| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 问题背景及研究工作的意义 | 第16-19页 |
| 1.2 研究目标与研究内容 | 第19-20页 |
| 1.2.1 研究目标 | 第19页 |
| 1.2.2 研究内容 | 第19-20页 |
| 1.3 研究的技术路线 | 第20-22页 |
| 1.4 主要研究成果 | 第22-23页 |
| 1.5 参加的科研项目 | 第23-26页 |
| 第二章 公交时刻表设计问题的研究综述 | 第26-46页 |
| 2.1 公交规划过程的基本要素 | 第26-29页 |
| 2.2 公交规划过程相关问题的概述 | 第29-35页 |
| 2.3 公交时刻表构成要素 | 第35-39页 |
| 2.3.1 发车间隔方针 | 第35-36页 |
| 2.3.2 发车时间的灵活性 | 第36-37页 |
| 2.3.3 车辆行驶时间特征 | 第37页 |
| 2.3.4 协同换乘方式 | 第37-38页 |
| 2.3.5 时刻表设计问题的目标 | 第38-39页 |
| 2.4 公交时刻表设计问题的研究综述 | 第39-45页 |
| 2.4.1 公交线路时刻表设计综述 | 第39-41页 |
| 2.4.2 公交网络时刻表协同设计综述 | 第41-44页 |
| 2.4.3 现有研究的不足 | 第44-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 随机行驶时间下公交时刻表设计中不同运行策略比较分析 | 第46-70页 |
| 3.1 引言 | 第46页 |
| 3.2 随机行驶时间下公交时刻表设计 | 第46-47页 |
| 3.3 随机行驶时间下公交时刻表设计的一般模型 | 第47-54页 |
| 3.3.1 符号定义 | 第47-48页 |
| 3.3.2 随机行驶时间下公交时刻表设计的问题描述 | 第48-50页 |
| 3.3.3 嵌入不同运行策略的随机行驶时间下公交时刻表设计模型 | 第50-51页 |
| 3.3.4 不同运行策略的数学描述 | 第51-54页 |
| 3.4 基于Monte Carlo仿真的求解方法 | 第54-55页 |
| 3.5 考虑超时行驶费用和驻站策略的公交时刻表设计模型 | 第55-57页 |
| 3.6 实验算例与结果分析 | 第57-67页 |
| 3.6.1 算例设计 | 第58-59页 |
| 3.6.2 基于Monte Carlo仿真方法的收敛性 | 第59-61页 |
| 3.6.3 不同运行策略对总时刻表偏差的影响 | 第61-62页 |
| 3.6.4 不同运行策略对松弛时间的影响 | 第62页 |
| 3.6.5 不同运行策略对线路计划行驶时间的影响 | 第62-65页 |
| 3.6.6 参数灵敏度分析 | 第65-67页 |
| 3.7 本章小结 | 第67-70页 |
| 第四章 考虑不均匀发车间隔的公交时刻表协同设计优化方法 | 第70-82页 |
| 4.1 引言 | 第70-71页 |
| 4.2 考虑不均匀发车间隔的公交时刻表协同设计的数学模型 | 第71-75页 |
| 4.2.1 问题描述 | 第71页 |
| 4.2.2 符号定义 | 第71-72页 |
| 4.2.3 车辆协同方式的定义 | 第72-73页 |
| 4.2.4 换乘等待时间的数学描述 | 第73-74页 |
| 4.2.5 数学模型 | 第74-75页 |
| 4.3 模型分析 | 第75-77页 |
| 4.3.1 计算复杂性分析 | 第75页 |
| 4.3.2 可行解的空间特征 | 第75-76页 |
| 4.3.3 求解模型的预处理方法 | 第76-77页 |
| 4.4 实验算例与结果分析 | 第77-80页 |
| 4.4.1 算例设计 | 第77-78页 |
| 4.4.2 实验与结果分析 | 第78-80页 |
| 4.5 本章小结 | 第80-82页 |
| 第五章 考虑加入松弛时间的公交时刻表协同设计优化方法 | 第82-110页 |
| 5.1 引言 | 第82-83页 |
| 5.2 考虑加入松弛时间的公交时刻表协同设计的数学模型 | 第83-89页 |
| 5.2.1 问题的描述与假设 | 第83-84页 |
| 5.2.2 符号定义 | 第84-86页 |
| 5.2.3 车辆在换乘站点的发车时间 | 第86-87页 |
| 5.2.4 不同类型乘客的等待时间 | 第87-88页 |
| 5.2.5 随机混合整数规划模型 | 第88-89页 |
| 5.3 模型分析和计算复杂性 | 第89-92页 |
| 5.3.1 模型特征 | 第89-91页 |
| 5.3.2 计算复杂性 | 第91-92页 |
| 5.4 嵌入局部搜索的改进遗传算法设计 | 第92-99页 |
| 5.4.1 遗传算法简介 | 第92-93页 |
| 5.4.2 染色体编码 | 第93-94页 |
| 5.4.3 初始种群的生成 | 第94-95页 |
| 5.4.4 适值函数 | 第95-96页 |
| 5.4.5 交叉操作 | 第96页 |
| 5.4.6 变异操作 | 第96-97页 |
| 5.4.7 精英保留策略 | 第97页 |
| 5.4.8 局部搜索策略 | 第97-98页 |
| 5.4.9 嵌入局部搜索的遗传算法总体实现过程 | 第98-99页 |
| 5.5 实验算例与结果分析 | 第99-108页 |
| 5.5.1 小规模算例与求解结果 | 第100-103页 |
| 5.5.2 针对小规模算例模型的有效性分析 | 第103-104页 |
| 5.5.3 不同类型乘客数对模型有效性的影响 | 第104-105页 |
| 5.5.4 针对不同规模算例模型的有效性分析 | 第105-107页 |
| 5.5.5 求解算法的性能分析 | 第107-108页 |
| 5.6 本章小结 | 第108-110页 |
| 第六章 多目标公交时刻表协同设计:模型,复杂性和方法 | 第110-140页 |
| 6.1 问题背景 | 第110-111页 |
| 6.2 多目标优化问题求解算法概述 | 第111-112页 |
| 6.3 多目标公交时刻表协同设计的数学模型 | 第112-116页 |
| 6.3.1 问题描述与假设 | 第112-114页 |
| 6.3.2 符号定义 | 第114-115页 |
| 6.3.3 数学模型 | 第115-116页 |
| 6.4 模型特征和计算复杂性 | 第116-122页 |
| 6.4.1 模型特征 | 第116-120页 |
| 6.4.2 计算复杂性 | 第120页 |
| 6.4.3 帕累托前沿 | 第120-122页 |
| 6.5 基于NSGA-Ⅱ的求解算法设计 | 第122-130页 |
| 6.5.1 NSGA-Ⅱ算法描述 | 第122-124页 |
| 6.5.2 染色体编码 | 第124-126页 |
| 6.5.3 解的评价与选择 | 第126页 |
| 6.5.4 交叉 | 第126页 |
| 6.5.5 变异 | 第126-127页 |
| 6.5.6 父代与后代种群合并 | 第127-128页 |
| 6.5.7 基于NSGA-Ⅱ的算法流程 | 第128-130页 |
| 6.6 实验算例 | 第130-138页 |
| 6.6.1 算例与参数设计 | 第130-132页 |
| 6.6.2 针对小规模算例算法的性能分析 | 第132-135页 |
| 6.6.3 针对实际公交网络算法的性能分析 | 第135-137页 |
| 6.6.4 发车间隔偏移量对帕累托解的影响 | 第137-138页 |
| 6.7 本章小结 | 第138-140页 |
| 第七章 总结与展望 | 第140-144页 |
| 7.1 论文工作总结 | 第140-141页 |
| 7.2 未来研究展望 | 第141-144页 |
| 参考文献 | 第144-156页 |
| 致谢 | 第156-158页 |
| 攻读博士期间发表和录用的论文 | 第158页 |
