基于改進遺傳算法的公交智能調(diào)度解析

李剛

摘要：在進行公交智能調(diào)度工作中，需要加強對改進遺傳算法的有效了解和認識，從不同的角度構(gòu)建完整性的數(shù)學模型，并且優(yōu)化其中所涉及到的公式以及函數(shù)，全方位的提高公交調(diào)度優(yōu)化的效果以及水平，之后再通過仿真模型的構(gòu)建，為后續(xù)公交智能調(diào)度指明正確的方向。本文論述了改進遺傳算法在公交智能調(diào)度中的具體應用，支撐實際工作的有序進行，提升系統(tǒng)的應用水平。

關(guān)鍵詞：改進遺傳算法;公交智能;智能調(diào)度

一、公交車輛調(diào)度的概述

在遺傳算法背景下進行公交智能調(diào)度管理工作中，需要根據(jù)不同的組成部分優(yōu)化其中的工作模式，從而起到重要的創(chuàng)新效果。公交車輛調(diào)度主要是針對一項可分解的運輸任務，在一定約束條件下合理的安排使用的資源，并且明確先后的順序，從而獲得成本和時間的最優(yōu)性調(diào)整。在實際實施過程中需要編制行車時刻表，這屬于靜態(tài)調(diào)度內(nèi)容中，如果在某個路況信息中出現(xiàn)突發(fā)情況的話，那么要根據(jù)靜態(tài)調(diào)度的內(nèi)容進行修改，稱為動態(tài)調(diào)度。在此過程中需要實現(xiàn)數(shù)據(jù)的不斷更新以及調(diào)整，在傳統(tǒng)調(diào)度模式中，是通過數(shù)學解析法和運籌學等方法來進行經(jīng)驗模型的構(gòu)建，隨著調(diào)度問題復雜性的不斷擴大傳統(tǒng)方式，已經(jīng)無法滿足實際工作需求和標準的作業(yè)，在實際工作中需要通過改進遺傳算法來優(yōu)化以往的工作模式。比如通過標準遺傳算法來優(yōu)化靜態(tài)調(diào)度，通過蟻群思想來解決車輛優(yōu)化調(diào)度中的問題，實現(xiàn)公交運營的最大化。在實際工作中需要全方位的了解實際公交運營調(diào)度的需求，建立最小目標，實現(xiàn)公交調(diào)度優(yōu)化數(shù)據(jù)模型的有效構(gòu)建，并且在遺傳算法中融入創(chuàng)新性的思維，從而提升實際的工作效果。

二、基于改進遺傳算法的公交智能調(diào)度

（一）問題的定義

為了使公交智能調(diào)度能夠在實際中發(fā)揮其應有價值和效果，在實際工作中需要了解需要解決的問題，從而為后續(xù)工作科學實施提供重要的基礎(chǔ)。公交系統(tǒng)屬于公益性的事業(yè)，服務對象為社會上的人群，在實際調(diào)度工作中要充分的考慮企業(yè)本身的利益，還需要站在乘客的角度來進行日常的操作，并且還要秉承著乘客利益大于企業(yè)利益來進行有效的調(diào)度。公交調(diào)度要由公交公司和乘客兩部分組成，為了追求各自的最大化效益，需要盡可能的調(diào)整其中的發(fā)車間隔和發(fā)車次數(shù)等等，從而使得單位車輛的上座率能夠符合相關(guān)的標準，減少公交運營的成本。另外還需要為乘客提供更加便捷性的服務，優(yōu)化公交調(diào)度的方案，從而使得公交服務水平能夠得到全面提高，在實際工作中需要根據(jù)公交車輛駕駛運營時在乘客流量方面的不均衡變化規(guī)律，以最小值為主要的目標，采取發(fā)車間隔組合性的優(yōu)化處理思想假設(shè)不同的前提。從而構(gòu)成完整性的間隔優(yōu)化模型，為后續(xù)公交運營調(diào)度提供重要的基礎(chǔ)。

（二）數(shù)學模型的建立

在數(shù)學模型建立時，要根據(jù)不同的情況優(yōu)化后續(xù)的工作內(nèi)容，數(shù)學模型建立要反映真實社會中的一些對象，作出簡化和假設(shè)，以問題抽象為主優(yōu)化整個問題的模式。比如對于各個公交車站來說可以制作為同一個車型，同一時間段內(nèi)向一輛車的發(fā)生時間間隔是平等的，在車輛運行時要滿足相關(guān)的要求以及標準。在各時間段內(nèi)，各個車站的客流量要進行經(jīng)營性的分布，車站內(nèi)的車輛運行速度要維持在恒定值，并且在運輸中沒有任何特殊事件的發(fā)生，出行者的消耗時間是固定的。公交車輛單位內(nèi)運營成本要進行有效的固定，從而構(gòu)建一體化的模型，為后續(xù)工作提供重要的基礎(chǔ)。

（三）改進遺傳算法

在改進遺傳算法時，需要通過典型組合優(yōu)化的方式來求解，在實際實施時可以構(gòu)建可變的適應值函數(shù)，并且模擬退火算法的求解機制。公交調(diào)度問題從數(shù)學描述中可以了解能夠間接的表達公交發(fā)車的間隔，在實際實施時需要建立分時段的間隔模型，將一天發(fā)劃分為不同的時段，并且各個時段的發(fā)車間隔是相等的，通過不同的染色體來表示各個時間段的發(fā)車間隔，從而得到完整性的發(fā)車時間表。如果最大發(fā)生時間間隔為15分鐘的話，那么最小發(fā)車間隔為5分鐘，要精確到小數(shù)點的最后一位區(qū)間，長度要劃分為100，從而進行有效的計算。另外在后續(xù)工作中還需要特別注意適應度函數(shù)，適應度函數(shù)主要是表示的是度量群體中，個體的適應能力在群體中是硬度較大的個體，要遺傳到下一代中遺傳算法要進行早期差異性的調(diào)整。在傳統(tǒng)適應度函數(shù)計算時，所產(chǎn)生的概率和適用度值是成正比關(guān)系的，對于遺傳算法后期來說，適用度要保持一致，優(yōu)秀個體在后代中的優(yōu)勢并不是那么的明顯，所以進化也處于滯后性的狀態(tài)中。

結(jié)束語：

在當前公交車輛調(diào)度優(yōu)化工作中，需要兼顧公交公司和乘客本身的利益，以兩者為主要的目標，建立完善的公交調(diào)度模型，并且融入適度性的原則，改進遺傳算法，通過靜態(tài)調(diào)度和動態(tài)調(diào)度等兩個方面進行仿真模型的構(gòu)建，從而全面的解決在公交車輛調(diào)度工作中所產(chǎn)生出來的問題，提升公交運營管理的水平，促進公交行業(yè)的穩(wěn)定發(fā)展。

參考文獻：

[1]馬雁， 王非， 周永年. 改進遺傳算法在公交智能調(diào)度中的應用[J]. 科技通報， 2015， 000（009）：245-249.

[2]崔寶俠， 姚艷君， 段勇. 基于改進遺傳算法的公交智能調(diào)度[J]. 沈陽工業(yè)大學學報， 2010（04）：48-53.

南京智慧交通信息股份有限公司