1.一种基于实时数据的公交智慧动态调度优化方法,其特征在于,包括以下步骤:S1.乘客出行总成本包括乘客等待时长,乘客花费成本,构建乘客出行总成本的目标函数:;
;
式中,为乘客出行总成本;为乘客等待时长,为的无量纲化函数,为金钱成本,为的无量纲化函数,为公交运营成本,为乘客花费成本;
S2:以车辆满载率最大为目标函数,考虑到车型和发车间隔,目标函数如下:;
式中,为车辆满载率,为不同车型对应的车容量,为指标向量,代表线路发车时是否选择车型,为站点到站点的客流承担量;为站点总数;
S3:利用遗传算法对S1和S2中的目标函数的最优方案进行搜索,通过优胜劣汰找到最优解;总目标函数为:;
式中,分别代表子目标权重,满足。
2.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,步骤S1中,上行路线中在站点等待乘坐车次的乘客时间成本,用下式表示:;
下行路线中在站点等待乘坐车次的乘客时间成本,用下式表示:;
;
式中,为所有乘客等待时长,代表上行方向,代表下行方向,为上行线路等待乘客的到达率,为下行线路等待乘客的到达率,表示上行方向趟次从站点出发的时刻,表示下行方向趟次从站点出发的时刻,表示所有上行趟次的集合,表示所有下行趟次的集合,表示所有上行站点的集合,表示所有下行站点的集合。
3.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,运输成本和乘客花费成分别为:;
;
式中,为运输成本,为乘客花费成本,为判断线路是否为最低公交运营成本的0-1变量,当第条线路是从站点到站点运营成本最低的线路时,为1,否则为0;为从站点到站点之间乘坐线路所花费的运输成本,当时,令,当与之间没有直达线路时,;为乘坐线路从站点到站点的乘客平均花费成本;是站点到站点之间路段的客流承担量。
4.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,站点间车辆行驶时间与到达相邻站点的时刻之间满足关系等式如下:;
;
为了避免重复选择路线,约束如下:;
式中,和分别为车辆在上下行方向各个相邻站点之间的路段的行驶时间的函数。
5.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,步骤S2中,建立车型选择约束函数,其式如下:;
式中,为乘坐线路选择车型的指标变量,选择为1,不选择为0。
6.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,步骤S2中,客流承担量应满足:;
式中, 为从站点到站点的客流量。
7.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,对步骤S1中的每个个体进行顺序编码,对于上行方向:;
其中,为相邻车次间发车间隔,,为上行方向趟次集合;
对于下行方向:
;
其中,为相邻车次间发车间隔,,为下行方向趟次集合;
双场站公交线路发车时刻方案为上行方向与下行方向方案的集合,表示为:;
建立评价函数给每个染色体分配概率,其式如下:,;
其中,为任一条染色体,为实数,,为种群规模。
8.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,步骤S3中,使用轮盘赌的方法选择培育新一代的染色体,其步骤如下:步骤一、计算每个染色体的累计概率,即:;
;
式中,为除了染色体之外的任一染色体;
步骤二、生成一个随机数,若,则染色体被选择,重复该步骤次,则得到条染色体。
9.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,步骤S3中,随机选择一个染色体为亲本,假设交叉概率为,从中随机生成数,如果,对于染色体中属于上行方向的部分,随机选择两个长度相等的不相交的基因片段进行交换,下行方向的染色体操作同理,要生成新的种群。
10.根据权利要求1所述的基于实时数据的公交智慧动态调度优化方法,其特征在于,步骤S3中,假设变异概率为,从中随机生成数,如果,对于染色体中属于上行方向的部分,将长为的基因片段用新生成的同样长度的基因片段替换;随机生成长为的基因片段是在区间中,其区间长为;
分别为涵盖基因片段的基因两端的染色体。