目录
摘 要 III
关键词 III
ABSTRACT IV
KEY WORDS IV
引言 1
1研究综述 1
1.1研究背景 1
1.2研究目的与意义 1
1.3国内外研究现状 2
1.3.1国外研究现状 2
1.3.2国内研究现状 2
1.4研究内容与方法 2
2系统开发环境与应用技术 2
2.1Windows系统概述 2
2.2Python概述 2
2.3PyCharm概述 3
3地铁系统模型 3
3.1系统分析 3
3.2线路模型 3
3.3列车模型 4
3.4站点模型 4
3.5乘客模型 5
3.6地铁系统模型 5
3.7模型运行 6
4时刻表与遗传算法 6
4.1地铁时刻表 6
4.1.1时刻表结构 6
4.1.2时刻表约束 7
4.2基于遗传算法的时刻表优化 8
4.2.1遗传算法概述 8
4.2.2遗传算法思路 8
4.2.3基于遗传算法的时刻表优化 9
5程序设计 11
5.1系统结构 11
5.2地铁系统建模 12
5.2.1地铁列车建模 12
5.2.2地铁站点建模 12
5.2.3地铁乘客建模 13
5.2.4地铁系统建模 14
5.3遗传算法程序实现 17
5.3.1染色体的设计 17
5.3.2遗传算法的实现 17
5.4图形界面的实现 20
5.4.1基本思路 20
5.4.2图形界面模块类图 21
5.4.3解决难点 21
6软件运行 22
6.1测试用例 22
6.2运行过程 23
6.2.1输入方式选择 23
6. *51今日免费论文网|www.51jrft.com +Q: ￥351916072$ 
2.2手动输入 23
6.2.3文件输入 25
6.2.4时刻表优化 26
6.3结果分析 28
7总结与展望 29
7.1总结 29
7.2展望 29
致谢 29
参考文献 30
地铁线网级联拥塞建模与抗拥塞时刻表优化
摘 要
随着城市化进程不断推进，城市规模不断扩大，地铁已经成为大城市居民的重要出行方式。对地铁进行科学有效的研究，对满足乘客多变的出行需求，优化乘客的出行体验，缓解地铁系统的交通压力，提高地铁系统的效率，有着重要的意义。在确定地铁系统中的站点、列车、乘客等参数信息后，地铁时刻表就成为一个地铁系统的决策变量。在现实中，地铁系统中各站点具有差异性，地铁系统中的客流属于动态客流，随时间和空间变化而变化，传统的固定时间间隔的时刻表并不能很好地满足实际需求。本文从对地铁时刻表的优化出发，用Python进行开发，基于动态客流，建立起了地铁系统的模型，用计算机仿真模拟地铁系统运行的过程，并利用遗传算法对地铁时刻表进行优化，生成最适合当前地铁系统的时刻表，从而达到减少站点拥塞次数和乘客平均等待时间，提高地铁系统效率的目的。
引言
1研究综述
1.1研究背景
改革开放以来，城市化进程在中国不断推进，城市迅速发展，城市规模越来越大，市民的出行需求不断增加，城市承载的交通压力越来越严峻。社会经济一直在发展，人们的生活水平不断提高，机动车的数量尤其是私家车数量呈现快速增长的趋势，城市交通的拥堵情况越来越严重，成为了现代城市交通的一大挑战[1]。修建地铁是缓解大城市交通压力的重要手段，中国也成了目前世界上地铁交通发展最快的国家。截至2019年12月29日，中国已建设地铁交通（轨道交通）的城市共有44个，其中内地城市有38个，港澳台地区有6个。可见地铁作为城市交通的大动脉，承载着大量乘客的出现需求。
一个地铁系统由列车、站点、乘客几种实体组成，在列车、站点、乘客等参数信息都确定的情况下，一个地铁系统的决策变量就是输入的时刻表。地铁时刻表是城市轨道交通企业开展日常生产工作的基础，它的设计和调整是一项大规模、高复杂度的组合优化问题[2]。对地铁时刻表的设计进行研究，能够有效地实现地铁公司开支最小化、出行者体验最优化[3]。
1.2研究目的与意义
现行的时刻表设计方案中，有均衡与非均衡两种方式，基于等间隔发车的均衡方式，是普通国有铁路和远距离城际铁路主要选用的方式，但该方式对于城市轨道交通（地铁）会导致高峰时段站点易产生拥塞、乘客排队等待时间过长、非高峰时段客运能力过剩、资源浪费等弊端[4]。因为地铁系统中站点之间具有差异性，有些站点规模大，有些站点规模小，客流也具有时变性和空变性，不同时间段的客流模型不一样，不同站点的客流模型也不一样，固定间隔的均衡时刻表并不能很好地适应现实中的地铁系统。本文从动态客流模型出发，设计了地铁系统的计算机建模，并且利用遗传算法来对时刻表进行优化，设计最适合地铁系统的非均衡时刻表，达到减少地铁拥塞和乘客平均等待时间，提高地铁系统效率，优化乘客出行体验的目的。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/605706.html