随着私家车保有量的逐年增加,城市交通拥堵现象变得更加严重,这就促使政府机构大力发展城市公共交通网络,以缓解交通拥堵问题。交通网络的大力发展,使得客流网络化特征逐渐显现,出行者不再局限于单一出行路线的选择,因此,乘客在交通网络中的出行路径选择行为发生了较大的变化。怎样选择一条即方便合理,又能够满足不同人群不同需求的出行线路,是城市智能交通系统(ITS)建设的重要组成部分,也是学者们研究的重要课题。本文通过分析和总结相关领域研究现状的基础上,针对城市公共交通多模式换乘方案,结合相关群智能算法,重点进行了如下几个方面的研究:第一,对换乘需求的多模式选择进行研究。综合考虑多种常用公共交通方式,分析城市公共交通网络的结构组成,建立公共交通网络出行换乘模型。利用蚂蚁寻食路径选择的行为特点,通过线路激素强度的更新机制,构建换乘次数模型、公交出行路径最优模型、出行时间模型和出行费用模型等多模型多模式的换乘方案,研究利用蚁群算法进行公共交通换乘搜索的方法,对乘客的出行进行主动而合理的引导,最大程度地方便乘客的出行,最终实现公共交通网络下居民出行的路径选择的最优化目标。第二,改进路径选择算法。在分析研究现有常用路径选择算法的基础上,本文将重点研究启发式群智能算法在交通路径选择中的应用。为克服蚁群算法易早熟、寻优速度慢等缺点,在蚁群算法(ACO)中引入与量子计算相关的一些原理,形成量子-蚁群算法(QACA)。量子蚁群算法以量子计算的理论和概念作为基础,在蚁群算法中引入量子旋转门技术,增加量子比特启发式因子,信息素釆用量子位编码,通过量子旋转门更新信息素,群体大小可自由调控,可增强算法寻优特性,它可以有效增加种群的分散性,全局搜索能力增强,算法的收敛速度加快,良好的并行性使其具有重要的应用价值和理论价值。第三,为了验证算法的有效性,本文首先以典型算例进行分析研究,通过实验结果的对比发现,利用量子蚁群算法进行交通网络换乘的研究,与典型的最短路径路由算法——Dijkstra算法相比,可以增加选择的多样性,也可以减少搜索的时间;与基本的蚁群算法相比,可以增加搜索最优路径的速度。最后,以松江区城区的公共交通线路为应用实例进行案例研究,结合案例得出指定任意两站点之间的换乘方案,进一步验证研究的可行性、有效性。本文的重点是对蚁群算法进行有效的改进,将量子计算方法引入蚁群算法中来,并应用到现有的公共交通网络中来,使搜索更加具有可行性和有效性。