车联网平台下基于优化蚁群算法的公交调度系统优化

发布时间：2023-04-02 22:21

　　车联网经过多年发展俨然成为物联网(Internet of Things,IoT)行业一个重点的分支。越来越多的通信技术被发掘为车联网技术的发展创造了条件。其中至为关键的一步就是要通过通信设备将传感器、视屏采集器等设备中采集到的讯息传递给交通管控平台。在此基础上才有可能对公共交通进行实时、有效的监控、管理。车联网是物联网的应用延伸;而在车联网应用中公交车走在了行业的前列。公共出行是城镇交通运营中必不可少的部分。为了制定科学合理的调度计划,往往需要多番采集实时客流信息、车辆信息并以此作为调度依据。同时,调度过程也少不了定位系统、无线射频等技术的支持。将各物理模块集成到公交车载终端中,车载终端通过定位系统和乘客IC卡统计装置分别获取车辆位置信息和乘客数量信息。这些实时信息经由无线网络发送到指定的控制后台。调度指挥中心在获取道路实时信息后,对这些信息进行综合分析,对道路进行有效管控。文章先是详述仿生优化算法。继而引出基本的蚁群算法。并以蚁群算法为契机,推出基于其构建的TSP模型。从而得出蚁群算法数学模型。最后对该算法从参数选取到策略选择等方面作如下优化:在基本算法里融入“赏罚”策略,在这之上对...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究的背景及目的
    1.2 国内外研究状况
        1.2.1 国外研究状况
        1.2.2 国内研究状况
    1.3 本文主要内容及章节安排
        1.3.1 本文主要内容
        1.3.2 章节安排
2 公交调度
    2.1 车联网的发展
    2.2 车联网关键技术
        2.2.1 GPS全球定位技术
        2.2.2 大数据安全防御技术
    2.3 公交调度基本知识
        2.3.1 公交车客流特征
        2.3.2 公交车客流数据采集
    2.4 公交时刻表的编制
        2.4.1 编制依据
        2.4.2 编制原则
        2.4.3 编制方法
    2.5 公交调度数学模型
        2.5.1 模型基本假设与说明
        2.5.2 构建数学模型
        2.5.3 目标函数生成
        2.5.4 模型约束条件
    2.6 本章小结
3 基本蚁群初识
    3.1 蚁群算法介绍
        3.1.1 蚁群算法由来
        3.1.2 蚁群算法的原理
    3.2 基本蚁群算法的数学模型
    3.3 基本蚁群算法的实现
        3.3.1 算法实现步骤
        3.3.2 程序结构流程图
    3.4 基本蚁群算法不足
    3.5 本章小结
4 优化蚁群算法
    4.1 引入“赏罚”机制
    4.2 最大最小蚁群系统
    4.3 信息素更新策略的改进
        4.3.1 信息素全局更新策略的改进
        4.3.2 信息素局部更新策略的改进
    4.4 引入状态转移控制参数
    4.5 改进算法流程
    4.6 本章小结
5 公交优化调度的仿真实例分析
    5.1 优化蚁群的调度求解步骤
    5.2 目标函数的参数选取
    5.3 调优算法中关键参数
        5.3.1 信息素挥发系数ρ
        5.3.2 信息素因子φ
        5.3.3 启发因子γ
        5.3.4 信息素因子α和启发因子β的组合取值优化
        5.3.5 蚂蚁数量M
        5.3.6 总信息量Q
    5.4 算法仿真求解比较
    5.5 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢



本文编号：3780077