遗传算法在公交车调度优化中的应用探析

张静宜+徐志军

摘要新时代背景下，中国经济进入高速发展阶段，城市生活节奏不断加快，人们对交通流畅性，交通工具便利性与及时性，提出了更高要求。而公交车在现代城市交通系统中占据着重要位置，发挥着重要社会职能，是为专门解决城市和城郊运输而设计及装备的商用车。良好交通条件是城市经济发展建设的前提条件，加强城市公交车系统建设具有重要意义。公交车调度影响着公交车系统运营效率，影响着人们出行便利性。但传统公交车调度模式中存在诸多问题，如何对公交车调度进行优化值得研究。本文将针对遗传算法在公交车调度优化中的应用展开研究和分析，以促进城市公交车系统运营效率的提高。

关键词公交车；遗传算法；调度优化；应用分析

公交车调度目的是，用尽可能少的车次，运送尽可能多的乘客，同时不能让乘客等待时间过长，也不能超载。但当前随着我国经济水平的提高，城市化进程不断加快，城市人口数量增多，加之城市生活节奏快，城市交通堵车现象非常频繁，各种不确定因素给公交车调度带来了难度，合理对公交车调度进行优化具有重要意义。实践证明，遗传算法在公交车调度优化中的应用，对提供调度优化水平，构建新计算模型有很大帮助。通过这种算法为求出每个时段最大转移客流量，计算最小发车次数提供了新途径。

1公交车职能及其发展

公交车在现代城市交通系统中占据着重要位置，其种类多种多样，根据运行区间可划分为：长途公交车、短途公交车；根据车型结构可分为：双层公交车；单层公交车两大类，是为专门解决城市和城郊运输而设计及装备的商用车。从公交车特点来看，设有乘客座椅、站立与走动通道，站立面积大，车门两个以上，分为：上车门与下车门，基本全面施行无人售票或验票机。虽然公交车是现代城市中重要交通工具，但它却有着悠久发展历史，起源于1826年，这一时期的公交车为马车。1829年，英国开始出现公交汽车。公交车的出现对社会发展产生了巨大影响，对城市与经济建设起到了推动作用，缩短了城市各区间的距离。早期公交车是马拉车，后多由载货汽车改装而成，现代公交车则是按客车标准统一设计、制造。1831年蒸汽动力公交车出现，可载客10人；1881年，电力公交车出现。随后不久，德国奔驰汽车公司开发汽油动力公交车，使公交车发展走向一个新阶段，载客可达到20人，且行车速度越来越快。1907年，中国第一个公交车系统建立，从青岛市区开往麦克伦堡，中国公交车系统发展至今已十分成熟。但随着城市人口数量的不断增多，公交车运输压力越来越大，客流量明显提高，这便给公交车调度与优化工作带来了难度。

2公交车调度作用及其意义

公交车调度功能和目的是，提高公交车运行效率和资源利用率，利用有限资源转移最大的客流量，合理确定全体发车表，发车时间，用最小发车次数，满足乘客需求，尽可能在保证运营效率、成本、利润的前提下，缩短乘客等待时间。并且在公交车运行中发生故障或堵车等情况，调度中心也要查明详细情况，根据相关规定，结合工作经验，做出正确判断和决策，从而避免造成资源浪费或影响乘客出行。公交车调度是公交车系统运营的组织者、监督者，更发挥着重要管理职能，是保证整个公交系统社会效益和经济效益实现的根本保证，主要职能是：负责公交车运营管理、司机管理、车辆管理、安全服务管理等。调度工作开展中，要及时掌握客流变化及公交车运行状态，合理进行车次安排，制定发车计划和发车顺序，优化发车密度，对发车情况与实际运营情况进行监督，充分利用资源，提高车队运营质量。但公交车调度工作工作量非常大，涉及内容多，对数据信息实时性和有效性有较高要求。若调度工作存在问题，必然影响整个公交车系统的正常运营，降低资源利用率，影响企业效益和乘客出行，所以做好公交车调度优化具有重要意义。

3遗传算法在公交车调度优化中的应用

通过前文分析，不难看出进行公交车调度优化的重要意义。实践证明，遗传算法在公交车调度优化中的应用，能大大提升调度效率和水平，提高资源利用率。遗传算法是基于自然选择理论与遗传机理学理论基础上构建计算模型，通过模拟自然进化过程搜索最优解的方法，能对复杂编码进行优化和简化，降低编码难度。该方法提出于1975年，通过该方法进行计算，全局寻优能力非常强，采用概率化寻优方法，能自动获取和指导优化的搜索空间，自适应调整搜索方向，广泛应用于组合优化，自适应控制领域。

该算法在公交车调度优化中的运用，具体方法可分为：选择运算法、交叉运算法、变异运算法。在计算中，要运用遗传算法构建数学模型，通过选择运算法求出一个可行的调度计划，并给出发车时刻表，经过模拟计算，平均3min，每辆公交车平均满载率在把82.5%左右。这说明，还有进一步优化改进的余地，所以要运用变异算法和交叉运算法进行求解，并与第一个解进行对比分析。

选择运算法在计算中，要选择好选择目的，在群体中个体的适应度评估基础上进行计算，以保证计算的科学性与合理性、针对性。这样才能保证后续计算的有效性，所解出的数据才具有可比性。例如，公交车线路上行方向共计14站，下行方向共计13站，每辆公交车标准载客100人，平均速度为20km/h。调度优化中，要求早晚高峰乘客等待不能超过5min，一般候车时间不超过lOmin，高峰期满载率不超过120%，一般期不低于50%。具体利用公式：i：0-（i+1）：0计算到达某站的乘客数服从均匀分布；时区为：f+1；站间转移客流量：M（i，j）；上车的乘客数为：u5+u6xt；下车的乘客数为：ds+d6xt。通过遗传算法进行调度优化。先把调度问题抽象成一个完整的遗传算法数学模型，并求解，在制定发车时刻表和调度方案，在不牺牲乘客利益基础上，合理降低整个公交车系统运营成本。计算过程中，要求每一个时区内发车次数，发车次数由在该时区内发出的车辆，要运送的乘客数量决定，在根据乘客情况，用遗传算法求发车车次，计算最少车辆，最大转移客流量。

4结论

在现代交通系统中，公交车发挥着重要职能，关系着城市交通状态和人们出行。而新时代背景下，交通拥挤，人口增加等问题，使得公交车调度难度越来越大，传统调度优化计算方法己不能完全适用。因此，应基于遗传算法，进行高效公交车调度优化计算。