CN109583834A - 基于启发式的公交系统日计划排班算法 - Google Patents
基于启发式的公交系统日计划排班算法 Download PDFInfo
- Publication number
- CN109583834A CN109583834A CN201811390004.XA CN201811390004A CN109583834A CN 109583834 A CN109583834 A CN 109583834A CN 201811390004 A CN201811390004 A CN 201811390004A CN 109583834 A CN109583834 A CN 109583834A
- Authority
- CN
- China
- Prior art keywords
- solution
- class
- transit system
- order according
- public transit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013439 planning Methods 0.000 title claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 10
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000013459 approach Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- G06Q50/40—
Abstract
本发明涉及公交系统月计划排班技术领域,尤其为基于启发式的公交系统日计划排班算法,包括如下步骤:(1)参数设置、(2)解空间编码、(3)随机产生初始种群、(4)评价解空间集群、(5)解空间之间更新、(6)解空自身间更新、(7)选择优质的解空间集群、(8)得到最优解空间。本发明,可以改变公交公司通过传统人工进行日计划安排的现状,可以通过公交系统的月营运计划、线路情况、配属驾驶员、配属车辆等信息,生成符合企业需求、员工需求的日计划排班、轮班情况。公交企业可以将调度人员可以从繁重计划安排任务中脱离出来,同时重新优化公交资源的分配,减少企业运营的成本。
Description
技术领域
本发明涉及公交系统月计划排班技术领域,具体为基于启发式的公交系统日计划排班算法。
背景技术
公交系统调度排班是保证公交系统正常运行的基本保证,公交排班是一类典型的运输排班组合优化问题,其求解具有一定的复杂性,对其研究一直是一个前沿研究课题。传统的公交排班研究方法主要采用数学解析、模拟仿真以及数学规划等方法,但是随着问题求解难度与问题求解规模的增加,传统方法遇到了极大地挑战,已不能保证目标解的精确性。
发明内容
本发明的目的在于提供基于启发式的公交系统日计划排班算法,以解决上述背景技术中提出的问题。该基于启发式的公交系统日计划排班算法具有公交企业可以将调度人员可以从繁重计划安排任务中脱离出来,同时重新优化公交资源的分配,减少企业运营的成本的有点。
为实现上述目的,本发明提供如下技术方案:
基于启发式的公交系统日计划排班算法,包括如下步骤:
(1)参数设置:将对大量有计划的进行机器学习后或的特征转为智能算法的进行月计划优化的参数;
(2)解空间编码:采用实数编码方案,一条解空间的长度为|I|*|J|,总的可行解的数目为(|J|)|I|,每一个元素代表具体的任务,任务序号用实数表示;
(3)随机产生初始种群:根据可行解的总数目,算法的初始解空间集群从中随机产生一组;
(4)评价解空间集群:根据目标函数对生成的群体进行评价,评分,按分数高低进行排序;
(5)解空间之间更新:采取精英保留策略,留下评价较高的解空间作可行解;
(6)解空自身间更新:两个解空间分别交换元素,组合成两个新的解空间;
(7)选择优质的解空间集群:对更新后的解空间集群进行筛选,获得全局最优解;
(8)得到最优解空间:如果迭代次数为K,达到了最大迭代次数则停止运算,同时取相应的适应度值最高的解空间所对应的解作为原问题的最优解,否则,令k=K+1,并转向第三步。
进一步的,所述步骤(1)中,参数包括公交系统的月营运计划、线路情况、配属驾驶员、配属车辆的设置。
进一步的,所述步骤(2)中,每一个空间包含|I|个部分,每一个部分对应每一个层次;同时,每一个部分包含|J|元素,对应于数组[1,2,…,|J|]的一个全排列,代表前后两个层次的一种可行连接。
进一步的,所述步骤(4)中,目标函数包括:
函数1.满足线路运营需求;
函数2:驾驶员空驶次数少;
函数3:发车时刻均衡;
函数4:满足驾驶员班制时间;
函数5:满足车辆续航里程。
进一步的,所述步骤(4)中,两个解空间的更新是具体操作是将两个解空间的某一相同位置的元素片段截断,然后分别交叉,组合成两个新的解空间。
与现有技术相比,本发明的有益效果是:
可以改变公交公司通过传统人工进行日计划安排的现状,可以通过公交系统的月营运计划、线路情况、配属驾驶员、配属车辆等信息,生成符合企业需求、员工需求的日计划排班、轮班情况;同时通过机器学习过程得到好的日计划所具备的特征,将特征用于基于启发式算法的公交系统日计划排班算法的参数调整,并构建具有科学性与有效性的日计划指标体系。公交企业可以将调度人员可以从繁重计划安排任务中脱离出来,同时重新优化公交资源的分配,减少企业运营的成本。
附图说明
图1为本发明生成符合企业线路需求的发车时刻表。
图2为本发明核心算法流程示意图。
图3为本发明解空间编码解释示意图。
图4为本发明解空间之间的更新示意图。
图5为本发明解空间自身的更新示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“上/下端”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“设置/套设有”、“套接”、“连接”等,应做广义理解,例如“连接”,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1-5,本发明提供技术方案:
基于启发式的公交系统日计划排班算法,包括如下步骤:
(1)参数设置:将对大量有计划的进行机器学习后或的特征转为智能算法的进行月计划优化的参数;
(2)解空间编码:采用实数编码方案,一条解空间的长度为|I|*|J|,总的可行解的数目为(|J|)|I|,每一个元素代表具体的任务,任务序号用实数表示;
(3)随机产生初始种群:根据可行解的总数目,算法的初始解空间集群从中随机产生一组;
(4)评价解空间集群:根据目标函数对生成的群体进行评价,评分,按分数高低进行排序;
(5)解空间之间更新:采取精英保留策略,留下评价较高的解空间作可行解;
(6)解空自身间更新:两个解空间分别交换元素,组合成两个新的解空间;
(7)选择优质的解空间集群:对更新后的解空间集群进行筛选,获得全局最优解;
(8)得到最优解空间:如果迭代次数为K,达到了最大迭代次数则停止运算,同时取相应的适应度值最高的解空间所对应的解作为原问题的最优解,否则,令k=K+1,并转向第三步。
所述步骤(1)中,参数包括公交系统的月营运计划、线路情况、配属驾驶员、配属车辆的设置。
所述步骤(2)中,每一个空间包含|I|个部分,每一个部分对应每一个层次;同时,每一个部分包含|J|元素,对应于数组[1,2,…,|J|]的一个全排列,代表前后两个层次的一种可行连接。
所述步骤(4)中,目标函数包括:
函数1.满足线路运营需求;
函数2:驾驶员空驶次数少;
函数3:发车时刻均衡;
函数4:满足驾驶员班制时间;
函数5:满足车辆续航里程。
所述步骤(4)中,两个解空间的更新是具体操作是将两个解空间的某一相同位置的元素片段截断,然后分别交叉,组合成两个新的解空间。
本发明,为公交运营企业提供基于启发式算法的公交系统日计划排班算法,支持排班计划基于启发式全自动生成和人机交互式下的快速调整生成。算法包括对历史人员安排日计划数据及历史客流量的学习,对日计划排班的特征的聚类分析,将学习到排班得到特征,作为基于启发式算法生成日计划排班的主要约束及作为人机交互式生成日计划排班的主要标准。实现在大型公交系统中多条线路、人车关系固定或不固定,多种班型,多种车型等复杂条件下的公共系统日计划的生成,提升公共系统的日计划排班的科学性与合理性,达到公交系统资源利用效率的充分利用和解决排班难问题。本算法可以用到对公交系统排班计划生成、公交系统排班计划评价、公交系统排班计划优化等多个系统场景,应用亦将可以拓展到铁路,航班的日计划生成。
本发明,时刻表算法模型接收历史上日排班数据、专家排班数据、客流预测的发车频率、单程时长、线路配属驾驶员、车辆等信息,根据一定的规则生成符合企业线路需求的发车时刻表。
本发明,通过基于启发式算法的公交系统日计划排班算法,可以改变公交公司通过传统人工进行日计划安排的现状,可以通过公交系统的月营运计划、线路情况、配属驾驶员、配属车辆等信息,生成符合企业需求、员工需求的日计划排班、轮班情况;同时通过机器学习过程得到好的日计划所具备的特征,将特征用于基于启发式算法的公交系统日计划排班算法的参数调整,并构建具有科学性与有效性的日计划指标体系。公交企业可以将调度人员可以从繁重计划安排任务中脱离出来,同时重新优化公交资源的分配,减少企业运营的成本。
随着交通系统智能化进程的不断加快,计划安排的合理性与高效性将会对公交系统的智能化与实时性产生直接影响。基于启发式算法的公交系统日计划排班算法将会成为公交系统智能化的关键一环。
本发明,通过结合机器学习和启发式算法将从大量日计划及客流量统计中学习得到的特征数据整合到启发式的算法中,基于启发式算法的公交系统日计划排班算法可以保证高效与合理性的基础上得到大量优质的公交系统日计划排班。在考虑到司机的个人工作习惯及个人偏好,日计划算法根据在公交系统调度人员人对员工喜好设置的基础上进行公交系统日计划排班的优化工作。算法考虑全自动生成日计划排班的或人工交互式进行优化,都将极大程度的提升公交企业计划安排水平。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.基于启发式的公交系统日计划排班算法,其特征在于,包括如下步骤:
(1)参数设置:将对大量有计划的进行机器学习后或的特征转为智能算法的进行月计划优化的参数;
(2)解空间编码:采用实数编码方案,一条解空间的长度为|I|*|J|,总的可行解的数目为(|J|)|I|,每一个元素代表具体的任务,任务序号用实数表示;
(3)随机产生初始种群:根据可行解的总数目,算法的初始解空间集群从中随机产生一组;
(4)评价解空间集群:根据目标函数对生成的群体进行评价,评分,按分数高低进行排序;
(5)解空间之间更新:采取精英保留策略,留下评价较高的解空间作可行解;
(6)解空自身间更新:两个解空间分别交换元素,组合成两个新的解空间;
(7)选择优质的解空间集群:对更新后的解空间集群进行筛选,获得全局最优解;
(8)得到最优解空间:如果迭代次数为K,达到了最大迭代次数则停止运算,同时取相应的适应度值最高的解空间所对应的解作为原问题的最优解,否则,令k=K+1,并转向第三步。
2.根据权利要求1所述的基于启发式的公交系统日计划排班算法,其特征在于:所述步骤(1)中,参数包括公交系统的月营运计划、线路情况、配属驾驶员、配属车辆的设置。
3.根据权利要求1所述的基于启发式的公交系统日计划排班算法,其特征在于:所述步骤(2)中,每一个空间包含|I|个部分,每一个部分对应每一个层次;同时,每一个部分包含|J|元素,对应于数组[1,2,…,|J|]的一个全排列,代表前后两个层次的一种可行连接。
4.根据权利要求1所述的基于启发式的公交系统日计划排班算法,其特征在于:所述步骤(4)中,目标函数包括:
函数1.满足线路运营需求;
函数2:驾驶员空驶次数少;
函数3:发车时刻均衡;
函数4:满足驾驶员班制时间;
函数5:满足车辆续航里程。
5.根据权利要求1所述的基于启发式的公交系统日计划排班算法,其特征在于:所述步骤(4)中,两个解空间的更新是具体操作是将两个解空间的某一相同位置的元素片段截断,然后分别交叉,组合成两个新的解空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811390004.XA CN109583834A (zh) | 2018-11-21 | 2018-11-21 | 基于启发式的公交系统日计划排班算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811390004.XA CN109583834A (zh) | 2018-11-21 | 2018-11-21 | 基于启发式的公交系统日计划排班算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109583834A true CN109583834A (zh) | 2019-04-05 |
Family
ID=65923592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811390004.XA Pending CN109583834A (zh) | 2018-11-21 | 2018-11-21 | 基于启发式的公交系统日计划排班算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109583834A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754336A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 一种网点排班方法和装置 |
CN112001560A (zh) * | 2020-09-01 | 2020-11-27 | 湖南智慧畅行交通科技有限公司 | 基于迭代邻域搜索的二阶段公交车辆排班算法 |
CN113256004A (zh) * | 2021-05-27 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 车辆排班方法、装置、计算机设备及存储介质 |
CN114664079A (zh) * | 2022-04-07 | 2022-06-24 | 四川万网鑫成信息科技有限公司 | 发车排班方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913653A (zh) * | 2016-06-27 | 2016-08-31 | 华南理工大学 | 一种云平台环境下公共交通智能行车计划排班系统及方法 |
CN107564270A (zh) * | 2017-09-07 | 2018-01-09 | 深圳市蓝泰源信息技术股份有限公司 | 一种智能公交调度运营方法 |
CN108681824A (zh) * | 2018-05-24 | 2018-10-19 | 湖南智慧畅行交通科技有限公司 | 基于启发式算法的公交系统月计划排班算法 |
-
2018
- 2018-11-21 CN CN201811390004.XA patent/CN109583834A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913653A (zh) * | 2016-06-27 | 2016-08-31 | 华南理工大学 | 一种云平台环境下公共交通智能行车计划排班系统及方法 |
CN107564270A (zh) * | 2017-09-07 | 2018-01-09 | 深圳市蓝泰源信息技术股份有限公司 | 一种智能公交调度运营方法 |
CN108681824A (zh) * | 2018-05-24 | 2018-10-19 | 湖南智慧畅行交通科技有限公司 | 基于启发式算法的公交系统月计划排班算法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754336A (zh) * | 2020-06-28 | 2020-10-09 | 中国银行股份有限公司 | 一种网点排班方法和装置 |
CN112001560A (zh) * | 2020-09-01 | 2020-11-27 | 湖南智慧畅行交通科技有限公司 | 基于迭代邻域搜索的二阶段公交车辆排班算法 |
CN113256004A (zh) * | 2021-05-27 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 车辆排班方法、装置、计算机设备及存储介质 |
CN114664079A (zh) * | 2022-04-07 | 2022-06-24 | 四川万网鑫成信息科技有限公司 | 发车排班方法和装置 |
CN114664079B (zh) * | 2022-04-07 | 2023-02-14 | 四川万网鑫成信息科技有限公司 | 发车排班方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583834A (zh) | 基于启发式的公交系统日计划排班算法 | |
Axsen et al. | The roles of users in electric, shared and automated mobility transitions | |
CN111754039B (zh) | 纯电动公交线网综合集成优化设计的方法 | |
Shui et al. | A clonal selection algorithm for urban bus vehicle scheduling | |
Venturini et al. | Linking narratives and energy system modelling in transport scenarios: A participatory perspective from Denmark | |
Díaz-Parra et al. | A vertical transfer algorithm for the school bus routing problem | |
Liu et al. | Electric transit network design by an improved artificial fish-swarm algorithm | |
Marsden et al. | Shared mobility: Where now? Where next | |
Imran | Sustainable urban transport in Pakistan: an institutional analysis | |
Bartłomiejczyk et al. | Sustainable use of the catenary by trolleybuses with auxiliary power sources on the example of Gdynia | |
CN108681824A (zh) | 基于启发式算法的公交系统月计划排班算法 | |
Huang et al. | Innovations impacting the future of transportation: an overview of connected, automated, shared, and electric technologies | |
Tang et al. | Optimization of single-line electric bus scheduling with skip-stop operation | |
Torbacki | Achieving sustainable mobility in the Szczecin metropolitan area in the post-COVID-19 era: The DEMATEL and PROMETHEE II approach | |
Borowska-Stefańska et al. | Privileging electric vehicles as an element of promoting sustainable urban mobility—Effects on the local transport system in a large metropolis in Poland | |
McBride et al. | Behavioural micro-dynamics of car ownership and travel in the Seattle metropolitan region from 1989 to 2002 | |
Meng et al. | A simulation-based dynamic traffic assignment model with combined modes | |
Lu et al. | Compatibility-based approach for routing and scheduling the demand responsive connector | |
Zhang et al. | Status and development of research on orderly charging and discharging of electric vehicles | |
Khakbaz et al. | Urban bus fleet routing in transportation network equipped with park-and-ride: a case study of Babol, Iran | |
Deng | Incorporation of micro-level analysis in strategic urban transport modelling: with a case study of the Greater Beijing | |
CN110827563B (zh) | 一种基于最可靠路径的停车诱导系统及方法 | |
Moyo Oliveros | Calibration of public transit routing for multi-agent simulation | |
Ng et al. | Redesigning Large-Scale Multimodal Transit Networks with Shared Autonomous Mobility Services | |
Burke et al. | The transport impacts of employment decentralisation in Brisbane |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190405 |