基于蚁群算法的公交出行方案研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-13页 |
| 1 绪论 | 第13-18页 |
| ·研究背景 | 第13页 |
| ·研究现状 | 第13-15页 |
| ·公交出行广义费用理论研究现状 | 第13-14页 |
| ·路径选择算法国内外研究现状 | 第14-15页 |
| ·本文研究主要目标和内容 | 第15-18页 |
| ·研究目标 | 第15-16页 |
| ·研究内容 | 第16-18页 |
| 2 城市公交系统构成及网络描述 | 第18-29页 |
| ·城市公交系统构成及特点 | 第18-22页 |
| ·常规公交系统 | 第19-20页 |
| ·轨道交通系统 | 第20-21页 |
| ·快速公交系统 | 第21-22页 |
| ·几种公共交通特性对比分析 | 第22页 |
| ·城市公交系统网络描述 | 第22-29页 |
| ·图论基础 | 第22-23页 |
| ·公交网络特征 | 第23-25页 |
| ·城市公交网络数学模型 | 第25-27页 |
| ·城市公交网络拓扑结构 | 第27-29页 |
| 3 公交出行广义费用及决策模型研究 | 第29-36页 |
| ·出行相关理论分析 | 第29-31页 |
| ·出行心理分析 | 第29-30页 |
| ·出行决策机制分析 | 第30-31页 |
| ·出行决策的影响因素模型 | 第31-35页 |
| ·经济费用模型 | 第31-32页 |
| ·时间费用模型 | 第32-33页 |
| ·换乘费用模型 | 第33-34页 |
| ·舒适性费用模型 | 第34-35页 |
| ·公交出行广义费用模型 | 第35页 |
| ·公交出行决策模型 | 第35-36页 |
| 4 蚁群算法在公交出行方案问题中的应用 | 第36-61页 |
| ·常见最短路径算法分析 | 第36-38页 |
| ·常见最短路径算法 | 第36-37页 |
| ·传统算法不适合公交出行路径搜索的原因 | 第37-38页 |
| ·蚁群算法 | 第38-42页 |
| ·蚁群算法原理 | 第38-39页 |
| ·蚁群算法的系统模型 | 第39-42页 |
| ·蚁群算法的特点 | 第42页 |
| ·蚁群算法的参数分析 | 第42-50页 |
| ·初始信息素和启发信息分析 | 第43-44页 |
| ·蚂蚁数量分析 | 第44-46页 |
| ·启发信息系数分析 | 第46-47页 |
| ·伪随机比例因子分析 | 第47-48页 |
| ·更新系数分析 | 第48-50页 |
| ·解决公交出行方案问题的蚁群算法 | 第50-54页 |
| ·算法思想 | 第50-51页 |
| ·算法初始化及参数设置 | 第51页 |
| ·算法执行步骤 | 第51-54页 |
| ·算例分析 | 第54-61页 |
| ·输入数据 | 第55-56页 |
| ·模型参数 | 第56页 |
| ·算法参数 | 第56-57页 |
| ·数据结果分析 | 第57-61页 |
| 5 城市公交出行查询系统设计与实现 | 第61-68页 |
| ·系统总体设计 | 第61-65页 |
| ·系统目标 | 第61页 |
| ·系统总体结构及模块介绍 | 第61-62页 |
| ·开发方式选择 | 第62-63页 |
| ·相关类的设计 | 第63-65页 |
| ·系统实现 | 第65-68页 |
| 6 结论与展望 | 第68-70页 |
| ·结论 | 第68页 |
| ·研究展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录A | 第73-75页 |
| 附录B | 第75-78页 |
| 作者简历 | 第78-80页 |
| 学位论文数据集 | 第80页 |
