[发明专利]一种基于分布估计算法的公共交通车辆调度方法

说明书

本发明提出了一种基于分布估计算法的公共交通车辆调度方法。首先收集站点，车场和时刻表信息并以此获得单程集合，接着生成初始种群，考虑车辆成本与单程连接成本，对种群中个体进行适应度评价选取其中部分优势个体组成优势种群，使用优势种群更新贝叶斯网络，之后重新构建后代种群，反复迭代直到达到迭代终止条件。相比以往公共交通车辆调度方法，本发明所提出的方法可以利用解空间的全局信息和进化过程中的历史信息，具有更强的全局搜索能力和更快的收敛速度，能够快速且高质量的生成车辆调度方案。

技术领域

本发明涉及公共交通车辆调度领域，尤其涉及一种基于分布估计算法的公共交通车辆调度方法。

背景技术

随着我国城市化和机动化的快速发展，人们在享受拥有私人机动车带来便利的同时也造成了城市交通拥堵、环境污染等问题。为了解决城市交通拥堵，实现城市的可持续发展，优先发展公共交通已经取得了社会的普遍认可。一份好的公共交通调度方案能够很大程度上提高公交服务水平，减少公交企业运营成本，其中车辆调度是公共交通调度的一个重要环节也是影响公交企业运营成本的重要因素。

传统的公交车辆调度问题都是假设固定的单程任务，即确定的出发时间、地点、到达时间和到达地点，使得对应的单程时间也是固定的。然而在实际运营中，由于车辆执行单程任务的真实运营时间是在不断变化的，导致编制的车辆调度方案难以准确执行，从而导致车辆调度方案的准点率不高。

由于车辆调度问题属于NP难问题，考虑到传统的数学优化方法难以求解该模型，而智能优化算法具有全局优化性能，适合于并行处理以及能够高效处理复杂优化问题等特点，特别是在求解大规模问题时，它能在合理的时间内得到近似最优解。因此，本发明提出了一种基于分布估计（EDA）算法的公共交通车辆调度方法，在保证解的质量前提下能够更快的获得公交车辆调度问题方案。

发明内容

有鉴于此，本发明提出了一种基于分布估计（EDA）算法的公共交通车辆调度方法，其步骤如下：

步骤1：首先需要输入线网信息，公交时刻表，车场信息等基本信息，然后通过切分时刻表得到m个车辆单程任务，并按照单程出发时间将所有单程由早到晚进行排序，并将序号作为单程编号；

步骤2：根据问题特点设计EDA算法的编码与解码规则，考虑到随机车辆调度问题是一个离散问题，所以采用序列编码方案。即m个单程编号的一个全排列作为编码，对于解码方案，结合单程之间的兼容性，采用一种贪婪思想对解进行解码；

步骤3：通过步骤1得到的单程任务，采用初始化方法随机生成P_Size个初始个体，构成初始种群并作为当代种群；

步骤4：将车辆成本和单程连接所需要的时间成本作为评价指标建立适应度函数，对当代种群中的个体解码后得到的车辆调度方案进行评估，将评估结果作为个体的适应度进行排序，从中选取40%*P_Size个适应度较高的个体组成优势种群；

步骤5：建立m*m的分层非循环有向的贝叶斯网络模型作为EDA算法抽样所需要的概率模型，其中表示第i层的第j个单程，处于相邻两层的任意两个单程和之间的连接的权值代表完成上层单程后执行下层单程的概率，即条件概率，根据步骤4中选取的优势种群，计算贝叶斯网络模型中的条件概率；

步骤6：采用步骤5生成的贝叶斯网络模型，由第一层的第一个元素开始采用轮盘赌方法，逐层进行采样。为了采样出更加优质的个体，除了将已经采样过的单程对应的采样概率置0，还需要将与其不兼容的单程对应的采样概率也置0。而当所有采样概率全是0时，直接指定剩下还未采样的单程中出发时间最早的单程作为下一个被执行的单程（即新的车次链的首单程任务）。如此反复，直至所有的单程都被采样完，组成一个新的个体；