一、路网中新建道路空间走向的基因算法优化（论文文献综述）
周鑫鑫[1]（2021）在《城市服务设施空间动态配置模型与量子优化方法》文中指出服务设施是人类活动的载体,合理配置服务设施,提高服务设施配置方案质量,可改善闲置和匮乏情况,是规划学、地理学、运筹学持续关注的前沿问题。服务设施包括教育、文体、卫生、商业、生活等,有“公共-商业”、“城镇-乡村”、“动态-静态”类型之分,配置规则因类型、目标导向而异。随着城市功能结构日趋综合,尤其受到职住通勤、交通潮汐等动态城市环境因素影响,服务设施配置优化问题进一步凸显。现有服务设施空间配置主要以静态模式下指标传导和布局方法为主,难以完全适应“超大城市如何进一步提高服务设施配置方案质量”需求,尤其是动态敏感性强的服务设施。其中,城市时空间动态交互是从更精细的时空尺度对动态城市环境的建模表达,可作为空间优化的新途径。如何从时空间交互行为、空间优化理论出发,研究动态城市环境中服务设施空间配置优化模型（简称:服务设施空间动态配置模型）,对提升服务设施配置方案质量具有长足价值。服务设施空间动态配置模型是以规划学为理论背景,以地理空间建模为方法内核,以运筹学为算法突破点的交叉研究方向,本质是包含空间因子的多时序组合优化问题,是典型高维多峰空间优化问题。服务设施空间配置是一种典型的空间NP-Hard问题,是地理建模研究和突破计算性能的重要方向。当融入多时序变量后,求解数据规模呈几何倍数增加,也导致计算规模更大。因此,探索新的优化理论,以提升服务设施空间动态配置模型的搜索精度;提出新方法,以缓解“长度灾”、“局部搜索”,推进空间动态优化发展,这具有重要的理论、应用价值。为研究服务设施空间动态配置模型,并获得高质量的空间配置解,本文融入动态城市环境和量子进化机制新思路,研究服务设施空间配置概念模型框架、动态城市环境下服务设施空间布局优化模型、动态城市环境下服务设施空间重定位优化模型,并改进得出量子进化机制作用下的服务设施空间优化算法。本文融入量子进化机制,提升服务设施空间动态配置的求解精度;并以特大城市——南京市,为典型研究区,基于多时序活动人口空间分布数据和多时序交通路径导航数据,并选取公共充电站和急救服务设施2种实例,开展了多目标空间优化布局、单目标空间重定位调度研究。具体研究内容包括:（1）设计服务设施空间配置优化概念模型框架,从模型指标、模型规则、模型算法三个层面设计形成了服务设施空间配置优化概念模型框架。该框架为后继开展服务设施评价、布局优化及模型设计提供统一的范式基础。（2）研究动态城市环境下新建服务设施空间动态布局优化模型。在新建服务设施方面,以概念模型为蓝本,选取公共充电站服务设施作为典型的服务设施,开展在多目标导向下的城市公共充电站服务设施新建布局优化的实例研究。（3）研究动态城市环境下服务设施空间重定位优化模型。在已建服务设施调度方面,以概念模型为蓝本,选取城市急救服务设施为典型的服务设施,开展在公平性最大化目标导向下的城市急救服务设施空间重定位调度优化的实例研究。（4）探索与构建融合量子进化机制的服务设施空间优化算法。在借鉴前人量子进化算法和量子实数编码进化算法的基础上,将量子比特、量子门、状态空间控制与转换的量子进化机制集成到遗传算法中,复现形成实数编码量子进化算法,并证明其在搜索精度上的优势。最终形成顾及动态效应的总量约束整数编码量子进化算法,并将该算法应用于动态城市环境下服务设施空间重定位优化问题求解。本文主要研究结果包括:（1）在遵循概念模型框架的基础上,开展针对急救服务设施、公共充电站服务设施的空间动态配置实例研究,得出不同目标导向下的配置结果。（2）其中,针对公共充电站服务设施的多目标空间布局优化配置,得到多组Pareto最优解,较传统静态空间配置方式而言,空间动态配置方式可有效提升配置后的服务设施的方案质量,各Pareto方案的综合覆盖人口率较传统方式提升27.5%。（3）针对急救服务设施,经动态城市环境下服务设施空间重定位优化模型计算,其结果较传统静态配置方式的公平性提升40%。（4）引入量子进化机制,改进得到顾及动态效应的总量约束的整数编码量子进化算法,其突破了顾及动态效应的总量约束整数编码遗传算法在高维求解问题容易陷入局部最优的问题,搜索精度显着提升,解集较原算法解集公平性相对提升60%,这表明量子进化机制在空间优化问题中的巨大潜力。综述,本文构建了服务设施空间动态配置模型,较传统静态配置,在配置方案质量提升上增效显着。本文发展了服务设施空间配置模型,融入了动态城市环境,将服务设施空间配置模型从静态走向动态、从布局走向空间交互,这对城市服务设施专项规划制定、提高布局后的服务设施的配置方案质量具有重要价值。模型和实例具有类型和区域的推广性,可以扩展到多类型服务设施、多个城市,可为城市专项服务设施规划、智慧城市发展提供决策。此外,本文将量子进化机制引入到空间优化研究,为服务设施空间动态配置优化研究提供了搜索精度更高的方法,改善传统空间进化算法在高维多峰空间优化问题中搜索精度的不足,为发展地理空间量子计算这一新命题付诸了努力。
陈硕[2]（2020）在《基于群体智能的寒地大学校园品质提升设计研究》文中研究表明2019年中国进入了高等教育普及化时代,借鉴欧美发达国家高等教育的发展规律,高等教育空间与设施将成为城市中日益重要的角色,并将进一步突出以使用者为中心的空间营造。同时,我国快速的城镇化进程加剧了对能源和自然资源的超常规利用,在倡导资源节约型和环境友好型社会的总体要求下,针对大学校园的设计、建造与管理,国家教育部发展规划司与住房和城乡建设部提出了以节能、节地、节水、节材为核心的绿色校园设计导则,为大学校园的建设指出了明确的方向。然而,在我国寒冷地区,大学校园需要以更高的能源代价抵御严酷的自然气候,对于自然资源、土地资源粗放的利用模式亟待改善,设计重点需要从强调功能分区、整体形式逐步转向以人为本的空间品质提升。本文引入了群体智能的机制与研究方法。自然界中大量社会性生物个体通过协作,实现对外部环境的灵活适应以及对生存资源的高效利用,趋利避害,以最小的代价实现种群的延续与进化,契合了寒地大学校园适应寒地环境、优化资源配置、自我空间完善的发展需求。基于生物学、社会学以及计算机科学的交叉学科研究,提取群体智能的作用机制作为指导寒地大学校园品质提升的理论依据,构建系统的设计框架。结合实证分析、动态群体智能仿真、社会网络分析、多目标优化等方法,提出寒地大学校园设计方法,为进一步提升寒地大学校园的适应性、集约性以及人本性提供设计理论依据及数据支撑。研究从寒地大学校园的品质解析出发,在精神层面上,寒地大学校园的品质主要受到时代背景、教育理念与地域文化的影响,是校园物质空间营造的思想内核,研究重点关注寒地大学校园的物质层面品质,从校园设计的角度解构为场地品质、功能品质与空间品质,构成了基本的研究框架。基于新时期我国高等教育事业在人才培养过程中的主要需求,提出了寒地大学校园品质应以提升校园环境质量、适应多元教学模式以及校园空间的人本回归为主要提升方向。进而结合现状调研,借鉴城市设计的系统设计理论框架,提出了校园场地的生态组织、校园功能的交叉共享以及校园空间的健康可持续为品质的提升目标。同时,研究从生物智能、人工智能与计算智能三个层面解析了群体智能的现象、机制以及方法与应用。将群体智能的应变、协作与进化机制引入到寒地大学校园品质提升设计中,提出了校园场地应变、功能协作以及空间迭代优化的设计框架。对寒地大学校园设计方法的探索围绕场地、功能和空间三个系统展开。首先,在群体应变机制的启发下,建立开放式的动态群体智能仿真模型,加载校园场地的地形、地势与景观条件,进行人群行为感应的协同仿真,实现场地路径的应变生成,并结合实证研究提出顺应地势、回应需求以及优化体验的校园场地协同设计方法。其次,以群体协作的视角,建构以社会网络为协作方式的寒地大学校园功能系统,基于对冬季寒地大学校园使用者行为模式的调研,使用社会网络分析的方法建立寒地大学校园功能网络,对使用人群对寒地大学校园功能的差异化需求进行量化分析,进而提出功能节点的混合赋能、功能模块的优化配置以及功能网络的有机生长的设计方法。最后,将生物群体的进化机制引入到寒地大学校园空间的优化设计中,建构参数化多目标优化流程,加载进化算法,对寒地大学校园组团进行外部空间微气候优化迭代,得到建筑形态控制性指标优化取值范围,并结合项目实践和工程案例,提出了寒地大学校园外部空间的适候优化、建筑空间的节能优化和单一空间的共享优化设计方法。本文基于新时期我国寒地大学校园发展的需求与挑战,将群体智能机制与方法引入到寒地大学校园的品质提升研究中,探索了一系列研究方法在大学校园设计中的应用,提出了寒地大学校园品质提升的设计框架与设计方法,期望为寒地大学校园的品质提升提供新的理论平台与设计启发。
相月[3]（2020）在《客流需求驱动下基于公交IC卡数据的定制公交线路优化研究》文中进行了进一步梳理近年来,随着城市化进程的迅猛发展,我国居民的小汽车保有量不断攀升,而道路资源紧缺和道路拥堵严重与其产生了供需矛盾,为此,国家大力倡导优先发展公共交通。然而,常规公共交通的准点率低、舒适性差、换乘次数多的问题一直存在,这就使得公共交通对乘客的吸引力不强,公共交通发展滞后。同时,乘客对出行需求越来越高,更趋向于多样化、精细化、舒适化,而定制公交正好可以满足这些需求,因此如何更加清晰直观地认识乘客出行特征,时空需求分布情况,为其开行适宜的定制公交线路,提供舒适高效的定制公交服务产成为了现在研究的热点。首先,论文深入剖析了定制公交线路优化的研究背景与现状,详细介绍了定制公交的特点、优势、组织结构及运营现状。并在此基础上,对定制公交的线网定位、优化原则与目标及优化模型、优化流程等做了具体阐述,为后续客流特征分析、站点选取及线路优化提供了理论基础。其次,基于公交IC卡数据,并结合公交站点和线路信息,分析了基于公交出行链的乘客出行信息识别方法,主要包含起讫点站号识别、站点站号匹配及OD站点识别、站点客流量统计识别等方面。根据获得的出行信息对乘客出行规律做时空特征分析,时间角度方面,分析了区域和线路的全日小时客流变化特征、早晚高峰客流变化特征;空间角度方面,分析了全日、早高峰的出发站点和吸引站点分布特征、站点客流量特征、客流空间流向特征以及客流运距特征。通过客流特征分析,挖掘乘客出行规律,发现定制公交的潜在客流,为定制公交开行提供了客流基础。然后,在获取乘客出行客流集散区域和客流出行需求OD的基础上,对定制公交的合乘站点进行了规划,提出了融合层次聚类法改进的K-means聚类算法,并对其进行站点客流量约束,设计了考虑站点最大承载能力的聚类算法,为定制公交站点选取提供了方法基础。最后,基于客流需求特征和站点选取结果,从乘客、公交企业、社会环境三方面考虑,构建了以乘客出行时间最短、公交运营成本最小、环境污染成本最小的定制公交线路优化模型,并设计了符合定制公交特点的改进遗传算法进行求解。以北京市“果园-国贸”这一区域作为实际案例,验证模型的可行性,为定制公交线路优化研究提供了较好的参考依据。正文图65幅,表32个,参考文献83篇。
薛淋双[4]（2020）在《避难点容量限制下基于元胞传输模型的交通疏散优化》文中研究说明城市道路交通的快速发展提高了社会总体经济水平,为人们的日常生活提供了有利出行条件,但与此同时,行人的交通环境也愈发复杂。近年来,随着城市人口的进一步增加,短时间内某一场所聚集大量人流和车流的现象并不少见,例如各类大型城市活动、高峰期旅游以及各类自然灾害及突发事件,对道路交通运行、道路环境、社会秩序等造成了一系列的危害,增加了城市交通压力和突发事件的可能性,严重时更会危害大众的财产生命安全。当灾害发生时,行之有效的应急交通疏散组织方法可以将危险区域处的待疏散人群尽快转移至安全区域,使得应急交通疏散效率最大化,人群伤亡及财产损失最小化,避免造成二次灾难事故。本文将公共汽车及小汽车作为交通疏散工具,在城市道路网络背景下,考虑疏散车辆的路径决策过程即车辆路径问题（VRP）,借助元胞传输模型（CTM）建立应急交通疏散数学规划模型,并且,充分考虑疏散终点的停车容量限制,构建带停车容量的混合交通应急疏散CTM模型,研究在CTM路网中车辆的流动与路径优化进而分析疏散效率。为求解所构建的模型并获得最优车辆路径,本文选用免疫遗传算法,针对基于VRP的应急交通疏散CTM模型,设计符合其特点的免疫遗传算法,具体包括确定编码方案、种群初始化方法、选择、交叉、以及变异算子等,并利用C++等编程计算,得到详细有序的应急交通疏散方案。最后,通过实例验证分析该模型的可行性,在实例分析中,充分考虑逆行车道及弱势群体优先权对分析结果所产生的影响,并对此类交通组织方式进行分析评价,最终得到可行且高效的包括车辆行驶路径在内的应急交通疏散方案。
李明莎[5]（2020）在《基于子区划分的车联网路侧单元部署方法研究》文中研究表明在车联网中,因为车辆节点具有快速移动等特性,所以车辆无法仅靠车车通信这一种方式来适应频繁变化的交通网络。作为路网中的辅助通讯设施,路侧单元比车载单元具有更稳定的性能。车辆可以将信息传送给适合的路侧单元,再适时转发给相应的车辆,可以增加车辆的通信机会。由于路侧单元有限的覆盖范围以及部署成本的制约,合理选择路侧单元部署位置对提高车联网的服务质量具有重要意义。对此,本文首先提出了部署子区划分的策略,继而对车队中车辆与路侧单元的连通概率问题进行了研究,最后,提出了基于多种群遗传算法的路侧单元部署方法,旨在最大化路侧单元在道路中的作用。针对路侧单元部署问题,本文提出了部署子区划分的策略。首先根据路侧单元在路网中的作用选取聚类指标,采用了层次分析法确定了各指标在聚类中的权重;然后利用欧氏距离来计算各子区的相似矩阵,并考虑了子区在地理位置上的相邻关系。最后,通过对不同聚类阈值进行F检验以确定最优划分结果。针对路侧单元与车辆的连通概率问题,本文以车队作为研究单位并对车队中车辆的移动属性进行分析,将车队与路侧单元的连通概率的计算转变为到达车队长度概率的计算。本文引入了更新理论以描述车队中车辆间的车头时距分布,分析得出车队中车辆的车头时距服从对数正态分布的结论。在此基础上,用卷积公式推导出车队长度的概率,并将复杂积分模型通过数值法求解。在划分的部署子区基础上,本文提出了基于多种群遗传的路侧单元部署算法,并根据路侧单元与车队连通概率定义部署位置候选点。在设计遗传要素时,本文将连通概率和顶点的度作为算法的适应度函数,将自适应遗传算子应用于多种群并行优化策略中,提高算法的全局搜索能力。综上所述,本文通过对子区聚类指标的相似性计算,合并特征较为一致的子区,为后续部署位置的选取提供前提条件;然后通过车队与路侧单元的连通模型计算结果与仿真结果对比,显示了本文所提出模型的准确性,该模型可用于计算车队中车辆与路侧单元连通概率,并且为路侧单元部署间隔提供参考;最后,多种群遗传算法在子区路侧单元部署方法相比单种群遗传算法,能在较少的迭代次数下达到优化部署的目的,而基于子区划分的部署方法可将路侧单元部署位置分散开来,从而避免了交通资源分布不均的问题。
韩美玲[6]（2020）在《基于双层元胞遗传算法的常规公交与轨道交通均衡发展研究》文中研究说明论文旨在对轨道交通影响范围内的常规公交线路优化方法进行研究,从而实现常规公交与轨道交通的均衡协调发展。以石家庄市轨道交通2号线为例,通过分析其周边土地利用形态和交通现状,确定了轨道交通吸引范围。筛选出影响范围的常规公交线路并对影响线路调整的因素进行主成份分析,分别研究了主成份因子与客流输送量的相关性,其中整体线路属性因子与客流输送量100%相关,而线路位置因子则与客流输送量的相关性不大。建立了常规公交接驳轨道交通的多目标线路优化模型,创造了搜索全面、计算速度快、目标值更优的双层元胞遗传算法,借助Matlab平台设计了优化模型求解程序,并以2号线北国商城站和长安公园站接驳范围内的常规公交线路为例进行了验证。根据模型优化结果结合实际路况对石家庄市公交线路进行了重合线路外移、站点移位及其他线路组合调整,如将519路与轨道交通1号线重合的线路外移,增加市三院站点重新组成新的公交运行线路等。采用灰色模型对公交线路调整方案进行评价,结果显示,调整后公交线网较调整前与理想方案的关联度有很大提高,线路优化效果显着。研究结果证明本文提出的常规公交协调轨道交通的线路优化方法具有较好的可行性及适用性,且优化效果良好,为其他轨道交通建设运营城市公交线路的调整提供借鉴意义。在此基础上,进一步研究了重特大疫情下公交线路的运营调整方案,建立了定制公交线路生成模型,提出了重特大疫情下采用Voronoi图确定公交站点位置的方法,通过改进双层元胞遗传算法,求解得到了正常线、区间线、快车线以及直达线四种定制公交线路。
郝成[7]（2020）在《围绕城市轨道交通的常规公交线网优化调整方法研究》文中指出随着我国城镇化进程的加快,国内各大城市进入了城市轨道交通建设的快速发展时期。城市轨道交通线路一般布设在城市的主要客流走廊上,会与走廊内既有的常规公交线路产生竞争与合作。以城市轨道交通为基础调整常规公交线路,能够实现城市轨道交通与常规公交的两网融合,对落实公交优先战略具有重要意义。论文从多个方面对比了城市轨道交通与常规公交的经济技术特性,研究了常规公交与城市轨道交通的线路关系,梳理了常规公交线网的功能层级,制定了围绕城市轨道交通的常规公交线网优化调整目标与原则,并对不同空间关系与功能层次的常规公交线路提出差异化的调整方法,在此基础上,确定了常规公交线网的优化调整方法。在分析常规公交运营依附的道路网络、常规公交候选车站、常规公交候选线路走向的基础上,提出了常规公交候选线路集合生成算法,包括既有常规公交候选线路集合生成与新建接运公交候选线路生成两部分。在既有常规公交候选线路集合生成中,对与城市轨道交通共线、相交以及无关系的线路分别提出其候选线路集合生成算法;在新建接运公交候选线路集合生成中,确定了接运公交的首站集合以及每个接运首站对应的优先服务车站集合与候选末站集合,并结合k短路法提出了接运公交候选线路集合生成算法。综合考虑发车频率、换乘次数、运输能力和车队规模等约束,以乘客出行成本与企业运营成本最小为目标函数,建立围绕城市轨道交通的常规公交线网优化调整模型。并根据模型的特点,设计双层遗传算法求解模型。外层遗传算法输出最优线路组合,内层遗传算法输出对应线路的发车频率。以衡阳市轨道1号线为例,得到研究区域内围绕轨道1号线的常规公交线网优化调整方案。
俞欣琪[8]（2020）在《城市主干道机动车行驶速度预测方法研究》文中指出随着经济发展,居民的出行需求逐渐提高,城市内的交通呈现显着增长的趋势,尤以经济发达地区和发达城市更甚。城市居民的汽车保有量的增加,导致交通设施供给不能满足交通需求。出行者之间不能协调规划路径,导致路网道路利用不合理、路网运行不能达到最优状态。由此引发众多的城市问题和交通问题,如城市道路拥堵,能源消耗,环境污染,经济损失等。城市路网中的主干道作为城市的骨架,对路网交通状态影响较大。本文针对以上交通现状和交通问题研究城市主干道机动车行驶速度的预测方法,以便交通部门更好地对城市交通进行规划、设计、管理与控制,同时也为出行者的路径规划提供主干道路网的速度信息。为能较准确地预测城市主干道的机动车行驶速度,本人完成了如下工作。首先分析城市主干道的交通特性,包括机动车流特性,车速特性以及影响主干道区间车速的主要因素。接着,本文对比分析了对速度预测的几种方法,总结出数据分析法较其他方法的优势,因此选择数据分析法作为预测速度的整体方向。人工神经网络在对数据预测分析时有较高的准确性,其中近来较热的深度学习算法应用领域广泛且该算法对数据的预测结果更为准确,因此本文选择深度学习算法作为突破口来对城市主干道速度预测。由城市主干道行驶车速的时空变化特性,本文选择具有时间序列特性的循环神经网络模型作为基本模型,并对其中两种主要的隐藏单元结构进行改进,搭建出基于深层长短期记忆模型和深层门控循环单元的速度预测方法,并对模型进行一定的优化。为验证构造的模型的有效性和实用性,本文搜集了纽约市部分主干道的速度数据及其影响因素数据,并对其中一条主干道的速度使用搭建的深层循环神经网络进行详细预测分析。在预测时,对模型的超参数进行调整以选择最优模型。此外,本文还将该搭建的深层循环神经网络的速度预测模型与其他经典时间序列模型进行对比。最后,本文研究了将预测的纽约市部分主干道速度进行动态可视化展示。从模型运行的结果分析可知,搭建的基于深层循环神经网络能较准确地预测城市主干道速度,与其他的经典时间序列模型相比,搭建的深度学习模型性能表现较优。此外,对预测的城市主干道速度进行的动态可视化能较全面地反映速度特征的变化和道路交通状况,能为出行者提供一定的道路信息以优化路径规划。
孙建成[9]（2020）在《基于VISSIM仿真的错位交叉口间距研究》文中指出随着我国综合国力的增强,人民的经济水平不断提高,越来越多的汽车开始进入了人们的生活,在方便了人们出行的同时,也造成了一系列如交通拥堵、环境污染、噪声污染等交通问题。其中交叉口作为道路的枢纽和节点在交通运行中起着转换交通流的作用。国内外学者对普通平面十字交叉口进行了深入的探讨和研究,不管是在交通渠化还是信号配时方面取得了巨大的成绩,使得平面十字交叉口的交通管控技术日渐成熟。但在城市平面交叉口中,有一种特殊的交叉口,错位交叉口,是由两个或三个T型交叉口组成,一般为一条主干路,两条次干路,且对向的交通量大致相同,间距在100到500米之间。错位交叉口的设置分离了冲突点,使车辆通行更加安全,但是通行能力却大大降低。人们通常用十字交叉口的控制方式对错位交叉口进行控制,但这种控制方式对其有很大的局限性,如果处理不好会造成交通流的死锁,造成整个路网的瘫痪,因此对于错位交叉口,一般情况下有两种处理方案,一种是通过改造,将错位交叉口改造成一个大型的十字交叉口,通过十字交叉口的控制方式对其进行控制,但这种方法有很大的局限性,由于历史遗留和拆迁等原因,使得错位交叉口的改造有很大的难度,因此人们想出了另一种方案,就是改进其交通控制方式。目前对错位交叉口的控制方案一般有三种,其一是将错位交叉口的看作一个十字交叉口,通过十字交叉口的信号控制对其进行控制,这种控制方式适用于两个T型口间距较小的情况。其二是将两个T型口模仿“绿波”进行协调控制,其三则是将错位交叉口看作两个独立的交叉口进行单点信号控制。要最大限度的减小错位交叉口对城市交通流造成的不良影响,实现错位交叉口的合理信号控制,必须对错位交叉口进行细致的分析,并对其进行综合控制。本文通过对城市平面道路交叉口的类型及控制方式进行分析,分别做了以下方面的内容:（1）通过查阅相关文献和对错位交叉口的实地调查,分析总结了普通城市道路平面交叉口的类型,在此基础上总结出了错位交叉口的特点,计算出了交叉口功能区的长度,并通过实地调查的数据对错位交叉口的交通量,速度等进行了分析,得到出错位交叉口主干路在不同交通量下的车头时距分布符合M3分布,分析了影响交叉口间距的因素。（2）通过对比各种交通仿真软件,选定VISSIM4.3作为本文研究的工具,并以实际调查的数据对仿真参数进行了标定,首先对期望速度和驾驶员行为参数进行了敏感性分析,选取其中敏感度较高的参数,通过遗传算法和SPSA算法相结合的方式,用Matlab和VB语言对参数标定系统进行了开发。（3）以实际错位交叉口为原型,通过AUTOCAD软件对不同间距的错位交叉口进行了绘制并导入VISSIM仿真软件,通过2223次仿真,9336600s的仿真时长,评价得出各影响因素下的排队长度和排队次数。通过分析排队长度和排队次数的变化趋势,得出了与交通量相适应的最佳周期环境下稳定交通流在不同设计速度、不同交通量、不同信号控制方法的错位间距阈值,并将货车比例作为修正系数进行考虑,在设计车速60km/h时,取值60m,其他设计车速条件下进行相应折算,并与仿真得出的结果进行整合,最终得出最合理的错位间距阈值,最后利用稳定交通流距离下的交叉口最小间距为标准对错位间距进行验证,发现得到的错位间距的阈值是可行的,具有工程实际价值。
李辉[10]（2020）在《基于随机森林算法的农村公路路段选型及网络优化研究》文中研究指明农村公路是公路交通运输系统深入农村地区的毛细血管,连接着农村、城市、乡镇集贸市场、产业园区、旅游景区、矿产资源开发地等节点,对推进新农村建设和新型城镇化建设具有重大的作用。而目前,我国农村公路发展相对滞后,在路网布局优化的随意性和盲目性尤为突出,制约着农村地区经济社会的发展。因此,本文针对路网布局的不合理,提出农村公路路网布局优化的方法。本文主要研究内容如下:首先结合农村公路的类型和功能,深入分析了农村公路的基本特征、发展现状和发展趋势;然后根据节点属性的差异性,进行节点梳理,形成若干种节点组合;继而针对节点组合的不同,利用随机森林算法对节点间的路段进行选型,路段选型结果为包含“概率最大”和“概率第二大”两类线型的候选集,选型内容包含路段技术等级与行政等级两方面;进而在进行路网优化时,以节点间路段选型的候选集为依据,即路段选型的结果要以候选集为基础,构建以“路网单位技术等级提升强度最大”和“路网技术等级与行政等级跳跃差值最小”为目标函数,设定“建设资金的取值”、“路段选型候选集占比率”及“建设里程的取值”为约束条件的优化模型,结合遗传算法将构成的模型进行求解;最后,以湘潭市雨湖区姜畲镇农村公路网为实例,通过相关数据的收集与分析,并结合上述优化模型,确定了该镇的农村公路路网布局优化方案。本文的研究过程为农村公路路网的布局优化提供了新的理论和指导方法,保障农村公路的健康发展,并对新农村背景下的农村公路路网布局优化提供一定的理论支持和现实指导意义。
二、路网中新建道路空间走向的基因算法优化（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、路网中新建道路空间走向的基因算法优化（论文提纲范文）
（1）城市服务设施空间动态配置模型与量子优化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 服务设施空间配置研究进展 |
| 1.2.2 空间优化研究进展 |
| 1.2.3 智能进化算法研究进展 |
| 1.2.4 总结 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文组织 |
| 第2章 研究区概况与数据说明 |
| 2.1 研究区概况 |
| 2.1.1 区位简介 |
| 2.1.2 行政区划 |
| 2.1.3 人口概况 |
| 2.1.4 交通概况 |
| 2.2 研究数据说明 |
| 2.2.1 多时序交通路径导航数据 |
| 2.2.2 多时序活动人口空间分布数据 |
| 2.2.3 急救服务设施数据 |
| 2.2.4 公共充电站设施数据 |
| 2.3 本章小结 |
| 第3章 服务设施空间配置优化概念模型框架 |
| 3.1 概念模型框架设计 |
| 3.1.1 模型内涵 |
| 3.1.2 三种空间转换 |
| 3.1.3 概念模型框架 |
| 3.2 问题定义与测度 |
| 3.2.1 服务设施界定 |
| 3.2.2 服务设施空间配置界定 |
| 3.2.3 问题定义流程 |
| 3.2.4 交通阻尼测度 |
| 3.3 现状、指标与规则 |
| 3.3.1 现状评价 |
| 3.3.2 目标函数设计 |
| 3.3.3 供需规模测度 |
| 3.3.4 空间配置策略分类 |
| 3.4 空间配置优化算法 |
| 3.4.1 优化问题数学定义 |
| 3.4.2 启发式优化算法体系 |
| 3.5 本章小结 |
| 第4章 动态城市环境下服务设施空间布局优化模型 |
| 4.1 空间动态布局优化模型设计 |
| 4.1.1 模型假设 |
| 4.1.2 模型输入 |
| 4.1.3 模型输出 |
| 4.2 公共充电站空间动态布局问题定义 |
| 4.2.1 研究对象界定 |
| 4.2.2 新建公共充电站服务设施流程 |
| 4.3 公共充电站空间动态布局现状、指标与规则 |
| 4.3.1 公共充电站现状评价 |
| 4.3.2 顾及动态效应的多目标函数指标设计 |
| 4.3.3 供需规模与配置策略 |
| 4.4 多目标进化算法 |
| 4.4.1 基于Pareto解的多目标进化算法框架 |
| 4.4.2 非支配排序遗传算法流程 |
| 4.5 总量约束的整数编码多目标进化算法设计 |
| 4.5.1 TC-ICMOEA算法流程 |
| 4.5.2 整数编码算子 |
| 4.5.3 总量约束算子 |
| 4.5.4 选择算子 |
| 4.5.5 交叉算子 |
| 4.5.6 变异算子 |
| 4.6 本章小结 |
| 第5章 动态城市环境下服务设施空间重定位优化模型 |
| 5.1 空间动态重定位优化模型设计 |
| 5.1.1 模型假设 |
| 5.1.2 模型输入 |
| 5.1.3 模型输出 |
| 5.2 急救服务设施空间动态重定位问题定义 |
| 5.3 评价、指标与规则 |
| 5.3.1 急救服务设施现状评价 |
| 5.3.2 顾及动态效应的公平性最大化目标函数 |
| 5.3.3 供需规模与空间配置策略 |
| 5.4 总量约束整数编码遗传算法设计 |
| 5.4.1 TC-ICGA算法流程 |
| 5.4.2 整数编码算子 |
| 5.4.3 随机遍历选择算子 |
| 5.4.4 交叉算子 |
| 5.4.5 变异算子 |
| 5.5 顾及动态效应的总量约束整数编码遗传算法设计 |
| 5.5.1 DTC-ICGA算法流程 |
| 5.5.2 多时刻整数编码算子 |
| 5.5.3 多时刻总量约束算子 |
| 5.6 本章小结 |
| 第6章 顾及动态效应的总量约束整数编码量子进化算法 |
| 6.1 量子计算理论 |
| 6.1.1 量子计算特性 |
| 6.1.2 量子进化算法结构 |
| 6.1.3 约束整数组合优化问题中的量子机制 |
| 6.2 实数编码量子进化算法设计 |
| 6.2.1 RCQEA算法流程 |
| 6.2.2 四倍体量子染色体编码算子 |
| 6.2.3 量子变异算子 |
| 6.2.4 量子交叉算子 |
| 6.3 实数编码量子进化算法与实数编码遗传算法对比 |
| 6.3.1 测试函数定义 |
| 6.3.2 测试变量设置 |
| 6.3.3 RCQEA与 RCGA算法对比结果 |
| 6.4 总量约束的整数编码量子进化算法设计与对比 |
| 6.4.1 改进难点剖析 |
| 6.4.2 TC-ICQEA算法流程 |
| 6.4.3 四倍体量子整数编码染色体算子 |
| 6.4.4 四倍体量子整数编码染色体总量约束算子改进 |
| 6.4.5 TC-ICQEA与 TC-ICGA算法对比 |
| 6.5 顾及动态效应的总量约束的整数编码量子进化算法 |
| 6.5.1 算法流程图 |
| 6.5.2 多时刻四倍体量子整数编码染色体算子 |
| 6.5.3 多时刻量子变异算子 |
| 6.5.4 多时刻量子交叉算子 |
| 6.6 本章小结 |
| 第7章 动态城市环境下服务设施空间配置优化实验 |
| 7.1 实验环境说明 |
| 7.2 动态城市环境下公共充电站空间布局优化实验 |
| 7.2.1 参数设置与实验过程 |
| 7.2.2 实验 1:动静环境对公共充电站配置对比实验 |
| 7.2.3 实验 2:多组动态城市环境下多目标实验 |
| 7.2.4 实验 3:动态城市环境下调整多目标实验 |
| 7.3 动态城市环境下急救服务设施空间重定位优化实验 |
| 7.3.1 多组参数设置与运行结果 |
| 7.3.2 急救服务设施空间重定位配置结果 |
| 7.3.3 优化后可达性、公平性对比分析 |
| 7.4 量子进化算法应用实验 |
| 7.4.1 参数设置说明 |
| 7.4.2 实验求解过程 |
| 7.4.3 急救服务设施空间重定位配置结果 |
| 7.4.4 DTC-ICGA与 DTC-ICQEA算法对比 |
| 7.5 本章小结 |
| 第8章 结论与展望 |
| 8.1 主要结论 |
| 8.2 主要创新点 |
| 8.3 不足与展望 |
| 附录:符号体系 |
| 在读期间发表研究成果 |
| 致谢 |
| 参考文献 |
（2）基于群体智能的寒地大学校园品质提升设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 信息社会下大学校园的角色转变 |
| 1.1.2 存量时代的大学校园优化与提升 |
| 1.1.3 寒地大学校园设计的制约与困境 |
| 1.2 研究的目的及意义 |
| 1.2.1 研究的目的 |
| 1.2.2 研究的意义 |
| 1.3 相关研究动态 |
| 1.3.1 关于寒地大学校园设计的研究成果与现状 |
| 1.3.2 关于群体智能在建筑设计领域的研究成果与现状 |
| 1.3.3 国内外相关文献评述 |
| 1.4 研究内容与方法 |
| 1.4.1 研究对象 |
| 1.4.2 研究方法 |
| 1.4.3 研究内容 |
| 1.4.4 研究框架 |
| 第2章 群体智能理论研究与寒地大学校园品质解析 |
| 2.1 群体智能的核心作用 |
| 2.1.1 生物群体智能的交互机制 |
| 2.1.2 人工群体智能的仿真生形 |
| 2.1.3 计算群体智能的算法应用 |
| 2.2 寒地大学校园的品质体现 |
| 2.2.1 文化层面 |
| 2.2.2 物质层面 |
| 2.3 设计主导的寒地大学校园品质建构 |
| 2.3.1 校园场地品质 |
| 2.3.2 校园功能品质 |
| 2.3.3 校园空间品质 |
| 2.4 本章小结 |
| 第3章 基于群体智能的寒地大学校园品质提升方向及目标 |
| 3.1 寒地大学校园品质的提升方向 |
| 3.1.1 实现环境育人 |
| 3.1.2 满足多元教学模式 |
| 3.1.3 回归人本的校园空间 |
| 3.2 寒地大学校园品质提升目标 |
| 3.2.1 场地环境的生态组织 |
| 3.2.2 校园功能的交叉共享 |
| 3.2.3 校园空间的健康可持续 |
| 3.3 基于群体智能机制的品质提升途径 |
| 3.3.1 场地的环境应变 |
| 3.3.2 功能的网状协作 |
| 3.3.3 空间的迭代优化 |
| 3.4 本章小结 |
| 第4章 基于群体应变机制的寒地大学校园场地品质提升 |
| 4.1 寒地大学校园场地的应变机制 |
| 4.1.1 场地环境的力场分布 |
| 4.1.2 使用群体的行为属性 |
| 4.1.3 场地形态的应变机制 |
| 4.2 寒地大学校园场地的仿真生成 |
| 4.2.1 群体系统设定 |
| 4.2.2 交互路径生成 |
| 4.2.3 仿真系统拓展 |
| 4.3 寒地大学校园场地的协同设计 |
| 4.3.1 协同自然条件的生态组织 |
| 4.3.2 协同使用需求的密度控制 |
| 4.3.3 协同多元体验的景观植入 |
| 4.4 本章小结 |
| 第5章 基于群体协作机制的寒地大学校园功能品质提升 |
| 5.1 寒地大学校园功能要素协作机制 |
| 5.1.1 以实现社会功能为协作目标 |
| 5.1.2 以底层使用需求为协作动力 |
| 5.1.3 以构建社会网络为协作方式 |
| 5.2 寒地大学校园功能网络关系建构 |
| 5.2.1 功能单元与行为数据提取 |
| 5.2.2 功能系统的社会网络生成 |
| 5.2.3 功能系统网络的关系特征 |
| 5.3 寒地大学校园功能网络的活化设计 |
| 5.3.1 功能节点的混合赋能 |
| 5.3.2 功能模块的优化配置 |
| 5.3.3 功能网络的有机生长 |
| 5.4 本章小结 |
| 第6章 基于群体进化机制的寒地大学校园空间品质提升 |
| 6.1 寒地大学校园空间的进化机制 |
| 6.1.1 形态基因的提取 |
| 6.1.2 多目标系统建构 |
| 6.1.3 校园空间的设计迭代 |
| 6.2 寒地大学校园空间的多目标优化 |
| 6.2.1 优化目标与校园形态参数 |
| 6.2.2 多目标优化设计流程 |
| 6.2.3 优化结果分析 |
| 6.3 寒地大学校园空间的优化设计 |
| 6.3.1 外部空间的适候优化 |
| 6.3.2 建筑空间的节能优化 |
| 6.3.3 单一空间的共享优化 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（3）客流需求驱动下基于公交IC卡数据的定制公交线路优化研究（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 国内外研究综述 |
| 1.2.1 定制公交相关研究 |
| 1.2.2 公交线路优化研究 |
| 1.2.3 研究现状总结 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 本章小结 |
| 2 定制公交基本概念及相关理论基础 |
| 2.1 定制公交概述 |
| 2.1.1 定制公交的概念及分类 |
| 2.1.2 定制公交的特点及优势 |
| 2.2 定制公交的组织结构及运营现状 |
| 2.2.1 定制公交的组织结构 |
| 2.2.2 定制公交的运营现状 |
| 2.3 定制公交线路优化理论 |
| 2.3.1 定制公交线网定位分析 |
| 2.3.2 车辆路径问题理论分析 |
| 2.3.3 线路优化原则与目标分析 |
| 2.4 定制公交线路优化流程 |
| 2.5 本章小结 |
| 3 基于IC卡数据的客流特征分析及合乘站点规划 |
| 3.1 IC卡数据处理与分析 |
| 3.1.1 IC卡数据采集与结构 |
| 3.1.2 IC卡数据预处理 |
| 3.1.3 基于IC卡的乘客出行信息识别研究 |
| 3.2 基于IC卡数据的客流时空特征分析 |
| 3.2.1 客流量时间特征分析 |
| 3.2.2 客流量空间特征分析 |
| 3.3 基于IC卡的定制公交合乘站点规划理论 |
| 3.3.1 合乘站点规划思路 |
| 3.3.2 合乘站点聚类方法 |
| 3.4 基于改进的K-means合乘站点规划算法 |
| 3.4.1 基于改进的K-means聚类算法的需求聚类 |
| 3.4.2 考虑站点最大承载能力的聚类调整 |
| 3.5 本章小结 |
| 4 定制公交线路优化模型与算法 |
| 4.1 定制公交线路特性与影响因素 |
| 4.1.1 定制公交与常规公交线路优化差异 |
| 4.1.2 定制公交线路优化需要考虑的因素 |
| 4.2 问题描述与模型假设 |
| 4.2.1 问题描述 |
| 4.2.2 模型假设 |
| 4.3 定制公交线路优化模型 |
| 4.3.1 建模思路 |
| 4.3.2 变量定义 |
| 4.3.3 目标函数 |
| 4.3.4 约束条件 |
| 4.4 定制公交线路优化算法设计 |
| 4.4.1 公交线路优化常用算法 |
| 4.4.2 基于改进的遗传算法求解算法设计 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 5 定制公交线路优化实例分析 |
| 5.1 定制公交开行可行性分析及实例选取 |
| 5.1.1 潜在客流特性 |
| 5.1.2 实例选取及基本信息 |
| 5.2 合乘站点规划 |
| 5.2.1 数据聚类结果 |
| 5.2.2 合乘站点信息 |
| 5.3 定制公交线路生成 |
| 5.3.1 优化结果 |
| 5.3.2 结果评价及对比分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 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 |
（4）避难点容量限制下基于元胞传输模型的交通疏散优化（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 国内外研究现状 |
| 1.2.1 应急交通疏散研究现状 |
| 1.2.2 元胞传输模型研究现状 |
| 1.2.3 车辆路径问题研究现状 |
| 1.2.4 逆向车道设置研究现状 |
| 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 |
| 1.4 研究创新点 |
| 第二章 应急交通疏散模型理论基础 |
| 2.1 元胞传输模型 |
| 2.1.1 元胞传输模型基本原理 |
| 2.1.2 元胞传输模型路段模型 |
| 2.1.3 元胞传输模型节点模型 |
| 2.2 车辆路径问题 |
| 2.2.1 车辆路径问题基本原理 |
| 2.2.2 车辆路径问题分类 |
| 2.2.3 车辆路径问题公式表达 |
| 2.3 本章小结 |
| 第三章 基于VRP的应急交通疏散的元胞传输模型 |
| 3.1 基于CTM的容量限制动态疏散模型 |
| 3.2 基于CTM与 VRP的容量限制动态疏散模型 |
| 3.2.1 疏散模型中车辆流动机制模拟 |
| 3.2.2 疏散需求曲线预测 |
| 3.3 本章小结 |
| 第四章 模型求解算法设计 |
| 4.1 免疫遗传算法理论 |
| 4.1.1 遗传算法 |
| 4.1.2 免疫遗传算法 |
| 4.2 免疫遗传算法设计 |
| 4.2.1 亲和度及抗体浓度评价算子 |
| 4.2.2 抗体编码方案 |
| 4.2.3 种群初始化 |
| 4.2.4 选择、变异、交叉算子设计 |
| 4.3 本章小结 |
| 第五章 城市区域路网案例分析 |
| 5.1 城市区域路网建模 |
| 5.1.1 目标选取 |
| 5.1.2 区域路网CTM模型 |
| 5.1.3 基础数据准备 |
| 5.2 所提出模型的求解 |
| 5.3 模型求解结果分析 |
| 5.4 逆向车道设置优化 |
| 5.4.1 疏散逆向车道 |
| 5.4.2 求解优化结果 |
| 5.4.3 优化结果分析 |
| 5.5 待疏散人员优先权设置优化 |
| 5.5.1 求解优化结果 |
| 5.5.2 优化结果分析 |
| 5.6 应急交通疏散策略与建议 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 个人简历在读期间发表的学术论文 |
| 致谢 |
（5）基于子区划分的车联网路侧单元部署方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景 |
| §1.2 研究意义 |
| §1.3 车联网架构 |
| §1.4 国内外研究现状 |
| §1.4.1 交通子区划分研究现状 |
| §1.4.2 路侧单元部署研究现状 |
| §1.5 论文框架及主要工作 |
| 第二章 路侧单元部署子区划分 |
| §2.1 图论聚类相关概念 |
| §2.1.1 图论 |
| §2.1.2 聚类 |
| §2.2 部署子区划分 |
| §2.2.1 划分原则 |
| §2.2.2 聚类指标 |
| §2.2.3 模糊相似矩阵 |
| §2.2.4 最小生成树划分 |
| §2.3 子区划分实例分析 |
| §2.3.1 ArcGIS简介 |
| §2.3.2 数据获取 |
| §2.3.3 划分过程 |
| §2.4 本章小结 |
| 第三章 车辆与路侧单元的连通度分析 |
| §3.1 更新理论 |
| §3.1.1 更新函数 |
| §3.1.2 更新过程 |
| §3.2 连通模型 |
| §3.3 分析模型 |
| §3.3.1 车头时距分布 |
| §3.3.2 车队长度概率 |
| §3.3.3 连通概率 |
| §3.4 实例分析 |
| §3.4.1 SUMO简介 |
| §3.4.2 实例仿真 |
| §3.5 本章小结 |
| 第四章 基于多种群遗传算法的路侧单元部署 |
| §4.1 遗传算法由来 |
| §4.2 遗传算法要素 |
| §4.3 多种群遗传算法 |
| §4.3.1 路侧单元部署模型 |
| §4.3.2 算法要素设计 |
| §4.4 算法实例分析 |
| §4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（6）基于双层元胞遗传算法的常规公交与轨道交通均衡发展研究（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 国内外研究现状 |
| 1.4 主要研究内容 |
| 第二章 轨道交通与常规公交发展模式定位 |
| 2.1 轨道交通与常规公交特性分析 |
| 2.1.1 特性指标对比 |
| 2.1.2 客流特性分析 |
| 2.1.3 线路竞合关系分析 |
| 2.2 公交客流出行方式选择分析 |
| 2.2.1 选择特性分析 |
| 2.2.2 选择影响因素分析 |
| 2.3 基于客流出行方式选择的思考 |
| 2.4 轨道交通与常规公交功能定位 |
| 2.4.1 功能分析 |
| 2.4.2 发展模式定位 |
| 第三章 轨道交通走廊内常规公交线路调整方法 |
| 3.1 公交线网调整总要求 |
| 3.1.1 公交线网调整目标 |
| 3.1.2 公交线网调整原则 |
| 3.1.3 公交线路调整流程 |
| 3.2 轨道交通影响范围确定 |
| 3.3 待调整线路筛选及分类 |
| 3.3.1 线路调整影响因素选取 |
| 3.3.2 主成份因子分析 |
| 3.3.3 聚类分析 |
| 3.4 待调整线路功能层次划分 |
| 3.5 常规公交线路整体调整措施 |
| 第四章 轨道交通接运公交线路的生成 |
| 4.1 接运公交路线优化模型生成 |
| 4.1.1 模型假设 |
| 4.1.2 模型构建 |
| 4.1.3 模型整合优化 |
| 4.2 模型求解 |
| 4.2.1 算法比选 |
| 4.2.2 算法改进 |
| 4.2.3 双层元胞遗传算法设计 |
| 4.2.4 双层元胞遗传算法求解 |
| 第五章 双层元胞遗传算法的应用研究 |
| 5.1 实例应用 |
| 5.1.1 石家庄市公交线网概况 |
| 5.1.2 模型数据获取及求解 |
| 5.1.3 接驳公交线路具体调整方案 |
| 5.2 优化方案评价 |
| 5.2.1 评价体系指标选取 |
| 5.2.2 方案灰色模型优选 |
| 5.2.3 评价结果及分析 |
| 第六章 重特大疫情下公交线路的调整方案 |
| 6.1 乘客出行需求OD调查 |
| 6.2 公交车载客量限制 |
| 6.3 定制公交线路生成 |
| 6.3.1 定制公交线路模型建立 |
| 6.3.2 双层元胞遗传算法求解 |
| 6.4 公交线路调整措施 |
| 第七章 结论与展望 |
| 7.1 研究成果 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（7）围绕城市轨道交通的常规公交线网优化调整方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 常规公交线网优化 |
| 1.2.2 围绕城市轨道交通的常规公交线网调整 |
| 1.2.3 新增城市轨道交通接运公交 |
| 1.2.4 既有研究综述 |
| 1.3 论文研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 第2章 围绕城市轨道交通的常规公交线网调整分析 |
| 2.1 城市轨道交通与常规公交特性分析 |
| 2.2 城市轨道交通与常规公交线路关系分析 |
| 2.2.1 竞争与合作关系 |
| 2.2.2 空间关系 |
| 2.3 常规公交线路功能层级分析 |
| 2.4 围绕城市轨道交通的常规公交线网优化调整目标 |
| 2.5 围绕城市轨道交通的常规公交线网优化调整原则 |
| 2.6 围绕城市轨道交通的常规公交线网优化调整方法 |
| 2.6.1 不同空间关系的常规公交线路调整方法 |
| 2.6.2 不同功能层级的常规公交线路调整方法 |
| 2.6.3 常规公交线网调整方法 |
| 2.7 本章小结 |
| 第3章 围绕城市轨道交通的常规公交候选线路集合生成 |
| 3.1 常规公交候选线路生成分析 |
| 3.1.1 运营依附的道路网络 |
| 3.1.2 常规公交候选车站 |
| 3.1.3 常规公交候选线路走向 |
| 3.2 既有常规公交候选线路集合生成算法 |
| 3.2.1 共线线路候选线路集合生成算法 |
| 3.2.2 相交线路候选线路集合生成算法 |
| 3.2.3 无关系线路候选线路集合生成算法 |
| 3.3 新建接运公交候选线路集合生成算法 |
| 3.3.1 接运车站集合生成 |
| 3.3.2 候选线路集合生成 |
| 3.4 本章小结 |
| 第4章 围绕城市轨道交通的常规公交线网优化模型 |
| 4.1 问题描述 |
| 4.2 模型假设 |
| 4.3 模型构建 |
| 4.3.1 乘客出行成本 |
| 4.3.2 公交企业运营成本 |
| 4.4 求解算法 |
| 4.4.1 双层遗传算法的关键参数设置 |
| 4.4.2 双层遗传算法的流程 |
| 4.5 本章小结 |
| 第5章 案例分析 |
| 5.1 研究背景 |
| 5.1.1 衡阳市城市轨道交通概况 |
| 5.1.2 衡阳市常规公交概况 |
| 5.2 围绕城市轨道交通的常规公交线网调整方案 |
| 5.2.1 研究对象 |
| 5.2.2 候选线路集合 |
| 5.2.3 优化方案 |
| 5.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（8）城市主干道机动车行驶速度预测方法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 道路交通流特性 |
| 1.2.2 速度预测方法 |
| 1.2.3 深度学习在交通领域的运用 |
| 1.2.4 现状研究总结 |
| 1.3 研究内容 |
| 1.4 研究思路与技术路线 |
| 1.5 内容组织架构 |
| 第二章 城市主干道交通流特性及车速影响因素 |
| 2.1 城市主干道交通流理论 |
| 2.1.1 连续交通流特性 |
| 2.1.2 间断交通流特性 |
| 2.2 城市主干道行驶车速特性及其作用 |
| 2.2.1 地点车速特性及其作用 |
| 2.2.2 区间车速特性及其作用 |
| 2.3 城市主干道行驶车速影响因素 |
| 2.3.1 影响车速的直接因素 |
| 2.3.2 影响车速的微观因素 |
| 2.3.3 影响车速的宏观因素 |
| 2.4 城市主干道速度预测模型输入特征 |
| 2.5 本章小结 |
| 第三章 基于深度学习的速度预测方法 |
| 3.1 速度预测模型选择 |
| 3.1.1 速度获取方法比较 |
| 3.1.2 人工神经网络 |
| 3.1.3 深度学习算法 |
| 3.2 循环神经网络模型 |
| 3.2.1 基本循环单元 |
| 3.2.2 长短期记忆单元 |
| 3.2.3 门控循环单元 |
| 3.3 基于深层循环神经网络的速度预测模型 |
| 3.3.1 深层循环神经网络 |
| 3.3.2 速度预测模型搭建 |
| 3.3.3 速度预测模型优化 |
| 3.3.4 速度预测模型性能评价 |
| 3.3.5 速度预测模型技术实现 |
| 3.4 本章小结 |
| 第四章 基于深度学习的速度预测模型应用 |
| 4.1 数据搜集及预处理 |
| 4.2 数据分析 |
| 4.2.1 速度数据分析 |
| 4.2.2 行驶时间数据分析 |
| 4.2.3 其他影响因素数据分析 |
| 4.3 模型验证及对比分析 |
| 4.3.1 深度学习模型的速度预测结果 |
| 4.3.2 基于深度学习的最优速度预测模型 |
| 4.3.3 深度学习速度预测模型与传统预测模型性能对比 |
| 4.4 深度学习速度预测模型在国内的适用性分析 |
| 4.5 本章小结 |
| 第五章 速度预测的动态可视化研究 |
| 5.1 速度可视化实现方法 |
| 5.2 基本地图网页创建及自定义设置 |
| 5.2.1 基本地图网页创建 |
| 5.2.2 个性化地图设置 |
| 5.2.3 地图覆盖物添加 |
| 5.3 速度动态可视化的地图网页 |
| 5.3.1 主干道的预测速度可视化 |
| 5.3.2 路网轨迹飞线可视化 |
| 5.3.3 主干道路网速度预测的动态可视化 |
| 5.4 速度预测的可视化用途 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）基于VISSIM仿真的错位交叉口间距研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 交叉口间距 |
| 1.2.2 排队长度 |
| 1.3 研究现状总结分析 |
| 1.4 研究目的和意义 |
| 1.5 主要研究内容及技术路线 |
| 1.5.1 主要研究内容 |
| 1.5.2 技术路线图 |
| 第二章 错位交叉口间距研究基础 |
| 2.1 城市平面交叉口概述 |
| 2.1.1 城市平面交叉口类型 |
| 2.1.2 平面交叉口的通行方向和冲突点 |
| 2.2 错位交叉口的类型及特征分析 |
| 2.2.1 错位交叉口的类型 |
| 2.2.2 城市错位交叉口特征分析 |
| 2.2.3 错位交叉口的交通现状 |
| 2.3 错位交叉口功能区 |
| 2.3.1 交叉口功能区含义 |
| 2.3.2 上游功能区长度 |
| 2.3.3 下游功能区长度 |
| 2.3.4 交叉口功能区建议值 |
| 2.4 本章小结 |
| 第三章 交通调查与数据分析 |
| 3.1 交通调查 |
| 3.1.1 调查目的 |
| 3.1.2 调查内容 |
| 3.1.3 调查方案 |
| 3.2 调查数据分析 |
| 3.2.1 交通流基本理论 |
| 3.2.2 交通量分析 |
| 3.2.3 速度分析 |
| 3.2.4 交通流量——速度模型参数关系分析 |
| 3.2.5 车头时距分析 |
| 3.3 错位交叉口间距的影响分析 |
| 3.3.1 信号控制错位交叉口间距影响因素 |
| 3.3.2 城市道路功能 |
| 3.3.3 交叉口的车型组成 |
| 3.3.4 信号配时 |
| 3.4 本章小结 |
| 第四章 仿真模型的搭建与参数标定 |
| 4.1 仿真软件的选取与交叉口模型的搭建 |
| 4.1.1 交通仿真模型需满足的条件 |
| 4.1.2 微观交通仿真模型选取 |
| 4.1.3 交叉口微观仿真模型的搭建 |
| 4.2 微观仿真模型参数敏感性分析 |
| 4.2.1 期望速度的敏感性分析 |
| 4.2.2 驾驶员行为参数敏感性分析 |
| 4.3 微观仿真模型参数标定方法 |
| 4.3.1 期望速度参数标定 |
| 4.3.2 驾驶员行为参数标定方法 |
| 4.3.3 驾驶员行为参数标定系统开发 |
| 4.4 仿真模型有效性分析 |
| 4.5 本章小结 |
| 第五章 仿真条件下错位交叉口间距阈值的确定 |
| 5.1 Vissim仿真参数设置 |
| 5.1.1 道路几何参数 |
| 5.1.2 错位交叉口绘制 |
| 5.1.3 交通参数设置 |
| 5.1.4 检测器与评价设置 |
| 5.1.5 仿真参数设置 |
| 5.2 错位交叉口间距阈值确定 |
| 5.2.1 视为一个交叉口的信号控制 |
| 5.2.2 视为两个交叉口的信号协调控制 |
| 5.3 基于交通流稳定距离的安全间距验证 |
| 5.3.1 路段交通流运行状态特征及安全距离的界定 |
| 5.3.2 交通流稳定距离分析 |
| 5.3.3 交通流稳定距离判定 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论文和取得的学术成果 |
（10）基于随机森林算法的农村公路路段选型及网络优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究概述 |
| 1.3.1 国外现状概述 |
| 1.3.2 国内现状概述 |
| 1.4 研究思路 |
| 1.4.1 主要内容 |
| 1.4.2 研究路线 |
| 1.5 本章小结 |
| 第二章 农村公的路网络特征及发展分析 |
| 2.1 农村公路的类型 |
| 2.2 农村公路的功能 |
| 2.3 农村公路网络基本特征 |
| 2.4 农村公路的发展现状与趋势 |
| 2.5 农村公路规划布局思路 |
| 2.6 本章小结 |
| 第三章 基于随机森林算法的农村公路路段选型研究 |
| 3.1 研究思路 |
| 3.2 节点梳理 |
| 3.2.1 节点分类与分级 |
| 3.2.2 节点配对与筛选 |
| 3.3 基于随机森林算法的路段选型 |
| 3.3.1 基本理论 |
| 3.3.2 样本采集 |
| 3.3.3 算法实现 |
| 3.4 候选集形成 |
| 3.5 本章小结 |
| 第四章 基于路段选型候选集的农村公路路网布局优化 |
| 4.1 优化原则 |
| 4.2 问题概述 |
| 4.3 目标函数 |
| 4.4 约束条件 |
| 4.4.1 建设资金约束 |
| 4.4.2 路段选型候选集占比率约束 |
| 4.4.3 建设里程约束 |
| 4.5 优化模型 |
| 4.6 基于遗传算法的模型求解 |
| 4.6.1 算法简介 |
| 4.6.2 算法求解 |
| 4.7 本章小结 |
| 第五章 实例分析 |
| 5.1 实例概述 |
| 5.2 路段选型研究 |
| 5.3 路网布局优化 |
| 5.4 路网结果分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 研究结论 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 附录A |
| 附录B |
| 附录C |
四、路网中新建道路空间走向的基因算法优化（论文参考文献）
- [1]城市服务设施空间动态配置模型与量子优化方法[D]. 周鑫鑫. 南京师范大学, 2021
- [2]基于群体智能的寒地大学校园品质提升设计研究[D]. 陈硕. 哈尔滨工业大学, 2020
- [3]客流需求驱动下基于公交IC卡数据的定制公交线路优化研究[D]. 相月. 北京交通大学, 2020(03)
- [4]避难点容量限制下基于元胞传输模型的交通疏散优化[D]. 薛淋双. 华东交通大学, 2020(06)
- [5]基于子区划分的车联网路侧单元部署方法研究[D]. 李明莎. 桂林电子科技大学, 2020(04)
- [6]基于双层元胞遗传算法的常规公交与轨道交通均衡发展研究[D]. 韩美玲. 石家庄铁道大学, 2020(04)
- [7]围绕城市轨道交通的常规公交线网优化调整方法研究[D]. 郝成. 西南交通大学, 2020(07)
- [8]城市主干道机动车行驶速度预测方法研究[D]. 俞欣琪. 东南大学, 2020(01)
- [9]基于VISSIM仿真的错位交叉口间距研究[D]. 孙建成. 重庆交通大学, 2020(01)
- [10]基于随机森林算法的农村公路路段选型及网络优化研究[D]. 李辉. 长沙理工大学, 2020(07)