技術(shù)特征：

1.一種基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，包括如下步驟：

(1)通過公交站點信息與乘客手機終端的信息連接和交互，得到實時乘客OD分布數(shù)據(jù)，通過公交車的GPS定位模塊獲取公交車的運行位置和時間數(shù)據(jù)；

(2)根據(jù)乘客OD分布得出每個站點上下車人數(shù)，計算公交車的站點停靠時間，結(jié)合相鄰站點間運行時間，建立初始公交調(diào)度模型，其中公交車共有常用的三種不同運營形式，以單位時間內(nèi)所有乘客總出行成本和企業(yè)運營成本之和最小為目標(biāo)對模型進(jìn)行求解，得出不同形式下公交車的最佳初始發(fā)車時間間隔；

(3)在每相鄰兩車間位于靠后位置的公交車離開某站點時刻，統(tǒng)計線路客流OD分布，計算線路客流方向不均衡系數(shù)、斷面不均衡系數(shù)和站點不均衡系數(shù)，根據(jù)車輛調(diào)度形式的判斷準(zhǔn)則和方法確定出公交車的調(diào)度形式和運行區(qū)間；

(4)在每相鄰兩車間位于靠后位置的公交車離開某站點時刻，統(tǒng)計線路每個站點上下車人數(shù)，與位于靠前位置公交車之間達(dá)到最佳時間間隔的運行時段內(nèi)每站點新增上下車人數(shù)，建立實時公交調(diào)度模型，以單位時間內(nèi)所有乘客總出行成本和企業(yè)運營成本之和最小為目標(biāo)對模型進(jìn)行求解，得出每相鄰兩車間最佳的站點個數(shù)和站點間的最佳運行時間；

(5)每相鄰兩車間的最佳運行時間間隔是在位于靠后位置的公交車離開某站點時刻的原有車間運行時間間隔，與靠前位置公交車需調(diào)整的運行時間與靠后位置公交車需調(diào)整的運行時間之差的求和。

2.如權(quán)利要求1所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，步驟(2)中初始公交調(diào)度模型的目標(biāo)函數(shù)為：

$\begin{array}{c}\min Z=C_1\underset{j=1}{\overset{k}{\mathrm{\Σ}}}\underset{i=1}{\overset{n-1}{\mathrm{\Σ}}}\underset{s=1}{\overset{n-i}{\mathrm{\Σ}}}{\∫}_{T_i^{j1}}^{T_i^j}{\mathrm{\γ}}_{i,j}^p{\mathrm{\γ}}_{i+s,j}^p{D}_{i,i+s}^j\left(t\right)(T_i^j+t)dt+C_2\underset{j=1}{\overset{k}{\mathrm{\Σ}}}\underset{i=2}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\δ}}_{i,j}^p{S}_{i-1}^j{R}^i\\ +{\mathrm{\γ}}_{i,j}^p{\mathrm{\τ}}_i^j(S_{i-1}^j-\underset{u=1}{\overset{i-1}{\mathrm{\Σ}}}{B}_{d,i}^j))+C_3\underset{j=1}{\overset{k}{\mathrm{\Σ}}}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\δ}}_{i,j}^p{R}^i+{\mathrm{\γ}}_{i,j}^p{\mathrm{\τ}}_i^j)\end{array}$

其中：n—線路上站點總數(shù)目；k—線路上運營公交車總數(shù)目；—第j輛公交車離開i站的時刻；p—調(diào)度形式，p＝1為全程車(普通公交車)、p＝2為大站快車和p＝3區(qū)間車；—0-1變量，第j輛公交車在i站停靠，則為1，否則為0；—0-1變量，第j輛公交車經(jīng)過從i-1站到i站區(qū)間，則為1，否則為0；—第j輛公交車在t時刻，乘客從i站至i+s站的人數(shù)(人/分鐘)；一第j輛公交車離i-1站時車上的乘客數(shù)；Rⁱ—公交車從i-1站到i站的運行時間，開始輸入歷史數(shù)據(jù)的均值；—第j輛公交車在i站的?？繒r間，取決于i站點的上車和下車的人數(shù)；—第j輛公交車到達(dá)i站點時下車的人數(shù)；—第j輛公交車到達(dá)i站點時上車的人數(shù)；β—單位乘客平均上下車時間(分鐘/人)；C₁—乘客等車單位時間成本；C₂—乘客在車單位時間成本(元/分鐘)；C₃—單位公交車運營時間成本(元/分鐘)。

3.如權(quán)利要求1所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，步驟(4)中公交調(diào)度模型的目標(biāo)函數(shù)為：

$\begin{array}{c}\min Z=C_1\underset{a=i+s+1}{\overset{i+s+x-1}{\mathrm{\Σ}}}\underset{s1=1}{\overset{n-i-x}{\mathrm{\Σ}}}{\∫}_{T_a^{(j+1)1}}^{T_a^{j+1}}{\mathrm{\γ}}_{a,j}^p{\mathrm{\γ}}_{a+s1,j}^p{D}_{a,a+s1}^{j+1}\left(t\right)(T_a^{j+1}-t)dt\\ +C_2\underset{a=i+s+1}{\overset{i+s+x}{\mathrm{\Σ}}}({\mathrm{\δ}}_{a,j+1}^p{S}_{a-1}^{j+1}{R}^a+{\mathrm{\γ}}_{a,j+1}^p{\mathrm{\τ}}_a^{j+1}(S_{a-1}^{j+1}-\underset{d=1}{\overset{i+s}{\mathrm{\Σ}}}{B}_{d,a}^{j+1}))\\ +C_3\underset{a=i+s+1}{\overset{i+s+x}{\mathrm{\Σ}}}({\mathrm{\δ}}_{a,j+1}^p{R}^a+{\mathrm{\γ}}_{a,j+1}^p{\mathrm{\τ}}_a^{j+1})\end{array}$

其中：

$T_a^{j+1}={\mathrm{\γ}}_{a,j+1}^p\{{\mathrm{\Σ}}_{i=2}^a{R}^i+T_1^{j+1}+{\mathrm{\Σ}}_{i=2}^a{\mathrm{\τ}}_i^{j+1}\}.$

4.如權(quán)利要求1所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，步驟(2)中采用遺傳算法對初始公交調(diào)度模型進(jìn)行求解，包括如下步驟：

(2.1)初始化參數(shù)，參數(shù)包括：乘客出行OD分布、站間運行時間、各時間成本、初始種群大小、交叉概率、變異概率以及循環(huán)次數(shù)；

(2.2)對模型進(jìn)行初始編碼，令K′為最大的發(fā)車次數(shù)，將發(fā)車時間間隔和發(fā)車類型這兩個決策變量對應(yīng)的二進(jìn)制串進(jìn)行組合，得到一條8K’位二進(jìn)制的染色體，前6K’位二進(jìn)制染色體為時間間隔，后2K’位二進(jìn)制代表公交車調(diào)度形式；根據(jù)最大發(fā)車間隔和最小發(fā)車間隔的約束條件，確定編碼的長度區(qū)間；

(2.3)根據(jù)初始化確定的發(fā)車次數(shù)、發(fā)車間隔和發(fā)車形式，結(jié)合輸入的參數(shù)計算目標(biāo)函數(shù)值及每個個體的適應(yīng)值；

(2.4)對種群進(jìn)行繁殖，每繁殖一代包括選擇、交叉、變異和基于約束條件進(jìn)行修正；

(2.5)重復(fù)繁殖過程直到達(dá)到設(shè)置的迭代次數(shù)，選擇適應(yīng)值最大的個體代表的組合調(diào)度方案為初始發(fā)車間隔方案。

5.如權(quán)利要求1所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，步驟(3)中對公交車的調(diào)度形式和運行區(qū)間進(jìn)行求解，包括如下步驟：

(3.1)當(dāng)斷面不均衡系數(shù)大于一般規(guī)定值，即(一般取1.2-1.5)，路段客流量差ΔQ_i＞＞nq(n一般取2-4，q為公交車額定容量)，根據(jù)相應(yīng)的準(zhǔn)則，初步定出區(qū)間車和大站快車運行的路段及站點；

(3.2)當(dāng)線路上站點不均衡系數(shù)大于一般規(guī)定值，即(一般取1.4-2.0)；方向不均衡系數(shù)大于一般規(guī)定值，即(一般取1.2-1.4)，根據(jù)相應(yīng)的準(zhǔn)則，初步定出大站快車運行的路段及站點。

6.如權(quán)利要求1所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，步驟(4)中采用遺傳算法對實時公交調(diào)度模型進(jìn)行求解，包括如下步驟：

(4.1)初始化參數(shù)，參數(shù)包括：乘客出行OD分布，包括公交車離開某站點時刻、運營形式、以及該時刻線路乘客OD分布和每相鄰公交車間運行時間間隔內(nèi)新增乘客的OD分布、總站點數(shù)目、區(qū)間車和大站快車運行路段和站點、站間歷史運行時間、各時間成本、初始種群大小、交叉概率、變異概率以及循環(huán)次數(shù)；

(4.2)對模型進(jìn)行初始編碼，令K′為最大的發(fā)車次數(shù)，將公交車的站間運行時間這個決策變量對應(yīng)的二進(jìn)制串進(jìn)行組合，得到一條10K’位二進(jìn)制的染色體，前六位表示公交車的站間運行時間和后四位表示最佳站點個數(shù)的取值；

(4.3)根據(jù)初始化確定的發(fā)車次數(shù)和發(fā)車間隔和發(fā)車形式，結(jié)合輸入的參數(shù)計算目標(biāo)函數(shù)值及每個個體的適應(yīng)值；

(4.4)對種群進(jìn)行繁殖，每繁殖一代包括選擇、交叉、變異和修正；

(4.5)重復(fù)繁殖過程直到達(dá)到設(shè)置的迭代次數(shù)，選擇適應(yīng)值最大的個體代表的調(diào)度方案為實時動態(tài)調(diào)度策略，即選取每相鄰兩車間最佳的站點個數(shù)和站點間的最佳運行時間。

7.如權(quán)利要求3或5所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，約束條件包括公交車滿載率約束和發(fā)車時間間隔約束；所述滿載率約束為高峰時段滿載率不超過120％，平峰時段滿載率不低于50％；所述發(fā)車時間間隔約束為不超過設(shè)定的最小發(fā)車間隔和最大發(fā)車間隔范圍，且在研究時段T內(nèi)滿足公交車發(fā)車間隔X_j的總和不大于T。

8.如權(quán)利要求1所述的基于公交站點信息化的多形式公交動態(tài)調(diào)度方法，其特征在于，步驟(5)中通過實時調(diào)度方法求解每相鄰公交車間保持最佳的車間間隔運行的具體方法為：在j與j+1公交車間最佳運行時間間隔進(jìn)行調(diào)整的模型中，需求解出j與j+1公交車?？空军c時間和站點間的運行時間Rⁱ，并求解出j+1與j+2公交車?？空军c時間和站點間的運行時間Rⁱ′，所以分別調(diào)整到最佳運行時間間隔的時刻為和所以j與j+1公交車需調(diào)整到的最佳運行時間間隔為時刻兩車間的時間間隔與L^j+1和L^j作差之和，即