基于Hadoop平臺的城市軌道交通列車時刻表優(yōu)化.pdf

1、隨著中國人口規(guī)模的增加，交通擁堵現(xiàn)象日益嚴重，城市軌道交通憑借其便捷、準時、高效等諸多特點成為緩解交通擁堵和滿足大眾出行的主要工具。列車時刻表是城市軌道交通系統(tǒng)運營和組織的依據(jù)，它詳細規(guī)定了列車的發(fā)車時間、運行時間以及停站時間?？茖W合理的列車時刻表可以有效提高列車運輸效率，減少乘客等待時間，提高乘客出行滿意度。城市軌道交通的客流隨時間和空間動態(tài)的變化，其分布規(guī)律對列車時刻表的編制和優(yōu)化起到?jīng)Q定性的作用?；诳土鞯膭討B(tài)變化編制和優(yōu)化城市軌

2、道交通列車時刻表能夠有效平衡乘客出行和運營管理的利益，提高乘客滿意度和列車運輸效率。
　　本文以北京城市軌道交通地鐵13號線自動售檢票系統(tǒng)(Automatic Fair Collection System，AFC)的乘客出行數(shù)據(jù)為基礎(chǔ)，利用Hadoop分布式平臺對其進行數(shù)據(jù)處理，分析客流分布特征、預測未來短期客流。然后基于動態(tài)客流建立城市軌道交通列車時刻表優(yōu)化模型并設(shè)計了自適應遺傳算法，最后在Hadoop平臺下對北京城市軌道交通1

3、3號線的時刻表優(yōu)化模型進行實現(xiàn)與驗證。具體研究內(nèi)容如下:
　　(1)基于AFC實際客流出行數(shù)據(jù)，搭建Hadoop分布式計算平臺，對客流進行數(shù)據(jù)處理和統(tǒng)計。根據(jù)統(tǒng)計結(jié)果分析線路客流隨時間、站點、周期以及方向的分布特征，以用于后續(xù)客流預測和時刻表優(yōu)化。
　　(2)基于乘客出行數(shù)據(jù)的統(tǒng)計結(jié)果及客流分布特征，研究基于時間序列的極限學習機預測方案，根據(jù)歷史客流對未來一天以及任意5分鐘的進站客流進行預測，并評估極限學習機預測未來短期客流

4、的能力。
　　(3)利用動態(tài)客流數(shù)據(jù)，以列車的發(fā)車間隔、停站時間為決策變量，綜合考慮列車運行約束條件，建立以乘客候車時間、乘客乘車時間、列車載客數(shù)與定員之差以及列車運行均衡性為目標的優(yōu)化模型。由于模型的決策變量組合眾多，傳統(tǒng)的數(shù)學求解較為困難，本文利用遺傳算法求解模型。為了提高算法的全局搜索能力，本文根據(jù)模型特點設(shè)計了自適應的交叉算子和變異算子。
　　(4)利用北京城市軌道交通13號線的客流數(shù)據(jù)，本文在Hadoop平臺下完成