在城市公交网络优化的进展和起飞时间:一个案例研究Corlu,土耳其

文摘

交通堵塞,已经成为发达国家和发展中国家的重大问题,已经导致了公共交通系统的方式的转变,并加速努力提高这些系统的效率。在最近的研究中,有几种方法,其中两个用户和运营商利益评估一起为了增加对公共交通系统的需求,并确保这些系统的可持续性,强调。在这项研究中,上下两层的模拟/优化模型优化服务进展和起飞时间的公共汽车从一开始的路线在城市公交网络。上层的模型,提出一个多目标函数代表用户和运营商成本评估使用metaheuristic和谐搜索(HS)优化技术。交通分配问题,代表用户分布的交通路线,处理在较低的水平。在提出的模型中,交通分配问题是解决排课作业方法与入境签证交通规划软件。排课交通分配是一个方法的知觉错误在用户的路径选择是考虑和等待时间可以精确计算转移。该模型应用于一个真实的城市公交网络的Corlu区(Tekirdağ、土耳其),和模型的有效性在一个中型城市公交系统已被证明。结果表明,用户和运营商利益可以同时增加了一个初始的离职补偿参数添加到问题。

1。介绍

交通堵塞由于不断增长的私人汽车的使用需求带来的健康和环境问题,以及征收沉重的负担在发展中国家和发达国家的经济。随着机动车辆的燃料消耗增加交通拥挤,污染环境的有害气体威胁人类健康,引发全球变暖增加温室气体的影响(1]。behren和Egenhofer2]国家交通部门负责四分之一的欧洲国家的温室气体排放。因此,重要的是组织公共交通系统可以替代私家车的安全、可靠性、舒适和经济标准,以避免环境和健康问题和所需的能量最小化在运输部门。中央和地方政府试图减少交通拥堵,使公共交通服务更具吸引力的投资于公共交通系统短期和长期战略的方向以及甚至采取措施限制个人汽车销售(3]。然而,公共交通系统,这是最重要的解决交通堵塞,无法满足日益增长的旅游需求由于贫穷的规划,设计和管理。在公共交通系统的性能评估的研究中,发现主要问题相关的运输服务在发展中国家是缺乏能力在高峰时段(4- - - - - -6]。这个问题可以解决通过增加机队规模和服务频率高峰时段,导致运营成本增加,降低了运营商的利润率。然而,为了确保运输服务的可持续发展,不仅用户的预期,而且操作员必须满足的期望。在公共交通,运营商的目标达到一定盈利能力有限,考虑他们的预算和巴士车队,尽管用户普遍预计高服务质量和最小旅行时间。在这一点上,服务质量可以被认为是一个函数的舒适度和可靠性,而旅行时间由车载时间、等待时间和传输时间。因此,用户与运营商之间的权衡公共交通规划的目标应该仔细考虑。考虑到传统的公共交通规划过程包括路线设计、基于可用的巴士时间表准备,和船员调度步骤,准确地确定频率的公交线路在这一过程中发挥着重要的作用。Oudheusden和朱7]国家准备时间表不善导致一个重载的公交车。相反,准确的时间表,确定基于优化的频率,可以降低运营成本,增加用户利益。在相关文献中,一些研究对公共交通服务频率的优化网络集中在交通网络设计问题(TNDP) [8- - - - - -20.]。TNDP,通常制定用户和运营商的总和最小化的成本、最佳的运输路线和相关频率。相反,很少有研究处理服务频率固定的公交路线配置(7,21,22]。

Baaj和Mahmassani11)开发了一种交通路线分析师(信任)项目为了解决TNDP。在他们的研究中,TNDP制定作为一个整体成本的最小化措施包括运营商成本和用户成本。前者被认为是总旅行时间在分析期间的所有服务。相反,用户成本是考虑作为所有交通用户的总旅行时间,需要赋值的术语叫做(O-D)矩阵的交通路线。在这一点上,词典策略,以前由汉族和威尔逊[23),是采用信任。在这一战略,它是假定用户在选择路线时避免转移在它们的起源和目的地之间的竞争。从这个角度来看,转移和旅行时间发生在不同的替代选择在作业过程中进行评估。在这种情况下,所有旅游需求被分配到最少的转移的路线,而“频率”的规则,它是由Lampkin和Saalmans8),应用如果至少有一个替代的旅行时间是最低阈值内的旅行时间。在信任,总旅行时间的旅程一个传输计算等待时间的总和在第一和第二公共汽车路线,车辆旅行时间,和一个固定的转移。注意,公交路线的等待时间被认为是一半的进展路线,同时转移点球是等价的车载旅行时间5分钟。在另一项研究通过Baaj和Mahmassani [12),路线生成算法(RGA)开发了基于人工智能的框架/运筹学混合解决方案方法,也是建立在信任和对交通分配问题的假设。Chakrobotry和已经受理13)开发了一种基于遗传算法(GA),解决方案TNDP的技术解决方案。在这项研究中,这是说,与先前的研究关于航线网络设计、优化工具主要是用来减少依赖试探法。在研究结束时,一个简短的比较与研究结果Mandl [9]和Baaj Mahmassani [24)提供了提出方法的有效性。Szeto和吴14)提出了一个混合的解决方案方法,遗传算法采用的解决方案路线设计问题,而社区搜索使用启发式搜索最优的一组频率。在这项研究中,平均旅行时间计算是基于交通分配的假设的研究Baaj和Mahmassani11),该方法应用到天水围(香港)总线网络。结果表明,总旅行时间可以减少23%相比,天水围总线网络的当前状态。尼克里奇和Teodorovic15)解决了TNDP使用蜜蜂殖民地优化(BCO)算法。在这项研究中,三个目标函数的总旅行时间,满足需求,和公共汽车需要满足需求,总数是最小化。解决了交通分配问题的基础上,频率分享方法,和获得的结果与之前的模型关于TNDP。与上述研究不同,一些研究认为是不同的分配方法。芒福德(16]假定交通需求分配给的路线最短旅行时间和总旅行时间包括常数转移点球和车载旅行时间。在这项研究中,等待时间的用户都被忽略了。此外,汽车频率并不认为,假定当解决TNDP有足够的公共汽车。Afandizadeh et al。17)开发了一个基于遗传模型,能够优化总线在仓库作业。在这项研究中,TNDP被制定为用户和运营商的成本。用户成本由总旅行时间和成本,需求未得到满足而运营商成本包括空位成本,冒口的旅行成本和总旅行时间成本。解决了交通分配问题的基础上,分对数路径选择模型中,等待时间被认为是一半的进展在相应的公交路线。在最近的一项研究中,欧维斯和奥斯曼(18解决TNDP]使用天然气。最近,雅司病和李19)应用微分进化方法TNDP的解决方案。在这项研究中,总旅行时间和未满足的需求的总和最小化。Ruano-Daza et al。20.)开发了一个全球最佳和谐TNDP搜索解决方案方法。该模型应用于一个真正的快速公交系统最小化总网络旅游时间和浪费同时总线能力。尽管传统TNDP视为设计路线和设置在交通系统的频率,一些研究人员处理中的TNDP频率设置,即“总线调度”的观点。管理者等也是。21)提出了一个两级车辆调度方法。在模型的第一级,最低服务频率测定负载可行性约束。相反,所需的机队规模最小化使用GA在第二个层次。在这项研究中,解决了交通分配问题的基础上提出的过程Baaj和Mahmassani11]。Ruisanchez et al。22)开发了一个上下两层的解决方案方法最优大小和频率在城市公交网络。在上层,一个成本函数,表示用户和运营商的成本最小化。在这项研究中,制定用户成本函数的加权和总传输时间,总访问时间,车载总时间和总等待时间。相反,交通分配问题解决了使用ESTRAUS™交通仿真软件。

从文献综述可以看出,TNDP已制定路线设计和频率设置或只有频率设置在城市交通网络。此外,频率分享方法广泛被接受的交通分配问题的解决方案。它可能是一种合理的方法分配的需求关于服务频率。然而,考虑到具体等待时间在原点,转移点可能提供更现实的结果,而不考虑它一半的乘客以来的进展有更好的知识由于当今智能交通系统和移动应用程序。Doğan和Ozuysal25状态,过多的等待时间在城市系统可能会导致改变公交用户的路径选择。另一个被广泛接受的方法是假设用户的选择的路线最短旅行时间。然而,一些用户可能会选择一些较长的路线旅行时间考虑的服务水平(即。环境舒适度和路线),日常习惯,或不完整的信息。因此,它可能是更合适的随机性质考虑用户的路径选择行为。

在这项研究中,提出了一个上下两层的模拟/优化方法确定进展的公交线路和起飞时间路线的第一公共汽车从一开始在城市公交网络。上层的多目标函数的加权和表示用户和运营商成本最小化,而交通分配问题是解决使用入境签证®交通规划软件在较低的水平。因为进展和抵消变量是整数,TNDP制定的整数规划问题,和和谐搜索(HS)优化算法用于解决方案。的纪念品之一我们的方法是使用排课任务的实际传输等待时间,和协调的时间表是考虑。此外,通过添加偏移量参数,代表总线操作出发的时间关系,协调总线操作的影响调查。

进展和离职补偿优化问题和相关的符号在下一节中给出。随后,该模型和HS算法的实现提供了部分3。部分4提出了一些数值中型真正的总线网络上的应用程序。结果和未来的发展方向提出了在上一节。

2。问题公式化

影响的进展和起飞时间传输等待时间和总旅行时间见图1。

从图可以看出1(一)用户,从起点到终点的旅行,可以直接完成他乘坐巴士1号线(b11)。然而,他可能会转移到公共汽车线路2 (b12)停止点(SP)到达目的地。图中可以看到1 (b)b12的平均速度是高于b11。因此,用户在b11董事会可以到达目的地06:40 06:00时如果他转移b12 SP;否则,他到达06:55通过b11。因此,它可能会减少总旅行时间通过转移更快的运输路线合理转移等待时间,和每个旅游选择可以被称为“连接”26]。在第二个离职b11,没有任何转会的可能性。因此,只有一个连接的用户在06:55 b11。变化的进展和起飞时间交通路线可能会导致新连接的替代品或丧失一些连接。减少b11进展和b12为交通用户提供更短的旅行时间。然而,这导致了不良的情况从运营商的角度来看,由于增加舰队要求和运营成本。因此,研究用户与运营商之间的权衡成本是一个重要的问题。在本节中,一个多目标优化问题,考虑了这一问题,提出了。

考虑到用户和运营商的成本,提出了优化问题是制定作为biobjective最小化问题给出以下方程:

提出问题的目标是最小化总加权和的旅客的旅行时间(包括车载旅行时间和传输等待时间),总服务公里(服务公里)由运输车辆和一个点球。在此,约束(2)确保每个交通路线上的进展应该满足指定最小和最大容许值。约束条件(3)确保抵消第一离开特定的路线必须小于出发的进展在同一路线。约束条件(4)确保所需的机队规模不能超过可用的机队规模。第三项右边方程(1)代表一个点球价值因违反的能力在路线和制定如下:

为了计算车载旅行时间,传输等待时间,和惩罚项,这是公交线路客运量最大的函数,目标函数给出了方程(1)- (4),交通网络上的乘客必须分配计算,指交通分配问题的解决方案。一般的假设是,交通用户选择最短的路线O-D双之间的旅行时间。然而,在现实中,一些旅行时间较长的路线可以选择一些用户根据他们的服务水平的期望,日常习惯或不完整的信息。此外,一些旅行与一对一定O-D之间转移可能需要更短的时间比一个旅游零转移(或直接)同一O-D副之间的公交路线服务。因此,它可能是有用的采用一种方法比词典更接近现实策略由汉族和威尔逊[23]。在这项研究中,交通分配问题是解决排课分配方法的基础上入境签证交通规划工具。这种方法类似于随机交通分配的一小部分旅游需求分配给非最优路线基于路径选择模型(26]。排课任务由两部分组成。可能的连接是调查使用和算法在第一个阶段,而乘客的任务是进行基于连接的选择模型在第二阶段。使用排课任务的主要优势是协调时间表是考虑通过计算实际的传输等待时间,和实际的乘客可以表示实际的决定。此外,通过创建一个根功能,乘客可以认为有更好的时间表的知识。因此,一个更实际起源等待时间,已广泛被考虑为一半的意思是进展在先前的研究中,可以确定。在完成搜索过程的连接(见[26]),乘客分配可以进行如下解释:

每个公交路线的乘客使用数量可以计算基于以下方程:

选择连接的概率k之间的起源我和目的地j可以计算出基于以下方程:

阻抗的连接k在一个时间间隔一个计算如下:

3所示。模型开发

在这项研究中,一个上下两层的解决方案模型优化时间表在城市公交网络考虑用户和运营商之间的交互。在过去的几十年里,一些优化算法开发了处理复杂工程优化问题。在这些算法,遗传算法,模拟退火粒子群算法、蚁群优化和和谐是最受欢迎的搜索优化技术(27]。在这种背景下,该模型的解决方案框架内制定metaheuristic HS优化技术,已开发的Geem et al。28),已广泛被用于复杂土木工程优化问题的解决方案(29日- - - - - -35]。HS算法启发从自发的音乐组的性能。在管弦乐队中,每个音乐家寻求注意,导致一起演奏时最令人愉悦的和谐。类似地,特定值的决策变量,使目标函数达到全局最优的解决方案,寻求在一个优化的过程。根据HS方法的基本假设,一个音乐家可以即兴创作在三种不同的方式,如下:(我)完全随机的注意(2)重新选择任何注意,他已经在他的记忆中,到目前为止(3)选择注意邻居的注意,他到目前为止

同样,一个决策变量的值可以确定在三个方面,如下:(我)随机选择一个价值选择的可能的上界和下界(2)从和谐的记忆中选择一个值(3)分配一个值在一个特定的社区和谐的价值选择的记忆

上面我们可以看到,尽管交响乐团即兴发挥新的和声在音乐表演中,HS算法优化过程中产生新的解决方案向量。在这种背景下,提出的总体布局HS-based模型如图2。

图中可以看到2biobjective优化问题的解决方案是在上层,而低水平的交通分配问题解决提出了上下两层的模型。HS-based模型的解决方案过程包含五个步骤,并给出其逐步流程图如图3。

我们可以看到在图3、O-D双之间的旅游需求(即交通网络特征。公交线路和旅行速度),舰队(即特征。,size and bus capacities), HS algorithm parameters, and a stopping criterion are presented at Step 1. There are three HS parameters governing the performance of the algorithm. The first one is harmony memory size (HMS) that represents the number of solution vectors in harmony memory (HM). Secondly, harmony memory consideration rate (HMCR) determines the probability of considering the available solutions in the HM while generating a new solution vector. The third parameter is pitch adjustment rate (PAR), which is used when the harmony memory consideration is realized and represents the probability of slightly adjusting by moving to neighbouring values of a value selected from the HM. Values of three HS parameters are also initialized at Step 1.

在步骤2,最初的和谐内存是由生成初始解向量与随机生成的进展和抵消值考虑到预先设定的上、下极限。随后,交通分配问题已经解决了使用每个初始解向量获得入境签证在公交线路客运量。此后,初始解的目标函数值向量方程计算了(1)- (4)和存储在以下方程:

在步骤3中,一个新的解决方案向量,包括进展和抵消变量,生成基于HS规则在类似的方式与交响乐团即兴创作一个新的和谐。在这种情况下,首先决定是否一个决策变量值被选中的嗯。这个过程是进展说明变量如下:

在方程(10)的值我^th新的解决方案进展变量向量是取自之间的和谐内存或随机生成的可能值的概率范围和 ,分别。同样,的值我^th抵消新变量的解向量确定如下:

一旦一个决策变量的值被选中的和谐记忆,它是决定是否需要调整音高。考虑到离散决策变量(即集。,successive integers), the pitch adjusting process may be performed for headway and offset variables as given in the following equations:

注意,过程给出了方程(10)- (13)是适用于所有新创建的解决方案中的决策变量向量。在步骤3中,进行交通分配使用入境签证为新向量及其相应的客观价值计算方程(1)- (4)。在步骤4,最糟糕的解决方案之间的比较是进行矢量在HM和新创建的解决方案的目标函数值。有一个更好的客观价值是嗯。在最后一步,解决过程终止是否满足终止准则。否则,继续计算的迭代步骤3到步骤5。

4所示。数字应用程序

在本节中,一个数字公交系统的应用程序进行Corlu区(Tekirdağ、土耳其),以评估该模型的性能。Corlu位于Tekirdağ省的边界,是一个最大的结算中心色雷斯地区的土耳其伊斯坦布尔后的空间大小和贸易额。Corlu公共交通系统包括12路线提供常规公交服务。2017年,每月平均250万乘客旅行是用机队规模80公共汽车的能力,70年,100名乘客。布局和公交线路的长度和车辆能力图4和表1,分别。

在建模计算,点球重量设置 ,阻抗灵敏度设置 ,惩罚是设置为转移分钟,HS参数设置为 , ,和 ,并设置为频带宽度 。模型算法3×10后终止⁶迭代。自15%的旅行都是在早上07:00至09:00 Corlu交通网络,分析这一时期进行。上下边界的进展变量视为5和30分钟,分别。由于客观权重和管理用户和运营商成本之间的权衡,提出多目标问题是解决不同的权重。由于庞大的搜索空间的问题,帕累托最优解决方案调查忽视抵消变量,变量考虑,只有进展。因此,第一次在所有公交线路公交车出发(即分析的开始时期。,早上07:00)。计算结果给出了11例不同的客观权重表2。

表中可以看到2总行程时间约为2217小时案例1客观权重在哪里和 。在连续情况下,客观的重量逐渐增加,总旅行时间减少,达到为例11,2126小时和 。与此同时,服务公里总额从1311增加到1423公里。这表明,规划师完全集中于总服务公里的交通网络 ,而只有总旅行时间考虑 。在分析这两个目标的变化值,可以看出总旅行时间减少的百分比相对接近的百分比增加总服务除了例9公里值总旅行时间减少约1.4%,而总服务公里增加约4.1%。这表明,少量的增加为用户节省费用导致运营商成本价格突然上涨。因此,8例可以被认为是该biobjective问题的最优解,和客观权重的最优值和可能被认为是0.70和0.30,分别。图5说明了帕累托有效的解决方案为目标函数。

在表3提议进展,最大客运量和能力对公交线路有客观权重D₁= 0.70,D₂= 0.30。表中可以看到3值是5至30分钟,所有的进展和没有能力违反交通网络。

为了研究城市公交运营的离职补偿的影响,提出的问题是通过考虑解决进展和抵消变量客观权重和 。解决方案的收敛历史过程如图6。

图中可以看到6模型算法实现稳定收敛后约1.2×10⁶迭代。为了说明该方法的鲁棒性,该模型运行100次不同的初始解决方案和随机种子。后分析、最小、最大和平均目标函数值为1901.87,1920.28,和1904.45,分别。而最小目标函数值达到了55%的运行时,计算标准偏差为4.54。计算结果给出了该模型在表4。

表中可以看到4总行程时间约为2287小时Corlu当前总线网络。也可以看到进展优化导致减少约4.8%,进展和离职补偿优化可以减少大约5.4%的总旅行时间相比,目前的公交网络。相反,总距离被公交车可以减少约9.8%通过优化公交线路上的进展。此外,考虑不同的起飞时间第一巴士公交线路可能会降低这个值约为13.3%。在表5总线网络,对比当前和建议提供的进展和容量值。此外,与相应的离职补偿最大公交线路客运量在给出客观的权重D₁= 0.70,D₂= 0.30。表中可以看到5所有进展值是5至30分钟,所有离职补偿值之间可能的界限,也没有能力违反总线上的网络根据模型输出。

数量的旅行观察当前总线网络和基于该模型的计算表6。

我们可以看到在桌子上6旅行,2934年和169年都是由1和2转移,分别分析期间Corlu当前总线网络。应用于公交线路优化进展时,旅行与1和2转移的数量可以减少到2461年和116年旅行,分别。这表明用户的数量,可以完成他们的旅行在一个特定的优化可以增加公交路线进展。相反,当最优离职补偿被认为,旅行与一个转移数量的增加相比,总线网络只有最佳的进展。增加表明最优离职补偿可能提供巴士服务的协调和较短的等待时间转移导致一个合理的减少总旅行时间和总距离覆盖的公共汽车。

5。结论

在这项研究中,多目标最小化问题,制定的总旅行时间的加权和交通用户和总距离由运输车辆,提出了。随后,上下两层的模拟/优化模型是优化出发开发的进展和抵消城市公交网络的变量。上层模型,提出问题是解决基于HS优化算法的解决方案框架。相反,交通分配问题解决了入境签证交通规划软件的使用排课作业方法在较低的水平。

由于多目标的本质问题,调查用户和运营商利益之间的平衡是一个重要的问题。在这种背景下,该模型首次应用于实际交通网络与不同的权重分析帕累托有效的解决方案并确定客观权重的最优值。这些计算是由忽略离职补偿值,需要更多的计算工作由于绝大多目标问题的搜索空间。发现总旅行时间和总服务公里可以减少4.8%和9.8%,分别比当前总线网络。一旦确定目标权重的最优值,该模型应用于网络通过考虑离开进展和抵消变量。结果表明,5.4%和13.3%的改善可以通过包括离职补偿变量在模型中。

舰队约束考虑该模型确保所需的公共汽车数量在特定航线不超过公共汽车的数量分配给这些路线。在未来,公共汽车分配算法将被纳入该模型,可以分配一个普通舰队包括公共汽车与不同类型和能力。将一个路由构造算法集成到该模型被认为是另一个未来的方向。

缩写

集/指标

N:	的航线运输网络
O:	的起源
V:	设置的目的地
:	连接设置
我,j,k:	指数

参数

:	在连接车载旅行时间k之间的起源我和目的地j
:	起源在连接等待时间k之间的起源我和目的地j
:	传输连接等待时间k之间的起源我和目的地j
:	路线的长度我
:	价值的处罚违反对路线的能力我
T:	分析周期的长度
:	最小的进展
:	最大的进展
:	单程路线我
W:	可用总线机队规模
:	上的乘客数量的路线我
:	最大的客运线路负载我
:	车辆路线的能力我
:	点球重量
:	选择连接的概率k之间的起源我和目的地j
:	/连接关联矩阵元素的途径如果连接k使用路由我,否则
:	参数模型的阻抗灵敏度
:	阻抗的连接k之间的起源我和目的地j
:	阻抗的连接k在一个时间间隔一个
:	任意频带宽度
:	随机数在0和1之间
:	的传输连接k之间的起源我和目的地j
:	转移点球
:	旅游需求之间的起源我和目的地j
D1:	体重总旅行时间
D2:	体重总服务公里

决策变量

:	途中离开进展我
:	离开抵消第一巴士路线我。

数据可用性

数据用于支持本研究的发现可以发布应用程序大都会Tekirdağ直辖市,可以联系tbb@tekirdag.bel.tr。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者欣然承认的贡献入境签证的PTV交通流动物流交通规划软件。作者也感谢大都会Tekirdağ直辖市为本文的背景提供参考。这项研究受到了帕穆嘉丽大学科研项目与项目没有。2018 krm002 - 233。

引用

1. m . m . Nesheli a .转让人f . Ghavamirad和查克,”环境的影响公共交通系统使用实时控制方法,”交通研究D部分:交通和环境,51卷,第226 - 216页,2017年。视图:出版商的网站|谷歌学术搜索
2. a . behren和c . Egenhofer“反思欧洲气候变化政策”朝着一个共同的欧盟能源政策v . l . Birchfield和j·s·达菲尔德。,pp. 217–234, Palgrave Macmillan Press, New York, NY, USA, 2011.视图:谷歌学术搜索
3. a . Aravindan“新加坡停止汽车人口增长从明年开始,”2017年,https://www.reuters.com/article/us-singapore-autos/singapore-to-halt-car-population-growth-from-next-year-idUSKBN1CS14K。视图:谷歌学术搜索
4. j .穿孔和n . Korattyswaroopam”公共交通在印度的危机:压倒性的需求但有限的资源,”《公共交通,7卷,不。4、1、2004页。视图:出版商的网站|谷歌学术搜索
5. m·a . m . Ittyerah p . n . Moeketsi诉Baloyi,“增加公共交通在南非市场份额:选项,”国际会议系列的诉讼在土地客运竞争和所有权开普敦,南非,1999年9月。视图:谷歌学术搜索
6. b·芬恩和c .无角的“城市公交服务在发展中国家和转型国家:一个监管框架和机构发展,”《公共交通,14卷,不。4、89 - 107年,2011页。视图:出版商的网站|谷歌学术搜索
7. d . l . v . Oudheusden和w·朱”,访问频率在曼谷公交路线管理调度,“欧洲运筹学杂志》上卷,83年,第451 - 439页,1995年。视图:谷歌学术搜索
8. w . Lampkin和p·d·Saalmans”路线的设计、服务频率和时间表市政公交事业:一个案例研究中,“运筹学学会》杂志上18卷,第397 - 375页,2017年。视图:出版商的网站|谷歌学术搜索
9. c . e . Mandl”评价和优化城市公共交通网络,”3日欧洲国会行动研究学报》上荷兰,阿姆斯特丹,1979年4月。视图:谷歌学术搜索
10. a .转让人和n h . m .威尔逊“公交网络设计,”交通研究B部分:方法论,20卷,不。4、331 - 344年,1986页。视图:出版商的网站|谷歌学术搜索
11. m . h . Baaj和h s Mahmassani“信任:一个LISP程序分析的交通路线配置,“交通研究记录卷,1283年,第135 - 125页,1990年。视图:谷歌学术搜索
12. m . h . Baaj和h s Mahmassani“混合路线生成设计启发式算法的交通网络,”交通研究部分C:新兴技术,3卷,不。1,31-50,1995页。视图:出版商的网站|谷歌学术搜索
13. p . Chakroborty和t . Wivedi交通系统使用遗传算法优化航线网络设计,“工程优化,34卷,不。1,第100 - 83页,2002。视图:出版商的网站|谷歌学术搜索
14. 吴w . y . Szeto和y”,同时公交路线设计和频率设置问题天水围,香港,“欧洲运筹学杂志》上卷,209年,第155 - 141页,2011年。视图:出版商的网站|谷歌学术搜索
15. m·尼克里奇和d . Teodorovic”,同时交通网络设计和频率设置:计算与蜜蜂,“专家系统与应用程序第41卷。。16,7200 - 7209年,2014页。视图:谷歌学术搜索
16. c·l·芒福德”,新的启发式和进化算子的多目标路由问题,城市交通”IEEE国会进化计算学报》上946年,页939 - 2013年6月墨西哥坎昆。视图:谷歌学术搜索
17. s . Afandizadeh h . Khaksar, n . Kalantari”巴士使用遗传算法优化马什哈德的案例研究,“国际土木工程杂志》上,11卷,不。1,43-52,2013页。视图:谷歌学术搜索
18. m·欧维斯和m·k·奥斯曼”完整的分层多目标遗传算法对交通网络设计问题,“专家系统与应用程序,卷114,不。30日,第154 - 143页,2018年。视图:出版商的网站|谷歌学术搜索
19. A·t·雅司病和l·s·李”,一个微分进化同时交通网络设计和频率设置问题,“专家系统与应用程序,卷106,不。15日,第289 - 277页,2018年。视图:出版商的网站|谷歌学术搜索
20. e . Ruano-Daza c . Cobos j . Torres-Jimenez m·门多萨和A·巴斯,“多目标上下两层的方法基于全球最佳和谐搜索定义最优路线和频率快速公交系统”应用软计算卷,67年,第583 - 567页,2018年。视图:出版商的网站|谷歌学术搜索
21. f . A .管理者,也是b . r . Marwah k . Deb和m·r·卡里姆,“基于遗传算法的调度模型的公交网络,”交通研究东亚社会学报》上5卷,第489 - 477页,2005年。视图:谷歌学术搜索
22. f . Ruisanchez l .戴尔奥廖,a . Ibeas”设计的禁忌搜索算法分配最优公交大小和频率在城市交通服务,“《先进的交通工具,46卷,第377 - 366页,2012年。视图:出版商的网站|谷歌学术搜索
23. a·f·汉和n h . m .威尔森的分配公共汽车在大量利用网络重叠的航线,”交通研究B部分:方法论,16卷,不。3、221 - 232年,1982页。视图:出版商的网站|谷歌学术搜索
24. m·h·Baaj和h s Mahmassani”,一个基于ai的交通道路系统规划和设计方法,”《先进的交通工具,25卷,不。2、187 - 209年,1991页。视图:出版商的网站|谷歌学术搜索
25. g . Doğan和m . Ozuysal Toplu Ulaşımda Bekleme Suresini Etkileyen Faktorlerinİncelenmesi: Guvenilirlik, Yolcu Bilgilendirme Sistemi ve Fiziksel Koşullar,”Teknik Dergi,28卷,不。3、7927 - 7954年,2017页。视图:谷歌学术搜索
26. PTV,PTV入境签证手册,PTV交通移动物流、卡尔斯鲁厄,德国,2015年。
27. t·黛德“Jaya算法来解决单目标尺寸优化问题对于钢格栅结构,”钢和复合结构,26卷,不。2、163 - 170年,2018页。视图:谷歌学术搜索
28. z . w . Geem、j·h·金和g . v . Loganathan”一种新的启发式优化算法:搜索、和谐”模拟,卷76,不。2,60 - 68、2001页。视图:谷歌学术搜索
29. h . Ceylan h . Ceylan s Haldenbilen, o . Baskan”交通能源与meta-heuristic和声搜索算法建模,应用程序到土耳其,”能源政策36卷,第2535 - 2527页,2008年。视图:出版商的网站|谷歌学术搜索
30. h . Ceylan和h . Ceylan混合和谐和TRANSYT爬山算法寻找路口随机均衡交通网络,”交通研究部分C:新兴技术25卷,第167 - 152页,2012年。视图:出版商的网站|谷歌学术搜索
31. m .戴尔俄科、o . Baskan和m .马里内利“和声搜索算法优化交通信号计时的方法,”交通运输杂志》上,25卷,不。4、349 - 358年,2013页。视图:谷歌学术搜索
32. 美国Salcedo-Sanz, d . Manjarres,。Pastor-Sanchez、j·a·德尔爵士和s . Gil-Lopez“单向城市交通使用多目标重构和谐的搜索方法,”专家系统与应用程序40卷,第3350 - 3341页,2013年。视图:出版商的网站|谷歌学术搜索
33. o . Baskan“和声搜索算法连续网络设计问题链接产能扩张,”KSCE土木工程杂志》上,18卷,不。1,第283 - 273页,2013。视图:出版商的网站|谷歌学术搜索
34. k .高,y, a Sadollah, r·苏”使用和谐城市交通灯调度优化问题搜索合奏的本地搜索,“应用软计算48卷,第372 - 359页,2016年。视图:出版商的网站|谷歌学术搜索
35. h . Ceylan和t . Ozcan Otobus ağlarındaki海基会sıklıklarının Armoni AraştırmasıAlgoritmasıile optimizasyonu: Mandl测试ağıuzerine bir uygulama”棉花堡大学工程科学杂志》上,24卷,不。6,1107 - 1116年,2018页。视图:出版商的网站|谷歌学术搜索

版权

版权©2018 Huseyin Ceylan Tayfun Ozcan。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。