[发明专利]基于混沌理论的改进模糊神经网络公交车智能调度方法

摘要

本发明公开了一种基于混沌理论的改进模糊神经网络公交车智能调度，属于智能交通领域。本发明研发的基于混沌理论的改进粒子群公交车智能调度方法，充分发挥各种算法各自的优势和互补性，同时引入一系列的改进措施，如共轭梯度优化、粒子群算法的惯性因子和约束因子等，从理论和实际两方面研究其机理与寻优性能，从根本上解决目前优化算法中存在的全局搜索能力差、早熟收敛等问题，能够显著增加种群的多样性，显著提高了全局寻优能力，可以有效处理模糊信息问题，并且具有较快的收敛速度，给公交车智能调度提供了一种新的高效的方法。

主权项

一种基于混沌理论的改进模糊神经网络公交车智能调度方法，其特征在于，包括如下步骤：第一步，实际问题需求分析与调研；包括：已知某一总里程为L的公交路线共有J个车站，公交公司的车辆一天的运营时间为[t早，t晚]，运营时间可分成K个时段，第K个时段的发车间隔为Δtk，此路线的公交车辆型号是相同的，假设按时到达各站，每个车站的乘客服从均匀分布，每个乘客全程的公交票价为n，现从公交公司的运行盈利和公交公司的服务水平两方面出发，根据一天各个站点的乘客流量以及运营条件，求解此路线的车辆运行时刻表；第二步，利用凸优化理论，将实际问题转化为数学模型，建立目标函数和约束条件；建立目标函数：minf(Δtk)=αc1LΣk=1KTkΔtk+βc2Σk=1KΣi=1mkΣj=1J(ρkjΔtk22)]]>式中：Δtk表示第k个时段的发车间隔，k∈K＝{1...K}，约束条件：n×Σk=1KΣi=1JμkjΣk=1KTkΔtk>C1L,Δtk>0]]>其中：K为时段集K＝{1...K}，k表示第k个时段；J为车站集J＝{1...J}，j表示第j个车站；Tk表示第k时段的时间长度；表示第k时段第j站的上车乘客数；表示第k时段第j站的乘客到达率；C1为每公里每辆公交车辆消耗的费用；C2为每个乘客每等待一个单位时间所相当的损失费用；α表示公交公司消耗费用的加权系数；β表示乘客等待时间所损失费用的加权系数；加权系数的关系为α+β＝1；n为全程公交票价；L为线路的总公里数；表示第k时段的总发车车次于该时段的时间长度与发车间隔的比值；第三步，采用RBF神经网络构建模糊系统；包括输入层、径向基层和输出层，设X＝[x1，x2，...，xn]T为输入矢量，n为输入样本个数，W＝[w1，w2，...，wn]T为输出矢量，m为隐层节点数，b为偏移量，f(x)为网络输出，为径向基函数：其中，||·||为欧式范数，Ci是网络中第i个数据中心，则神经网络的输出为：第四步，利用改进的粒子群算法优化模糊系统参数；第五步，建立好基于混沌理论的改进的粒子群模糊系统后，进行公交车智能调度。