基于贝叶斯网络的城市公交动态调度决策方法

Bus scheduling, in a dynamic uncertain environment, is influenced by uncertainties to change their passenger flow or travel time. This may lead to failure in executing current timetable, vehicle and driver scheduling plan. Existing research cannot easily deal with such a real-time bus schedule adjustment problem..Given the lack of existing research, this study uses Bayesian network to explore bus dynamic scheduling problem. It is divided into perception of transit environment, assessment of traffic incident‘s influence on bus scheme, and its dynamic adjustment. Firstly, Bayesian network is used to portray causal relationship between variables in above decision-making process. Secondly, they are integrated as a whole to describe the state transition caused by the random interference between timetable, vehicle and driver scheme in a real system. When a traffic incident occurs, assess reasons and directions of adjustment for it causing current scheme’s failure. Dispatchers’ prior knowledge, combined with historical and real-time data, is used to learn model structure and parameters online. On this basis, a feasible solution is dynamically generated using the model inference algorithms. Accordingly, our work achieves the purpose of independent decision-making..An intelligent dynamic bus scheduling decision system is explored to test our application in Nantong Public Transport Company.

城市公交处于动态不确定环境中，现实中的众多不确定因素会引起客流或行驶时间变化，这可能导致当前时刻表、车辆和驾驶员排班方案失效，现有研究不能很好地解决随机干扰致使这些调度方案需要动态实时调整问题。.针对现有研究的不足，本课题利用贝叶斯网络探索公交动态调度问题。将该问题划分为公交环境感知、随机干扰对调度方案的影响评估、调度方案动态调整等。首先，利用贝叶斯网络分别刻画上述决策过程中变量之间的因果关系；其次，集成它们于一体，描述随机干扰引起时刻表、车辆和驾驶员排班在实际系统中的状态转移过程。当交通事件发生时，评估它们致使当前调度方案失效的原因及其调整方向，借鉴调度人员的先验知识，结合历史和实时公交运营数据，在线学习模型结构和参数，利用模型推理算法动态生成下一时刻的可行调度方案，达到自主决策的目的。.将该成果开发为智能公交调度决策系统，以南通某公交公司为试点，进行测试、完善和应用。

按照合同要求的研究任务，该课题拟采用贝叶斯网络技术，针对复杂情况下的城市公交动态调度实际，主要解决客流或行程时间预测、时刻表生成、车辆和驾驶员排班问题以及公交系统评价四个关键问题。课题组已经开展的研究工作如下：.（1）课题组已经成功应用贝叶斯网络解决客流或行程时间的短时和长时预测问题，初步给出了时刻表生成、车辆和驾驶员排班问题以及公交系统评价的贝叶斯网络求解框架，按照交通事件发生、发展和演化的过程，构建公交调度方案生成的二层微观和宏观贝叶斯网络模型，将外部环境因素视为输入，分析其如何影响客流或行驶时间变化，进而如何引起公交运力和运量之间失衡，输出是时刻表最大匹配运量的结果。控制输入可以控制部分状态的变化，据此构建突发事件贝叶斯网络中的各外部环境条件节点输入-客流或行驶时间预测-运力运量计算-时刻表决策节点输出的四层拓扑网络结构，实现预测复杂交通环境变化情形下的公交时刻表及其发生概率，为公交动态调度提供可靠的技术支撑。.（2）针对复杂情况下的复杂公交调度建模困难问题，借鉴传统道路的研究思路，从运筹优化视角，关于区域公交协调调度、多模式公交、公交组合调度、接驳公交调度，使用概率分布、灰色理论等方法对不确定干扰进行了解析和建模，建立了各种不确定性的公交线网、时刻表、车辆和驾驶员排班模型，给出了它们的等价确定性模型，设计求解它们的遗传算法、蚁群算法、细菌觅食算法等，不仅探讨了公交调度各个子系统的资源优化配置问题，而且探讨了它们之间耦合关系以确保系统最优。.课题组在3年项目期间解决了部分公交领域的技术难题，总共发表基金标注论文11篇（5篇SCI、2篇EI、1篇中文核心），申请发明专利8项（授权7项），申请和授权软件著作权1项，为智能公交平台打下了坚实的基础，部分成果正在开发公交调度平台。