CN110555473A - 行车线路规划方法、服务器及系统 - Google Patents
行车线路规划方法、服务器及系统 Download PDFInfo
- Publication number
- CN110555473A CN110555473A CN201910798971.8A CN201910798971A CN110555473A CN 110555473 A CN110555473 A CN 110555473A CN 201910798971 A CN201910798971 A CN 201910798971A CN 110555473 A CN110555473 A CN 110555473A
- Authority
- CN
- China
- Prior art keywords
- information
- terminal
- clustering
- bus
- travel
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
Abstract
本发明提供一种行车线路规划方法、服务器及系统,所述方法包括通过服务器获取终端的第一出行信息,第一出行信息为终端对应的用户的出行需求信息,出行需求信息包括起止点信息和期望时间信息,终端和服务器处于同一网络;对第一出行信息进行聚类处理,获取公交车停靠节点信息;对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息;向终端发送第二出行信息,第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,公交车线路信息包括线路站点信息和预计到站时间信息。本发明仅通过获取第一出行信息并进行聚类处理实现根据乘客出行需求规划合理、最优的公共汽车行车线路,提高人们的出行效率。
Description
技术领域
本发明涉及公共交通技术领域,尤其涉及一种行车线路规划方法、服务器及系统。
背景技术
公共汽车是最为普遍的一种大众运输工具,随着城市化进程的快速发展,城市人口和地域不断增加,对于公共交通的需求也随之相应地快速增长,公共汽车低廉的价格为普通上班族提供了良好的通勤方式。
现有的公共汽车基本都是遵循固定的线路运行,但对于一些居住地不靠近主要交通干道的人而言乘车较为不便,并且乘车人的上车站点和下车站点并不一定在同一线路上,需要换乘,现有的公共交通系统无法根据乘客的乘车需求规划行车路线,在倡导尽量使用公共交通绿色出行的当下无法为乘客进一步提供便利。
发明内容
本发明的目的在于提供一种行车线路规划方法、服务器及系统,以解决现有技术中公共汽车线路固定、无法响应乘客乘车需求动态规划行车线路的问题。
本发明实施例第一方面提供一种行车线路规划方法,包括:
通过服务器获取终端的第一出行信息,所述第一出行信息为终端对应的用户的出行需求信息,所述出行需求信息包括起止点信息和期望时间信息,所述终端和服务器处于同一网络;
对第一出行信息进行聚类处理,获取公交车停靠节点信息;
对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息;
向终端发送第二出行信息,所述第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,所述公交车线路信息包括线路站点信息和预计到站时间信息。
进一步的,所述对第一出行信息进行聚类,获取公交车停靠节点信息,包括:
抽取不同来源的第一出行信息中的起止点信息作为第一样本,并进行预处理;
选取第一样本中多个距离尽可能远的起止点信息作为第一聚类中心,将第一样本中的起止点信息对象分配到相应的聚类簇中;
根据聚类簇中的起止点信息计算中间值,将其作为第二聚类中心;
将聚类结果作为第二样本进行二次聚类,输出二次聚类结果的聚类中心作为公交车停靠节点。
进一步的,所述通过服务器对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息,包括:
每次迭代时通过蚁群算法遍历所有公交车停靠节点,获取各个蚂蚁产生的第一寻优结果,所述第一寻优结果包括蚂蚁所经过的公交车停靠节点路径信息和相应的识别信息;
根据第一寻优结果的路径计算服务乘客数量和线路利润,通过对比将服务乘客数量最多和线路利润最高的路径作为第二寻优结果进行保存;
对所有第二寻优结果进行信息素的挥发和更新,将本次迭代的最优路径信息作为第三寻优结果进行保存,进入下次迭代;
迭代结束后根据第三寻优结果获取最优路径信息。
进一步的,通过服务器向终端发送第二出行信息,包括:
根据最优路径信息规划公交车线路;
判断公交车行车线路与终端对应的用户的第一出行信息是否匹配,向匹配的终端发送第二出行信息。
本发明实施例第二方面提供一种服务器,所述服务器与终端处于同一网络,所述服务器包括:
获取模块,用于获取终端的第一出行信息,所述第一出行信息为终端对应的用户的出行需求信息,所述出行需求信息包括起止点信息和期望时间信息;
第一处理模块,用于对第一出行信息进行聚类处理,获取公交车停靠节点信息;
第二处理模块,用于对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息;
发送模块,用于向终端发送第二出行信息,所述第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,所述公交车线路信息包括线路站点信息和预计到站时间信息。
进一步的,所述第一处理模块还包括:
预处理模块,用于抽取不同来源的第一出行信息中的起止点信息作为第一样本,并进行预处理;
第一聚类模块,用于选取第一样本中多个距离尽可能远的起止点信息作为第一聚类中心,将第一样本中的起止点信息对象分配到相应的聚类簇中;
计算模块,用于根据聚类簇中的起止点信息计算中间值,将其作为第二聚类中心;
第二聚类模块,用于将第一聚类模块的聚类结果作为第二样本进行二次聚类,输出二次聚类结果的聚类中心作为公交车停靠节点。
进一步的,所述第二处理模块还包括:
第一寻优模块,用于在每次迭代时通过蚁群算法遍历所有公交车停靠节点,获取各个蚂蚁产生的第一寻优结果,所述第一寻优结果包括蚂蚁所经过的公交车停靠节点路径信息和相应的识别信息;
第二寻优模块,用于根据第一寻优结果的路径计算服务乘客数量和线路利润,通过对比将服务乘客数量最多和线路利润最高的路径作为第二寻优结果进行保存;
第三寻优模块,用于对所有第二寻优结果进行信息素的挥发和更新,将本次迭代的最优路径信息作为第三寻优结果进行保存;
获取子模块,用于在迭代结束后根据第三寻优结果获取最优路径信息。
进一步的,所述发送模块还包括:
规划模块,用于根据最优路径信息规划公交车线路;
判断模块,用于判断公交车行车线路与终端对应的用户的第一出行信息是否匹配,向匹配的终端发送第二出行信息。
本发明实施例第三方面提供一种行车线路规划系统,所述系统包括上述第二方面所述的服务器和终端。
本发明实施例第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现上述第一方面所述的方法。
与现有技术相比,本发明的有益效果是:
采用本发明实施例所提供的行车线路规划方法,服务器仅向终端获取第一出行信息,通过对第一出行信息进行聚类处理,获取公交车停靠节点信息,对公交车停靠节点信息进行识别处理获取最优路径信息,向终端发送第二出行信息,终端对应的用户可以根据第二出行信息合理规划出行方式,从而仅通过获取第一出行信息并进行聚类处理实现根据乘客出行需求规划合理、最优的公共汽车行车线路,提高人们的出行效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的的行车路线规划方法流程示意图。
图2是本发明另一实施例提供的行车路线规划方法流程示意图。
图3是本发明另一实施例提供的行车路线规划方法流程示意图。
图4是本发明另一实施例提供的行车路线规划方法流程示意图。
图5是本发明一实施例提供的服务器结构示意图。
具体实施方式
为了使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
图1为本发明一实施例提供的行车路线规划方法流程示意图。所述方法中的终端可以是PC、平板电脑、笔记本电脑、智能手机等设备;所述服务器可以是计算机、伺服器等设备。本发明实施例中,在此不做具体限制。
另外,在本发明实施例中终端与服务器处于同一网络,服务器与第三方服务器或终端之间的通讯方式可以是通过线缆通信,也可以是无线网络,也可以是其他通讯方式,本发明实施例中,在此不做具体限定。
如图1所示,所述行车路线规划方法,包括:
S11、通过服务器获取终端的第一出行信息,所述第一出行信息为终端对应的用户的出行需求信息,所述出行需求信息包括起止点信息和期望时间信息,所述终端和服务器处于同一网络。
其中,终端和服务器处于同一网络是指终端对应的用户可以服务器进行注册,用户可以通过终端进行登录,登录后终端可以获取服务器内部的信息,并向用户进行展示。
所述起止点信息包括终端对应的用户期望的上车点信息和下车点信息,所述期望时间信息为终端对应的用户期望公共汽车到达的时间。
一些实施方式中,服务器从终端获取的第一出行信息可以是经过预设操作的第一出行信息,对所述第一出行信息进行预设操作,可以是对第一出行信息进行加密处理,也可以为对第一出行信息添加其他字符,还可以为对第一出行信息进行其他处理。
S12、对第一出行信息进行聚类处理,获取公交车停靠节点信息。
其中,服务器抽取出第一出行信息中的起止点信息,并对所述起止点信息进行聚类处理,从而将上车点(下车点)需求相近的起止点信息分为同一类,将该类的聚类中心作为公交车停靠节点,使得后续步骤中规划行车路线时参考的公交车停靠节点能够尽量满足大部分乘客的需求,提高载客效率。
S13、对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息。
其中,服务器首先根据公交车停靠节点信息获取所有经过公交车停靠节点的路径集合,并通过多次迭代,从路径集合中筛选出最优路径,作为公交车行车线路,筛选最优路径时,可以综合考虑最大载客量、线路长度、站点间距离、需投入车辆数量、发车时间等因素,结合实际运营情况进行筛选。
S14、向终端发送第二出行信息,所述第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,所述公交车线路信息包括线路站点信息和预计到站时间信息。
其中,服务器在筛选处最优路径信息后,根据最优路径信息规划公交车行车线路,服务器根据终端对应用户的出行需求信息,向终端发送满足出行需求信息的公交车线路信息,终端对应的用户可以根据公交车线路信息安排出行计划,到相应的公交车停靠点等待并乘坐公交车。
一些实施方式中,服务器向终端发送的第二出行信息可以是经过预设操作的第二出行信息,对第二出行信息进行预设操作,可以是对第二出行信息进行加密处理,也可以为对第二出行信息添加其他字符,还可以为对第二出行信息进行其他处理。
本实施例提供的一种行车线路规划方法,服务器仅向终端获取第一出行信息,通过对第一出行信息进行聚类处理,获取公交车停靠节点信息,对公交车停靠节点信息进行识别处理获取最优路径信息,向终端发送第二出行信息,终端对应的用户可以根据第二出行信息合理规划出行方式,从而仅通过获取第一出行信息并进行聚类处理实现根据乘客出行需求规划合理、最优的公共汽车行车线路,提高人们的出行效率。
图2是本发明另一实施例提供的行车线路规划方法流程示意图。
如图2所示,所述对第一出行信息进行聚类,获取公交车停靠节点信息,包括:
S121、抽取不同来源的第一出行信息中的起止点信息作为第一样本,并进行预处理。
其中,所述不同来源的第一出行信息可以是不同终端对应的用户通过终端向服务器提交的第一出行信息,也可以是用户通过浏览器或其他方式向服务器提交的第一出行信息,本实施例中在此不做具体限制。所述第一样本为由多份不同来源的第一出行信息组成的数据集。
一些实施方式中,所述预处理为对第一样本中的起止点信息进行归一化处理。
另外,对第一出行信息进行聚类,可以是采用K-means聚类算法,也可以是采用其他聚类方法。
S122、选取第一样本中多个距离尽可能远的起止点信息作为第一聚类中心,将第一样本中的起止点信息对象分配到相应的聚类簇中。
本实施例中,为了避免出现由于随机选择聚类中心,导致最终的聚类结果与实际情况相差较大的问题,在对第一样本进行预处理后,首先选取第一样本中任意一个起止点信息对象作为第一聚类中心,再分别计算其他起止点信息对象与该第一聚类中心的距离,从中选择与第一聚类中心距离最大的起止点信息对象作为新的第一聚类中心,重复上述过程,直到第一聚类中心的数量达到预设的第一数量上限,从而防止聚类结果过于依赖随机选取的第一个聚类中心。
在第一聚类中心的数量达到预设的第一数量上限后,将第一样本中的其他起止点信息对象分配到相应的聚类簇中,起止点信息对象是否可以被分配到同一个聚类簇中,根据该聚类簇的第一聚类中心与该起止点的距离是否小于预设距离阈值判断,所述预设距离阈值用于表示乘客可以接受的由原需求上车点到实际上车点的相对距离。
S123、根据聚类簇中的起止点信息计算中间值,将其作为第二聚类中心。
本实施例中,为了避免常规聚类算法中容易出现局部最优解的问题,对不同聚类簇中的起止点信息统计计算其中间值,计算出中间值后,将第一聚类中心移动到所述中间值处,作为第二聚类中心。
S124、将聚类结果作为第二样本进行二次聚类,输出二次聚类结果的聚类中心作为公交车停靠节点。
其中,将聚类结果的集合作为第二样本输入进行二次聚类,所述二次聚类包括:依次读取第二样本中的数据对象,将每个数据对象作为一个类别,并计算类与其他类的最小距离;将类和与其距离最小的另一个类组合成新的类别,一轮组合后,再重新执行类间最小距离的计算与组合,直到聚类中心的数目等于预设的第二数量上限,所述第二数量上限为根据实际情况规划的公交车停靠节点数量。本实施例可以进一步提高聚类结果的精准度,使其更加贴近乘客的需求。
图3是本发明另一实施例提供的行车线路规划方法流程示意图。
如图3所示,所述对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息,包括:
S131、每次迭代时通过蚁群算法遍历所有公交车停靠节点,获取各个蚂蚁产生的第一寻优结果,所述第一寻优结果包括蚂蚁所经过的公交车停靠节点路径信息和相应的识别信息。
其中,所述公交车停靠节点为对第一出行信息进行聚类处理后输出的聚类结果的聚类中心。每次迭代时,蚁群算法的蚂蚁随机选择一个公交车停靠节点出发,并在其他公交车停靠节点中随机选择一个停靠节点作为下一站,每经过一个公交车停靠节点时,对该公交车停靠节点进行标记,标记过的公交车停靠节点不再作为下一站的可选目标,直到遍历完所有公交车停靠节点,产生第一寻优结果。所述识别信息为第一寻优结果的唯一标识信息。
S132、根据第一寻优结果的路径计算服务乘客数量和线路利润,通过对比将服务乘客数量最多和线路利润最高的路径作为第二寻优结果进行保存。
其中,服务器根据第一寻优结果中的路径信息计算该路径可以服务的乘客数量以及可以产生的利润,并通过对比,将服务乘客数量最多以及线路能够产生利润最多的路径作为第二寻优结果进行保存,以作为最终规划的公交车行车线路的可选项之一。
S133、对所有第二寻优结果进行信息素的挥发和更新,将本次迭代的最优路径信息作为第三寻优结果进行保存,进入下次迭代。
其中,在每次迭代结束前,对第二寻优结果进行信息素的挥发和更新,加强优选路径的信息素浓度,使得蚂蚁在下次迭代时更容易选择该路径。
S134、迭代结束后根据第三寻优结果获取最优路径信息。
其中,在迭代次数达到第三数量上限后,结束迭代,在多次迭代产生的第三寻优结果中,通过综合评估路径可服务的乘客数量以及能够产生的利润,从中筛选出最优路径信息,该最优路径信息即为能够符合大多数乘客出行需求的公交车行车线路。
图4是本发明另一实施例提供的行车线路规划方法流程示意图。
如图4所示,所述通过服务器向终端发送第二出行信息,包括:
S141、根据最优路径信息规划公交车线路。
其中,服务器在向终端发送第二出行信息前,根据最优路径信息,以及实际的线路情况,规划公交车的行车线路,以及相应的发车时间、到达各站点的时间。
S142、判断公交车行车线路与终端对应的用户的第一出行信息是否匹配,向匹配的终端发送第二出行信息。
其中,服务器在完成公交车行车线路的规划后,判断公交车行车线路与不同的终端对应的用户的第一出行信息是否匹配,所述匹配即公交车行车线路所经过的公交车停靠节点是否能够满足乘客的上下车需求,若匹配成功,则服务器向相应的终端发送第二出行信息,以便于终端对应的用户可以根据第二出行信息乘坐公交车,合理计划出行。
图5为本发明一实施例提供的服务器结构示意图。
如图5所示,所述服务器包括获取模块1、第一处理模块2、第二处理模块3以及发送模块4。
其中,所述获取模块1,用于获取终端的第一出行信息,所述第一出行信息为终端对应的用户的出行需求信息,所述出行需求信息包括起止点信息和期望时间信息。
所述第一处理模块2,用于对第一出行信息进行聚类处理,获取公交车停靠节点信息。
所述第二处理模块3,用于对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息。
所述发送模块4,用于向终端发送第二出行信息,所述第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,所述公交车线路信息包括线路站点信息和预计到站时间信息。
可选的,所述第一处理模块2还包括预处理模块、第一聚类模块、计算模块和第二聚类模块。
其中,所述第一聚类模块,用于选取第一样本中多个距离尽可能远的起止点信息作为第一聚类中心,将第一样本中的起止点信息对象分配到相应的聚类簇中。
所述计算模块,用于根据聚类簇中的起止点信息计算中间值,将其作为第二聚类中心。
所述第二聚类模块,用于将第一聚类模块的聚类结果作为第二样本进行二次聚类,输出二次聚类结果的聚类中心作为公交车停靠节点。
可选的,所述第二处理模块还包括第一寻优模块、第二寻优模块、第三寻优模块和获取子模块。
其中,所述第一寻优模块,用于在每次迭代时通过蚁群算法遍历所有公交车停靠节点,获取各个蚂蚁产生的第一寻优结果,所述第一寻优结果包括蚂蚁所经过的公交车停靠节点路径信息和相应的识别信息。
所述第二寻优模块,用于根据第一寻优结果的路径计算服务乘客数量和线路利润,通过对比将服务乘客数量最多和线路利润最高的路径作为第二寻优结果进行保存。
所述第三寻优模块,用于对所有第二寻优结果进行信息素的挥发和更新,将本次迭代的最优路径信息作为第三寻优结果进行保存。
所述获取子模块,用于在迭代结束后根据第三寻优结果获取最优路径信息。
可选的,所述发送模块4还包括规划模块和判断模块。
其中,所述规划模块,用于根据最优路径信息规划公交车线路。
所述判断模块,用于判断公交车行车线路与终端对应的用户的第一出行信息是否匹配,向匹配的终端发送第二出行信息。
本发明一实施例还提供一种行车线路规划系统,所述系统包括上述任意实施例所述的终端和服务器。
本发明一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时实现图1至图4任一项所对应的方法的步骤。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路,或,一个或多个微处理器,或,一个或者多个现场可编程门阵列等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统的形式实现。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种行车线路规划方法,应用于服务器,其特征在于,包括:
通过服务器获取终端的第一出行信息,所述第一出行信息为终端对应的用户的出行需求信息,所述出行需求信息包括起止点信息和期望时间信息,所述终端和服务器处于同一网络;
对第一出行信息进行聚类处理,获取公交车停靠节点信息;
对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息;
向终端发送第二出行信息,所述第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,所述公交车线路信息包括线路站点信息和预计到站时间信息。
2.根据权利要求1所述的一种行车线路规划方法,其特征在于,所述对第一出行信息进行聚类,获取公交车停靠节点信息,包括:
抽取不同来源的第一出行信息中的起止点信息作为第一样本,并进行预处理;
选取第一样本中多个距离尽可能远的起止点信息作为第一聚类中心,将第一样本中的起止点信息对象分配到相应的聚类簇中;
根据聚类簇中的起止点信息计算中间值,将其作为第二聚类中心;
将聚类结果作为第二样本进行二次聚类,输出二次聚类结果的聚类中心作为公交车停靠节点。
3.根据权利要求1所述的一种行车线路规划方法,其特征在于,所述通过服务器对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息,包括:
每次迭代时通过蚁群算法遍历所有公交车停靠节点,获取各个蚂蚁产生的第一寻优结果,所述第一寻优结果包括蚂蚁所经过的公交车停靠节点路径信息和相应的识别信息;
根据第一寻优结果的路径计算服务乘客数量和线路利润,通过对比将服务乘客数量最多和线路利润最高的路径作为第二寻优结果进行保存;
对所有第二寻优结果进行信息素的挥发和更新,将本次迭代的最优路径信息作为第三寻优结果进行保存,进入下次迭代;
迭代结束后根据第三寻优结果获取最优路径信息。
4.根据权利要求1所述的一种行车线路规划方法,其特征在于,通过服务器向终端发送第二出行信息,包括:
根据最优路径信息规划公交车线路;
判断公交车行车线路与终端对应的用户的第一出行信息是否匹配,向匹配的终端发送第二出行信息。
5.一种服务器,其特征在于,所述服务器与终端处于同一网络,所述服务器包括:
获取模块,用于获取终端的第一出行信息,所述第一出行信息为终端对应的用户的出行需求信息,所述出行需求信息包括起止点信息和期望时间信息;
第一处理模块,用于对第一出行信息进行聚类处理,获取公交车停靠节点信息;
第二处理模块,用于对公交车停靠节点信息进行识别处理,并进行多次迭代的最优路径寻找,获取最优路径信息;
发送模块,用于向终端发送第二出行信息,所述第二出行信息为满足终端对应的用户的出行需求信息的公交车线路信息,所述公交车线路信息包括线路站点信息和预计到站时间信息。
6.根据权利要求5所述的一种服务器,其特征在于,所述第一处理模块还包括:
预处理模块,用于抽取不同来源的第一出行信息中的起止点信息作为第一样本,并进行预处理;
第一聚类模块,用于选取第一样本中多个距离尽可能远的起止点信息作为第一聚类中心,将第一样本中的起止点信息对象分配到相应的聚类簇中;
计算模块,用于根据聚类簇中的起止点信息计算中间值,将其作为第二聚类中心;
第二聚类模块,用于将第一聚类模块的聚类结果作为第二样本进行二次聚类,输出二次聚类结果的聚类中心作为公交车停靠节点。
7.根据权利要求5所述的一种服务器,其特征在于,所述第二处理模块还包括:
第一寻优模块,用于在每次迭代时通过蚁群算法遍历所有公交车停靠节点,获取各个蚂蚁产生的第一寻优结果,所述第一寻优结果包括蚂蚁所经过的公交车停靠节点路径信息和相应的识别信息;
第二寻优模块,用于根据第一寻优结果的路径计算服务乘客数量和线路利润,通过对比将服务乘客数量最多和线路利润最高的路径作为第二寻优结果进行保存;
第三寻优模块,用于对所有第二寻优结果进行信息素的挥发和更新,将本次迭代的最优路径信息作为第三寻优结果进行保存;
获取子模块,用于在迭代结束后根据第三寻优结果获取最优路径信息。
8.根据权利要求5所述的一种服务器,其特征在于,所述发送模块还包括:
规划模块,用于根据最优路径信息规划公交车线路;
判断模块,用于判断公交车行车线路与终端对应的用户的第一出行信息是否匹配,向匹配的终端发送第二出行信息。
9.一种行车线路规划系统,其特征在于,所述系统包括权利要求5-8任一项所述的服务器和终端,所述服务器和终端处于同一网络。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910798971.8A CN110555473A (zh) | 2019-08-28 | 2019-08-28 | 行车线路规划方法、服务器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910798971.8A CN110555473A (zh) | 2019-08-28 | 2019-08-28 | 行车线路规划方法、服务器及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110555473A true CN110555473A (zh) | 2019-12-10 |
Family
ID=68738125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910798971.8A Pending CN110555473A (zh) | 2019-08-28 | 2019-08-28 | 行车线路规划方法、服务器及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555473A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111366160A (zh) * | 2020-05-25 | 2020-07-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 路径规划方法、路径规划装置及终端设备 |
CN113589819A (zh) * | 2021-08-12 | 2021-11-02 | 上海淞泓智能汽车科技有限公司 | 一种专用无人驾驶观光车辆线网规划方法 |
WO2022027144A1 (en) * | 2020-08-07 | 2022-02-10 | Blaise Transit Ltd. | System and method for generating real-time routing for on-demand transportation |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808877A (zh) * | 2016-03-21 | 2016-07-27 | 南通大学 | 一种基于站点停靠能力的公交线网布设方法 |
CN108053062A (zh) * | 2017-12-11 | 2018-05-18 | 北京航空航天大学 | 一种基于多源数据的定制公交线路生成方法 |
CN108898183A (zh) * | 2018-07-02 | 2018-11-27 | 中国人民解放军战略支援部队信息工程大学 | 一种巡检路线制定方法及装置 |
CN109764884A (zh) * | 2019-01-02 | 2019-05-17 | 北京科技大学 | 一种校车路径规划方法及规划装置 |
CN109800902A (zh) * | 2018-12-11 | 2019-05-24 | 华南理工大学 | 一种不间断往复式灵活线路长度的无人驾驶公交优化方法 |
CN110084402A (zh) * | 2019-03-25 | 2019-08-02 | 广东工业大学 | 一种基于站点优选和蚂蚁寻迹的公交自适应调度方法 |
-
2019
- 2019-08-28 CN CN201910798971.8A patent/CN110555473A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105808877A (zh) * | 2016-03-21 | 2016-07-27 | 南通大学 | 一种基于站点停靠能力的公交线网布设方法 |
CN108053062A (zh) * | 2017-12-11 | 2018-05-18 | 北京航空航天大学 | 一种基于多源数据的定制公交线路生成方法 |
CN108898183A (zh) * | 2018-07-02 | 2018-11-27 | 中国人民解放军战略支援部队信息工程大学 | 一种巡检路线制定方法及装置 |
CN109800902A (zh) * | 2018-12-11 | 2019-05-24 | 华南理工大学 | 一种不间断往复式灵活线路长度的无人驾驶公交优化方法 |
CN109764884A (zh) * | 2019-01-02 | 2019-05-17 | 北京科技大学 | 一种校车路径规划方法及规划装置 |
CN110084402A (zh) * | 2019-03-25 | 2019-08-02 | 广东工业大学 | 一种基于站点优选和蚂蚁寻迹的公交自适应调度方法 |
Non-Patent Citations (1)
Title |
---|
雷永巍 等: ""互联网定制公交的网络调度模型及其求解算法"", 《交通运输系统工程与信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111366160A (zh) * | 2020-05-25 | 2020-07-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 路径规划方法、路径规划装置及终端设备 |
CN111366160B (zh) * | 2020-05-25 | 2020-10-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 路径规划方法、路径规划装置及终端设备 |
WO2022027144A1 (en) * | 2020-08-07 | 2022-02-10 | Blaise Transit Ltd. | System and method for generating real-time routing for on-demand transportation |
CN113589819A (zh) * | 2021-08-12 | 2021-11-02 | 上海淞泓智能汽车科技有限公司 | 一种专用无人驾驶观光车辆线网规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
Lim et al. | Impact of ambulance dispatch policies on performance of emergency medical services | |
CN104884900B (zh) | 行程时间信息提供设备和行程时间信息提供方法 | |
US11288603B2 (en) | System for real-time optimal matching of ride sharing requests | |
CN110555473A (zh) | 行车线路规划方法、服务器及系统 | |
CN109784970B (zh) | 一种基于afc乘客乘车数据的服务推荐方法及装置 | |
JP2018535474A (ja) | 車両使用業務で需要と運送能力の非マッチング地域を獲得するための方法、装置、デバイス及び不揮発性コンピュータ記憶媒体 | |
CN110222893B (zh) | 共享交通资源的投放地点推荐方法、装置与电子设备 | |
CN107464413A (zh) | 实时单处理方法及服务器 | |
WO2021147412A1 (zh) | 服务位置推荐方法、装置、电子设备及可读存储介质 | |
CN110472999B (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
CN111178380A (zh) | 数据分类方法、装置及电子设备 | |
KR102288490B1 (ko) | 한계 대기 시간에 기초한 차량 방법, 시스템 및 프로그램 | |
CN113763700A (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
CN113807588A (zh) | 基于交通事故的行车路径规划方法及装置 | |
CN110647929B (zh) | 用于预测出行目的地的方法、及用于训练分类器的方法 | |
CN111724184A (zh) | 一种转化概率预测方法及装置 | |
CN114820264A (zh) | 公共交通工具换乘数据处理方法、装置、设备、存储介质 | |
CN107622467B (zh) | 一种通勤出行模式提取方法及装置 | |
CN113761398B (zh) | 信息推荐方法、装置、电子设备以及存储介质 | |
CN114630269A (zh) | 信号处理方法、装置、设备及存储介质 | |
JP7372937B2 (ja) | 移動手段判断装置 | |
CN110718087B (zh) | 数据融合处理方法及装置 | |
CN113269339A (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
Verma et al. | A predictive taxi dispatching system for improved user satisfaction and taxi utilization |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191210 |
|
RJ01 | Rejection of invention patent application after publication |