CN111612358B - 共享汽车车辆调度及调度员路径优化方法 - Google Patents
共享汽车车辆调度及调度员路径优化方法 Download PDFInfo
- Publication number
- CN111612358B CN111612358B CN202010448328.5A CN202010448328A CN111612358B CN 111612358 B CN111612358 B CN 111612358B CN 202010448328 A CN202010448328 A CN 202010448328A CN 111612358 B CN111612358 B CN 111612358B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- station
- dispatcher
- time
- task
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 238000013178 mathematical model Methods 0.000 claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000013439 planning Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/06—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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种共享汽车车辆调度及调度员路径优化方法。该方法包括：根据共享汽车的调度需求、站点的位置、每个站点的容量和站点之间的最短距离数据信息，获取所有可行的备选车辆调度任务，根据共享汽车车辆的三种状态和设定的假设条件构建并求解第一阶段的线性整数规划模型，得到调度员需要执行的车辆调度任务；对调度员需要执行的车辆调度任务的出发时间段和到达时间段属性进行时间粒度转换，将调度员需要执行的车辆调度任务的取车站点、还车站点和时间窗参数输入到第二阶段的数学模型中，求解出调度员的时刻表和路径。本发明的方法在既尽可能多的满足需求又使总成本最低的原则基础之上，生成车辆调度任务及调度员的时刻表和路径优化方案。
Description
技术领域
本发明涉及共享汽车运营管理技术领域，尤其涉及一种共享汽车车辆调度及调度员路径优化方法。
背景技术
共享汽车是一种新兴的交通模式，随着社会经济发展及网络技术的成熟，以及其本身既拥有小汽车便捷的特点，又具有公共交通节能环保的属性，共享汽车近几年得到快速发展，其规模与辐射范围不断扩大，有着广阔的发展前景。虽然共享汽车灵活性高，用户租还方便，在提高资源利用率、减少汽车保有量等方面发挥了作用，但在运营方面还具有诸多挑战，其中车辆分布不均衡现象引起人们极大重视。用户用车需求非均衡性导致站点间车辆失衡从而无法满足用车需求，进而产生了用户体验差、订单流失等不良影响。运营公司为解决该问题通常会派调度员将车辆从过饱和站点调度到车辆短缺的站点。如何制定有效的调度方案，缓解汽车分时租赁系统的供需不平衡，这是运营公司亟待解决的问题，也是共享汽车能否大规模推广的关键因素。
共享汽车的车辆调度任务需要调度员执行，在研究如何调度车辆时应考虑到调度员如何安排，两种资源是否能够很好的配合。但是现阶段，对于如何确定调度任务的研究已经有一定的积累，但是在调度车辆时考虑调度员活动的相对较少。现有技术中的求解调度车辆是车辆及调度员的路径的常用方法有两种：集计模型方案和非集计模型方案。
集计模型方案是根据用户的使用时间将用户划分，将同属于一个时间段的用户划分为一类考虑，不为用户指定车辆。该方法基于时空网络的表达方式，将规划时段按等间距划分为若干时间步，网络中的每个点代表在某个时间步站点的状态，每个弧线代表与车辆、用户和调度员相关的活动。根据已知的站点信息(如位置、容量、数量等)，通过不同状态之间的相互关系构建数学模型表达式，求解该数学模型进而产生车辆和员工的时空路径。有研究基于时空网络对调度员的活动进行了细分，分为：在站点等待、两种维修活动、调度车辆和利用其他交通方式，建立混合整数规划模型安排参与每类活动的调度员。有研究将弧线划分为4类：用户使用车辆、车辆或调度员在站点等待、车辆被调度员驾驶和调度员利用其他交通方式，以收益最大化为目标分别针对运营时段和非运营时段构建数学模型。上述集计模型方案的缺点为：基于集计的思想构建模型时，现有研究假定调度员在站点之间的旅行时间以时间步长为单位(多假定时间步长为15分钟)，求解的结果只能告知调度员所执行任务的出发时间段，调度员不知道具体出发时刻，得不到调度员紧凑的时刻表，会使得效率降低。在实际运作中，调度员通常会凭经验决策，缺乏科学合理的决策工具。
非集计模型方案考虑用户与用户之间的衔接关系，记录每辆车的行驶路径。有方案将车辆调度与调度员调度问题分别用多旅行商模型表示，将每个调度任务和订单看作多旅行商问题中的一个顶点。上述非集计模型方案的缺点为：该模型得到了每个车辆的轨迹以及调度员应该执行的调度任务，但是没有分工明确，没有安排每个调度员的路径和时刻表，没有解决调度员路径问题。
发明内容
本发明的实施例提供了一种共享汽车车辆调度及调度员路径优化方法，以克服现有技术的问题。
为了实现上述目的，本发明采取了如下技术方案。
一种共享汽车车辆调度及调度员路径优化方法，包括：
根据共享汽车的调度需求、站点的位置、每个站点的容量和站点之间的最短距离数据信息，获取所有可行的备选车辆调度任务，所述共享汽车的调度需求包括取车站点、还车站点以及出发时间；
设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据所述共享汽车车辆的三种状态和设定的假设条件构建第一阶段的线性整数规划模型，所述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和；求解所述线性整数规划模型，得到调度员需要执行的车辆调度任务；
对所述调度员需要执行的车辆调度任务的出发时间段和到达时间段属性进行时间粒度转换，求解出车辆调度任务的时间窗，将所述调度员需要执行的车辆调度任务的取车站点、还车站点和时间窗参数输入到第二阶段的数学模型中，求解出调度员的时刻表和路径。
优选地，所述的根据共享汽车的调度需求、站点的位置、每个站点的容量和站点之间的最短距离数据信息，获取所有可行的备选车辆调度任务，所述共享汽车的调度需求包括取车站点、还车站点以及出发时间，包括：
获取共享汽车站点的位置、每个站点的容量、站点之间的最短距离数据信息，根据所述数据信息和共享汽车调度需求构建所有可行的车辆调度任务；
给定某个共享汽车的调度需求包括取车站点Ou、还车站点Du、出发时间Su以及的组合，根据式(1)得到满足该调度需求的车辆调度任务的到达时间的取值集合G(Ou,Du,Su)；
每个车辆调度任务u∈U有4个属性：(Ou,Du,Su,Au)，其中Ou表示取车站点，Du表示还车站点，Su表示出发时间段，Au表示到达时间段，其中，将规划时段按照等间距划分为若干时间步，|T|是所有时间步的数量，wt是时间步t的初始时刻，et是时间步t的结束时刻，是两个站点之间的旅行时间，令集合U表示所有可行的车辆调度任务，这些车辆调度任务满足所述共享汽车调度需求。
优选地，所述设定的假设条件包括：
假设条件1：用户提前一天预约车辆，且用户在同一天取、还车辆；
假设条件2：调度员的数量足够；
假设条件3：调度成本低于购买车辆的成本；
假设条件4：每个调度员在一天的开始于某个站点出发，该天结束后调度员也要回到该站点；
优选地，所述的设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据所述共享汽车车辆的三种状态和设定的假设条件构建第一阶段的线性整数规划模型，所述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和；求解所述线性整数规划模型，得到调度员需要执行的车辆调度任务，包括：
设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据共享汽车车辆的三种状态和所述所有可行的车辆调度任务构建第一阶段的线性整数规划模型，并求解线性整数规划模型，得到所述所有可行的车辆调度任务中的调度员需要执行的车辆调度任务；
所述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和，设置的约束有容量约束、流量平衡约束和最大借车量约束，所述线性整数规划模型中的参数和符号定义如下：
t,t' 时间步序号
i 订单序号
j,j' 站点序号
I 订单集合
J 站点集合
Oi 订单i的取车站点
Di 订单i的还车站点
Si 订单i的出发时间步
Ai 订单i的到达时间步
q 总车辆数
cj 站点j的容量
djj' 站点j和j'之间的距离
α 每个未满足的预定需求惩罚费用
β 单位车辆调度费用
xi 0-1变量，若订单i被满足则取1否则取0
zu 执行车辆调度任务u的车辆数
在时间步t的结束时刻停放在站点j的车辆数
第一阶段的线性整数规划模型如下：
优选地，所述的对所述调度员需要执行的车辆调度任务的出发时间段和到达时间段属性进行时间粒度转换，求解出车辆调度任务的时间窗，包括：
对于任意一个第一阶段的车辆调度任务u，定义λu为调度员从出发站点出发的时间点，Δ为每个时间步的长度，利用公式(10)-(11)对第一阶段的车辆调度任务中以时间步为单位的时间变换为以分钟为单位的时间窗，该时间窗的约束条件为(12)-(13)：
eu为调度任务u的时间窗的开始时间，lu为调度任务u的时间窗的结束时间，则调度任务u的时间窗为[eu,lu]。
优选地，所述的将所述调度员需要执行的车辆调度任务的取车站点、还车站点和时间窗参数输入到第二阶段的数学模型中，求解出调度员的时刻表和路径，包括：
将调度员需执行的调度任务的取车站点、还车站点和时间窗作为参数输入到第二阶段的数学模型中，用ILOG CPLEX求解器求解第二阶段的数学模型，求解出调度员的时刻表和路径；
所述第二阶段的数学模型的目标函数约束调度员利用除共享汽车之外的其他交通方式来往于站点之间，约束有调度员从某个站点出发一天结束后要回到该站点，每个调度任务都能被执行且只执行一次，某个调度任务的取车和还车站点被同一个调度员访问，调度任务的取车站点的访问时间是上一个调度任务的取车站点访问时间加上调度任务的时间加上利用其他交通方式的时间，访问取车站点的时间在时间窗范围以内；
所述第二阶段的数学模型的求解中用到以下的索引、参数及变量：
s 调度员索引
p,q 调度任务索引
调度员s的虚拟起始任务
调度员s的虚拟结束任务
Sr 调度员集合
Q 从第一阶段得到的待执行的调度任务
Q- 所有调度员的虚拟起始任务
Q+ 所有调度员的虚拟结束任务
Q的扩展集合
Q的扩展集合
χ 调度员利用其他交通方式来往站点时单位成本费用
M 一个足够大的正数
如果调度员s执行完调度任务p从该任务的还车站点到达调度
任务q的取车站点则取1，否则取0，其中p≠q
所述第二阶段的数学模型为：
求解结果包括多个调度员的时刻表和路径，求得集合Sr中每个调度员的路径及时刻表。
由上述本发明的实施例提供的技术方案可以看出，本发明提出的优化人工调度共享汽车时的路径及时刻表方法，操作简单，结果清晰明了。本发明能为共享汽车运营商提供科学合理的决策依据，进而减少车辆的不均衡现象，提高用户的满意率。此外，还能高效利用车辆、停车位及调度员等资源，避免资源浪费。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，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为本发明实施例提供的一种共享汽车车辆调度及调度员路径优化方法的实现原理示意图；
图2为本发明实施例提供的一种共享汽车车辆调度及调度员路径优化方法的处理流程图；
图3为本发明实施例提供的一种福建泉州泉港区10个站点的分布示意图；
图4为本发明实施例提供的一种单位调度成本对结果的影响示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
针对目前方法的不足，本发明实施例提出了一种优化共享汽车调度策略的方法，该方法以日运营广义总成本最低为目标构建两阶段模型，第一阶段基于时空网络构建线性整数规划模型，求解车辆调度方案，第二阶段基于取送货车辆路径的模型优化调度员路径。本发明可以为运营商提供合理的调度方案，增强理论支撑。
在运营中，车辆与用户、车辆与调度员之间存在紧密联系。满足用户需求是车辆移动的根本目的，调度员保障车辆移动至目的地。为了决策车辆如何移动以及调度员如何分配，本发明构建了两阶段模型，第一阶段以车辆为切入点，利用时空网络，构建车辆被使用、被调度和闲置三种状态之间的时空、数量及平衡关系，决策被满足的用户以及车辆调度任务。第二阶段以调度员为主体，将调度员路径及时刻表安排问题转化为取送货车辆路径问题，但是与传统的取送货车辆路径问题存在不同之处，调度员取车之后下一个目的地只能是该调度任务的还车站点。第二阶段中所需的主要参数有每个调度任务的取车站点、还车站点和时间窗，根据第一阶段的求解结果可以把取车站点和还车站点直接输入，但是两个阶段的时间粒度不一致(第一阶段以时间步为单位，第二阶段以分钟为单位)，因此需要进行时间转化来计算时间窗。
本发明实施例提供的一种共享汽车车辆调度及调度员路径优化方法的实现原理示意图如图1所示，具体处理流程如图2所示，包括如下的处理步骤:
步骤S21，收集数据，获取站点的位置、每个站点的容量、站点之间的最短距离等数据信息；根据上述数据信息和共享汽车的调度需求构建所有可行的车辆调度任务。
给定某个共享汽车的调度需求包括取车站点Ou、还车站点Du以及出发时间Su的组合。
根据式(1)可得到满足上述共享汽车调度需求的所有可行的备选车辆调度任务集合。每个车辆调度任务u∈U有4个属性：(Ou,Du,Su,Au)，其中Ou表示取车站点，Du表示还车站点，Su表示出发时间段，Au表示到达时间段。
其中，|T|是所有时间步的数量，wt是时间步t的初始时刻，et是时间步t的结束时刻，是两站点之间的旅行时间。根据式(1)，则会有|G(Ou,Du,Su)|个可行的备选车辆调度任务，令集合U表示所有可行的车辆调度任务，这些车辆调度任务可以满足上述共享汽车调度需求。
将规划时段按照等间距划分为若干时间步，如将早7：00—早9：00该时间段按照间距1小时划分可划分为2个时间步，则第一个时间步的初始时刻是早7：00，结束时刻是早8：00，划分时间步的目的是为了简化计算复杂度，时间步越少计算复杂度越小。
步骤S22，根据共享汽车车辆的三种状态和设定的假设条件构建第一阶段的线性整数规划模型，求解所述线性整数规划模型，从可行的备选调度任务中得到调度员需要执行的车辆调度任务。
由于现实情况中存在众多不确定及影响因素，若把所有因素都考虑在内，则模型将会难以构建表达。因此，需设置合理的假设将问题简单化。此模型建立的假设如下：
假设1：用户提前一天预约车辆，且用户在同一天取、还车辆。
假设2：调度员的数量足够。
假设3：调度成本远低于购买车辆的成本。
假设4：每个调度员在一天的开始于某个站点出发，该天结束后调度员也要回到该站点。
设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据所述共享汽车车辆的三种状态构建第一阶段的线性整数规划模型。并用ILOG CPLEX求解器求解第一阶段的线性整数规划模型。
第一阶段考虑车辆的三种状态：被用户使用、被调度和停放在站点。根据共享汽车车辆的三种状态和所述所有可行的车辆调度任务构建第一阶段的线性整数规划模型，并求解线性整数规划模型，得到上述所有可行的车辆调度任务中的调度员需要执行的车辆调度任务。求解出的结果有多个车辆调度任务，从可行的车辆调度任务中挑选一部分调度任务让调度员去执行。
上述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和。惩罚成本：是一种隐性成本，当用户的需求没有被满足时，用户的满意度降低会导致用户的流失，对该运营商产生不利影响，进而影响运营商的收益。将需求未得到满足这一影响因素进行量化表述为未满足需求的惩罚成本。车辆调度成本：车辆被调度员驾驶过程中会消耗燃油或者电量，调度成本主要包含燃油成本和充电成本。
设置的约束有容量约束、流量平衡约束和最大借车量约束。为了构建该线性整数规划模型，具体的参数和符号定义如下：
t,t' 时间步序号
i 订单序号
j,j' 站点序号
I 订单集合
J 站点集合
Oi 订单i的取车站点
Di 订单i的还车站点
Si 订单i的出发时间步
Ai 订单i的到达时间步
q 总车辆数
cj 站点j的容量
djj' 站点j和j'之间的距离
α 每个未满足的预定需求惩罚费用
β 单位车辆调度费用
xi 0-1变量，若订单i被满足则取1否则取0
zu 执行车辆调度任务u的车辆数
在时间步t的结束时刻停放在站点j的车辆数
第一阶段的线性整数规划模型如下：
步骤23，对调度员需要执行的车辆调度任务的出发时间段和到达时间段属性进行时间粒度转换，求解出车辆调度任务的时间窗。
在第一阶段求解之后，可以确定满足订单需求所产生的车辆调度任务，第一阶段的车辆调度任务中的时间的单位是以时间步为单位，第二阶段是以分钟为单位，两个阶段的时间粒度不一致，需要进行时间转换，得到每个调度任务的时间窗。对于任意一个调度任务u，定义λu为调度员从出发站点出发的时间点，Δ为每个时间步的长度，为得到一个约束更加紧凑的时间窗，公式(10)-(11)进行了时间变换。根据公式(10)-(11)得到约束(12)-(13)。
eu为调度任务u的时间窗的开始时间，lu为调度任务u的时间窗的结束时间，则调度任务u的时间窗为[eu,lu]，其他参数含义同步骤S21。
步骤24，将调度员需执行的调度任务的取车站点、还车站点和时间窗作为参数输入到第二阶段的数学模型中，用ILOG CPLEX求解器求解第二阶段的数学模型，求解出调度员的时刻表和路径。
调度员来往于站点之间时有两种方式，方式一是驾驶共享汽车，方式二是利用其他交通方式。第二阶段的数学模型的目标函数是利用其他交通方式产生的成本最低，约束有调度员从某个站点出发一天结束后要回到该站点，每个调度任务都能被执行且只执行一次，某个调度任务的取车和还车站点被同一个调度员访问，调度任务的取车站点的访问时间是上一个调度任务的取车站点访问时间加上调度任务的时间加上利用其他交通方式的时间，访问取车站点的时间在时间窗范围以内。
在第二阶段的数学模型的求解中需用到以下的索引、参数及变量：
s 调度员索引
p,q 调度任务索引
调度员s的虚拟起始任务
调度员s的虚拟结束任务
Sr 调度员集合
Q 从第一阶段得到的待执行的调度任务
Q- 所有调度员的虚拟起始任务
Q+ 所有调度员的虚拟结束任务
Q的扩展集合
Q的扩展集合
χ 调度员利用其他交通方式来往站点时单位成本费用
M 一个足够大的正数
如果调度员s执行完调度任务p从该任务的还车站点到达调度
任务q的取车站点则取1，否则取0，其中p≠q
第二阶段的数学模型为：
求解结果包括多个调度员的时刻表和路径，求得集合Sr中每个调度员的路径及时刻表。
第二阶段的时刻表和路径是为了高效率完成第一阶段的调度需求所设计的，第一阶段的车辆调度任务是为了尽可能多地完成调度需求得到的。
模型验证
本发明以福建泉州大圣出行为例进行验证。选取了泉港区10个站点，站点的分布如图3中实心标记所示。所选站点有：锦绣公园、奇隆、植物园、行政服务中心、领第第一广场、新百汇购物广场、国家电网、奇美广场、清美、福炼影剧院等10个站点。本案例以早7点至早9点为研究时间范围，每15分钟为一个时间步。需要输入的数据包括站点之间的距离、旅行时间，订单信息，调度员最初位置以及模型目标函数中的成本参数。
将400个订单信息输入第一阶段中的模型，求解模型之后结果显示满足了356个订单需求且产生了25个调度任务，调度任务详细信息如表1所示：
表1：25个调度任务
然后，根据时间转换公式计算每个调度任务的时间窗，如表2所示：
表2：25个调度任务的时间窗
最后，将每个调度任务的取、还车站点和时间窗代入第二阶段的数学模型求解，得到每个调度员的路径及时间表，如表3所示:
表3：调度员路径及时刻表
单位调度成本(β)的取值对求解的结果存在一定的影响，故需进行灵敏度分析。评估指标为满意率和调度任务数量，其中满意率指被满足的订单数与总订单数的百分比。结果如图4所示。由图4可知，调度成本会影响系统运营效果，调度成本越高时调度车辆的次数就会减少，导致车辆分布不均衡现象没有很好地缓解，相应的用户满意率也会降低。因此，运营商应该尽量降低调度成本以取得更好的收益和服务水平。
综上所述，本发明提出的优化人工调度共享汽车时的路径及时刻表方法，操作简单，结果清晰明了。本发明能为共享汽车运营商提供科学合理的决策依据，进而减少车辆的不均衡现象，提高用户的满意率。此外，还能高效利用车辆、停车位及调度员等资源，避免资源浪费。
本发明的研究成果旨在提供一种调度共享汽车时车辆及调度员的路径优化方法。将用户与车辆、调度员与车辆之间的关系是数学模型表达，在既尽可能多的满足需求又使总成本最低的原则基础之上，生成车辆调度任务及调度员的时刻表和路径优化方案。该方法能够应用于共享汽车日常调度运营中。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (3)
1.一种共享汽车车辆调度及调度员路径优化方法，其特征在于，包括：
根据共享汽车的调度需求、站点的位置、每个站点的容量和站点之间的最短距离数据信息，获取所有可行的备选车辆调度任务，所述共享汽车的调度需求包括取车站点、还车站点以及出发时间；
设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据所述共享汽车车辆的三种状态和设定的假设条件构建第一阶段的线性整数规划模型，所述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和；求解所述线性整数规划模型，得到调度员需要执行的车辆调度任务；
对所述调度员需要执行的车辆调度任务的出发时间段和到达时间段属性进行时间粒度转换，求解出车辆调度任务的时间窗，将所述调度员需要执行的车辆调度任务的取车站点、还车站点和时间窗参数输入到第二阶段的数学模型中，求解出调度员的时刻表和路径，
所述的根据共享汽车的调度需求、站点的位置、每个站点的容量和站点之间的最短距离数据信息，获取所有可行的备选车辆调度任务，所述共享汽车的调度需求包括取车站点、还车站点以及出发时间，包括：
获取共享汽车站点的位置、每个站点的容量、站点之间的最短距离数据信息，根据所述数据信息和共享汽车调度需求构建所有可行的车辆调度任务；
给定某个共享汽车的调度需求包括取车站点Ou、还车站点Du、出发时间Su的组合，根据公式(1)得到满足该调度需求的车辆调度任务的到达时间的取值集合G(Ou,Du,Su)；
每个车辆调度任务u∈U有4个属性Ou、Du、Su及Au，其中Ou表示取车站点，Du表示还车站点，Su表示出发时间段，Au表示到达时间段，其中，将规划时段按照Δ等间距划分为若干时间步，|T|是所有时间步的数量，wt是时间步t的初始时刻，et是时间步t的结束时刻，是两个站点之间的旅行时间，令集合U表示所有可行的车辆调度任务，这些车辆调度任务满足所述共享汽车调度需求,
所述的对所述调度员需要执行的车辆调度任务的出发时间段和到达时间段属性进行时间粒度转换，求解出车辆调度任务的时间窗，包括：
对于任意一个第一阶段的车辆调度任务u，定义λu为调度员从出发站点出发的时间点，Δ为每个时间步的长度，利用公式(10)及公式(11)对第一阶段的车辆调度任务中以时间步为单位的时间变换为以分钟为单位的时间窗，该时间窗的约束条件为公式(12)及公式(13)：
eu为调度任务u的时间窗的开始时间，lu为调度任务u的时间窗的结束时间，则调度任务u的时间窗为[eu,lu]，
所述的将所述调度员需要执行的车辆调度任务的取车站点、还车站点和时间窗参数输入到第二阶段的数学模型中，求解出调度员的时刻表和路径，包括：
将调度员需执行的调度任务的取车站点、还车站点和时间窗作为参数输入到第二阶段的数学模型中，用ILOG CPLEX求解器求解第二阶段的数学模型，求解出调度员的时刻表和路径；
所述第二阶段的数学模型的目标函数约束调度员利用除共享汽车之外的其他交通方式来往于站点之间，约束有调度员从某个站点出发一天结束后要回到该站点，每个调度任务都能被执行且只执行一次，某个调度任务的取车和还车站点被同一个调度员访问，调度任务的取车站点的访问时间是上一个调度任务的取车站点访问时间加上调度任务的时间加上利用其他交通方式的时间，访问取车站点的时间在时间窗范围以内；
所述第二阶段的数学模型的求解中用到以下的索引、参数及变量：
s 调度员索引
p,q 调度任务索引
调度员s的虚拟起始任务
调度员s的虚拟结束任务
Sr 调度员集合
Q 从第一阶段得到的待执行的调度任务
Q- 所有调度员的虚拟起始任务
Q+ 所有调度员的虚拟结束任务
Q的扩展集合
Q的扩展集合
χ 调度员利用其他交通方式来往站点时单位成本费用
M 一个足够大的正数
如果调度员s执行完调度任务p从该任务的还车站点到达调度任务q的取车站点则取1，否则取0，其中p≠q
所述第二阶段的数学模型为：
求解结果包括多个调度员的时刻表和路径，求得集合Sr中每个调度员的路径及时刻表。
2.根据权利要求1所述的方法，其特征在于，所述设定的假设条件包括：
假设条件1：用户提前一天预约车辆，且用户在同一天取、还车辆；
假设条件2：调度员的数量足够；
假设条件3：调度成本低于购买车辆的成本；
假设条件4：每个调度员在一天的开始于某个站点出发，该天结束后调度员也要回到该站点。
3.根据权利要求2所述的方法，其特征在于，所述的设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据所述共享汽车车辆的三种状态和设定的假设条件构建第一阶段的线性整数规划模型，所述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和；求解所述线性整数规划模型，得到调度员需要执行的车辆调度任务，包括：
设置共享汽车车辆的三种状态为：被用户使用、被调度和停放在站点，根据共享汽车车辆的三种状态和所述所有可行的车辆调度任务构建第一阶段的线性整数规划模型，并求解线性整数规划模型，得到所述所有可行的车辆调度任务中的调度员需要执行的车辆调度任务；
所述线性整数规划模型的目标函数是最小化未满足需求的惩罚成本和车辆调度成本之和，设置的约束有容量约束、流量平衡约束和最大借车量约束，所述线性整数规划模型中的参数和符号定义如下：
t,t' 时间步序号
i 订单序号
j,j' 站点序号
I 订单集合
J 站点集合
Oi 订单i的取车站点
Di 订单i的还车站点
Si 订单i的出发时间步
Ai 订单i的到达时间步
q 总车辆数
cj 站点j的容量
djj' 站点j和j'之间的距离
α 每个未满足的预定需求惩罚费用
β 单位车辆调度费用
xi 0-1变量，若订单i被满足则取1否则取0
zu 执行车辆调度任务u的车辆数
在时间步t的结束时刻停放在站点j的车辆数
第一阶段的线性整数规划模型如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448328.5A CN111612358B (zh) | 2020-05-25 | 2020-05-25 | 共享汽车车辆调度及调度员路径优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010448328.5A CN111612358B (zh) | 2020-05-25 | 2020-05-25 | 共享汽车车辆调度及调度员路径优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111612358A CN111612358A (zh) | 2020-09-01 |
| CN111612358B true CN111612358B (zh) | 2024-04-12 |
Family
ID=72204059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010448328.5A Active CN111612358B (zh) | 2020-05-25 | 2020-05-25 | 共享汽车车辆调度及调度员路径优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612358B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488358B (zh) * | 2020-10-31 | 2023-04-07 | 海南电网有限责任公司 | 一种电动汽车充电路径规划方法和存储介质 |
| CN112598273B (zh) * | 2020-12-22 | 2024-04-02 | 湖南三一智能控制设备有限公司 | 一种智能运输调度方法、系统、介质及电子设备 |
| CN112686535B (zh) * | 2020-12-29 | 2024-08-20 | 广东嘉腾机器人自动化有限公司 | 智能多站点调度方法 |
| CN113077106B (zh) * | 2021-04-16 | 2024-06-18 | 北京京东振世信息技术有限公司 | 一种基于时间窗的物品运输方法和装置 |
| CN113344262A (zh) * | 2021-05-28 | 2021-09-03 | 淮阴工学院 | 一种基于城市垃圾分类的智能清运系统及方法 |
| CN113345216B (zh) * | 2021-05-28 | 2022-10-11 | 蓝海（福建）信息科技有限公司 | 一种面向大型活动的车辆调度方法 |
| CN113269364A (zh) * | 2021-06-01 | 2021-08-17 | 上海汽车集团股份有限公司 | 一种共享车辆的调度方法及装置 |
| CN113408942B (zh) * | 2021-07-12 | 2022-11-18 | 东南大学 | 一种兼顾实时确定和未来不确定信息的共享单车动态重部署方法 |
| CN113642796B (zh) * | 2021-08-18 | 2024-06-04 | 北京航空航天大学 | 基于历史数据的动态共享电动自动驾驶车辆路径规划方法 |
| CN113642905B (zh) * | 2021-08-18 | 2024-05-10 | 北京航空航天大学 | 共享电动汽车充电需求可拆分的移动并行充电方法 |
| CN113723675B (zh) * | 2021-08-20 | 2024-03-26 | 深圳依时货拉拉科技有限公司 | 一种零担揽件自动调度方法和计算机设备 |
| CN115564319B (zh) * | 2022-12-05 | 2023-04-18 | 北京工业大学 | 一种共享单车的调度方法、装置及可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7725339B1 (en) * | 2003-07-07 | 2010-05-25 | Ac2 Solutions, Inc. | Contact center scheduling using integer programming |
| CN107239883A (zh) * | 2017-05-12 | 2017-10-10 | 同济大学 | 一种汽车共享系统车辆的调度方法 |
| CN109934380A (zh) * | 2019-01-23 | 2019-06-25 | 天津市市政工程设计研究院 | 基于双层规划的共享电动汽车车辆及人员调度优化方法 |
| CN110705753A (zh) * | 2019-09-06 | 2020-01-17 | 平安科技（深圳）有限公司 | 基于调度模型的车辆调度方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170167882A1 (en) * | 2014-08-04 | 2017-06-15 | Xerox Corporation | System and method for generating available ride-share paths in a transportation network |
-
2020
- 2020-05-25 CN CN202010448328.5A patent/CN111612358B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7725339B1 (en) * | 2003-07-07 | 2010-05-25 | Ac2 Solutions, Inc. | Contact center scheduling using integer programming |
| CN107239883A (zh) * | 2017-05-12 | 2017-10-10 | 同济大学 | 一种汽车共享系统车辆的调度方法 |
| CN109934380A (zh) * | 2019-01-23 | 2019-06-25 | 天津市市政工程设计研究院 | 基于双层规划的共享电动汽车车辆及人员调度优化方法 |
| CN110705753A (zh) * | 2019-09-06 | 2020-01-17 | 平安科技（深圳）有限公司 | 基于调度模型的车辆调度方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111612358A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612358B (zh) | 共享汽车车辆调度及调度员路径优化方法 | |
| Ye et al. | Learning to operate an electric vehicle charging station considering vehicle-grid integration | |
| Shi et al. | A comprehensive charging network planning scheme for promoting EV charging infrastructure considering the Chicken-Eggs dilemma | |
| Tao et al. | Data-driven on-demand energy supplement planning for electric vehicles considering multi-charging/swapping services | |
| Afentoulis et al. | Smart charging business model framework for electric vehicle aggregators | |
| CN108269008A (zh) | 考虑用户满意度和配网可靠性的充电设施优化规划方法 | |
| Li et al. | Electric vehicle charging scheduling with mobile charging stations | |
| Zeng et al. | Optimal configuration planning of vehicle sharing station-based electro-hydrogen micro-energy systems for transportation decarbonization | |
| Zhang et al. | Multi-objective route optimization of urban cold chain distribution using electric and diesel powered vehicles | |
| Gao et al. | Joint optimisation on maintenance policy and resources for multi-unit parallel production system | |
| Ford | Simulating the controllability of feebates | |
| Baumgartner et al. | How to integrate users into smart charging–A critical and systematic review | |
| Tian et al. | A Long‐Term Shared Autonomous Vehicle System Design Problem considering Relocation and Pricing | |
| Liu et al. | A construction-and-repair based method for vehicle scheduling of bus line with branch lines | |
| Li et al. | Dynamic pricing, vehicle relocation and staff rebalancing for station-based one-way electric carsharing systems considering nonlinear charging profile | |
| Wu et al. | Smart charging of electric vehicles | |
| Yuan et al. | Poet: Towards power-system-aware e-taxi coordination under dynamic passenger mobility | |
| Huo et al. | A mixed-integer program (MIP) for one-way multiple-type shared electric vehicles allocation with uncertain demand | |
| Zhang et al. | Bike-sharing systems rebalancing considering redistribution proportions: A user-based repositioning approach | |
| Zhang et al. | Optimizing the strategic decisions for one-way station-based carsharing systems: A mean-CVaR approach | |
| Wang et al. | Planning approach for integrating charging stations and renewable energy sources in low-carbon logistics delivery | |
| Chen et al. | Cost-Optimal Aggregated Electric Vehicle Flexibility for Demand Response Market Participation by Workplace Electric Vehicle Charging Aggregators | |
| JP7243564B2 (ja) | 情報処理装置および情報処理方法 | |
| Vagropoulos et al. | Electric vehicle smart charging business case-outcomes and prospects for electric vehicle aggregators | |
| Yu et al. | Optimal battery swapping and charging strategy considering on-site solar generation |
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 |