一種城市公交路線選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種城市公交路線選擇方法，主要利用進(jìn)化計(jì)算策略來解決城市交通 系統(tǒng)中的車輛調(diào)度問題，屬于機(jī)器學(xué)習(xí)、計(jì)算機(jī)和軟件理論的交叉技術(shù)應(yīng)用領(lǐng)域。
【背景技術(shù)】
[0002] 城市智能交通系統(tǒng)UITS是一個(gè)綜合計(jì)算、網(wǎng)絡(luò)和物理環(huán)境的多維復(fù)雜系統(tǒng)，通過 3C技術(shù)的有機(jī)融合與深度協(xié)作，實(shí)現(xiàn)大型工程系統(tǒng)的實(shí)時(shí)感知、動(dòng)態(tài)控制和信息服務(wù)?，F(xiàn)代 UITS實(shí)現(xiàn)計(jì)算、通信與物理系統(tǒng)的一體化設(shè)計(jì)，可使系統(tǒng)更加可靠、高效、實(shí)時(shí)協(xié)同，具有重 要而廣泛的應(yīng)用前景。
[0003]UITS結(jié)合無處不在的環(huán)境感知、嵌入式計(jì)算、網(wǎng)絡(luò)通信和網(wǎng)絡(luò)控制等系統(tǒng)工程，使 物理系統(tǒng)具有計(jì)算、通信、精確控制、遠(yuǎn)程協(xié)作和自治功能。它注重計(jì)算資源與物理資源的 緊密結(jié)合與協(xié)調(diào)，主要用于一些智能系統(tǒng)上如機(jī)器人，智能導(dǎo)航等。UITS不僅已成為國內(nèi) 外學(xué)術(shù)界和科技界研究開發(fā)的重要方向，預(yù)計(jì)也將成為企業(yè)界優(yōu)先發(fā)展的產(chǎn)業(yè)領(lǐng)域。開展 UITS研究與應(yīng)用對(duì)于加快中國培育推進(jìn)工業(yè)化與信息化融合具有重要意義。
[0004]UITS需要處理公共交通車輛、私人車輛以及指警車、消防車、救護(hù)車、工程救險(xiǎn)車 等特種車輛，如何讓這些類型車輛靠自己的智能在道路上自由行駛、公路靠自身的智能有 效地車輛進(jìn)行調(diào)度而將交通流量調(diào)整至最佳狀態(tài)是非常重要的問題。以特種車輛為例，雖 然交通安全法第五十三條規(guī)定，特種車輛在執(zhí)行緊急任務(wù)時(shí)可以使用報(bào)警器、標(biāo)志燈具，享 有道路優(yōu)先通行權(quán)，但是在交通擁堵的情況下，特種車輛仍然難以及時(shí)到達(dá)目的地。特種車 輛調(diào)度是UITS重要的應(yīng)用領(lǐng)域，在很多大中型城市都引入了警車巡邏的機(jī)制，智能化的智 能交通系統(tǒng)將充分利用有限的警力資源，使若干輛警車在所轄范圍內(nèi)按照優(yōu)化的方案進(jìn)行 巡邏，加快接處警（接受報(bào)警并趕往現(xiàn)場(chǎng)處理事件）時(shí)間，使警車以比較高的頻率在市區(qū)內(nèi) 各個(gè)區(qū)域出現(xiàn)，在一定程度上對(duì)違法犯罪分子起到震懾作用，減少潛在案件的發(fā)生。
[0005] 計(jì)算智能是一種借鑒和利用自然界中自然現(xiàn)象或生物體的各種原理和機(jī)理而開 發(fā)的并具有自適應(yīng)環(huán)境能力的計(jì)算方法。計(jì)算智能的方法是人們從生物進(jìn)化的機(jī)理和一些 自然現(xiàn)象中受到啟發(fā)，提出的許多用以解雜優(yōu)化問題的新方法，具有分布、并行、仿生、自學(xué) 習(xí)、自組織、自適應(yīng)等因其高效的優(yōu)化性能無需問題特殊信息等優(yōu)點(diǎn)在諸多領(lǐng)域得到廣泛 應(yīng)用。研究較多的計(jì)算智能技術(shù)主要包括進(jìn)化計(jì)算、人工神經(jīng)網(wǎng)絡(luò)、模糊計(jì)算、人工免疫系 統(tǒng)和群體智能等。
[0006] 進(jìn)化計(jì)算是自60年代開始發(fā)展起來的一種新興學(xué)科，它是基于自然選擇和自然 遺傳等生物進(jìn)化機(jī)制的一種模擬生物進(jìn)化過程的智能搜索算法。它以生物界的"優(yōu)勝劣態(tài)、 適者生存"作為算法的進(jìn)化規(guī)則，結(jié)合達(dá)爾文的自然選擇與孟德爾的遺傳變異理論，將生物 進(jìn)化中的四個(gè)基本形式：繁殖、變異、競(jìng)爭(zhēng)和選擇引入到算法過程中。進(jìn)化計(jì)算采用簡(jiǎn)單的 編碼技術(shù)，并對(duì)一組編碼進(jìn)行遺傳操作和優(yōu)勝劣汰的自然選擇，從而達(dá)到指導(dǎo)學(xué)習(xí)和確定 搜索方向的目的。由于它采用基于種群的方式組織啟發(fā)式搜索，從而具有自學(xué)習(xí)、自組織、 自適應(yīng)等智能特征。
[0007] 遺傳算法是典型的進(jìn)化計(jì)算算法，近年來迅速發(fā)展起來的一種全新的隨機(jī)搜索與 優(yōu)化算法，其基本思想是基于Darwin的進(jìn)化論和Mendel的遺傳學(xué)說。該算法由密執(zhí)安大 學(xué)教授Holland及其學(xué)生于1975年創(chuàng)建，遺傳算法有較強(qiáng)的全局搜索能力，內(nèi)在的并行 特性，使其具有并行搜索的能力，但其局部搜能力較差，容易產(chǎn)生早熟現(xiàn)象而局限于局部 最優(yōu)解。為了克服遺傳算法的缺點(diǎn)，出現(xiàn)了把遺傳算法和其他算法相融合的混合遺傳算法， 該算法提出的是一種框架、是一個(gè)概念，在這個(gè)框架下，采用不同的搜索策略可以構(gòu)成不 同的算法，如全局搜索策略可以采用遺傳算法、進(jìn)化策略、進(jìn)化規(guī)劃等，局部搜索策略可以 采用爬山搜索、模擬退火、貪婪算法、禁忌搜索、導(dǎo)引式局部搜索等，它很好的保留了遺傳算 法的全局搜索能力，同時(shí)提高了局部搜索能力，改善了算法的收斂特性。目前混合遺傳算法 一般應(yīng)用在函數(shù)優(yōu)化、多目標(biāo)優(yōu)化、多約束優(yōu)化等方面。
[0008] 群體智能是受社會(huì)性昆蟲的啟發(fā)，通過對(duì)其行為的模擬形成一系列用于解決復(fù)雜 問題的新方法。由單個(gè)復(fù)雜個(gè)體完成的任務(wù)可由大量簡(jiǎn)單的個(gè)體組成的群體合作完成，而 后者往往更具有靈活性、魯棒性和經(jīng)濟(jì)上的優(yōu)勢(shì)。群體智能利用群體優(yōu)勢(shì)，在沒有集中控制 和全局模型的前提下，依靠群體中眾多智能個(gè)體相互之間的簡(jiǎn)單合作進(jìn)行分布式的問題求 解，為尋找復(fù)雜問題解決方案提供了新的思路。群體智能方法作為一種新興的具有并行 性、分布式和自適應(yīng)性的隨機(jī)啟發(fā)式搜索算法，自從20世紀(jì)80年代出現(xiàn)以來，引起了多個(gè) 學(xué)科領(lǐng)域研究人員的關(guān)注，己經(jīng)成為人工智能以及經(jīng)濟(jì)、社會(huì)、生物等交叉學(xué)科的熱點(diǎn)和前 沿領(lǐng)域。目前群體智能主要模式有蟻群算法、粒子群算法、菌群覓食優(yōu)化算法。
[0009] 蟻群算法，又稱螞蟻算法，是一種用來在圖中尋找優(yōu)化路徑的機(jī)率型算法。它由 MarcoDorigo于1992年在他的博士論文中提出，其靈感來源于螞蟻在尋找食物過程中發(fā) 現(xiàn)路徑的行為，該算法具有較強(qiáng)的魯棒性和并行計(jì)算能力，但是種群進(jìn)化速度慢，且容易陷 入局部最優(yōu)解。粒子群算法是一種模擬鳥類覓食的行為的進(jìn)化算法，由Eberhart博士和 kennedy博士提出，該算法沒有遺傳算法用的交叉以及變異，而是粒子在解空間追隨最優(yōu) 的粒子進(jìn)行搜索，算法中粒子具有自我總結(jié)以及向群體中最優(yōu)個(gè)體學(xué)習(xí)的能力，這使得算 法搜索速度快，實(shí)現(xiàn)簡(jiǎn)單，但它容易陷入局部最優(yōu)解，容易產(chǎn)生早熟現(xiàn)象。細(xì)菌覓食算法是 一種新型進(jìn)化算法，源于KevinM.Passino教授對(duì)人體內(nèi)大腸桿菌覓食行為的動(dòng)態(tài)模擬， 在算法中，細(xì)菌通過趨向操作，復(fù)制操作，迀徙操作和信息共享機(jī)制完成求解問題的最優(yōu)實(shí) 現(xiàn)，該群體智能算法具有熟練速度快、易跳出局部極小值等優(yōu)點(diǎn)，逐漸成為生物啟發(fā)式計(jì)算 研究領(lǐng)域的又一熱點(diǎn)。

【發(fā)明內(nèi)容】

[0010] 技術(shù)問題：本發(fā)明的目的是提供一種城市公交路線選擇方法，充分利用計(jì)算智能 的優(yōu)勢(shì)來解決城市交通擁堵問題，在城市智能交通系統(tǒng)中將密切聯(lián)系智能交通系統(tǒng)各交互 單元，以系統(tǒng)角度解決有關(guān)問題，對(duì)路況信息做出準(zhǔn)確預(yù)測(cè)，根據(jù)交通暢通情況，對(duì)公交線 路進(jìn)行合理規(guī)劃，擴(kuò)大公交車輛的覆蓋范圍，縮短乘客的等待時(shí)間，以及公交車輛的運(yùn)轉(zhuǎn)周 期，將交通流量調(diào)整至最佳狀態(tài)。
[0011] 技術(shù)方案：本發(fā)明所述的一種城市公交路線選擇方法，首先建立一個(gè)多目標(biāo)模型， 所述模型以乘客的平均出行時(shí)間和路線的總長(zhǎng)度作為兩個(gè)衡量指標(biāo)；然后通過啟發(fā)式算法 來規(guī)劃最優(yōu)的公交行駛路線，使覆蓋范圍更廣，連通性更好。同時(shí)盡可能避免客流量不均勻 導(dǎo)致的某些站點(diǎn)過于擁擠，某些站點(diǎn)過于空閑的情況。
[0012] 本發(fā)明所述的城市公交線路選擇方法包括以下步驟：
[0013] 步驟1)設(shè)置公交站點(diǎn)的數(shù)目n、每個(gè)站點(diǎn)的鄰接點(diǎn)表、路線集的容量r;
[0014] 步驟2)生成初始路線集，具體步驟如下：
[0015] 步驟2. 1)設(shè)置路線數(shù)目count= 1 ;
[0016] 步驟2.2)生成路線集中第一條路線，具體步驟如下：
[0017] 步驟2. 2. 1)設(shè)置路線長(zhǎng)度的最大值Max，最小值Min，隨機(jī)生成預(yù)設(shè)的路線長(zhǎng)度閾 值，長(zhǎng)度范圍在Min和Max之間；
[0018] 步驟2.2. 2)在點(diǎn)集中隨機(jī)選取一個(gè)點(diǎn)，作為起點(diǎn)s;
[0019]步驟2. 2. 3)判斷s的鄰接表是否為空，若不為空則轉(zhuǎn)到步驟2. 2. 4)，否則，轉(zhuǎn)到步 驟 2. 2. 5);
[0020] 步驟2. 2. 4)檢查s的鄰接表中是否存在沒有使用過的點(diǎn)，若存在，則轉(zhuǎn)到步驟 2. 2. 6)，否則，轉(zhuǎn)到步驟2.2. 5);
[0021] 步驟2. 2. 5)翻轉(zhuǎn)路線，將路線的另一端的端點(diǎn)作為新的起點(diǎn)s，使得路線沿著新 的起點(diǎn)方向生長(zhǎng)；
[0022] 步驟2. 2. 6)從s的鄰接表中隨機(jī)選擇一個(gè)沒有使用過的點(diǎn)，作為新的起點(diǎn)s;
[0023] 步驟2. 2. 7)判斷是否滿足終止條件，所述終止條件為：所有的點(diǎn)都使用過，添加 任意一個(gè)點(diǎn)都會(huì)形成環(huán)，路線長(zhǎng)度達(dá)到該路線長(zhǎng)度的閾值；上述條件滿足其一即可終止； 當(dāng)不滿足終止條件，轉(zhuǎn)到步驟2. 2. 3);
[0024] 步驟2. 2. 8)判斷第一條路線是否達(dá)到該路線長(zhǎng)度的閾值，若達(dá)到，則該路線成功 生成，路線數(shù)目增加1，count=count+1，轉(zhuǎn)到步驟2. 2. 9)，否則，移去除了第一個(gè)點(diǎn)外的所 有點(diǎn)，轉(zhuǎn)到步驟2. 2. 3);
[0025] 步驟2. 2. 9)對(duì)當(dāng)前生成的路線進(jìn)行擴(kuò)展，將能添加到當(dāng)前路線中，并且不會(huì)導(dǎo)致 路線形成環(huán)的點(diǎn)添加進(jìn)去；
[0026] 步驟2. 3)比較count和r，當(dāng)count〈r，轉(zhuǎn)到步驟2. 4)，否貝1J，轉(zhuǎn)到步驟3);
[0027] 步驟2. 4)生成路線集中的剩余路線，具體步驟如下：
[0028] 步驟2. 4. 1)從路線集中已有的count條路線中，隨機(jī)選一條路線；
[0029] 步驟2. 4. 2)在選擇的這條路線上隨機(jī)選擇一個(gè)點(diǎn)，以該點(diǎn)為起點(diǎn)生成一條新的 路線，生成方法與生成第一條路線相同，轉(zhuǎn)到步驟2.2. 1);
[0030] 步驟3)計(jì)算路線集中每條路線的權(quán)值，所述權(quán)值與乘客平均出行時(shí)間和路線總 長(zhǎng)度相關(guān)，（；=< 1*(^+0*(：1，（；為乘客平均出行時(shí)間，(：1為路線總長(zhǎng)度，（1為乘客平均出 行時(shí)間系數(shù)，默認(rèn)為0.5, 0為路線總長(zhǎng)度系數(shù)，默認(rèn)為0.5,具體步驟如下：
[0031] 步驟3. 1)計(jì)算乘客平均出行時(shí)間Ct，計(jì)算公式如下：
[0032]
[0033]所述Pi.j表示從i點(diǎn)出發(fā)到達(dá)j點(diǎn)的交通需求，t^表示從i點(diǎn)到j(luò)點(diǎn)花費(fèi)的最短 時(shí)間；
[0034]步驟3. 2)計(jì)算路線總長(zhǎng)度Q，計(jì)算公式如下：
[0035]
[0036] 所述牝(k)表示編號(hào)為k的路徑上i點(diǎn)到j(luò)點(diǎn)的最短距離；所述兩點(diǎn)之間的最短 距離通過弗洛伊德最短路徑（Floyd)算法求出；
[0037] 步驟4)按照每條路線的權(quán)值從小到大進(jìn)行排序，初始化迭代次數(shù)cnt= 1，設(shè)置迭 代次數(shù)閾值；
[0038] 步驟5)對(duì)路線集進(jìn)行交叉操作，產(chǎn)生新的子代路線，迭代次數(shù)增加一次，cnt= cnt+1，具體步驟如下：
[0039] 步驟5. 1)從路線集中取出權(quán)值最小的沒有使用過的路線，作為父代路線A，從A中 選取一部分點(diǎn)；
[0040] 步驟5. 2)從路線集中取出權(quán)值最小額沒有使用過的路線，作為父代路線B，從B中 選取一部分點(diǎn)，確保與步驟5. 1)中選取的點(diǎn)盡量不重合；
[0041] 步驟5. 3)將從A，B路線中取出的點(diǎn)組合起來，構(gòu)造出新的子代路線C;
[0042] 步驟6)對(duì)路線C進(jìn)行r印air操作，把能添加到C中，且不會(huì)導(dǎo)致原有路線形成環(huán) 的點(diǎn)都添加到C中；
[0043] 步驟7)對(duì)路線C進(jìn)行變異操作，對(duì)C隨機(jī)增加或刪除一個(gè)點(diǎn)；
[0044] 步驟8)判斷路線C是否出現(xiàn)過，當(dāng)出現(xiàn)過，則刪除路線C，轉(zhuǎn)到步驟5)，否則，轉(zhuǎn)到 步驟9);
[0045] 步驟9)計(jì)算路線C的權(quán)