智能公交车辆调度系统的设计与优化

论文摘要

随着经济的快速发展,人们的生活水平得到了大幅度提高,使得私家车、公交车以及其他机动车辆的数量也随之增加,给城市交通带来了巨大的压力。为了解决这一问题,近年来世界各国都开始重视对交通系统的管理,并提出了智能交通系统的概念。针对公交车辆调度的现状以及所处的运营环境,本文基于对公交公司与乘客两方面利益的考虑,采用插值方法分析并定义了公交公司和乘客的满意度函数,并在此基础上建立了公交车辆调度的数学模型。公交调度属于多目标优化问题,在求解多目标优化问题上,与其他的优化算法相比,遗传算法具有自身的优势。然而遗传算法存在早熟等方面的局限性,为了改善遗传算法的局限性,本文对禁忌搜索算法进行分析。考虑到禁忌搜索算法具有自适应的优点,因此将其应用到遗传算法中,给出了一种基于遗传算法与禁忌搜索算法的混合优化算法。在该混合算法中,将禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造出新的重组算子和变异算子。该混合算法体现了遗传算法与禁忌搜索算法的优势互补,能够有效改善遗传算法的不足。本文采用智能算法来解决公交车辆的运营调度问题,寻找问题的最优解或者满意解,以形成合理的公交调度方案,指导公交公司更好的组织公交线路的运行。算法实验表明,在公交调度的优化过程中,遗传算法和混合算法都能够得到各自的最优解。与遗传算法相比,混合算法能够形成更加符合实际情况的公交车辆发车时刻表,能够更加有效地解决公交调度优化问题。最后,本文基于该混合算法实现了智能公交车辆调度信息系统。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 课题背景及意义
• 1.2 智能公交系统的热点问题及国内外发展状况
• 1.2.1 智能公交系统的热点问题
• 1.2.2 智能公交调度在国内外的发展状况
• 1.2.3 智能公交调度算法的发展状况
• 1.3 本文主要研究内容
• 第二章 公交调度问题的数学模型
• 2.1 公交调度问题
• 2.1.1 公交车辆的动态调度
• 2.1.2 公交车辆的静态调度
• 2.2 公交调度问题的分析方法
• 2.3 公交调度问题的数学模型
• 2.3.1 公交调度中乘客的满意度函数
• 2.3.2 公交调度中公交公司的满意度函数
• 2.3.3 公交调度问题的优化目标函数
• 2.4 本章总结
• 第三章 基于遗传算法的静态公交调度
• 3.1 遗传算法
• 3.1.1 遗传算法的基本思想
• 3.1.2 遗传算法的特点
• 3.2 遗传算法在静态公交调度中的应用
• 3.3 实验结果及分析
• 3.4 本章小结
• 第四章 基于遗传算法与禁忌搜索算法的混合算法的静态公交调度
• 4.1 禁忌搜索算法
• 4.1.1 禁忌搜索算法的基本思想
• 4.1.2 禁忌搜索算法的算法流程
• 4.1.3 禁忌搜索算法的特点
• 4.2 遗传算法与禁忌搜索算法的混合算法（GA-TS算法）
• 4.2.1 GA-TS混合算法的基本思想
• 4.2.2 GA-TS混合算法在静态公交调度中的应用
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 智能公交调度信息系统
• 5.1 智能公交调度信息系统的需求分析
• 5.1.1 获取需求并确定系统功能
• 5.1.2 系统功能需求分析
• 5.1.3 验证与确认需求
• 5.2 智能公交调度信息系统的设计与实现
• 5.2.1 系统目标设计
• 5.2.2 系统结构设计
• 5.2.3 数据库设计
• 5.2.4 系统实现的软硬件环境
• 5.2.5 典型模块的设计与实现
• 5.3 本章小结
• 第六章 结论
• 参考文献
• 附录A 附录内容名称
• 在学研究成果
• 致谢