基于模糊遺傳算法的智能公交調(diào)度系統(tǒng)研究.pdf

1、隨著城鎮(zhèn)化進(jìn)程的快速推進(jìn)，城市居住人口大量增長，給城市交通造成了很大的壓力，積極發(fā)展公共交通是緩解城市交通壓力的有效方法。近年來，智能公交系統(tǒng)成為交通領(lǐng)域研究的熱點(diǎn)，運(yùn)用GPS和GPRS等技術(shù)實(shí)現(xiàn)的電子站牌和車輛到站預(yù)報(bào)已在許多城市中投入使用。然而在車輛調(diào)度方面，大多仍采用依賴舊歷史數(shù)據(jù)的靜態(tài)調(diào)度方法，造成了公交資源的大量浪費(fèi)，本文研究一種基于實(shí)時(shí)采集客流數(shù)據(jù)的動(dòng)態(tài)公交調(diào)度模型，根據(jù)實(shí)時(shí)的客流和交通情況決策最優(yōu)的發(fā)車間隔，同時(shí)兼顧乘客和

2、公交公司的利益。
　　車輛動(dòng)態(tài)調(diào)度是運(yùn)用當(dāng)前采集的客流數(shù)據(jù)決策下一時(shí)段的發(fā)車間隔，需要以進(jìn)行短時(shí)客流預(yù)測為基礎(chǔ)。利用公交客流數(shù)據(jù)具有周期性和突變性的特點(diǎn)，運(yùn)用同期歷史數(shù)據(jù)和實(shí)時(shí)采集的客流數(shù)據(jù)對車流情況進(jìn)行短時(shí)預(yù)測。使用MATLAB的最小二乘支持向量機(jī)工具箱，對已知客流數(shù)據(jù)進(jìn)行訓(xùn)練建立模型，然后將客流數(shù)據(jù)輸入到模型中得到預(yù)測值。
　　采用模糊控制優(yōu)化的遺傳算法對發(fā)車間隔的數(shù)學(xué)模型進(jìn)行求解。遺傳算法自身有易早熟收斂等缺陷，用模糊

3、邏輯控制對遺傳算法進(jìn)行改進(jìn)?；驹硎歉鶕?jù)進(jìn)化的不同時(shí)期和種群的情況，運(yùn)用模糊邏輯控制器產(chǎn)生適應(yīng)當(dāng)前種群的交叉和變異概率，作用于遺傳算法的進(jìn)化過程。改進(jìn)后的算法在種群進(jìn)化的進(jìn)化前期和中期使種群保持良好的多樣性，抑制早熟收斂;進(jìn)化后期可保護(hù)接近最優(yōu)解鄰域的種群，加快收斂速度。
　　最后，以乘客等車時(shí)間最短和公交車滿載率在一定范圍內(nèi)最高為限制條件建立目標(biāo)函數(shù)，將預(yù)測客流數(shù)據(jù)、實(shí)時(shí)采集的車輛信息等數(shù)據(jù)輸入到數(shù)學(xué)模型中，運(yùn)用改進(jìn)后的模糊遺