CN112836999B - 多层级轨道交通换乘枢纽布局规划方法 - Google Patents
多层级轨道交通换乘枢纽布局规划方法 Download PDFInfo
- Publication number
- CN112836999B CN112836999B CN202110335570.6A CN202110335570A CN112836999B CN 112836999 B CN112836999 B CN 112836999B CN 202110335570 A CN202110335570 A CN 202110335570A CN 112836999 B CN112836999 B CN 112836999B
- Authority
- CN
- China
- Prior art keywords
- transfer
- rail transit
- station
- junction
- passengers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 239000003016 pheromone Substances 0.000 claims description 12
- 241000257303 Hymenoptera Species 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 6
- 239000004753 textile Substances 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种多层级轨道交通换乘枢纽布局规划方法,首先确定多层级轨道交通换乘备选枢纽站点集合,然后建立以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型,假设每个乘客选取时间和金钱消耗最小的换乘方案进行换乘,并建立以旅客出行成本消耗最少为目标函数的下层规划模型,最后采用蚁群算法对所建立的双层规划模型进行求解。本发明能有效平衡枢纽建设、运营成本和旅客出行换乘成本,采用蚁群算法对模型求解得到城市多层级轨道交通换乘枢纽布局的最优解,可以科学、合理的求解出多层级轨道交通枢纽的选址方案,为城市多层级轨道交通规划提供参考和支撑。
Description
技术领域
本发明涉及轨道交通枢纽建设运营技术领域,具体涉及一种多层级轨道交通换乘枢纽布局规划方法。
背景技术
换乘枢纽是各层级轨道交通间的纽带,枢纽的合理布局既能够降低投资方工程成本,又能够减少旅客出行换乘的成本。而这两个目的往往是相互矛盾的,对于投资者来说,减小换乘枢纽数量和换乘枢纽规模能够降低工程成本;但是对于旅客来说会增加出行换乘成本降低出行舒适度。如何统筹两者之间的关系,是多层级轨道交通一体化枢纽布局模型的关键。
目前对于多层级轨道交通换乘枢纽站场的选址和布局通常采用单纯的数学物理方法,模型难以求出各种影响因素动态条件下的最优解。
发明内容
本发明的目的是提供一种多层级轨道交通换乘枢纽布局规划方法,科学、合理地解决都市圈多层级轨道交通换乘枢纽选址问题。
本发明所采用的技术方案为:
多层级轨道交通换乘枢纽布局规划方法,其特征在于:
所述方法包括以下步骤:
(A)确定多层级轨道交通换乘备选枢纽站点集合;
(B)建立以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型;
(C)假设每个乘客选取时间和金钱消耗最小的换乘方案进行换乘,并建立以旅客出行成本消耗最少为目标函数的下层规划模型;
(D)采用蚁群算法对步骤(B)和步骤(C)所建立的双层规划模型进行求解。
步骤(A)中,所述的多层级轨道交通换乘备选枢纽站点为地铁层级重要节点。
步骤(A)中,所述的多层级轨道交通换乘备选枢纽站点集合N,包含新建枢纽集合N1和改建枢纽集合N2;
其中,N1={nj,j=1,2,...,n},N2={nj,j=n+1,n+2,...,n+m},n为新建枢纽个数,m为改建枢纽个数;nj={nj1,nj2},当nj1=1时表示该备选站用于换乘市域铁路,nj1=0时表示该备选站不能用于换乘市域铁路,当nj2=1时表示该备选站用于换乘城际铁路,当nj2=0时表示该备选站不能用于换乘城际铁路。
步骤(B)中,所述的以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型,用下式表述:
S.T.
Zj=Mj+BjNj,当(j≤n)
Zj=pjAjRj+(1-pj)[Mj+Bj(Nj-Rj)],当(n<j≤n+m)
aj=(NjDS NjSD NjDC NjCD NjSC NjCS)
Nj=nj1(NjDS+NjSD)+nj2(NjDC+NjCD)+nj1nj2(NjSC+NjCS)
式中,
Zj—当j≤n时为新建枢纽费用,当n<j≤m+n时为改建既有站时投资费用,元;
Hj—换乘枢纽运营费用,元;
Mj—客站j的基础投资费用,元;
Aj—客站j的设备更新费用,元/人;
Rj—既有客站j的设计旅客发送量,人;
Bj—客站j的新建设备费用,元/人;
—客站j的单位运营成本,元/人;
NjDS—客站j由城市轨道交通换乘市域铁路的乘客数量,人;
NjSD—客站j由市域铁路换乘城市轨道交通的乘客数量,人;
NjDC—客站j由城市轨道交通换乘城际铁路的乘客数量,人;
NjCD—客运站j由城际铁路换乘城市轨道交通的乘客数量,人;
NjSC—客运站j由市域铁路换乘城际铁路的乘客数量,人;
NjCS—客运站j由城际铁路换乘市域铁路的乘客数量,人;
—多层级轨道交通系统间换乘总供给量,人;
D—多层级轨道交通系统间换乘总需求量,人。
步骤(C)中,所述的以旅客出行成本消耗最少为目标函数的下层规划模型,采用下式表述:
S.T.
式中,
Tij—乘客由i小区至j小区的综合出行时间,min;
G—都市圈单位时间人均GDP,元/人min;
Cij—乘客由i小区至j小区的综合出行费用,元/人;
Fij—由i小区至j小区轨道交通出行乘客总量,人;
—多层级轨道交通各站发送旅客总量,人;
O—多层级轨道交通旅客出行总量,人。
步骤(B)所述上层规划模型中多层级轨道交通系统间换乘总供给量略大于或等于步骤(C)所述下层规划模型中多层级轨道交通旅客出行总量。
步骤(D)中,所述的蚁群算法求解,包括以下步骤:
步骤1:对相关参数进行初始化,包括蚁群规模、信息素因子、启发函数因子、信息素挥发因子、信息素常数、最大迭代次数,以及将数据读入程序;
步骤2:随机将蚂蚁放于不同出发点,对每个蚂蚁计算其下个访问枢纽站点,直到有蚂蚁访问完所有枢纽站点;
步骤3:计算各蚂蚁经过的路径长度,记录当前迭代次数最优解,同时对路径上的信息素浓度进行更新;
步骤4:判断是否达到最大迭代次数,若否,返回步骤2;是,结束程序;
步骤5:输出结果。
本发明具有以下优点:
本发明能有效平衡枢纽建设、运营成本和旅客出行换乘成本,采用蚁群算法对模型求解得到城市多层级轨道交通换乘枢纽布局的最优解,可以科学、合理的求解出多层级轨道交通枢纽的选址方案,为城市多层级轨道交通规划提供参考和支撑。
附图说明
图1为本发明流程示意图。
具体实施方式
下面结合具体实施方式对本发明进行详细的说明。
本发明涉及的多层级轨道交通换乘枢纽布局规划方法,基于供需平衡理论和双层规划实施,具体包括以下步骤:
(A)确定多层级轨道交通换乘备选枢纽站点集合;
(B)建立以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型;
(C)假设每个乘客选取时间和金钱消耗最小的换乘方案进行换乘,并建立以旅客出行成本消耗最少为目标函数的下层规划模型;
(D)采用蚁群算法对步骤(B)和步骤(C)所建立的双层规划模型进行求解。
步骤(A)中,所述的多层级轨道交通换乘备选枢纽站点为地铁层级重要节点。所述的多层级轨道交通换乘备选枢纽站点集合N,包含新建枢纽集合N1和改建枢纽集合N2;
其中,N1={nj,j=1,2,...,n},N2={nj,j=n+1,n+2,...,n+m},n为新建枢纽个数,m为改建枢纽个数;nj={nj1,nj2},当nj1=1时表示该备选站用于换乘市域铁路,nj1=0时表示该备选站不能用于换乘市域铁路,当nj2=1时表示该备选站用于换乘城际铁路,当nj2=0时表示该备选站不能用于换乘城际铁路。
步骤(B)中,所述的以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型,用下式表述:
S.T.
Zj=Mj+BjNj,当(j≤n)
Zj=pjAjRj+(1-pj)[Mj+Bj(Nj-Rj)],当(n<j≤n+m)
aj=(NjDS NjSD NjDC NjCD NjSC NjCS)
Nj=nj1(NjDS+NjSD)+nj2(NjDC+NjCD)+nj1nj2(NjSC+NjCS)
式中,
Zj—当j≤n时为新建枢纽费用,当n<j≤m+n时为改建既有站时投资费用,元;
Hj—换乘枢纽运营费用,元;
Mj—客站j的基础投资费用,元;
Aj—客站j的设备更新费用,元/人;
Rj—既有客站j的设计旅客发送量,人;
Bj—客站j的新建设备费用,元/人;
—客站j的单位运营成本,元/人;
NjDS—客站j由城市轨道交通换乘市域铁路的乘客数量,人;
NjSD—客站j由市域铁路换乘城市轨道交通的乘客数量,人;
NjDC—客站j由城市轨道交通换乘城际铁路的乘客数量,人;
NjCD—客运站j由城际铁路换乘城市轨道交通的乘客数量,人;
NjSC—客运站j由市域铁路换乘城际铁路的乘客数量,人;
NjCS—客运站j由城际铁路换乘市域铁路的乘客数量,人;
—多层级轨道交通系统间换乘总供给量,人;
D—多层级轨道交通系统间换乘总需求量,人。
步骤(C)中,所述的以旅客出行成本消耗最少为目标函数的下层规划模型,采用下式表述:
S.T.
式中,
Tij—乘客由i小区至j小区的综合出行时间,min;
G—都市圈单位时间人均GDP,元/人min;
Cij—乘客由i小区至j小区的综合出行费用,元/人;
Fij—由i小区至j小区轨道交通出行乘客总量,人;
—多层级轨道交通各站发送旅客总量,人;
O—多层级轨道交通旅客出行总量,人。
步骤(B)所述上层规划模型中多层级轨道交通系统间换乘总供给量略大于或等于步骤(C)所述下层规划模型中多层级轨道交通旅客出行总量。
步骤(D)中,所述的蚁群算法求解,包括以下步骤:
步骤1:对相关参数进行初始化,包括蚁群规模、信息素因子、启发函数因子、信息素挥发因子、信息素常数、最大迭代次数,以及将数据读入程序;
步骤2:随机将蚂蚁放于不同出发点,对每个蚂蚁计算其下个访问枢纽站点,直到有蚂蚁访问完所有枢纽站点;
步骤3:计算各蚂蚁经过的路径长度,记录当前迭代次数最优解,同时对路径上的信息素浓度进行更新;
步骤4:判断是否达到最大迭代次数,若否,返回步骤2;是,结束程序;
步骤5:输出结果。
下面结合西安市多层级轨道交通换乘枢纽规划过程对本发明进行详细说明;
(A)选取西安地铁规划的104个重要节点作为西安市多层级轨道交通换乘枢纽备选站点集合;备选枢纽站点的属性表如表1所示;
表1备选枢纽站点属性表
站点编号 | 站点名称 | 新建/改建 | nj1换乘市域 | nj2换乘城际 |
1 | 延平门站 | 新建 | 0 | 0 |
2 | 西安南站 | 新建 | 1 | 1 |
… | … | … | … | … |
79 | 西安站 | 改建 | 0 | 1 |
80 | 阿房宫站 | 改建 | 1 | 1 |
… | … | … | … | … |
104 | 纺织城站 | 改建 | 1 | 1 |
(B)建立以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型;
S.T.
Zj=Mj+BjNj,当(j≤n)
Zj=pjAjRj+(1-pj)[Mj+Bj(Nj-Rj)],当(n<j≤n+m)
aj=(NjDS NjSD NjDC NjCD NjSC NjCS)
Nj=nj1(NjDS+NjSD)+nj2(NjDC+NjCD)+nj1nj2(NjSC+NjCS)
式中,各参数取值如表2所示:
表2上层规划模型参数取值表
(C)假设每个乘客选取时间和金钱消耗最小的换乘方案进行换乘,建立以旅客出行成本消耗最少为目标函数的下层规划模型;
S.T.
式中单位人均时间GDP可采用人均GDP和法定工作时间计算,2019年西安市单位人均时间GDP为0.26元/min;
(D)采用蚁群算法对步骤(B)和步骤(C)所建立的双层规划模型进行求解,得到西安市多层级轨道交通枢纽的选址为西安站、西安北站、西安南站、阿房宫站、纺织城站、咸阳站。
本发明的内容不限于实施例所列举,本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换,均为本发明的权利要求所涵盖。
Claims (4)
1.多层级轨道交通换乘枢纽布局规划方法,其特征在于:
所述方法包括以下步骤:
(A)确定多层级轨道交通换乘备选枢纽站点集合;
(B)建立以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型;
(C)假设每个乘客选取时间和金钱消耗最小的换乘方案进行换乘,并建立以乘客出行成本消耗最少为目标函数的下层规划模型;
(D)采用蚁群算法对步骤(B)和步骤(C)所建立的双层规划模型进行求解;
步骤(A)中,所述的多层级轨道交通换乘备选枢纽站点集合N,包含新建枢纽集合N1和改建枢纽集合N2;
其中,N1={nj,j=1,2,...,n},N2={nj,j=n+1,n+2,...,n+m},n为新建枢纽个数,m为改建枢纽个数;nj={nj1,nj2},当nj1=1时表示该备选枢纽站点用于换乘市域铁路,nj1=0时表示该备选枢纽站点不能用于换乘市域铁路,当nj2=1时表示该备选枢纽站点用于换乘城际铁路,当nj2=0时表示该备选枢纽站点不能用于换乘城际铁路;
步骤(B)中,所述的以新建换乘枢纽和改建换乘枢纽的投资费用、经营费用总和最小为优化目标的上层规划模型,用下式表述:
S.T.
Zj=Mj+BjNj,当(j≤n)
Zj=pjAjRj+(1-pj)[Mj+Bj(Nj-Rj)],当(n<j≤n+m)
aj=(NjDS NjSD NjDC NjCD NjSC NjCS)
Nj=nj1(NjDS+NjSD)+nj2(NjDC+NjCD)+nj1nj2(NjSC+NjCS)
式中,
Zj—当j≤n时为新建换乘枢纽费用,当n<j≤m+n时为改建换乘枢纽投资费用,元;
Hj—换乘枢纽运营费用,元;
Mj—客站j的基础投资费用,元;
Aj—客站j的设备更新费用,元/人;
Rj—既有客站j的设计乘客发送量,人;
Bj—客站j的新建设备费用,元/人;
—客站j的单位运营成本,元/人;
NjDS—客站j由城市轨道交通换乘市域铁路的乘客数量,人;
NjSD—客站j由市域铁路换乘城市轨道交通的乘客数量,人;
NjDC—客站j由城市轨道交通换乘城际铁路的乘客数量,人;
NjCD—客运站j由城际铁路换乘城市轨道交通的乘客数量,人;
NjSC—客运站j由市域铁路换乘城际铁路的乘客数量,人;
NjCS—客运站j由城际铁路换乘市域铁路的乘客数量,人;
—多层级轨道交通系统间换乘总供给量,人;
D—多层级轨道交通系统间换乘总需求量,人;
步骤(C)中,所述的以乘客出行成本消耗最少为目标函数的下层规划模型,采用下式表述:
S.T.
式中,
Tij—乘客由i小区至j小区的综合出行时间,min;
G—都市圈单位时间人均GDP,元/人min;
Cij—乘客由i小区至j小区的综合出行费用,元/人;
Fij—由i小区至j小区轨道交通出行乘客总量,人;
—多层级轨道交通各站发送乘客总量,人;
O—多层级轨道交通乘客出行总量,人。
2.根据权利要求1所述的多层级轨道交通换乘枢纽布局规划方法,其特征在于:
步骤(A)中,所述的多层级轨道交通换乘备选枢纽站点为地铁层级重要节点。
3.根据权利要求2所述的多层级轨道交通换乘枢纽布局规划方法,其特征在于:
步骤(B)所述上层规划模型中多层级轨道交通系统间换乘总供给量略大于或等于步骤(C)所述下层规划模型中多层级轨道交通乘客出行总量。
4.根据权利要求3所述的多层级轨道交通换乘枢纽布局规划方法,其特征在于:
步骤(D)中,所述的蚁群算法求解,包括以下步骤:
步骤1:对相关参数进行初始化,包括蚁群规模、信息素因子、启发函数因子、信息素挥发因子、信息素常数、最大迭代次数,以及将数据读入程序;
步骤2:随机将蚂蚁放于不同出发点,对每个蚂蚁计算其下个访问枢纽站点,直到有蚂蚁访问完所有枢纽站点;
步骤3:计算各蚂蚁经过的路径长度,记录当前迭代次数最优解,同时对路径上的信息素浓度进行更新;
步骤4:判断是否达到最大迭代次数,若否,返回步骤2;是,结束程序;
步骤5:输出结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110335570.6A CN112836999B (zh) | 2021-03-29 | 2021-03-29 | 多层级轨道交通换乘枢纽布局规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110335570.6A CN112836999B (zh) | 2021-03-29 | 2021-03-29 | 多层级轨道交通换乘枢纽布局规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836999A CN112836999A (zh) | 2021-05-25 |
CN112836999B true CN112836999B (zh) | 2024-04-05 |
Family
ID=75930757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110335570.6A Active CN112836999B (zh) | 2021-03-29 | 2021-03-29 | 多层级轨道交通换乘枢纽布局规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836999B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343400B (zh) * | 2021-06-23 | 2023-04-07 | 北京航空航天大学 | 一种城市群综合客运枢纽协同布局优化方法及系统 |
CN113657672B (zh) * | 2021-08-18 | 2024-06-18 | 北京航空航天大学 | 一种基于动态规划的综合枢纽末班车衔接方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230392A (zh) * | 2017-06-08 | 2017-10-03 | 大连交通大学 | 基于改进aco算法的枢纽机场停机位的优化分配方法 |
CN109409599A (zh) * | 2018-10-24 | 2019-03-01 | 天津市市政工程设计研究院 | 基于实时需求的定制公交线路开通优化方法 |
CN109858688A (zh) * | 2019-01-18 | 2019-06-07 | 东南大学 | 一种集装箱多式联运枢纽选址方法 |
CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
-
2021
- 2021-03-29 CN CN202110335570.6A patent/CN112836999B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107230392A (zh) * | 2017-06-08 | 2017-10-03 | 大连交通大学 | 基于改进aco算法的枢纽机场停机位的优化分配方法 |
CN109409599A (zh) * | 2018-10-24 | 2019-03-01 | 天津市市政工程设计研究院 | 基于实时需求的定制公交线路开通优化方法 |
CN109858688A (zh) * | 2019-01-18 | 2019-06-07 | 东南大学 | 一种集装箱多式联运枢纽选址方法 |
CN112419716A (zh) * | 2020-11-13 | 2021-02-26 | 东南大学 | 一种轨道站点换乘影响区内的共享单车设施布局配置方法 |
Non-Patent Citations (3)
Title |
---|
公交换乘优惠的双层规划模型;王镜;邵春福;毛科俊;;中国公路学报;20080315(02);第93-97页 * |
基于双层规划模型的公交枢纽内部流线优化;焦朋朋;杜林;陈帅;;武汉理工大学学报(交通科学与工程版);20131215(06);第1138-1142页 * |
常规公交线网运力配置双层规划模型;邸振;饶三平;;南昌大学学报(理科版);20130825(04);第330-333页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112836999A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112836999B (zh) | 多层级轨道交通换乘枢纽布局规划方法 | |
Vergel-Tovar et al. | The ridership performance of the built environment for BRT systems: Evidence from Latin America | |
CN104809344B (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
Chatman et al. | Firm births, access to transit, and agglomeration in Portland, Oregon, and Dallas, Texas | |
CN107679654A (zh) | 一种停车规模预估控制系统及实现方法 | |
CN112580176B (zh) | 三层复杂交通网络模型构建方法、系统、设备及存储介质 | |
Van et al. | Assessing transportation system efficiency in its relationship with urban housing: A data envelopment analysis | |
Yang et al. | Spatially Varying Relation between Built Environment and Station‐Level Subway Passenger‐Distance | |
CN106741018B (zh) | 一种基于网络演化的列车开行控制方法与系统 | |
CN105654722A (zh) | 基于速度的道路规划方法 | |
Chen et al. | Choice model and influencing factor analysis of travel mode for migrant workers: case Study in Xi’an, China | |
Lahtinen et al. | Facility allocation strategies and the sustainability of service delivery: Modelling library patronage patterns and their related CO2-emissions | |
Dodge | A quarter acre pavlova paradise lost? The role of preferences and planning in achieving urban sustainability in Wellington, New Zealand | |
Jingxu et al. | The demand analysis of bike-and-ride in rail transit stations based on revealed and stated preference survey | |
Tanriverdi et al. | A Stated Preference (SP) Study on Individuals’ Transportation Decisions, Focused on Marmaray Project in İstanbul | |
Zheng et al. | A generalized comfort function of subway systems based on a nested logit model | |
Perk et al. | Impacts of bus rapid transit stations on surrounding single-family home values: Study of East Busway in Pittsburgh, Pennsylvania | |
Pagliara | High Speed Rail, megalopolis and house prices: what is the link? | |
Zhou et al. | The evaluation of transit-oriented development of metro station areas using node place index in Shenzhen China | |
Xin et al. | Urban rail transit network topology evolutionary stage has influence on rail ridership: Insights from linear mixed-effects models with heterogeneity in variances | |
Wang | Design of passenger transport modes between cities with environmental sustainability | |
CN110851769B (zh) | 一种基于网络承载力的电动公交网络可靠性评价方法 | |
Li et al. | Route choice model of the major passenger group in urban rail transit: a case study of Beijing, China | |
Ding et al. | Accessibility Optimization of Public Transportation in Historical Districts—A Study of Bei’lin District, Xi’an | |
Du et al. | Network optimization of conventional public transit based on urban rail transit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |