摘要：公共汽车智能调度系统是将多种现代技术整合，实现公共汽车的动态调度，达到车辆资源、人力资源有效配置。本文首先介绍了国内外智能调度系统理论研究及系统应用现状，针对目前系统存在决策缺乏科学性的问题，提出引入专家知识系统的改进措施，并设计了公共汽车智能调度专家系统的作业流程以解决这一实际问题。
关键词：智能交通系统；先进公共交通系统；智能调度系统；专家系统
引言
调度作为公交车队管理的关键，调度工作的有效性直接影响公共交通的可靠性和舒适性。目前，国内大多公交公司仍采用传统人工调度的方式，但由于线路运行情况难以掌控，突发状况无法及时处理，导致运营计划缺乏准确性和均衡性，带来资源的浪费和经济效益的下降。
随着先进公共交通系统的发展，智能调度系统在此环境下应运而生。智能调度系统是将GPS、GIS和无线通信等技术整合，采集车辆运行数据，将处理后信息反馈给工作人员和乘客的一个系统。通过对公共汽车实时追踪定位，实现多条线路集中调度，以达到车辆的动态调度，是未来公共汽车调度的发展方向。
1国内外研究现状
1.1国外研究现状
国外对调度算法的研究主要分为有以下四种：1）数学解析方法。Adebisi,O[1]建立了固定线路上发车间隔实时调整模型，适用于更广泛的情况，可用于确定车站各影响因素的相对重要性，从而简化任务。2）模拟方法。；Koffman,D[2]建立了一种包含交通信号模拟的单向公交运营线路的仿真模型，通过对四种策略进行仿真测试，包括：①等待位置②跳站③信号优先④减少调度不确定性。3）概率方法。Adamski,A[3]对影响公共汽车在车站停车时间的主要随机因素进行研究，得出停车时间的密度函数解析式。4）经验模型方法。Adamski,A[4]研究了首末站调度控制的特点，提出了建立专家系统知识库，解决公共汽车调度这一高度复杂的动态问题。
1.1国内研究现状
张飞舟[5-6]探讨了公共汽车运营的交互式调度策略，介绍了简单移动法、预测调度法、基于时间和事件驱动的动态调度三种动态调度在线调整方法，提出了基于遗传算法优化公共汽车运营管理，采用一点和二点交叉方法，运用精英策略确定三种规模的调度方案；陈鹏[7]提出了将BP神经网络用于公共汽车运行时间预测，建立了公交车辆到站运行时间预测模型，结合一般车次、晚点车次、异常晚点、串车到达四种车辆运行状态设计了调整算法，以符合实际运营情况。
2系统存在的问题及改进措施
2.1存在的问题
公共汽车智能调度系统的实现改善了传统人工调度中存在的多种问题，但最终仍需依靠人工的决策判断。由于影响公共汽车调度因素较广，如客流量、道路交通状况、行车时间、等，因此调度作业是复杂且极富变化的。尽管系统可以提供辅助信息，但仍然需要大量工作经验来完成决策，由于调度员的个体差异，其决策往往存在一定局限性，导致现有智能公交调度系统设计有时无法反映乘客及企业需求。
2.1改进措施
基于上述问题，本文收集相关研究成果，在现有基础上建立公共汽车调度作业的专家系统，有效利用GPS历史资料库掌握车辆状况，并将使用者界面与GPS资料库连接，使排班调度作业更具弹性与互动性。
2.2.1专家知识系统
专家知识系统是一种具推理能力的电脑系统，用于解决现实生活中的重要问题，其解决问题的效率和质量并不低于人类专家，并具有自我学习能力，而且任何用户都能使用。这些特性决定了公共汽车调度这种高度复杂、考虑因素广泛的工作对其的需求。
本文所构建的专家知识系统主要目的为针对实际情况，对行车时刻表进行调整；建立具有专家知识经验积累的各时段发车频率模拟模型；利用GPS定位资料库，预测车辆到站情况、单程运行时间，以判断是否按照行车时刻表计划进行，以协助调度人员作业参考。整个专家系统的可分为三部分，即推理机、知识库、用户界面，如图1。
图1专家知识系统
1）推理机。专家系统的结果输出是由推理机完成的，利用知识库从外界获取大量资料进行学习人类专家思维模式。当外界信息输入时，推理机根据内部规则输出推理结果。采用前推式推论方式，此方法为以资料为导向，符合调度工作的实际情况。
2）知识库。知识库作为存放知识与规则的地方，将解题知识、表示知识、限制及说明等以特殊定义的知识表示法组成。主要储存专业调度人员经验与排班调度规则，并定期更新知识项目。
3）用户界面。利用企业内部网络架设的智能公交调度平台，通过现有通信技术，使工作方式与管理机制突破时空限制，提供跨时空的调度与排班功能，以满足多区域调度需求，减少信息流动的成本与时间。
3结论
目前，我国城市公共交通系统至关重要的问题是其服务水平相对较低，公共汽车运行速度慢，舒适性较差，而公共汽车智能调度系统的建设是解决以上问题最有效的方式。智能公交调度系统在我国正处于初步建设阶段，对其理论及应用研究具有一定实际意义。
参考文献
[1]Adebisi O. A mathematical model for headway variance of fixed-route buses[J]. Transportation Research Part B Methodological, 1986, 20(1):59-70.
[2]Koffiman D. A Simulation Study of Alternative Real-time Bus Headway Control Strategies[J]. Transportation Research Record, 1978，(663):41-46
[3]Adamski A. Probabilistic models of passengers service processes at bus stops[J]. Transportation Research Part B Methodological, 1992, 26(4):253-259
[4]Adamski A. Expert System for dispatching control of the public transport vehicles at terminal[J]. Proceedings of International Conference TRANSSYSTEM-89. 1989.
[5]张飞舟, 晏磊, 范跃祖,等. 智能交通系统中的公交车辆调度方法研究[J]. 中国公路学报, 2003, 16(2):82-85.
[6]张飞舟, 晏磊, 范跃祖,等. 智能交通系统中的公交车辆动态调度研究[J]. 公路交通科技, 2002, 19(3):123-126.
[7]陈鹏. 基于BP神经网络的公交智能实时调度模型研究及系统实现[D]. 北京交通大学, 2008.
论文作者:朱科
论文发表刊物:《知识-力量》2中
论文发表时间:2018/9/18
标签：系统论文; 公共汽车论文; 智能论文; 专家系统论文; 知识论文; 公交论文; 车辆论文; 《知识-力量》2中论文;