基于遗传算法的城轨车站分布优化方法

针对国内外关于城市轨道交通线路规划车站分布理论应用于实际时存在的问题,基于遗传算法应用的可行性,在线路走向以及主要车站位置已确定的条件下,研究一种在其余车站备选点中选择出最优车站设置方案的方法。首先,基于全社会分析,采用成本效益法界定车站分布优化的目标函数。进而,建立数学模型,以矩阵方程实现了约束条件,并给出了建设成本、运营成本、列车购置成本、乘客时间成本、环境污染成本、事故成本等成本项以及房地产增值等效益项的定量计算方法,形成了目标函数。最后,利用遗传算法求解目标函数,无需检索所有方案即可通过循环迭代收敛到全局最优方案,从而构建了一种基于遗传算法的城市轨道交通车站分布优化新方法。

现代有轨电车合理站间距研究

现代有轨电车在组团式城市有着良好的区域适用性。通过分析现代有轨电车车站分布对吸引客流、乘客出行时间、工程造价和项目运营的影响,为站点布设提供理论基础。以运营效率最优兼顾乘客节约出行时间效益为目标,从车站工程费用、运营费用(车辆购置费)、运营收入(车费收入)和乘客节约出行时间效益4个部分建立有轨电车站间距优化模型;并用Matlab编程求解,结合成都市IT大道现代有轨电车工程的相关资料,对模型进行实证分析。结果表明:现代有轨电车能实现70 km/h速度的最小站间距为0.631 km,一般现代有轨电车的合理站间距为0.5~0.9 km;该优化模型计算结果与工程实际吻合度较高,可以为现代有轨电车车站分布提供借鉴和参考。