CN111785015A - 公交实时调控信息系统以及基于遗传算法的调度方法 - Google Patents

公交实时调控信息系统以及基于遗传算法的调度方法 Download PDF

Info

Publication number
CN111785015A
CN111785015A CN202010460725.4A CN202010460725A CN111785015A CN 111785015 A CN111785015 A CN 111785015A CN 202010460725 A CN202010460725 A CN 202010460725A CN 111785015 A CN111785015 A CN 111785015A
Authority
CN
China
Prior art keywords
bus
station
microprocessor
interface
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010460725.4A
Other languages
English (en)
Inventor
王兴举
彭旭
梅生启
刘佳玉
李彦婷
赵琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shijiazhuang Tiedao University
Original Assignee
Shijiazhuang Tiedao University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shijiazhuang Tiedao University filed Critical Shijiazhuang Tiedao University
Publication of CN111785015A publication Critical patent/CN111785015A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Genetics & Genomics (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种公交实时调控信息系统以及基于遗传算法的调度方法，其包括网络服务中心，以及通过无线通信部分与网络服务中心连接的移动客户端、车载终端、公交车控制中心端和公交站牌端；所述车载终端包括第一微处理器，以及与第一微处理器连接的红外检测器、GPS定位模块、二维码扫描设备和第一显示器；所述红外检测器与第一微处理器的P1.0接口连接；所述GPS定位模块与第一微处理器的P1.2接口连接；所述二维码扫描设备与第一微处理器的P1.1接口连接；所述第一显示器与第一微处理器的P1.4接口连接。本发明能够综合多渠道乘客，结合先进的通信技术，提供全方位公交车信息，及时调度车辆，满足乘客出行需要，且提高公交车的利用率。

Description

公交实时调控信息系统以及基于遗传算法的调度方法
技术领域
本发明涉及一种公交调控系统和调度方法，尤其是一种公交实时调控信息 系统以及基于遗传算法的调度方法。
背景技术
常规的公交车是按照固定时间和固定的路线运行的，但是民众出行却不是 按照固定路线出行，所以往往会出现空载率过高或者人数过多的极端现象，这些 都是我国城市公交亟需解决的问题。
目前，国内针对公交车调度方案多是根据移动客户端提供乘客预约数量，此 方案优势相当明显，根据移动客户端提供的该车次乘客数量，来选择更加合适的 出行时间，出行车次，有效的提高了效率，其弊端也是有的，并不是所有人都会 选择移动客户端来预约公交车，仅仅依靠移动客户端提供的数据信息将会在复 杂的路网中产生巨大的偏差，所以要综合各类数据信息，将公交站牌、移动客户 端、乘客数量来进行综合考虑，同时通过网络服务中心和公交车控制中心端来规 划和调度公交车的运行路线、运行数量，来提高公交车利用率和提高公交车运营 效率，以满足乘客出行需求。
公交调度是公交系统整个运营工作的核心。传统的公交车辆调度多是采用 经验法，即参考线路的平均客流量情况和线路的计划配车数，从而确定车辆发车 间隔和车辆配置、人员配班。虽然该方法具有一定的实用性，但存在着明显的不 足，带有较大的盲目性，并且很难保证乘客的出行效率以及公交的运营效率；经 常会出现某些车次空载率较高、有些车站乘客无法及时装载等情况。
发明内容
本发明要解决的技术问题是提供一种公交实时调控信息系统，以有效的提 高公交车利用率和提高公交车运营效率；本发明还提供了一种基于遗传算法的 公交调度方法。
为解决上述技术问题，本发明系统所采取的技术方案是：其包括网络服务中 心，以及通过无线通信部分与网络服务中心连接的移动客户端、车载终端、公交 车控制中心端和公交站牌端；所述车载终端包括第一微处理器，以及与第一微处 理器连接的红外检测器、GPS定位模块、二维码扫描设备和第一显示器；所述红 外检测器与第一微处理器的P1.0接口连接；所述GPS定位模块与第一微处理器 的P1.2接口连接；所述二维码扫描设备与第一微处理器的P1.1接口连接；所 述第一显示器与第一微处理器的P1.4接口连接；所述红外检测器设置有两组， 分别装配在上车位置和下车位置。
本发明系统所述公交车控制中心端包括第二微处理器，以及与第二微处理 器连接的声光模块、第二显示器和第二输入设备；所述第二显示器与第二微处理 器的P1.2接口连接；所述第二输入设备与第二微处理器的P1.0接口连接；所 述声光模块与第二微处理器的P1.3接口连接。
本发明系统所述公交站牌端包括有公交站牌箱体、太阳能电池、遮阳板和控 制电路；所述控制电路包括第三微处理器，以及与第三微处理器连接的第一输入 设备和第三显示器；所述第三显示器与第三微处理器的P1.2接口连接；所述第 一输入设备包括第一按键、第二按键和第三显示器(5)的触屏输入；所述第一按 键与第三微处理器的P1.0接口连接；所述第二按键与第三微处理器的P1.3接 口连接；所述第三显示器的触屏输入与第三微处理器的P1.4接口连接；所述公 交站牌端的公交站牌顶端设置有遮阳板，所述遮阳板顶部设置有太阳能电池；所 述公交站牌箱体的正面上装配有第三显示器，所述第三显示器显示内容分为两 部分，所述第一按键(K1)装配在上部后面；所述第二按键(K2)装配在下部后面。
本发明系统所述移动客户端包括第四微处理器，以及与第四微处理器连接 的第三输入设备和第四显示器；所述第三输入设备与第四微处理器的P1.0接口 连接；所述第四显示器与第四微处理器的P1.1接口连接。
本发明系统无线通信部分包括第一通讯模块、第二通讯模块、第三通讯模块 和第四通讯模块；所述第一通讯模块与第一微处理器的P1.3接口连接；所述第 二通讯模块与第二微处理器的P1.1接口连接；所述第三通讯模块与第三微处理 器的P1.1接口连接；所述第四通讯模块与第四微处理器的P1.1接口连接。
本发明系统所述声光模块包括三极管、指示灯、喇叭和继电器；所述三极管 的基极与第二微处理器的P1.3接口连接，发射极接地，集电极与继电器连接后 接电源；所述继电器的常开控制触点与指示灯和喇叭串联后，接在电源两端。
本发明方法采用上述的公交实时调控信息系统，所述公交实时调控信息系 统的网络服务中心根据移动客户端、车载终端和公交站牌端的汇总数据生成调 度方案；所述调度方案包括平峰时期调度方案和高峰时期调度方案；
(一)所述平峰时期调度方案是在客流量少的若干车站初步设为可越过车 站；采用下述过程：
(1)乘客候车时间T1表达式：
Figure BDA0002510833770000031
式中：
I—为公交车辆的集合I＝(i1,i2,i3…im)，单位辆；
J—为线路站点的集合J＝(j1,j2,j3…jn)，单位个；
A上ij—为公交车I到达车站j的上车人数，单位人；
K—为公交车I到达车站j距始发站的车站数，单位个；
t—为公交车到达每个车站平均耽搁时间,包含车辆开关门加减速时间，单 位秒；
Tik—公交车i停靠J之前距始发站，每个车站停靠时间，单位秒；
T—公交车平均站间运行时间，单位秒；
αij——决策变量0或1，公交车是否在该站停靠；α＝1时，车辆停靠；
H—发车间隔，单位秒；
(2)越站站点乘客的额外等待时间T2表达式；
Figure BDA0002510833770000032
式中：
H—i+1公交车与i公交车的车头时距，单位秒；
(3)停靠成本T3表达式：
Figure BDA0002510833770000033
式中：
C—停靠成本转换时间系数；
(4)根据上述乘客候车时间T1、越站站点乘客的额外等待时间T2、停靠成 本T3建立模型目标函数：
MinZ1＝c1T1+c2T2+c3T3；
约束条件S.T：Aij车内人数+A上I,j+1-A下I,j+1＜A；
Tij＝MAX{A上ij*t1,A下ij*t1}；
A下i,j+1＞0时，αij＝1；
T1(平峰时期最小发车间隔)≤H≤T2(平峰时期最大发车间隔)；
αij+αi+1,j≥1；
式中：
A——车内最大接纳人数，单位人；
t1——为平均上下车时间，单位秒；
c1、c2、c3分别为权重系数，目标函数为最小成本；
(二)所述高峰时期调度方案是在客流量高的车站附近安置备用停车场和 备用公交车辆；采用下述过程：
(1)乘客候车时间T1表达式：
Figure BDA0002510833770000041
式中：
I—为公交车辆的集合I＝(i1,i2,i3…im)，单位辆；
J—为线路站点的集合J＝(j1,j2,j3…jn)，单位人；
A上ij—为公交车I到达车站j的上车人数，单位人；
K—为公交车I到达车站j距始发站的车站数，单位个；
t—为公交车到达每个车站平均耽搁时间，单位秒；
Tik—公交车i停靠J之前距始发站，每个车站停靠时间，单位秒；
T—公交车平均站间运行时间，单位秒；
αij——决策变量0或1，公交车是否在该站停靠；α＝1时，车辆停靠；
H—发车间隔，单位秒；
(2)备用车站站点乘客等待时间T2表达式：
Figure BDA0002510833770000042
式中：
B上ij—为备用公交车I到达车站j的上车人数，单位人；
β—决策变量，该车站是否有备用车站，β＝1表示有；
D—公交车i到达j车站距始发站(备用车站)的站数，单位个；
h—备用车站公交车与上一辆经过该站公交车的发车时间间隔，单位秒；
Tid—公交车i停靠J之前距始发站(备用车站)，每个车站停靠时间，单位 秒；
(3)停靠成本T3表达式：
Figure BDA0002510833770000051
式中：
C—停靠成本转换时间系数；
(4)根据上述乘客候车时间T1、备用车站站点乘客等待时间T2、停靠成本 T3建立模型目标函数：
MinZ1＝c1T1+c2T2+c3T3
约束条件S.T：Aij车内人数+A上I,j+1-A下I,j+1＜A；
Tij＝MAX{A上ij*t1，A下ij*t1}；
Tid＝MAX{B上ij*t1，B下ij*t1}；
B上i+1＞0时，βij＝1；
T高峰时期最小发车间隔≤H≤T高峰时期最大发车间隔；
T高峰时期最小发车间隔≤h≤T高峰时期最大发车间隔；
A上i,j+B上i+1,j≤AB车站公交车等待人数；
I＝m；
A——车内最大接纳人数；
t1——为平均上下车；
式中：
c1、c2、c3分别为权重系数，目标函数为最小成本；
(三)以平峰时期和高峰时期的T1、T2、T3为因变量，该站是否停靠或是否 为备用车站为自变量，其余为参数，通过调整参数和停靠站和备用车站的位置采 用遗传算法对模型目标函数进行求解，得到最优的调度方案。
本发明方法所述步骤(三)中，先优化备用车站或可越过车站的位置和公交 车数量，再在对发车间隔进行优化。
本发明方法所述权重系数c1、c2、c3采用控制变量法将三个目标的权重两 两分组进行影响分析。
采用上述技术方案所产生的有益效果在于：本发明系统通过移动客户端、车 载终端、公交车控制中心端、网络服务中心、公交站牌端和无线通信部分，对各 个类别的乘客数量进行统计与汇总，将现行车次数量、预计到站时间、预计到站 时乘客数实时提供给需要乘车的乘客，并且在乘客选择乘车后提供支付渠道，方 便乘客出行，而且网络服务中心实时优化运行路线，公交车控制中心端还能够根 据网络服务中心提供的信息，及时增加或减少调度车辆，减少乘客等待时间或是 减少公交公司的汽车资源的浪费。本发明系统能够综合多渠道乘客，结合先进的 通信技术，提供全方位公交车信息，及时调度车辆，满足乘客出行需要，且提高 公交车的利用率。
本发明方法为了提高公交车在平峰时期利用率，可将大数据分析中得到的 客流量较少的某些车站初步设为可越过车站，并保证下一趟公交车必须要经过 是所有车站，在满足最低乘客在车站等后时间、被越站额外候车时间以及停靠运 营成本前提下，提出最优化的调度方案；为了减少高峰期乘客等待时间，在客流 量较高的车站附近安置备用停车场和备用公交车辆，可从该站直接发车，减少乘 客等待时间。本发明通过设置可越过车站、安置备用停车场和备用公交车辆，采 用遗传算法优化得到最优的调度方案，从而能有效地降低空车率、提升满载率、 减少乘客的等待时间，有效的降低了公交资源的浪费或提升了公交资源的利用 程度。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为公交车红外检测器安装示意图；
图2为公交站牌端结构示意图；
图3为本发明调控信息系统示意图。
图中各标号清单为：1.GPS定位模块，2.二维码扫描设备，3.第一显示器， 4.第二显示器，5.第三显示器，6.第一输入设备，7.第二输入设备，8.第三输入 设备，8.第四显示器，MCU1.第一微控制器，MCU2.第二微控制器，MCU3.第三微 控制器，MCU4.第四微控制器，T1.第一通讯模块，T2.第二通讯模块，T3.第三通 讯模块，T4.第四通讯模块，VT.三极管，LB.喇叭，J.继电器，J-1继电器的常 开控制触点，LED.指示灯，H.红外检测器,K1.第一按键，K2.第二按键,L.第三显 示器的触屏输入，Z.遮光板，SE.太阳能电池,X.公交站牌箱体。
具体实施方式
参看图1、图2和图3，本公交车实时调控信息系统包括网络服务中心，以 及通过无线通信部分与网络服务中心连接的移动客户端、车载终端、公交车控 制中心端和公交站牌端；所述车载终端包括第一微处理器MCU1，以及与第一微 处理器MCU1连接的红外检测器H、GPS定位模块1、二维码扫描设备2和第一 显示器3；所述红外检测器H与第一微处理器MCU1的P1.0接口连接；所述GPS 定位模块1与第一微处理器MCU1的P1.2接口连接；所述二维码扫描设备2与 第一微处理器MCU1的P1.1接口连接；所述第一显示器3与第一微处理器MCU1 的P1.4接口连接。所述二维码扫描设备2可以扫描移动客户端提供的二维码， 进行车票支付。第一显示器3会将车次运行站点，位置信息，路况信息，车上 人数显示出来。所述GPS定位模块1可以定位车辆，并将车辆运行信息通过无 线通讯部分发送到移动客户端、公交车控制中心端和公交站牌端；所述红外检 测器H设置有两组，分别装配在上车位置和下车位置；所述红外检测器H可以 检测上车人数与下车人数。所述网络服务中心最好通过下述基于遗传算法的公 交调度方法所得的最优调度方案对车辆进行调度。
本公交实时调控信息系统中所述公交车控制中心端包括第二微处理器MCU2， 以及与第二微处理器MCU2连接的声光模块、第二显示器4和第二输入设备7； 所述第二显示器4与第二微处理器MCU2的P1.2接口连接；所述第二输入设备 7与第二微处理器MCU2的P1.0接口连接；所述声光模块与第二微处理器MCU2 的P1.3接口连接。所述声光模块在第二微处理器MCU2统计到需要调度车辆时， 提醒工作人员进行核对信息，并进行车辆调度。
本公交实时调控信息系统中所述公交站牌端包括有公交站牌箱体6、太阳能 电池SE、遮阳板Z和控制电路；所述控制电路包括第三微处理器MCU3，以及与 第三微处理器MCU3连接的第一输入设备和第三显示器5；所述第三显示器5与 第三微处理器MCU3的P1.2接口连接；所述第一输入设备包括第一按键K1、第 二按键K2和第三显示器5的触屏输入；所述第一按键K1与第三微处理器MCU3 的P1.0接口连接；所述第二按键K2与第三微处理器MCU3的P1.3接口连接； 所述第三显示器的触屏输入L与第三微处理器MCU3的P1.4接口连接；所述公 交站牌端的公交站牌顶端设置有遮阳板Z，所述遮阳板Z顶部设置有太阳能电 池；所述公交站牌箱体X的正面上装配有第三显示器5，所述第三显示器显示内 容分为两部分，上部为某路公交的A行车线，显示该路公交A路线的到站点， 下部为该路公交的B行车线，显示该路公交B路线的到站点；所述第一按键K1 装配在A行车线后面；所述第二按键K2装配在B行车线后面；老人在通过按下 所述第一按键K1和第二按键K2时，将老人的预约信息输入到第三微处理器 (MCU3)，所述第三微处理器(MCU3)将预约信息通过通讯模块(T3)传送到网 络服务中心。
本公交实时调控信息系统中所述移动客户端包括第四微处理器MCU4，以及 与第四微处理器MCU4连接的第三输入设备8和第四显示器9；所述第三输入设 备8与第四微处理器MCU4的P1.0接口连接；所述第四显示器9与第四微处理 器MCU4的P1.1接口连接。
本公交实时调控信息系统中无线通信部分包括第一通讯模块T1、第二通讯 模块T2、第三通讯模块T3和第四通讯模块T4；所述第一通讯模块T1与第一微 处理器MCU1的P1.3接口连接；所述第二通讯模块T2与第二微处理器MCU2的 P1.1接口连接；第三通讯模块T3与第三微处理器MCU3的P1.1接口连接；；第 四通讯模块T4与第四微处理器MCU4的P1.1接口连接。
本公交实时调控信息系统中所述声光模块包括三极管VT、指示灯LED、喇 叭LB和继电器J；所述三极管VT的基极与第二微处理器MCU2的P1.3接口连 接，发射极接地，集电极与继电器J连接后接电源；所述继电器的常开控制触点 J-1与指示灯LED和喇叭LB串联后，接在电源两端。
本公交实时调控信息系统工作原理为：移动客户端可以对车次进行预约，公 交站牌端可以对车次进行预约，车载终端可以利用红外传感器H将上车人数与 下车人数检测出来，这些数据会通过无线通信部分在网络服务中心汇总，网络服 务中心可通过下述基于遗传算法的公交调度方法所得的最优调度方案，并通过 无线通讯部分传输到移动客户端、车载终端、公交站牌端。
利用移动客户端预约车次时，移动客户端上会将到站时所有车次的乘客数 量与车次可容最多人数实时显示出来，预定车次的乘客就可以根据乘客数量信 息选择合适的车次，并且移动客户端在乘客预定车次后，会提供二维码，在上车 后利用二维码扫描设备进行车票支付。
利用公交站牌端预约车次时，可以利用公交站牌端提供的第三显示器5查 看车次，每一段行车路线都是A线和B线同时运行，并通过公交站牌提供的第 一输入设备包括第一按键K1、第二按键K2和第三显示器的触屏输入L进行车次 预约；所述第三显示器5会将到站时所有车次的乘客数量与车次可容最多人数 实时显示出来，所述第一输入设备可以进行车次选择，进行预约。在预约车辆后， 第三微处理器MCU3会将预约信息上传到网络服务中心，同时通过无线通信部分 传输给移动客户端、车载终端、公交站牌端。
网络服务中心将移动客户端和公交站牌端预约的信息进行汇总，并根据汇 总信息进行最优化派车处理，无人预约的站牌自动减少经过车次，并且将优化信 息同时通过无线通信部分传输给移动客户端、车载终端、公交站牌端。
当某站预约人数过多超出车辆运营数量，网络服务中心自动通过无线通信 部分在公交车控制中心端后台唤醒声光模块提示调度运营车辆，前往接所述车 站乘客，并将调度信息及时通过无线通信发送到移动客户端和公交站牌端。
公交车到站后，上车处的红外传感器H会检测到上车人数，下车处的红外 传感器H会检测到下车人数。第一显示器3会将车辆运行站点，位置信息，路 况信息、车上人数以及显示出来。所述GPS定位模块1可以定位车辆，并将车 辆运行信息通过无线通讯部分发送到移动客户端、公交车控制中心端和公交站 牌端。
本基于遗传算法的公交调度方法，是通过对目前公交运行状况进行评价，利 用大数据分析来自用户终端和公交终端数据，分析目前各个线路每日站点客流 量、空车率、满载率和发车间隔，车站客流量指标对应线路备用公交车停车位置 和公交数量，空车率和满载率表明公交资源的浪费或利用程度，发车间隔决定着 公交车的数量。从具体的数据当中可以准确的发现哪些线路的空座率比较高，哪 些线路的车辆比较多。根据空座率以及线路车辆的具体情况来判断公交资源是 否存在明显的浪费。通过以上分析，针对公交车目前存在的问题，将车站客流量 量较大的车站附近初步设定备用停车场，同时将客流量少的车站可初步设为可 越过车站；然后采用遗传算法优化得到最优的调度方案。
本基于遗传算法的公交调度方法采用上述的公交实时调控信息系统；所述 公交实时调控信息系统的网络服务中心根据移动客户端、车载终端和公交站牌 端的汇总数据生成调度方案。所述移动客户端可提供乘客在APP上预约车次、 可以提供某车某站的上车数；所述车载终端可以提供车内的乘客人数、以及某站 的上下车人数；所述公交站牌端可提供在站牌等候的人数、以及公交乘车发车数， 对停车场和备用车站的公交车下达指令；所述移动客户端和公交站牌端提供某 站的总的等待人数的汇总数据生成调度方案。所述调度方案包括平峰时期调度 方案和高峰时期调度方案；各调度方案具体如下所述。
(一)为了提高公交车在平峰时期利用率，可将没根据大数据分析中得到的 客流量较少的某些车站初步设为可越过车站，并保证下一趟公交车必须要经过 是所有车站，在满足最低乘客在车站等后时间、被越站额外候车时间以及停靠运 营成本前提下，提出最优化的调度方案。采用下述过程：
(1)乘客候车时间T1表达式：
Figure BDA0002510833770000101
式中：
I—为公交车辆的集合I＝(i1,i2,i3…im)，单位辆；
J—为线路站点的集合J＝(j1,j2,j3…jn)，单位个；
A上ij—为公交车I到达车站j的上车人数，单位人；
K—为公交车I到达车站j距始发站的车站数，单位个；
t—为公交车到达每个车站平均耽搁时间,包含车辆开关门加减速时间，单 位秒；
Tik—公交车i停靠J之前距始发站，每个车站停靠时间，单位秒；
T—公交车平均站间运行时间，单位秒；
αij——决策变量0或1，公交车是否在该站停靠；α＝1时、车辆停靠，α ＝0时、车辆不停靠；
H—发车间隔，单位秒。
(2)越站站点乘客的额外等待时间T2表达式；
Figure BDA0002510833770000102
式中：
H—i+1公交车与i公交车的车头时距，发车间隔，单位秒。
(3)停靠成本T3表达式：车辆在停靠时会增加零件的磨损程度及燃油损耗， 越战可以节省停靠成本。
Figure BDA0002510833770000103
式中：
C—停靠成本转换时间系数；转换系数C等于平均停靠成本与乘客总消费达 到该平均停靠成本所消耗时间的比值，需大量数据使该系数趋于平均值。
(4)根据上述乘客候车时间T1、越站站点乘客的额外等待时间T2、停靠成 本T3建立模型目标函数：
MinZ1＝c1T1+c2T2+c3T3；
约束条件S.T：Aij车内人数+A上I,j+1-A下I,j+1＜A；
Tij＝MAX{A上ij*t1,A下ij*t1}；
A下i,j+1＞0时，αij＝1；
T1(平峰时期最小发车间隔)≤H≤T2(平峰时期最大发车间隔)；
αij+αi+1,j≥1；
式中：
A—车内最大接纳人数；
Aij车内人数—为公交车i出车站j时车上总人数，单位人；
A上I,j+1—为公交车I在车站j+1的上车人数，单位人；
A下I,j+1—为公交车I在车站j+1的下车人数，单位人；
A上ij—为公交车i在车站j的上车人数，单位人；
A下ij—为公交车i在车站j的下车人数，单位人；
Tij—为公交车i在车站j的最大上下车时间，单位秒；
t1——为平均上下车时间，单位秒；
c1、c2、c3分别为权重系数，目标函数为最小成本。
(二)所述高峰时期调度方案是在客流量高的车站附近安置备用停车场和 备用公交车辆；采用下述过程：
(1)乘客候车时间T1表达式：为了减少高峰期乘客等待时间，在客流量较 高的车站附近安置备用停车场和备用公交车辆，可从该站直接发车，减少乘客等 待时间。
Figure BDA0002510833770000111
式中：
I—为公交车辆的集合I＝(i1,i2,i3…im)，单位辆；
J—为线路站点的结合J＝(j1,j2,j3…jn)，单位个；
A上ij—为公交车I到达车站j的上车人数，单位人；
K—为公交车I到达车站j距始发站的车站数，单位个；
t—为公交车到达每个车站平均耽搁时间,包含车辆开关门加减速时间，单 位秒；
Tij—为公交车i停于站j的停靠时间，单位秒；
Tik—公交车i停靠J之前距始发站，每个车站停靠时间，单位秒；
T—公交车平均站间运行时间，单位秒；
H—发车间隔，单位秒。
(2)备用车站站点乘客等待时间T2表达式：
Figure BDA0002510833770000121
式中：
B上ij—为备用公交车I到达车站j的上车人数，单位人；
β—决策变量，该车站是否有备用车站，β＝1表示有、β＝0表示没有；
D—公交车i到达j车站距始发站(备用车站)的站数，单位个；
h—备用车站公交车与上一辆经过该站公交车的发车时间间隔，单位秒；
Tid—公交车i停靠J之前距始发站(备用车站)，每个车站停靠时间，单位 秒。
(3)停靠成本T3表达式：车辆在停靠时会增加零件的磨损程度及燃油损耗， 越战可以节省停靠成本；
Figure BDA0002510833770000122
式中：
C—停靠成本转换时间系数；转换系数C等于平均停靠成本与乘客总消费达 到该平均停靠成本所消耗时间的比值，需大量数据使该系数趋于平均值；
βij—决策变量，该车站是否有备用车站，β＝1表示有、β＝0表示没有。
(4)根据上述乘客候车时间T1、备用车站站点乘客等待时间T2、停靠成本 T3建立模型目标函数：
MinZ1＝c1T1+c2T2+c3T3
约束条件S.T：Aij车内人数+A上I,j+1-A下I,j+1＜A；
Tij＝MAX{A上ij*t1，A下ij*t1}；
Tid＝MAX{B上ij*t1，B下ij*t1}；
B上i+1＞0时，βij＝1；
T高峰时期最小发车间隔≤H≤T高峰时期最大发车间隔；
T高峰时期最小发车间隔≤h≤T高峰时期最大发车间隔；
A上i,j+B上i+1,j≤AB车站公交车等待人数；
I＝m；
式中：
A—车内最大接纳人数；
Aij车内人数—为公交车i出车站j时车上总人数，单位人；
A上I,j+1—为公交车I在车站j+1的上车人数，单位人；
A下I,j+1—为公交车I在车站j+1的下车人数，单位人；
Tij—为公交车i在车站j的最大上下车时间，单位秒；
A上ij—为公交车i在车站j的上车人数，单位人；
A下ij—为公交车i在车站j的下车人数，单位人；
B上ij—为备用公交车i到达车站j的上车人数，单位人；
B下ij—为备用公交车i到达车站j的下车人数，单位人；
t1——为平均上下车，单位秒；
H—发车间隔，单位秒；
c1、c2、c3分别为权重系数，目标函数为最小成本。
以平峰时期和高峰时期的T1,T2,T3为因变量，该站是否停靠或是否为备用车 站为自变量，其余为参数，通过调整参数和停靠站和备用车站的位置来达到多目 标优化。
(三)以公交车站点是否停靠，是否有备用车站为变量采用遗传算法对模型 目标函数进行求解，得到最优的调度方案。
(1)目标权重分析：为分析乘客站点等待时间、被越过站点的额外等待时 间、站点的停靠时间三个时间目标对整个系统的影响差异，并考虑到它们之间的 内在联系，采用控制变量法将三个目标的权重两两分组进行影响分析。例如，比 较分析被越站的额外等待时间和站点的停靠时间对总目标的影响时，控制乘客 站点等待时间的权重不变，可令C1＝0.1、C2+C3＝0.9；接着分别改变C2、C3的 取值，但保持其和不变，通过多组优化值得变化，比较后两个目标对于总系统的 影响程度。
(2)求解：
本文以大数据云端数据为依据，以公交车站点是否停靠、是否有备用车站为 变量采用遗传算法通过云计算进行求解，可先优化备用车站和可越过车站的位 置和公交车数量，之后再对发车间隔进行优化，得到最优的调度方案。
平峰时期调度方案和高峰时期调度方案的判定：可利用云计算和大数据将 手机终端、站牌终端各个站点数据整理，形成OD矩阵，利用该矩阵得到两个站 点间的断面流量(乘客人数),在此基础上加上公交车终端向云端输送的各站点 车内人数，当两项之和的总人数到达M，断面超载的断面数达到N时，就为高峰， 否则为平峰。
算法步骤：
步骤1：设遗传参数，初始种群规模、交叉概率PC、变异概率Pm与终止代 数等运行参数。
其中群体规模为20～200，遗传代数500～800，交叉概率一般取值范围0.4～0.99，过小减慢个体的产生速度，过大破坏种群优良模式，股取0.6，变异概率 一般为0.05～0.1,过小不利于早熟，过大有可能实际情况偏离最优解，此处取 0.08。
步骤2：随机产生各车在线路站点是否停靠的情况，进行编码。停靠(备用) 为1，不停靠(不备用车站)为0。
步骤3：根据公交车是否停靠站的得到优化站点分布，根据分布情况计算求 目标值。
步骤4：适应度计算，用于对种群中的个体进行优劣判断。
F(x)＝{([f(x)max-f(x)])/([f(x)max-f(x)min])}2
f(x)为目标函数值，f(x)max和f(x)min分别为种群中的最大值和最小值。
步骤5：选择运算：采用轮盘赌法将优良个体选出。适应度越大的个体被选 择的概率越大。
Figure BDA0002510833770000141
Fi为个体适应度，N为种群规模，Pi为个体选择概率。
步骤6：交叉运算：按交叉概率，对选择后的新种群交叉。
步骤7：变异运算：按照规定的变异概率，对新种群进行定向变异。
步骤8：特殊越站限制：根据车辆在各站停靠将受到相邻前车在各站停靠的 影响，对其加入特殊限制，定向造染色体。
步骤9：在达到设定终止代数之前，重复操作步骤3～8，进行新一轮的迭代 进化搜索，各个体目标值逐渐收敛并趋于稳定后，得到车站分布情况，从而获 得最优目标。

Claims (9)

1.一种公交实时调控信息系统，其特征在于，包括网络服务中心，以及通过无线通信部分与网络服务中心连接的移动客户端、车载终端、公交车控制中心端和公交站牌端；所述车载终端包括第一微处理器(MCU1)，以及与第一微处理器(MCU1)连接的红外检测器(H)、GPS定位模块(1)、二维码扫描设备(2)和第一显示器(3)；所述红外检测器(H)与第一微处理器(MCU1)的P1.0接口连接；所述GPS定位模块(1)与第一微处理器(MCU1)的P1.2接口连接；所述二维码扫描设备(2)与第一微处理器(MCU1)的P1.1接口连接；所述第一显示器(3)与第一微处理器(MCU1)的P1.4接口连接；所述红外检测器(H)设置有两组，分别装配在上车位置和下车位置。
2.根据权利要求1所述公交实时调控信息系统，其特征在于，所述公交车控制中心端包括第二微处理器(MCU2)，以及与第二微处理器(MCU2)连接的声光模块、第二显示器(4)和第二输入设备(7)；所述第二显示器(4)与第二微处理器(MCU2)的P1.2接口连接；所述第二输入设备(7)与第二微处理器(MCU2)的P1.0接口连接；所述声光模块与第二微处理器(MCU2)的P1.3接口连接。
3.根据权利要求2所述公交实时调控信息系统，其特征在于，所述公交站牌端包括有公交站牌箱体(6)、太阳能电池(SE)、遮阳板(Z)和控制电路；所述控制电路包括第三微处理器(MCU3)，以及与第三微处理器(MCU3)连接的第一输入设备和第三显示器(5)；所述第三显示器(5)与第三微处理器(MCU3)的P1.2接口连接；所述第一输入设备包括第一按键(K1)、第二按键(K2)和第三显示器(5)的触屏输入；所述第一按键(K1)与第三微处理器(MCU3)的P1.0接口连接；所述第二按键(K2)与第三微处理器(MCU3)的P1.3接口连接；所述第三显示器的触屏输入(L)与第三微处理器(MCU3)的P1.4接口连接；所述公交站牌端的公交站牌顶端设置有遮阳板(Z)，所述遮阳板(Z)顶部设置有太阳能电池；所述公交站牌箱体(X)的正面上装配有第三显示器(5)，所述第三显示器(5)显示内容分为两部分，所述第一按键(K1)装配在上部后面；所述第二按键(K2)装配在下部后面。
4.根据权利要求3所述公交实时调控信息系统，其特征在于，所述移动客户端包括第四微处理器(MCU4)，以及与第四微处理器(MCU4)连接的第三输入设备(8)和第四显示器(9)；所述第三输入设备(8)与第四微处理器(MCU4)的P1.0接口连接；所述第四显示器(9)与第四微处理器(MCU4)的P1.1接口连接。
5.根据权利要求4所述公交实时调控信息系统，其特征在于，无线通信部分包括第一通讯模块(T1)、第二通讯模块(T2)、第三通讯模块(T3)和第四通讯模块(T4)；所述第一通讯模块(T1)与第一微处理器(MCU1)的P1.3接口连接；所述第二通讯模块(T2)与第二微处理器(MCU2)的P1.1接口连接；第三通讯模块(T3)与第三微处理器(MCU3)的P1.1接口连接；第四通讯模块(T4)与第四微处理器(MCU4)的P1.1接口连接。
6.根据权利要求5所述公交实时调控信息系统，其特征在于，所述声光模块包括三极管(VT)、指示灯(LED)、喇叭(LB)和继电器(J)；所述三极管(VT)的基极与第二微处理器(MCU2)的P1.3接口连接，发射极接地，集电极与继电器(J)连接后接电源；所述继电器的常开控制触点(J-1)与指示灯(LED)和喇叭(LB)串联后，接在电源两端。
7.一种基于遗传算法的公交调度方法，其特征在于：采用如权利要求1—6任意一项所述的公交实时调控信息系统，所述公交实时调控信息系统的网络服务中心根据移动客户端、车载终端和公交站牌端的汇总数据生成调度方案；所述调度方案包括平峰时期调度方案和高峰时期调度方案；
(一)所述平峰时期调度方案是在客流量少的若干车站初步设为可越过车站；采用下述过程：
(1)乘客候车时间T1表达式：
Figure FDA0002510833760000021
式中：
I—为公交车辆的集合I＝(i1,i2,i3…im)，单位辆；
J—为线路站点的集合J＝(j1,j2,j3…jn)，单位个；
A上ij—为公交车I到达车站j的上车人数，单位人；
K—为公交车I到达车站j距始发站的车站数，单位个；
t—为公交车到达每个车站平均耽搁时间,包含车辆开关门加减速时间，单位秒；
Tik—公交车i停靠J之前距始发站，每个车站停靠时间，单位秒；
T—公交车平均站间运行时间，单位秒；
αij——决策变量0或1，公交车是否在该站停靠；α＝1时车辆停靠、α＝0时车辆不停靠；
H—发车间隔，单位秒；
(2)越站站点乘客的额外等待时间T2表达式；
Figure FDA0002510833760000031
式中：
H—i+1公交车与i公交车的车头时距，单位秒；
(3)停靠成本T3表达式：
Figure FDA0002510833760000032
式中：
C—停靠成本转换时间系数；
(4)根据上述乘客候车时间T1、越站站点乘客的额外等待时间T2、停靠成本T3建立模型目标函数：
MinZ1＝c1T1+c2T2+c3T3；
约束条件S.T：Aij车内人数+A上I,j+1-A下I,j+1＜A；
Tij＝MAX{A上ij*t1,A下ij*t1}；
A下i,j+1＞0时，αij＝1；
T1(平峰时期最小发车间隔)≤H≤T2(平峰时期最大发车间隔)；
αij+αi+1,j≥1；
式中：
A——车内最大接纳人数，单位人；
t1——为平均上下车时间，单位秒；
c1、c2、c3分别为权重系数，目标函数为最小成本；
(二)所述高峰时期调度方案是在客流量高的车站附近安置备用停车场和备用公交车辆；采用下述过程：
(1)乘客候车时间T1表达式：
Figure FDA0002510833760000033
式中：
I—为公交车辆的集合I＝(i1,i2,i3…im)，单位辆；
J—为线路站点的集合J＝(j1,j2,j3…jn)，单位人；
A上ij—为公交车I到达车站j的上车人数，单位人；
K—为公交车I到达车站j距始发站的车站数，单位个；
t—为公交车到达每个车站平均耽搁时间，单位秒；
Tik—公交车i停靠J之前距始发站，每个车站停靠时间，单位秒；
T—公交车平均站间运行时间，单位秒；
αij——决策变量0或1，公交车是否在该站停靠；α＝1时，车辆停靠；
H—发车间隔，单位秒；
(2)备用车站站点乘客等待时间T2表达式：
Figure FDA0002510833760000041
式中：
B上ij—为备用公交车I到达车站j的上车人数，单位人；
β—决策变量，该车站是否有备用车站，β＝1表示有、β＝0表示没有；
D—公交车i到达j车站距始发站(备用车站)的站数，单位个；
h—备用车站公交车与上一辆经过该站公交车的发车时间间隔，单位秒；
Tid—公交车i停靠J之前距始发站(备用车站)，每个车站停靠时间，单位秒；
(3)停靠成本T3表达式：
Figure FDA0002510833760000042
式中：
C—停靠成本转换时间系数；
(4)根据上述乘客候车时间T1、备用车站站点乘客等待时间T2、停靠成本T3建立模型目标函数：
MinZ1＝c1T1+c2T2+c3T3
约束条件S.T：Aij车内人数+A上I,j+1-A下I,j+1＜A；
Tij＝MAX{A上ij*t1，A下ij*t1}；
Tid＝MAX{B上ij*t1，B下ij*t1}；
B上i+1＞0时，βij＝1；
T高峰时期最小发车间隔≤H≤T高峰时期最大发车间隔；
T高峰时期最小发车间隔≤h≤T高峰时期最大发车间隔；
A上i,j+B上i+1,j≤AB车站公交车等待人数；
I＝m；
A——车内最大接纳人数；
t1——为平均上下车；
式中：
c1、c2、c3分别为权重系数，目标函数为最小成本；
(三)以平峰时期和高峰时期的T1、T2、T3为因变量，该站是否停靠或是否为备用车站为自变量，其余为参数，通过调整参数和停靠站和备用车站的位置采用遗传算法对模型目标函数进行求解，得到最优的调度方案。
8.根据权利要求7所述的基于遗传算法的公交调度方法，其特征在于：所述步骤(三)中，先优化备用车站或可越过车站的位置和公交车数量，再在对发车间隔进行优化。
9.根据权利要求7或8所述的基于遗传算法的公交调度方法，其特征在于：所述权重系数c1、c2、c3采用控制变量法将三个目标的权重两两分组进行影响分析。
CN202010460725.4A 2019-12-30 2020-05-27 公交实时调控信息系统以及基于遗传算法的调度方法 Pending CN111785015A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911391994 2019-12-30
CN2019113919943 2019-12-30

Publications (1)

Publication Number Publication Date
CN111785015A true CN111785015A (zh) 2020-10-16

Family

ID=72753472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010460725.4A Pending CN111785015A (zh) 2019-12-30 2020-05-27 公交实时调控信息系统以及基于遗传算法的调度方法

Country Status (1)

Country Link
CN (1) CN111785015A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509357A (zh) * 2020-11-19 2021-03-16 北京清研宏达信息科技有限公司 一种基于遗传算法的公交发车时间间隔优化方法
CN113269475A (zh) * 2021-06-28 2021-08-17 浩鲸云计算科技股份有限公司 一种基于遗传算法的公交排班调度方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141687A (zh) * 2007-09-25 2008-03-12 中兴通讯股份有限公司 基于移动通信网络的公交调度和公交信息应用系统
WO2008063225A2 (en) * 2006-07-25 2008-05-29 United Parcel Service Of America, Inc. Systems and methods for monitoring travel conditions
CN103077606A (zh) * 2013-01-05 2013-05-01 深圳市中兴移动通信有限公司 一种智能公交调度管理系统
KR20130060054A (ko) * 2011-11-29 2013-06-07 학교법인 한국산업기술대학 버스 정차 알림 시스템
CN103198650A (zh) * 2013-03-29 2013-07-10 天津理工大学 基于物联网的智能公交预约系统
CN105355074A (zh) * 2015-12-04 2016-02-24 湖南创客联诚文化产业发展有限公司 一种智能公交站牌
CN106056206A (zh) * 2016-07-17 2016-10-26 兰岚 一种公交车承载数实时预报系统
CN109166304A (zh) * 2018-09-17 2019-01-08 四川大学 一种智能公交系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008063225A2 (en) * 2006-07-25 2008-05-29 United Parcel Service Of America, Inc. Systems and methods for monitoring travel conditions
CN101141687A (zh) * 2007-09-25 2008-03-12 中兴通讯股份有限公司 基于移动通信网络的公交调度和公交信息应用系统
KR20130060054A (ko) * 2011-11-29 2013-06-07 학교법인 한국산업기술대학 버스 정차 알림 시스템
CN103077606A (zh) * 2013-01-05 2013-05-01 深圳市中兴移动通信有限公司 一种智能公交调度管理系统
CN103198650A (zh) * 2013-03-29 2013-07-10 天津理工大学 基于物联网的智能公交预约系统
CN105355074A (zh) * 2015-12-04 2016-02-24 湖南创客联诚文化产业发展有限公司 一种智能公交站牌
CN106056206A (zh) * 2016-07-17 2016-10-26 兰岚 一种公交车承载数实时预报系统
CN109166304A (zh) * 2018-09-17 2019-01-08 四川大学 一种智能公交系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112509357A (zh) * 2020-11-19 2021-03-16 北京清研宏达信息科技有限公司 一种基于遗传算法的公交发车时间间隔优化方法
CN113269475A (zh) * 2021-06-28 2021-08-17 浩鲸云计算科技股份有限公司 一种基于遗传算法的公交排班调度方法及系统
CN113269475B (zh) * 2021-06-28 2022-01-18 浩鲸云计算科技股份有限公司 一种基于遗传算法的公交排班调度方法及系统

Similar Documents

Publication Publication Date Title
CN109409599B (zh) 基于实时需求的定制公交线路开通优化方法
CN108418902B (zh) 一种智慧铁路综合交通枢纽集成控制系统
CN101572011B (zh) 城市公交智能化调度管理系统及方法
CN110942411B (zh) 基于区域联动的地铁车站客流分级报警方法
CN111815189A (zh) 模块化公交调度系统
CN106991492B (zh) 一种北方气候快充纯电动公交车运营调度优化方法
CN111452669B (zh) 公交智能充电的系统和方法及介质
CN107564270A (zh) 一种智能公交调度运营方法
CN108116455A (zh) 城市轨道交通综合节能系统及基于该系统的综合节能方法
CN105913653B (zh) 一种云平台环境下公共交通智能行车计划排班系统及方法
CN104835315B (zh) 基于混合车型的公交运营时刻控制系统及方法
CN112309122A (zh) 一种基于多系统协同的智慧公交分级决策系统
CN110458456B (zh) 基于人工智能的需求响应式公交系统的调度方法及系统
CN105551233A (zh) 智慧变线公交系统及其动态调度优化方法
CN114202101A (zh) 一种网络化列车运行图智能编制及评估优化系统
CN103366224B (zh) 一种基于公交网络的乘客需求预测系统和方法
CN114446076B (zh) 一种基于5g通信技术的智能调度控制系统
CN111785015A (zh) 公交实时调控信息系统以及基于遗传算法的调度方法
CN113077162A (zh) 面向实时需求的多车型定制公交区域调度方法
CN110148297B (zh) 一种使用班车接驳的停车换乘系统及优化方法
CN202644335U (zh) 一种城市智能交通运输系统
CN105800400A (zh) 一种优化电梯调度管理的方法
CN111898909A (zh) 一种基于实时需求的无人驾驶公交派车方法
CN115860594A (zh) 一种应用于智能公交排班调度的仿真系统及方法
CN111882914A (zh) 一种基于车联网的公交站台信息发布系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201016

WD01 Invention patent application deemed withdrawn after publication