【正文】 ch assuming that demand is ad ditionally affected by headways, route spacing and fares. Finally, studies by Leblanc (1988), Imam (1998), Cipriani et al. (2020), Lee and Vuchic (2020)。然后，在過去的幾十年中，因為社會經(jīng)濟(jì)的增長以及對自由出行需求的上升，私家車擁有量上升，城市擴(kuò)張加劇，使人們在日常出行和運(yùn)輸中逐漸向私人交通工具轉(zhuǎn)移，減少了對公共交通的使用（ Sinha 2020。 Pucher et al. 2020）。對這樣一個公交網(wǎng)絡(luò)的一般被稱為公交躥紅網(wǎng)絡(luò)設(shè)計問題（ TRNDP）；它集中研究在執(zhí)行和資源限制下（如公交路線的長度和數(shù)量，允許的運(yùn)輸次數(shù)，可用的公車數(shù)量等），一系列代表著公交網(wǎng) 絡(luò)有效性的目標(biāo)的最優(yōu)化策略。它包括對路線輔設(shè)的設(shè)計和諸如頻率、車輛種 類等相關(guān)特點的決定。預(yù)期的運(yùn)輸覆 蓋面、中轉(zhuǎn)、期望的路線形狀和可用的資源通常決定了公交網(wǎng)絡(luò)的結(jié)構(gòu)。循環(huán)性是在運(yùn)輸頻率需求限制（最小和最大允許頻率分別決定安全和可忍受的等待時間）、所期望的運(yùn)載因素、車隊規(guī)模和可用性下，基于對沿線的乘客量預(yù)估（通過觀察法或是運(yùn)用流動分布計算方法）而決定的。例如， Fan和 Machemehl（ 2020）提出，研究者和從業(yè)者意識到系統(tǒng)和全面的方法對于設(shè)計經(jīng)濟(jì)實用的有效公交網(wǎng)絡(luò)是最為關(guān)鍵的。Chua(1984)對現(xiàn)存的公交網(wǎng)絡(luò)設(shè)計的各項 工作進(jìn)行了大量回顧，他發(fā)表了五種公交系統(tǒng)設(shè)計模式：一，手工的；二，市場分析；三，系統(tǒng)分析；四，帶有交互式圖表的系統(tǒng)分析；五，數(shù)學(xué)最優(yōu)化方法。 Spacovic 等人（ 1994）提出了一個矩陣組，并根據(jù)考量的設(shè)計標(biāo)準(zhǔn)、預(yù)期的目標(biāo)、網(wǎng)絡(luò)幾何以及需求特點對各研究進(jìn)行了分類。最后，在一系列近期的研究中， Fan 和 Machemehl（ 2020， 2020a,b）把 TRNDP方法分為實踐法、理想條件下的最優(yōu)分析模型、為解決實際問題的啟發(fā)性步驟。 “目標(biāo)層”在設(shè)計公交系統(tǒng)時把目標(biāo)總結(jié)在一起，如最小化系統(tǒng)成本，或是最大化服務(wù)質(zhì)量。 TRNDP：目標(biāo) 公共交通試圖用最低的執(zhí)行成本去扮演一個非常重要的社會角色。van Oudheudsen等 .1987。因為執(zhí)行成本的降低通常會帶來服務(wù)質(zhì)量的下降，這些目標(biāo)之間往往是相沖突的。 正如表 1（略）中所呈現(xiàn)的，大多數(shù)研究都在尋求總福利的最優(yōu)化，總福利是把用戶利益與系統(tǒng)利益結(jié)合在一起而言的。 如乘客舒適、中轉(zhuǎn)次數(shù)、利潤和運(yùn)輸力最大化、旅行時間最短化、能耗最小化就是這樣的目標(biāo)。 Yu和 Yang 2020)。解決 TRNDP的多目標(biāo)模型是基于對代表不同目標(biāo)的指標(biāo)的計算，分別從用戶和執(zhí)行者的角度，如對于用戶的旅行和等待時間，對于執(zhí)行者的運(yùn)載能力和執(zhí)行成本。這些考慮組成了 TRNDP的標(biāo)準(zhǔn)。 決定變量 TRNDP 最常見的決定變量是路線和運(yùn)輸頻率（見表 1）。 Kocur 和 Hendrickson 1982。 Chang和 Schonfeld 1983。但大多的方法或是運(yùn)用于理想的、不規(guī)律的網(wǎng)狀網(wǎng)絡(luò)，或是運(yùn)用于對所提倡的模型不重要的網(wǎng)狀結(jié)構(gòu)，因此完全不具體。但是，自十九世紀(jì)八十年代早期起，研究開始在為 TRNDP 建模中包括了彈性需求。 。在一系列的研究中， Chang和 Schonfeld等人把需求估計為就它們的彈性而言的、旅行時間和票價的一個直接的功能，而 Chien和 Spacovic 則使用同一種方法，假設(shè)需求是被間隔距離、路線分步和票價影響的。 Lee 和 Vuchic（ 2020）區(qū)分了兩種彈性需求：一，對交通的總需求不變，每種模式中的需求受公交服務(wù)的影響；二，對交通的總需求隨公交系統(tǒng)的運(yùn)作情況和模式而變化。 Spacovic 和 Schonfeld 1994）和公車種類（ Delle Site 和 Filippi 2020）。另一些研究考慮到了票價（ Kocur 和 Hendrickson 1982。 Byrne 和Vuchic 1972。另一組決定標(biāo)準(zhǔn)代表執(zhí)行環(huán)境（網(wǎng)絡(luò)結(jié)構(gòu)、需求特點和模式）、操作策略和規(guī)則、可用資源。相反，Bielli（ 2020）、 Chakroborty（ 2020）、 Dwivedi（ 2020）等人把各指標(biāo)歸納為一個總體的數(shù)值，作為決定最優(yōu)公交網(wǎng)絡(luò)的依據(jù)。甚至是如同一些學(xué)者（ Baaj 和 Mahmassani 1991。 Baaj 和 Mahmassani 1991。總福利最經(jīng)常被用戶和系統(tǒng)成本最小化所代表。根據(jù) Ceder 和 Wilson(1986)的觀點，總成本或是時間的最小化，或是消費(fèi)者剩余的最大化，是在建立公交網(wǎng)絡(luò)設(shè)計模型中最常被選擇的目標(biāo)。 Mandl（ 1980）指出，公交系統(tǒng)有許多不同的目標(biāo)要實現(xiàn)。理論提倡，在設(shè)計這樣一個系統(tǒng)時，所有研究同時著眼于服務(wù)和經(jīng)濟(jì)效益。最后，“方法層”包括規(guī)劃和解決 TRNDP 時所需要的邏輯數(shù)理框架和代數(shù)工具。在這一描述上，我們建議 一種為構(gòu)成 TRNDP方法的三層結(jié)構(gòu)（目標(biāo)、標(biāo)準(zhǔn)、方法）。 Russo（ 1998）采用了相同的分類方法，并指出數(shù)學(xué)模型保證了最優(yōu)的公交網(wǎng)絡(luò)設(shè)計但同時犧牲了對乘客代表和設(shè)計標(biāo) 準(zhǔn)的細(xì)化，同時，模擬模型解決了乘客行為但使用了啟發(fā)式步驟來獲得 TRNDP 解決方法。 Ceder 和 Wilson（ 1986）報告了之前對于 TRNDP 的研究，并區(qū)分了專注于理想的公交網(wǎng)絡(luò)的研究和專注于實際路線的研究，同時提出 TRNDP的主要特點包括了需求特性、目標(biāo)和限制、解決辦法。 公交路線網(wǎng)絡(luò)設(shè)計問題（ TRNDP）：概述 自十九世紀(jì)六十年代以來，對 TRNDP 已展開了大量的研究和檢測。 Black(1995)和 Vuchic（ 2020）的兩本手冊描述了供設(shè)計者在設(shè)計公交路線網(wǎng)絡(luò)時遵循的框架，包括：一，為該網(wǎng)絡(luò)設(shè)計目標(biāo)；二，定義執(zhí)行環(huán)境（馬路結(jié)構(gòu)，需求模式，特點）；三，發(fā)展；四，評估可選的公交路線網(wǎng)絡(luò)。期望的結(jié)果是符合所定設(shè)計標(biāo)準(zhǔn)的，在運(yùn)輸?shù)貐^(qū)內(nèi)的一整套聯(lián)接不同地點的運(yùn)輸路線。路線輔設(shè)的設(shè)計是由客流來引導(dǎo)的；路線是為產(chǎn)生流動需求的地點和 9 地區(qū)間（如住宅和活動中心）提供直接和間接的聯(lián)系而建立的（ Levinson 1992）。本文我們結(jié)構(gòu)地回顧了研究 TRNDP的方法；研究者將獲得評估為優(yōu)化 TRNDP模型的現(xiàn)存研究和未來研究方向的基礎(chǔ)，從業(yè)者也將得到公交網(wǎng)絡(luò)自動化設(shè)計的處理和潛在工具的詳細(xì)呈現(xiàn)，以及它們的特點、性能和優(yōu)點。 Vuchic 2020)。 EMTA 2020。本文系統(tǒng)地呈現(xiàn)和回顧了基于 TRNDP構(gòu)造中三個不同方面的研究：設(shè)計目標(biāo)，執(zhí)行環(huán)境因素和解決辦法。 the later meaning that demand is affected by the perfor mance and services provided by the public transportation work. Lee and Vuchic (2020) distinguished between two types of elastic demand: (1) demand per mode affected by transportation services, with total demand for travel kept constant。 Vaughan 1986), or rectangular grid road works (Hurdle 1973。 Spacovic et al. 1994。 Chang and Schonfeld 1991。 Byrne 1975, 1976。 Baaj and Mahmassani 1991。 (3) total welfare maxi mization。 and (6) mod els for simultaneously determining routes and frequencies. Spa covic et al. (1994) and Spacovic and Schonfeld (1994) proposed a matrix organization and classified each study according to design parameters examined, objectives anticipated, work geometry, and demand characteristics. Ceder and Israeli (1997) suggested broad categorizations for TRNDP models into passenger flow simulation and mathematical programming models. Russo (1998) adopted the same categorization and noted that mathematical pro gramming models guarantee optimal transit work design but sacrifice the level of detail in passenger representation and design parameters, while simulation models address passenger behavior but use heuristic procedures obtaining a TRNDP solution. Ceder (2020) enhanced his earlier categorization by classifying TRNDP models into simulation, ideal work, and mathematical pro gramming models. Finally, in a recent series of studies, Fan and Machemehl (2020, 2020a,b) divided TRNDP approaches into practical approaches, analytical optimization models for idealized conditions, and metaheuristic procedures for practical problems. The TRNDP is an optimization problem where objectives are defined, its constraints are determined, and a methodology is se lected and validated for obtaining an optimal solution. The TRNDP is described by the objectives of the public transportation work service to be achieved, the operational characteristics and environment under which the work will operate, and the meth odological approach for obtaining the optimal work design. Based on this description of the TRNDP, we propose a threelayer structure for organizing TRNDP approaches (Objectives, Par