CN116524705A - 一种城际出行车辆的调度方法及终端 - Google Patents

一种城际出行车辆的调度方法及终端 Download PDF

Info

Publication number
CN116524705A
CN116524705A CN202310571751.8A CN202310571751A CN116524705A CN 116524705 A CN116524705 A CN 116524705A CN 202310571751 A CN202310571751 A CN 202310571751A CN 116524705 A CN116524705 A CN 116524705A
Authority
CN
China
Prior art keywords
city
inter
station
departure
route
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.)
Pending
Application number
CN202310571751.8A
Other languages
English (en)
Inventor
赖楚韬
郭逸彤
孙启萱
胡毅钊
王愉腾
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.)
Zhongyue Xiamen Automobile Co ltd
Original Assignee
Zhongyue Xiamen Automobile 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 Zhongyue Xiamen Automobile Co ltd filed Critical Zhongyue Xiamen Automobile Co ltd
Priority to CN202310571751.8A priority Critical patent/CN116524705A/zh
Publication of CN116524705A publication Critical patent/CN116524705A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种城际出行车辆的调度方法及终端，基于实时的订单状况，以乘客出发点和下车点为准，撮合数个订单，指派到合适的车辆，实现全局最优解，以乘客需求为出发点，通过特定的算法灵活设置站点，合理安排车辆行驶路线以及发车时刻，设计出能够提供多样化、方便快捷的城际定制客运服务，将车辆调度算法从现有的解决城内调度方面的问题拓展到了城际出行方向，解决制约城际出行行业发展的关键问题，实现了高效合理的城际出行车辆的调度。

Description

一种城际出行车辆的调度方法及终端
技术领域
本发明涉及车辆调度领域，尤其涉及一种城际出行车辆的调度方法及终端。
背景技术
高品质城市出行愈发被人们所重视，快捷高效的城际出行是高品质城市出行的重要体现。目前，我国城市群内城际交通需求具有如下特征：交通需求量大且增长迅猛；客流空间分布不均衡，而且具有潮汐性的特点；交通运输服务需求多样，交通方式日益丰富。
近年来，随着互联网的高速发展，人们对于出行方式的选择更加的多样化，铁路、民航成为了分担客运量的主要形式，这种现状给传统道路客运带来了巨大的冲击和挑战。与此同时，目前传统的城际客运存在着线路规划及发车时间不够灵活、运力资源分配不均的问题。定制客运作为道路客运一种新兴的补充形式，能够有效缓解交通出行压力，具有巨大的发展空间。
但是，目前的定制客运服务仍然存在线路规划不合理，发车时间不够及时，让乘客等待时间过久，乘车绕行路线过长的问题。
发明内容
本发明所要解决的技术问题是：提供一种城际出行车辆的调度方法及终端，能够实现高效合理的城际出行车辆的调度。
为了解决上述技术问题，本发明采用的一种技术方案为：
一种城际出行车辆的调度方法，包括步骤：
S1、接收第一城市至第二城市的订单请求，根据所述订单请求确定对应的备选站点集合以及所述备选站点集合中每一个备选站点对应的服务人数，所述备选站点集合包括备选出发站点子集和备选到达站点子集；
S2、根据所述第一城市的出口和所述第二城市的入口确定车辆的初始路线；
S3、分别确定所述备选出发站点子集和备选到达站点子集中服务人数最多的站点，分别记为目标出发站点和目标到达站点，将所述目标出发站点插入所述初始线路的前端，将所述目标到达站点插入所述初始线路的后端，并更新所述初始线路中的站点数；
S4、判断所述站点数是否大于第一阈值，若不大于，则执行步骤S5；若大于，从所述初始线路中删除所述目标出发站点和目标到达站点，将所述初始路线添加入规划路线集合，并从所述备选站点集合中删除所述初始路线中包含的备选站点，判断所述备选站点集合是否为空，若不为空，则返回执行步骤S2，若为空，则执行步骤S6；
S5、对所述初始路线中的所有备选站点、所述第一城市的出口和所述第二城市的入口进行排列组合，将距离最短的一条路线确定为目标路线，确定所述目标路线的起始站点和终止站点，判断所述起始站点和终止站点是否满足预设的约束条件，若满足，则将所述初始路线更新为所述目标路线，并返回执行步骤S3，否不满足，则从所述初始线路中删除所述目标出发站点和目标到达站点，并返回执行步骤S3；
S6、对于所述规划路线集合中的每一条规划路线，根据所述规划路线涉及到的订单请求的出发时刻约束条件、乘客的上车时间约束条件、上车空间约束条件以及预设的满载率确定所述每一条规划路线的发车时刻；
S7、根据确定出的每一条规划路线及其对应的发车时刻对城际出行车辆进行调度。
为了解决上述技术问题，本发明采用的另一种技术方案为：
一种城际出行车辆的调度终端，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计算机程序时实现上述一种城际出行车辆的调度的方法中的各个步骤。
本发明的有益效果在于：基于实时的订单状况，以乘客出发点和下车点为准，撮合数个订单，指派到合适的车辆，实现全局最优解，以乘客需求为出发点，通过特定的算法灵活设置站点，合理安排车辆行驶路线以及发车时刻，设计出能够提供多样化、方便快捷的城际定制客运服务，将车辆调度算法从现有的解决城内调度方面的问题拓展到了城际出行方向，解决制约城际出行行业发展的关键问题，实现了高效合理的城际出行车辆的调度。
附图说明
图1为本发明实施例的一种城际出行车辆的调度方法的步骤流程图；
图2为本发明实施例的一种城际出行车辆的调度方法中路线规划的步骤流程图；
图3为本发明实施例的规划出的路线及其时刻表的示意图；
图4为本发明实施例的一种城际出行车辆的调度方法中站点聚类的步骤流程图；
图5为本发明实施例的一种城际出行车辆的调度方法中时刻表确定的步骤流程图；
图6为本发明实施例的一种城际出行车辆的调度方法中预测功能的神经网络模型的示意图；
图7为本发明实施例的一种城际出行车辆的调度终端的结构示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
本发明上述城际出行车辆的调度方法及终端适用于不同城市之间的出行车辆调度的应用场景，比如：城际网约车、城际客运车等，以下通过具体的实施方式进行说明：
在一个可选的实施方式中，如图1所示，一种城际出行车辆的调度方法，包括步骤：
S1、接收第一城市至第二城市的订单请求，根据所述订单请求确定对应的备选站点集合以及所述备选站点集合中每一个备选站点对应的服务人数，所述备选站点集合包括备选出发站点子集和备选到达站点子集；
其中，订单请求包括了预约出发的时间、起点位置、终点位置以及人数，在一个可选的实施方式中，可以预先设置城际客运定制服务的固定上下车站点，构成固定上下车站点集合，根据每个订单请求的起点位置和终点位置确定距离其最近的固定上下车站点，从而确定对应的备选出发站点和备选到达站点，所有订单请求对应的备选出发站点和备选到达站就构成了备选出发站点子集和备选到达站点子集，由此组成了备选站点集合；再根据每个订单的人数就可以统计出备选站点集合中每一个备选站点对应的服务人数；
S2、根据所述第一城市的出口和所述第二城市的入口确定车辆的初始路线；
S3、分别确定所述备选出发站点子集和备选到达站点子集中服务人数最多的站点，分别记为目标出发站点和目标到达站点，将所述目标出发站点插入所述初始线路的前端，将所述目标到达站点插入所述初始线路的后端，并更新所述初始线路中的站点数；
S4、判断所述站点数是否大于第一阈值，若不大于，则执行步骤S5；若大于，从所述初始线路中删除所述目标出发站点和目标到达站点，将所述初始路线添加入规划路线集合，并从所述备选站点集合中删除所述初始路线中包含的备选站点，判断所述备选站点集合是否为空，若不为空，则返回执行步骤S2，若为空，则执行步骤S6；
S5、对所述初始路线中的所有备选站点、所述第一城市的出口和所述第二城市的入口进行排列组合，将距离最短的一条路线确定为目标路线，确定所述目标路线的起始站点和终止站点，判断所述起始站点和终止站点是否满足预设的约束条件，若满足，则将所述初始路线更新为所述目标路线，并返回执行步骤S3，否不满足，则从所述初始线路中删除所述目标出发站点和目标到达站点，并返回执行步骤S3；
在进行路径规划时，在本实施例中，可以将两个城市间的道路进行网络图化处理，记作G＝(V，E)，V代表地图上所有点的集合，E＝{(i,j)|i,j∈V，i≠j}表示地图上点与点的边集；点集V可以拆分为V＝O∪D∪C，O＝{o1,o2,……,on}代表n位乘客上车点的集合，D＝{d1,d2,……,dn}代表n位乘客下车点的集合，乘客在某个上车点or上车，必然在与上车点对应的下车点dq下车，C＝{CA,CB}代表起始和终点城市的高速出入口点的集合，CA代表起始城市的高速出口点的集合，CB代表终点城市的高速入口点的集合；
设起始城市为A，终点城市为B，上行线路表示为A->B，根据n个乘客的订单请求，可以确定m对备选站点，构成上行线路的备选站点集合MAB＝MA∪MB，其中，MA＝{aA1,aA2,……，aAm}代表上行线路起始城市的备选站点集合，MB＝{bB1,bB2,……，bBm}代表上行线路终点城市的备选站点集合；
进行路径规划时，如图2所示：
初始时，规划线路数t＝0；
1、输入备选站点集合MA和MB，一共包括2m个上行线路站点地址以及每个站点地址对应的服务人数num；
2、初始化上行线路服务站点个数p1＝0；
3、上行线路path[A->B]＝{CA,CB}，即刚开始上行线路只有高速出入点；
4、寻找集合MA和MB中num的最大值，并找到对应的站点地址aA和bB；
5、将aA插入至path[A->B]的前端，将bB插入至path[A->B]的后端，并更新p1值；
6、可以设置上行线路最多支持的站点数，比如为20，则判断2p1<20？若是，则转至步骤7，若否，则将aA和bB删除，将线路path[A->B]加入线路集合L，并从MA和MB中删除线路t中包含的站点，并判断MA和MB中的站点是否遍历完全，若是，则结束，否则，t＝t+1，并返回执行步骤2；
7、对path[A->B]中的站点及城市出入口进行整体路线的排列组合，即一共有p1！*|CA|*|CB|*p1！种排列组合，|CA|和|CB|分别代表城市A的高速出口个数和城市B的高速入口个数；
8、寻找组合中使得线路长度最短的线路组合path[A->B]，该线路组合的第一个站点地址记为aA1，最后一个站点地址记为bB1；
9、判断aA1和bB1是否满足预设的约束条件，如果满足，则将path[A->B]更新为该最短的线路组合，并返回执行步骤4，否则，删除aA和bB，并返回执行步骤4；
在一个可选的实施方式中，预设的约束条件可以是：
根据所述目标路线判断所述起始站点行驶到所述第一城市的出口的时间是否小于第一预设时间并且所述第二城市的入口行驶到所述终止站点的时间是否小于第二预设时间，如果是，则满足预设的约束条件，否则，不满足预设的约束条件，比如可以设置第一预设时间和第二预设时间均为60分钟，也就是第一名乘客上车地点到始发城市A的出口点之间的时间不超过60分钟，并且终点城市B入口点到最后一名乘客下车点之间的时间不超过60分钟，则满足预设的约束条件，通过这样的设置避免了拼单过程中乘客等待时间太长，影响乘车体验，使得调度更加合理高效；
在另一个可选的实施方式中，预设的约束条件除了上述时间约束外，还可以进一步限定绕行系数约束条件，即避免车辆绕行太多，从而达到乘车距离和乘车时长的一个平衡。
S6、对于所述规划路线集合中的每一条规划路线，根据所述规划路线涉及到的订单请求的出发时刻约束条件、乘客的上车时间约束条件、上车空间约束条件以及预设的满载率确定所述每一条规划路线的发车时刻；
S7、根据确定出的每一条规划路线及其对应的发车时刻对城际出行车辆进行调度，如图3所示，为最终确定出的规划线路及其对应的发车时刻示意图。
在另一个可选的实施方式中，如图4所示，所述根据所述订单请求确定对应的备选站点集合包括：
S11、确定每一个所述订单请求对应的需求点，所述需求点包括所述订单请求对应的上车地点和下车地点；
S12、根据所述需求点构建簇集合，所述簇集合中的每个簇包括一个需求点。比如一共有n个需求点，初始化时，一共构件了w个簇，w<＝n；
S13、计算所述簇集合中每两个簇之间的距离，将距离小于第二阈值对应的两个簇标记为候选簇，构成候选簇集合；
其中，在一个可选的实施方式中，所述计算所述簇集合中每两个簇之间的距离，将距离小于第二阈值对应的两个簇标记为候选簇包括：
计算所述簇集合中每两个簇之间上车地点和上车地点之间的最大距离，记为第一距离；
计算所述簇集合中每两个簇之间下车地点和下车地点之间的最大距离，记为第二距离；
将第一距离和第二距离均小于第二阈值对应的两个簇标记为候选簇，所有的候选簇就构成了候选簇集合；
比如可以计算簇集合中每两个簇之间上车点和上车点之间的最大距离：
zoioj＝|xoi-xoj|+|yoi-yoj|
以及下车点和下车点之间的最大距离：
zdidj＝|xdi-xdj|+|ydi-ydj|
其中，(xoi，yoi)、(xoj，yoj)分别表示两个簇之间距离最远的上车点的坐标，(xdi，ydi)、(xdj，ydj)分别表示两个簇之间距离最远的下车点的坐标；
S14、判断所述候选簇集合为空或者所述簇集合的元素个数为1，若是，将所述候选簇集合中距离最小对应的两个簇进行合并，更新所述簇集合的元素个数，并返回执行步骤S13，若否，执行步骤S15；
候选簇集合中互为标记的两个簇之间的距离可以表示为：
zoijdij＝zoioj+zdidj
此时，选择距离最小对应的两个簇进行合并，并更新簇集合中簇的个数，w＝w-1，合并后簇的服务人数更新为两个簇的乘客数之和；
S15、根据所述簇集合中每一个簇的中心确定备选站点集合；
可以将聚类结果按照服务人数从高到低输出并编号为簇1到簇w，选择每个簇的中心作为备选站点的位置；
本实施方式中，乘客的上下车点成对出现，基于订单上下车点的位置通过上述特定的聚类算法实现了备选站点的选址，保证了备选站点确定的最大合理性和高效性。
在另一个可选的实施方式中，如图5所示，所述步骤S6包括：
S61、对于所述规划路线集合中的每一条规划路线，根据所述规划路线涉及到的订单请求确定起始站点的最早出发时刻，将所述最早出发时刻确定为车辆出发时刻，以规划线路1开始，确定规划线路1关联的所有需求订单，以需求订单的最早出发时刻begin_to作为车辆从第一个站点的出发时刻；
S62、根据所述车辆出发时刻遍历所述规划路线的每一个站点，计算到达每一站点的时刻；
S63、根据乘客的上车时间约束条件以及上车空间约束条件确定每一站点的可上车乘客数；
比如可以设置乘客的上车时间约束条件为等待或提前半小时以内，上车空间约束条件为上车距离离住所为2公里以内；
S64、判断所述规划路线的站点是否遍历结束，若否，返回执行步骤S62，若是，判断所述车辆出发时刻延迟预设时间后是否超出所述规划路线涉及到的订单请求的最晚出发时刻，若不超出，则将所述车辆出发时刻延迟预设时间，并返回执行步骤S62，若超出，则按照可上车乘客数对发车班次从高到低排序，选择可上车乘客数最高对应的车辆出发时刻作为发车时刻；
S65、根据所述发车时刻和涉及到的订单请求确定满载率，判断所述满载率是否大于预设满载率，比如可以设置预设满载率为50％，若是，则将所述发车时刻加入发车时刻表，并剔除已上车的乘客，在规划线路集合中选择下一条规划线路，即t＝t+1，并返回执行步骤S61直至规划线路集合中的规划线路均遍历完毕，若否，则在规划线路集合中选择下一条规划线路，即t＝t+1，返回执行步骤S61直至规划线路集合中的规划线路均遍历完毕；
本实施方式中，通过上述特定的算法实现了对各个规划路线的出发时刻的确定，保证了出发时刻确定的合理性以及高效性。
在另一个可选的实施方式中，还包括步骤：
接收约束条件调整请求，根据所述约束条件调整请求调整约束条件，所述约束条件包括所述预设的约束条件、出发时刻约束条件、乘客的上车时间约束条件、上车空间约束条件以及预设的满载率中的一个或多个；
本实施方式中，通过允许对约束条件的调整，能够更灵活地满足乘客需求，当乘客发现自己的订单请求无法得到满足时，可以退而求其次，通过调整约束条件，降低要求，从而实现拼单的成功，提高了城际客运定制服务的灵活性。
在另一个可选的实施方式中，所述步骤S1之前还包括步骤：
接收历史订单信息，根据所述历史订单信息构建神经网络预测模型；
所述步骤S2还包括：
根据所述神经网络预测模型和所述订单请求对第一城市至第二城市涉及的各个子区域的运力进行预测，得到各个子区域对应的运力预测结果；
所述步骤S7包括：
根据确定出的每一条规划路线及其对应的发车时刻以及所述各个子区域对应的运力预测结果对城际出行车辆进行调度；
其中，所述根据所述历史订单信息构建神经网络预测模型包括：
根据所述历史订单信息确定训练集和测试集；
以所述训练集为训练数据，以预设步长在一预设层范围内，建立包含不同层的测试用神经网络模型，对所述测试用神经网络模型进行训练直至收敛，根据收敛的测试用神经网络模型预测运力在预设的第一城市至第二城市涉及的各个子区域的分布，得到预测结果；
如图6所示，为预测功能的神经网络模型示意图，在进行训练时，可以选择的层范围为10到200，以10为步长，分别建立对应层次的测试用神经网络模型，比如10层、20层，……，200层，在对每个对应层次的测试用神经网络模型都训练收敛后，可以分别得到不同层次的收敛后的神经网络模型的预测结果；
根据所述测试集，对比所述预测结果和测试集中实际数据的重合度，选择重合度最高的预测结果对应的测试用神经网络模型作为神经网络预测模型；
通过与测试集数据的比对筛选，能够选定最佳的神经网络层数，由此得到最终用于预测的神经网络模型；
其中，所述根据确定出的每一条规划路线及其对应的发车时刻以及所述各个子区域对应的运力预测结果对城际出行车辆进行调度包括：
根据所述各个子区域对应的运力预测结果确定存在运力富余的子区域以及存在运力欠缺的子区域；
根据所述运力预测结果判断确定出的每一条规划路线的起始站点所在的子区域是否运力欠缺，若是，则从距离其所在的子区域最近的运力富余的子区域调度运力并按照其对应的发车时刻对城际出行车辆进行调度；
本实施方式中，引入各个子区域的运力预测，在进行车辆调度时，能够更合理地进行车辆资源分配，提高车辆调度效率。
在另一个可选的实施方式中，如图7所示，一种城际出行车辆的调度终端，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计算机程序时实现上述实施方式所述的一种城际出行车辆的调度的方法中的各个步骤。
综上所述，本发明提供的一种城际出行车辆的调度方法及终端，通过数据挖掘技术从乘客历史订单中分析乘客出行行为，对运力进行合理准确的预测，同时以乘客需求为出发点，通过特定的算法设计实现了站点选址、线路规划以及发车时刻的高度耦合，在保证运力充分合理均衡利用的同时，灵活设置站点，合理安排车辆行驶路线和发车时刻表，实现了高效灵活、多样化、方便快捷的城际定制客运服务。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种城际出行车辆的调度方法，其特征在于，包括步骤：
S1、接收第一城市至第二城市的订单请求，根据所述订单请求确定对应的备选站点集合以及所述备选站点集合中每一个备选站点对应的服务人数，所述备选站点集合包括备选出发站点子集和备选到达站点子集；
S2、根据所述第一城市的出口和所述第二城市的入口确定车辆的初始路线；
S3、分别确定所述备选出发站点子集和备选到达站点子集中服务人数最多的站点，分别记为目标出发站点和目标到达站点，将所述目标出发站点插入所述初始线路的前端，将所述目标到达站点插入所述初始线路的后端，并更新所述初始线路中的站点数；
S4、判断所述站点数是否大于第一阈值，若不大于，则执行步骤S5；若大于，从所述初始线路中删除所述目标出发站点和目标到达站点，将所述初始路线添加入规划路线集合，并从所述备选站点集合中删除所述初始路线中包含的备选站点，判断所述备选站点集合是否为空，若不为空，则返回执行步骤S2，若为空，则执行步骤S6；
S5、对所述初始路线中的所有备选站点、所述第一城市的出口和所述第二城市的入口进行排列组合，将距离最短的一条路线确定为目标路线，确定所述目标路线的起始站点和终止站点，判断所述起始站点和终止站点是否满足预设的约束条件，若满足，则将所述初始路线更新为所述目标路线，并返回执行步骤S3，否不满足，则从所述初始线路中删除所述目标出发站点和目标到达站点，并返回执行步骤S3；
S6、对于所述规划路线集合中的每一条规划路线，根据所述规划路线涉及到的订单请求的出发时刻约束条件、乘客的上车时间约束条件、上车空间约束条件以及预设的满载率确定所述每一条规划路线的发车时刻；
S7、根据确定出的每一条规划路线及其对应的发车时刻对城际出行车辆进行调度。
2.根据权利要求1所述的一种城际出行车辆的调度方法，其特征在于，所述根据所述订单请求确定对应的备选站点集合包括：
S11、确定每一个所述订单请求对应的需求点，所述需求点包括所述订单请求对应的上车地点和下车地点；
S12、根据所述需求点构建簇集合，所述簇集合中的每个簇包括一个需求点；
S13、计算所述簇集合中每两个簇之间的距离，将距离小于第二阈值对应的两个簇标记为候选簇，构成候选簇集合；
S14、判断所述候选簇集合为空或者所述簇集合的元素个数为1，若是，将所述候选簇集合中距离最小对应的两个簇进行合并，更新所述簇集合的元素个数，并返回执行步骤S13，若否，执行步骤S15；
S15、根据所述簇集合中每一个簇的中心确定备选站点集合。
3.根据权利要求2所述的一种城际出行车辆的调度方法，其特征在于，所述计算所述簇集合中每两个簇之间的距离，将距离小于第二阈值对应的两个簇标记为候选簇包括：
计算所述簇集合中每两个簇之间上车地点和上车地点之间的最大距离，记为第一距离；
计算所述簇集合中每两个簇之间下车地点和下车地点之间的最大距离，记为第二距离；
将第一距离和第二距离均小于第二阈值对应的两个簇标记为候选簇。
4.根据权利要求1所述的一种城际出行车辆的调度方法，其特征在于，所述步骤S6包括：
S61、对于所述规划路线集合中的每一条规划路线，根据所述规划路线涉及到的订单请求确定起始站点的最早出发时刻，将所述最早出发时刻确定为车辆出发时刻；
S62、根据所述车辆出发时刻遍历所述规划路线的每一个站点，计算到达每一站点的时刻；
S63、根据乘客的上车时间约束条件以及上车空间约束条件确定每一站点的可上车乘客数；
S64、判断所述规划路线的站点是否遍历结束，若否，返回执行步骤S62，若是，判断所述车辆出发时刻延迟预设时间后是否超出所述规划路线涉及到的订单请求的最晚出发时刻，若不超出，则将所述车辆出发时刻延迟预设时间，并返回执行步骤S62，若超出，则按照可上车乘客数对发车班次从高到低排序，选择可上车乘客数最高对应的车辆出发时刻作为发车时刻；
S65、根据所述发车时刻和涉及到的订单请求确定满载率，判断所述满载率是否大于预设满载率，若是，则将所述发车时刻加入发车时刻表，并剔除已上车的乘客，并返回执行步骤S61直至规划线路集合中的规划线路均遍历完毕，若否，则返回执行步骤S61直至规划线路集合中的规划线路均遍历完毕。
5.根据权利要求1所述的一种城际出行车辆的调度方法，其特征在于，所述判断所述起始站点和终止站点是否满足预设的约束条件包括：
根据所述目标路线判断所述起始站点行驶到所述第一城市的出口的时间是否小于第一预设时间并且所述第二城市的入口行驶到所述终止站点的时间是否小于第二预设时间，若是，则满足预设的约束条件，否则，不满足预设的约束条件。
6.根据权利要求1至5中任一项所述的一种城际出行车辆的调度方法，其特征在于，还包括步骤：
接收约束条件调整请求，根据所述约束条件调整请求调整约束条件，所述约束条件包括所述预设的约束条件、出发时刻约束条件、乘客的上车时间约束条件、上车空间约束条件以及预设的满载率中的一个或多个。
7.根据权利要求1至5中任一项所述的一种城际出行车辆的调度方法，其特征在于，所述步骤S1之前还包括步骤：
接收历史订单信息，根据所述历史订单信息构建神经网络预测模型；
所述步骤S2还包括：
根据所述神经网络预测模型和所述订单请求对第一城市至第二城市涉及的各个子区域的运力进行预测，得到各个子区域对应的运力预测结果；
所述步骤S7包括：
根据确定出的每一条规划路线及其对应的发车时刻以及所述各个子区域对应的运力预测结果对城际出行车辆进行调度。
8.根据权利要求7所述的一种城际出行车辆的调度方法，其特征在于，所述根据所述历史订单信息构建神经网络预测模型包括：
根据所述历史订单信息确定训练集和测试集；
以所述训练集为训练数据，以预设步长在一预设层范围内，建立包含不同层的测试用神经网络模型，对所述测试用神经网络模型进行训练直至收敛，根据收敛的测试用神经网络模型预测运力在预设的第一城市至第二城市涉及的各个子区域的分布，得到预测结果；
根据所述测试集，对比所述预测结果和测试集中数据的重合度，选择重合度最高的预测结果对应的测试用神经网络模型作为神经网络预测模型。
9.根据权利要求7或8所述的一种城际出行车辆的调度方法，其特征在于，所述根据确定出的每一条规划路线及其对应的发车时刻以及所述各个子区域对应的运力预测结果对城际出行车辆进行调度包括：
根据所述各个子区域对应的运力预测结果确定存在运力富余的子区域以及运力欠缺的子区域；
根据所述运力预测结果判断确定出的每一条规划路线的起始站点所在的子区域是否运力欠缺，若是，则从距离其所在的子区域最近的运力富余的子区域调度运力并按照其对应的发车时刻对城际出行车辆进行调度。
10.一种城际出行车辆的调度终端，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9中任一项所述的一种城际出行车辆的调度的方法中的各个步骤。
CN202310571751.8A 2023-05-19 2023-05-19 一种城际出行车辆的调度方法及终端 Pending CN116524705A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310571751.8A CN116524705A (zh) 2023-05-19 2023-05-19 一种城际出行车辆的调度方法及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310571751.8A CN116524705A (zh) 2023-05-19 2023-05-19 一种城际出行车辆的调度方法及终端

Publications (1)

Publication Number Publication Date
CN116524705A true CN116524705A (zh) 2023-08-01

Family

ID=87397620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310571751.8A Pending CN116524705A (zh) 2023-05-19 2023-05-19 一种城际出行车辆的调度方法及终端

Country Status (1)

Country Link
CN (1) CN116524705A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593043A (zh) * 2024-01-16 2024-02-23 华侨大学 城际网约车辆未来短期时刻分布估计方法、装置及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117593043A (zh) * 2024-01-16 2024-02-23 华侨大学 城际网约车辆未来短期时刻分布估计方法、装置及设备
CN117593043B (zh) * 2024-01-16 2024-04-09 华侨大学 城际网约车辆未来短期时刻分布估计方法、装置及设备

Similar Documents

Publication Publication Date Title
CN109409599B (zh) 基于实时需求的定制公交线路开通优化方法
Sayarshad et al. Non-myopic dynamic routing of electric taxis with battery swapping stations
Liu et al. Dynamic shared autonomous taxi system considering on-time arrival reliability
CN109447340B (zh) 一种可靠性最短路的定制公交线路优化方法
CN112561249B (zh) 面向实时需求的城市定制公交调度方法
CN105185116A (zh) 网络集约小客车出行需求热力图构建方法
CN107832958A (zh) 一种基于需求分析的电动出租车充电站规划方法
CN112085249B (zh) 一种基于强化学习的定制公交线路规划方法
CN110309962A (zh) 基于时间扩展模型的铁路行程路线规划方法及装置
CN114550482B (zh) 一种基于低碳目标的导航方法及停车场导航方法
CN116524705A (zh) 一种城际出行车辆的调度方法及终端
CN112561379A (zh) 一种面向区域性网约车的调度方法
CN115423168A (zh) 一种考虑服务稳定性的定制公交路网优化方法及系统
CN114117700A (zh) 基于复杂网络理论的城市公共交通网络优化研究方法
CN111882915A (zh) 采用复合算法及交互模型的应需定制公交线路规划方法
CN113379159B (zh) 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法
CN104809868B (zh) 基于出行需求响应的车辆线路确定方法及其装置
CN114358386A (zh) 一种基于预约出行需求的双出行模式合乘站点生成方法
CN114742340A (zh) 一种大规模路网中智能网联共享电动车充电站的优化布设求解方法
CN112949987B (zh) 基于预测的出租车调度和匹配方法、系统、设备及介质
Lai et al. A rolling-horizon decision framework for integrating relocation and user flexibility in one-way electric carsharing systems
CN111738490A (zh) 柔性公交线路资源复用分配调度方法
CN112270480A (zh) 自动驾驶出租车调度方法及调度系统
CN111881548B (zh) 一种智能交通的计算机仿真方法
Wan et al. Online recommendation system for autonomous and human-driven ride-hailing taxi services

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