分配中的主要符号定义 |
| 4.2 确定动态网络约束条件 |
| 4.2.1 动态交通流基本约束条件 |
| 4.2.2 动态交通流量守恒约束 |
| 4.2.3 动态交通先入先出原则 |
| 4.2.4 动态交通流量传播约束 |
| 4.3 分析动态出行用户出行成本 |
| 4.3.1 用户出行时间成本 |
| 4.3.2 用户出行费用成本 |
| 4.3.3 用户出行换乘出行成本 |
| 4.4 基于嵌入式Logit模型的随机动态用户最优条件 |
| 4.5 随机动态用户最优变分不等式 |
| 4.5.1 变分不等式的定义 |
| 4.5.2 变分不等式的求解 |
| 4.5.3 变分不等式模型与动态随机用户最优条件等价证明 |
| 4.6 随机动态用户最优模型求解算法 |
| 4.7 模型应用 |
| 4.7.1 随机动态用户配流结果 |
| 4.7.2 动态随机用户分配参数分析 |
| 4.8 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术成果 |
| 致谢 |
（7）城市化进程中公交服务商业模式创新研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题的背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外文献综述 |
| 1.2.1 公交自身层面 |
| 1.2.2 产业层面 |
| 1.2.3 城市层面 |
| 1.3 本文的研究内容及结构 |
| 1.3.1 主要内容 |
| 1.3.2 论文结构 |
| 2 相关理论基础 |
| 2.1 城市化 |
| 2.1.1 城市化的定义及演化过程 |
| 2.1.2 城市化的推进模式 |
| 2.1.3 中国城市化的特点 |
| 2.1.4 中国城市化推进过程中产生的问题 |
| 2.2 城市公交 |
| 2.2.1 城市公交的定义及规划运营主体 |
| 2.2.2 城市公交运营模式分类 |
| 2.2.3 城市公交规划 |
| 2.2.4 城市公交规划原则 |
| 2.2.5 城市公交收益来源 |
| 2.2.6 中国城市公交发展过程存在的问题 |
| 2.3 企业的商业模式 |
| 2.3.1 商业模式的含义 |
| 2.3.2 商业模式的分类 |
| 2.3.3 商业模式创新 |
| 2.4 本章小结 |
| 3 新式需求响应公交服务模式及其发车时刻与票价优化研究 |
| 3.1 新式响应公交的概念描述 |
| 3.2 新式响应公交的发车时刻与票价确定问题 |
| 3.3 新式响应公交发车时刻和票价优化双层模型 |
| 3.3.1 上层模型 |
| 3.3.2 下层模型 |
| 3.4 新式需求响应公交优化模型算法设计 |
| 3.5 案例分析 |
| 3.5.1 实例数据 |
| 3.5.2 新式响应公交计算结果 |
| 3.5.3 新式响应公交与常规公交比较分析 |
| 3.5.4 政策建议 |
| 3.6 本章小结 |
| 4 公交车与货车协同的城市快件配送 |
| 4.1 公交与货车协同的快件配送服务模式设计 |
| 4.2 公交与货车协同配送方案优化 |
| 4.3 公交与货车协同配送路径优化模型 |
| 4.4 公交与货车协同配送路径优化模型求解算法 |
| 4.5 案例分析 |
| 4.5.1 实例数据 |
| 4.5.2 求解结果及分析 |
| 4.5.3 敏感度分析 |
| 4.6 本章小结 |
| 5 城市化进程中公交导向开发式的公交场站建设与运营研究 |
| 5.1 公交导向开发式场站建设与运营模式设计 |
| 5.2 公交导向开发式的公交场站选址及规模优化问题描述 |
| 5.3 模型构建 |
| 5.3.1 模型假设 |
| 5.3.2 模型要素的计算方法 |
| 5.3.3 政府主导模式场站选址模型 |
| 5.3.4 TOD模式场站选址模型 |
| 5.4 案例分析 |
| 5.4.1 数据介绍 |
| 5.4.2 求解算法 |
| 5.4.3 政府主导模式下场站的建设方案 |
| 5.4.4 TOD模式下的计算结果分析 |
| 5.4.5 政府主导模式与TOD模式下的结果比较 |
| 5.4.6 政策建议 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间的科研成果 |
| 致谢 |
（8）基于多种交通模式的居民出行路径规划方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作和组织结构 |
| 1.3.1 本文主要工作及创新之处 |
| 1.3.2 章节安排 |
| 第2章 多种交通模式的特征分析 |
| 2.1 各种交通模式的特征分析 |
| 2.1.1 普通公交模式特征 |
| 2.1.2 轨道交通模式交通特征 |
| 2.1.3 步行/自行车交通特征 |
| 2.1.4 出租车交通特征 |
| 2.2 各交通模式特征对比 |
| 2.3 各交通模式的拓扑网络模型 |
| 2.3.1 普通公交网络模型 |
| 2.3.2 道路网络模型 |
| 2.4 本章小结 |
| 第3章 多模式多目标居民出行路径规划模型 |
| 3.1 多模式交通拓扑网络结构 |
| 3.2 多模式路径规划模型 |
| 3.2.1 符号及意义 |
| 3.2.2 多模式交通路径规划模型 |
| 3.3 本章小结 |
| 第4章 多模式多目标居民出行路径规划模型的求解 |
| 4.1 最短路径算法概述 |
| 4.1.1 基于图的标号算法 |
| 4.1.2 群智能算法 |
| 4.2 改进人工蜂群算法 |
| 4.2.1 人工蜂群算法的改进策略 |
| 4.2.2 改进人工蜂群算法流程图 |
| 4.3 多模式路径规划模型的求解 |
| 4.3.1 初始解的生成 |
| 4.3.2 局部搜索 |
| 4.3.3 蜜源的评价 |
| 4.3.4 蜜源保留策略 |
| 4.4 本章小结 |
| 第5章 实验对比与分析 |
| 5.1 算法示例 |
| 5.1.1 问题描述 |
| 5.1.2 实验过程 |
| 5.1.3 实验结果分析 |
| 5.2 本章小节 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 附录 A 示例网络属性 |
| 附录 B 线路时刻表 |
| 个人简历、在校期间发表的学位论文和研究成果 |
（9）面向低行动力人群多模式交通网络优化设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 低行动力人群出行特征分析 |
| 1.2.2 多模式交通网络设计方法 |
| 1.2.3 公共交通路径选择算法 |
| 1.2.4 目前研究存在不足 |
| 1.3 研究内容和结构 |
| 1.4 研究方法及技术路线 |
| 第二章 低行动力人群交通需求分析 |
| 2.1 交通调查 |
| 2.2 出行行为特性 |
| 2.2.1 社会经济 |
| 2.2.2 出行目的 |
| 2.2.3 出行方式 |
| 2.2.4 平均出行频率和出行时间 |
| 2.3 公共交通可达性 |
| 2.3.1 相似方法 |
| 2.3.2 替代方法 |
| 2.4 讨论分析 |
| 2.5 本章小结 |
| 第三章 多模式交通组织策略设计方法 |
| 3.1 常态下多模式交通组织策略 |
| 3.1.1 步行 |
| 3.1.2 非机动车 |
| 3.1.3 公共交通 |
| 3.1.4 常态交通组织策略初步适用条件 |
| 3.2 疏散条件下多模式交通组织策略 |
| 3.2.1 传统疏散交通组织策略 |
| 3.2.2 公交导向疏散交通组织策略 |
| 3.2.3 疏散交通组织策略初步适用条件 |
| 3.3 本章小结 |
| 第四章 常态下多模式交通网络设计模型 |
| 4.1 问题描述与模型概述 |
| 4.2 常态公交路径选择 |
| 4.2.1 模型构建 |
| 4.2.2 求解过程 |
| 4.3 随机用户静态平衡分配 |
| 4.3.1 随机用户静态交通均衡分析 |
| 4.3.2 费用函数 |
| 4.3.3 模型建立 |
| 4.3.4 求解方法 |
| 4.4 常态策略选择 |
| 4.4.1 模型搭建 |
| 4.4.2 求解算法 |
| 4.5 本章小结 |
| 第五章 疏散条件下多模式交通网络设计模型 |
| 5.1 问题描述与模型概述 |
| 5.2 疏散公交路径选择 |
| 5.2.1 模型构建 |
| 5.2.2 求解过程 |
| 5.3 随机用户动态均衡分配 |
| 5.3.1 随机用户动态交通平衡条件 |
| 5.3.2 约束条件 |
| 5.3.3 模型建立 |
| 5.3.4 求解方法 |
| 5.4 疏散策略选择 |
| 5.4.1 模型搭建 |
| 5.4.2 求解算法 |
| 5.5 本章小结 |
| 第六章 案例分析 |
| 6.1 案例概况 |
| 6.2 常态案例 |
| 6.2.1 常态需求与参数输入 |
| 6.2.2 相关算法性能 |
| 6.2.3 常态方案评价 |
| 6.3 疏散案例 |
| 6.3.1 疏散需求和参数输入 |
| 6.3.2 相关算法性能 |
| 6.3.3 疏散方案评价 |
| 6.4 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要研究成果 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 作者简介、攻读博士学位期间发表论文及科研参与情况 |
（10）基于可达性的城市多模式公交线网优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 城市公共交通可达性研究现状 |
| 1.3.2 城市多模式公交网络研究现状 |
| 1.3.3 公交线网优化研究现状 |
| 1.3.4 文献总结分析 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 多模式公交网络可达性测算及线网优化基础 |
| 2.1 多模式公交网络特征分析 |
| 2.1.1 多模式公交网络组成 |
| 2.1.2 多模式公交网络结构特征 |
| 2.1.3 多模式公交网络衔接特征 |
| 2.2 多模式公交网络可达性界定 |
| 2.2.1 多模式公交网络可达性概念 |
| 2.2.2 多模式公交网络可达性特征 |
| 2.2.3 多模式公交网络可达性影响因素 |
| 2.3 传统可达性测算方法及比较分析 |
| 2.3.1 空间阻隔模型 |
| 2.3.2 累积机会模型 |
| 2.3.3 空间相互作用模型 |
| 2.3.4 效用模型 |
| 2.3.5 时空约束模型 |
| 2.3.6 可达性模型的比较分析 |
| 2.4 多模式公交网络优化方法介绍 |
| 2.5 本章小结 |
| 第三章 多模式公交网络可达性测算模型的构建 |
| 3.1 多模式公交网络可达性组合模型构建思路 |
| 3.1.1 组合模型构建理论基础 |
| 3.1.2 组合模型构建思路 |
| 3.2 可达性测算模型的构建 |
| 3.2.1 构建可达性测算模型 |
| 3.2.2 多模式公交网络下模型变量指标的计算 |
| 3.2.3 模型中变量指标权重标定 |
| 3.3 多模式公交网络可达性测算的实现 |
| 3.3.1 多模式公交网络数据源准备 |
| 3.3.2 基于GIS的多模式公交网络数据库的构建 |
| 3.3.3 可达性组合测算模型的实现过程 |
| 3.4 本章小结 |
| 第四章 基于可达性的多模式公交网络优化模型 |
| 4.1 多模式公交网络优化思路 |
| 4.1.1 多模式公交网络的分层优化 |
| 4.1.2 多模式公交网络分层优化思路 |
| 4.2 基于可达性的多模式公交网络优化模型 |
| 4.2.1 基于可达性的多模式公交网络分层 |
| 4.2.2 多模式公交网络分层优化目标分析 |
| 4.2.3 优化模型约束条件分析 |
| 4.2.4 多模式公交网络分层优化模型构建 |
| 4.3 基于蚁群算法的网络优化模型的求解 |
| 4.3.1 蚁群算法的原理及特点 |
| 4.3.2 蚁群算法参数设置及一般步骤 |
| 4.3.3 基于蚁群算法的线网优化模型求解 |
| 4.4 本章小结 |
| 第五章 案例分析 |
| 5.1 案例介绍 |
| 5.2 站点可达性测算 |
| 5.3 基于可达性的公交网络优化 |
| 5.4 本章小结 |
| 结论与展望 |
| 主要成果 |
| 研究展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
四、公交出行路径蚂蚁算法（论文参考文献）
- [1]共享汽车与公共交通组合出行方案规划研究[D]. 谢盛强. 长安大学, 2021
- [2]基于GIS的冬奥出行规划系统的设计与实现[D]. 赵添. 北京交通大学, 2021(02)
- [3]基于随机时变网络的定制公交线路规划研究[D]. 唐飞. 重庆交通大学, 2021
- [4]多模式公交网络空间可达性度量及布局优化方法研究[D]. 潘恒彦. 东北林业大学, 2021(08)
- [5]需求响应型公交地铁接驳微循环线路优化研究[D]. 袁继婷. 昆明理工大学, 2021(01)
- [6]多模式城市交通网络算法优化[D]. 魏晓彤. 哈尔滨理工大学, 2021(09)
- [7]城市化进程中公交服务商业模式创新研究[D]. 贺韵竹. 大连海事大学, 2020(01)
- [8]基于多种交通模式的居民出行路径规划方法研究[D]. 曹克武. 华侨大学, 2020(01)
- [9]面向低行动力人群多模式交通网络优化设计[D]. 张涛. 东南大学, 2019(01)
- [10]基于可达性的城市多模式公交线网优化[D]. 郝亚兰. 长安大学, 2019(01)