CN115083198B - 一种多车运力资源调度方法及装置 - Google Patents

一种多车运力资源调度方法及装置 Download PDF

Info

Publication number
CN115083198B
CN115083198B CN202210678890.6A CN202210678890A CN115083198B CN 115083198 B CN115083198 B CN 115083198B CN 202210678890 A CN202210678890 A CN 202210678890A CN 115083198 B CN115083198 B CN 115083198B
Authority
CN
China
Prior art keywords
vehicle
site
determining
information
cost value
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
CN202210678890.6A
Other languages
English (en)
Other versions
CN115083198A (zh
Inventor
李政
李军
高栋
胡尊凤
张庆
林昱
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.)
Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Original Assignee
Guoqi Beijing Intelligent Network Association Automotive Research Institute 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 Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd filed Critical Guoqi Beijing Intelligent Network Association Automotive Research Institute Co ltd
Priority to CN202210678890.6A priority Critical patent/CN115083198B/zh
Publication of CN115083198A publication Critical patent/CN115083198A/zh
Application granted granted Critical
Publication of CN115083198B publication Critical patent/CN115083198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
    • G08G1/13—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station the indicator being in the form of a map

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种多车运力资源调度方法及装置，其中，该方法包括：获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息；根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点；根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆；根据动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径。通过实施本发明，各车辆的行驶轨迹不是固定不变的，能够根据各站点的实际情况灵活调控各车辆的行驶轨迹，提高园区内人员的出行效率，并且，将车辆代价值最小的车辆确定为目标车辆，提高了园区内车辆的利用率。

Description

一种多车运力资源调度方法及装置
技术领域
本发明涉及公共交通技术领域，具体涉及一种多车运力资源调度方法及装置。
背景技术
随着经济和城镇化的发展，相关运营企业为了高效利用各种资源，更加方便的对场地和人员进行管理，开始组建越来越多的特定场景封闭园区，例如大型体育赛事园区、游乐场园区、工业园区、科技园区等。这些园区的特点是人流密集，在早上和晚上会出现较大规模的人群涌入和涌出场景，中间时段也会出现相对较小规模的人员集中场景，为了提高园区交通智能化进度，节省大量人力，很多园区配备了自动驾驶园区车辆，在固定站点之间运送乘客，通过对园区车辆进行调度，从而缓解客流压力。但是目前的调度方法主要面向城市中的公交环境，范围大，站点之间距离远，路线固定，且有司机协助反馈现场情况。而封闭园区相对范围较小，站点之间的距离较近，乘客的游览顺序不固定，因此城市公交系统调度方案不能直接适配到园区无人巴士中。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的公共交调度方案无法有效缓解园区客流压力的缺陷，从而提供一种多车运力资源调度方法及装置。
本发明第一方面提供了一种多车运力资源调度方法，包括如下步骤：获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息；根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点；根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆；根据动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径。
可选地，在本发明提供的多车运力资源调度方法中，人员等待信息包括：人均等待时间、人员最长等待时间、人员聚集程度，根据各站点的人均等待时间、人员最长等待时间、人员聚集程度的加权值的和确定各站点的站点代价值。
可选地，在本发明提供的多车运力资源调度方法中，车辆包括在途车辆，根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆，包括：根据在途车辆的车辆信息确定各在途车辆抵达当前目标站点时的车辆代价值；若值最小的车辆代价值小于或等于新增发车辆代价值，将值最小的车辆代价值对应的在途车辆确定为目标车辆。
可选地，在本发明提供的多车运力资源调度方法中，车辆包括停靠车辆，若值最小的车辆代价值大于新增发车辆代价值，将其中一辆停靠车辆确定为目标车辆。
可选地，在本发明提供的多车运力资源调度方法中，车辆信息包括车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息，根据各车辆的车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息的加权值确定各车辆抵达当前目标站点时的车辆代价值。
可选地，在本发明提供的多车运力资源调度方法中，车辆途径站点信息包括车辆在当前周期内相同站点之间间隔其他站点的数量，车辆途径站点信息的加权值通过如下公式计算：其中，/>nj代表第j组相同站点之间间隔的其他站点的数量，/>表示车辆途径站点信息的权重。
可选地，在本发明提供的多车运力资源调度方法中，动态高精度地图信息包括目标园区内的车道拓扑信息、各路段的拥堵状况，根据动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径，包括：根据车道拓扑信息确定目标车辆抵达当前目标站点的候选路径；若存在多条候选路径，根据车道拓扑信息确定各候选路径的路径长度，根据各路段的拥堵状况确定各候选路径的行驶时长；根据各候选路径的路径长度和行驶时长计算各候选路径的路径代价值；将路径代价值最小的候选路径确定为目标车辆抵达当前目标站点时的行驶路径。
本发明第二方面提供了一种多车运力资源调度装置，包括：信息采集模块，用于获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息；当前目标站点确定模块，用于根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点；目标车辆确定模块，根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆；行驶路径确定模块，用于根据动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径。
本发明第三方面提供了一种计算机设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第一方面提供的多车运力资源调度方法。
本发明第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的多车运力资源调度方法。
本发明技术方案，具有如下优点：
本发明提供的多车运力资源调度方法及装置，实时获取目标园区内各站点的人员等待信息，并根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点，优先为当前目标站点调配车辆，因此，在本发明中，各车辆的行驶轨迹不是固定不变的，通过实施本发明能够根据各站点的实际情况灵活调控各车辆的行驶轨迹，提高园区内人员的出行效率，并且，在本发明提供的多车运力资源调度方法中，根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆，提高了园区内车辆的利用率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例中多车运力资源调度方法的一个具体示例的流程图；
图2为本发明实施例中多车运力资源调度装置的一个具体示例的原理框图；
图3为本发明实施例中计算机设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种多车运力资源调度方法，如图1所示，包括如下步骤：
步骤S11：获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息。
在一可选实施例中，各站点的人员等待信息是指在各站点处等待的人员信息。人员等待信息可以通过精确获取数据模式获取，也可以通过数据流预测模式获取。
在一可选实施例中，采用精确获取数据模式能够实时获取到目标园区内各站点的人员等待信息，通过精确获取数据模式获取各站点的人员等待信息的方式为：
获取目标园区内所有人员的位置信息，根据各人员的位置信息以及各站点的位置信息确定各人员所处的站点，并结合各人员在各站点附近的停留时长形成各站点的人员等待信息。
在一可选实施例中，通过精确获取数据模式获取各站点的人员等待信息时，可以通过人员手动输入其当前定位、最近站点、目的场地、出园信息等数据，从而计算机设备在执行本发明实施例提供的多车运力资源调度方法时能够确定各站点的人员等待信息。
在一可选实施例中，通过精确获取数据模式获取各站点的人员等待信息时，可以通过目标园区的硬件设施获取园区人流热力图、入园数据统计等数据，从而计算机设备在执行本发明实施例提供的多车运力资源调度方法时能够确定各站点的人员等待信息。
在一可选实施例中，通过数据流预测模式获取各站点的人员等待信息时，根据天气、节假日和入园数据统计情况，结合历史同期和临期数据，用数据模型模拟园内人员流动数据，从而确定各站点的人员等待信息。
数据流预测模式在没有精确人流信息输入的情况下，可以作为目标园区内各站点各个时刻人流量数据预测依据；在有类似园区指定app的情况下，数据模型作为园区人流动态的辅助预测。
在一可选实施例中，车辆信息和动态高精度地图信息是实时获取的，在不同时刻下，同一正在运行的车辆的车辆信息会发生变化，动态高精度地图信息也会发生变化。
在一可选实施例中，动态高精地图相对传统静态高精地图，增加了动态信号灯、潮汐车道、道路阻塞信息以及道路管制等条件。动态高精地图模块一方面给运力调度算法提供相关的信号灯等动态信息，影响调度算法的结构，另一方面提供车道间的拓扑关系，作为路径规划的依据。
步骤S12：根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点。
在一可选实施例中，一个站点的人员等待信息是由在该站点等待的人员数据确定的，因此，根据人员等待信息计算得到的站点代价值用于表征该站点对运力资源需求的迫切程度，站点代价值越大，表明该站点处越需要运力资源减轻该站点的压力，因此，本发明实施例中将站点代价值最大的站点确定为当前目标站点，车辆需要优先到达该站点。
在一可选实施例中，各站点的人员等待信息是实时采集的，并根据人员等待信息实时计算各最后的站点代价值，确定当前目标站点，在不同时刻下，当前目标站点可以是不同的。
步骤S13：根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆。
在一可选实施例中，对于同一当前目标站点，调配不同的车辆到达该站点，所付出的代价并不相同，本发明实施例将车辆代价值最小的车辆确定为目标车辆，调配目标车辆到达当前目标站点，提高了园区内车辆的使用效率。
步骤S14：根据动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径。
在一可选实施例中，可以根据Dijkstra、A*等算法，结合动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径。
本发明实施例提供的多车运力资源调度方法，实时获取目标园区内各站点的人员等待信息，并根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点，优先为当前目标站点调配车辆，因此，在本发明实施例中，各车辆的行驶轨迹不是固定不变的，通过实施本发明能够根据各站点的实际情况灵活调控各车辆的行驶轨迹，提高园区内人员的出行效率，并且，在本发明实施例提供的多车运力资源调度方法中，根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆，提高了园区内车辆的利用率。
在一可选实施例中，在本发明实施例提供的多车运力资源调度方法中，人员等待信息包括：人均等待时间、人员最长等待时间、人员聚集程度，各站点的站点代价值根据各站点的人均等待时间、人员最长等待时间、人员聚集程度的加权值的和确定：
coststation_id＝costtoruist_time+costmax_time+costC，
其中，costtoruist_time表示人均等待时间的加权值，costmax_time表示人员最长等待时间的加权值，costC表示人员聚集程度的加权值，TIMEtourist_i表示第i个站点的人均等待时间，ktourist表示人均等待时间的权重，TIMEmax_i表示第i个站点的人员最长等待时间，ktime_max表示人员最长等待时间的权重，costC＝∑Ci·kC，Ci表示第i个站点的人员聚集程度，kC表示人员聚集程度的权重。
在一可选实施例中，人员聚集程度根据该站点处的人员数量确定。
在一可选实施例中，通过精确获取数据模式或数据流预测模式获取各站点之间的人员流动数据，然后基于人员流动数据确定各站点的人均等待时间、人员最长等待时间、人员聚集程度，如下表所示，人员流动数据即从各站点移动至其他站点的人员数量。
10:00 站点A 站点B 站点C 站点D …
站点A - 10 20 5
站点B 5 - 10 12
站点C -
站点D -
… … … … … …
在一可选实施例中，本发明实施例提供的多车运力资源调度方法中，目标园区内的车辆包括在途车辆和停靠车辆，在途车辆为正在行驶的车辆，停靠车辆为未发车的车辆。上述步骤S13具体包括：
首先，根据在途车辆的车辆信息确定各在途车辆抵达当前目标站点时的车辆代价值。
然后判断值最小的车辆代价值是否小于新增发车辆代价值。在本发明实施例中，新增发车量代价值是指调度停靠车辆到达当前目标站点的车辆代价值。
若值最小的车辆代价值小于或等于新增发车辆代价值，将值最小的车辆代价值对应的在途车辆确定为目标车辆。
若值最小的车辆代价值大于新增发车辆代价值，将其中一辆停靠车辆确定为目标车辆。
在一可选实施例中，本发明实施例提供的多车运力资源调度方法中，车辆信息包括车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息，根据各车辆的车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息的加权值确定各车辆抵达当前目标站点时的车辆代价值。
在一可选实施例中，本发明实施例提供的多车运力资源调度方法中，车辆途径站点信息包括车辆在当前周期内相同站点之间间隔其他站点的数量，车辆途径站点信息的加权值通过如下公式计算：
其中，nj代表第j组相同站点之间间隔的其他站点的数量，表示车辆途径站点信息的权重。
在一可选实施例中，通过如下公式计算在途车辆抵达当前目标站点时的车辆代价值：
costvel_id＝costsoc_vel_id+costload_vel_id+costorder_vel_id+costclass_vel_id，
其中，costsoc_vel_id表示车辆剩余续航的加权值，costload_vel_id表示车辆负载率的加权值，costorder_vel_id表示辆途径站点信息的加权值，costclass_vel_id表示车辆类型的加权值，costsoc_vel_id＝SOCvel_id·kSOC，SOCvel_id表示车辆剩余续航，kSOC表示车辆剩余续航的权重，costload_vel_id＝LODAvel_id·kLOAD，LOADvel_id表示车辆负载率，kLOAD表示车辆负载率的权重。
在一可选实施例中，车辆剩余续航的值越小，此时继续使用该车辆的代价会变大。
在一可选实施例中，车辆负载率越大，说明该车辆的利用率越高，权重会相对小。
在一可选实施例中，为了避免园区在途车辆在站点之间频繁重复往返，影响游客体验，车辆途径站点信息的加权值和重复站点之间间隔的其他站点个数有关，意在尽量避免相同站点过于频繁地往复出现。示例性地，在一辆车的一个生命周期内，途径的站点序列可以表示为a->b->c->d->e，根据实时规划结果，有可能根据站点需求出现站点之前重复往返的情况，例如a->b->c->b->d->c。该站点信息中，多次出现了站点b和站点c。两个站点b之间只间隔了一个站点c，两个站点c之间间隔了两个站点b和d。相同站点之间的间隔越小，乘客的体验越差。本发明实施例将车辆途径站点信息作为调度车辆的条件之一，使得用户体验感更好，调度方法更人性化。
在一可选实施例中，在本发明实施例提供的多车运力资源调度方法中，所述动态高精度地图信息包括所述目标园区内的车道拓扑信息、各路段的拥堵状况，上述步骤S14具体包括：
先根据所述车道拓扑信息确定所述目标车辆抵达所述当前目标站点的候选路径。
若目标车辆抵达当前目标站点只有一条候选路径，则将该候选路径确定为目标车辆抵达当前目标站点的行驶路径。
若存在多条候选路径，则执行如下步骤：
首先，根据所述车道拓扑信息确定各候选路径的路径长度，根据所述各路段的拥堵状况确定各候选路径的行驶时长。
在一可选实施例中，内各路段的交通路况可以为交通拥堵延时指数，交通拥堵延时指数＝拥堵时期所花费时间/畅通时期所花费时间。
然后，根据各候选路径的路径长度和行驶时长计算各候选路径的路径代价值。
最后，将所述路径代价值最小的候选路径确定为所述目标车辆抵达所述当前目标站点时的行驶路径。
在一可选实施例中，在本发明实施例提供的多车运力资源调度方法中，通过如下公式计算路径代价值：
其中，BLOCKroad_net表示候选路径的行驶时长，表示行驶时长的权重，ROUTEroad_net表示路径长度，/>表示路径长度的权重。
本发明实施例提供了一种多车运力资源调度装置，如图2所示，包括：
信息采集模块21，用于获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息，详细内容参见上述实施例中步骤S11的描述，在此不再赘述。
当前目标站点确定模块22，用于根据各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点，详细内容参见上述实施例中步骤S12的描述，在此不再赘述。
目标车辆确定模块23，根据车辆信息确定各车辆抵达当前目标站点时的车辆代价值，将车辆代价值最小的车辆确定为目标车辆，详细内容参见上述实施例中步骤S13的描述，在此不再赘述。
行驶路径确定模块24，用于根据动态高精度地图信息确定目标车辆抵达当前目标站点时的行驶路径，详细内容参见上述实施例中步骤S14的描述，在此不再赘述。
本发明实施例提供了一种计算机设备，如图3所示，该计算机设备主要包括一个或多个处理器31以及存储器32，图3中以一个处理器31为例。
该计算机设备还可以包括：输入装置33和输出装置34。
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图3中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit，CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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、分立硬件组件等芯片，或者上述各类芯片的组合。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。存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据多车运力资源调度装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至多车运力资源调度装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与多车运力资源调度装置有关的键信号输入。输出装置34可包括显示屏等显示设备，用以输出计算结果。
本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的多车运力资源调度方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种多车运力资源调度方法，其特征在于，包括如下步骤：
获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息；
根据所述各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点；
根据所述车辆信息确定各车辆抵达所述当前目标站点时的车辆代价值，将所述车辆代价值最小的车辆确定为目标车辆；
根据所述动态高精度地图信息确定所述目标车辆抵达所述当前目标站点时的行驶路径；
所述人员等待信息包括：人均等待时间、人员最长等待时间、人员聚集程度，
根据各站点的人均等待时间、人员最长等待时间、人员聚集程度的加权值的和确定各站点的站点代价值；
所述车辆信息包括车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息，
根据各车辆的车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息的加权值确定各车辆抵达所述当前目标站点时的车辆代价值。
2.根据权利要求1所述的多车运力资源调度方法，其特征在于，所述车辆包括在途车辆，
根据所述车辆信息确定各车辆抵达所述当前目标站点时的车辆代价值，将所述车辆代价值最小的车辆确定为目标车辆，包括：
根据所述在途车辆的车辆信息确定各在途车辆抵达所述当前目标站点时的车辆代价值；
若值最小的车辆代价值小于或等于新增发车辆代价值，将所述值最小的车辆代价值对应的在途车辆确定为所述目标车辆。
3.根据权利要求2所述的多车运力资源调度方法，其特征在于，所述车辆包括停靠车辆，
若所述值最小的车辆代价值大于新增发车辆代价值，将其中一辆停靠车辆确定为所述目标车辆。
4.根据权利要求1所述的多车运力资源调度方法，其特征在于，所述车辆途径站点信息包括车辆在当前周期内相同站点之间间隔其他站点的数量，所述车辆途径站点信息的加权值通过如下公式计算：
，
其中，，/>代表第j组相同站点之间间隔的其他站点的数量，表示车辆途径站点信息的权重。
5.根据权利要求1所述的多车运力资源调度方法，其特征在于，所述动态高精度地图信息包括所述目标园区内的车道拓扑信息、各路段的拥堵状况，
根据所述动态高精度地图信息确定所述目标车辆抵达所述当前目标站点时的行驶路径，包括：
根据所述车道拓扑信息确定所述目标车辆抵达所述当前目标站点的候选路径；
若存在多条候选路径，根据所述车道拓扑信息确定各候选路径的路径长度，根据所述各路段的拥堵状况确定各候选路径的行驶时长；
根据各候选路径的路径长度和行驶时长计算各候选路径的路径代价值；
将所述路径代价值最小的候选路径确定为所述目标车辆抵达所述当前目标站点时的行驶路径。
6.一种多车运力资源调度装置，其特征在于，包括：
信息采集模块，用于获取目标园区内各站点的人员等待信息、各车辆的车辆信息、动态高精地图信息；
当前目标站点确定模块，用于根据所述各站点的人员等待信息确定各站点的站点代价值，将站点代价值最大的站点确定为当前目标站点；
目标车辆确定模块，根据所述车辆信息确定各车辆抵达所述当前目标站点时的车辆代价值，将所述车辆代价值最小的车辆确定为目标车辆；
行驶路径确定模块，用于根据所述动态高精度地图信息确定所述目标车辆抵达所述当前目标站点时的行驶路径；
所述人员等待信息包括：人均等待时间、人员最长等待时间、人员聚集程度，
根据各站点的人均等待时间、人员最长等待时间、人员聚集程度的加权值的和确定各站点的站点代价值；
所述车辆信息包括车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息，
根据各车辆的车辆剩余续航、车辆负载率、车辆类型、车辆途径站点信息的加权值确定各车辆抵达所述当前目标站点时的车辆代价值。
7.一种计算机设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，从而执行如权利要求1-5中任一项所述的多车运力资源调度方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-5中任一项所述的多车运力资源调度方法。
CN202210678890.6A 2022-06-15 2022-06-15 一种多车运力资源调度方法及装置 Active CN115083198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210678890.6A CN115083198B (zh) 2022-06-15 2022-06-15 一种多车运力资源调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210678890.6A CN115083198B (zh) 2022-06-15 2022-06-15 一种多车运力资源调度方法及装置

Publications (2)

Publication Number Publication Date
CN115083198A CN115083198A (zh) 2022-09-20
CN115083198B true CN115083198B (zh) 2023-11-24

Family

ID=83254211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210678890.6A Active CN115083198B (zh) 2022-06-15 2022-06-15 一种多车运力资源调度方法及装置

Country Status (1)

Country Link
CN (1) CN115083198B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117689185B (zh) * 2024-02-02 2024-05-07 深圳市拓远能源科技有限公司 一种基于物联网的设备数据调度优化方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2263153A1 (en) * 1996-08-13 1998-02-26 Kenneth J. Schmier Public transit vehicle arrival information system
JP2003026335A (ja) * 2001-07-17 2003-01-29 Mitsubishi Heavy Ind Ltd 配車スケジュール方法及びその設定用プログラム、該プログラムを格納した記憶媒体
JP2006107121A (ja) * 2004-10-05 2006-04-20 Nippon Steel Corp 配車計画作成装置、配車計画作成方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2014020936A (ja) * 2012-07-18 2014-02-03 Nissan Motor Co Ltd 車両用情報提供システム
CN109064098A (zh) * 2018-08-09 2018-12-21 圆通速递有限公司 一种车辆动态调度方法和系统
WO2019015066A1 (zh) * 2017-07-21 2019-01-24 北京图森未来科技有限公司 一种实现车辆自动运输的系统及方法、相关设备
CN110888407A (zh) * 2019-11-28 2020-03-17 浙江大华技术股份有限公司 一种agv调度系统中的任务分配方法及装置
CN111366160A (zh) * 2020-05-25 2020-07-03 深圳市城市交通规划设计研究中心股份有限公司 路径规划方法、路径规划装置及终端设备
CN112036615A (zh) * 2020-08-17 2020-12-04 上海钧正网络科技有限公司 一种车辆调度方法、装置、设备和存储介质
CN110119835B (zh) * 2019-03-26 2021-02-19 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
CN113222205A (zh) * 2020-02-06 2021-08-06 北京京东振世信息技术有限公司 一种路径规划的方法和装置
CN113990062A (zh) * 2021-10-22 2022-01-28 平安国际智慧城市科技股份有限公司 垃圾运输车辆调度方法、装置、可读存储介质及服务器

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100299177A1 (en) * 2009-05-22 2010-11-25 Disney Enterprises, Inc. Dynamic bus dispatching and labor assignment system
US20170169373A1 (en) * 2015-12-14 2017-06-15 Xerox Corporation System and method for measuring perceived impact of schedule deviation in public transport
CN106026152B (zh) * 2016-05-19 2017-06-06 合肥工业大学 一种电动汽车接入微电网的充放电调度方法
CN109583151B (zh) * 2019-02-20 2023-07-21 阿波罗智能技术(北京)有限公司 车辆的行驶轨迹预测方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2263153A1 (en) * 1996-08-13 1998-02-26 Kenneth J. Schmier Public transit vehicle arrival information system
JP2003026335A (ja) * 2001-07-17 2003-01-29 Mitsubishi Heavy Ind Ltd 配車スケジュール方法及びその設定用プログラム、該プログラムを格納した記憶媒体
JP2006107121A (ja) * 2004-10-05 2006-04-20 Nippon Steel Corp 配車計画作成装置、配車計画作成方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JP2014020936A (ja) * 2012-07-18 2014-02-03 Nissan Motor Co Ltd 車両用情報提供システム
WO2019015066A1 (zh) * 2017-07-21 2019-01-24 北京图森未来科技有限公司 一种实现车辆自动运输的系统及方法、相关设备
CN109064098A (zh) * 2018-08-09 2018-12-21 圆通速递有限公司 一种车辆动态调度方法和系统
CN110119835B (zh) * 2019-03-26 2021-02-19 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
CN110888407A (zh) * 2019-11-28 2020-03-17 浙江大华技术股份有限公司 一种agv调度系统中的任务分配方法及装置
CN113222205A (zh) * 2020-02-06 2021-08-06 北京京东振世信息技术有限公司 一种路径规划的方法和装置
CN111366160A (zh) * 2020-05-25 2020-07-03 深圳市城市交通规划设计研究中心股份有限公司 路径规划方法、路径规划装置及终端设备
CN112036615A (zh) * 2020-08-17 2020-12-04 上海钧正网络科技有限公司 一种车辆调度方法、装置、设备和存储介质
CN113990062A (zh) * 2021-10-22 2022-01-28 平安国际智慧城市科技股份有限公司 垃圾运输车辆调度方法、装置、可读存储介质及服务器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
城市公共自行车调度优化方法研究;刘冉;戴冀峰;林建新;杨倩;;交通工程(02);全文 *
基于多目标模型的城市公交越站调度研究;许伦辉;郭雅婷;黄宝山;李雪;;内蒙古公路与运输(03);全文 *
基于拉格朗日松弛算法的自动驾驶公交调度优化研究;马晓磊;沈宣良;张钊;栾森;陈汐;;中国公路学报(12);全文 *

Also Published As

Publication number Publication date
CN115083198A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
Amirgholy et al. Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach
US9776512B2 (en) Methods, circuits, devices, systems and associated computer executable code for driver decision support
CN105096643B (zh) 基于多线路前车运行数据的实时公交到站时间预测方法
CN107919014B (zh) 面向多载客里程的出租车运行线路优化方法
CN107832882A (zh) 一种基于马尔科夫决策过程的出租车寻客策略推荐方法
CN107490384B (zh) 一种基于城市路网的最优静态路径选择方法
CN108776852A (zh) 无桩车辆调度方法和系统
CN105074793A (zh) 用于车辆路径规划和交通管理的车道级车辆导航
CN106875734B (zh) 一种推送停车路线的方法及装置
CN102081859A (zh) 一种公交车到站时间预测模型控制方法
CN104200649A (zh) 基于预先申请的交通高峰期路线资源调度分配系统与方法
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
JP7505046B2 (ja) ダイヤグラムの生成方法、ダイヤグラムの生成装置、電子設備及びコンピュータ読取可能な記憶媒体
CN112735129B (zh) 货车停车调度的方法及装置
JP2024521538A (ja) 交通予測のための分散マルチタスク機械学習
CN115083198B (zh) 一种多车运力资源调度方法及装置
CN115063978A (zh) 一种基于数字孪生的公交到站时间预测方法
CN113763695A (zh) 一种自动驾驶车辆的调度方法和系统
EP3789984A1 (en) System for optimising transient kerbside access
CN114036411A (zh) 一种路线规划方法、装置、设备及介质
CN109447352B (zh) 一种公交出行od矩阵反推的组合方法
CN116307580A (zh) 运力调度方法、装置、电子设备及存储介质
CN113409567B (zh) 一种公交与自动驾驶车辆混行车道的交通评估方法和系统
CN114492161A (zh) 一种公交车到站预测方法及装置
De Beer et al. Priority infrastructure for minibus-taxis: An analytical model of potential benefits and impacts

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