近年来,越来越多的大型活动在城市内举办,而大型活动散场时具有人数多、人流密度大等特点,需要快速对观众进行疏散,以免造成交通拥堵甚至踩踏事件的发生。因此,针对大型活动的疏散问题,研究基于调度算法的疏散方案用于加快观众的疏散具有一定的实际应用价值。虽然目前国内外众多学者对大型活动的疏散问题做了广泛的研究,但现有的疏散方案主要研究优化大型活动场地(源站点)周围的公交/巴士等交通工具的班次以及路线,忽略了源站点到公共交通站点之间“最后一公里”观众无法快速疏散的问题。因此,针对大型活动疏散问题中较难解决的“最后一公里”问题,本文提出一种基于K-Means聚类优化算法和改进遗传算法的自行车调度优化算法,本文主要研究工作如下:(1)提出基于调度优化算法的疏散方案,通过部署和调度共享自行车的方式对观众进行疏散,并对自行车调度中存在的车辆路径问题及求解算法进行研究。同时提出一种人流预测的方法。首先,对源站点周围的公共交通站点进行筛选,确定观众的目的地站点;然后,根据站点的运力以及与源站点的距离预测站点人流量。(2)结合K-Means聚类优化算法和遗传算法,并对其改进优化,提出了一种两段式自行车调度优化算法。首先,动态调节聚类个数,使其满足调度车承载量与簇内自行车数达到平衡,同时对簇中心的选取进行优化,保证簇中心尽可能远;然后,针对遗传算法容易陷入局部最优的缺点,从种群多样性和收敛性两个角度出发,采用精英保留策略和“优生”策略对遗传算子进行改进,并将其用于每个簇内调度路径的求解。(3)结合上述研究内容,设计了大型活动观众疏散系统,通过该系统可以实现:a)提供客户端可视化界面;b)根据具体的大型活动生成对应的疏散方案;c)利用模拟疏散算法对观众的疏散过程进行模拟。实验结果表明,本文提出的两段式自行车调度优化算法相对于传统的遗传算法和已有的改进算法,具有更快的收敛速度以及更好的全局寻优能力;在大型活动“最后一公里”的疏散问题上,本文提出的基于调度优化算法的疏散方案可以有效地提高疏散效率,降低疏散时间。