时间不定，仅遵守“坐满就走”和司机的主观意愿，使乘客没有“等车”概念。 （4）出行时间规律。校园作为一个小型的综合功能区，其对交通的需求有着自身的特点，如学生出行时间比较集中，出行高峰主要集中在早中晚，周末出行已于平时。以往文献对此研究内容较少。[1]
对我校师生出行的一般规律进行分析。为获得第一手数据，通过设计调查问的形式[详见附录2]，在××学院11级及××专业四个年级，对学生在一定时间段、一定建筑物间是否会乘坐校车进行调查，以此反映本校实际情况，并结合查阅其他院校对相关情况的调查结果，得出教职工及学生出行的规律。
根据调查结果，学生日常出行的高峰值在上下课时间和两大节之间需要换教学区上课的情况，晚上出行几率大于白天。这是一次取样调查，样本容量Ω，愿意乘坐校车人数为y，定义乘坐比例b，则
b=y/Ω。
由于调查对象为某工科学院的一个年级的7个专业和某工科专业四个年级，其上课情况不同导致往返教学区的情况不同，所以需要分别分析。通过对菁园居住学生的了解可知菁园学生的院系分布为：理科两个（数统、物理，约1200人），工科三个（建工、生物、材料，约6800人），艺术学院（约1800人），体育学院（约400人），少量文科学院大三大四年级（约500人），部分研究生。为防止实际人数偏少导致车辆空载，对总人数进行保守估计为10000。
在全部人中，有自行车的学生一般不会选择坐校车，可以忽略。根据前文，结合我校实际情况，假定我校70%学生有自行车。
根据情况不同取不同的学生群体为研究对象，设研究对象数量为N，设在该时间段往返于所述区间的天数占工作日的比例为频率f。定义一个量为m（作为乘客来源的）目标人数，可根据概率知识推导出：
m?30%Nf
早高峰流量从7:00开始，人流量增加，增加幅度随时间延续递增；至8:55开始下降，下降幅度随时间延续递减。其中，菁园-公教（公共基础课）取研究对象为菁园全体学生，频率为每周三次。菁园-工科（工科专业课）主要针对理工科学院大三大四学生，频率为每周一次。菁园-文科（英语课、文科专业课）主要针对菁园所有大一大二年级学生及文科学院大三大四学生，频率为每周一次。
课间高峰流量从9:40-10:00，是由上课地点在不同教学区造成的，针对所有专业大二大三学生及教师。
午高峰流量从11:00-12:20，主要针对理工科学院和文科学院高年级学生从工科-食堂，文科-食堂。
下午高峰流量与上午类似。由于上课时间充裕，上课高峰流量有所下降；由于课间时间较短，课间流量上升；由于晚上选择区校外吃饭的人较多，下课高峰流量有所上升。
菁园所有学生在一定时间一定区间乘坐校车的人数为：
n=mb.
由此可得在一定时间段往返一定区间人数，将其分为早高峰、课间高峰、下课高峰三类，
4
分别求和，获得范围内乘车人数。
在一定时间段往返一定区间人数统计 往返地点 乘坐比例b 目标人数m 乘车人数n 合计
早菁园-公教 0.097 1800 175
高 366 菁园-工科 0.325 240 78
峰
0.343 330 113 期 菁园-文科
课公教-工科 0.041 240 10
间62
公教-文科 0.097 330 32 高
峰 工科-文科 0.082 240 20
下工科-食堂 0.216 240 51
课119 文科-食堂 0.175 33 58
高
0.041 240 10 峰 工科-校门
路线走向：根据上文对校师生出行的一般规律进行分析，将校车一天内运行时间根据乘客数量分类。
1、平稳期。此时各点间人员流动视为均衡的，因此可以将之近似看做针对任意两点间的最短路线问题，根据“交通情况”中建立的各个定点，通过Excel软件对任意两点间最短道路长度与该路段平均速度作比，得到对应路段的平均行驶时间，即任意到达任意两点间的最短时间，并以此为基础利用Floyd算法，以行驶时间为权重，建立各点对应的权重矩阵D，即
?d11?dD=?21????d111
d12??d112d111??0?81?d211??=?????????d1111????5
81???????? ???????0?
其中dij表示点i到j的时间。当dij=?时，表示i点与j点不直接相通。以此为基础建立图论模型。
图论模型求解：
直接在图的带权邻接矩阵中用插入顶点的方法依次构造出各点间最短时间矩阵
D1。
k Floyd算法基本原理是动态规划，设dij为从i到j的只以（1?k）集合中的节点
为中间节点的最短时间，若最短路径经过点k，则：
kk?1k?1 dij=dik+dkj kk?1若最短路径不经过k，则： dij=dij
kk?1k?1k?1?dkj因此有： dij=min(dij,dik)
把邻接矩阵D作为Floyd算法的输入矩阵，程序输出各点间的最短距离矩阵D1。程序代码见附录。程序输出如下：
?0?81??140??108?162?D1=?185?132??182?205??163??243810593689113166141164203208140108162185132182205163243?593689113166141164203208??0959672198148128235172??9505377130105128167172?96530231025275139119??72772301267556162100? 1981301021260507337117??1481055275500228767?12812875567322011044??2351671391623787110074??1721721191001176744740?
2、早高峰期。由对本校师生出行的一般规律进行分析可知，这个时期乘坐校车人群主要集中在从菁园到三个教学区的路段区间内，可以将之视为从某个顶点到其他所有顶点的最短路问题。该问题是网络优化中的一个基本问题设D=(V,A,我)是一网络，P是
vi到vj得路，定义P上各弧权得和为路P的权，记作w（P），即
w(P)??wa( )a?Pw(Pij),若Pi为jv到ivj的最短路定义vi到vj的距离 d(vi,vj)?{
?,若不存在vi到vj的最短路
6
在wij?0的条件下，Dijkstra算法最为简单有效。[2]
Dijkstra的算法的基本步骤为：先给v1记P标号，d11?0，给与v1相邻的点vj（要求(v1,vj)?A记T标号l(vj)?w1j，其余各点的T标号是?。其次，去T标号中最小者，譬如是l（vk)，把vk的T标号改为P标号，即令d1k?l(vk)，以vk为基点，根据下式重新计算与vk相邻且(vk,vj)?A的各点的T标号。
l'(vj)?min{v(vj),d1k?wkj}
即将定点vj原来的T标号与d1k?wkj相比，较小者为vj新的T标号。
T标号修改过后，再次从中找出最小的，重复上述过程，一旦所有的、定点都为P标号（无法标记的除外），就得到了d1j，逆向追踪，可知v1到各vj的最短路。
使用Dijkstra算法推导该问题的结果如下[详见附录3]：
962575487x24364403721274x71183x81601434x9x6351932x5927x42602604870x0570570x1410980x3
图中x0,x1?x9依次表示菁园、二食堂、一食堂、公教四区、文科一号、校大门、公教3区、文科二号、图书馆、工科楼、德园。
3、课间高峰。由出行规律，该时段师生流动情况主要集中在三个教学区两两之间的道路区间。即4→10→8，由Floyd算法可得，4→8最短时间105s，4→10最短时间
7
167s，10→8最短时间87s。因需求量远大于一次运载量，下课时间应有一辆车分别发往另外两个教学区。至少需要六辆车完成这一过程。
4、下课高峰。主要集中在工科到食堂和文科到食堂。
站点设置：根据普遍规律，学生在步行距离小于500米时通常不会选择乘车。根据对学生出行的实际情况分析，得出如果不将电瓶车站点设置在目的地，将为师生带来极大的不便，既造成了满意是度的损失，又引起经济损失。因此，在一般情况下，我们直接将站点设置在目的地。一般目的地为人群数量集中区。
然而，对于全校师生，其集中形式是不同的，主要分为以二食堂为代表的点集中和以菁园为代表的面集中。因此，我们除了需要根据上文结论，在最短路径上的点集中区设立站点，还需考虑面积较大、人群分布较广且道路通畅的面集中区，主要为菁园、工科组团，可延伸考虑到德园。需要在前面基础上进行模型优化。
站点站点站点站点站点站点站点站点站点站点站点
1、对菁园道路与建筑布局进行分析与合理规划，将宿舍门出设为点。在设计路
8