摘要：为了提高地铁客流量预测的准确性,基于传统的PSO(粒子群优化)算法与BLS (宽度学习系统),提出一种新的地铁客流预测模型,即PSO-BLS算法。首先,对地铁站点的繁华程度、前一时段进站量、前一时段出站量及前一时段断面客流量等参数进行分析,并根据分析结果提出需要根据工作日和双休日分别对地铁客流量进行预测。其次,利用PSO算法对BLS的特征层偏置进行优化。最后,以福州地铁1号线AFC(自动售检票)系统中记录的大量乘客出行数据为例,对所提PSO-BLS算法进行验证。验证结果表明:与传统的地铁客流量预测算法BP(反向传播)神经网络和ELM(极限学习机)相比,PSO-BLS算法获得的计算结果在多项性能指标中均取得了较优异的表现;对BLS的特征层偏置进行优化可以提高BLS的计算精度,为地铁客流量预测提供更精确的计算结果。

摘要：为提高公共交通系统的吸引力,从公共自行车和公交车接驳的角度,提出以公交站点为中心的公共自行车选址及自行车道设置的网络构建问题。首先,建立以最大化满足用户需求量为优化目标的非线性优化模型,并与只考虑站点选址的传统模型进行比较分析;在分析问题基础上,构造基于问题特性的邻域结构和邻域解生成准则,并最终设计基于禁忌搜索的问题求解方法。通过MATLAB编程进行仿真实验测试大量算例,结果表明所设计算法能够高效地求解各类规模算例,并给出高质量的公共自行车网络构建近似最优方案;此外,敏感性分析实验为规划者制定决策方案提供参考依据。