文献综述（或调研报告）：
1、历史城区交通发展
历史城区交通问题备受关注，如空间格局不合理、内部道路与外围道路通行能力不匹配和支路与街巷密度大等[1]。叶茂[2]通过统计分析历史城区空间发展与土地利用特征，对比剖析了历史城区与非历史城区的异同。在此基础上提出了平衡交通供给与交通需求、实现交通规划与旧城更新相匹配和协调交通建设与风貌保护的基于保护优先的历史城区交通发展方向与对策。叶茂[3]结合扬州市通勤者出行调查数据，采用结构方程模型（SEM）对通勤者活动和出行相关特征进行建模分析，认为历史城区由于功能的混合性和公共服务相对完善，其活动特征和出行特征相对其他区域复杂和多样，对区外居住者也有较大的吸引力。叶茂[4]对影响历史城区内居民出行活动模式选择的因素进行了研究，发现个体出行者的性别、年龄、职业、有无小汽车和家庭电动自行车数量显著影响着出行活动模式的选择，而家庭人口数、有无学龄前儿童、家庭自行车数、有无摩托车及家庭收入对于历史城区居民出行活动模式选择的影响并不显著。
历史城区交通基础设施的改造建设受到自然地理、历史文物保护等诸多因素的约束。不同的学者提出的历史城区的交通发展策略大致相同，大多数从绿色交通、公交优先、打通微循环和保护历史城区文化的角度出发。叶茂[2]认为交通作为实现历史文化遗产价值传递的重要方式和载体，必须适应历史城区原有的空间肌理和遗产分布特征。孔哲[5]提出发展绿色交通是大城市历史城区改善和解决交通拥堵问题的必由之路。杨明[1]提出尊重、延续历史越来越成为解决老城区交通问题的唯一正确选择，精致城市、精细交通的构建将是发展主导方向。
2、公交站点规划模型与求解
Bagloee[6]设计了考虑乘客至站点的步行距离和OD需求的重力模型对节点权重进行计算，依照权重对站点进行筛选，选用聚类的方法，考虑300米的最小站间距建立候选线路集。Xiong[7]以最小乘车时间和最小步行时间为目标，将交通小区与公交站点相匹配，以乘客最小步行距离选择公交站点位置。Lownes[8]提出了穷举算法、建立停止规则筛选站点数量和禁忌搜索三种方法建立公交候选站点集。Nikolicacute;[9]设计了蜂群算法对线路起终点进行选择和进化，以线路起终点决定最终公交线路。
付颖娜[10]考虑微循环公交的类型及潜在需求确定线路布设区域，根据客流需求点选择重要公交站点，对需求点较密集的范围应用平面聚类选择最优站点。郭晨[11]以最小化乘客步行至集散点距离、选择道路服务水平较高的道路和减少公交车对道路交通流的影响为目标，从多个备选站点中选择每个服务小区的集散点；以优先服务特殊需求站点、乘客比例较高站点和保障公交300米覆盖率为原则，选择必然响应站点。
3、公交线路规划模型与求解
3.1 常规公交
Lin[12]以线路连通、避免线路子循环、最大线路长度和线路布局与覆盖率为约束条件，建立了以高服务覆盖率、低线路行程时间和低对现有道路服务水平的影响为约束目标的线网规划模型，运用TOPSIS算法进行求解。为使模型适应实际情况的变化，文章对节点出行需求、线路长度限制和最大出行时间在模型中引入模糊变量。Bagloee[6]提出了一种适用于大规模路网在合理时间内求解的公交线网规划模型，模型对公交线路按照接驳线路、局部服务线路和大规模服务线路进行分级，按照站点分类、起终点选择、初始线路布设、线路等级划分、确定服务频率的求解顺序，运用蜂群算法进行求解。Nikolicacute;[9]建立了以满足服务的出行需求量最大、换乘次数最少、出行耗时最短为优化目标的线网规划模型，模型不含有约束条件。通过贪心算法获得满足无需换乘的出行需求量最大的初始解，重新设计了蜂群算法，包含两种进行前向进化和后向进化的蜜蜂，对线路起终点进行优化，并以公交最短路作为线路路径，因此由于公交路径为起终点间最短路而存在局限性。Roca-Riu[13]提出了一种用于解决进入大城市的城市间服务的公交网络设计问题（BNDP）的双层模型，定义第一层的优化目标为降低用户和公交运营成本，在第二层模型中优化了用户的出行效率问题。文献采取了基于禁忌搜索算法的局部搜索方法对模型进行求解，通过测试证明算法的参数在算法的效率中起重要作用。Chu[14]提出了一种城市公交系统网络和时间表的同步规划问题的解决方法，创新了一种混合整数规划（mixed-integer programming, MIP）模型，并提出了并行分支和价格切割（parallel branch-and-price-and-cut, BPC）算法对模型进行求解，对其中的定价子问题通过聚合和贪婪算法进行求解。模型公式和求解算法的关键思想是用路线和调度模式表示公交车时刻表。与其余规划方法的比较表明，并行BPC算法优于使用现成的MIP求解器。Yao[15]提出了一种考虑了道路上的出行时间可靠性的公交网络优化模型，模型通过出行时间的方差对其随机性进行估计和表示，建立了一个鲁棒优化模型。模型以运输网络中的乘客出行效率最大为优化目标，定义并设计了禁忌搜索算法对模型进行求解。通过对小规模路网和中等规模路网的数值实例进行测试发现，该方法能有效提高公交网络的可靠性，减少乘客的出行时间。
蒋阳升[16]设计了广义可达性指标，同时考虑站点间可达性和站点可达性与实际客流需求的匹配程度，以二者之和最大为优化目标，在预先设定公交线路数量前提下采用遗传算法进行求解。王殿海[17]以车内座位数、公交车容量、乘客人数建立隶属度函数计算舒适度，以乘客平均舒适度最大为优化目标。徐光明[18]提出了上层规划为乘客成本和运营成本最小、下层规划为基于有效频率的策略均衡客流分配的双层规划模型，采用模拟退火算法对多条公交线路进行求解。华东升[19]建立用户出行成本最低和公交运营成本最低的双目标函数，对公交线路和发车频率进行确定。选用K最短路算法考虑约束条件生成公交路径集合，将公交线路的确定转化为集合覆盖问题进行研究，选用贪心选择策略和冗余列处理策略进行求解得到公交线路。陆洋[20]结合基于轨道交通的常规公交线路优化原则，以线路长度、线路重复系数及模型参考值等为约束条件，建立以公交出行时间成本为优化目标建立数学模型，并采用萤火虫算法对轨道-公交线路优化问题模型进行求解。
3.2 接驳公交
Xiong[7]以公交车头时距为约束条件，建立了用户出行成本和公司运营总成本最低为约束目标、公交线路位置和走向为约束条件的单条接驳公交线路规划模型，运用遗传算法对模型进行求解，并与深度优先搜索算法进行比较，认为遗传算法性能优于深度优先搜索算法。文章最后探索了乘客最大容忍步行距离对规划结果的影响。Yao[21]以最大容忍步行距离和车头时距为约束条件，建立了以高服务覆盖率、低线路行程时间为优化目标的单条公交环线规划模型，公交环线定位为接驳CBD地区的出行需求，选择NSGA-II算法进行求解。Chien[22]考虑确定服务区域中的主要接驳站（或中央商务区）的最佳接驳公交路线的问题。以地理条件、公交车容量和预算为约束条件，建立了以包括用户出行成本和公司运营总成本最低为优化目标的公交线路规划模型，对服务区域中的换乘需求或CBD地区出行需求进行接驳。模型考虑了交叉口延误、不规则的道路网模式、异构需求分布和现实的地理条件变化。随着道路网规模的增加，公交线路的数量急剧增加，因此文献提出了遗传算法进行求解，并通过实例说明，与应用穷举搜索算法得到的最优解相比较，所提出的遗传算法有效地收敛到最优解。Dhingra[23]提出了一种对城市大容量轨道交通站点进行接驳的公交线路的规划模型，模型分为两层，第一层基于最大和最小线路长度的准则，生成潜在线路的初始线路集，第二层通过为每个站点到线路终点间生成K个最短路，并围绕此类路径对可能的潜在路径进行搜索，通过遗传算法对所有可能的线路组合进行选择。对路径搜索提出了开放性搜索和选择性搜索两种搜索方式，通过在印度孟买的塔那市进行实例验证，发现开放性搜索在最小化目标函数值方面能取得更好的结果。
邢雪[24]考虑不同接驳站点在不同时间对轨道交通和交通出行起讫点之间的接驳需求建立多目标模型，选用粒子群算法对模型进行分析求解，比较了在轨道接驳需求下多种车队规模的调度线路、时刻安排状况，得到轨道线路邻近区域内接驳网络的优化调度。熊杰[25]以最大化路径需求潜力为目标建立目标函数，并兼顾路径旅行时间及圈点线路约束建立了求解一条圈点线路的数学模型，设计了一套路段交叉变异算法并利用遗传算法实现了模型的启发式求解。
3.3 灵活型公交
Yu[26]考察了出行者在中国城市使用灵活公交服务的意愿，约60％的受访者愿意使用灵活的公交服务。妇女、企业雇员以及受过高等教育和收入水平的人更愿意使用灵活的公交服务，并对具有固定线路但具有可达性高服务表现更高的偏好。Charlotte[27]以芝加哥地区为例，评估了对灵活的、需求自适应的公交服务的需求。实施了一项偏好调查，以识别潜在用户，设计灵活的运输模式。结果表明灵活公交的“在家”接送选项是非常理想的特征。Khaled[28]设计一种多模式服务，将固定路线服务与随机需求下的灵活运输系统相结合，同时考虑了运营商和用户的利益，设计了一种多模式服务。结果表明，多模式服务可以降低运营商和乘客的总成本，且两种服务的精确设计对总成本的影响显著。Qiu[29]提出了半灵活公交运行策略，以填补灵活公交服务与传统固定线路之间的差距。提出以乘客出行成本为评价标准，在浮动的出行需求下，与灵活型线路与固定线路的运行效果对比，证明了半灵活公交运营策略在郊区和乡村此类低需求区域能够取得更好的运营效果。Ceder[30]提出了固定可变线路、固定可变时间表、固定灵活运行方向和需求响应式之间不同组合方式的接驳公交服务模式，认为相比于可变的公交线路，固定线路的公交接驳模式由于具有明确方便的站点、无需提前预约和清晰的上下车站点而更具优势。
