基于模糊遗传算法的智能公交调度系统研究

摘要

随着城镇化进程的快速推进，城市居住人口大量增长，给城市交通造成了很大的压力，积极发展公共交通是缓解城市交通压力的有效方法。近年来，智能公交系统成为交通领域研究的热点，运用GPS和GPRS等技术实现的电子站牌和车辆到站预报已在许多城市中投入使用。然而在车辆调度方面，大多仍采用依赖旧历史数据的静态调度方法，造成了公交资源的大量浪费，本文研究一种基于实时采集客流数据的动态公交调度模型，根据实时的客流和交通情况决策最优的发车间隔，同时兼顾乘客和公交公司的利益。
　　车辆动态调度是运用当前采集的客流数据决策下一时段的发车间隔，需要以进行短时客流预测为基础。利用公交客流数据具有周期性和突变性的特点，运用同期历史数据和实时采集的客流数据对车流情况进行短时预测。使用MATLAB的最小二乘支持向量机工具箱，对已知客流数据进行训练建立模型，然后将客流数据输入到模型中得到预测值。
　　采用模糊控制优化的遗传算法对发车间隔的数学模型进行求解。遗传算法自身有易早熟收敛等缺陷，用模糊逻辑控制对遗传算法进行改进。基本原理是根据进化的不同时期和种群的情况，运用模糊逻辑控制器产生适应当前种群的交叉和变异概率，作用于遗传算法的进化过程。改进后的算法在种群进化的进化前期和中期使种群保持良好的多样性，抑制早熟收敛;进化后期可保护接近最优解邻域的种群，加快收敛速度。
　　最后，以乘客等车时间最短和公交车满载率在一定范围内最高为限制条件建立目标函数，将预测客流数据、实时采集的车辆信息等数据输入到数学模型中，运用改进后的模糊遗传算法进行求解。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 论文主要研究内容及章节安排

第二章 基于最小二乘支持向量回归机的站点客流预测

2．1 统计学习理论基础

2．2 支持向量回归机

2．2．1 最优超平面和支持向量

2．2．2 支持向量回归机

2．3 最小二乘支持向量回归机的数学模型

2．4 短时站点客流预测

2．4．1 公交站点客流分析

2．4．2 用最小二乘支持向量机进行客流预测

2．4．3 预测结果及分析

2．5 本章小结

第三章 模糊逻辑控制优化的遗传算法

3．1 遗传算法的基本原理

3．1．1 标准遗传算法的要素

3．1．2 标准遗传算法的基本流程

3．2 模糊控制逻辑的基本原理

3．2．1 规则库的设计

3．2．2 模糊化和反模糊化

3．2．3 模糊推理

3．3 模糊逻辑控制优化的遗传算法

3．3．1 模糊控制输入变量的选择

3．3．2 模糊化和反模糊化的处理

3．3．3 模糊推理规则

3．4 FGA与GA的性能测试结果比较

3．5 本章小结

第四章 基于模糊遗传算法的公交车动态调度仿真及结果分析

4．1 公交车调度模型

4．4．1 公交车静态调度模型

4．4．2 基于站点客流预测的动态调度模型

4．2 决策模型求解及结果分析

4．3 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读硕士期间发表论文