CN111340318B - 一种车辆动态调度方法、装置及终端设备 - Google Patents

一种车辆动态调度方法、装置及终端设备 Download PDF

Info

Publication number
CN111340318B
CN111340318B CN202010442225.8A CN202010442225A CN111340318B CN 111340318 B CN111340318 B CN 111340318B CN 202010442225 A CN202010442225 A CN 202010442225A CN 111340318 B CN111340318 B CN 111340318B
Authority
CN
China
Prior art keywords
vehicle
route
demand
current
line
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.)
Active
Application number
CN202010442225.8A
Other languages
English (en)
Other versions
CN111340318A (zh
Inventor
张晓春
林涛
陈振武
吴宗翔
黎旭成
王卓
彭逸洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shenzhen Urban Transport Planning Center Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shenzhen Urban Transport Planning Center Co Ltd
Priority to CN202010442225.8A priority Critical patent/CN111340318B/zh
Publication of CN111340318A publication Critical patent/CN111340318A/zh
Application granted granted Critical
Publication of CN111340318B publication Critical patent/CN111340318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q50/40—

Abstract

本申请适用于车辆动态调度技术领域，提供一种车辆动态调度方法、装置及终端设备，通过根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重，以表征当前起讫点需求量在历史起讫点需求量中的分布；根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从交通线网中提取车辆可运行的区间线并对车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集；根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从备选路线集中筛选出至少一条最优备选路线，从而可以在下一时刻对车辆进行满足其当前起讫点需求量的动态调度。

Description

一种车辆动态调度方法、装置及终端设备
技术领域
本申请属于车辆动态调度技术领域，尤其涉及一种车辆动态调度方法、装置及终端设备。
背景技术
随着经济的不断发展，用户对交通运输方式的时效性、舒适性、安全性等要求越来越高，能够满足多样化、多层次、个性化的交通运输需求的共享运输模式应运而生，例如定制公交，共享物流、供应链共享等。在需求响应的公共交通领域，定制公交通过信息化的手段能够更精准地采集用户需求，进而响应早晚高峰时段用户的通勤出行需求，成为对传统公交运营模式的有力补充。
然而，无论是定制公交还是传统的公交运营模式，其路线制定、班次计划等工作依赖于较长时间跨度的静态车辆调度，难以对用户的实时需求变化做出动态响应。如何在静态车辆调度问题的基础上解决动态车辆调度问题并且得出最优的调度结果，成为在公共交通调度方面的研究重点和难点。
发明内容
有鉴于此，本申请实施例提供了一种车辆动态调度方法、装置及终端设备，以解决动态车辆调度问题。
本申请实施例的第一方面提供了一种车辆动态调度方法，包括：
根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重；其中，所述当前需求量波动权重用于表征当前起讫点需求量在历史起讫点需求量中的分布；
根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从所述交通线网中提取所述车辆可运行的区间线；其中，所述区间线由至少一个路段构成；
对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集；
根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
本申请实施例的第二方面提供了一种车辆动态调度装置，包括：
需求在线分析器，用于根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重；其中，所述当前需求量波动权重用于表征当前起讫点需求量在历史起讫点需求量中的分布；
路段区间组合器，用于根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从所述交通线网中提取所述车辆可运行的区间线，对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集；其中，所述区间线由至少一个路段构成；
动态择优调度器，用于根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例的第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例的第一方面所述方法的步骤。
本申请实施例通过根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重，以表征每个路段当前起讫点需求量在历史起讫点需求量中的分布；然后根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从交通线网中提取车辆可运行的区间线并对车辆可运行的区间线进行组合，动态生成包括至少一条备选路线的备选路线集；并根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从备选路线集中筛选出至少一条最优备选路线，从而可以在下一时刻车辆对进行满足其当前起讫点需求量的动态调度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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是本申请实施例提供的车辆动态调度方法的第一种流程示意图；
图2是本申请实施例提供的车辆动态调度方法的第二种流程示意图；
图3是本申请实施例提供的贪婪型遗传算法的流程示意图；
图4是本申请实施例提供的测试集的示意图；
图5是本申请实施例提供的车辆动态调度装置的结构示意图；
图6是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供一种车辆动态调度方法，可以应用于对公交车、物流领域的运输车辆或供应链管理领域的运输车辆进行管理和调度的终端设备，具体可以由终端设备的处理器在运行具有相应功能的计算机程序时执行。终端设备可以设置于公交调度指挥中心、物流中心或者交通指挥中心。终端设备具体可以是（云）服务器、超级计算机（Supercomputer）等能够实现大数据计算的大型计算设备，也可以是个人计算机、笔记本电脑等小型计算设备，本申请实施例对终端设备的具体类型不作任何限制。公交车可以包括普通公交车、定制公交、快速公交（BRT）等。
如图1所示，本申请实施例提供的车辆动态调度方法，包括：
步骤S101、根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重；其中，所述当前需求量波动权重用于表征当前起讫点需求量在历史起讫点需求量中的分布。
在应用中，交通线网包括至少两条原始路线，当车辆为公交车时，原始线路是指既定的公交线路；当车辆为运输车辆时，原始线路是既定的物流线路。每条原始线路包括至少一个路段。每个路段由一对起讫点（Origin Destination，OD）及位于这对起讫点的起点和终点之间的路线组成，每对起讫点包含一个起点和一个终点，起点为交通线网中的起点站或停靠站，终点为交通线网中的停靠站或终点站。起讫点需求量又称OD量（交通出行量），当车辆为公交车时，起讫点需求量用于表征一对起讫点之间的客流量的大小；当车辆为货物的运输车辆时，起讫点需求量用于表征一对起讫点之间的货物流量的大小。当车辆为公交车时，当前起讫点需求量可以根据动态的乘客订单数据、刷卡数据等计算得到，历史起讫点需求量可以根据历史乘客订单数据、历史刷卡数据、路线属性（例如路线为热门路线或冷门路线）计算得到，当前起讫点需求量在车辆运行过程中当前更新，对于当前来说，上一时刻获得的当前起讫点需求量即为历史起讫点需求量。
在一个实施例中，步骤S101的表达式为：
Figure 531460DEST_PATH_IMAGE001
；
其中，i表示一个路段，l表示一条原始路线，W i,l 表示原始路线l中路段i的当前需 求量波动权重，Q t,i 表示当前时刻t原始路线l中路段i的当前起讫点需求量，
Figure 245338DEST_PATH_IMAGE002
表示路段i 的历史起讫点需求量的期望，
Figure 493917DEST_PATH_IMAGE003
表示当前时刻t原始路线l中路段i的当前起讫点需求量 的波动水平，
Figure 498913DEST_PATH_IMAGE004
表示原始路线l中所有路段的历史起讫点需求量的平均期望，
Figure 782127DEST_PATH_IMAGE005
表示路 段i在原始路线l中的历史起讫点需求量的波动水平，σ i 表示路段i的历史起讫点需求量的 波动方差。
在应用中，为了体现当前起讫点需求量在历史起讫点需求量中的分布，进而辅助 终端设备对每个路段的当前起讫点需求情况进行量化判断，引入第一个指标即
Figure 198065DEST_PATH_IMAGE006
，用路 段i的当前起讫点需求量除以路段i的历史起讫点需求量的期望，来体现排除异常值后，路 段i的当前起讫点需求量的波动水平。路段i的历史起讫点需求量的期望可以是路段i的历 史起讫点需求量的中位数或平均值。一般来说，承载OD需求的热门路段需要考虑如下两个 因素：路段i的在原始路线l中的历史起讫点需求量的波动水平和历史起讫点需求量的变化 程度。路段的在原始路线l中的历史起讫点需求量的波动水平，从统计学上可以由路段i的 在原始路线l中的历史起讫点需求量的期望除以原始路线l中所有路段的历史起讫点需求 量的平均期望来体现，即
Figure 668360DEST_PATH_IMAGE007
。历史起讫点需求量的变化程度则借助额外两个指标来量化 需求变化的影响：路段i历史起讫点需求量的方差和原始路线l中所有路段的历史起讫点需 求量的方差。原始路线l中所有路段的历史起讫点需求量的平均期望可以是所有路段的历 史起讫点需求量的中位数或平均值。
在应用中，上述当前需求量波动权重的表达式，能够体现当前需求量波动权重的如下特性：
（1） 当某一路段的当前起讫点需求量小于历史起讫点需求量，并且该路段的当前起讫点需求量的波动水平较小，表明该路段所属的原始路线为冷门路线、当前起讫点需求量不高，则该路段的当前需求量波动权重取值最低，在路段的搜索空间（search space）中优先级最低；
（2） 当某一路段的当前起讫点需求量小于历史当前起讫点需求量，并且该路段的当前起讫点需求量的波动水平较大，表明该路段所属的原始路线的冷热程度不稳定，则该路段的当前需求量波动权重取值较低，在路段的搜索空间中优先级较低；
（3） 当某一路段的当前起讫点需求量大于或等于历史当前起讫点需求量，且该路段的当前起讫点需求量的波动水平较小，表明该路段所属的原始路线为热门路线，则该路段的当前需求量波动权重取值较高，在路段的搜索空间中优先级最高；
（4） 当某一路段的当前起讫点需求量大于历史当前起讫点需求量，且该路段的当前起讫点需求量的波动水平较大，表明该路段所属的原始路线的起讫点需求量有上升趋势，则该路段的当前需求量波动权重取值增加，在路段的搜索空间中优先级较高。
步骤S102、根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从交通线网中提取所述车辆可运行的区间线；其中，所述区间线由至少一个路段构成。
在应用中，车辆是指运行在交通线网中的一台车辆，车辆的当前位置可由设置于车辆的车载终端（Transmission Control Unit，TCU）中的定位模块（例如，GPS模块）或专用车载定位装置（例如，车载导航仪（Car Navigation））发送给终端设备。由于每台车辆在哪条原始路线运行是由终端设备进行调度，因此，车辆正在服务的原始路线为已知参数。从交通线网中提取的车辆可运行的区间线包括但不限于已有的区间线，还可能包括除已有区间线之外的其他区间线，也可能仅包括已有的区间线。
在一个实施例中，步骤S102包括：
根据所述车辆正在服务的原始路线从所述交通线网中选择若干条原始路线；
根据所述车辆的当前位置从所述若干条原始路线中选择区间线起点站；
根据所述区间线起点站和每个路段的当前需求量波动权重，从所述若干条原始路线中提取若干条初始区间线；
选择区间线停靠站；
获取所述车辆沿每条初始区间线从区间线起点站运行至区间线停靠站的运行时间；
根据运行时间短于第一预设时间的初始区间线生成所述车辆可运行的区间线；
当所述区间线停靠站不是区间线终点站时，选择区间线终点站并返回执行根据所述区间线起点站和每个路段的当前需求量波动权重提取若干条初始区间线的步骤，直到所述区间线停靠站是所述区间线终点站时为止；
当所述区间线停靠站是区间线终点站时，若存在其他区间线起点站，返回执行根据车辆的当前位置选择区间线起点站的步骤，直到生成所述车辆的可运行的所有区间线时为止。
在应用中，从交通线网中选择的若干条原始路线包括除车辆正在服务的原始路线以及至少一条其他原始路线。其他原始路线包括与车辆正在服务的原始线路具有至少一个公共站点的原始线路，公共站点可以起点站、停靠站或终点站。其他原始路线也可以包括与车辆正在服务的原始线路邻近的原始线路，当某条原始线路中存在与车辆正在服务的原始线路中的任一站点之间的距离小于第一预设距离的至少一个站点时，可以认为这条原始路线与车辆正在服务的原始线路邻近。第一预设距离可以根据实际需要进行设置，例如，100m。
在应用中，区间线起点站是若干条原始路线中与车辆的当前位置之间的距离小于第二预设距离的站点。第二预设距离可以根据实际需要进行设置，例如，100m。
在应用中，初始区间线是由若干条原始路线中起点为区间线起点站且当前需求波动权重较优的路段构成的区间线，例如，当前需求波动权重较优的路段可以是当前需求波动权重靠前的30%的路段。
在应用中，每条区间线包括至少一个可供车辆切换路线、停靠休息的区间线停靠站，区间线停靠站可以是交通线网中的起点站、终点站或枢纽站，枢纽站是有多条原始线路汇集的站点。
在应用中，第一预设时间可以根据实际需要进行设置，第一预设时间应当小于车辆沿正在服务的原始路线由当前位置运行至正在服务的原始路线的终点站的时间。区间线终点站是区间线的最后一个站点。
在一个实施例中，选择区间线停靠站之后，还包括：
判断所述车辆沿每条初始区间线运行时是否空载；
若存在所述车辆运行时空载的初始区间线，则执行获取所述车辆沿每条初始区间线从所述区间线起点站运行至所述区间线停靠站的运行时间的步骤；
若存在所述车辆运行时未空载的初始区间线，则根据所述车辆运行时未空载的初始区间线生成所述车辆可运行的区间线。
在应用中，可以从原始路线开始，根据每个路段的当前需求量波动权重、路线与路线之间的串联结构、车辆的空载时间等遍历当前需求量波动权重较优的路段。这些路段属于原始路线的子区间，并以相同的访问顺序覆盖原始路线的一部分。
步骤S103、对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集。
在应用中，允许有备选路线没有车辆运营，有车辆运营的备选路线为有效备选路线，没有车辆运营的备选路线为无效备选路线。
在一个实施例中，步骤S103包括：
从所述车辆可运行的区间线中选择出发区间线；
选择可与所述出发区间线联运的若干条联运区间线；
选择备选路线起点；
根据所述备选路线起点和每个路段的当前需求量波动权重提取每条联运区间线的出站点；
根据每条联运区间线的出站点，判断每条联运区间线是否需要换线；
若存在需要换线的联运区间线，则获取需要换线的联运区间线的换线次数；
若存在换线次数少于预设次数的联运区间线，则获取所述车辆沿每条换线次数少于预设次数的联运区间线从所述备选路线起点运行至联运区间线的出站点的运行时间；
提取与换线次数少于预设次数且运行时间短于第二预设时间的联运区间线对应的返程路线；
若存在不需要换线的联运区间线，则提取与不需要换线的联运区间线对应的返程路线；
根据不需要换线的联运区间线、换线次数少于预设次数且运行时间短于第二预设时间的联运区间线及对应的返程路线，生成备选路线并写入备选路线集；
当存在其他出发区间线时，返回执行从车辆可运行的区间线中选择出发区间线的步骤，直到获得包括所述车辆可运行的所有备选路线的备选路线集为止；
当存在其他联运区间线时，返回执行选择可与所述出发区间线联运的若干条联运区间线的步骤，直到获得包括所述车辆可运行的所有备选路线的备选路线集为止；
当存在其他备选路线起点时，返回执行选择备选路线起点的步骤，直到获得包括所述车辆可运行的所有备选路线的备选路线集为止。
在应用中，利用路线中不同路段的当前需求量波动权重不均衡的特性，可以提取到第一批可用求解器搜索的备选路线。这些备选路线所隶属的枢纽站、起点站或终点站一般都能连接不同路线，使得车辆能够以较低的换线成本调度至其他路线。以枢纽站、起点站或终点站为基础，可以组合多个具备不同起讫点需求量的路段，以类似多线联运的机制，供车辆当前选择与当前起讫点需求量最匹配的最优备选路线。与区间线不同，前者在双向高负载的路段部分具有较高的服务效率，而处于单向高负载时，另一程依然满载率较差。联运的方式使得车辆可以摆脱整条路线完整运营的限制，在双向起讫点需求量较高或单向起讫点需求量较高的路段都具有较高的服务效率，在起讫点需求量变化时，自适应的找到起讫点需求量更高的路段生成区间线，进而生成与当前起讫点需求量最匹配的最优备选路线。
步骤S104、根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
在应用中，基于对每个路段的当前起讫点需求量的分析以及区间线的提取，可以通过求解一个需求自适应的车辆规划问题，来对当前车辆的投放情况进行优化，动态更新下一时刻的车辆调度策略。根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本，车辆的调度问题可以抽象为一个运筹优化问题进行数学建模。
在一个实施例中，步骤S104中目标函数的表达式为：
Figure 132840DEST_PATH_IMAGE008
；
所述目标函数的约束条件的表达式包括：
Figure 145926DEST_PATH_IMAGE009
；
Figure 342552DEST_PATH_IMAGE010
；
Figure 690357DEST_PATH_IMAGE011
；
Figure 692948DEST_PATH_IMAGE012
；
其中，n=｛n1，n2，…，nL｝为整数决策变量、表示每条路线被分配的车辆数量，l o 表示第o条备选路线，L o 表示备选路线集，L表示原始路线集，S表示站点集合，b lo,i,j 表示备选路线l o 中站点i与站点j之间的当前起讫点需求量，K lo,i,j 表示能够满足当前起讫点需求量的备选路线，n p 表示路线p被分配的车辆数量，n l 表示路线l被分配的车辆数量，C P 表示路线P的行驶总里程，C l 表示路线l的行驶总里程，α1和α2表示为调整系数，γ表示车辆总数，π表示允许调整的车辆比例，η表示激活的备选路线数量。
在应用中，目标函数包括3个部分，第一部分
Figure 419596DEST_PATH_IMAGE013
表示在站台等车的 综合等待时间，区分于传统的路线选择方式，用户可选择多条可抵达起讫点的备选路线，因 此实际等待时间为多条备选路线的组合结果，实际等待时间与决策变量n为非线性反比关 系。第二部分
Figure 193648DEST_PATH_IMAGE014
表示与行驶里程相关的车辆运营成本。第三部分
Figure 700852DEST_PATH_IMAGE015
是额外调取一辆车的车辆调度成本，对于某些备选路线组合需要额外借调 车辆的情况，起到惩罚目标函数的作用。调度问题本身还附带一系列的限制约束条件，交通 线网中的车辆数量必须小于可提供的车辆总数γ。从实际角度考虑，运营商较难接受无限 制的路线切换，因此，允许调整的车辆比例π必须小于激活的备选路线数量η。
在一个实施例中，步骤S104包括：
根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数；
通过基于遗传算法的贪婪搜索求解器对所述目标函数进行求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
在应用中，由于计算的复杂性，通过根据车辆的当前位置热启动的基于遗传算法的贪婪搜索求解器，可以有效缩小求解时的搜索空间。
如图2所示，在一个实施例中，通过基于遗传算法的贪婪搜索求解器对所述目标函数进行求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆，包括：
步骤S201、通过引入效用函数的方法将带约束条件的目标函数转变成不带约束条件的新目标函数，并将目标函数的约束条件转换为惩罚函数；
步骤S202、根据所述车辆的当前位置以及所述车辆临近的起始站、终点站或枢纽站，从所述备选路线集中选择车辆运营成本和车辆调度成本最低的备选路线作为父代种群；
步骤S203、通过遗传算法在所述父代种群中进行杂交，并选取第一预设比例的非父代种群与所述父代种群进行杂交，将优化基因遗传给第一代遗传种群；
步骤S204、对所述第一代遗传种群进行变异运算；
步骤S205、计算所述第一代遗传种群中的每个个体对新目标函数的适应度；
步骤S206、保留适应度靠前的第二预设比例的所述第一代遗传种群中的个体；
步骤S207、将适应度靠后的第三预设比例的所述第一代遗传种群中的个体替换成所述父代种群中的个体，并进入第二代遗传种群中进行杂交和变异直到收敛，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
在应用中，通过引入效用函数将带约束的优化问题转变成不带约束条件的优化问题，并利用外点法将约束条件转换为惩罚函数，对搜索空间的边界构建目标函数的“围墙”。当迭代点靠近边界时，惩罚函数的系数为正，目标函数取值徒然增大，以示惩罚，阻止迭代点穿越边界。根据现有的车辆的当前位置分布、车辆临近的起始站、终点站或枢纽站，从所有备选路线中选取当前车辆运营成本最低和车辆调度成本最低的备选路线，作为父代种群，也即作为遗传算法第一代种群的父代，然后在父代种群中间杂交，并选取额外的第一预设比例（具体可以为50%）的非父代种群与父代种群杂交，将优化基因遗传给下一代（即第一代遗传种群）。对第一代遗传种群进行变异运算，增强搜索空间的随机性，探索更多继承的其他次优解基因的可能性，并计算所有第一代遗传种群对环境（新目标函数）的适应性，只挑选适应度靠前的第二预设比例（具体可以为10%）的第一代遗传种群中的个体生存，并将表现最差的第三预设比例（具体可以为10%）的第一代种群中的个体替换成父代种群中的个体，进入到第二代遗传种群中进行杂交和变异，然后通过不断的“适者生存”优化迭代，得到最终的最优解。
如图3所示，示例性的示出了贪婪型遗传算法的流程示意图；其中，最佳值个体表示适应度靠前的第二预设比例的第一代遗传种群中的个体，最差值个体表示适应度介于靠后的第三预设比例的第一代遗传种群中的个体，中间值个体表示适应度介于最佳值个体和最差值个体之间的第一遗传种群中的个体。
在一个实施例中，步骤S104之后，包括：
将至少一条最优备选路线发送至所述车辆的车载终端，以使所述车辆在下一时刻按照一条最优备选路线行驶。
在应用中，获得符合用户的当前起讫点需求且车辆运行成本和车辆调度程度最低的至少一条最优备选路线之后，可以将所有最优备选路线发送给车辆的车载终端，使得车辆可以在下一时刻选择一条最优备选路线行驶，从而实现对车辆运力的动态配置。也可以由客户终端从至少一条最优备选路线中选择一条备选路线发送给车辆的车载终端，以使车辆按照该备选路线行驶。
如图4所示，示例性的示出了一个由4条原始路线line（路线）1~line4和13个站点A~M之间的路段组合而成26条备选路线的测试集的示意图，基于本申请实施例所提供的基于遗传算法的贪婪搜索求解器和传统的模拟退火算法对该测试集进行试验，得到的测试结果如下表一：
表一
当只将车辆分配给4条原始路线时的最佳目标函数值 0.0935155799087
利用模拟退火算法取得的最佳目标函数值 121,907,112.884（此时不满足约束条件，所以构建了非常高的惩罚值）
基于遗传算法的贪婪搜索求解器取得的最佳目标函数值 0.0656239
由上表一可以得知，将车辆动态的分配到备选路线中，理论上可以得到节省29.8%的目标函数值，当目标函数值为等效运营成本时，可以为运营商带来巨大的效益提升。传统的精确型求解方法并不能够处理这类问题，而其他遗传算法（例如，模拟退火算法），因为落入局部最优陷阱而并不能收敛。基于遗传算法的贪婪搜索求解器所获得的解每次都有可能不同，运营商可以根据车辆的当前位置，选择最终的备选路线分配方案，每种分配方案都能实现趋于一致的成本削减。
本申请实施例通过根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重，以表征每个路段当前起讫点需求量在历史起讫点需求量中的分布；然后根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从交通线网中提取车辆可运行的区间线并对车辆可运行的区间线进行组合，动态生成包括至少一条备选路线的备选路线集；并根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从备选路线集中筛选出至少一条最优备选路线，从而可以在下一时刻车辆对进行满足其当前起讫点需求量的动态调度。
本申请提出了一种能够适应用户需求变化的自动优化车辆的服务空间的当前在线车辆动态调度方法，通过实时监测用户对车辆需求的变化并与历史需求数据匹配，通过组合不同路线中冷热需求不同的路段，优化车辆的当前行驶服务范围，使得车辆能够以一种成本最优的方式响应需求变化，并动态选择最优路线。通过探索多条路线的冷热路段间错时错位组合的可能性，提升了车辆在交通线网中流转的灵活性与需求适配性。通过监测用户的当前需求数据与历史需求数据复合形成路段的当前需求需求量波动权重，便于更有针对性和目的性的根据当前需求量波动权重较优的路段提取车辆可运行的区间线，可以有效减少用于备选路线组合的区间线数量，降低计算复杂性，还可以缩小求解器中求解算子的搜索空间。由于车辆的调度问题本身是NP（Non-Deterministic Polynomial，非确定多项式）的问题，本申请通过结合车辆所处的路线位置缩小搜索空间，并利用基于遗传算法的贪心搜索求解器快速迭代求解，极大提升了求解速度，适用于在线小规模车辆调度的动态优化。
如图5所示，本申请实施例还提供一种车辆动态调度装置100，用于执行图1所对应的车辆动态调度方法实施例中的方法步骤，车辆动态调度装置100可以是终端设备中的虚拟装置（virtual appliance），由终端设备的处理器运行，也可以是终端设备本身。
车辆动态调度装置100包括：
需求在线分析器101，用于根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重；其中，所述当前需求量波动权重用于表征当前起讫点需求量在历史起讫点需求量中的分布；
路段区间组合器102，用于根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从交通线网中提取所述车辆可运行的区间线，对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集；其中，所述区间线由至少一个路段构成；
动态择优调度器103，用于根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆200。
在一个实施例中，车辆动态调度装置100还包括：
通信模块，用于将至少一条最优备选路线发送至所述车辆的车载终端，以使所述车辆在下一时刻按照一条最优备选路线行驶。
在应用中，车辆动态调度装置中的各虚拟器件或模块可以为具有相应功能的软件程序模块，也可以通过处理器中集成的不同逻辑电路实现，还可以通过多个分布式处理器实现。动态择优调度器具体可以是基于遗传算法的贪婪搜索求解器。通信模块也可以是基于无线通信技术或有线互联网通信技术的实体器件，当通信模块是基于远距离无线通信技术的实体器件时，可以直接与车载终端通信；当通信模块是是基于无线通信技术或有线互联网通信技术的实体器件时，可以先将优化后的备选路线集发送至远距离无线通信设备，再通过远距离无线通信设备转发至车辆的车载终端。
如图6所示，本申请实施例还提供一种终端设备6包括：至少一个处理器60（图6中仅示出一个）处理器、存储器61以及存储在所述存储器61中并可在所述至少一个处理器60上运行的计算机程序62，所述处理器60执行所述计算机程序62时实现上述任意各个车辆动态调度方法实施例中的步骤。
所述计算机程序62可以被分割成一个或多个虚拟器件，所述一个或者多个虚拟器件被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个虚拟器件可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在终端设备6中的执行过程。图6示例性的示出所述计算机程序62被分割成需求在线分析器101、路段区间组合器102和动态择优调度器103。
在应用中，终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图6仅仅是终端设备的举例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
在应用中，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在应用中，存储器在一些实施例中可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器在另一些实施例中也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（SecureDigital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序（BootLoader）、数据以及其他程序等，例如所述计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，上述装置/模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种车辆动态调度方法，其特征在于，包括：
根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重；其中，所述当前需求量波动权重用于表征当前起讫点需求量在历史起讫点需求量中的分布，当车辆为公交车时，当前起讫点需求量和历史起讫点需求量分别用于表征一对起讫点之间的当前客流量和历史客流量的大小；当车辆为货物的运输车辆时，当前起讫点需求量和历史起讫点需求量分别用于表征一对起讫点之间的当前货物流量和历史货流量的大小；
通过设置于车辆的车载终端中的定位模块或专用车载定位装置获取车辆的当前位置和正在服务的原始路线，根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从所述交通线网中提取所述车辆可运行的区间线；其中，所述区间线由至少一个路段构成，所述车辆可运行的区间线根据运行时间短于第一预设时间的初始区间线生成，所述初始区间线是根据区间线起点站和每个路段的当前需求量波动权重，从若干条原始路线中提取，所述区间线起点站是若干条原始路线中与车辆的当前位置之间的距离小于第二预设距离的站点，所述若干条原始路线包括除车辆正在服务的原始路线以及至少一条其他原始路线，所述其他原始路线包括与车辆正在服务的原始线路具有至少一个公共站点的原始线路；
对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集；其中，所述备选路线利用路线中不同路段的当前需求量波动权重不均衡的特性提取；
根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆；其中，所述车辆运营成本与车辆的行驶里程相关，所述车辆调度成本是额外调取一辆车的成本、起到惩罚函数的作用；
将至少一条最优备选路线发送至所述车辆的车载终端，以使所述车辆在下一时刻按照一条最优备选路线行驶；
所述目标函数的表达式为：
Figure 354447DEST_PATH_IMAGE001
；
所述目标函数的约束条件的表达式包括：
Figure 877832DEST_PATH_IMAGE002
；
Figure 245360DEST_PATH_IMAGE003
；
Figure 486985DEST_PATH_IMAGE004
；
Figure 762109DEST_PATH_IMAGE005
；
其中，n=｛n1，n2，…，nL｝为整数决策变量、表示每条路线被分配的车辆数量，l o 表示第o条备选路线，L o 表示备选路线集，L表示原始路线集，S表示站点集合，b lo,i,j 表示备选路线l o 中站点i与站点j之间的当前起讫点需求量，K lo,i,j 表示能够满足当前起讫点需求量的备选路线，n p 表示路线p被分配的车辆数量，n l 表示路线l被分配的车辆数量，C P 表示路线P的行驶总里程，C l 表示路线l的行驶总里程，α1和α2表示为调整系数，γ表示车辆总数，π表示允许调整的车辆比例，η表示激活的备选路线数量。
2.如权利要求1所述的车辆动态调度方法，其特征在于，根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重的表达式为：
Figure 405580DEST_PATH_IMAGE006
；
其中，i表示一个路段，l表示一条原始路线，W i,l 表示原始路线l中路段i的当前需求量波动权重，Q t,i 表示当前时刻t原始路线l中路段i的当前起讫点需求量，
Figure 176964DEST_PATH_IMAGE007
表示路段i的历史起讫点需求量的期望，
Figure 905886DEST_PATH_IMAGE008
表示当前时刻t原始路线l中路段i的当前起讫点需求量的波动水平，
Figure 984700DEST_PATH_IMAGE009
表示原始路线l中所有路段的历史起讫点需求量的平均期望，
Figure 420361DEST_PATH_IMAGE010
表示路段i在原始路线l中的历史起讫点需求量的波动水平，σ i 表示路段i的历史起讫点需求量的波动方差。
3.如权利要求1所述的车辆动态调度方法，其特征在于，根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从所述交通线网中提取所述车辆可运行的区间线，包括：
根据所述车辆正在服务的原始路线从所述交通线网中选择若干条原始路线；
根据所述车辆的当前位置从所述若干条原始路线中选择区间线起点站；
根据所述区间线起点站和每个路段的当前需求量波动权重，从所述若干条原始路线中提取若干条初始区间线；
选择区间线停靠站；
获取所述车辆沿每条初始区间线从区间线起点站运行至区间线停靠站的运行时间；
根据运行时间短于第一预设时间的初始区间线生成所述车辆可运行的区间线；
当所述区间线停靠站不是区间线终点站时，选择区间线终点站并返回执行根据所述区间线起点站和每个路段的当前需求量波动权重提取若干条初始区间线的步骤，直到所述区间线停靠站是所述区间线终点站时为止；
当所述区间线停靠站是区间线终点站时，若存在其他区间线起点站，返回执行根据车辆的当前位置选择区间线起点站的步骤，直到生成所述车辆的可运行的所有区间线时为止。
4.如权利要求3所述的车辆动态调度方法，其特征在于，选择区间线停靠站之后，还包括：
判断所述车辆沿每条初始区间线运行时是否空载；
若存在所述车辆运行时空载的初始区间线，则执行获取所述车辆沿每条初始区间线从所述区间线起点站运行至所述区间线停靠站的运行时间的步骤；
若存在所述车辆运行时未空载的初始区间线，则根据所述车辆运行时未空载的初始区间线生成所述车辆可运行的区间线。
5.如权利要求1所述的车辆动态调度方法，其特征在于，对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集，包括：
从所述车辆可运行的区间线中选择出发区间线；
选择可与所述出发区间线联运的若干条联运区间线；
选择备选路线起点；
根据所述备选路线起点和每个路段的当前需求量波动权重提取每条联运区间线的出站点；
根据每条联运区间线的出站点，判断每条联运区间线是否需要换线；
若存在需要换线的联运区间线，则获取需要换线的联运区间线的换线次数；
若存在换线次数少于预设次数的联运区间线，则获取所述车辆沿每条换线次数少于预设次数的联运区间线从所述备选路线起点运行至联运区间线的出站点的运行时间；
提取与换线次数少于预设次数且运行时间短于第二预设时间的联运区间线对应的返程路线；
若存在不需要换线的联运区间线，则提取与不需要换线的联运区间线对应的返程路线；
根据不需要换线的联运区间线、换线次数少于预设次数且运行时间短于第二预设时间的联运区间线及对应的返程路线，生成备选路线并写入备选路线集；
当存在其他出发区间线时，返回执行从所述车辆可运行的区间线中选择出发区间线的步骤，直到获得包括所述车辆可运行的所有备选路线的备选路线集时为止；
当存在其他联运区间线时，返回执行选择可与所述出发区间线联运的若干条联运区间线的步骤，直到获得包括所述车辆可运行的所有备选路线的备选路线集时为止；
当存在其他备选路线起点时，返回执行选择备选路线起点的步骤，直到获得包括所述车辆可运行的所有备选路线的备选路线集时为止。
6.如权利要求1所述的车辆动态调度方法，其特征在于，根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆，包括：
根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数；
通过基于遗传算法的贪婪搜索求解器对所述目标函数进行求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
7.如权利要求6所述的车辆动态调度方法，其特征在于，通过基于遗传算法的贪婪搜索求解器对所述目标函数进行求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆，包括：
通过引入效用函数的方法将带约束条件的所述目标函数转变成不带约束条件的新目标函数，并将所述目标函数的约束条件转换为惩罚函数；
根据所述车辆的当前位置以及所述车辆临近的起始站、终点站或枢纽站，从所述备选路线集中选择车辆运营成本和车辆调度成本最低的备选路线作为父代种群；
通过遗传算法在所述父代种群中进行杂交，并选取第一预设比例的非父代种群与所述父代种群进行杂交，将优化基因遗传给第一代遗传种群；
对所述第一代遗传种群进行变异运算；
计算所述第一代遗传种群中的每个个体对所述新目标函数的适应度；
保留适应度靠前的第二预设比例的所述第一代遗传种群中的个体；
将适应度靠后的第三预设比例的所述第一代遗传种群中的个体替换成所述父代种群中的个体，并进入第二代遗传种群中进行杂交和变异直到收敛，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆。
8.一种车辆动态调度装置，其特征在于，包括：
需求在线分析器，用于根据交通线网中每条原始路线的每个路段的当前起讫点需求量和历史起讫点需求量，获取每个路段的当前需求量波动权重；其中，所述当前需求量波动权重用于表征当前起讫点需求量在历史起讫点需求量中的分布，当车辆为公交车时，当前起讫点需求量和历史起讫点需求量分别用于表征一对起讫点之间的当前客流量和历史客流量的大小；当车辆为货物的运输车辆时，当前起讫点需求量和历史起讫点需求量分别用于表征一对起讫点之间的当前货物流量和历史货流量的大小；
路段区间组合器，用于通过设置于车辆的车载终端中的定位模块或专用车载定位装置获取车辆的当前位置和正在服务的原始路线，根据车辆的当前位置和正在服务的原始路线以及每个路段的当前需求量波动权重，从所述交通线网中提取所述车辆可运行的区间线，对所述车辆可运行的区间线进行组合，生成包括至少一条备选路线的备选路线集；其中，所述区间线由至少一个路段构成，所述车辆可运行的区间线根据运行时间短于第一预设时间的初始区间线生成，所述初始区间线是根据区间线起点站和每个路段的当前需求量波动权重，从若干条原始路线中提取，所述区间线起点站是若干条原始路线中与车辆的当前位置之间的距离小于第二预设距离的站点，所述若干条原始路线包括除车辆正在服务的原始路线以及至少一条其他原始路线，所述其他原始路线包括与车辆正在服务的原始线路具有至少一个公共站点的原始线路，所述备选路线利用路线中不同路段的当前需求量波动权重不均衡的特性提取，所述备选路线所隶属的枢纽站、起点站或终点站能连接不同路线；
动态择优调度器，用于根据每个路段的当前起讫点需求量、车辆运营成本和车辆调度成本构建目标函数并求解，从所述备选路线集中筛选出至少一条最优备选路线，以在下一时刻动态调度所述车辆；其中，所述车辆运营成本与车辆的行驶里程相关，所述车辆调度成本是额外调取一辆车的成本、起到惩罚函数的作用；
通信模块，用于将至少一条最优备选路线发送至所述车辆的车载终端，以使所述车辆在下一时刻按照一条最优备选路线行驶；
所述目标函数的表达式为：
Figure 192008DEST_PATH_IMAGE001
；
所述目标函数的约束条件的表达式包括：
Figure 142646DEST_PATH_IMAGE002
；
Figure 962835DEST_PATH_IMAGE003
；
Figure 315319DEST_PATH_IMAGE004
；
Figure 257867DEST_PATH_IMAGE011
；
其中，n=｛n1，n2，…，nL｝为整数决策变量、表示每条路线被分配的车辆数量，l o 表示第o条备选路线，L o 表示备选路线集，L表示原始路线集，S表示站点集合，b lo,i,j 表示备选路线l o 中站点i与站点j之间的当前起讫点需求量，K lo,i,j 表示能够满足当前起讫点需求量的备选路线，n p 表示路线p被分配的车辆数量，n l 表示路线l被分配的车辆数量，C P 表示路线P的行驶总里程，C l 表示路线l的行驶总里程，α1和α2表示为调整系数，γ表示车辆总数，π表示允许调整的车辆比例，η表示激活的备选路线数量。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
CN202010442225.8A 2020-05-22 2020-05-22 一种车辆动态调度方法、装置及终端设备 Active CN111340318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010442225.8A CN111340318B (zh) 2020-05-22 2020-05-22 一种车辆动态调度方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010442225.8A CN111340318B (zh) 2020-05-22 2020-05-22 一种车辆动态调度方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN111340318A CN111340318A (zh) 2020-06-26
CN111340318B true CN111340318B (zh) 2020-11-17

Family

ID=71183012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010442225.8A Active CN111340318B (zh) 2020-05-22 2020-05-22 一种车辆动态调度方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN111340318B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112418663B (zh) * 2020-11-20 2022-09-13 厦门大学 道路旅游客运车辆配置方法、系统、电子设备及存储介质
CN114969502B (zh) * 2021-06-21 2023-10-27 中移互联网有限公司 车用信息交换方法及系统、计算机可读存储介质
CN114240001A (zh) * 2021-11-09 2022-03-25 北京京东振世信息技术有限公司 物流路由网络确定方法和装置
CN116050808B (zh) * 2023-03-31 2023-10-31 中科尚昇新能源汽车有限公司 一种电动吸污车的无人化作业系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及系统
CN108388999A (zh) * 2018-03-09 2018-08-10 北京摩拜科技有限公司 车辆调度方法、服务器、客户端及系统
CN109816279A (zh) * 2019-03-22 2019-05-28 武汉大学 一种货运车辆智能动态调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9945679B2 (en) * 2016-06-27 2018-04-17 International Business Machines Corporation Personalized travel routes to reduce stress

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330547A (zh) * 2017-06-15 2017-11-07 重庆交通大学 一种城市公交动态调度优化方法及系统
CN108388999A (zh) * 2018-03-09 2018-08-10 北京摩拜科技有限公司 车辆调度方法、服务器、客户端及系统
CN109816279A (zh) * 2019-03-22 2019-05-28 武汉大学 一种货运车辆智能动态调度方法

Also Published As

Publication number Publication date
CN111340318A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN111340318B (zh) 一种车辆动态调度方法、装置及终端设备
Sayarshad et al. Non-myopic relocation of idle mobility-on-demand vehicles as a dynamic location-allocation-queueing problem
Huang et al. A two-phase optimization model for the demand-responsive customized bus network design
Kong et al. Shared subway shuttle bus route planning based on transport data analytics
Ma et al. Large-scale demand driven design of a customized bus network: A methodological framework and Beijing case study
Liu et al. Optimizing fleet size and scheduling of feeder transit services considering the influence of bike-sharing systems
WO2016127918A1 (zh) 一种运力调度方法及系统
Billhardt et al. Taxi dispatching strategies with compensations
Wong et al. On dynamic demand responsive transport services with degree of dynamism
CN113780808B (zh) 基于柔性公交接驳系统线的车辆服务属性决策优化方法
Grzybowska et al. Decision support system for real-time urban freight management
Duran et al. Transit network design with pollution minimization
Lee et al. Development of an algorithm for optimal demand responsive relocatable feeder transit networks serving multiple trains and stations
Duan et al. Real-time personalized taxi-sharing
Pei et al. Real-time optimal scheduling model for transit system with flexible bus line length
Wei et al. Optimal integrated model for feeder transit route design and frequency-setting problem with stop selection
Zhou et al. A scalable vehicle assignment and routing strategy for real-time on-demand ridesharing considering endogenous congestion
Kamel et al. A modelling platform for optimizing time-dependent transit fares in large-scale multimodal networks
Narayan et al. Fleet size determination for a mixed private and pooled on-demand system with elastic demand
Liu et al. A construction-and-repair based method for vehicle scheduling of bus line with branch lines
Zhang et al. Optimizing single-depot vehicle scheduling problem: fixed-interval model and algorithm
Yan et al. Modeling and solving the vehicle routing problem with multiple fuzzy time windows
CN111507497B (zh) 一种集散点与中转点选址系统、方法
Şahin et al. A data-driven matching algorithm for ride pooling problem
Chu et al. Dynamic repositioning problem of dockless electric scooter sharing systems

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
GR01 Patent grant
GR01 Patent grant