CN113722874A - 车辆排班优化方法、装置和电子设备 - Google Patents

车辆排班优化方法、装置和电子设备 Download PDF

Info

Publication number
CN113722874A
CN113722874A CN202011592616.4A CN202011592616A CN113722874A CN 113722874 A CN113722874 A CN 113722874A CN 202011592616 A CN202011592616 A CN 202011592616A CN 113722874 A CN113722874 A CN 113722874A
Authority
CN
China
Prior art keywords
time
time period
station
vehicle
shift
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.)
Granted
Application number
CN202011592616.4A
Other languages
English (en)
Other versions
CN113722874B (zh
Inventor
孙彦苹
郑宇�
张钧波
霍雨森
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.)
Jingdong City Beijing Digital Technology Co Ltd
Original Assignee
Jingdong City Beijing Digital Technology 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 Jingdong City Beijing Digital Technology Co Ltd filed Critical Jingdong City Beijing Digital Technology Co Ltd
Priority to CN202011592616.4A priority Critical patent/CN113722874B/zh
Priority claimed from CN202011592616.4A external-priority patent/CN113722874B/zh
Publication of CN113722874A publication Critical patent/CN113722874A/zh
Application granted granted Critical
Publication of CN113722874B publication Critical patent/CN113722874B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提出一种车辆排班优化方法、装置和电子设备，其中优化方法包括：获取历史站点数据和车辆运行数据；根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔；根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。

Description

车辆排班优化方法、装置和电子设备
技术领域
本申请涉及智能交通、深度学习技术领域，尤其涉及一种车辆排班优化方法、装置、电子设备和存储介质。
背景技术
目前，公交车、公司班车、景区观光车、园区车辆等车辆给人们生活带来了很多便利，比如，人们可选择乘坐公交车或者公司班车进行上下班，可选择乘坐景区观光车进行景区的游玩，可选择乘坐园区车辆在园区内进行移动。然而，这些车辆的排班大多由运营人员来设置，比较依赖运营人员的经验，灵活性较差，不能满足乘客需求。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请第一方面实施例提出一种车辆排班优化方法，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
本申请第二方面实施例提出一种车辆排班优化装置。
本申请第三方面实施例提出一种电子设备。
本申请第四方面实施例提出一种计算机可读存储介质。
本申请第一方面实施例提出了一种车辆排班优化方法，包括：获取历史站点数据和车辆运行数据；根据所述历史站点数据和所述车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔；根据所述每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。
根据本申请实施例的车辆排班优化方法，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
另外，根据本申请上述实施例的车辆排班优化方法还可以具有如下附加的技术特征：
在本申请的一个实施例中，所述根据所述历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，包括：根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间；根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔。
在本申请的一个实施例中，所述根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间，包括：根据所述历史站点数据和所述车辆运行数据，获取每个时间段内每个班次的车辆到达每个站点的时间；根据所述每个时间段内每个班次的车辆到达每个站点的时间，计算每个时间段内的每个班次每相邻两个站点之间的站点间通行时间；计算所述每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，得到所述每个时间段内的每相邻两个站点之间的站点间通行时间。
在本申请的一个实施例中，根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每个乘客在每个站点的等待时间，包括：根据所述历史站点数据和所述车辆运行数据，生成每个时间段内每个站点的人流时间分布；根据所述每个时间段内每个站点的人流时间分布，计算所述每个时间段内的每个乘客在每个站点的等待时间。
在本申请的一个实施例中，所述根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔，包括：将所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到所述每个时间段内每相邻两个班次优化后的发车间隔。
在本申请的一个实施例中，所述发车间隔优化模型，包括：优化目标为最小化每个时间段内乘客等待总时间；第一约束条件为每个时间段内第一个班次的车辆到达第一个站点的时间为该时间段的起始时间；第二约束条件为每个时间段内当前班次的车辆到达当前站点的时间与当前班次和下一班次之间的发车间隔的和值，等于下一班次的车辆到达当前站点的时间；第三约束条件为每个时间段内最后一个班次的车辆到达最后一个站点的时间与最后一个班次和下一班次之间的发车间隔的和值，大于该时间段的结束时间；第四约束条件为每个时间段内当前班次的车辆到达上一站点的时间与上一站点和当前站点之间的站点间通行时间的和值，等于当前班次的车辆到达当前站点的时间；第五约束条件为每个时间段内每相邻两个班次优化后的发车间隔位于预设的发车间隔时间范围内。
在本申请的一个实施例中，还包括：若所述发车时刻表中单个时间段内最后一个班次的发车时间与所述单个时间段的结束时间的时间差小于预设的时间差阈值，则取消所述发车时刻表中所述单个时间段内的所述最后一个班次。
在本申请的一个实施例中，还包括：根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。
在本申请的一个实施例中，所述根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数，包括：根据所述发车时刻表，采用预设的调度车辆数优化模型，生成所述总调度车辆数。
在本申请的一个实施例中，所述调度车辆数优化模型为：
Bnum＝max(minx((tx0-tso)≥∑iτi)-s)+1(tx0-tso-∑iτi<Ttransfer)
其中，
所述Bnum为所述总调度车辆数；
所述x和所述s为班次；
所述tx0为每个时间段内班次x的车辆到达第一个站点的时间；
所述ts0为每个时间段内班次s的车辆到达第一个站点的时间；
所述τi为每个时间段内站点i到站点i+1之间的站点间通行时间；
所述minx((tx0-tso)≥∑iτi)为每个时间段内满足(tx0-tso)≥∑iτi条件的x的最小取值；
所述minx((tx0-tso)≥∑iτi)-s为每个时间段内同时在线路上运行的车辆数；
所述max(minx((tx0-tso)≥∑iτi)-s)为不同时间段同时在线路上运行的车辆数的最大值；
所述Ttransfer为每个时间段内当前班次的车辆到达最后一站的时间与下一个班次的车辆到达第一站的时间之间的停留时间；
当满足tx0-tso-∑iτi<Ttransfer条件时，所述1(.)取值为1，当不满足tx0-tso-∑iτi<Ttransfer条件时，所述1(.)取值为0。
本申请第二方面实施例提出了一种车辆排班优化装置，包括：获取模块，用于获取历史站点数据和车辆运行数据；第一生成模块，用于根据所述历史站点数据和所述车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔；第二生成模块，用于根据所述每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。
本申请实施例的车辆排班优化装置，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
另外，根据本申请上述实施例的车辆排班优化装置还可以具有如下附加的技术特征：
在本申请的一个实施例中，所述第一生成模块，包括：计算单元，用于根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间；生成单元，用于根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔。
在本申请的一个实施例中，所述计算单元，包括：获取子单元，用于根据所述历史站点数据和所述车辆运行数据，获取每个时间段内每个班次的车辆到达每个站点的时间；第一计算子单元，用于根据所述每个时间段内每个班次的车辆到达每个站点的时间，计算每个时间段内的每个班次每相邻两个站点之间的站点间通行时间；第二计算子单元，用于计算所述每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，得到所述每个时间段内的每相邻两个站点之间的站点间通行时间。
在本申请的一个实施例中，所述计算单元，包括：生成子单元，用于根据所述历史站点数据和所述车辆运行数据，生成每个时间段内每个站点的人流时间分布；第三计算子单元，用于根据所述每个时间段内每个站点的人流时间分布，计算所述每个时间段内的每个乘客在每个站点的等待时间。
在本申请的一个实施例中，所述生成单元，具体用于：将所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到所述每个时间段内每相邻两个班次优化后的发车间隔。
在本申请的一个实施例中，所述发车间隔优化模型，包括：优化目标为最小化每个时间段内乘客等待总时间；第一约束条件为每个时间段内第一个班次的车辆到达第一个站点的时间为该时间段的起始时间；第二约束条件为每个时间段内当前班次的车辆到达当前站点的时间与当前班次和下一班次之间的发车间隔的和值，等于下一班次的车辆到达当前站点的时间；第三约束条件为每个时间段内最后一个班次的车辆到达最后一个站点的时间与最后一个班次和下一班次之间的发车间隔的和值，大于该时间段的结束时间；第四约束条件为每个时间段内当前班次的车辆到达上一站点的时间与上一站点和当前站点之间的站点间通行时间的和值，等于当前班次的车辆到达当前站点的时间；第五约束条件为每个时间段内每相邻两个班次优化后的发车间隔位于预设的发车间隔时间范围内。
在本申请的一个实施例中，还包括：取消模块，用于若所述发车时刻表中单个时间段内最后一个班次的发车时间与所述单个时间段的结束时间的时间差小于预设的时间差阈值，则取消所述发车时刻表中所述单个时间段内的所述最后一个班次。
在本申请的一个实施例中，还包括：第三生成模块，用于根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。
在本申请的一个实施例中，所述第三生成模块，具体用于：根据所述发车时刻表，采用预设的调度车辆数优化模型，生成所述总调度车辆数。
在本申请的一个实施例中，所述调度车辆数优化模型为：
Bnum＝max(minx((tx0-tso)≥∑iτi)-s)+1(tx0-tso-∑iτi<Ttransfer)
其中，
所述Bnum为所述总调度车辆数；
所述x和所述s为班次；
所述tx0为每个时间段内班次x的车辆到达第一个站点的时间；
所述ts0为每个时间段内班次s的车辆到达第一个站点的时间；
所述τi为每个时间段内站点i到站点i+1之间的站点间通行时间；
所述minx((tx0-tso)≥∑iτi)为每个时间段内满足(tx0-tso)≥∑iτi条件的x的最小取值；
所述minx((tx0-tso)≥∑iτi)-s为每个时间段内同时在线路上运行的车辆数；
所述max(minx((tx0-tso)≥∑iτi)-s)为不同时间段同时在线路上运行的车辆数的最大值；
所述Ttransfer为每个时间段内当前班次的车辆到达最后一站的时间与下一个班次的车辆到达第一站的时间之间的停留时间；
当满足tx0-tso-∑iτi<Ttransfer条件时，所述1(.)取值为1，当不满足tx0-tso-∑iτi<Ttransfer条件时，所述1(.)取值为0。
本申请第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述第一方面实施例所述的车辆排班优化方法。
本申请实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如前述第一方面实施例所述的车辆排班优化方法。
本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
本申请附加的方面和优点将在下面的描述中部分给出，部分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
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例的车辆排班优化方法的流程示意图；
图2为根据本申请一个实施例的车辆排班优化方法中生成每个时间段内每相邻两个班次优化后的发车间隔的流程示意图；
图3为根据本申请一个实施例的车辆排班优化方法中计算每个时间段内的每相邻两个站点之间的站点间通行时间的流程示意图；
图4为根据本申请一个实施例的车辆排班优化方法中计算每个时间段内的每个乘客在每个站点的等待时间的流程示意图；
图5为根据本申请一个实施例的车辆排班优化方法的示意图；
图6为根据本申请一个实施例的车辆排班优化装置的结构示意图；
图7为根据本申请另一个实施例的车辆排班优化装置的结构示意图；以及
图8为根据本申请一个实施例的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例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例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参照附图描述本申请实施例的车辆排班优化方法、装置、电子设备和存储介质。
图1为根据本申请一个实施例的车辆排班优化方法的流程示意图。
如图1所示，本申请实施例的车辆排班优化方法，包括：
S101，获取历史站点数据和车辆运行数据。
需要说明的是，本申请实施例的车辆排班优化方法的执行主体可为车辆排班优化装置，本申请实施例的车辆排班优化装置可以配置在任意电子设备中，以使该电子设备可以执行本申请实施例的车辆排班优化方法。其中，电子设备可以为个人电脑(PersonalComputer，简称PC)、云端设备、移动设备等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
本申请的实施例中，可获取历史站点数据和车辆运行数据。其中，历史站点数据包括但不限于站点乘客检票数据、站点乘客上下车刷卡数据、站点摄像头、站点点位等数据，车辆运行数据包括但不限于车辆发车时间、车辆到站时间、车辆运行速度、车辆实时点位等，这里不做过多限定。其中，站点点位可包括站点的经纬度坐标数据，车辆实时点位可包括车辆实时的经纬度坐标数据。
需要说明的是，本申请的实施例中，对站点、车辆的类型均不做限定。例如，站点包括但不限于景区观光站点、公交站点、园区站点、企业班车站点等，相应的，车辆包括但不限于景区观光车、公交车、园区车辆、企业班车等。
S102，根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔。
本申请的实施例中，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，并以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔。也就是说，优化后的发车间隔可实现每个时间段内乘客等待总时间的最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
可以理解的是，不同时间段内每相邻两个班次优化后的发车间隔可能不同。比如，早高峰时间段(比如上午8点至上午10点)内每相邻两个班次优化后的发车间隔可能为3分钟，日间平峰时间段(上午10点至下午4点)内每相邻两个班次优化后的发车间隔可能为6分钟。
可选的，时间段可根据实际情况进行设置。例如，假设车辆运行时间为早上6点至晚上8点，则可将车辆运行时间划分为早上6点至早上9点、早上9点至下午5点，下午5点至晚上8点这三个时间段。
可选的，还可预先设置每个时间段内每相邻两个班次的初始发车间隔。可以理解的是，不同时间段内每相邻两个班次的初始发车间隔可能不同。例如，每个时间段内每相邻两个班次的初始发车间隔可参照表1进行设置。
表1
时间段 初始发车间隔
早上8点至早上10点(早高峰) (3-5)分钟
早上10点至下午4点(日间平峰) (5-10)分钟
下午4点至晚上6点(晚高峰) (3-5)分钟
进一步地，可根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并将上述优化后的发车间隔作为车辆的目标发车间隔。例如，针对表1的初始发车间隔，每个时间段内每相邻两个班次优化后的发车间隔可参照表2进行设置。
表2
时间段 优化后的发车间隔
早上8点至早上10点(早高峰) 3分钟
早上10点至下午4点(日间平峰) 6分钟
下午4点至晚上6点(晚高峰) 4分钟
S103，根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。
可以理解的是，在已知每个时间段内每相邻两个班次优化后的发车间隔、每个时间段的起始时间时，可生成发车时刻表。
例如，继续以表2为例，早上8点至早上10点时间段内每相邻两个班次优化后的发车间隔为3分钟，对应的起始时间为早上8点，则早上8点至早上10点时间段内的发车时刻可包括08:00、08:03、08:06、08:09等，可根据上述发车时刻生成发车时刻表。
综上，根据本申请实施例的车辆排班优化方法，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
在上述任一实施例的基础上，若发车时刻表中单个时间段内最后一个班次的发车时间与单个时间段的结束时间的时间差小于预设的时间差阈值，则取消发车时刻表中单个时间段内的最后一个班次。
可以理解的是，单个时间段内第一个班次的发车时间为单个时间段的起始时间，相应的，下个时间段内第一个班次的发车时间为下个时间段的起始时间，也为当前时间段的结束时间。若发车时刻表中单个时间段内最后一个班次的发车时间与单个时间段的结束时间的时间差小于预设的时间差阈值，表明单个时间段内最后一个班次的发车时间与下个时间段内第一个班次的发车时间的时间差较小，此时可取消发车时刻表中单个时间段内的最后一个班次，以节省车辆资源。
可选的，时间差阈值可根据实际情况进行设置，例如，可将相邻两个班次所允许的最小发车间隔设置为时间差阈值。比如，可设置为3分钟。
在上述任一实施例的基础上，如图2所示，步骤S102中根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，可包括：
S201，根据历史站点数据和车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间。
可选的，可根据历史站点数据和车辆运行数据，按照预设的计算策略，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间。
S202，根据每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔。
本申请的实施例中，可考虑到站点间通行时间、每个乘客在每个站点的等待时间对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
由此，该方法可根据历史站点数据和车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，然后根据每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔。
在上述任一实施例的基础上，如图3所示，步骤S201中根据历史站点数据和车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间，可包括：
S301，根据历史站点数据和车辆运行数据，获取每个时间段内每个班次的车辆到达每个站点的时间。
可选的，可根据站点点位数据、历史车辆实时点位数据，获取每个时间段内每个班次的车辆到达每个站点的时间，比如，可根据站点点位数据、历史车辆实时点位数据，获取历史三天中早上8点至早上10点时间段内每个班次的车辆到达每个站点的时间，计算历史三天中早上8点至早上10点时间段内每个班次的车辆到达每个站点的时间的平均值，得到每个时间段内每个班次的车辆到达每个站点的时间。
例如，若历史三天中早上8点至早上10点时间段内第2个班次的车辆到达第3个站点的时间分别为08:20、08:18、08:25，则可计算08:20、08:18、08:25的平均值为08:21，则可得到早上8点至早上10点时间段内第2个班次的车辆到达第3个站点的时间为08:21。
S302，根据每个时间段内每个班次的车辆到达每个站点的时间，计算每个时间段内的每个班次每相邻两个站点之间的站点间通行时间。
可选的，可将每个时间段内每个班次的车辆到达两个相邻站点的时间的绝对差值，作为每个时间段内的每个班次在这两个相邻站点之间的站点间通行时间。
例如，若早上8点至早上10点时间段内第2个班次的车辆到达第1、2、3个站点的时间分别为08:10、08:13、08:20，则可计算到达第1个站点的时间与到达第2个站点的时间的绝对差值为3分钟，则早上8点至早上10点时间段内第2个班次的车辆在第1、2个站点之间的站点间通行时间为3分钟。还可计算到达第2个站点的时间与到达第3个站点的时间的绝对差值为7分钟，则早上8点至早上10点时间段内第2个班次的车辆在第2、3个站点之间的站点间通行时间为7分钟。
可以理解的是，由于站点位置、站点间路程等因素的影响，相同时间段内的相同班次在不同的相邻两个站点之间的站点间通行时间可能不同。
S303，计算每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，得到每个时间段内的每相邻两个站点之间的站点间通行时间。
本申请的实施例中，可将每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，作为每个时间段内的每相邻两个站点之间的站点间通行时间，能够考虑到每个时间段内每相邻两个站点之间所有班次的站点间通行时间，使得得到的每个时间段内的每相邻两个站点之间的站点间通行时间更准确。
例如，假设早上8点至早上10点时间段内共有8个班次，第1至8个班次的车辆在第2、3个站点之间的站点间通行时间分别为3、5、4、7、2、3、4、4分钟，则可计算第1至8个班次的车辆在第2、3个站点之间的站点间通行时间的平均值为4分钟，则可得到早上8点至早上10点时间段内的第2、3个站点之间的站点间通行时间为4分钟。
由此，该方法可根据历史站点数据和车辆运行数据，获取每个时间段内每个班次的车辆到达每个站点的时间，然后根据每个时间段内每个班次的车辆到达每个站点的时间，计算每个时间段内的每个班次每相邻两个站点之间的站点间通行时间，最后计算每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，得到每个时间段内的每相邻两个站点之间的站点间通行时间。
在上述任一实施例的基础上，如图4所示，步骤S201中根据历史站点数据和车辆运行数据，计算每个时间段内的每个乘客在每个站点的等待时间，可包括：
S401，根据历史站点数据和车辆运行数据，生成每个时间段内每个站点的人流时间分布。
可选的，可根据站点乘客检票数据、站点乘客上下车刷卡数据、站点摄像头、景区入园检票数据、园区打卡数据、公司打卡数据等中的至少一项，生成每个时间段内每个站点的人流时间分布。
需要说明的是，本申请的实施例中，对人流时间分布的形式不做限定。例如，人流时间分布可为人流量与时间的关系图。
S402，根据每个时间段内每个站点的人流时间分布，计算每个时间段内的每个乘客在每个站点的等待时间。
本申请的实施例中，能够根据每个时间内每个站点的人流时间分布，计算每个时间段内的每个乘客在每个站点的等待时间，能够考虑到站点的人流时间分布对乘客在站点的等待时间的影响，使得得到的乘客在站点的等待时间更准确。
可选的，根据每个时间段内每个站点的人流时间分布，计算每个时间段内的每个乘客在每个站点的等待时间，可通过下述公式来实现：
Figure BDA0002869079320000111
其中，wpm为每个时间段内的第p个乘客在第m个站点的等待时间，pm(t)为每个时间段内第m个站点的人流时间分布，tsm为每个时间段内第s个班次的车辆到达第m个站点的时间，C为车辆的最大容量，ps-1为每个时间段内第s-1个班次最后一个乘客上车的时间，Tc为每个时间段内第m个站点乘客等待人数等于车辆的最大容量对应的时间，即pm(Tc)-pm(ps-1)＝C。
由此，该方法可根据历史站点数据和车辆运行数据，生成每个时间段内每个站点的人流时间分布，根据每个时间段内每个站点的人流时间分布，计算每个时间段内的每个乘客在每个站点的等待时间。
在上述任一实施例的基础上，步骤S202中根据每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，可包括将每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到每个时间段内每相邻两个班次优化后的发车间隔。
可选的，发车间隔优化模型可根据实际情况进行设置，例如，可为深度学习模型，可包括数学规划求解器和/或启发式搜索算法。
可选的，发车间隔优化模型包括优化目标和五个约束条件。
其中，优化目标为最小化每个时间段内乘客等待总时间。例如，优化目标可用
Figure BDA0002869079320000121
来表示，其中，wpm为乘客p在第m个站点的等待时间。
第一约束条件为每个时间段内第一个班次的车辆到达第一个站点的时间为该时间段的起始时间。例如，第一约束条件可用t00＝startT来表示，其中，t00为每个时间段内第一个班次的车辆到达第一个站点的时间，startT为每个时间段的起始时间。
第二约束条件为每个时间段内当前班次的车辆到达当前站点的时间与当前班次和下一班次之间的发车间隔的和值，等于下一班次的车辆到达当前站点的时间。例如，第二约束条件可用t(s+1)m＝tsm+xs来表示，其中，t(s+1)m为每个时间段内第s+1个班次的车辆到达第m个站点的时间，tsm为每个时间段内第s个班次的车辆到达第m个站点的时间，xs为每个时间段内每相邻两个班次优化后的发车间隔，即为第s个班次和第s+1个班次之间的发车间隔。
第三约束条件为每个时间段内最后一个班次的车辆到达最后一个站点的时间与最后一个班次和下一班次之间的发车间隔的和值，大于该时间段的结束时间。例如，第三约束条件可用tff+xf>finalT来表示，其中，tff为每个时间段内最后一个班次的车辆到达最后一个站点的时间，xf为每个时间段内最后一个班次和下一班次之间的发车间隔，finalT为每个时间段的结束时间。
第四约束条件为每个时间段内当前班次的车辆到达上一站点的时间与上一站点和当前站点之间的站点间通行时间的和值，等于当前班次的车辆到达当前站点的时间。例如，第四约束条件可用tsm＝ts(m-1)+τm-1来表示，其中，tsm为每个时间段内第s个班次的车辆到达第m个站点的时间，ts(m-1)为每个时间段内第s个班次的车辆到达第(m-1)个站点的时间，τm-1为每个时间段内第(m-1)个站点与第m个站点之间的站点间通行时间。
第五约束条件为每个时间段内每相邻两个班次优化后的发车间隔位于预设的发车间隔时间范围内。例如，第五约束条件可用xs∈[low，high]来表示，其中，xs为每个时间段内每相邻两个班次优化后的发车间隔，[low，high]为预设的发车间隔时间范围，low为预设的发车间隔的最小值，high为预设的发车间隔的最大值。
由此，该方法可将每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到每个时间段内每相邻两个班次优化后的发车间隔。
在上述任一实施例的基础上，步骤S103中生成发车时刻表之后，还可根据发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。
本申请的实施例中，可考虑到发车时刻表对总调度车辆数的影响，并以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。也就是说，总调度车辆数可实现每个时间段内车辆使用率的最大化，有助于提高车辆使用率，有效利用车辆资源。
可选的，根据发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数，可包括根据发车时刻表，采用预设的调度车辆数优化模型，生成总调度车辆数。
可选的，调度车辆数优化模型可根据实际情况进行设置。
可选的，调度车辆数优化模型为：
Bnum＝max(minx((tx0-tso)≥∑iτi)-s)+1(tx0-tso-∑iτi<Ttransfer)
其中，Bnum为总调度车辆数，x和s为班次，tx0为每个时间段内班次x的车辆到达第一个站点的时间，ts0为每个时间段内班次s的车辆到达第一个站点的时间，τi为每个时间段内站点i到站点i+1之间的站点间通行时间。
minx((tx0-tso)≥∑iτi)为每个时间段内满足(tx0-tso)≥∑iτi条件的x的最小取值，minx((tx0-tso)≥∑iτi)-s为每个时间段内同时在线路上运行的车辆数，max(minx((tx0-tso)≥∑iτi)-s)为不同时间段同时在线路上运行的车辆数的最大值，Ttransfer为每个时间段内当前班次的车辆到达最后一站的时间与下一个班次的车辆到达第一站的时间之间的停留时间，当满足tx0-tso-∑iτi<Ttransfer条件时，1(.)取值为1，当不满足tx0-tso-∑iτi<Ttransfer条件时，1(.)取值为0。
可以理解的是，若当满足tx0-tso-∑iτi<Ttransfer条件时，需要增加一个车辆，1(.)取值为1，当不满足tx0-tso-∑iτi<Ttransfer条件时，不需要增加一个车辆，1(.)取值为0。
由此，该方法可根据发车时刻表，采用预设的调度车辆数优化模型，生成总调度车辆数。
如图5所示，可根据历史站点数据和车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，然后将每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到每个时间段内每相邻两个班次优化后的发车间隔，之后根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。之后可根据发车时刻表，采用预设的调度车辆数优化模型，生成总调度车辆数。根据发车时刻表和总调度车辆数生成优化后的排班计划。
与上述图1至图5实施例提供的车辆排班优化方法相对应，本公开还提供一种车辆排班优化装置，由于本公开实施例提供的车辆排班优化装置与上述图1至图5实施例提供的车辆排班优化方法相对应，因此车辆排班优化方法的实施方式也适用于本公开实施例提供的车辆排班优化装置，在本公开实施例中不再详细描述。
图6为根据本申请一个实施例的车辆排班优化装置的结构示意图。
如图6所示，本申请实施例的车辆排班优化装置100可以包括：获取模块110、第一生成模块120、第二生成模块130。
获取模块110用于获取历史站点数据和车辆运行数据；
第一生成模块120用于根据所述历史站点数据和所述车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔；
第二生成模块130用于根据所述每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。
在本申请的一个实施例中，如图7所示，所述第一生成模块120，包括：计算单元1201，用于根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间；生成单元1202，用于根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔。
在本申请的一个实施例中，所述计算单元1201，包括：获取子单元，用于根据所述历史站点数据和所述车辆运行数据，获取每个时间段内每个班次的车辆到达每个站点的时间；第一计算子单元，用于根据所述每个时间段内每个班次的车辆到达每个站点的时间，计算每个时间段内的每个班次每相邻两个站点之间的站点间通行时间；第二计算子单元，用于计算所述每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，得到所述每个时间段内的每相邻两个站点之间的站点间通行时间。
在本申请的一个实施例中，所述计算单元1201，包括：生成子单元，用于根据所述历史站点数据和所述车辆运行数据，生成每个时间段内每个站点的人流时间分布；第三计算子单元，用于根据所述每个时间段内每个站点的人流时间分布，计算所述每个时间段内的每个乘客在每个站点的等待时间。
在本申请的一个实施例中，所述生成单元1202，具体用于：将所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到所述每个时间段内每相邻两个班次优化后的发车间隔。
在本申请的一个实施例中，所述发车间隔优化模型，包括：优化目标为最小化每个时间段内乘客等待总时间；第一约束条件为每个时间段内第一个班次的车辆到达第一个站点的时间为该时间段的起始时间；第二约束条件为每个时间段内当前班次的车辆到达当前站点的时间与当前班次和下一班次之间的发车间隔的和值，等于下一班次的车辆到达当前站点的时间；第三约束条件为每个时间段内最后一个班次的车辆到达最后一个站点的时间与最后一个班次和下一班次之间的发车间隔的和值，大于该时间段的结束时间；第四约束条件为每个时间段内当前班次的车辆到达上一站点的时间与上一站点和当前站点之间的站点间通行时间的和值，等于当前班次的车辆到达当前站点的时间；第五约束条件为每个时间段内每相邻两个班次优化后的发车间隔位于预设的发车间隔时间范围内。
在本申请的一个实施例中，如图7所示，所述车辆排班优化装置100还包括：取消模块140，用于若所述发车时刻表中单个时间段内最后一个班次的发车时间与所述单个时间段的结束时间的时间差小于预设的时间差阈值，则取消所述发车时刻表中所述单个时间段内的所述最后一个班次。
在本申请的一个实施例中，如图7所示，所述车辆排班优化装置100还包括：第三生成模块150，用于根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。
在本申请的一个实施例中，所述第三生成模块150，具体用于：根据所述发车时刻表，采用预设的调度车辆数优化模型，生成所述总调度车辆数。
在本申请的一个实施例中，所述调度车辆数优化模型为：
Bnum＝max(minx((tx0-tso)≥∑iτi)-s)+1(tx0-tso-∑iτi<Ttransfer)
其中，
所述Bnum为所述总调度车辆数；
所述x和所述s为班次；
所述tx0为每个时间段内班次x的车辆到达第一个站点的时间；
所述ts0为每个时间段内班次s的车辆到达第一个站点的时间；
所述τi为每个时间段内站点i到站点i+1之间的站点间通行时间；
所述minx((tx0-tso)≥∑iτi)为每个时间段内满足(tx0-tso)≥∑iτi条件的x的最小取值；
所述minx((tx0-tso)≥∑iτi)-s为每个时间段内同时在线路上运行的车辆数；
所述max(minx((tx0-tso)≥∑iτi)-s)为不同时间段同时在线路上运行的车辆数的最大值；
所述Ttransfer为每个时间段内当前班次的车辆到达最后一站的时间与下一个班次的车辆到达第一站的时间之间的停留时间；
当满足tx0-tso-∑iτi<Ttransfer条件时，所述1(.)取值为1，当不满足tx0-tso-∑iτi<Ttransfer条件时，所述1(.)取值为0。
本申请实施例的车辆排班优化装置，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
为了实现上述实施例，如图8所示，本申请还提出一种电子设备200，包括：存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序，处理器220执行程序时，实现如本申请前述实施例提出的车辆排班优化方法。
本申请实施例的电子设备，通过处理器执行存储在存储器上的计算机程序，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
为了实现上述实施例，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如本申请前述实施例提出的车辆排班优化方法。
本申请实施例的计算机可读存储介质，通过存储计算机程序并被处理器执行，能够根据历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，并根据每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。由此，可考虑到历史站点数据和车辆运行数据对发车间隔的影响，且优化后的发车间隔可实现每个时间段内乘客等待总时间最小化，有助于减少乘客的等待时间，提升乘客的乘车体验。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (16)

1.一种车辆排班优化方法，其特征在于，包括：
获取历史站点数据和车辆运行数据；
根据所述历史站点数据和所述车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔；
根据所述每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。
2.根据权利要求1所述的车辆排班优化方法，其特征在于，所述根据所述历史站点数据和车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔，包括：
根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间；
根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔。
3.根据权利要求2所述的车辆排班优化方法，其特征在于，所述根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间，包括：
根据所述历史站点数据和所述车辆运行数据，获取每个时间段内每个班次的车辆到达每个站点的时间；
根据所述每个时间段内每个班次的车辆到达每个站点的时间，计算每个时间段内的每个班次每相邻两个站点之间的站点间通行时间；
计算所述每个时间段内的每相邻两个站点之间所有班次的站点间通行时间的平均值，得到所述每个时间段内的每相邻两个站点之间的站点间通行时间。
4.根据权利要求2所述的车辆排班优化方法，其特征在于，根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每个乘客在每个站点的等待时间，包括：
根据所述历史站点数据和所述车辆运行数据，生成每个时间段内每个站点的人流时间分布；
根据所述每个时间段内每个站点的人流时间分布，计算所述每个时间段内的每个乘客在每个站点的等待时间。
5.根据权利要求2所述的车辆排班优化方法，其特征在于，所述根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔，包括：
将所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，输入至预设的发车间隔优化模型中，得到所述每个时间段内每相邻两个班次优化后的发车间隔。
6.根据权利要求5所述的车辆排班优化方法，其特征在于，所述发车间隔优化模型，包括：
优化目标为最小化每个时间段内乘客等待总时间；
第一约束条件为每个时间段内第一个班次的车辆到达第一个站点的时间为该时间段的起始时间；
第二约束条件为每个时间段内当前班次的车辆到达当前站点的时间与当前班次和下一班次之间的发车间隔的和值，等于下一班次的车辆到达当前站点的时间；
第三约束条件为每个时间段内最后一个班次的车辆到达最后一个站点的时间与最后一个班次和下一班次之间的发车间隔的和值，大于该时间段的结束时间；
第四约束条件为每个时间段内当前班次的车辆到达上一站点的时间与上一站点和当前站点之间的站点间通行时间的和值，等于当前班次的车辆到达当前站点的时间；
第五约束条件为每个时间段内每相邻两个班次优化后的发车间隔位于预设的发车间隔时间范围内。
7.根据权利要求1所述的车辆排班优化方法，其特征在于，还包括：
若所述发车时刻表中单个时间段内最后一个班次的发车时间与所述单个时间段的结束时间的时间差小于预设的时间差阈值，则取消所述发车时刻表中所述单个时间段内的所述最后一个班次。
8.根据权利要求1所述的车辆排班优化方法，其特征在于，还包括：
根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。
9.根据权利要求8所述的车辆排班优化方法，其特征在于，所述根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数，包括：
根据所述发车时刻表，采用预设的调度车辆数优化模型，生成所述总调度车辆数。
10.根据权利要求9所述的车辆排班优化方法，其特征在于，所述调度车辆数优化模型为：
Bnum＝max(minx((tx0-tso)≥∑iτi)-s)+1(tx0-tso-∑iτi＜Ttransfer)
其中，
所述Bnum为所述总调度车辆数；
所述x和所述s为班次；
所述tx0为每个时间段内班次x的车辆到达第一个站点的时间；
所述ts0为每个时间段内班次s的车辆到达第一个站点的时间；
所述τi为每个时间段内站点i到站点i+1之间的站点间通行时间；
所述minx((tx0-tso)≥∑iτi)为每个时间段内满足(tx0-tso)≥∑iτi条件的x的最小取值；
所述minx((tx0-tso)≥∑iτi)-s为每个时间段内同时在线路上运行的车辆数；
所述max(minx((tx0-tso)≥∑iτi)-s)为不同时间段同时在线路上运行的车辆数的最大值；
所述Ttransfer为每个时间段内当前班次的车辆到达最后一站的时间与下一个班次的车辆到达第一站的时间之间的停留时间；
当满足tx0-tso-∑iτi＜Ttransfer条件时，所述1(.)取值为1，当不满足tx0-tso-∑iτi＜Ttransfer条件时，所述1(.)取值为0。
11.一种车辆排班优化装置，其特征在于，包括：
获取模块，用于获取历史站点数据和车辆运行数据；
第一生成模块，用于根据所述历史站点数据和所述车辆运行数据，以最小化每个时间段内乘客等待总时间为优化目标，生成每个时间段内每相邻两个班次优化后的发车间隔；
第二生成模块，用于根据所述每个时间段内每相邻两个班次优化后的发车间隔和每个时间段的起始时间，生成发车时刻表。
12.根据权利要求11所述的车辆排班优化装置，其特征在于，所述第一生成模块，包括：
计算单元，用于根据所述历史站点数据和所述车辆运行数据，计算每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间；
生成单元，用于根据所述每个时间段内的每相邻两个站点之间的站点间通行时间和每个乘客在每个站点的等待时间，以最小化每个时间段内乘客等待总时间为优化目标，生成所述每个时间段内每相邻两个班次优化后的发车间隔。
13.根据权利要求11所述的车辆排班优化装置，其特征在于，还包括：
取消模块，用于若所述发车时刻表中单个时间段内最后一个班次的发车时间与所述单个时间段的结束时间的时间差小于预设的时间差阈值，则取消所述发车时刻表中所述单个时间段内的所述最后一个班次。
14.根据权利要求11所述的车辆排班优化装置，其特征在于，还包括：
第三生成模块，用于根据所述发车时刻表，以最大化每个时间段内车辆使用率为优化目标，生成总调度车辆数。
15.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-10中任一项所述的车辆排班优化方法。
16.一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，该程序被处理器执行时实现如权利要求1-10中任一项所述的车辆排班优化方法。
CN202011592616.4A 2020-12-29 车辆排班优化方法、装置和电子设备 Active CN113722874B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011592616.4A CN113722874B (zh) 2020-12-29 车辆排班优化方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011592616.4A CN113722874B (zh) 2020-12-29 车辆排班优化方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN113722874A true CN113722874A (zh) 2021-11-30
CN113722874B CN113722874B (zh) 2024-10-22

Family

ID=

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114781874A (zh) * 2022-04-22 2022-07-22 湖南三一智能控制设备有限公司 一种运输车辆的调度方法、系统及电子设备
CN115170006A (zh) * 2022-09-08 2022-10-11 南方科技大学 发车调度方法、装置、设备和存储介质
CN115472011A (zh) * 2022-08-23 2022-12-13 江苏交控智慧城市技术有限公司 基于预约数据的公交智能线路规划算法
CN117540982A (zh) * 2023-11-08 2024-02-09 杭州一喂智能科技有限公司 用于运营专线的车辆信息发送方法、装置和电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046379A (zh) * 2015-09-09 2015-11-11 东南大学 一种城市公交发车时刻表优化方法
CN109034566A (zh) * 2018-07-11 2018-12-18 南京行者易智能交通科技有限公司 一种基于公交站点上下客流的智能调度方法及装置
CN110119835A (zh) * 2019-03-26 2019-08-13 杭州电子科技大学 一种基于区间计算的公交动态发车调度优化方法
CN110245779A (zh) * 2019-05-10 2019-09-17 杭州电子科技大学 一种基于遗传算法的公交动态发车调度优化方法
CN111160686A (zh) * 2019-10-12 2020-05-15 南京行者易智能交通科技有限公司 一种行车计划生成方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046379A (zh) * 2015-09-09 2015-11-11 东南大学 一种城市公交发车时刻表优化方法
CN109034566A (zh) * 2018-07-11 2018-12-18 南京行者易智能交通科技有限公司 一种基于公交站点上下客流的智能调度方法及装置
CN110119835A (zh) * 2019-03-26 2019-08-13 杭州电子科技大学 一种基于区间计算的公交动态发车调度优化方法
CN110245779A (zh) * 2019-05-10 2019-09-17 杭州电子科技大学 一种基于遗传算法的公交动态发车调度优化方法
CN111160686A (zh) * 2019-10-12 2020-05-15 南京行者易智能交通科技有限公司 一种行车计划生成方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114781874A (zh) * 2022-04-22 2022-07-22 湖南三一智能控制设备有限公司 一种运输车辆的调度方法、系统及电子设备
CN115472011A (zh) * 2022-08-23 2022-12-13 江苏交控智慧城市技术有限公司 基于预约数据的公交智能线路规划算法
CN115472011B (zh) * 2022-08-23 2023-09-22 江苏交控智慧城市技术有限公司 基于预约数据的公交智能线路规划算法
CN115170006A (zh) * 2022-09-08 2022-10-11 南方科技大学 发车调度方法、装置、设备和存储介质
CN115170006B (zh) * 2022-09-08 2022-11-29 南方科技大学 发车调度方法、装置、设备和存储介质
CN117540982A (zh) * 2023-11-08 2024-02-09 杭州一喂智能科技有限公司 用于运营专线的车辆信息发送方法、装置和电子设备

Similar Documents

Publication Publication Date Title
CN110705753A (zh) 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
CN112820134B (zh) 一种局部区域预约停车的方法、系统及介质
CN108389426A (zh) 一种用于控制车辆停车的方法与设备
CN109767130A (zh) 用于控制车辆的方法和装置
CN111709562B (zh) 一种公交车辆的排班时刻表的生成方法及装置
CN109765895A (zh) 无人驾驶车辆控制方法、装置、无人驾驶车辆及存储介质
CN111291960A (zh) 基于需求的能源资源预分配与输送
CN111160720A (zh) 一种公交调度事件自动处置方法及装置
US20180268510A1 (en) Systems and methods for real-time scheduling in a transportation system based upon a user criteria
CN106373382A (zh) 一种用于车辆调度的方法与设备
CN110782051A (zh) 一种提醒服务请求者的方法及系统
CN112686435A (zh) 排班方法、排班装置及终端设备
CN113988770B (zh) 运输车辆在途排队控制方法、装置以及电子设备
Khan et al. Bus splitting and bus holding: A new strategy using autonomous modular buses for preventing bus bunching
CN113722874A (zh) 车辆排班优化方法、装置和电子设备
CN113722874B (zh) 车辆排班优化方法、装置和电子设备
CN112541685A (zh) 一种订单分配方法、系统、平台及存储介质
CN108805414B (zh) 一种公交车辆计划发车时刻表的调整方法及装置
CN117077952A (zh) 一种即时快递模式中物品调度方法、调度装置及电子设备
CN113793195B (zh) 网约车订单处理方法、装置、计算机设备及可读存储介质
CN116011663A (zh) 接单时间测算方法、装置、电子设备及存储介质
CN113222502A (zh) 铁路车辆位置跟踪方法、装置及终端
JP7348735B2 (ja) 配車装置、配車システム、および配車方法
CN115879681A (zh) 一种工程运输车辆的调度方法、装置及工程运输车辆
JPH11283188A (ja) 配車管理システム

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