英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料
智能公交调度系统规划基础
摘要
城市管理部门和公交企业面临的一个亟待解决的问题是如何有效地调度和管理公交车辆，如何制定中国公交优先的战略。为了提升公交服务水平，缩短乘客出行时间，应重点研究城市智能公交调度系统。为此，本文通过综合运用先进的通信技术，计算机网络技术和交通运营管理方法，运用系统工程理论知识，构建城市智能公交调度系统框架体系，分析了系统的功能目标以及智能调度系统背后的信息流。此外，通过对中国公交系统实际情况特有的可行调度方法的细致研究，本文将实时调度模式的确定作为一种模式识别方法，进一步提供了基于BP神经网络的实时调度方式，公交车辆实时调度模式。这些研究成果将为城市智能公交调度系统的开发和应用提供参考和依据。
关键词：公共交通; 智能调度; 神经网络; 系统设计
Ⅰ.介绍
自二十世纪八十年代以来，西方发达国家开始积极研究智能公交系统。 其中，美国城市公共交通管理局（UMTA）率先研究先进公众视野
交通运输系统（APTS）主要面向巴士实时调度方法和实时信息发布技术，同时研究如何利用先进的电子和通信技术提高公共交通效率和服务水平。 在20世纪90年代，东京都政府交通局开发了集中交通管制系统（CTCS），可以为公共交通运营的乘客和工作人员提供实时信息，执行运营监控和实现公交客车的动态调度。
与这些发达国家相比，中国的智能公交运输水平相对较低，这可从传统运营方式在绝大多数公共交通领域仍在使用中看出。 随着中国城市化进程加快，城市规模不断扩大，城市人口不断增加，公交系统面临着更大的压力，运行速度不断下降，服务可靠性和服务水平不断下降的问题。 在这种背景下，智能公交系统成为解决这些问题的有力工具，因此值得在这一领域加强研究力度。
在智能公交系统中，集成GIS，GPS和GSM技术的智能调度系统的开发和应用越来越受到重视，并在技术，经济和社会领域显示出巨大的优势（Carstensen，1998年）。
通过对城市智能公交调度系统开发的研究，分析了系统的功能需求，提出了智能公交调度系统的基本结构，阐述了城市智能化发展过程中涉及的关键技术 公共交通调度系统，为我国城市智能公交调度系统的开发和应用提供参考和依据。
Ⅱ.系统功能
智能公交调度系统通过监控公交系统运行状态，收集和分析相关信息，实现实现客流量预测，实时优化调整运行调度计划的功能， 提升公交系统服务水平，改善公民出行条件。
要实现的具体功能可以详述如下：
- 总线监控和控制
通过将GIS和GPS技术与车载设备配合使用，我们能够确保对公交车辆运行状态进行全面，可视化和实时监控，并掌握城市道路交通状况。
通过使用视频和音频技术，可以显示有关公共交通车辆的操作路线和信息。
- 数据收集和通信
乘客信息可以通过安装在公交车站和车辆上的乘客信息采集设备获取，并且这些数据将被传回到数据中心。
此外，运营车辆的定位可以通过车载设备和GPS技术来实现，并且相应的数据将再次发送回数据中心。 通过现代无线通信，实时通信可以在运行中的车辆与调度中心之间建立联系。
- 客流分析与预测
基于中性网络模型，预测公交线路的短期客流量，其结果将作为实时调度的输入数据。
- 实时调度
通过收集的数据和对客流的预测结果，计算机系统可以优化车辆出发时间表，制定实时车辆调度计划并按照一定的调度规则和计算方法自动向驾驶员发送调度指令。
发生事故时，可以及时部署应急预案，实施突发事件的调度计划。
- 统计与分析
通过对收集到的信息进行分析，可以生成不同用途的数据报表和报表，如劳务使用说明，各路线客流统计图表，不同运营公司的成本费用表，车辆行驶里程表， 应急事件统计表和故障维修分析报告等。
Ⅲ.系统设计
- 系统结构
以计算机技术为基础，结合先进车辆技术（AVT），信息技术和无线通信技术等，智能公交调度系统可实现公交自动调度指挥，确保车辆及时运行，加快公众运行速度 通过整合计算机辅助调度，旅游信息系统等，提高公交服务质量。 为此，将形成一个规则，准确，高效的综合公共交通运输体系，其结构由监测数据采集系统，通信系统和调度中心系统三大部分组成，如图1所示。
- 监控和数据收集系统
监控和数据采集系统综合运用车载设备，GPS设备，视频监控设备和远程运输微波传感器（RTMS），用于监控车辆乘客状态，车辆运行状态，道路交通状况 条件和公交车站客流情况。 收集后的车辆位置，乘客人数和路况信息等数据将发送到调度中心。
- 通信系统
通信系统作为整个智能公交调度系统的中枢神经，是语音传输，数据传输和图像传输的主要功能。 鉴于大量移动终端被包含在公共交通系统中，因此具有大量终端和与有线和无线互连的网络通信，可以建立用于承载GPS业务的无线通信网络平台 GPRS网络和短消息可以通过短消息业务（SMS）协同控制信道进行传输，综合平衡成本，收益和网络覆盖等因素。移动通信网络与固定通信网络的相互关联将形成一个完整的公众 运输业务通信网络，保证网络畅通，系统运行稳定。
- 中央调度系统
调度中心系统作为智能公交调度系统的核心，通过通信设备接收实时信息，并通过电子地图，图表等手段在计算机屏幕上显示这些信息，以保证调度员的信息，控制和掌握某些路线，汽车和紧急修理车辆的动态位置和运行状态（Malmborg，1998）。
此外，调度中心系统通过进行短期客流预测分析，优化车辆出发时刻表和调度实时车辆调度计划，完成车辆自动调度指挥任务。业务处理子系统也可以生成不同目的的声明。
同时，调度中心系统凭借出行信息发布功能，通过信息终端，电子公交车站牌，电话，网络等方式发布旅客方便的公共交通信息。
Ⅳ.信息流
在智能公交调度系统的运行过程中，大量的静态和动态运输数据将被使用，因此借助先进的融合技术要求这些数据的有效融合。
图2给出了具体的信息流，图中显示信息首先由车载GPS设备，视频监控设备和流量检测设备传输到位于调度中心的数据库，信息服务服务器，电子停车标志服务器和调度服务器。 处理完成后，信息将发送到各公交车路线的调度室，公共汽车的车载终端和公交车站的电子公交站标志。
图2 系统信息流
Ⅴ.实时调度方法
- 公交调度模式
公交调度模式是指公交运营过程中采用的交通组织形式，包括公交车按时运行，公交车仅行驶一部分正常路线，高速巴士，实时调度控制和实时暂停， 智能公交调度系统必须能够根据公交系统的实时运行状态，客流情况或突发情况，自动确定当前各条公交线路应采用的调度方式， 为了提高公共交通系统的服务水平和减少乘客的旅行时间。
- BP神经网络模型
实时调度模式实质上被确定为模式识别系统，其输入包括静态和动态信息的一些信息并输出用于公共汽车离开的模式，即模式。 一组信息的输入应该对应于一种类型的公交出发模式。 利用BP神经网络建立的输入信息与输出模式的关系，可以自动生成公交线路的实时调度模式。
图3显示了基于BP神经网络的实时调度模型，其中BP神经网络由输入层，隐含层和输出层。 具体来说，输入层包含客流数据，该层中神经细胞的数量等于公交站点公交站点的数量，输出层指的是调度模式层数和该层神经细胞的数量 相当于调度模式的种类和数量。 输入神经细胞的数量和输出神经细胞的数量一起将决定隐藏层中神经细胞的数量，通常计算为L = Nm /（n m）或L = n0.5m0.5，其中 L代表隐层中神经细胞的数量，n和m分别代表输入层和输出层中神经细胞的数量，N代表样品容量。
- 调度模式生成步骤
步骤1：通过交通调查收集原车站上下车的乘客人数，并计算相关指标。 因此可以确定代表BP神经网络训练集的相应调度模式。
步骤2：然后建立并训练用于BP神经网络的参数。
步骤3：实时收集在公交车站上下车的乘客人数，进行短期客流预测。
步骤4：将通过步骤3获取的乘客收集器 - 分配器体积替换为已经被训练的步骤1中的网络。 BP神经网络将能够在短时间内自动提供最合适的调度模式，从而实现公交客车的实时调度。
Ⅵ.结论
随着经济的发展，社会的进步和科学技术的不断完善，公共交通已经成为向更加智能化方向发展的必然趋势，也是解决交通问题的re path之途。由于智能公交以调度系统为中心，发展智能公交调度系统具有重要的实际意义。为此，GIS和GPS技术，现代通信技术，车辆定位技术，现代计算机网络技术等高科技领域取得的成就，以及政府对公共交通事业的政策优惠政策都取得了技术支持和政策支持保证城市智能公交调度系统的发展。本文探讨了城市智能调度系统的设计和开发，随着相关技术的不断进步，我们今后的工作应不断优化和完善。
Ⅶ.参考文献
- Carstensen, Jr, L.W, “GPS and GIS: enhanced accuracy in map matching through effective filtering of autonomous GPS points”, Cartography and Geographic Information Systems, 25(1), 1998, pp51-62.
- Malmborg C.J, “A genetic algorithm for service level based vehicle scheduling”, European Journal of Operational Research, 93(1), 1996, pp.121-134.
- Andrzej Adamski and Andrzej Turnau, “Simulation support tool for real-time dispatching control in public transport”,Transportation Research Part A: Policy and Practice, 32(2), 1998, pp.73-87.
- Maged Dessouky, Randolph Hall, Ali Nowroozi and Karen Mourikas, “Bus dispatching at timed transfer transit stations using bus tracking technology”,Transportation Research Part C: Emerging Technologies, 7(4), 1999, Papp.187-208.
- Andreacute; de Palma and Robin Lindseyb, “Optimal timetables for public transportation”,Transportation Research Part B: Methodological, 35(8), 2001, pp.789-813.
- Strathman, J. G., Dueker, K. J., and T. Kimpel, “Automated Bus Dispatching, Operations Control, and Service Reliability: Baseline Analysis”,Transportation Research Record, 1666, 1999, pp.28-36.
- Pius J. Egbelu and Jose M. A. Tanchoco, “Characterization of automatic guided vehicle dispatching rules”, International Journal of Production Research, 22(3), 1984, pp.359-374.
- John R. Stone, Tahsina Ahmed, Anna Nalevanko, “Internet-Based Decision Support for Advanced Public Transportation Systems Technology”, Transportation Research Record, 1731, 2001, pp.63-67.
- Robert L. Bertini and Ahmed M, “El-Geneidy,Modeling Transit Trip Time Using Archived Bus Dispatch System Data”, Journal of Transportation Engineering, 130(1), 2004, pp.56-67.
- Liping Fu, Qing Liu, Paul Calamai, “Real-Time Optimization Model for Dynamic Scheduling of Transit Operations”, Transportation Research Record, 1857, 2003, pp.48-55.
快速web应用开发的MVC模型设计
摘要
在本文中，我们提出了一个快速Web应用程序开发的模型。 该模型基于模型
全文共13690字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10107]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
