Алгоритм муравьиных колоний для задачи проектирования рациональных маршрутных сетей городского пассажирского транспорта

Актуальность исследования обусловлена необходимостью оптимизации стихийно сложившихся маршрутных сетей городского пассажирского транспорта. Эффективное решение данной проблемы - применение систем поддержки принятия решений. Однако автоматизация подобных задач требует проведения научных исследований с целью получения эффективных алгоритмов, пригодных для использования на практике. Целью работы является предложение новой модели оптимизации системы городского пассажирского транспорта, позволяющей учитывать противоположные интересы её участников, и адаптация метаэвристического алгоритма муравьиных колоний к задаче проектирования маршрутных сетей городского общественного транспорта. Тестирование предложенной модели и алгоритма проводилось на двух наборах данных. Первое тестирование позволило оценить работоспособность алгоритма и модели на простой сети; второе тестирование позволило оценить эффективность работы алгоритма и модели на реальной маршрутной сети города Томска (Россия). Полученные результаты показали, что оптимизированная маршрутная сеть города является более эффективной по сравнению с существующей за счет сокращения количества пересадок и времени, проводимого пассажирами в пути.

городской пассажирский транспорт, маршрутная сеть, проектирование, оптимизация, оптимизационная модель, метаэвристические алгоритмы, алгоритм муравьиных колоний

1. Горев А.В. Основы теории транспортных систем: учеб. пособие / СПбГАСУ. - СПб., 2010. - 214 с.

2. Кочегурова Е.А., Мартынова Ю.А. Оптимизация составления маршрутов общественного транспорта при создании автоматизированной системы поддержки принятия решений // Известия ТПУ. - 2013. - Т.323, № 5: Управление, вычислительная техника и информатика. - С. 75-78.

3. S. Goss, S. Aron, J.L. Deneuborg, Self-organized shortcuts in the Argentine ant // Naturwissenshaffen. - vol. 76, 1989. - P. 579-581.

4. M. Dorigo, Optimization, learning and natural algorithm, Ph.D. thesis, Politecnico di Milano, Italy, 1992.

5. M. Dorigo, Th. Stützle, Ant Colony Optimization, 2004. Massachusetts Institute of Technology, 306 pp.

6. Корягин М.Е. Равновесные модели системы городского пассажирского транспорта в условиях конфликта интересов. - Новосибирск: Наука, 2011. - 140 с.

7. Zhongzhen Ya., Bin Yu, Chuntian Ch. Parallel ant colony algorithm for bus network optimization // Computer-Aided Civil and Infrastructure Engineering. - 2007. - 22. P. 44-55.

8. Кочегурова Е.А., Мартынов Я.А., Мартынова Ю.А., Фадеев А.С. Получение матрицы пассажирских корреспонденций на основе данных электронных карт // Системы управления и информационные технологии (Перспективные исследования). - 2013. - №4(54).

9. Yu B., Yang Z. Optimizing bus transit network with parallel ant colony algorithm // In Proceedings of the Eastern Asia Society for Transportation Studies. - 2005. - 5. P. 374-389.

10. Васильева А.Н., Мартынов Я.А., Мартынова Ю.А. Получение массива отправлений пассажиров городского общественного транспорта на основе данных электронных карт // Молодёжь и современные информационные технологии: сборник трудов XI Международной научно-практической конференции студентов, аспирантов и молодых учёных, Томск, 13-16 ноября 2013 г.