快速公交调度算法与研究

论文摘要

随着我国城市化进程的发展,城市交通问题日益严重和普遍,已经影响了城市的生产和生活。如何解决交通问题已经成为人们关注的焦点。在这种情况下,智能交通系统(Intelligent Transport Systems, ITS)便成为解决这个问题的重要途径之一。我国ITS技术的快速发展,特别是近些年国内若干城市先进公交系统示范工程的建设与实施,支持智能公交调度决策的信息采集、发布技术趋于成熟,公交优先运行环境得到很好的改善。先进的公共交通系统APTS(Advanced Public Transportation System)是ITS的重要的子系统之一。APTS系统一般由公共交通管理调度系统、公交运行信息系统、快速公交系统(BRT)、先进安全公交车辆组成。BRT(Bus Rapid Transit)是APTS的重要组成部分。自2005年起,北京、杭州、昆明、合肥、济南、深圳、大连、常州和厦门等市已建成和正在建设BRT项目,并且大大缓解了城市的交通压力。公交调度是影响公交系统运行效率和服务水平的主要方面,是智能公交系统研究的核心内容。本论文是在研究ITS的基础上,认真学习了蚁群优化算法和遗传算法的基本知识,用混合蚁群优化算法的遗传算法解决快速公交车辆发车调度问题。公交车辆发车调度是公交调度的基本模式,本文以乘客等车时间成本最小和公交企业收益最大为目标,考虑最大和最小发车间隔、两个相邻的发车间隔以及满载率约束,以发车时刻为变量建立数学模型。本文在算法设计上,将遗传算法和蚁群优化算法混合使用。在遗传算法每次交叉运算后,从当前群体中找出最优染色体,可将其视为较优解,用蚁群算法来对其基因进行变异寻找更优秀的染色体。每个蚂蚁按选择概率函数选择路径,产生出一个新的染色体。如果新的染色体比原来较优的染色体适应度好,则保留；反之,不保留。当寻找到的较好的染色体数量达到群体规模时,停止寻找。这样,用蚁群优化算法指导遗传算法的变异运算,增强了变异运算的智能性。并以大连市快速公交为例,求得整个调度时期内的不均匀发车时刻表。如按得到的结果进行车辆调度,可以比目前实际采用的调度减少发车数量,节省成本,而不会影响乘客的出行。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 智能交通系统的基本概念
• 1.1.1 智能交通系统的产生
• 1.1.2 智能交通系统的组成
• 1.2 APTS的基本概念
• 1.3 快速公交系统（BRT）概述
• 1.3.1 BRT系统的组成
• 1.3.2 BRT系统的特点
• 1.3.3 BRT建设现状
• 1.3.4 发展BRT系统的必要性
• 1.4 快速公交车辆调度
• 1.4.1 国外公交调度研究
• 1.4.2 国内公交调度研究
• 第2章 遗传算法基础知识
• 2.1 遗传算法简介
• 2.1.1 遗传算法的产生与发展
• 2.1.2 遗传算法的基本思想
• 2.1.3 遗传算法的特点
• 2.1.4 遗传算法应用及今后研究的主要方面
• 2.2 遗传算法的基本实施步骤
• 2.2.1 遗传算法中的基本概念
• 2.2.2 遗传算法的基本步骤
• 2.2.3 遗传算法的应用关键
• 第3章 蚁群算法基础知识
• 3.1 蚁群算法基本原理
• 3.1.1 引言
• 3.1.2 真实蚂蚁的集体行为
• 3.1.3 人工蚂蚁
• 3.2 图理论
• 3.3 蚁群优化算法
• 3.3.1 蚁群算法描述
• 3.3.2 蚁群算法基本模型的特点
• 第4章 算法实现与结果分析
• 4.1 BRT车辆调度模型的建立
• 4.1.1 BRT下车辆调度优化数学模型基本假设
• 4.1.2 模型目标函数
• 4.1.3 模型约束条件
• 4.1.4 发车时刻模型
• 4.2 算法设计
• 4.3 实例应用
• 第5章 实时调度策略研究
• 5.1 实时调度策略概述
• 5.1.1 实时调度策略研究现状
• 5.1.2 实时调度策略
• 5.2 快速公交实时调度
• 5.2.1 模型建立
• 第6章 总结和展望
• 参考文献
• 致谢