1.一种基于遗传算法的公交发车与车速调整优化方法，其特征在于，包括：S1.获取与公交单线路相关的数据信息；

S2.根据获取到的数据信息预测客流量随时间变化的信息，并确定建立优化模型时所需的参数；

S3.根据所述确定的参数建立公交动态发车以及站间时速调整的优化模型；

S4.通过遗产算法对所述建立的优化模型进行求解，得到公交车待发车辆的发车间隔和行驶车辆的站间速度的调度方案；

步骤S4具体包括：

S41.种群初始化：在编码时，将发车时刻表转化为发车间隔；

S42.适应值函数：将染色体的适值等于所有候乘站点乘客的总等车时间；

S43.根据交叉算子方法得到新的线性组合公式；

S44.对发生变异的染色体中行驶车速部分的基因位进行计算，得到所需结果。

2.根据权利要求1所述的一种基于遗传算法的公交发车与车速调整优化方法，其特征在于，步骤S1中获取的数据信息包括路线与站点数据、公交车数据；所述路线与站点数据包括线路总长度、单线上设置的站点数量、相邻站点间的距离；所述公交车数据包括单线上公交车的最大载客量。

3.根据权利要求2所述的一种基于遗传算法的公交发车与车速调整优化方法，其特征在于，步骤S2中建立优化模型时所需的参数包括待发车辆数量、车辆在站点停车由于加速减速所需要的缓冲时间、乘客上下车所需的平均时间、车辆到达站点后乘客的下车比率、站点距离、公交公司要求的最大发车间隔和最小发车间隔、不同情景客流发生的情况。

4.根据权利要求3所述的一种基于遗传算法的公交发车与车速调整优化方法，其特征在于，步骤S3是通过最小化乘客总等车时间为目标函数，建立的优化模型。

5.根据权利要求4所述的一种基于遗传算法的公交发车与车速调整优化方法，其特征在于，步骤S3具体为：S31.采集在周期范围内的公交车的运行过程和历史数据，并建立相对应的数据集；

S32.对建立的数据集进行预处理，计算相对应的中间变量；

S33.对优化模型中的决策变量进行决策；所述决策变量包括始发站的待发公交车辆以及所有公车的站间车速；

S34.对所述进行决策后的优化模型建立目标函数；

S35.建立所述目标函数的约束条件。