1、公交時(shí)刻表是公交企業(yè)組織線路運(yùn)營(yíng)的具體作業(yè)計(jì)劃，指導(dǎo)著公交線路運(yùn)營(yíng)的全過(guò)程，是城市公交企業(yè)管理的基礎(chǔ)工作。公交IC卡刷卡數(shù)據(jù)和公交客流數(shù)據(jù)是城市公交規(guī)劃、運(yùn)營(yíng)調(diào)度和行車組織的基礎(chǔ)性數(shù)據(jù)。公交規(guī)劃和管理部門可以制定出相對(duì)科學(xué)的公交時(shí)刻表，從而降低公交成本，增加乘客出行方便性，優(yōu)化公交服務(wù)。
　　 首先通過(guò)對(duì)公交IC卡刷卡數(shù)據(jù)的選擇、篩選、統(tǒng)計(jì)和數(shù)據(jù)挖掘分析，建立基于公交IC卡的上車人數(shù)模型，基于公交IC卡的下車人數(shù)模型，基于Fis

2、her有序聚類的客流時(shí)段區(qū)間劃分模型。其中，通過(guò)對(duì)公交IC卡刷卡時(shí)間的系統(tǒng)聚類分析，得出公交IC卡刷卡時(shí)間聚類分組，將其與公交車到站時(shí)間進(jìn)行匹配，從而得出刷卡上車人數(shù)。通過(guò)對(duì)公交站點(diǎn)吸引強(qiáng)度和站點(diǎn)數(shù)量下車概率的分析和計(jì)算，得出乘客下車概率矩陣，結(jié)合線路的上車人數(shù)和公交車輛到站時(shí)間，進(jìn)而得出各站點(diǎn)各時(shí)段的下車人數(shù)。通過(guò)對(duì)線路客流類直徑和最小誤差函數(shù)的計(jì)算，結(jié)合公交實(shí)際運(yùn)營(yíng)特點(diǎn)，從而得出客流峰值的時(shí)段區(qū)間劃分。
　　 其次，結(jié)合北京

3、公交實(shí)際運(yùn)營(yíng)情況，以北京公交2線路為例，并在Matlab上編寫算法求解模型，得出各站點(diǎn)各時(shí)段的客流和公交客流峰值的時(shí)段區(qū)間的科學(xué)劃分。
　　 再次，以公交公司運(yùn)營(yíng)成本費(fèi)用和乘客等待成本費(fèi)用的加權(quán)最小值為目標(biāo)函數(shù)建立基于多目標(biāo)優(yōu)化的公交時(shí)刻表編制模型，綜合各種多目標(biāo)優(yōu)化算法特點(diǎn)，選擇遺傳算法、粒子群算法及其粒子遺傳算法分別優(yōu)化和解決這個(gè)模型，經(jīng)過(guò)優(yōu)化得出公交車輛發(fā)車間隔，接著參考公交公司規(guī)定的始末班發(fā)車時(shí)間，進(jìn)而得出公交發(fā)車時(shí)刻表

4、，并進(jìn)行優(yōu)化算法效果和總成本費(fèi)用的比較。
　　 最后做出實(shí)例分析，將乘客利益和公交公司的利益放于平等地位時(shí)，得出結(jié)果一：采用的遺傳算法、粒子群算法和粒子遺傳算法分別大約在第57代、第27代和第38代時(shí)適應(yīng)度函數(shù)曲線基本停止了變化和找到最優(yōu)解，與采用遺傳算法和粒子群算法相比，粒子遺傳算法不僅精度提高，收斂效率也明顯提高，證明了在這個(gè)公交時(shí)刻表編制模型中粒子遺傳算法相對(duì)于遺傳算法和粒子群算法的優(yōu)越性。得出結(jié)果二：采用遺傳算法、粒子群