Plánování linek veřejné dopravy pomocí evolučních algoritmů

Abstract

Problém plánování veřejné hromadné dopravy se často dělí na více kroků. Tato práce se zabývá problémem plánování linek, tedy tím, jak najít trasy a frekvence linek takové, aby uspokojily potřebu cestujících a měly nízké náklady. Problém detailně specifikujeme včetně toho, že požadavky cestujících se mohou měnit v čase, rozlišujeme různé druhy dopravy a uvažujeme kapacity vozidel. Problém formulujeme jako vícekriteriální opti- malizaci se dvěma kritérii, kvalitou pro cestující a cenou, a řešíme ho pomocí evolučních algoritmů. Používáme algoritmus NSGA-II a navrhujeme vlastní reprezentaci jedince (do- pravního systému) a evoluční operátory přímo pro tento problém (např. křížení jedinců s různými počty linek). Jedince testujeme pomocí diskrétní simulace, díky čemuž můžeme počítat kritéria z detailních údajů. Navržené řešení implementujeme a řešíme problémy jako implementaci diskrétní simulace, hledání cest pro cestující a výkon. Provádíme dva experimenty: optimalizaci existujících linek a plánování nových linek od nuly. Průběh a výsledky optimalizace analyzujeme a diskutujeme. Výsledky experimentů ukazují, že v těchto případech navržený evoluční algoritmus funguje.

The problem of public transport planning is often divided into multiple steps. This thesis addresses the line planning problem, i.e., how to find the routes and frequencies of lines so they meet passengers' demand and have low costs. The problem is specified in detail, including passengers' demand changing over time, different modes of transport, and considering vehicle capacities. We formulate the problem as a multi-objective opti- mization with two objectives: convenience for passengers and costs. We use evolutionary algorithms to solve the problem, specifically using NSGA-II algorithm and proposing a custom representation (of a transport system) and evolutionary operators for this prob- lem (e.g., crossover of individuals with a different number of lines). The individuals are evaluated using a discrete-event simulation, so the objectives can be calculated from detailed data. We implement the proposed solution and discuss problems like the sim- ulation implementation, searching for passengers' paths, and performance. We conduct two experiments: optimization of existing lines and planning new lines from scratch. The progress and results of the optimizations are analyzed and discussed. The results show that, in these cases, the proposed evolutionary algorithm works.