基于模糊遺傳算法的智能公交調度系統(tǒng)研究.pdf

1、隨著城鎮(zhèn)化進程的快速推進，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)成為交通領域研究的熱點，運用GPS和GPRS等技術實現(xiàn)的電子站牌和車輛到站預報已在許多城市中投入使用。然而在車輛調度方面，大多仍采用依賴舊歷史數據的靜態(tài)調度方法，造成了公交資源的大量浪費，本文研究一種基于實時采集客流數據的動態(tài)公交調度模型，根據實時的客流和交通情況決策最優(yōu)的發(fā)車間隔，同時兼顧乘客和

2、公交公司的利益。
　　車輛動態(tài)調度是運用當前采集的客流數據決策下一時段的發(fā)車間隔，需要以進行短時客流預測為基礎。利用公交客流數據具有周期性和突變性的特點，運用同期歷史數據和實時采集的客流數據對車流情況進行短時預測。使用MATLAB的最小二乘支持向量機工具箱，對已知客流數據進行訓練建立模型，然后將客流數據輸入到模型中得到預測值。
　　采用模糊控制優(yōu)化的遺傳算法對發(fā)車間隔的數學模型進行求解。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行改進?；驹硎歉鶕M化的不同時期和種群的情況，運用模糊邏輯控制器產生適應當前種群的交叉和變異概率，作用于遺傳算法的進化過程。改進后的算法在種群進化的進化前期和中期使種群保持良好的多樣性，抑制早熟收斂;進化后期可保護接近最優(yōu)解鄰域的種群，加快收斂速度。
　　最后，以乘客等車時間最短和公交車滿載率在一定范圍內最高為限制條件建立目標函數，將預測客流數據、實時采集的車輛信息等數據輸入到數學模型中，運用改進后的模糊遺