[發(fā)明專利]一種基于遺傳算法的公交發(fā)車與車速調(diào)整優(yōu)化方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010116005.6
• 申請日: 2020-02-25
• 公開（公告）號: CN111340289B
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計）人: 雒興剛;吳國锠;張忠良;王允延;蔡靈莎;李晶
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26;G06N3/12
• 代理公司: 浙江千克知識產(chǎn)權(quán)代理有限公司 33246
• 代理人: 周希良

1.一種基于遺傳算法的公交發(fā)車與車速調(diào)整優(yōu)化方法，其特征在于，包括：

S1.獲取與公交單線路相關(guān)的數(shù)據(jù)信息；

S2.根據(jù)獲取到的數(shù)據(jù)信息預(yù)測客流量隨時間變化的信息，并確定建立優(yōu)化模型時所需的參數(shù)；

S3.根據(jù)所述確定的參數(shù)建立公交動態(tài)發(fā)車以及站間時速調(diào)整的優(yōu)化模型；

S4.通過遺產(chǎn)算法對所述建立的優(yōu)化模型進(jìn)行求解，得到公交車待發(fā)車輛的發(fā)車間隔和行駛車輛的站間速度的調(diào)度方案；

步驟S4具體包括：

S41.種群初始化：在編碼時，將發(fā)車時刻表轉(zhuǎn)化為發(fā)車間隔；

S42.適應(yīng)值函數(shù)：將染色體的適值等于所有候乘站點乘客的總等車時間；

S43.根據(jù)交叉算子方法得到新的線性組合公式；

S44.對發(fā)生變異的染色體中行駛車速部分的基因位進(jìn)行計算，得到所需結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的公交發(fā)車與車速調(diào)整優(yōu)化方法，其特征在于，步驟S1中獲取的數(shù)據(jù)信息包括路線與站點數(shù)據(jù)、公交車數(shù)據(jù)；所述路線與站點數(shù)據(jù)包括線路總長度、單線上設(shè)置的站點數(shù)量、相鄰站點間的距離；所述公交車數(shù)據(jù)包括單線上公交車的最大載客量。

3.根據(jù)權(quán)利要求2所述的一種基于遺傳算法的公交發(fā)車與車速調(diào)整優(yōu)化方法，其特征在于，步驟S2中建立優(yōu)化模型時所需的參數(shù)包括待發(fā)車輛數(shù)量、車輛在站點停車由于加速減速所需要的緩沖時間、乘客上下車所需的平均時間、車輛到達(dá)站點后乘客的下車比率、站點距離、公交公司要求的最大發(fā)車間隔和最小發(fā)車間隔、不同情景客流發(fā)生的情況。

4.根據(jù)權(quán)利要求3所述的一種基于遺傳算法的公交發(fā)車與車速調(diào)整優(yōu)化方法，其特征在于，步驟S3是通過最小化乘客總等車時間為目標(biāo)函數(shù)，建立的優(yōu)化模型。

5.根據(jù)權(quán)利要求4所述的一種基于遺傳算法的公交發(fā)車與車速調(diào)整優(yōu)化方法，其特征在于，步驟S3具體為：

S31.采集在周期范圍內(nèi)的公交車的運行過程和歷史數(shù)據(jù)，并建立相對應(yīng)的數(shù)據(jù)集；

S32.對建立的數(shù)據(jù)集進(jìn)行預(yù)處理，計算相對應(yīng)的中間變量；

S33.對優(yōu)化模型中的決策變量進(jìn)行決策；所述決策變量包括始發(fā)站的待發(fā)公交車輛以及所有公車的站間車速；

S34.對所述進(jìn)行決策后的優(yōu)化模型建立目標(biāo)函數(shù)；

S35.建立所述目標(biāo)函數(shù)的約束條件。