一、深圳城市公交服务对车辆的需求（论文文献综述）
王瑜琼[1]（2021）在《考虑常规线路影响的需求响应式公交协同优化方法研究》文中研究表明需求响应式公交是“互联网+城市公交”的创新服务模式,其根据乘客特殊需求设定线路,为相对处于相同区域、具有相同出行时间和相同出行需求的人群提供公共交通服务。需求响应式公交与地面公交的常规线路既相互竞争、又彼此协作,实现需求响应式公交与常规线路的协调和配合,是提升地面公交系统整体竞争力的有效途径。因此,对需求响应式公交及常规线路进行协同优化设计,并对多种模式的需求响应式公交进行协调调度优化,可以更好地发挥地面公交系统的整体出行效率,提升地面公交系统综合竞争力。本文面向需求响应式公交的应用及城市公共交通协调发展理念,研究了考虑常规线路影响的需求响应式公交协同优化的相关问题。对跨区域需求响应式公交进行系统设计,研究其站点选址及线路规划方法;考虑需求响应式公交与常规线路的竞争关系,在跨区域需求响应式公交模式开通条件下,对地面公交的运行协同问题进行研究;考虑需求响应式接驳公交与常规公交线路、跨区域需求响应式公交的协作关系,研究需求响应式接驳公交运行计划协同优化方法。具体研究内容包括:（1）跨区域需求响应式公交的站点选址及线路规划方法研究。建立考虑节点需求密度的AP聚类算法,明确使用该算法进行跨区域需求响应式公交站点选址的技术路线;考虑道路拥堵状况、线路停靠站点最大数量限制、车辆容量限制、乘客预约时间要求等因素,建立基于Q学习算法、决策需求响应式公交的车辆实际路径及时刻表的方法。算例结果表明,相比经典的AP聚类算法,本文提出的改进的AP聚类算法使得乘客平均步行距离由545.8 m降至500.9 m,降幅8.2%;基于该线路规划方法的运营方案可满足乘客起讫点及时间窗要求,响应率为87.5%。（2）考虑跨区域需求响应式公交与常规线路的竞争关系,构建地面公交运行协同优化的双层规划模型。上层模型以乘客总出行时间、地面公交出行量、地面公交企业运营盈余为目标,以常规公交线路的发车频率和跨区域需求响应式公交的车辆配置数为决策变量;下层模型为基于Logit-SUE的多方式交通网络配流模型,以网络平衡时各路径流量为决策变量。设计求解算法,并根据不同的通勤客流量及常规公交原有满载率水平设计多个算例。研究表明,通过地面公交系统运行协同优化,可降低乘客总出行时间,并使得地面公交企业运营盈余增加;同时,由于需求响应式公交提供舒适度高的“一人一座”服务,两种模式的运行协同优化会造成地面公交出行量在合理范围内有所减小、常规公交车辆的满载率稍有增加。不同的通勤客流量及常规公交原有满载率水平下的优化效果不同:在两者水平较低时,优化效果显着,适宜采用本文提出的地面公交协同优化模型进行优化;两者水平较高时,优化效果不显着,应综合分析后进行决策。（3）建立需求响应式接驳公交运行计划协同优化模型。该模型以系统响应率、人均时间成本、人均运营成本为目标,以车辆路径、时刻表、车辆排班为决策变量。确定接驳线路时刻表时,充分考虑接驳系统与其接驳的跨区域需求响应式公交的衔接。设计求解算法,并通过算例验证模型与算法的可行性和有效性。研究表明,相较于不考虑车辆往复运行的协同优化模型,本文模型的系统响应率增加比例为20.3%;人均时间成本的总等价时间减少3.2%;人均运营成本减少36.5%。本文提出的运行计划协同优化模型可以在减少车辆配置数和车辆固定运营成本的投入同时,保证需求响应式接驳系统的服务水平。（4）对需求响应式公交竞争力影响因素进行定量分析,为多模式需求响应式公交的运营提供策略和建议。跨区域需求响应式公交平均旅行速度及票价是其竞争力的内部影响因素;与跨区域需求响应式公交具有竞争关系的常规线路的运行特征是其竞争力的外部影响因素。在跨区域需求响应式公交与需求响应式接驳公交同时运营情境下,对两种模式需求响应式公交的竞争力影响因素进行分析,结果表明两种模式的需求响应式公交的衔接协作提高了需求响应式公交系统的整体竞争力。图56幅,表21个,参考文献148篇。
肖安琦[2]（2021）在《中国公交企业转型升级的模式及发展路径研究 ——以J集团为例》文中指出
赵小款[3]（2021）在《可变站点型公交的两阶段调度模型与算法》文中认为
深圳巴士集团股份有限公司[4]（2021）在《特区启动“数字巴士”》文中研究表明深圳巴士集团股份有限公司（简称深圳巴士）以"满足乘客出行需求"为出发点和落脚点,通过打造"163"（一个平台、六大能力、三种服务）公交智慧出行服务模式,实现由传统公交企业向智慧出行服务商的蝶变,在大幅提升公司运营管理效率的同时,也取得了良好的社会效益。
郭戎格[5]（2021）在《预约公交系统优化研究》文中进行了进一步梳理近年来,移动互联网技术的快速进步,极大促进了新一代需求响应型公交服务的发展。预约公交作为一种线路灵活、直达便捷、舒适度高的需求响应服务,可以满足多层次公交出行需求。本文通过对预约公交潜在需求、线路、路径以及考虑多服务水平和无人驾驶技术的预约公交服务等方面的优化研究,旨在为解决现实问题提供理论依据和决策支持。论文主要内容和创新点如下:（1）针对预约公交潜在需求分析问题,提出基于公交智能卡数据（Smart Card Data,SCD）的预约公交潜在需求提取方法。该方法包含三个部分:构建乘客出行链、识别出行起讫点和出行模式对比。基于实例研究,对北京SCD进行数据处理,分析北京市公交乘客出行时空动态特征,并探索预约公交潜在用户。分析结果表明对于10 km及以上的长距离出行,采用预约公交的出行效用较高,效用优势随出行距离增加而更为显着。（2）基于乘客出行需求,构建了预约公交线路优化模型。该模型以乘客出行成本和运营商运营成本最小化为目标,同时确定站点位置、线路以及乘客分配,并满足预约公交系统的诸多约束条件,包括预约公交运营条件、车容量和访问站点约束等。在求解模型时,基于遗传算法（Genetic Algorithm,GA）设计求解方法,通过算例验证GA的优化性能和运行效率。依据预约公交潜在需求进行了实证研究,深入分析了车速、车辆数和线路长度上限对相关参数的影响,并从线网层面对优化结果进行了评价。（3）考虑乘客期望出行时间窗,建立了具有出行时空约束的预约公交线路优化模型,并且在目标函数中考虑了部分未满足预约服务（存在未分配乘客）引起的惩罚费用。在算法设计方面,先后设计了基于GA和禁忌搜索算法（Tabu Search,TS）的求解方法,通过对小规模算例求解以确定算法参数值,并依据数值结果比较发现TS在求解该问题上具备高效性。以北京市出行需求进行实例研究,分析了预约公交在部分服务与完全服务场景下,相关成本、行驶时间和行驶距离随速度和车容量的变化情况。（4）针对预约公交线路优化问题,分析了交通拥堵对服务准时性的影响,提出一种考虑时间依赖和路径灵活性的预约公交线路优化模型。该模型在规划线路、确定时刻表和乘客分配的同时,进行子路径选择,实现了线路的进一步优化;同时,目标函数考虑了由于实际路况所引发的服务延迟惩罚费用。在求解时,基于TS框架,融入变邻域搜索（Variable Neighborhood Search,VNS）算法,设计了一个混合启发式算法（TS-VNS）,运用动态规划方法求解固定序列弧段选择问题（Fixed Sequence Arc Selection Problem,FSASP）,并采用数值算例实验,验证TS-VNS的有效性。最后,依据潜在出行需求和北京市实际路网实例,考虑多种路径类型和乘客分布类型等因素,分析了软硬时间窗、交通拥堵情况和路径灵活性对结果的影响。（5）探讨了一种采用无人驾驶技术的多服务水平预约公交模式。在建模过程中,以运营收益最大化为目标建立模型,并同时考虑两类约束条件,即不同水平服务约束和无人驾驶电动车辆运营特性约束,实现线路、时刻表、乘客分配和车辆充电计划的协同决策。针对每个周期内的出行需求,基于自适应大邻域搜索（Adaptive Large Neighborhood Search,ALSN）框架设计模型求解方法,其中运用贪婪算法（Greedy Algorithm）获取初始运行方案,针对需求点和充电站分别设计破坏和修复算子。为验证模型与算法,设计了小规模算例和基于实际路网的仿真实验,分析了在整车快充和换电模式场景下,不同乘客分布类型组合的算法求解效果、服务水平、收益和成本情况,以及满电电量和充电速率对相关结果的影响。本文图65幅,表35个,参考文献200篇。
程仁辉[6]（2021）在《考虑时空因素的通勤定制公交站线规划研究》文中进行了进一步梳理我国大中城市规模在不断扩大,而城市交通基础建设却滞后于城市发展,居民通勤面临距离过大、时间太长以及效率低下等问题。通勤定制公交作为一类新兴的公共交通模式,可以为居民打造高质量的定制出行服务,同时促进城市公共交通的发展,因此对其进行深入研究具有重要的现实意义。本文的主要工作有:（1）总结了定制公交的概念特征、分类方式以及运营流程,阐述了通勤定制公交在时间和空间上的多种关键影响因素。采用K-means聚类法和凝聚层次聚类法进行站点时空聚类,并通过改进距离公式和加入不均衡系数等优化措施,对站点空间位置和乘客出发时间进行了精细化设计。（2）通过RP-off-SP调查法对北京市居民通勤选择意愿和特征进行了调查。从乘客通勤选择意愿、通勤交通特征等方面对结果进行了分析总结,并作了乘客选择意愿相关性分析。基于双基点法建立了乘客通勤方式选择决策模型,然后通过实际案例对模型计算方法进行了说明。（3）从时间和空间角度描述了通勤定制公交线路规划问题的基本要素和建模思路,继而建立了通勤定制公交线路双层规划模型。模型兼顾定制公交运营商和乘客双方的利益,上层模型以运营商的收益最大为目标,考虑了票价收入、车辆成本以及乘客等待时间惩罚成本等因素。下层模型以最小化乘客广义通勤费用为目标,包括乘客时间、票价和拒绝选择通勤定制公交的成本费用。最后设计了适用于模型求解的改进遗传算法。（4）以北京市典型区域为背景案例,验证了模型和算法的有效性。首先作了案例可行性分析,然后根据改进的聚类算法对乘客合乘站点进行了时间和空间上的设计,并对聚类结果做了简单评估。结合本文所提出的双层规划模型及求解算法,得出了案例区域的定制公交线路规划方案,并对规划结果作了效果评价和灵敏度分析。结果表明,模型求解得到的通勤定制公交线路方案运营效果良好,且相比于传统公交具有一定的优势。图54幅,表24个,参考文献73篇。
杜文瑾[7]（2021）在《基于运行成本的城市公交组合调度研究》文中研究说明近些年城市公共交通的不断发展和完善,使得公交已成为居民出行时必不可少的交通方式之一,但传统的公交调度模式发车频率固定、运行模式单一的特点,使得居民乘坐公交时的出行时间受到影响,在客流量密集的早晚高峰时间段大大降低了乘客的出行效率。这种问题既不利于城市公共交通和绿色出行的发展,又降低了乘客出行的效率和出行体验。因此,分析传统调度模式的弊端,研究新的组合调度模式以提高乘客的出行效率已成为城市公交发展的重要问题。本文针对乘客在几条公交线路构成的复杂线网结构中面临的出行问题,对公交的调度进行优化,包括公交的服务模式、发车频率等多个方面,主要考虑到乘客在公交线网中的客流分布以及在不同线路中换乘现象,通过优化公交车的发车频率、服务模式,来降低乘客出行时的时间成本。为此,本文主要进行了以下研究:（1）分析了静态传统组合调度模式和现在已有新型的调度模式,对其原理进行整理归纳,分别介绍说明了不同静态调度模式的优缺点和适合应用场合,并由此提出本文的调度模式即组合调度模式,其中,组合调度模式为站点限停服务模式和全程车服务模式两种服务模式的组合。最后结合长春市某一公交线路的客流量实例,通过对客流量分布的分析来说明组合服务模式运行的必要性。（2）构建本文的研究环境为多条公交线路组成的线网,该线网一般包含公交车的共线运行部分和非共线运行部分,在此背景下对乘客的出行行为进行了分析,包括了乘客在不同区域出行时的出行时间成本分析、换乘站点的选择、在此条件下公交出行的时间成本分析,其中,乘客的换乘概率利用二项Logit模型进行计算。（3）以公交系统内总成本最小为优化目标,考虑公交车的最大载客量约束条件,构建了公交组合调度模式下的优化模型。以长春市的线网为例,选取两个线网共九条公交线路进行客流量的调查与统计,利用MATLAB对模型采用遗传算法对案例进行求解验证,计算得到优化后的总成本、发车频率、跳站站点,验证了模型的有效性。本文在线网为背景下的公交组合调度运行优化问题中,考虑到乘客在不同公交线路并行路段出行时会出现换乘行为,通过随车调查了解分析长春市某线网乘客的客流量分布,带入到最终的优化模型中。最后利用遗传算法进行求解,得到具有跳站行为的公交车队的最佳跳站方案及所有车队的最佳发车频率。
魏剑波[8]（2021）在《基于合乘模式的定制公交票价制定研究》文中指出当前,随着互联网+共享经济的蓬勃发展,合乘出行受到了越来越多的关注。其中,合乘定制公交能充分利用不同的居民出行需求,使得公交的服务更加多元化和全面化,实现服务提升和效率提升的双重作用。本文研究了合乘定制公交的开通条件、运营模式及特征。其中,开通条件为客流量、道路和车辆停车三个条件。合乘定制公交的服务对象为高密度地区的通勤者,最受欢迎的车型为7座以下的小型车。另外,针对合乘定制公交的五种运营模式做了进一步的研究,即起点相同终点相同、起点不同终点相同、起点相同终点不同、以及起点不同和终点不同（即先上后下和先上先下两种情况）。探讨了票价对居民选择合乘定制公交的影响。通过设计调查问卷,分析了乘客的社会经济属性和交通出行特征。结果表明:对乘客选择合乘定制公交影响最大的因素为乘客收入,其次是乘客年龄,票价对乘客是否选择合乘定制公交具有负影响。根据分析结果来为后续的票价合理性提供参考。研究了合乘定制公交的合理票制结构。通过比较一票制、差异化制票价结构,并分析里程、区间、服务水平等影响因素,提出一种面向乘客的分摊制票价结构。这种新的票制结构将乘客的一次合乘出行分为不同运行站点之间的多个连续运行区间,同一个区间内按照乘客数量分摊计价,可计算不同起讫点乘客的精准票价,其合理性、可操作性更强。考虑驾驶员效益和乘客费用的均衡,对驾驶员收入、最大绕行距离、社会效益等进行约束,以总乘客的费用最小为目标,建立效益-费用均衡的合乘定价模型。同时引入乘客乘车时间系数等,对定价模型进行优化。最后,以某片区的合乘定制公交线路为例,对效益-均衡合乘定价模型进行算例分析。对比三种不同定价模型在乘客出行成本方面的差异和效果。表明本研究提出的效益-均衡合乘定价模型在合理性、公平性、社会效益方面最优,有助于提高合乘定制公交的分担率。
胡传伟[9]（2021）在《考虑时间成本的电动公交调度策略研究》文中提出随着我国经济不断持续发展,城市化进程稳步推进。但随之而来的城市污染问题,能源短缺等问题成为困扰城市管理者的一大难题。在此背景之下国家出台了许多政策来保障新能源汽车发展。鉴于电动公交零排放、低噪音、行驶平稳的特点,已逐渐成为使城市地面交通中的主要工具。但由于城市公交系统发展滞后、调度方法低效,公交企业运力不能匹配不同站点的客流需求,以至于如今公交系统在城市交通中的出行分担率越来越低导致大多数城市拥堵情况严重。因此,就当下城市公交系统发展的困境而言,仅仅着力于对公交基础设计建设的完善或是车辆动力源的更换,并不能真正引导公交持续健康发展。因此,本文在深入分析我国城市公交系统发展现状之后,结合国内外对城市电动公交调度的研究成果,充分考虑了公交调度策略和纯电动公交车辆特征,对电动公交运营过程中的调度策略优化问题进行研究。主要研究内容如下:首先,本文对最近几年国家的公交发展政策进行了梳理,简单分析了当前国内公交的发展现状以及在当前背景下国内城市纯电动公交的发展情况。提出了本文研究的核心问题是从乘客和公交企业的时间成本两个角度出发对纯电动公交的调度策略进行优化。其次,对纯电动公交电池充放电与时间及里程的关系进行了研究讨论,证实了纯电动公交电池充电与时间呈线性关系,以及放电深度与里程呈线性关系。然后分析了不同对象的时间成本。分别对乘客的时间成本以及公交企业时间成本进行了讨论,并通过计算分别求得了单位时间内的乘客等待时间成本、乘客行程时间成本、车辆行程时间成本以及车辆空车时间成本。并在此基础之上建立了考虑时间成本的多目标电动公交调度优化模型。最后,选取重庆市666路纯电动公交路线作为算例进行分析。计算结果表明,和现有的运营计划相比,模型提高运行效率,减少车辆数,并且能够在很大程度上降低乘客和企业的时间成本。同时对乘客时间节省率进行了讨论,并对比了不同乘客时间节省率对优化结果的影响。
唐飞[10]（2021）在《基于随机时变网络的定制公交线路规划研究》文中指出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。
二、深圳城市公交服务对车辆的需求（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、深圳城市公交服务对车辆的需求（论文提纲范文）
（1）考虑常规线路影响的需求响应式公交协同优化方法研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 核心概念 |
| 1.3 国内外研究综述 |
| 1.3.1 需求响应式公交站点选址与线路规划 |
| 1.3.2 地面公交运行协同优化 |
| 1.3.3 需求响应式公交运行计划协同优化 |
| 1.3.4 需要进一步研究的问题 |
| 1.4 研究内容与论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 2 需求响应式公交服务模式分析 |
| 2.1 需求响应式公交系统特征分析 |
| 2.2 跨区域需求响应式公交服务模式分析 |
| 2.2.1 运营流程 |
| 2.2.2 竞争力影响因素分析 |
| 2.3 需求响应式接驳公交服务模式分析 |
| 2.3.1 运营流程 |
| 2.3.2 运行计划的关键要素分析 |
| 2.4 本章小结 |
| 3 跨区域需求响应式公交站点选址及线路规划方法 |
| 3.1 概述 |
| 3.2 问题描述与研究框架 |
| 3.2.1 站点选址问题描述 |
| 3.2.2 线路规划问题描述 |
| 3.2.3 研究框架 |
| 3.3 考虑节点需求密度的AP聚类算法的站点选址方法 |
| 3.3.1 经典AP聚类算法 |
| 3.3.2 考虑节点需求密度的AP聚类算法设计 |
| 3.4 基于Q学习算法的线路规划方法 |
| 3.4.1 Q学习算法原理 |
| 3.4.2 基于Q学习算法的线路规划算法设计 |
| 3.5 算例研究 |
| 3.5.1 算例背景与需求数据设定 |
| 3.5.2 站点选址结果与分析 |
| 3.5.3 线路规划结果与分析 |
| 3.6 本章小结 |
| 4 需求响应式公交开通条件下地面公交运行协同优化模型 |
| 4.1 概述 |
| 4.2 模型构建基础 |
| 4.2.1 问题描述 |
| 4.2.2 模型假设与参数定义 |
| 4.2.3 出行广义费用函数 |
| 4.3 跨区域需求响应式公交及常规线路发车频率协同优化模型 |
| 4.3.1 上层模型:多目标优化模型 |
| 4.3.2 下层模型:基于Logit-SUE的多方式交通网络配流模型 |
| 4.4 求解思路与算法设计 |
| 4.4.1 模型求解思路 |
| 4.4.2 算法设计及流程 |
| 4.5 算例研究 |
| 4.5.1 网络与参数取值 |
| 4.5.2 算例结果与分析 |
| 4.5.3 重要参数灵敏度分析 |
| 4.6 跨区域需求响应式公交竞争力影响因素分析 |
| 4.6.1 研究环境设定 |
| 4.6.2 跨区域需求响应式公交内部因素 |
| 4.6.3 常规公交线路运行特征 |
| 4.7 本章小结 |
| 5 需求响应式接驳公交运行计划协同优化模型 |
| 5.1 概述 |
| 5.2 问题描述与基本假设 |
| 5.2.1 问题描述 |
| 5.2.2 需求响应式接驳公交与常规公交的协作关系分析 |
| 5.2.3 基本假设与参数定义 |
| 5.3 需求响应式接驳公交运行计划协同优化模型 |
| 5.3.1 模型目标函数 |
| 5.3.2 约束条件 |
| 5.4 算法设计 |
| 5.4.1 遗传算法关键步骤 |
| 5.4.2 算法流程设计 |
| 5.5 算例研究 |
| 5.5.1 算例设计与参数赋值 |
| 5.5.2 算例结果与分析 |
| 5.5.3 重要参数灵敏度分析 |
| 5.6 多模式需求响应式公交竞争力影响因素分析 |
| 5.6.1 研究环境设定 |
| 5.6.2 影响因素分析 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 主要工作及结论 |
| 6.2 论文的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 A |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）特区启动“数字巴士”（论文提纲范文）
| 一、制定数字化发展规划，建立数字化转型工作机制 |
| 1. 明确数字化转型发展目标 |
| 2. 制定“163”数字化发展规划 |
| 3. 建立数字化转型工作机制 |
| 二、打造公交数字化平台，运用云技术汇聚终端数据信息 |
| 1. 数据物联化智能采集 |
| 2. 推动终端数据标准化 |
| 3. 搭建数字化云平台 |
| 三、大数据赋能经营管理，提升基本型服务水平 |
| 1. 主动预防，夯实安全管理基础 |
| 2. 精准掌握运营数据，精心提供乘车服务 |
| 3. 深入开展营运数据分析，提高调度作业效率 |
| 4. 综合支撑，协同高效 |
| 四、面向个性化需求，提供期望型公交服务 |
| 1. 定制“优点巴士”，提供点到点出行服务 |
| 2. 研发动态巴士，提供“随需而至”的出行服务 |
| 3. 灵活安排Maa S公交，提供“轨道+公交”协同出行服务 |
| 五、促进产业生态圈合作，孵化魅力型公交服务 |
| 1. 营造良好的创新孵化环境 |
| 2. 推动构建产业生态圈 |
| 3. 推动公交新技术、新产品、新业态发展 |
（5）预约公交系统优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 英文缩写列表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外文献综述 |
| 1.2.1 常规公交线路/线网优化问题 |
| 1.2.2 基于灵活线路的公交服务优化问题 |
| 1.2.3 无人驾驶汽车共享服务优化问题 |
| 1.2.4 目前研究存在的问题 |
| 1.3 研究目的与内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 论文组织框架 |
| 2 基于公交智能卡数据的预约公交潜在需求分析 |
| 2.1 常规公交智能卡数据 |
| 2.1.1 数据基本结构 |
| 2.1.2 数据预处理 |
| 2.2 基于公交智能卡数据的预约公交潜在用户提取方法 |
| 2.2.1 乘客出行链生成 |
| 2.2.2 基于乘客出行链的起讫点确定 |
| 2.2.3 出行模式对比 |
| 2.3 基于北京市公交智能卡数据的结果分析 |
| 2.3.1 乘客出行时空特征分析 |
| 2.3.2 预约公交潜在用户分析 |
| 2.4 本章小结 |
| 3 基于乘客出行需求的预约公交线路优化 |
| 3.1 RBRP问题描述 |
| 3.2 基于乘客出行需求的预约公交线路优化模型 |
| 3.2.1 符号说明 |
| 3.2.2 目标函数 |
| 3.2.3 约束条件 |
| 3.3 基于GA的启发式算法设计 |
| 3.3.1 初始解生成 |
| 3.3.2 选择 |
| 3.3.3 交叉 |
| 3.3.4 变异 |
| 3.3.5 数值算例结果 |
| 3.4 实例分析 |
| 3.4.1 路网描述与参数设置 |
| 3.4.2 重要参数灵敏度分析 |
| 3.4.3 线网评价 |
| 3.5 本章小结 |
| 4 基于乘客出行时间窗的预约公交线路优化 |
| 4.1 RBRP-TW问题描述 |
| 4.2 基于乘客出行时间窗的预约公交线路优化模型 |
| 4.2.1 符号说明 |
| 4.2.2 目标函数 |
| 4.2.3 约束条件 |
| 4.3 算法设计 |
| 4.3.1 遗传算法 |
| 4.3.2 禁忌搜索算法 |
| 4.3.3 数值算例结果 |
| 4.4 实例分析 |
| 4.4.1 网络描述与参数设置 |
| 4.4.2 部分服务和完全服务 |
| 4.4.3 灵敏度分析 |
| 4.5 本章小结 |
| 5 考虑时间依赖和路径选择的预约公交线路优化 |
| 5.1 TDRBRP-PF问题描述 |
| 5.2 考虑时间依赖和路径选择的预约公交线路优化模型 |
| 5.2.1 符号说明 |
| 5.2.2 目标函数 |
| 5.2.3 约束条件 |
| 5.3 基于TS-VNS的启发式算法设计 |
| 5.3.1 初始解生成 |
| 5.3.2 邻域搜索过程 |
| 5.3.3 固定序列弧段选择过程 |
| 5.3.4 数值算例结果 |
| 5.4 实例分析 |
| 5.4.1 路网描述和参数设置 |
| 5.4.2 案例设计 |
| 5.4.3 软、硬时间窗影响分析 |
| 5.4.4 交通拥堵影响分析 |
| 5.4.5 路径选择效果分析 |
| 5.5 本章小结 |
| 6 考虑多服务水平的无人驾驶预约电动公交线路优化 |
| 6.1 无人驾驶预约电动公交系统 |
| 6.2 RAEBRP-MS问题描述 |
| 6.3 考虑多服务水平的无人驾驶预约电动公交线路优化建模 |
| 6.3.1 符号说明 |
| 6.3.2 目标函数 |
| 6.3.3 约束条件 |
| 6.4 基于ALSN的启发式算法设计 |
| 6.4.1 初始解生成 |
| 6.4.2 破坏规则 |
| 6.4.3 修复规则 |
| 6.4.4 自适应权重调整策略 |
| 6.4.5 接受和停止准则 |
| 6.4.6 数值算例结果 |
| 6.5 案例分析 |
| 6.5.1 仿真参数与场景 |
| 6.5.2 算法对比分析 |
| 6.5.3 服务水平分析 |
| 6.5.4 收益和成本分析 |
| 6.5.5 灵敏度分析 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 研究总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A 潜在出行需求信息 |
| 附录B 仿真出行需求信息1 |
| 附录C 仿真出行需求信息2 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）考虑时空因素的通勤定制公交站线规划研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 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 国内外研究现状 |
| 1.2.1 定制公交运营管理特性研究 |
| 1.2.2 定制公交站线规划和调度研究 |
| 1.2.3 乘客出行方式选择研究 |
| 1.2.4 研究现状总结 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 定制公交分类及特征和站线规划理论基础 |
| 2.1 定制公交的概念特征及运营流程 |
| 2.1.1 定制公交的分类及特征 |
| 2.1.2 定制公交线路的运营流程 |
| 2.2 通勤定制公交特征及时空影响因素分析 |
| 2.2.1 定制公交在城市交通系统中的作用 |
| 2.2.2 城市通勤特征与评价指标 |
| 2.2.3 通勤定制公交时空影响因素 |
| 2.3 考虑时空因素的定制公交站线规划 |
| 2.3.1 合乘站点时空聚类方法 |
| 2.3.2 通勤定制公交线路规划研究基础 |
| 2.3.3 通勤定制公交线路规划基本原则 |
| 2.4 本章小结 |
| 3 乘客通勤出行方式选择决策研究 |
| 3.1 通勤定制公交选择意愿和特征调查与分析 |
| 3.1.1 通勤定制公交选择意愿和特征调查方法 |
| 3.1.2 乘客通勤定制公交选择意愿结果分析 |
| 3.1.3 通勤定制公交交通特性结果分析 |
| 3.1.4 定制公交选择意愿相关性分析 |
| 3.2 乘客通勤方式选择决策模型 |
| 3.2.1 乘客通勤选择决策指标 |
| 3.2.2 乘客通勤方式选择TOPSIS模型 |
| 3.3 案例分析 |
| 3.3.1 案例背景数据 |
| 3.3.2 案例求解与结果 |
| 3.4 本章小结 |
| 4 基于时空要素的通勤定制公交站线规划 |
| 4.1 问题描述及建模思路 |
| 4.1.1 问题描述 |
| 4.1.2 建模思路 |
| 4.2 合乘站点时空聚类设计 |
| 4.2.1 站点空间聚类 |
| 4.2.2 乘客时间聚类 |
| 4.3 通勤定制公交线路双层规划模型 |
| 4.3.1 上层规划模型 |
| 4.3.2 下层规划模型 |
| 4.3.3 定制公交运营调度 |
| 4.4 求解方法 |
| 4.4.1 编译码操作 |
| 4.4.2 确定初始种群 |
| 4.4.3 适应度函数 |
| 4.4.4 选择操作 |
| 4.4.5 交叉和变异操作 |
| 4.4.6 终止规则 |
| 4.5 本章小结 |
| 5 典型区域通勤定制公交站线规划案例研究 |
| 5.1 案例背景分析 |
| 5.1.1 区域背景和交通服务现状 |
| 5.1.2 案例可行性分析 |
| 5.2 乘客合乘站点聚类设计 |
| 5.2.1 合乘站点空间聚类 |
| 5.2.2 乘客出发时间聚类 |
| 5.3 通勤定制公交线路规划 |
| 5.3.1 出行数据处理 |
| 5.3.2 参数标定 |
| 5.4 结果分析与评价 |
| 5.4.1 线路方案结果与分析 |
| 5.4.2 方案对比分析 |
| 5.4.3 停站次数灵敏度分析 |
| 5.4.4 票价分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文不足和展望 |
| 参考文献 |
| 附录 A 北京通勤定制公交选择意愿和特征调查 |
| 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 |
（7）基于运行成本的城市公交组合调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 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 |
| 1.3 技术路线 |
| 第2章 公交运营组合调度优化原理 |
| 2.1 公交组合调度原理分析 |
| 2.1.1 公交调度原理 |
| 2.1.2 公交组合调度 |
| 2.2 公交组合调度问题分析 |
| 2.2.1 公交组合调度已有研究 |
| 2.2.2 公交组合调度现状分析 |
| 2.3 本章小结 |
| 第3章 公交组合调度下系统成本分析 |
| 3.1 公交线网特征分析 |
| 3.2 乘客出行客流量分析 |
| 3.3 乘客换乘站点的选择 |
| 3.3.1 二项Logit模型 |
| 3.3.2 乘客在不同服务模式车辆之间换乘 |
| 3.3.3 乘客在不同线路间换乘 |
| 3.4 乘客出行时间成本分析 |
| 3.4.1 乘客候车时间成本 |
| 3.4.2 乘客换乘时间成本分析 |
| 3.4.3 乘客乘车时间成本分析 |
| 3.5 公交运行时间成本分析 |
| 3.6 本章小结 |
| 第4章 公交组合调度下系统成本优化 |
| 4.1 模型构建 |
| 4.2 灵敏度分析 |
| 4.3 案例分析 |
| 4.3.1 人民大街干线组合调度案例分析 |
| 4.3.2 工农大路干线组合调度案例分析 |
| 4.3.3 案例总结 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 研究成果总结 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（8）基于合乘模式的定制公交票价制定研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究概况 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 研究现状评述 |
| 1.4 研究内容与技术路线图 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线图 |
| 第二章 合乘定制公交的特征 |
| 2.1 合乘定制公交概况 |
| 2.1.1 合乘定制公交的含义 |
| 2.1.2 合乘定制公交的性质 |
| 2.1.3 合乘定制公交与其他出行方式的区别 |
| 2.2 合乘出行模式发展趋势 |
| 2.2.1 合乘在国外发展情况 |
| 2.2.2 合乘在国内发展情况 |
| 2.3 合乘定制公交运营模式 |
| 2.3.1 合乘定制公交制定程序 |
| 2.3.2 合乘定制公交营运开通条件 |
| 2.3.3 合乘定制公交运营特点分析 |
| 2.4 合乘定制公交票价现状分析 |
| 2.5 本章小结 |
| 第三章 合乘定制公交乘客行为分析 |
| 3.1 问卷调查 |
| 3.1.1 影响因素 |
| 3.1.2 问卷设计 |
| 3.1.3 调查开展 |
| 3.2 调查结果分析 |
| 3.3 合乘对乘客行为的影响分析 |
| 3.4 票价对乘客行为的影响分析 |
| 3.5 本章小结 |
| 第四章 基于均衡的合乘定价模型及优化 |
| 4.1 影响因素分析 |
| 4.1.1 票价制定必要性分析 |
| 4.1.2 票价制定影响因素分析 |
| 4.2 票制结构 |
| 4.3 票价计算方法 |
| 4.3.1 成本加成定价法 |
| 4.3.2 边际成本定价法 |
| 4.3.3 盈亏平衡定价法 |
| 4.4 基于百分比分摊的合乘定价模型 |
| 4.4.1 模型的建立 |
| 4.4.2 模型的优势与不足 |
| 4.5 基于公平性分摊的合乘定价模型 |
| 4.5.1 模型的建立 |
| 4.5.2 模型的优势与不足 |
| 4.6 基于效益-费用均衡的合乘定价模型 |
| 4.6.1 基本费率参数 |
| 4.6.2 起步价与里程单价 |
| 4.6.3 模型的建立 |
| 4.6.4 模型的改进 |
| 4.7 本章小结 |
| 第五章 实例应用 |
| 5.1 数据分析及处理 |
| 5.1.1 路网简化及处理 |
| 5.1.2 运营参数 |
| 5.2 计算结果分析 |
| 5.2.1 百分比分摊模型计算结果 |
| 5.2.2 公平性分摊模型计算结果 |
| 5.2.3 效益-费用均衡模型计算结果 |
| 5.3 不同模型的比较分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究成果及结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 出行调查问卷 |
| 在学期间发表的论文和取得的学术成果 |
（9）考虑时间成本的电动公交调度策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 公交运营调度策略 |
| 1.2.2 电动公交的调度 |
| 1.2.3 时间成本研究 |
| 1.2.4 现有研究分析 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 第二章 电动公交调度策略基础理论 |
| 2.1 公交调度策略相关理论 |
| 2.2 基础数据统计分析 |
| 2.2.1 基础数据采集方法 |
| 2.2.2 调查数据时间特征分析 |
| 2.2.3 调查数据空间特征分析 |
| 2.3 电动公交的优缺点 |
| 2.3.1 电动公交的优点 |
| 2.3.2 电动公交的缺点 |
| 2.4 充放电过程研究 |
| 2.4.1 充电过程与时间的关系 |
| 2.4.2 放电过程与行驶里程的关系 |
| 2.5 本章小结 |
| 第三章 时间成本构成与测算 |
| 3.1 时间成本的构成 |
| 3.1.1 乘客的时间成本 |
| 3.1.2 公交的时间成本 |
| 3.2 乘客单位时间成本的测算 |
| 3.2.1 乘客单位时间成本假设 |
| 3.2.2 乘客单位时间成本模型 |
| 3.3 公交单位时间成本的测算 |
| 3.3.1 单位行程时间成本 |
| 3.3.2 单位空座时间成本 |
| 3.3.3 单位充电时间成本 |
| 3.4 本章小结 |
| 第四章 考虑时间成本的调度策略模型 |
| 4.1 问题描述及基本假设 |
| 4.1.1 问题描述 |
| 4.1.2 基本假设 |
| 4.1.3 参数定义 |
| 4.2 调度策略模型建立 |
| 4.2.1 乘客等待时间 |
| 4.2.2 乘客行程时间 |
| 4.2.3 车辆行程时间 |
| 4.2.4 车辆空座时间 |
| 4.2.5 充电时间 |
| 4.2.6 约束条件 |
| 4.3 模型求解 |
| 4.3.1 遗传算法基础理论 |
| 4.3.2 遗传算法基本操作 |
| 4.3.3 遗传算法模型算法设计 |
| 4.4 本章小结 |
| 第五章 以重庆市666号线为例的电动公交调度策略研究 |
| 5.1 666号线基本情况 |
| 5.2 基础数据及参数设定 |
| 5.2.1 线路基础数据 |
| 5.2.2 单位时间成本取值 |
| 5.2.3 参数设定 |
| 5.3 优化调度策略及结果分析 |
| 5.3.1 调度策略的产生及时间成本对比分析 |
| 5.3.2 不同乘客节省时间率下的优化结果分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录1 |
| 附录2 |
（10）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 |
四、深圳城市公交服务对车辆的需求（论文参考文献）
- [1]考虑常规线路影响的需求响应式公交协同优化方法研究[D]. 王瑜琼. 北京交通大学, 2021
- [2]中国公交企业转型升级的模式及发展路径研究 ——以J集团为例[D]. 肖安琦. 北京交通大学, 2021
- [3]可变站点型公交的两阶段调度模型与算法[D]. 赵小款. 哈尔滨工业大学, 2021
- [4]特区启动“数字巴士”[J]. 深圳巴士集团股份有限公司. 企业管理, 2021(06)
- [5]预约公交系统优化研究[D]. 郭戎格. 北京交通大学, 2021
- [6]考虑时空因素的通勤定制公交站线规划研究[D]. 程仁辉. 北京交通大学, 2021
- [7]基于运行成本的城市公交组合调度研究[D]. 杜文瑾. 吉林大学, 2021(01)
- [8]基于合乘模式的定制公交票价制定研究[D]. 魏剑波. 重庆交通大学, 2021
- [9]考虑时间成本的电动公交调度策略研究[D]. 胡传伟. 重庆交通大学, 2021
- [10]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