基于实时客流数据的公交车辆调度优化研究

摘要

当今社会经济迅猛发展，人口和车辆不断增多，导致了城市交通堵塞。发展城市公共交通，特别是城市公交车是解决城市交通堵塞的有效途径。国内外很多学者研究城市公交车的调度优化问题，但由于过去信息采集设备落后，公交车调度优化所使用的客流数据大多是通过人工调查法获取的，而这种方法采集的客流数据具有严重的滞后性，已经不能满足当代智能公交发展的需求。
　　本文结合安徽富煌和利时有限公司研发的自动乘客计数(Automatic PassengerCounting，APC)装置，利用全球卫星定位系统(Global Satellite Positioning System，GPS)和通信装置，实现了实时客流数据的采集。
　　本文主要研究如何利用实时客流数据优化公交车调度时刻表。首先，通过APC装置采集客流数据，将客流数据匹配到对应站点上;其次，对客流数据进行统计分析，得到客流数据的时空分布不均衡特性和周期变化规律;再次，分析公交调度实际问题，以乘客等车损失成本最小和公交企业运营收益最大为目标函数，以车辆满载率和发车间隔为约束条件，建立了以发车时刻为决策变量的数学模型;最后，使用改进的遗传-模拟退火算法对模型求解，本文在算法的编码、选择和退火等操作上进行了改进，提高了算法性能，得出了更符合客流实际的非均匀发车时刻表。
　　本文通过实时客流数据得到的发车时刻表，可以同时满足乘客和公交企业的共同利益，更符合乘客的公交出行需求。

目录

声明

致谢

摘要

1 引言

1．1 研究背景和意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 论文主要研究内容

1．4 论文主要创新点

1．5 论文结构安排

2 关键技术介绍

2．1 自动乘客计数技术

2．2 全球卫星定位技术

2．3 移动通信技术

2．4 遗传算法

2．4．1 遗传算法概述

2．4．2 遗传算法优缺点

2．5 模拟退火算法

2．5．1 模拟退火算法概述

2．5．2 模拟退火算法优缺点

3 客流数据的采集和预处理

3．1 客流数据的采集

3．1．1 客流数据采集方式

3．1．2 客流数据采集方式比较

3．1．3 客流数据采集流程

3．2 客流数据的站点匹配

3．2．1 采集站点的经纬度数据

3．2．2 APC数据与GPS数据的时间匹配

3．2．3 APC数据的站点匹配

3．3 客流数据的统计分析

3．3．1 客流数据的不均衡特性

3．3．2 客流数据的周期变化规律

3．4 本章小结

4 基于实时客流数据的发车P"tN优化模型

4．1 问题分析与模型假设

4．1．1 问题分析

4．1．2 模型假设

4．2 符号定义

4．3 模型构建

4．3．1 目标函数

4．3．2 约束条件

4．4 模型汇总

4．5 本章小结

5 基于改进的遗传-模拟退火算法的模型求解

5．1 遗传-模拟退火算法

5．1．1 遗传-模拟退火算法概述

5．1．2 遗传-模拟退火算法流程

5．2 改进的GA-SA算法设计

5．2．1 编码

5．2．2 约束条件的处理

5．2．3 适应度函数

5．2．4 初始化种群

5．2．5 算子设计

5．2．6 模拟退火操作

5．2．7 降温函数

5．2．8 终止条件的判断

5．2．9 算法流程

5．3 基于改进的GA-SA算法的仿真实验

5．3．1 问题分析

5．3．2 参数设置

5．3．3 仿真实验结果

5．4 本章小结

6 总结

参考文献

作者简历

学位论文数据集