CN115641704B

CN115641704B - 一种智能公交调度方法及系统

Info

Publication number: CN115641704B
Application number: CN202211672946.3A
Authority: CN
Inventors: 张驰; 张利; 周静; 罗庚; 王鑫
Original assignee: Dongfeng Yuexiang Technology Co Ltd
Current assignee: Dongfeng Yuexiang Technology Co Ltd
Priority date: 2022-12-26
Filing date: 2022-12-26
Publication date: 2023-04-18
Anticipated expiration: 2042-12-26
Also published as: CN115641704A

Abstract

本发明属于公交调度技术领域，具体涉及一种智能公交调度方法及系统，方法包括：S1、乘客通过乘客APP开启预约包车出行的功能；S2、乘客通过乘客APP选择包车服务，并且输入行程信息以生成包车订单，从而乘客按其出行需求预约出行；S3、调度管理模块通过执行包车算法，规划包车订单的行驶路线，查询有无可用的车辆；S4、通过引力模型算法，生成可行的初始车辆路径解；S5、利用启发式算法，对于初始车辆路径解进行进一步优化；S6、给车辆发布订单任务，并且车辆按照S5输出的路线和站点信息，完成包车功能，本发明能够实现以包车乘客需求为导向的车辆灵活接送。

Description

一种智能公交调度方法及系统

技术领域

本发明属于公交调度技术领域，具体涉及一种智能公交调度方法及系统。

背景技术

需求响应式公交是一种以乘客为导向的运输服务，根据乘客的出行需求，设定行驶线路和停靠站点，为出行的乘客提供定制的公共交通服务。

相关技术中，专利文件CN108806235A公开了一种按需服务的智能公交调度方法：1）取消固定公交线路和公交站台，根据城市公交即时需求量动态调整投放公交车辆，2）等待乘客向公交调度系统提交出行请求，3）公交调度系统确认乘客身份、出行起点、出行目的地，4）公交调度系统分配某一辆公交车至候车点接乘客，5）公车车辆向公交调度系统返回结果，6）将车上全部乘客送达目的后，收回公交车，该发明只考虑每位乘客的出行需求，并未考虑公交公司投入的公交车辆的运营成本，容易造成公交车辆的运力紧张和公交公司的运营成本高等问题，当出现公交车辆的运力不足时，乘客的出行请求将得不到满足；

专利文件CN111105141A公开了一种需求响应型公交调度方法：1）明确需求响应型公交的运营模式，包括线路、站点、车辆等组织形式，2）使用深度强化学习算法作为主要调度算法，3）建立合适的仿真环境，模拟车辆的运行及载客量的实时变化过程，3）利用训练数据训练需求响应型公交深度强化学习模型，4）由深度学习模型生成调度方案，该发明中的方案处于仿真阶段，尚未应用于工程实际，并且深度学习模型在缺少足够的训练样本的情况下，也不能有效地解决实际的公交运营问题。

由此，本发明从使用专门车辆进行服务的角度出发，最大化地保证车辆的定制化服务，以及常规公交的平稳运行，并且增设需求响应式站点，缩短乘客步行距离，同时提出兼顾包车和拼车的服务模式，满足乘客的差异化出行需求，以解决上述技术问题。

发明内容

本发明针对现有技术中的需求响应型公交调度方法存在的技术问题，旨在实现以包车乘客需求为导向的车辆灵活接送。

为了达到上述的发明目的，给出如下所述的一种智能公交调度方法，主要包括以下步骤：

S1、乘客登录乘客APP，调度管理模块识别乘客的身份标识，乘客的身份被识别以后，向乘客APP返回识别成功值，乘客开启预约包车出行的功能；

S2、乘客通过乘客APP选择包车服务，并且输入行程信息以生成包车订单，从而乘客按其出行需求预约出行，每个乘客的行程信息包括出发站、目标站、期望到达目标站的时间；

S3、调度管理模块通过执行包车算法，规划包车订单的行驶路线，查询有无可用的车辆；

S4、通过引力模型算法，将路径搜索问题转化为计算对当前站点吸引力最大的站点选择链的迭代问题，以生成可行的初始车辆路径解；

S5、利用启发式算法，对于初始车辆路径解进行进一步优化；

S6、通过调度管理模块给车辆发布订单任务，并且车辆按照S5输出的路线和站点信息，完成包车功能。

作为本发明的一种优选技术方案，所述S3包括如下步骤：

S31、以30分钟为一个长决策周期，对于一个决策周期，将车辆的运营过程拓扑为决策网络，将车辆，乘客订单，以及决策周期终止抽象化为节点，通过有向弧将两两节点连接，从而实现对车辆运营过程的拓扑；

S32、基于运营收益最大化以及乘客的出行体验最优来建立目标函数，在乘客的等待时间超过等待时间阈值时，减少乘客支付的费用，产生对于运营收益的惩罚费用；

S33、建立包车模型的数学模型。

作为本发明的一种优选技术方案，所述S31中实现对车辆运营过程的拓扑，包括如下步骤：

S311、设置决策节点，将车辆节点设为集合K，将请求节点设为集合R，将决策周期终止节点设为集合S，其中，决策弧的起始节点落在集合K和集合R，终止节点落在集合S；

S312、设置决策弧上的值，若车辆k经过从i到j的决策弧，则设置x_ij ^k的值为1，若车辆k首先去接请求i，则设置x_ki的值为1，其中，

。

作为本发明的一种优选技术方案，所述S32中使用如下公式计算惩罚费用：

，

其中，cp为惩罚费用，t^arrive为车辆到达请求出发点的时刻，t^l是乘客的最晚等待时间，t_max为等待时间阈值，f为乘客支付的车费。

作为本发明的一种优选技术方案，所述S32中还通过如下公式计算完成包车订单之后的收益：

，

其中p_ij ^k为车辆k执行完订单i后执行订单j的收益，p_ki为车辆k执行完订单i的收益，d_i是订单i的终点，o_j是订单j的起点，d(a,b)为从a点到b点的行车距离，f(a,b)为从a点到b点后乘客支付的车费，c_k为车辆k的每公里行驶成本，根据车型不同而取不同值，cp_ij ^k为软时间窗惩罚值，根据乘客的等待时间来取值。

作为本发明的一种优选技术方案，所述S4包括如下的步骤：

S41、确定车辆出发站点，并且从有乘客上车需求的站点中，随机抽取一个作为车辆k的出发点，k的初始值为1；

S42、判断是否还有同类乘客未服务，若有，则跳转至S43，否则，则跳转至S45；

S43、搜索下一站点，在包含同类乘客的上车站点中，找出与当前站点之间吸引力最大的站点X，尝试将站点X加入路径选择链中，计算车辆在加入该站点后的乘客数量，以及加入站点X后直接到达目标站点的时间；

S44、判断加入站点X后，车辆路线是否合理，若当前车辆服务的乘客数量未超过车载容量，并且到达目标站点的时间未超过乘客需求的时间，则以站点X为新的起点，跳转至S43，否则，跳转至S45；

S45、判断是否所有类别的乘客均被安排服务，若还有乘客未被安排服务，则调度下一辆车，k=k+1，跳至S41，否则，输出当前全部初始路径，结束基于引力模型的初始车辆路径解生成算法。

作为本发明的一种优选技术方案，所述S5包括如下的步骤：

S51、首先对服务于目标站点和到达目标站点时间需求相同的车辆之间进行站点数量均衡，检查这些车辆是否有服务站点数量不均衡的情况，如果有，则在保证满足车载容量和到达目标站点时间需求的前提下，将需经过站点数量较多的车辆路线中的部分站点转移给经过站点数量较少的车辆路线，并且安排合理的站点顺序；

S52、尝试对服务于目标站点和到达目标站点时间需求相同的车辆之间进行路径优化，主要应用两路线间交换站点的方式，搜索更优的路线，在交换优化过程中，保证满足车载容量和到达目标站点的时间需求；

S53、对每一辆车的路线进行内部优化，主要在同一车辆路线内，尝试交换两站点的顺序，评估目标函数值是否减少，若减少，则交换站点顺序，否则，舍弃本次交换，在尝试预设的次数之后，终止算法，输出最终路线结果。

作为本发明的一种优选技术方案，所述S6包括如下的步骤：

S61、当包车成功，并且车辆完成订单任务后，将订单标记为成功，同时将车辆信息通过移动通信子系统传输至乘客APP，告知乘客相关包车成功消息；

S62、当包车失败时，将订单标记为失败，将订单失败信息通过移动通信子系统传输至乘客APP，告知乘客相关包车失败消息。

本发明还提供一种智能公交调度系统，包括以下子系统：

公交车载子系统，包括车载移动通信终端、摄像头、客流信息采集设备，用于实时采集车辆位置信息和运营状态信息，全面监测车辆的运行状态，以及实时统计上下车客流人数，并且用于为公交智能调度子系统提供车辆运行数据采集和调度指令下发的功能；

公交智能调度子系统，包括如下的调度管理模块，以及定制公交移动端模块：

调度管理模块，用于自动实现车辆的运行作业计划，实现对于车辆运行的实时监控，对于公交车辆、线路、站点、运营人员的基础数据，以及GPS、排班、收支的动态数据进行全息感知和多源融合，还用于构建公交数据大脑中枢，并且通过可视化大屏展示一系列的公交业务数据；

定制公交移动端模块，包括乘客APP、乘客小程序、运营人员APP，用于实现定制公交出行的信息服务功能，包括乘客端服务、运营人员端服务、运营结算监测分析服务、上座率统计服务、站点客流统计服务；

公交站台子系统，包括电子站牌、视频监控设备，用于实现站点客流量统计功能、站台监控功能、公交信息查询功能、到站预播报功能、多媒体语音功能、站台监控功能；

公交场站子系统，包括公交停车场，以及公交指挥中心大屏，公交停车场又包括视频监控设备和场间组网设备，指挥中心大屏又包括LED显示系统、图像及音频处理系统、传输控制系统，用于为公交智能调度子系统和可视化大屏提供数据支持；

移动通信子系统，用于使用无线通信网络连接公交车载子系统、公交智能调度子系统、公交站台子系统、公交场站子系统。

与现有技术相比，本发明的有益效果至少如下所述：

本发明针对实际的公交运营中定制公交需求问题，通过包车乘客实时向系统提交出行请求，乘客的出行请求信息包括请求类型、上车地点、下车地点、期望上车时间、乘客数量，系统根据当前空闲车辆的位置、车型等信息，为包车订单分配车辆，并规划车辆服务乘客的序列，从而实现以包车乘客需求为导向的车辆灵活接送。

附图说明

图1为本发明的智能公交调度方法的流程图；

图2为本发明的基于引力模型的初始解生成流程图；

图3为本发明的车辆路径优化流程图；

图4为本发明的智能公交调度系统的组成结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

发明人发现现有的需求响应式公交多是在常规公交的基础上根据实际客流情况进行模式切换或联合优化，而这往往会影响到常规公交的正常行车计划，并且在考虑固定站点或需求响应式站点选取方面的研究比较少，大多数研究都停留在已有站点、虚拟路网站点或宏观思想选址上，本发明考虑使用专门车辆进行服务，从而最大化地保证车辆的定制化服务以及常规公交的平稳运行，并且增设需求响应式站点，缩短乘客步行距离，同时提出需求响应式包车的服务模式，满足乘客的差异化出行需求。

发明人提出了如图1所示的一种智能公交调度方法，主要包括以下的步骤过程：

S6、通过调度管理模块给车辆发布订单任务，并且车辆按照S5输出的路线和站点信息，完成包车功能；

具体的，需求响应式公交是一种以乘客为导向的弹性运输服务，可根据预约的订单情况和服务对象的出行需求，为预订出行的乘客提供定制的公共交通服务，着重提供多样化的出行模式和车型选择。系统实时收集乘客的出行请求，并对乘客出发地点进行聚类分析，确定需求响应站点，调度系统根据站点位置以及乘客数量，为乘客分配合理地车型，并对公交车辆进行动态路径规划，以优化运营成本和乘客出行体验，其中，乘客还可以通过微信小程序预定包车出行的服务。

进一步的，上述S3包括如下的步骤：

S33、建立包车模型的数学模型。

进一步的，上述S31中实现对车辆运营过程的拓扑，包括如下步骤：

。

进一步的，上述S32中使用如下公式计算惩罚费用：

，

其中，cp为惩罚费用，t^arrive为车辆到达请求出发点的时刻，t^l是乘客的最晚等待时间，t_max为等待时间阈值，f为乘客支付的车费，具体的，优化目标主要考虑两方面：运营收益最大以及乘客的出行体验最优，影响乘客出行体验最为关键的因素是乘客的等待时间，因此考虑乘客等待时间的软时间窗约束，即乘客等待时间超过一定阈值时，减少乘客支付费用，对运营收益产生一定的惩罚值。

进一步的，上述S32中还通过如下公式计算完成包车订单之后的收益，收益=乘客支出车费-车辆行驶成本-车辆时间窗成本：

，

根据以上的内容，在上述S32中能够得到如下的目标函数：

，

该目标函数既保证了车辆的运营收益，也对乘客等车最大时间做出了保障。

在得到上述目标函数之后，还进一步的设计了如下的约束条件：

a.流量约束

a1.每一辆车在运营周期内要么接送乘客，要么原地等待：

；

a2.每一个请求必须被一辆车服务：

；

a3.到达乘客节点的车辆需要从节点离开：

；

a4.每辆车最终返回周期结束节点：

；

b.容量约束，即为订单分配的车辆容量应大于订单乘客数量：

，

其中，n_i为订单i的乘客数量，C_k为车辆k的最大载客量。

c.时间窗约束，即车辆到达乘客出发站的时间应小于乘客期望的最晚时间：

，

其中，tt_i ^l为乘客i的最晚出发时间，t_i ^arrive为车辆到达乘客i的时间，t_k为车辆车场出发时间。

综合以上内容，最终能够在上述S33中建立如下的包车数学模型：

s.t.

。

进一步的，参考如图2所示，上述S4包括如下的步骤：

S45、判断是否所有类别的乘客均被安排服务，若还有乘客未被安排服务，则调度下一辆车，k=k+1，跳至S41，否则，输出当前全部初始路径，结束基于引力模型的初始车辆路径解生成算法；

具体的，利用引力模型算法，将路径搜索问题转化为计算对当前站点吸引力最大的站点选择链的迭代问题，从而生成可行的初始车辆路径解。

进一步的，参考如图3所示，上述S5包括如下的步骤：

S53、对每一辆车的路线进行内部优化，主要在同一车辆路线内，尝试交换两站点的顺序，评估目标函数值是否减少，若减少，则交换站点顺序，否则，舍弃本次交换，在尝试一定次数之后，终止算法，输出最终路线结果。

进一步的，上述S6包括如下的步骤：

参考如图4所示，本发明还提供一种智能公交调度系统，尤其是用于智能公交的乘客需求响应式包车调度系统，用来实现如以上内容所描述的用于智能公交的乘客需求响应式包车调度方法，具体的，将各个子系统的功能描述如下：

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一个非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims

1.一种智能公交调度方法，其特征在于，包括如下步骤：

所述S3包括如下步骤：

S33、建立包车模型的数学模型；

所述S31中实现对车辆运营过程的拓扑，包括如下步骤：

；

所述S32中使用如下公式计算惩罚费用：

，

其中，cp为惩罚费用，t^arrive为车辆到达请求出发点的时刻，t^l是乘客的最晚等待时间，t_max为等待时间阈值，f为乘客支付的车费；

所述S32中还通过如下公式计算完成包车订单之后的收益：

，

其中p_ij ^k为车辆k执行完订单i后执行订单j的收益，p_ki为车辆k执行完订单i的收益，d_i是订单i的终点，o_j是订单j的起点，d(a,b)为从a点到b点的行车距离，f(a,b)为从a点到b点后乘客支付的车费，c_k为车辆k的每公里行驶成本，根据车型不同而取不同值，cp_ij ^k为软时间窗惩罚值，根据乘客的等待时间来取值；

根据所述集合K、所述集合R、所述x_ij ^k、所述x_ki、所述p_ij ^k、所述p_ki，构建如下的所述S32中使用的目标函数maxZ：

。

2.根据权利要求1所述的一种智能公交调度方法，其特征在于，所述S6包括如下的步骤：

3.一种智能公交调度系统，用于实现如权利要求1-2任一项所述的方法，其特征在于，包括如下子系统：

4.一种存储介质，其中存储有权利要求3所述的系统可执行的指令，其特征在于，所述指令在由权利要求3所述的系统包括的处理器执行时用于实现如权利要求1-2任一项所述的一种智能公交调度方法。