摘要隨著社會(huì)經(jīng)濟(jì)的迅速發(fā)展，城市交通的擁堵問(wèn)題變得越來(lái)越嚴(yán)重，甚至成為制約部分城市可持續(xù)發(fā)展的瓶頸。因此如何最大程度地利用公共交通工具減輕出行壓力成為了城市化建設(shè)的重要目的。本文基于人流量，提出智能調(diào)度的概念，結(jié)合改進(jìn)的遺傳算法設(shè)計(jì)了公交車(chē)調(diào)度模型，并使用前后端分離模式、vue框架、SpringBoot實(shí)現(xiàn)了智能公交調(diào)度平臺(tái)。本平臺(tái)能幫助公交公司提高運(yùn)營(yíng)效益和服務(wù)質(zhì)量，同時(shí)提高乘客的出行體驗(yàn)。

　　關(guān)鍵詞人流量;遺傳算法;智能公交調(diào)度平臺(tái)

　　1引言

　　公交車(chē)是人們?nèi)粘３鲂械闹饕�交通工具，目前城市公共交通運(yùn)輸中存在公交車(chē)運(yùn)行效率低、城市擁堵嚴(yán)重等問(wèn)題。如何優(yōu)化調(diào)度方案來(lái)解決這一系列問(wèn)題，是很多科研人員關(guān)注的重點(diǎn)。傳統(tǒng)的數(shù)學(xué)解析法往往只能解決單一問(wèn)題，而公交車(chē)調(diào)度是一個(gè)多目標(biāo)優(yōu)化問(wèn)題。遺傳算法通過(guò)迭代的方式，對(duì)隨機(jī)生成的一組候選解進(jìn)行選擇、交叉、變異三種基本運(yùn)算，直到得到最大適應(yīng)度的最優(yōu)解。這是解決多目標(biāo)搜索問(wèn)題的一種常用方法。公交車(chē)調(diào)度主要是選擇一種算法來(lái)生成公交車(chē)調(diào)度時(shí)間表，從而達(dá)到公交運(yùn)行效率和乘客出行體驗(yàn)的最優(yōu)解。

　　本文考慮乘客人流量因素，通過(guò)對(duì)遺傳算法和禁忌搜索算法進(jìn)行分析和改進(jìn)，結(jié)合兩種算法的優(yōu)點(diǎn)并將其應(yīng)用在公交調(diào)度問(wèn)題中，得到公交發(fā)車(chē)時(shí)間的最優(yōu)解。在公交車(chē)運(yùn)行時(shí)，該公交調(diào)度平臺(tái)可根據(jù)乘客人流量的不均衡性來(lái)調(diào)整公交車(chē)的發(fā)車(chē)頻率和數(shù)量，生成合理有效的發(fā)車(chē)時(shí)刻表，指導(dǎo)公交車(chē)出行線路，平衡公交公司和乘客雙方的利益，提高公共交通的服務(wù)水平。

　　2系統(tǒng)建模

　　公交公司希望發(fā)車(chē)時(shí)間間隔大，公車(chē)座位利用率高，以節(jié)省成本;乘客則希望等車(chē)時(shí)間短，提供更便捷的乘車(chē)服務(wù)。要兼顧這兩者的利益最大化，需要考慮的基礎(chǔ)數(shù)據(jù)是人流量。

　　本公交調(diào)度方案就是根據(jù)人流量劃分的時(shí)間段來(lái)平衡公交公司和乘客兩者的利益。在分析了乘客滿意度在高峰時(shí)段和非高峰時(shí)段與等車(chē)時(shí)間的關(guān)系后，選擇了直線和插值法中的牛頓插值法來(lái)擬合上述兩類(lèi)關(guān)系，從而得到乘客的滿意度函數(shù)[1]。遺傳算法是基于達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)理論而提出來(lái)的計(jì)算模型。本文將遺傳算法應(yīng)用在智能公交的調(diào)度問(wèn)題中。主要過(guò)程分以下幾步：(1)編碼：要應(yīng)用遺傳算法首先要解決編碼問(wèn)題，本系統(tǒng)采用二進(jìn)制編碼法，并通過(guò)計(jì)算得到初始種群數(shù)量。在公交調(diào)度平臺(tái)的應(yīng)用中，公交車(chē)發(fā)車(chē)總次數(shù)對(duì)應(yīng)于總?cè)阂?guī)模[2]。

　　(2)選擇操作：選擇操作是為了確定交叉、變異的個(gè)體，本系統(tǒng)采用了截?cái)噙x擇的方法對(duì)種群進(jìn)行選擇。將每個(gè)遺傳算子通過(guò)數(shù)學(xué)模型計(jì)算出符合該數(shù)學(xué)模型的最優(yōu)解，通過(guò)選擇出計(jì)算結(jié)果最好的算子進(jìn)行復(fù)制n次，創(chuàng)建出新的種群。(3)交叉操作：設(shè)置一個(gè)隨機(jī)數(shù)，當(dāng)選擇的隨機(jī)數(shù)滿足算法參數(shù)中的交叉概率時(shí)，則在新的種群選擇兩個(gè)算子，再對(duì)這兩個(gè)算子進(jìn)行隨機(jī)選擇一個(gè)時(shí)間段進(jìn)行交換，從而生成新的算子。

　　(4)變異操作：設(shè)置一個(gè)隨機(jī)數(shù)，當(dāng)該隨機(jī)數(shù)滿足遺傳算法中的變異概率時(shí)，在通過(guò)前兩次步驟得到的新種群中選擇一個(gè)算子，隨機(jī)選擇該算子中的一個(gè)時(shí)間段進(jìn)行變異操作，變成新的算子[3]。遺傳算法比較適合解決公交調(diào)度的問(wèn)題，但存在的缺陷是不同時(shí)間段的發(fā)車(chē)頻率比較相似，無(wú)法滿足乘客在上下班高峰期對(duì)公交車(chē)的高需求，也造成低峰期空車(chē)率高。針對(duì)遺傳算法應(yīng)用到公交調(diào)度模型會(huì)導(dǎo)致局部尋優(yōu)能力較差和運(yùn)行效率低等問(wèn)題，本文結(jié)合了禁忌搜索算法和遺傳算法的優(yōu)勢(shì)，并對(duì)其進(jìn)行了改進(jìn)和應(yīng)用[4]。

　　3系統(tǒng)設(shè)計(jì)

　　智能公交調(diào)度平臺(tái)的設(shè)計(jì)采用目前廣泛應(yīng)用的B/S架構(gòu)和流行的Web開(kāi)發(fā)技術(shù)。本系統(tǒng)使用前后端分離架構(gòu)，前端基于Vue框架開(kāi)發(fā)，Vue起到連接視圖與數(shù)據(jù)中間件的作用，并負(fù)責(zé)界面交互。后端服務(wù)使用的框架是基于java的SpringBoot，后端系統(tǒng)負(fù)責(zé)數(shù)據(jù)持久化。

　　數(shù)據(jù)庫(kù)選用MongoDB來(lái)存儲(chǔ)較復(fù)雜的數(shù)據(jù)類(lèi)型，有利于系統(tǒng)字段的擴(kuò)展。前后端分離是目前Web開(kāi)發(fā)中流行的架構(gòu)，通過(guò)Nginx+Tomcat(NodeJS)的方式有效地對(duì)前端和后端的開(kāi)發(fā)進(jìn)行解耦。本系統(tǒng)使用Vue框架中的VantUi庫(kù)構(gòu)建系統(tǒng)界面，提高了開(kāi)發(fā)效率。Nuxt作為Vue的SSR(服務(wù)端渲染)代表，解決了Vue的首屏加載慢和SEO問(wèn)題。

　　本系統(tǒng)也將其應(yīng)用于用戶使用界面。SpringBoot是spring應(yīng)用的快速開(kāi)發(fā)框架，內(nèi)嵌了tomcat和jetty容器，可直接生成jar包來(lái)發(fā)布web服務(wù)。其基于注解無(wú)需配置模式，便于和SpringWebMVC、Mybatis、SpringCloud等各種流行框架無(wú)縫整合[5]。MongoDB是基于分布式文件存儲(chǔ)的NoSQL數(shù)據(jù)庫(kù)，支持bson格式的松散數(shù)據(jù)結(jié)構(gòu)，適合存儲(chǔ)相對(duì)mysql而言較復(fù)雜的數(shù)據(jù)類(lèi)型。

　　4系統(tǒng)實(shí)現(xiàn)

　　智能公交調(diào)度平臺(tái)包括公交管理、客流信息、公交調(diào)度和系統(tǒng)管理四個(gè)模塊。該系統(tǒng)的核心功能是通過(guò)分析客流量信息，利用改進(jìn)的遺傳算法為公交公司提供合理有效的發(fā)車(chē)時(shí)間表。本文主要圍繞公交調(diào)度模塊功能點(diǎn)進(jìn)行分析設(shè)計(jì)。

　　4.1公交信息設(shè)置

　　公交公司管理員登陸系統(tǒng)后，可以在公交管理頁(yè)面新增公交信息，并設(shè)置公交車(chē)次的發(fā)車(chē)時(shí)間、末班車(chē)時(shí)間、車(chē)站數(shù)和發(fā)車(chē)總班次。該公交信息構(gòu)成遺傳-禁忌算法中生成公交調(diào)度時(shí)刻表的基礎(chǔ)數(shù)據(jù)。公交調(diào)度時(shí)刻表的發(fā)車(chē)時(shí)段的起始時(shí)間由首班時(shí)間和末班時(shí)間確定，總共發(fā)車(chē)的數(shù)量由發(fā)車(chē)總班次決定。

　　4.2算法參數(shù)設(shè)置

　　調(diào)度參數(shù)設(shè)置頁(yè)面，主要用來(lái)設(shè)置遺傳-禁忌算法中相關(guān)的影響因子。其中種群數(shù)、交叉頻率、變異頻率是遺傳算法的三個(gè)基本參數(shù)。進(jìn)化代數(shù)是遺傳算法在運(yùn)行過(guò)程中的迭代次數(shù)，也是遺傳算法的停止機(jī)制，一般可以人為依據(jù)經(jīng)驗(yàn)設(shè)置，或通過(guò)測(cè)試比較連續(xù)迭代相同次數(shù)后結(jié)果沒(méi)有變化，則可以認(rèn)為該遺傳算法已經(jīng)收斂，此時(shí)為最優(yōu)解。乘客權(quán)重系數(shù)和公交權(quán)重系數(shù)表示乘客與公交公司的滿意度，兩者之和等于1。

　　禁忌搜索次數(shù)和搜索變異次數(shù)是禁忌搜索算法中用來(lái)設(shè)置特定方向搜索次數(shù)的參數(shù)。本算法基于的人流量是指乘車(chē)人數(shù)和乘客數(shù)量，在“乘客人數(shù)”和“乘客數(shù)量”tab頁(yè)可以管理不同時(shí)間段和站點(diǎn)的人流信息。根據(jù)不同時(shí)間段的人流量，可以將公交車(chē)的發(fā)車(chē)時(shí)間分成五個(gè)時(shí)間段：早上的低峰時(shí)段、上班高峰時(shí)段、普通時(shí)段、下班高峰時(shí)段、晚上的低峰時(shí)段。本公交調(diào)度方案就是根據(jù)人流量劃分的時(shí)間段來(lái)平衡公交公司和乘客兩者的利益。

　　4.3生成公交調(diào)度表

　　系統(tǒng)設(shè)置完公交信息和算法參數(shù)后，管理員點(diǎn)擊“生成調(diào)度表”按鈕，可得到該公交車(chē)的最佳發(fā)車(chē)時(shí)刻表。在上下班的高峰時(shí)段，該調(diào)度表安排的車(chē)次多;而在早晚客流量較少的低峰時(shí)段，發(fā)車(chē)次數(shù)就較少。由此可見(jiàn)，本智能公交平臺(tái)生成的公交調(diào)度表，能滿足乘客在不同時(shí)間段對(duì)公交車(chē)的需求，同時(shí)降低公交公司的成本。

　　公交論文投稿刊物：計(jì)算機(jī)時(shí)代雜志本刊1983年創(chuàng)刊，所刊文章內(nèi)容主要是電腦信息領(lǐng)域新技術(shù)、成果和趨勢(shì)。

　　5結(jié)束語(yǔ)

　　本平臺(tái)在現(xiàn)有的技術(shù)和模式下，基于人流量，使用改進(jìn)的遺傳-禁忌算法解決公交排班問(wèn)題。通過(guò)實(shí)際調(diào)研分析，符合現(xiàn)實(shí)情況的公交車(chē)發(fā)車(chē)時(shí)間表，能夠幫助公交企業(yè)提高運(yùn)營(yíng)效益和服務(wù)質(zhì)量。本系統(tǒng)下一步的優(yōu)化有：(1)開(kāi)發(fā)移動(dòng)端應(yīng)用，實(shí)時(shí)獲取公交車(chē)運(yùn)行過(guò)程中各站點(diǎn)的客流量，達(dá)到動(dòng)態(tài)調(diào)整公交車(chē)發(fā)車(chē)時(shí)刻表的目的。(2)定位乘客所在站點(diǎn)。根據(jù)公交調(diào)度時(shí)刻表，提醒乘客時(shí)間，同時(shí)通過(guò)谷歌地圖插件接口提供的擁擠路段信息，使用算法計(jì)算出較準(zhǔn)確的乘車(chē)時(shí)間。

　　參考文獻(xiàn)

　　[1]姚艷君.智能公交車(chē)輛調(diào)度系統(tǒng)的設(shè)計(jì)與優(yōu)化[碩士學(xué)位論文].沈陽(yáng)工業(yè)大學(xué),沈陽(yáng),2010

　　[2]張超群.遺傳算法編碼方案比較.計(jì)算機(jī)應(yīng)用研究,2011(03):25-28

　　[3]譚華.基于遺傳算法的公交車(chē)調(diào)度優(yōu)化研究.科學(xué)技術(shù)與創(chuàng)新,2020(32):50-52

　　[4]李志.基于遺傳和禁忌搜索混合算法的預(yù)制生產(chǎn)調(diào)度的研究.計(jì)算機(jī)測(cè)量與控制,2020,28(10):211-215

　　[5]閆四洋.基于SpringBoot+MongoDB的微服務(wù)日志系統(tǒng)的實(shí)現(xiàn).計(jì)算機(jī)時(shí)代,2020(08):69-74

　　作者：劉莉