《基于遗传算法的公交调度研究》-毕业论文（设计）.docVIP

基于遗传算法的公交调度研究 摘要： 运营车辆的智能排班是公交车辆智能调度需要解决的问题之一。目前我国公交公司各车队的排班主要是依靠工作人员的经验手工进行排班，带有很大的盲目性、繁琐性，很难保证排班的结果在运营效率等方面是最优或接近最优，而将遗传算法应用到公交智能排班中是有效的方法。本文通过跟车调查客流量并结合改进的遗传算法确定发车间隔，并根据不同时令和高峰生成时刻表，提高了行车准点率，并在确保最低服务标准的情况下使公司利益最大化，体现了“以人为本”的理念。对实际的公交调度工作有一定的指导意义。 关键词：公共交通，发车间隔，遗传算法，调度 1绪论 1.1目的及研究意义 伴随着国民经济的飞速发展，城市人口日益膨胀，机动车辆相应急剧增加，城市交通运输的压力越来越大，环境污染加重。不论在发达国家还是发展中国家，这一瓶颈问题都日益突出。光靠修建道路已经不可能解决城市交通的问题。为解决这一系列问题，近年来各国都比较重视对交通系统管理和控制技术的研究和开发，致力于通信技术、自动化技术及计算机技术等现代高新技术来系统地解决路交通问题。目前中国大部分城市的公交营运服务还不能很好的满足乘客出行的要求。这主要是城市居民对高质量的公共交通服务的要求与落后的营运方式、调度模式之间存在着矛盾。现代城市的居民需要更准确和更快捷的出行参考信息，以满足自己出行的需要。而现在的公交调度营运模式无法满足出行居民的这种高的服务要求。 利用已有的城市交通调查数据和补充调查的公交出行数据，分别对不同的公交方式在不同价格水平下和不同的居民收入水平下的居民出行需求进行预测。在此基础上，对公交线网、线路公交方式配置、站点布置、发车间隔确定、票价等进行优化，并对城市公交线网、站点、发车间隔进行设计，从规划方面提高公交服务水平。由于公交线网结构复杂，所以建立的优化模型中变量数目多，并且多数公交优化问题可归结为NP．hard．问题，利用传统的优化方法(如：数学规划方法)很难求解。 遗传算法是一并行全局优化搜索算法，非常适合车辆调度这类大规模、离散问题的求解，具有良好的全局优化性能和鲁棒性，能快速有效得到车辆调度问题的最优解。运用遗传算法的智能化特征，有效地改善公交车辆的静态调度，提交车辆的运营效率。首先将公交车辆排班问题规划为解空间内的寻优问题，给出了合理的目标函数，然后针对公交排班的特点设计了遗传算法的各个环节，提出了一些新颖的策略和算法。实验结果表明，遗传算法对解决公交车辆持班问题是行之有效的 本论文根据济南市的相关公交数据确定合理的发车间隔，并结合改进的遗传算法根据不同的条件（早晚高峰、不同时令、）生成相应的时刻表。以13路公交车为代表，通过其线路客流生成相应的时刻表。展开对城市公交调度优化技术的研究，为公交企业科学合理运营决策提供帮助，促使公共交通运营组织有序进行，保障城市公交网络协调、稳定、有序的发展。因此，本论文的研究具有很强的现实意义和广阔的应用前景。 1.2国内外研究现状 发达国家对于公交调度优化研究很重视，而且开始研究的时间较早，已有大量研究成果和应用实例，主要体现在公交运营车辆调度相关信息的自动采集、运输处理和输出显示等几个方面。 （1）1993年英国的Malachy Carey研究了车辆的非准点到站分布，以及不同发车间隔下乘客到达分布，基于个体对费用、出行时间等因素的考虑研究了时刻表的制定问题1； （2）1995年美国的Adamski等运用SIMULINK仿真工具对处于准点控制、发车间隔控制、协同控制和随机控制四种调度控制模式下的公交线路运营状况进行了仿真研究[2]； （3）1998年Paolo DeUe Site等研究公交客运走廊上的调度优化模型，研究线路在不同的运营模式下(例如不同车型配置)的调度优化问题，优化的内容包括：公交客运走廊上的车型配置、发车频率和区间车的设置等[3]； （4）1999年美国的Maged Dessouky的等运用车辆跟踪技术研究了大间隔发车的公交车辆到站的延误分布，发现车辆的晚点与起始时间无关，为实时控制提供了一定依据[4]； （5）以色列的A．Ceder等人于1999年对最大一致性的公交时刻表做了研究，建立了多条公交线路协调发车的调度模型[5]。 （6）ChistosValouxis等人于2000年通过分析以出行费用最少为目标的车辆与司机的最佳组合问题，提出了一种快速的遗传算法，在希腊的几个运输公司得到了较好应用[6]； （7）2000年Shangyao Yah用多时空网络描述了城市间的长途客运的调度优化问题，并提出用拉格朗日遗传算法和流量分解算法求解此类问题的思路％美国的Randolph Han等于2001年提出以线路上固定的控制站对公交车辆到站时刻进行控制的自动控制策略，有效解决了控制信息传输的延误。上世纪80