专利名称：智能公交调度排班计算方法
技术领域：
本发明属于城市智能公共交通系统技术领域，具体涉及一种智能公交调度排班计算方法。
背景技术：
公交系统调度排班是保证公交系统正常运行的基本保证，公交智能排班是一类典型的运输排班组合优化问题，其求解具有一定的复杂性，对其研究一直是一个前沿研究课题。传统的公交排班研究方法主要采用数学解析、模拟仿真以及数学规划等方法，但是随着问题求解难度与问题求解规模的增加，传统方法遇到了极大地挑战，已不能保证目标解的精确性。
发明内容
本发明的目的是提供一种智能公交调度排班计算方法，能综合考虑公交公司与乘客间的综合利益，解决了传统公交排班算法在多目标、非线性问题求解中的不足。本发明所采用的技术方案是，一种智能公交调度排班计算方法，其特征在于，具体包括以下步骤首先，建立遗传算法的数学模型步骤I、制定假设条件如下同一线路车辆采用同一型号，公交车经过后无乘客滞留现象，车辆匀速行驶且进出站时间一定，每条线路运行时间一定，乘客到站服从均匀分布；步骤2、定义如下系统参数m :公交运行时段集(m=l，2，……，M)，M为线路运行时间段个数，S :线路车站编号(S=I,…s)，s为公交线路站点数，B :线路公交集(B=l，2，……b)，Atm m时段的发车间隔，Tni :m时段的时间长度，K :总发车次数，rmS M m时段，第s站乘客到达率，tmBS :第s站上车乘客乘坐第B辆车时的等待时间，P :—天平均载客量，L :线路总长度，Q :公交车能搭载的乘客数；步骤3、确定各参数与基本发车间隔A tffl之间的函数关系第m时段内的发车次数可以由(式I)计算得到Kffl = Tffl/Atffl (式 1)，一天运行中总的发车次数可以由(式2)计算得到
权利要求
1.一种智能公交调度排班计算方法，其特征在于，具体包括以下步骤 首先，建立遗传算法的数学模型 步骤I、制定假设条件如下 同一线路车辆采用同一型号，公交车经过后无乘客滞留现象，车辆匀速行驶且进出站时间一定，每条线路运行时间一定，乘客到站服从均匀分布； 步骤2、定义如下系统参数 m :公交运行时段集(m=l，2，……，M)，M为线路运行时间段个数， S :线路车站编号(S=l，…s)，s为公交线路站点数， B :线路公交集(B=I, 2,……b)， Atffl m时段的发车间隔， Tm m时段的时间长度， K :总发车次数， rmS M m时段，第s站乘客到达率， tBS :第S站上车乘客乘坐第B辆车时的等待时间， P :一天平均载客量， L :线路总长度， Q :公交车能搭载的乘客数； 步骤3、确定各参数与基本发车间隔间的函数关系 第m时段内的发车次数可以由(式I)计算得到 Km=VAtffl (式 1)， 一天运行中总的发车次数可以由(式2)计算得到 K = y, Km (式 2)， m = \ 第m时段，第S站乘客到达率可由(式3)计算Mms rms = —~ (式 3)， m 其中，Mms为第m时段第S站乘客数量统计， 乘客在某时段内第S站乘坐上第B辆车所花费平均时间表示为(式4) t=Ti * Atfll 12 (式 4), 每天乘客花费在等车上的经济损失可以表示为(式5) C乘客=” * E t Z [ rmS * ^iV1 ](式 5 )， m=l B=-I 5-1 VJ 其中，n为市民的平均每分钟的工资收入水平， 每天公交公司运营费用为(式6): h / /M (式 M=I , m 其中，y为公交每次运行公交公司的花费，将上述(式5)与(式6)两个约束条件分别乘以不同的加权因子a，将多目标优化转化为单目标优化，最终问题求解的目标函数为 其次，利用得到的数学模型设计遗传算法具体求解步骤，算法终止条件为当遗传代数Gen达到规定最大遗传代数 步骤4、获得线路客流历史统计信息，将其表示为矩阵A，A矩阵为M*s的二维矩阵，行向量表示某一时间段内各个站点的客流量数据，列向量表示同一站点在不同时间段内的客流统计信息； 步骤5、初始种群编码，编码采用便于操作的二进制编码方式编码，选取长度PRECI为4，则染色体编码长度为PRECI*M，选取种群规模POP为20 200，遗传代数Gen选取为50 100 a、生成种群规模为POP，染色体编码长度为PRECI*M的初始二进制编码种群InitPopBinary, b、利用二进制编码与实数间的转换公式=，将二进制编码种群 InitPopBinary转化为实数数组InitPop,其大小为P0P*M, C、求解矩阵A的列向量和,记为数组Num,数组大小为1*M,表示各个时间段内的客流统计， d、将数组Num排序,用其大小排列序号来调整初始InitPop与InitPopBinary,使其大小按照数组Num的大小顺序排列；步骤6、利用公式=声!计算各个 编码序列的适应度函数值f(t)； 步骤7、计算编码序列的选择概率，计算公式为g/w其中Fint(t)为第t 条染色体的选择概率，f(t)为第t条染色体的适应度； 步骤8、利用合适选择算子以一定的概率Psel选择适应度高的个体，形成子代种群SubPop ； 步骤9、利用较小的变异概率Pmig对子代种群SubPop进行变异操作； 步骤10、进行种群的重组，将子代种群中的适应度高的个体插入到初始种群中； 步骤11、利用上述步骤5中的c，d两个步骤对染色体进行重新的排序； 步骤12、检验是否达到算法终止条件的最大遗传代数，如果达到则执行下一步，否则返回步骤7 ; 步骤13、取得适应度最高的染色体编码，并通过公式~其转化 为实数，作为算法最终预测结果； 步骤14、以该发车间隔制定公交调度中的发车时刻表，结束。
全文摘要
本发明公开了一种智能公交调度排班计算方法，首先，建立遗传算法的数学模型，其次，利用得到的数学模型设计遗传算法具体求解步骤，算法终止条件为当遗传代数Gen达到规定最大遗传代数。本发明能综合考虑公交公司与乘客间的综合利益，解决了传统公交排班算法在多目标、非线性问题求解中的不足。
文档编号G06Q50/30GK102737356SQ201210194380
公开日2012年10月17日 申请日期2012年6月13日 优先权日2012年6月13日
发明者侯浩录, 吴坤, 郑莉平, 郭爱先 申请人:西安理工大学