城市公共交通系统研究.docVIP

城市公共交通系统研究 　　摘要：城市公交对城市经济发展和人民生活水平的提高起着非常重要的作用。但是随着城市规模的不断扩大，很多站点难以直达，且城市人口流动大，给出行人带来许多不便。该文根据影响公交出行的主要因素，得出公交出行的最优模型，建立一个公交换乘系统，可实现公交线路查询、站点查询、站点间换乘查询以及后台管理功能，使人们能在较短时间内得出最优的换乘方案。 　　关键词：最短路径算法；蚁群算法；C#；B/S结构；数据库 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)02-0494-03 　　Research of Urban Transit Inquiry System 　　LU Lei，ZENG Hui, LIU Yang 　　(Jiangxi College of Applied Technology，Ganzhou 341000, China) 　　Abstract: City bus plays a very important role to urban economic development and improvement of people’s living standard . But with the expansion of cities, so many people are brought inconvenience. Because many sites difficult to direct and urban floating population are foreigners. Based on the main factors affecting bus travel on existing public transport ,they obtained optimal model of bus travel. 　　Key words: shortest path algorithm; ant colony algorithm; C#; structure of B/S; database 　　“公交优先”的概念首先产生和应用于巴黎[1]。早在30年前，我国政府就发布了优先发展公共交通的产业和技术政策，但是由于我国基础差、底子薄，在交通结构转变过程中也处于劣势，有些城市甚至还出现了公交萎缩的尴尬局面[2]。 　　 1蚁群算法 　　1.1蚁群算法概述 　　蚁群算法（Ant Colony Algorithm,ACA）是由意大利学者M.Dorigo等人于20世纪90年代提出的[3]，是受自然界蚂群的觅食行为发展起来的随机有哪些信誉好的足球投注网站算法。 　　蚂蚁作为群体时，其高度结构化的集体行为让蚁群展现出超乎个体的特殊功能[4]。蚂蚁会在其经过的路线上释放一种特有的分泌物――信息素（pheromone）,使得在一定范围内的蚂蚁能够感知它的存在及浓度，进而向该物质浓度强的方向移动。因此某一路径上蚂蚁越多，信息素也就越多，强度也越强，后来的蚂蚁选择该路径的概率也就越大。蚁群表现出来的这种特性被学者们称为“群集智能”（Swam Intelligence,SI）[5]. 　　1.2蚁群算法模型 　　初始化相关参数信息[6]：m为蚂蚁的数量，p为城市数量，i为蚂蚁出发的城市，j为蚂蚁到达的城市，τij为边（i,j）路径上信息素强度，ηij（t）为城市间的启发函数，ρ为信息素挥发后的残留因子，α为在蚂蚁选择路径时信息素浓度的相对重要性,β为在蚂蚁路径选择时路径长度的相对重要性，allowedk为蚂蚁下一步允许选择经过的所有城市的集合[7]。tabuk为蚂蚁已走过的城市。allowedk={0，1，2，…，p-1}-tabuk。 　　j（t）表示t时刻第k只蚂蚁从城市i转移到城市j的概率 　　经过几个时刻，当蚂蚁k遍历完所有城市完成一次循环，需要用更新规则来更新相应路径上的信息素浓度。 　　τij(t+n)=ρ×τij(t)+Δτij(t) 　　(3) 　　Δτkij(t)为第k只蚂蚁在这次循环中在i,j城市之间路径上释放的信息素。 　　其中Q表示信息素浓度,LK为蚂蚁k所经过的城市的路径总长度。 　　 2相关技术综述 　　 2.1蚁群算法的基本流程 　　Step 1：设Nc=0，Nc为循环迭代次数，Nc=Nc+1 　　τij（0）= c，τij为每条路径上的信息素浓度，c为常数，Δτij=0。 　　Step 2：随机放置k个蚂蚁到起始点上（m为蚂蚁总数）。 　　Step 3：蚂蚁从起始点出发。 　　Step 4：Nc=Nc+1。 　　Step 5：将出发点的名称存入访问站点集合中的第一项，令k=1。 　　Step 6：读取访问站点集合