论文部分内容阅读
摘要：在进行公交智能调度工作中，需要加强对改进遗传算法的有效了解和认识，从不同的角度构建完整性的数学模型，并且优化其中所涉及到的公式以及函数，全方位的提高公交调度优化的效果以及水平，之后再通过仿真模型的构建，为后续公交智能调度指明正确的方向。本文论述了改进遗传算法在公交智能调度中的具体应用，支撑实际工作的有序进行，提升系统的应用水平。
关键词：改进遗传算法;公交智能;智能调度
一、公交车辆调度的概述
在遗传算法背景下进行公交智能调度管理工作中，需要根据不同的组成部分优化其中的工作模式，从而起到重要的创新效果。公交车辆调度主要是针对一项可分解的运输任务，在一定约束条件下合理的安排使用的资源，并且明确先后的顺序，从而获得成本和时间的最优性调整。在实际实施过程中需要编制行车时刻表，这属于静态调度内容中，如果在某个路况信息中出现突发情况的话，那么要根据静态调度的内容进行修改，称为动态调度。在此过程中需要实现数据的不断更新以及调整，在传统调度模式中，是通过数学解析法和运筹学等方法来进行经验模型的构建，随着调度问题复杂性的不断扩大传统方式，已经无法满足实际工作需求和标准的作业，在实际工作中需要通过改进遗传算法来优化以往的工作模式。比如通过标准遗传算法来优化静态调度，通过蚁群思想来解决车辆优化调度中的问题，实现公交运营的最大化。在实际工作中需要全方位的了解实际公交运营调度的需求，建立最小目标，实现公交调度优化数据模型的有效构建，并且在遗传算法中融入创新性的思维，从而提升实际的工作效果。
二、基于改进遗传算法的公交智能调度
（一）问题的定义
为了使公交智能调度能够在实际中发挥其应有价值和效果，在实际工作中需要了解需要解决的问题，从而为后续工作科学实施提供重要的基础。公交系统属于公益性的事业，服务对象为社会上的人群，在实际调度工作中要充分的考虑企业本身的利益，还需要站在乘客的角度来进行日常的操作，并且还要秉承着乘客利益大于企业利益来进行有效的调度。公交调度要由公交公司和乘客两部分组成，为了追求各自的最大化效益，需要尽可能的调整其中的发车间隔和发车次数等等，从而使得单位车辆的上座率能够符合相关的标准，减少公交运营的成本。另外还需要为乘客提供更加便捷性的服务，优化公交调度的方案，从而使得公交服务水平能够得到全面提高，在实际工作中需要根据公交车辆驾驶运营时在乘客流量方面的不均衡變化规律，以最小值为主要的目标，采取发车间隔组合性的优化处理思想假设不同的前提。从而构成完整性的间隔优化模型，为后续公交运营调度提供重要的基础。
（二）数学模型的建立
在数学模型建立时，要根据不同的情况优化后续的工作内容，数学模型建立要反映真实社会中的一些对象，作出简化和假设，以问题抽象为主优化整个问题的模式。比如对于各个公交车站来说可以制作为同一个车型，同一时间段内向一辆车的发生时间间隔是平等的，在车辆运行时要满足相关的要求以及标准。在各时间段内，各个车站的客流量要进行经营性的分布，车站内的车辆运行速度要维持在恒定值，并且在运输中没有任何特殊事件的发生，出行者的消耗时间是固定的。公交车辆单位内运营成本要进行有效的固定，从而构建一体化的模型，为后续工作提供重要的基础。
（三）改进遗传算法
在改进遗传算法时，需要通过典型组合优化的方式来求解，在实际实施时可以构建可变的适应值函数，并且模拟退火算法的求解机制。公交调度问题从数学描述中可以了解能够间接的表达公交发车的间隔，在实际实施时需要建立分时段的间隔模型，将一天发划分为不同的时段，并且各个时段的发车间隔是相等的，通过不同的染色体来表示各个时间段的发车间隔，从而得到完整性的发车时间表。如果最大发生时间间隔为15分钟的话，那么最小发车间隔为5分钟，要精确到小数点的最后一位区间，长度要划分为100，从而进行有效的计算。另外在后续工作中还需要特别注意适应度函数，适应度函数主要是表示的是度量群体中，个体的适应能力在群体中是硬度较大的个体，要遗传到下一代中遗传算法要进行早期差异性的调整。在传统适应度函数计算时，所产生的概率和适用度值是成正比关系的，对于遗传算法后期来说，适用度要保持一致，优秀个体在后代中的优势并不是那么的明显，所以进化也处于滞后性的状态中。
结束语：
在当前公交车辆调度优化工作中，需要兼顾公交公司和乘客本身的利益，以两者为主要的目标，建立完善的公交调度模型，并且融入适度性的原则，改进遗传算法，通过静态调度和动态调度等两个方面进行仿真模型的构建，从而全面的解决在公交车辆调度工作中所产生出来的问题，提升公交运营管理的水平，促进公交行业的稳定发展。
参考文献：
[1]马雁， 王非， 周永年. 改进遗传算法在公交智能调度中的应用[J]. 科技通报， 2015， 000（009）：245-249.
[2]崔宝侠， 姚艳君， 段勇. 基于改进遗传算法的公交智能调度[J]. 沈阳工业大学学报， 2010（04）：48-53.
南京智慧交通信息股份有限公司
关键词：改进遗传算法;公交智能;智能调度
一、公交车辆调度的概述
在遗传算法背景下进行公交智能调度管理工作中，需要根据不同的组成部分优化其中的工作模式，从而起到重要的创新效果。公交车辆调度主要是针对一项可分解的运输任务，在一定约束条件下合理的安排使用的资源，并且明确先后的顺序，从而获得成本和时间的最优性调整。在实际实施过程中需要编制行车时刻表，这属于静态调度内容中，如果在某个路况信息中出现突发情况的话，那么要根据静态调度的内容进行修改，称为动态调度。在此过程中需要实现数据的不断更新以及调整，在传统调度模式中，是通过数学解析法和运筹学等方法来进行经验模型的构建，随着调度问题复杂性的不断扩大传统方式，已经无法满足实际工作需求和标准的作业，在实际工作中需要通过改进遗传算法来优化以往的工作模式。比如通过标准遗传算法来优化静态调度，通过蚁群思想来解决车辆优化调度中的问题，实现公交运营的最大化。在实际工作中需要全方位的了解实际公交运营调度的需求，建立最小目标，实现公交调度优化数据模型的有效构建，并且在遗传算法中融入创新性的思维，从而提升实际的工作效果。
二、基于改进遗传算法的公交智能调度
（一）问题的定义
为了使公交智能调度能够在实际中发挥其应有价值和效果，在实际工作中需要了解需要解决的问题，从而为后续工作科学实施提供重要的基础。公交系统属于公益性的事业，服务对象为社会上的人群，在实际调度工作中要充分的考虑企业本身的利益，还需要站在乘客的角度来进行日常的操作，并且还要秉承着乘客利益大于企业利益来进行有效的调度。公交调度要由公交公司和乘客两部分组成，为了追求各自的最大化效益，需要尽可能的调整其中的发车间隔和发车次数等等，从而使得单位车辆的上座率能够符合相关的标准，减少公交运营的成本。另外还需要为乘客提供更加便捷性的服务，优化公交调度的方案，从而使得公交服务水平能够得到全面提高，在实际工作中需要根据公交车辆驾驶运营时在乘客流量方面的不均衡變化规律，以最小值为主要的目标，采取发车间隔组合性的优化处理思想假设不同的前提。从而构成完整性的间隔优化模型，为后续公交运营调度提供重要的基础。
（二）数学模型的建立
在数学模型建立时，要根据不同的情况优化后续的工作内容，数学模型建立要反映真实社会中的一些对象，作出简化和假设，以问题抽象为主优化整个问题的模式。比如对于各个公交车站来说可以制作为同一个车型，同一时间段内向一辆车的发生时间间隔是平等的，在车辆运行时要满足相关的要求以及标准。在各时间段内，各个车站的客流量要进行经营性的分布，车站内的车辆运行速度要维持在恒定值，并且在运输中没有任何特殊事件的发生，出行者的消耗时间是固定的。公交车辆单位内运营成本要进行有效的固定，从而构建一体化的模型，为后续工作提供重要的基础。
（三）改进遗传算法
在改进遗传算法时，需要通过典型组合优化的方式来求解，在实际实施时可以构建可变的适应值函数，并且模拟退火算法的求解机制。公交调度问题从数学描述中可以了解能够间接的表达公交发车的间隔，在实际实施时需要建立分时段的间隔模型，将一天发划分为不同的时段，并且各个时段的发车间隔是相等的，通过不同的染色体来表示各个时间段的发车间隔，从而得到完整性的发车时间表。如果最大发生时间间隔为15分钟的话，那么最小发车间隔为5分钟，要精确到小数点的最后一位区间，长度要划分为100，从而进行有效的计算。另外在后续工作中还需要特别注意适应度函数，适应度函数主要是表示的是度量群体中，个体的适应能力在群体中是硬度较大的个体，要遗传到下一代中遗传算法要进行早期差异性的调整。在传统适应度函数计算时，所产生的概率和适用度值是成正比关系的，对于遗传算法后期来说，适用度要保持一致，优秀个体在后代中的优势并不是那么的明显，所以进化也处于滞后性的状态中。
结束语：
在当前公交车辆调度优化工作中，需要兼顾公交公司和乘客本身的利益，以两者为主要的目标，建立完善的公交调度模型，并且融入适度性的原则，改进遗传算法，通过静态调度和动态调度等两个方面进行仿真模型的构建，从而全面的解决在公交车辆调度工作中所产生出来的问题，提升公交运营管理的水平，促进公交行业的稳定发展。
参考文献：
[1]马雁， 王非， 周永年. 改进遗传算法在公交智能调度中的应用[J]. 科技通报， 2015， 000（009）：245-249.
[2]崔宝侠， 姚艳君， 段勇. 基于改进遗传算法的公交智能调度[J]. 沈阳工业大学学报， 2010（04）：48-53.
南京智慧交通信息股份有限公司