search query: @author Laine, Veera / total: 2
results-list
reference: 1 / 2
« previous | next »
Author:Laine, Veera
Title:Geneettiset algoritmit Helsingin joukkoliikennelinjastojen suunnittelussa
Genetic algorithms in public transport network design
Publication type:Master's thesis
Publication year:2010
Pages:82      Language:   fin
Department/School:Insinööritieteiden ja arkkitehtuurin tiedekunta
Main subject:Liikennetekniikka   (Yhd-71)
Supervisor:Luttinen, Tapio
Instructor:Blomqvist, Petri
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions
close

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark Aalto     | Archive
Keywords:combinatorial optimization
evolution method
public transport pöanning
route network planning
kombinatorinen optimointi
evoluutiomenetelmä
joukkoliikennesuunnittelu
linjaston suunnittelu
Abstract (eng): At the moment, optimization in route planning is almost non-existent because there are no useful tools for it.
Public transport network design (PTND) is based mainly on the experience of the planner, feedback from the passengers and operators and simple comparisons of identified route alternatives.
Aim of this study was to find out if genetic algorithms (GA) could be workable method in PTDN of Helsinki.

The principles of GA are those of biological evolution: cross-over, mutation and natural selection.
The idea is to create new route network generations while the evolution should discard the bad routes and enhance the better ones.
In the optimization only tram routes and bus routes inside Helsinki were modified although in the evaluation also trains, metro and buses over Helsinki border were taken into account.
Fitness of each route network candidate is estimated by its costs.
This is the sum of passengers' and operators' costs.

This master's thesis' first part consists of a literature review which discusses public transport planning and cost factors.
The second part consists of a research part where the steps of this work, results and further development suggestions are disclosed.

The program which made random changes to the route networks was written in C language.
Emme program made the trip placing.
In one generation 3 500 new route network candidates were made and altogether 40 generations were created.
As a result from Emme's trip placing, passengers' travel time and the number of transfers were calculated as well as operator's line kilometres, line hours and fleet size.

The results indicate that GA has great potential as an effective planning tool.
Total savings of 25.9 MEUR in a year were achieved, though almost all of it was addressed to passengers.
However, the program still needs further development.
For example constraints must be more thoroughly specified, costs should include environmental values and demand change by the optimization process.
This work will be further developed in Helsinki Region Transport Authority in cooperation Helsinki City Planning Department.
Abstract (fin): Työn tavoitteena oli testata, sopivatko geneettiset algoritmit Helsingin joukkoliikennelinjastojen suunnitteluun.
Tällä hetkellä linjastosuunnittelussa optimointi jää vähäiseksi, sillä toimivaa menetelmää sille ei ole.
Linjastojen suunnittelu perustuu pitkälti suunnittelijan kokemukseen, matkustajilta ja liikennöitsijöiltä saatuihin ja kerättyihin palautteisiin sekä muutaman vaihtoehtoisen linjan vertailuun.

Geneettisten algoritmien toimintaperiaatteeseen kuuluvat seuraavat evoluution avaintekijät: risteytys, mutaatio ja luonnonvalinta.
Periaatteena on tehdä useita uusia linjastosukupolvia ja evoluution pitäisi karsia heikommat linjat pois lisäten parempien määrää.
Linjaston hyvyyttä arvioitiin tässä opinnäytetyössä kustannusperusteisesti sekä matkustajan että liikennöitsijän näkökulmasta.
Muutokset tehtiin Helsingin sisäisiin raitio- ja linja-autolinjoihin.

Työ koostuu kirjallisuusselvityksestä, jossa esitellään joukkoliikennesuunnittelua ja kustannusten muodostumista sekä tutkimusosasta, jossa esitellään työn vaiheet, tulokset ja pohditaan miten ohjelmaa kannattaisi vielä kehittää.

Geneettisen algoritmin kokeilua varten tehtiin C-kielellä ohjelma, joka valitsi satunnaisesti linjoja, joita se risteytti ja mutatoi.
Uusia linjastoja tehtiin yhden sukupolven aikana aina 3500, joihin Emme-ohjelmalla saatiin matkojen sijoittelut.
Sijoittelussa mukana olivat kaikki Helsingin joukkoliikennemuodot.
Tulokseksi Emmen sijoitteluista saatiin matkustajien käyttämä aika, vaihtojen määrät, ajetut kilometrit ja tunnit sekä tarvittava vaunumäärä.
Sukupolvia tehtiin 40.

Tulokset osoittivat, että geneettisillä algoritmeilla on hyvät mahdollisuudet muodostua tehokkaaksi suunnittelun apuvälineeksi.
Vuositasolla säästöä saatiin yhteensä 25,9 milj. euroa.
Säästö kohdentui miltei kokonaan matkustajille.
Muutoksia ohjelmaan tarvitaan kuitenkin vielä melko runsaasti.
Mm. linjojen muotoon pitäisi kiinnittää suurempaa huomiota asettamalla enemmän rajoitteita, kustannuksiin tulisi ottaa myös ympäristöarvot huomioon ja kysynnän tulisi muuttua optimoinnin edetessä.
Geneettisiä algoritmeja linjastosuunnittelussa kehitetään jatkossa Helsingin seudun liikenne -kuntayhtymässä yhteistyössä Helsingin kaupunkisuunnitteluviraston kanssa.
ED:2011-01-20
INSSI record number: 41511
+ add basket
« previous | next »
INSSI