题目：BRT动态调度技术的研究及应用

公交车辆在日常线路运营中，常常要面临许多无法意料的异常事件，特别在大规模客流以及严格的运输时间条件下，车辆故障、交通事故及气候因素等突发事件都会严重影响既定运输方案的执行。在这种情况下，对公交运营的动态指挥调度成为了一个亟待解决的课题。本论文以北京市南中轴路快速公交（Bus Rapid Transit, BRT）为研究背景，在项目前期初步实现的公交运营调度的基础上，重点研究了BRT实际运营复杂情况下的BRT动态重调度问题，包括运营车辆多状态下的动态捕捉追踪、运营车辆的异常检测，在发生异常时实施动态重调度的方法和实现技术等。针对BRT的动态重调度的复杂需求，提出了改进的自适应遗传算法，解决发车间隔动态优化问题。实际运行结果证明了该算法能够在车辆满载率控制在一定范围的前提下降低乘客平均候车时间。论文提出并实现了BRT车辆捕捉追踪及异常检测和处理的算法：在常规车辆定位的基础上，分析GPS数据以及站台识别数据进行车辆异常检测。通过比较车辆实际到达站台时间与计划到达时间判断车辆快晚点状况，其中对车辆进出站的检测，采用以站台识别数据为主，以GPS数据为辅的方法。车辆捕捉追踪通过分析GPS数据检测车辆超速，分析GPS数据接收时间检测GPS车载设备异常。BRT动态重调度主要实现了行车计划的动态管理以及对运营数据的历史分析功能。其中对行车计划的动态管理，重点分析了行车计划中发车间隔的动态优化问题，首先建立发车间隔动态优化模型，然后采用自适应遗传算法求解模型，构造了符合快速公交行车规律的染色体编码和适应度函数，根据公式自适应调整变异概率。基于上述算法及重调度处理，论文重新设计并实现了BRT动态调度系统，并最终应用到北京市南中轴路快速公交系统中。应用结果表明，系统实现了对车辆的定位、状态检测并显示车辆快晚点状况，实现了对运营中车辆的捕捉追踪。实际调度执行结果表明采用自适应遗传算法较传统遗传算法能够更快收敛，并得到优化结果，虽然系统通过重调度整体车辆平均满载率较原计划从78%降低到75%，但是每个车次的车辆满载率控制在70%~80%，并且乘客平均候车时间降低了15.5%。