CN114444923A - 一种城市区域间定制公交系统及调度方法 - Google Patents

Abstract

本发明公开了一种城市区域间定制公交系统及调度方法，该系统包括公交运营商、公交车、手机APP模块、后台调度模块、后台数据库模块、地图抓取模块、地图软件API处理模块、收费模块；本发明公交车与乘客的匹配方法，采用时空聚类方法，是建立在公交公司所拥有的公交车类型的基础上，方法具有普适性，可基于公交车类型、乘客出发区域、目的区域、出发时间、预期到达时间来对乘客进行归类，分配至相应的公交车，为后续公交车路径选择奠定基础，确定的票价策略，能有效判定可实施定制公交的区域，并据此制定合理的票价，在乘客感受和公交公司业绩两者间达成平衡,公交乘客接送路径选择方法将算法复杂度降低到O(n²)，支持服务器端快速响应。

Description

一种城市区域间定制公交系统及调度方法

技术领域

本发明涉及道路交通领域，具体涉及一种城市区域间定制公交系统及调度方法。

背景技术

城市区域间通勤，通常采用公交地铁转乘或者拼车的方法，在部分地铁不能直达的区域，由于公交车需要绕路，且停靠站点多，甚至有些区域需要多次换乘，下车后还需要步行较长距离，使得在部分大中城市，上下班通勤时间几个小时属于正常现象，如果采用3～4人拼车的方式，一方面不易找到稳定的拼车乘员，另一方面费用较高，长期使用较难承受。

在这种情况下，公交公司推出城市区域间定制公交系统，能够在基于公交换乘的价格，提供接近拼车的服务，既避免换乘、大幅减少通勤时间，又能减少碳排放，是建立绿色城市、绿色交通的重要补充。

发明内容

发明目的：本发明的第一目的在于提供一种城市区域间定制公交系统，本发明的第二目的在于根据此系统，提供相应的城市区域间定制公交调度方法，实现城市上下班高峰期跨区域间定制公交车接送服务。

技术方案：本发明的城市区域间定制公交系统，包括公交运营商、公交车、手机APP模块、后台调度模块、后台数据库模块、地图抓取模块、地图软件API处理模块、收费模块；所述公交运营商负责根据后台调度模块的调度信息执行公交车调度；公交车支持北斗/GPS卫星定位和导航、5G/4G通信、手机扫码身份识别；后台数据库模块保存乘客基本信息数据、乘客乘车信息数据、静态地图数据、公交车运营数据；地图抓取模块负责定期抓取城市静态地图，以更新后台数据库模块中静态地图数据；地图软件API处理模块负责基于地图软件API获取预计行驶时间、实施道路状况以及实时导航数据；收费模块负责连接支付接口，根据定制公交收费方法完成对乘客的收费；后台调度模块负责连接所有模块，完成模块间调度以及公交车运行线路调度。

进一步地，所述地图软件包括百度地图、高德地图和腾讯地图。

进一步地，所述支付接口包括银联支付、云闪付、微信支付和支付宝支付。

本发明还公开一种城市区域间定制公交系统的调度方法，包括如下步骤：

步骤一、乘客注册定制公交手机APP，提交乘客基本信息，包括姓名、性别、身份证号、手机号，完成实名认证；选择并绑定身份识别方法；

步骤二、乘客登录定制公交手机APP，提交出行日期，选择出行起点区域和终点区域，输入出行起点和终点，选择出行目的＝{上班|下班}，若选择上班，则必须选择最迟到达时间＝{Td_1|...|Td_M}，若选择下班，则必须选择最早出发时间＝{To_1|...|To_N}；其中Td_1～Td_M和To_1～To_N均为预置时间；所有出行信息提交必须在截止时间之前，一般设定为出行日期零时；

步骤三、手机APP模块根据定制公交收费方法通过收费模块完成乘客收费；

步骤四、当日出行信息提交截止时间之后，后台调度模块根据当日乘客出行的最早上车时间、最迟下车时间、起点、终点、上班/下班信息，通过定制公交车与乘客匹配方法进行划分，将乘客分配至相应公交车；

步骤五、后台调度模块根据定制公交乘客接送路径选择方法，确定每辆公交车对车内乘客的接送顺序，并确定乘客候车时间、候车地点及预计到达时间和下车地点，将乘客候车时间、候车地点及预计到达时间和下车地点发送至乘客，并据此进行公交车调度；

步骤六、后台调度模块在临近接送乘客前，与公交车和乘客保持实时联系，公交车根据后台调度模块的调度安排，依次将乘客接上车，验证乘客身份，再将乘客分别送达目的地。

进一步地，步骤一中，所述选择并绑定身份识别方法选用面部识别的免冠近照，用于支付或绑定支付接口。

进一步地，步骤三中，所述定制公交收费方法具体为：

一、根据乘客起点至终点，分别求出以下3个参考价格：

(1)、公交车运营成本C1＝C0×L/(S×σ))，其中C0为选用的公交车单位里程运营成本，L为乘客起点至终点的里程数，S为公交车座位数，σ为公交车标准载客率，σ为预设常数，取值范围为σ∈[0.6，1.0]；

(2)、公交地铁混合出行价格C2，表示乘客从起点至终点，采用公交、地铁混合出行时的费用；

(3)、拼车出行价格C3，表示乘客从起点至终点，采用拼车出行时的费用；

二、将以上三种价格分别乘以一个系数，取最小值作为收费价格：即收费价格C＝min(λ1×C0，λ2×C1，λ3×C2)，其中λ1为成本系数，λ2为混合出行系数，λ3为拼车系数，各系数取值范围为：λ1∈[1.2，1.5]，λ2∈[0.9，1.2]，λ3∈[0.3，0.6]；

三、若C≤C1，表示该线路开设定制公交无可行性；

四、实际收费价格为收费价格乘以折扣率：即实际收费价格Cost＝λ×C，λ为收费折扣率，取值范围为：λ∈[0.8，1.0]，可由公交公司根据乘客身份和公司活动等因素调整。

进一步地，由于本专利主要面向城市区域间定制公交通勤，所以乘客通常为当日往返，且上午到达时间为约束条件，出发时间可具备一定弹性，下午出发时间受制于下班时间，为约束条件，到达时间可具备一定弹性，而由于上班和下班时间通常是整点，故基于上、下班时间的时间聚类简单有效；且由于上、下班时间为约束条件，在空间聚类方面可基于上午到达区域和下午出发区域进行聚类，再根据车型进行乘员调整，具体方法如下：

一、根据乘客在APP上提交的定制信息，将当日所有提交定制出行信息，且起点区域和终点区域均相同的乘客，基于出行目的为上班的最迟到达时间和出行目的为下班的最早出发时间，按每个时间分别建立二维出行信息表，每个出行信息表中包含同一最迟到达时间或同一最早出发时间的所有乘客，出行信息表条目包含乘客姓名、手机号、最早上车时间、最迟下车时间、起点、终点、上班/下班，其中起点和终点以乘客在APP中提交的地点最近的公交站点保存；

二、对每个出行信息表进行分类，若该出行信息表为上班出行，则基于终点进行分类，若该出行信息表为下班出行，则基于起点进行分类；

三、上班出行时，列出出行信息表中所有终点的集合，并基于所有终点建立O-D矩阵，构成强连通图G＝(V，E)，其中V为出行信息表中所有终点的集合，V＝{v₁，...，v_i，...v_n}，其中v₁～v_n为出行信息表中所有终点，v_i·num为以v_i为终点的乘客数，E为连接V中任意两点的边的集合，E＝{e_ij}，i∈V，j∈V，e_ij·value为O-D矩阵中从i到j的最短道路距离的值，下文中距离，若不做特别说明，均指最短道路距离，可由静态地图或基于百度、高德提供的API获得；

四、公交运营商可提供的公交车集合为B＝{b₁，...，b_i，...，b_m}，其中b_i为公交车编号，b_i·seat为公交车b_i的座位数；

五、创建集合

取Distance0＝0，Seat0＝0，找出集合V中乘客数最多的终点，即max(V.num)，将max(V.num)对应的v_i，加入集合B0，将v_i的乘客数加入Seat0，即Seat0＝Seat0+v_i.num，将v_i从V中删除；

六、在E中找到集合B0与集合V连接的边中的最小值，即min(e_ij·alue)，i∈B1，j∈V，j为集合V中的节点v_k；若Distance0+e_ij·value≤MaxDistance且Seat0+v_k·num≤max(B.seat)，其中MaxDistance为公交车接送乘客上班时终点区域最大允许行驶距离，max(B.seat)为公交运营商可提供的公交车集合中座位数最多的车辆的座位数，将v_k加入集合B0，将v_k从V中删除，将e_ij·value加入Distance0中，即Distance0＝Distance0+e_ij·value，将v_k的乘客数加入Seat0，即Seat0＝Seat0+v_k·num，重复本步骤；若Distance0+e_ij·value≤MaxDistance且Seat0+v_k·num≤max(B.seat)不满足，转下一步；

七、若Seat0＜MinSeat，MinSeat为公交车最少载客常数；判断若已分配公交车空余座位总数

n为已分配公交车数，i为已分配公交车编号，将集合B0中所有节点依次插入当前剩余座位数多于该节点乘客数，且距离该节点最近的公交车集合中；若已分配公交车空余座位总数

以步骤六的方法，继续从集合V中选取节点添加至集合B0中，直至满足Seat0≥MinSeat或者集合V为空集；

八、在公交运营商可提供的公交车集合B中找到座位数多于Seat0的最经济车辆b_i，取B_i＝B0，Seat_i＝Seat0，Distance_i＝Distance0；得到车辆b_i接送的乘客的终点的集合为B_i，车辆b_i接送的乘客数量为Seat_i；车辆b_i接送乘客在终点区域行驶距离的权值为Distance_i，将公交车b_i从集合B中删除，基于出行信息表和集合B_i，建立公交车b_i与出行信息表中所有终点在集合B_i的乘客的关系；

九、重复第五、六、七、八步，直至

可得本时间段，所有上班出行乘客与分配接送公交车的对应关系；

十、若某时段出行信息表为下班出行，则基于起点进行分类；将步骤三、四、五、六、七、八、九中上班出行变更为下班出行，将终点变更为起点；执行步骤三、四、五、六、七、八、九，可得本时间段，所有下班出行乘客与分配接送公交车的对应关系。

进一步地，步骤五中，所述定制公交乘客接送路径选择方法为：

一、将公交车出发点记为v₀，分配给本辆公交车的所有乘客的起点加入集合Vo，即Vo＝{v₁，v₂，...，v_n}，n为本辆公交车的乘客的起点数，v₁～v_n为k个乘客的起点，n≤k，将本辆公交车的所有乘客的终点加入集合Vd，即Vd＝{v_n+1，v_n+2，...，v_n+m}，v_n+1～v_n+m为k个乘客的终点，m≤k，将Vo和Vd合并成停靠点集合V＝Vo∪Vd＝{v₁，v₂，...，v_n，v_n+1，v_n+2，...，v_n+m}；

二、基于静态地图数据，列出Vo→Vd的O-D矩阵D_(Vo→Vd)＝(d_ij)_n×m，其中i∈Vo，j∈Vd，d_ij为从起点i至终点j的公交车行驶距离；求出集合Vo中任一点至集合Vd中任一点的最小行驶距离，即min(D_(Vo→Vd))，若此时d_ij＝min(D_(Vo→Vd)，i∈Vo，j∈Vd，若i＝v_p，j＝v_q，则将v_p作为起点区域最后一个节点，v_q作为终点区域第一个节点；

三、取V1＝{v₀}∪Vo，基于静态地图数据，列出V1→V1的O-D矩阵D_(V1→V1)＝(d_ij)_(n+1)×(n+1)，其中i∈V1，j∈V1，d_ij为从起点i至终点j的公交车行驶距离，建立有序集合Yo＝{v₀，v_p}，将v_p从集合Vo中删除；

四、从集合Vo中顺序取出起点v_i插入有序集合Yo，根据O-D矩阵D_(V1→V1)的值，使插入v_i后，从v₀开始顺序遍历有序集合Yo的总距离为所有插入可能中的最小值，再删除集合Vo中的v_i；

五、重复第四步，直至Vo为空集，此时从公交车出发点遍历所有乘客起点的顺序为有序集合Yo；

六、基于静态地图数据，列出Vd→Vd的O-D矩阵D_(Vd→Vd)＝(d_ij)_m×m，其中i∈Vd，j∈Vd，d_ij为从起点i至终点j的公交车行驶距离；

七、若集合Vd的元素个数|Vd|≤C0，采用全排列方式求出集合Vd的最优遍历，将结果保存至有序集合Yd，其中C0为预置常数，一般情况下，取C0＝10；若集合Vd的元素个数|Vd|＞C0，首先基于贪心算法获得基础遍历方案，再基于蚁群算法完成以v_q为起点的集合Vd的遍历，将结果保存至有序集合Yd；

八、连接有序集合Yo和Yd，得到有序集合Y＝Yo∪Yd，该有序集合Y即为公交车接送乘客的停靠点顺序。

有益效果：与现有技术相比，本发明具有如下显著优点：

(1)本发明充分利用现有地图和导航软件已具备的功能，通过调用现有软件的API，获取静态地图和实时路况及导航信息，大幅降低了实现难度、系统开发成本以及后期运营成本；

(2)由于最优路径选择属于全排列问题，当乘客数为n时，最优解的计算量为(2n+1)！，本发明采用分段处理方法，将节点划分为起点区域与终点区域，则最优解的计算量降为(n！)²，再通过n次比较即确定起点区域的终点和终点区域的起点后，最优解的计算量降为2(n-1)！，之后起点区域采用插入法、终点区域采用贪心算法+蚁群算法，使得最终计算的时间复杂度仅为O(n²)，服务器端可快速完成计算，可支持快速响应用户定制需求；

(3)本发明确定的票价策略，能有效判定可实施定制公交的区域，避免投资损失，并据此制定合理的票价，在乘客感受和公交公司业绩两者间达成平衡；

(4)本发明中公交车与乘客的匹配方法，采用时空聚类方法，是建立在公交公司所拥有的公交车类型的基础上，方法具有普适性，可基于公交车类型、乘客出发区域、乘客目的区域、乘客出发时间、乘客预期到达时间来对乘客进行归类，分配至相应的公交车，为后续公交车路径选择奠定基础。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

一、若乘客甲要接受定制公交服务，首先注册定制公交手机APP，提交乘客基本信息，包括姓名、性别、身份证号、手机号，完成实名认证；选择并绑定身份识别方法，可选用于面部识别的免冠近照，或用于扫码的微信、支付宝、云闪付；绑定网上支付，如网银、微信、支付宝、云闪付；

二、乘客甲登录定制公交手机APP，选择出行日期，先选择出行目的为上班，根据APP提供的可选定制公交服务区域，选择上班出行的起点区域和终点区域，再在地图上选择或输入起点和终点，选择最迟到达时间；再选择出行目的为下班，选择下班出行的起点和终点，选择最早出发时间；

三、后台调度模块根据乘客甲提交的起点至终点，分别求出从上班时起点至终点的定制公交车运营成本为C0＝10元，公交地铁混合出行价格为C1＝9元，拼车出行价格为C2＝25元，此时取成本系数λ1＝1.3，混合出行系数λ2＝1.5，拼车系数λ3＝0.6，则收费价格C＝min(λ1×C0，λ2×C1，λ3×C2)＝min(10×1.3，9×1.5，25×0.6)＝13元，以同样方法求出下班时的收费价格为13元，则后台调度模块通过手机APP向乘客甲收取定制公交车费26元；

四、定制公交出行日零时，后台调度模块根据乘客在APP上提交的定制信息，将当日所有提交定制出行信息，且起点区域和终点区域均相同的乘客进行编组，再将乘客分配至公交车；若定制公交在出行目的为上班时，最迟到达时间分为8点、8点30分、9点、9点30四个档，在出行目的为下班时，最早出发时间分为16点30分、17点、17点30分，18点四个档，则基于这8个时间建立8个出行信息表，将所有乘客按照出行目的和对应的时间加入表中，出行信息表条目包含乘客姓名、手机号、最早上车时间、最迟下车时间、起点、终点、上班/下班；

五、以出行目的为上班，最迟到达时间分为8点的表为例，得到以下出行信息表：

如上表所示，乘客提交的出行目的是上班，故不需要填写最早上车时间，乘客Name1与乘客Name5起点最近的公交车站相同，故表中显示的起点均为O1，乘客Name2、Name3、Name4终点最近的公交车站相同，故表中显示的终点均为D2；

六、根据以上出行信息表，由于是上班出行，故根据终点分配公交车，列出所有终点的集合以及每个终点：

V

v<sub>1</sub>

v<sub>2</sub>

v<sub>3</sub>

v<sub>4</sub>

v<sub>5</sub>

v<sub>6</sub>

v<sub>7</sub>

v<sub>8</sub>

v<sub>9</sub>

......

终点

D1

D2

D3

D4

D5

D6

D7

D8

D9

......

乘客数v<sub>i</sub>.num

1

4

7

2

8

5

9

3

4

......

基于静态地图，获得上表各终点之间的道路距离，生成O-D矩阵，O-D矩阵中的权值为道路距离，单位为千米：

O\D	v<sub>1</sub>	v<sub>2</sub>	v<sub>3</sub>	v<sub>4</sub>	v<sub>5</sub>	v<sub>6</sub>	v<sub>7</sub>	v<sub>8</sub>	v<sub>9</sub>	......
											v<sub>1</sub>	0	20	25	8	19	17	25	11	22	......
v<sub>2</sub>	20	0	22	25	30	35	19	26	5	......
											v<sub>3</sub>	25	22	0	31	15	29	3	20	21	......
v<sub>4</sub>	8	25	31	0	25	17	32	16	29	......
											v<sub>5</sub>	19	30	15	25	0	16	19	9	30	......
v<sub>6</sub>	17	35	29	17	16	0	33	10	37	......
											v<sub>7</sub>	25	19	3	32	19	33	0	23	16	......
v<sub>8</sub>	11	26	20	16	9	10	23	0	28	......
											v<sub>9</sub>	22	5	21	29	30	37	16	28	0	......
......	......	......	......	......	......	......	......	......	......	0

E为连接V中任意两点的边的集合，E＝{e_ij}，i∈V，j∈V，e_ij·value为O-D矩阵中从i到j的距离的值，此处不再列出，后续案例直接参照O-D矩阵的值；

七、若公交运营商可提供的公交车座位数有50、40、30、20、10共五种，每种5辆，则公交运营商可提供的公交车集合为B＝{b₁，...，b_i，...，b₂₅}，其中b₁～b₅为50座，以此类推，b₂₁～b₂₅为10座；

八、创建集合

取Distance0＝0，Seat0＝0，找出集合V中乘客数最多的终点，若max(V.num)＝9，将max(V.num)对应的v₇，加入集合B0，将v₇的乘客数加入Seat0，即Seat0＝Seat0+v₇·num＝9，将v₇从V中删除，此时B0＝{v₇}；

九、在O-D矩阵中找到集合B0与集合V连接的边中的最小值，此时集合B0只有一个元素v₇，集合V中包含除v₇以外所有的终点，若min(e_ij·value)＝3，i∈B1，j∈V，得到i＝v₇，j＝v₃，取MaxDistance＝10，即公交车接送乘客上班时终点区域最大允许行驶距离为10公里，此时max(B.seat)＝50，判断：Distance0+e_ij·value＝0+3＝3＜MaxDistance，且Seat0+v₃·num＝9+7＝16＜max(B.seat)为真，将v₃加入集合B0，将v₃从V中删除，Distance0＝Distance0+e_ij·value＝3，Seat0＝Seat0+v₃·num＝16，重复本步骤，直到Distance0+e_ij·value≤MaxDistance且Seat0+v_i·num≤max(B.seat)不满足；

十、若此时得到B0＝{v₇，v₃，v₁₂，v₂₃，v₃₇，v₄₅}，Distance0＝9，Seat0＝28，则选取能容纳28座的最经济公交车b₁₁，取B₁₁＝B0＝{v₇，v₃，v₁₂，v₂₃，v₃₇，v₄₅}，Seat₁₁＝Seat0＝28，Distance₁₁＝Distance0＝9；再根据出行信息表找到终点为B₁₁的乘客，建立公交车b₁₁的接送乘客表如下：

十一、重复第八、九、十步，直至

可得本时间段，所有上班出行乘客均与分配接送公交车的对应关系；

十二、后台调度模块根据定制公交乘客接送路径选择方法，确定每辆公交车对车内乘客的接送顺序，并确定乘客候车时间、候车地点及预计到达时间和下车地点，将乘客候车时间、候车地点及预计到达时间和下车地点发送至乘客，以公交车b₁₁接送乘客为例；

十三、将公交车出发点记为v₀，分配给本辆公交车的所有乘客的起点加入集合Vo，即Vo＝{v₁，v₂，...，v_n}，n为本辆公交车的乘客的起点数，v₁～v_n为k个乘客的起点，n≤k，将本辆公交车的所有乘客的终点加入集合Vd，即Vd＝{v_n+1，v_n+2，...，v_n+m}，v_n+1～v_n+m为k个乘客的终点，m≤k，将Vo和Vd合并成停靠点集合V＝Vo∪Vd＝{v₁，v₂，...，v_n，v_n+1，v_n+2，...，v_n+m)，公交车b₁₁的乘客数为28，起点数为20，终点数为6，则k＝28，n＝20，m＝6，即Vo＝{v₁，v₂，...，v₂₀}，Vd＝{v₂₁，v₂₂，...，v₂₆}，同时得到Vo、Vd与b₁₁接送乘客信息表中起点、终点的对应关系表；

Vo、Vd

v<sub>1</sub>

......

v<sub>20</sub>

v<sub>21</sub>

......

v<sub>26</sub>

起点、终点

O40

......

O1

D7

......

D3

十四、基于静态地图数据，列出Vo→Vd的O-D矩阵D_(Vo→Vd)＝(d_ij)_n×m，其中i∈Vo，j∈Vd，d_ij为从起点i至终点j的公交车行驶距离，单位为千米；

Vo\Vd	v<sub>21</sub>	v<sub>22</sub>	v<sub>23</sub>	v<sub>24</sub>	v<sub>25</sub>	v<sub>26</sub>
							v<sub>1</sub>	45	48	47	46	45	47
......	......	......	......	......	......	......
							v<sub>12</sub>	44	47	46	45	41	43
......	......	......	......	......	......	......
							v<sub>20</sub>	49	47	46	48	46	44

求出集合Vo中任一点至集合Vd中任一点的最小行驶距离，即min(D_(Vo→Vd))，若此时d_ij＝min(D_(Vo→Vd))，i∈Vo，j∈Vd，若i＝v₁₂，j＝v₂₅，则将v₁₂作为起点区域最后一个节点，v₂₅作为终点区域第一个节点；

十五、取V1＝{v₀}∪Vo，基于静态地图数据，列出V1→V1的O-D矩阵D_(V1→V1)＝(d_ij)_21×21，其中i∈V1，j∈V1，d_ij为从起点i至终点j的公交车行驶距离，建立有序集合Yo＝{v₀，v₁₂}，将v₁₂从集合Vo中删除；

十六、从集合Vo中顺序取出起点v_i插入有序集合Yo，根据O-D矩阵D_(V1→V1)的值，使插入v_i后，从v₀开始顺序遍历有序集合Yo的总距离为所有插入可能中的最小值，再删除集合Vo中的v_i；

十七、重复第十六步，直至Vo为空集，此时从公交车出发点遍历所有乘客起点的顺序为有序集合Yo；

十八、基于静态地图数据，列出Vd→Vd的O-D矩阵D_(Vd→Vd)＝(d_ij)_6×6，其中i∈Vd，j∈Vd，d_ij为从起点i至终点j的公交车行驶距离；

十九、取C0＝10，由于|Vd|＝6＜C0，故采用全排列方式求出集合Vd的最优遍历，将结果保存至有序集合Yd，连接有序集合Yo和Yd，得到有序集合Y＝Yo∪Yd，该有序集合Y即为公交车接送乘客的停靠点顺序；

二十、后台调度模块根据有序集合Y的行驶顺序和最迟下车时间，基于静态地图数据或者通过百度、高德等地图软件提供的API预估每个节点的停靠时间，根据b₁₁接送乘客信息表中乘客的信息，将预计上车时间和上车地点发送给乘客，再将接送乘客的顺序及停靠地点等信息发送给b₁₁公交车的司机；

二十一、后台调度模块在临近接送乘客前，与公交车和乘客保持实时联系，公交车根据后台调度模块的调度安排，依次将乘客接上车，验证乘客身份，再将乘客分别送达目的地。

Claims (8)

1.一种城市区域间定制公交系统，其特征在于，包括公交运营商、公交车、手机APP模块、后台调度模块、后台数据库模块、地图抓取模块、地图软件API处理模块、收费模块；所述公交运营商负责根据后台调度模块的调度信息执行公交车调度；公交车支持北斗/GPS卫星定位和导航、5G/4G通信、手机扫码身份识别；后台数据库模块保存乘客基本信息数据、乘客乘车信息数据、静态地图数据、公交车运营数据；地图抓取模块负责定期抓取城市静态地图，以更新后台数据库模块中静态地图数据；地图软件API处理模块负责基于地图软件API获取预计行驶时间、实施道路状况以及实时导航数据；收费模块负责连接支付接口，根据定制公交收费方法完成对乘客的收费；后台调度模块负责连接所有模块，完成模块间调度以及公交车运行线路调度。

2.根据权利要求1所述的城市区域间定制公交系统，其特征在于，所述地图软件包括百度地图、高德地图和腾讯地图。

3.根据权利要求1所述的城市区域间定制公交系统，其特征在于，所述支付接口包括银联支付、云闪付、微信支付和支付宝支付。

4.一种权利要求1所述的城市区域间定制公交系统的调度方法，其特征在于，包括如下步骤：

步骤一、乘客注册定制公交手机APP，提交乘客基本信息，包括姓名、性别、身份证号、手机号，完成实名认证；选择并绑定身份识别方法；

步骤二、乘客登录定制公交手机APP，提交出行日期，选择出行起点区域和终点区域，输入出行起点和终点，选择出行目的＝{上班|下班}，若选择上班，则必须选择最迟到达时间＝{Td_1|…|Td_M}，若选择下班，则必须选择最早出发时间＝{To_1|…|To_N}；其中Td_1～Td_M和To_1～To_N均为预置时间；所有出行信息提交必须在截止时间之前，一般设定为出行日期零时；

步骤三、手机APP模块根据定制公交收费方法通过收费模块完成乘客收费；

步骤四、当日出行信息提交截止时间之后，后台调度模块根据当日乘客出行的最早上车时间、最迟下车时间、起点、终点、上班/下班信息，通过定制公交车与乘客匹配方法进行划分，将乘客分配至相应公交车；

步骤五、后台调度模块根据定制公交乘客接送路径选择方法，确定每辆公交车对车内乘客的接送顺序，并确定乘客候车时间、候车地点及预计到达时间和下车地点，将乘客候车时间、候车地点及预计到达时间和下车地点发送至乘客，并据此进行公交车调度；

步骤六、后台调度模块在临近接送乘客前，与公交车和乘客保持实时联系，公交车根据后台调度模块的调度安排，依次将乘客接上车，验证乘客身份，再将乘客分别送达目的地。

5.根据权利要求4所述的城市区域间定制公交系统的调度方法，其特征在于，步骤一中，所述选择并绑定身份识别方法选用面部识别的免冠近照，用于支付或绑定支付接口。

6.根据权利要求4所述的城市区域间定制公交系统的调度方法，其特征在于，步骤三中，所述定制公交收费方法具体为：

一、根据乘客起点至终点，分别求出以下3个参考价格：

(1)、公交车运营成本C1＝C0×L/(S×σ))，其中C0为选用的公交车单位里程运营成本，L为乘客起点至终点的里程数，S为公交车座位数，σ为公交车标准载客率，σ为预设常数，取值范围为σ∈[0.6，1.0]；

(2)、公交地铁混合出行价格C2，表示乘客从起点至终点，采用公交、地铁混合出行时的费用；

(3)、拼车出行价格C3，表示乘客从起点至终点，采用拼车出行时的费用；

二、将以上三种价格分别乘以一个系数，取最小值作为收费价格：即收费价格C＝min(λ1×C0，λ2×C1，λ3×c2)，其中λ1为成本系数，λ2为混合出行系数，λ3为拼车系数，各系数取值范围为：λ1∈[1.2，1.5]，λ2∈[0.9，1.2]，λ3∈[0.3，0.6]；

三、若C≤C1，表示该线路开设定制公交无可行性；

四、实际收费价格为收费价格乘以折扣率：即实际收费价格Cost＝λ×C，λ为收费折扣率，取值范围为：λ∈[0.8，1.0]，可由公交公司根据乘客身份和公司活动等因素调整。

7.根据权利要求4所述的城市区域间定制公交系统的调度方法，其特征在于，步骤四中，所述定制公交车与乘客匹配方法为：

一、根据乘客在APP上提交的定制信息，将当日所有提交定制出行信息，且起点区域和终点区域均相同的乘客，基于出行目的为上班的最迟到达时间和出行目的为下班的最早出发时间，按每个时间分别建立二维出行信息表，每个出行信息表中包含同一最迟到达时间或同一最早出发时间的所有乘客，出行信息表条目包含乘客姓名、手机号、最早上车时间、最迟下车时间、起点、终点、上班/下班，其中起点和终点以乘客在APP中提交的地点最近的公交站点保存；

二、对每个出行信息表进行分类，若该出行信息表为上班出行，则基于终点进行分类，若该出行信息表为下班出行，则基于起点进行分类；

三、上班出行时，列出出行信息表中所有终点的集合，并基于所有终点建立O-D矩阵，构成强连通图G＝(V，E)，其中V为出行信息表中所有终点的集合，V＝{v₁，...，v_i，...v_n}，其中v₁～v_n为出行信息表中所有终点，v_i.num为以v_i为终点的乘客数，E为连接V中任意两点的边的集合，E＝{e_ij}，i∈V，j∈V，e_ij.value为O-D矩阵中从i到j的最短道路距离的值，下文中距离，若不做特别说明，均指最短道路距离，可由静态地图或基于百度、高德提供的API获得；

四、公交运营商可提供的公交车集合为B＝{b₁，...，b_i，...，b_m}，其中b_i为公交车编号，b_i.seat为公交车b_i的座位数；

五、创建集合

取Distance0＝0，Seat0＝0，找出集合V中乘客数最多的终点，即max(V.mum)，将max(V.num)对应的v_i，加入集合B0，将v_i的乘客数加入Seat0，即Seat0＝Seat0+v_i.num，将v_i从V中删除；

六、在E中找到集合B0与集合V连接的边中的最小值，即min(e_ij.value)，i∈B1，j∈V，j为集合V中的节点v_k；若Distance0+e_ij.value≤MaxDistance且Seat0+v_k.num≤max(B.seat)，其中MaxDistance为公交车接送乘客上班时终点区域最大允许行驶距离，max(B.seat)为公交运营商可提供的公交车集合中座位数最多的车辆的座位数，将v_k加入集合B0，将v_k从V中删除，将e_ij.value加入Distance0中，即Distance0＝Distance0+e_ij.value，将v_k的乘客数加入Seat0，即Seat0＝Seat0+v_k.num，重复本步骤；若Distance0+e_ij.value≤MaxDistance且Seat0+v_k.num≤max(B.seat)不满足，转下一步；

七、若Seat0＜MinSeat，MinSeat为公交车最少载客常数；判断若已分配公交车空余座位总数

n为已分配公交车数，i为已分配公交车编号，将集合B0中所有节点依次插入当前剩余座位数多于该节点乘客数，且距离该节点最近的公交车集合中；若已分配公交车空余座位总数

以步骤六的方法，继续从集合V中选取节点添加至集合B0中，直至满足Seat0≥MinSeat或者集合V为空集；

八、在公交运营商可提供的公交车集合B中找到座位数多于Seat0的最经济车辆b_i，取B_i＝B0，Seat_i＝Seat0，Distance_i＝Distance0；得到车辆b_i接送的乘客的终点的集合为B_i，车辆b_i接送的乘客数量为Seat_i；车辆b_i接送乘客在终点区域行驶距离的权值为Distance_i，将公交车b_i从集合B中删除，基于出行信息表和集合B_i，建立公交车b_i与出行信息表中所有终点在集合B_i的乘客的关系；

九、重复第五、六、七、八步，直至

可得本时间段，所有上班出行乘客与分配接送公交车的对应关系；

十、若某时段出行信息表为下班出行，则基于起点进行分类；将步骤三、四、五、六、七、八、九中上班出行变更为下班出行，将终点变更为起点；执行步骤三、四、五、六、七、八、九，可得本时间段，所有下班出行乘客与分配接送公交车的对应关系。

8.根据权利要求4所述的城市区域间定制公交系统的调度方法，其特征在于，步骤五中，所述定制公交乘客接送路径选择方法为：

一、将公交车出发点记为v₀，分配给本辆公交车的所有乘客的起点加入集合Vo，即Vo＝{v₁，v₂，...，v_n}，n为本辆公交车的乘客的起点数，v₁～v_n为k个乘客的起点，n≤k，将本辆公交车的所有乘客的终点加入集合Vd，即Vd＝{v_n+1，v_n+2，...，v_n+m}，v_n+1～v_n+m为k个乘客的终点，m≤k，将Vo和Vd合并成停靠点集合V＝Vo∪Vd＝{v₁，v₂，...，v_n，v_n+1，v_n+2，...，v_n+m}；

二、基于静态地图数据，列出Vo→Vd的O-D矩阵D_(Vo→Vd)＝(d_ij)_n×m，其中i∈Vo，j∈Vd，d_ij为从起点i至终点j的公交车行驶距离；求出集合Vo中任一点至集合Vd中任一点的最小行驶距离，即min(D_(Vo→Vd))，若此时d_ij＝min(D_(Vo→Vd))，i∈Vo，j∈Vd，若i＝v_p，j＝v_q，则将v_p作为起点区域最后一个节点，v_q作为终点区域第一个节点；

三、取V1＝{v₀}∪Vo，基于静态地图数据，列出V1→V1的O-D矩阵D_(V1→V1)＝(d_ij)_(n+1)×(n+1)，其中i∈V1，j∈V1，d_ij为从起点i至终点j的公交车行驶距离，建立有序集合Yo＝{v₀，v_p}，将v_p从集合Vo中删除；

四、从集合Vo中顺序取出起点v_i插入有序集合Yo，根据O-D矩阵D_(V1→V1)的值，使插入v_i后，从v₀开始顺序遍历有序集合Y0的总距离为所有插入可能中的最小值，再删除集合Vo中的v_i；

五、重复第四步，直至Vo为空集，此时从公交车出发点遍历所有乘客起点的顺序为有序集合Yo；

六、基于静态地图数据，列出Vd→Vd的0-D矩阵D_(Vd→Vd)＝(d_ij)_m×m，其中i∈Vd，j∈Vd，d_ij为从起点i至终点j的公交车行驶距离；

七、若集合Vd的元素个数|Vd|≤C0，采用全排列方式求出集合Vd的最优遍历，将结果保存至有序集合Yd，其中C0为预置常数，一般情况下，取C0＝10；若集合Vd的元素个数|Vd|＞C0，首先基于贪心算法获得基础遍历方案，再基于蚁群算法完成以v_q为起点的集合Vd的遍历，将结果保存至有序集合Yd；

八、连接有序集合Yo和Yd，得到有序集合Y＝Yo∪Yd，该有序集合Y即为公交车接送乘客的停靠点顺序。

Images