基于突發(fā)事件的智能公交車輛的動態(tài)調(diào)度.pdf

1、隨著城市智能交通的快速發(fā)展，更加合理、科學、完善的公交調(diào)度系統(tǒng)成為公交運營領(lǐng)域一個重要問題。現(xiàn)階段我國有關(guān)智能公交的調(diào)度研究主要根據(jù)客流情況劃分為高、中、低峰，進而依據(jù)各峰段的客流調(diào)整發(fā)車間隔、增減班次，調(diào)度過程往往忽略運營異常情況，而公交實際運營過程中各種突發(fā)狀況在所難免，所以基于突發(fā)事件的智能公交車輛的動態(tài)調(diào)度研究具有十分重要的現(xiàn)實意義。
　　本文以合肥市公交系統(tǒng)為研究背景，對公交運營異常檢測方法，以及車輛晚點到站、故障異常、

2、線路嚴重阻塞情況下的調(diào)度方案進行了研究，具體如下:
　　(1)建立公交車輛運營異常檢測模型。首先選取徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(Radial-Basis Function，RBF)對短時公交車速進行預(yù)測，然后構(gòu)造預(yù)測值與實際值的偏差序列，最后運用偏差分析算法進行異常判別，并對短時公交車速預(yù)測進行Matlab仿真。
　　(2)針對車輛晚點到站和故障異常建立在線調(diào)整調(diào)度方案。建立以倒序發(fā)車偏差量最小為目標函數(shù)的公交車輛晚點到站異常調(diào)度模

3、型，以調(diào)整后發(fā)車時刻表與計劃發(fā)車時刻表的發(fā)車間隔偏差最小為目標函數(shù)的車輛故障異常調(diào)度模型，并分別進行實例驗證。
　　(3)針對線路嚴重阻塞異常建立路徑調(diào)整調(diào)度方案。建立以公交車輛調(diào)整調(diào)度時間最小和調(diào)整路徑最短為目標模型的異常調(diào)度模型，并利用蚊群算法對模型進行求解，得出路徑調(diào)整方案。
　　實驗表明，運用公交車輛運營異常檢測模型可以對公交車輛運營過程中的異常情況進行快速檢測，車輛晚點到站、故障異常、線路嚴重阻塞情況下的調(diào)度模型可