轨道交通接运公交线路改进优化设计

摘要：为了充分发挥城市轨道交通的服务功能，想要达到和常规公交间的最优化接运换乘。本文提出了一种实现轨道交通接运公交线路的改进PSO算法优化设计思路，以最大化接运效率优化接运公交线路目标函数，在充分考虑线路长度和交通站点客流量、区段剩余通过量的情况下，建立改进PSO模型结合算例。结果发现轨道交通接运公交线路，可以实现最大化接运效率，创造最大的社会及乘客效益，证实了本文提出改进PSO模型的可用适用性，可以扩大轨道交通客流量覆盖范围，综合提升轨道交通整体吸引力。

关键词：轨道交通；接运公交；改进PSO算法

城市公交系统包括了轨道交通、常规公交两种，二者衔接可以实现换乘时空结合，扩大常规公交的辐射吸引覆盖范围，并对中长运输距离情况下，充分发挥轨道交通具备的快速、大运输量、少量占地、低能耗优势。除此之外城市轨道交通的衔接交通方式、纾解道路系统的能力直接决定了集疏能力，如果未达到较强通达性，则无法提供优化运输服务[1]。所以需要实现城市轨道交通接运公交线路，二者之间功能合作共同发挥优势作用。但是我国目前在轨道交通接运公交线路的优化设计研究中，仍然更多的集中于理论层面研究，有学者认为可以“逐条布设、优化成网”，这种思路能够有效解决二者接运问题，但是如何能够定量规划接运公交线路，提出可行接运线路优化方案提高效率[2-3]，本文以达到接运效率最大化为目标，提出一种建立改进PSO算法的优化设计模型。

1建立轨道交通接运公交线路优化模型

通过运用离散化思路处理轨道交通接运公交线路区域规划，运用栅格线对既定轨道接运区域分割处理，获得m×n个同等大小的方块，在2个邻近线相交点中，接运公交沿公交路线（栅格线）垂直或水平运动[4]。假定由左至右、由上至下的单向行驶接运公交，那么公交行驶线路无论任何节点都只可以垂直或水平延伸，因此能够定义离散化计算公交线路所用参数如下：本文设计了最大化接运效率，设计目标函数计算公式如下：在优化过程中还应当考虑客流量、接运路线长这两个约束条件，一般情况下规定接运公交路线总长在6~7km，且对接运、路线效率要求较高，所以优化搜索范围排除接运客流竞争区域，总结4个模型约束条件分别如下[5-6]：式中：i轨道站始发F接运路线的效率用EFi表示；结点间距用W表示，轨道站点数用j表示，i、j之间剩余客流量用fij表示；i、j长度用lFiJ表示；轨道断面j、i剩余客流量用fji表示。

2改进粒子群算法求解

粒子群算法（PSO）在优化问题中所得解均比喻搜索空间内的一只“鸟”，叫作“粒子”，全部粒子均存在被优化函数适应值，不同粒子也有相应决定飞翔距离、方向的速度，之后粒子便跟最最优化粒子对解空间搜索。PSO初始化为随机解，对该值不断迭代优化寻找最优解。并在迭代过程中粒子能够不断跟踪2个“极值”完成更新，这两个极值其中一个是粒子本身寻找最优解（Pbest），另外一个寻找整个种群所获最优解的全局极值（gbest），还可以选择仅用其中部分粒子邻居，这时的全部邻居极值则为具备极值[7]。本文出于问题性质提出改进PSO算法求解，通过构建1个2b维空间，相应共有2b个接运公交站点线路优化布设，对应两维布设公交站点线路，用编号k表示所处接运的公交线路，用r表示k行驶中的次序，对应粒子的2b维X向量划分2个b维向量，每一条接运公交线路的编号表示为Xk，每一个接运公交站点的线路次序用Xr表示。V表示粒子速度向量值，对应Xk、Xr，运用该方法能够保证每个接运公交站点，都可以连接每条相应的接运路线，且能够限制一个站点只能连接一条路线，这样可以很大程度上减少PSO算法的解可行过程计算总量。尽管运用该方法有较高维数，但是运用该改进PSO算法能够实现多维寻优[8]。

3算例分析

为简化算例，我们假设:乘客的目的地集中于某一节点，各节点都具有相同的双向客流量，客流量也均满足轨道站所具备的客流约束，忽略轨道站进入规划区域的步行长度。在粒子群算法中，需要设定的参数不多，而各主要参数有如下设置规则：种群个数一般取20到40之间，不过对于比较难的问题或者特定类别的问题，粒子数可以取到100或200。速度上下限决定粒子在一个循环中最大的移动距离，通常设定为粒子的范围宽度，而粒子的位置上下限则最好与粒子速度上下限相吻合，一般设定为[-100，100]。学习因子通常等于2，但是根据具体情况也有其他的取值一般范围在。和4之间中止条件则是，最大循环数以及最小错误要求，最大循环（即进化代数）可根据具体情况设定，最大可设定为2000，但这个中止条件则由具体的问题确定.此外，加权系数的设定可根据优化问题的实际以设定。根据以上参数设定的要求，结合本算例本身的实际问题，在使用粒子群算法求解该问题时，基于Windows10系统平台，Matlab仿真平台，i7CPU处理器，4.00GB内存，设置粒子群参数为：n=100（粒子数），选择环形拓扑的邻居群结构，规模5，c1=c2=1.5，500次最大迭代次数。为了运用改进PSO算法简化计算过程，实验问题是轨道交通车站和周边的12个接运公交站点之间线路优化设计，公交站点为编号a~l，轨道交通站点为m~p编号。轨道交通接运公交站点所在坐标a~p号，分别为（17，3）、（14，1）、（10，2）、（7，4）、（2，2）、（21，-4）、（18，-2）、（15，-3）（12，-5）、（9，-4）、（6，-4）、（3，-2）、（-3，-11）、（-1，-7）、（0，0）、（0，4）（见表1）为站点间的OD量，图1、图2分别为轨道交通接运和优化后线路图。根据优化计算发现轨道交通接运公交站点的线路规划共有2条，分别为a-b-c-d-e-o和f-g-h-i-j-k-l-o。综上，本文通过设计实现轨道交通接运公交路线最大化客运周转量，最大化接运效率的目标函数，考虑线路长度和交通站点客流量、区段剩余通过量的情况下，建立了改进PSO模型结合算例发现简化了计算过程，且结果证实本次提出改进PSO算法能够对轨道交通接运公交线路优化设计，可以实现最大化接运效率，创造最大的社会及乘客效益，证实了改进PSO算法的适用性。

参考文献

[2]王瑞东，李文斌.基于改进PSO的矿井提升机控制系统参数优化设计[J].煤矿机械，2020（6）：26-28.

[3]孙宗军，马佳玉，徐海鑫.基于改进离散粒子群算法的生鲜农产品配送路径设计[J].物流科技，2020，43（3）：25-28.

[4]夏尔冬，王春荣，熊昌炯，等.基于改进PSO-SVR的连杆机构可靠度敏感性研究[J].机械设计与制造，2020（2）：236-239，243.

[5]郝晓弘，刘鹏娟，汪宁渤.混沌优化PSO-LSSVM算法的短期负荷预测[J].兰州理工大学学报，2019，45（1）：91-96.

[6]朱清波，宋庭新，李岩.基于Anylogic的轨道交通换乘能力改进的研究[J].计算机仿真，2020（2）：169-173，415.

[7]赵淑娟.随机交通环境下的轨道交通站点公交接驳优化研究[J].市政技术，2019，37（1）：25-27+31.

[8]宋宁，石小伟，杨梅，等.接驳宁波市轨道交通网的公交线网现状研究述评[J].特区经济，2020.

[9]陈诚，熊列彬，毛锐.基于IEEE1588时钟同步协议的分析与研究[J].工业控制计算机，2018，26（6）：45-46.

作者：韩丽东 单位：苏州高博软件技术职业学院