車聯(lián)網(wǎng)平臺下基于優(yōu)化蟻群算法的公交調(diào)度系統(tǒng)優(yōu)化.pdf

1、車聯(lián)網(wǎng)經(jīng)過多年發(fā)展儼然成為物聯(lián)網(wǎng)（Internet of Things，IoT）行業(yè)一個重點的分支。越來越多的通信技術(shù)被發(fā)掘為車聯(lián)網(wǎng)技術(shù)的發(fā)展創(chuàng)造了條件。其中至為關(guān)鍵的一步就是要通過通信設(shè)備將傳感器、視屏采集器等設(shè)備中采集到的訊息傳遞給交通管控平臺。在此基礎(chǔ)上才有可能對公共交通進行實時、有效的監(jiān)控、管理。車聯(lián)網(wǎng)是物聯(lián)網(wǎng)的應(yīng)用延伸；而在車聯(lián)網(wǎng)應(yīng)用中公交車走在了行業(yè)的前列。
　　公共出行是城鎮(zhèn)交通運營中必不可少的部分。為了制定科學(xué)合理

2、的調(diào)度計劃，往往需要多番采集實時客流信息、車輛信息并以此作為調(diào)度依據(jù)。同時，調(diào)度過程也少不了定位系統(tǒng)、無線射頻等技術(shù)的支持。將各物理模塊集成到公交車載終端中，車載終端通過定位系統(tǒng)和乘客IC卡統(tǒng)計裝置分別獲取車輛位置信息和乘客數(shù)量信息。這些實時信息經(jīng)由無線網(wǎng)絡(luò)發(fā)送到指定的控制后臺。調(diào)度指揮中心在獲取道路實時信息后，對這些信息進行綜合分析，對道路進行有效管控。
　　文章先是詳述仿生優(yōu)化算法。繼而引出基本的蟻群算法。并以蟻群算法為契機，

3、推出基于其構(gòu)建的TSP模型。從而得出蟻群算法數(shù)學(xué)模型。最后對該算法從參數(shù)選取到策略選擇等方面作如下優(yōu)化：
　　在基本算法里融入“賞罰”策略，在這之上對其進行更新上的優(yōu)化操作。替換操作的流程可以選擇從局部和全局兩個角度對信息素的濃度進行。最終目標是要增加實現(xiàn)跳轉(zhuǎn)的概率。跳轉(zhuǎn)概率的增加是為了避免算法因陷入“囚徒困境”而無法求解出全局最優(yōu)解。除此之外，還要注意對包括：螞蟻數(shù)量、啟發(fā)因子、信息素濃度在內(nèi)的諸多參數(shù)進行恰當?shù)膹?fù)制。本文在大量