智能公交车队调度与道路拥塞预测研究

摘要

随着世界城市化进程的发展，城市交通问题日益严重和普遍，已经深刻影响了城市的社会生产和社会生活。如何解决交通问题已经成为人们关注的焦点，而公共交通是城市居民生活的命脉，随着我国经济的快速发展和城市人口的不断增加，公共交通管理水平落后问题已经日益成为束缚我国城市发展的瓶颈，国内外经验表明，发展智能公共交通系统是提高公共交通管理水平的最有效途径。 论文根据目前我国公共交通的发展状况，以合肥市公共交通为研究背景，对其公共交通调度进行研究。通过对城市公交调度系统和调度特点进行了深入分析，结合时段客流量变化，建立合理的公交车辆发车间隔模型，并采用遗传算法实现公交车辆调度的初始方案。将智能化算法引入到公交车辆运营调度管理中，避免以往人工排班的繁琐性、盲目性，排班方案接近最优方案。公交初始调度方案基础上，分析研究了公交车辆态调度的实现方法，借助GPS定位技术不断地获得运行车辆实际运行信息，并结合动态调度策略，进行动态调整，最终实现动态调度的目的。据公交车载GPS采集的信息，进行分析建模，采用基于LM算法的：BP神经网络，完成了对公交车速的预测，利用预测的公交车速，可得知某段路是否拥堵，达到拥堵预测功能。

目录

文摘

英文文摘

声明

致谢

1引言

1.1论文的研究背景与意义

1.1.1课题研究背景

1.1.2课题研究意义

1.2智能公交系统国内外发展现状

1.3本文的研究工作

1.4论文安排

2基于遗传算法的公交静态调度

2.1公交调度问题的数据模型

2.1.1乘客的利益

2.1.2公交公司的利益目标

2.1.3公交调度的优化目标

2.2遗传算法

2.2.1遗传算法的基本概念

2.2.2遗传算法的特点

2.2.3遗传算法的基本运算过程

2.2.4目标函数优化

2.3基于遗传算法的公交静态调度的设计

2.3.1问题的描述

2.3.2编码方案

2.3.3确定适应度函数

2.3.4群体的初始化

2.3.5遗传算子的设计

2.3.6最优保留策略

2.4仿真结果

2.5公交车辆配车数研究

2.6小结

3城市公交动态调度方法的研究

3.1公交动态调度常用技术

3.1.1 GPS技术及其在公交系统中的应用

3.1.2通信技术在公交调度中的应用

3.2动态调度策略

3.3公交车辆动态调度方法及应用分析

3.3.1动态调度方法

3.3.2方法应用分析

3.4实验结果和分析

3.5本章小结

4公交车预测道路拥塞方法的研究

4.1神经网络的基本概念

4.1.1神经网络的发展历史

4.1.2神经元模型

4.1.3神经网络的分类

4.2 BP神经网络的结构

4.3 BP神经网络的学习

4.4算法的优化

4.4.1 LM算法的描述

4.4.2前向计算的矩阵形式

4.4.3权值修正

4.4.4 LM算法的具体计算步骤

4.5 BP神经网络结构设计

4.5.1训练样本集的准备

4.5.2数据的预处理

4.5.3公交车速预测的BP神经网络结构设计

4.6仿真

4.7结果分析

5总结

参考文献

附录A 遗传算法部分源程序

附录B BP神经网络预测源程序

硕士期间完成的论文