摘要:时代在进步,经济在腾飞,交通作为经济的命脉,无可质疑的也产生了翻天覆地的变化与发展,但是就目前来看,我国的交通系统由于人口的基数和居民的私家车的增多,交通的压力日趋增大,如何改善这种状况,是本文旨在研究跟探讨的关键所在,本文主要介绍了非线性代数的数学方式来分析和调度交通的车辆,并由此提出了一套利用智能化指导居民出行的优化方案,从而缓解交通压力,提高决策能力,另外,还介绍了一种运用于调度车辆的遗传算法,便于决策者进行参考和配置。
Abstract: The era is progressing, and the economy is taking off, the traffic as the lifeblood of the economy no doubt also had a tremendous change and development. But for now, China"s transport system due to the base population and the increasing of private cars of residents, the pressure of traffic is increasing. How to improve the situation is the key to study in this paper. This paper described using mathematical approach of the nonlinear algebraic to analyze and schedul the traffic vehicles, and thus proposed a set of optimization scheme that using intelligent to guide residents travel to ease traffic pressure and improve decision-making capacity, and also introduced a genetic algorithm applied in scheduling vehicles to provide reference and configuration for decision makers.
关键词:现代非线性;公共交通;调度与决策
Key words: modern nonlinear;public transport;scheduling and decision-making
中图分类号:U12文献标识码:A文章编号:1006-4311(2010)29-0108-02
0引言
近来,随着改革开放趋向成熟,市场经济的飞速发展,人们的生活水平得到的很大程度的提升,有车族越来越多,再加上我国这个庞大的约占世界1/5的人口总量,致使我国的公共交通陷入非常窘迫的境地,而公共交通的通常与否直接关乎居民生活的质量以及影响经济运行效率的高低,想要改善这一方面的窘境,一方面需要政府财政的投入改善交通设施,使得交通更加井然有序,另一方面需要有效地调度交通系统,提高决策的效率,在有限的资源下合理的利用配置,进而探索有效的调度方式,利用科学的方法来提高决策的软实力,运用非线性的数学方法建立具有智能化的交通调度系统,从而达到优化公共交通的目的。
1交通系统的特点与现状
所谓的交通就是居民或车辆在公路上的运动,从人类诞生以来,交通就应运而生了,而交通系统就是为了方便人们出行或者货物的运输而提供的一种能够有效处理人、道路、车辆、环境之间关系的一种动态的而且相当复杂的系统。其中人当然是交通的主体,是这个系统的主导因素,车辆为交通运行的承担工具,路当然是交通的最基本措施,环境是一种外在的影响系统的因素。根据这几个交通的组成部分,可以归纳出交通的几个基本特点:首先当然是它的系统性,几个交通要素相互依存,相互调节,缺一不可;其次就是它的动态性,随着时代的发展和环境的变迁,人的心理和生理的变化等任何因素的变化都可能会导致了交通量和交通效率的变化;再者就是它的复杂性,这四个因素存在的联系彼此关联,异常复杂,又由于交通的动态性,不确定性,受环境等因素、经济状况、社会条件、调度决策等的制约,使得交通系统复杂性大大增加。
近年来,公共交通已然成为人们日常出行和生活中必不可少的部分,在人口较多的城市中,居民出行的主要方式就是公共交通,尤其在进来大家环保意识的加强,低碳的概念的深入,人们更加明白了乘坐公交出行的必要性,但是随着车辆的高速增长,道路交通的建设施工速度不及车辆发展的快,导致道路由于承受过多的负载量加剧了自身的老化,交通堵塞严重等等,因而城市交通一旦处理上出现问题,就会制约城市的和谐发展进程。所以,运行公共交通的调度决策的相关研究已经亟待执行,当下在公共交通调度中存在的问题有:车辆的运行情况不太清楚,对车辆的相关调度只是在首发站和终点站进行规范,道路上的状况也不太清楚,车辆的调度只是单靠有点经验的调度人员,对乘客的相关信息缺少服务,因而,只有首先解决上面的问题,再把交通系统科学化、现代化、规范化,提高公共交通系统的服务水平,结合居民的流动出行的一定规律,对公共交通进行有效的调整,实现公共交通的相关企业集约型的发展,最终形成合理高效的公交网络。
2利用非线性代数的方法优化车辆调度
这主要是将公交路线跟发车频率的确定相互调节来实现有效的调度决策,具体就是在确定的条件之下,明确公共交通的整体系统是由哪些路线来构成的和每一条的公共交通路线上的发车频率,目标函数规定的是运营者和乘客的费用总和,其中乘客的费用是乘坐时间的函数,另外运营者的费用是所配置车辆的总行程的函数,制约条件主要包括:车辆出发的间隔的变化范围,车量的容量等,具体目标函数如下: C×QijTins,ij+C×QijTw,ij+C×QijTh,ij+C×FkTkT"=MIN。其中C1是指将乘客的乘车时间转换成乘客所消耗费用的转换系数;C2是指将乘客在候车亭等车的转换为出行的费用的转换系数;C3是指乘客的换乘时间转换为乘客的消耗费用的转化系数;C4是指将公交的路程转换为公司营运费用的转化系数;剩下的n是指公交出发点与终点之间的站点数,Q是指从一个站点到另一个站点的需求,小角标代表任意的两个站点,T是指时间,下角标分别指从一站点到另一站点中间的在车时间、候车时间、以及换车时间,F是指公交公司的发车频率,小角标k是指某一条公交路线,T′是指第k条公交路线的循环周期,另外,约束条件是:?燮Lmax,?燮Lmin,NBk=?燮W,Fij?燮Fmax,其中,Qmax指的是某条公交路线的最大的乘客容量,N指的是某条公交路线上的车的数量,CAP是指客车的载客量,Lmax指的是公交线路上最大的满载率;想法Lmax指的是公交路线上最小满载率,NB指的是某条公交路线上所实际需要的公交数量,RT指的是某辆客车在某一条线路上打一个来回所需要的时间,TP是指循环周期,W是指公交的最多达到的车辆上线,Fij是指在路段i到j之内车辆的频率,如果路段i到j内只是线路k,则Fij=Fk,如果有很多条的线路都包含了i到j这段路程,则需要求和;Fmax是指在i到j的路段内发车的最大间隔;SR指的是公交线路的集合。目标函数中的第一项表示用户在车时间费用,第二项表示用户等车时间费用,第三项表示用户换乘时间费用,第四项表示公交车行驶里程转化为公交公司运营费用,目标函数表示总费用最小化。
3智能优化方法
根据上面的原理简单研究一下当有两条路线中有相交的地方时,乘客在换乘时最优选择。
3.1 优化的方案当有两条线路相交时,车辆在相交的地点设有站点,便于乘客换乘另一辆车,在这个过程中,可以在途中利用各种信息媒体例如:广播电台、电视、站点信息的查询系统等,具体可获取和推断的信息包括有:第一,在未来一段时间内在该路段上可能出现的满载率的相关可能性;第二,得到未来一段时间的该路段的额发车频率,第三,可以发现下一辆车距离此站点还需多长时间等。
3.2 优化的过程在实际的过程执行中,首先设定两条线路A和B,且两条线路有交点,引导乘客过程中,乘客首先要乘坐线路A,在获得实时出行信息的情况下,乘客判断能否顺利乘上线路A的本次车或下次车,以及将要换乘B线路的情况。①如果能够在准确预测的时间内预测出线路A的额定满载率小于或等于线路A的实际满载率,这种情况无论线路B的满载率大小,还是不引导乘客去换乘线路.由乘客自己去选择是否换乘线路B。②如果在能够预测的时间内预测出线路A的实际满载率不大于线路A的额定满载率,而预测出线路B的额定满载率小于等于B的实际满载率,这种情况可以告诉乘客线路B的满载率的大小,要换乘的乘客可以自己做判断,决定是乘线路A去换乘还是通过别的交通方式出行。③如果在能够预测的时间内预测出线路A的实际满载率小于或等于该线路的额定满载率,而且线路B的实际满载率小于或等于线路B的额定满载率,这种情况可以引导乘客来换乘线路B,从而达到最理想的方案。至于三条路线甚至更多的路线时,可以参照两条路线的情况来灵活运用。
4遗传算法在车辆调度中的研究
对于公共交通系统的管理分为三个部分:计划、调度和控制,这三部分中调度是最为关键的,公共车辆的调度是就是一类如何进行组合和调配使得资源得到最优配置的问题,因此如果可以利用一种算法来对其进行排序或整合,有利于这种复杂的问题简单化,智能化,有利于节约资源、提高车辆的运输效率以及经济价值。公交调度的任务就是有效的管理和分配有限的车辆资源达到供需的平衡,实现最优的配置。为了更好的理解后面将要使用的遗传算法,下面介绍遗传算法在解决实际问题中的过程:
4.1 编码遗传算法的操作对象是字符串,变量与个体间的映射要通过编码来实现。编码方法有两个要求:一是字符串需要反映所研究问题的性质,另一个是应遵循字符串长度最短模式、阶次最高模式、数目最大等原则。
4.2 适应度函数根据适应度的大小,对个体进行优胜劣汰。将优化问题的目标函数与个体的适应度建立映射关系,即可在群体进化过程中实现对优化问题目标函数的寻优。将目标函数转换成适应度函数一般应遵循两个原则:一是适应度必须非负,二是优化过程中目标函数的变化方向应与群体进化过程适应度函数变化方向一致。
4.3 群体初始化群体初始化是指产生第一代一定规模数量的个体。一般可将优化问题的初始解转化为个体,第一代群体中的其余个体随机产生。
4.4 遗传算子一般遗传算法包含三个基本算子:选择、交叉和变异。选择的根据是单个的位串对应的函数值转换成适应值的大小,适应值大的被选中的机会就多。选择概率通常为0.1～0.2。执行交叉的个体是随机选择的,通常按指定的交叉概率(取0.5～0.8),交叉点的选择也是随机的。遗传算法的有效性主要来自选择和交叉操作,尤其是交叉在遗传算法中起着核心作用。变异个体的选择及变异位置的确定都是采用随机的方法产生,突变概率通常取0.001～0.0l。
4.5 终止条件当目标函数是方差这～类有最优目标值的问题时,可采用控制偏差的方法实现终止。一旦遗传算法得出的目标函数值与实际目标函数值之差小于允许值后,算法终止。
5结论
我国的公共交通系统现在已经很大程度上实现了现代化,而在开发智能化的进程中,我们还有长足的进步空间,这也是我们想要完善交通系统,使之产生便民之利的价值必须经历的阶段,除了上面提到了非线性的数学方法来进行公共交通的调度以外,我们还需要紧紧抓住时代的脉搏,开拓创新,根据国家提出的优先发展公共交通的发展战略方针政策,促进交通系统的发展,能够让交通系统更好的服务人民,服务国家。
参考文献:
[1]江丽炜,韩印,卢伟.基于智能化调度的公交系统实时网络优化模型与方法研究[J].科学研究月刊,2006,(3).
[2]刘闯,韩印,江丽炜.智能化城市交通公共交通网络优化与设计模型研究[J].佳木斯大学学报(自然科学版),2003,(3).
[3]单连龙,高自友.城市公交系统连续平衡网络设计的双层规划模型及其求解算法[J].系统工程理论与实践,2000,(2).