A bus including path optimization method, based on large data: statistical analysis of the existing data, draw a priori information; using the Akaike information model, combined with a priori information, extracting feature parameters subset; parameters subset, calculation of probability density, traffic congestion degree; divide the region of initial static path planning of the student point of each region; establish dynamic prediction model of optimal route static path and traffic congestion degree based on the judgment; in order to get the optimal path. The application guarantees the safety of students and the convenience of transportation, saves cost and time, and reduces the social traffic pressure.
【技术实现步骤摘要】
一种基于大数据的校车路径优化方法
本专利技术属于车辆路径优化领域,具体说是一种基于大数据的校车路径优化方法。
技术介绍
随着我国城乡经济迅速发展,人民生活水平日益提高,人们对教育的重视程度也越来越大,我国政府对教育的投入也逐年增加,使得我国中小学入学人数增多,中小学校数也比改革开放初期大幅度增加。社会经济的发展、城市化进程的加快,道路交通的拥堵和安全问题也随之而来,其中学生的出行问题更是当今社会普遍关注的。而校车作为一种专门面向学生的公共交通工具,即能够满足运送大量学生的需求又能保证安全,使其成为解决学生出行问题的最佳方案。对于校车而言,最重要的就是行驶路线的选取,这就需要考虑校车是否能够满足分布在各个居住地的学生的需求。所以对校车行驶路线进行科学合理的优化调度就显得迫在眉睫。由于乘车费用以及城市道路交通的复杂性,现有的校车路径规划具有学区分布不均,人数分布不平衡,安全性不高等局限性;解决方案只是针对大量数据浅显分析乘车意愿和位置分布,没有找出大量数据之间的关联性和潜在的有价值数据。随着数据挖掘技术研究的进步与发展,给校车路径优化带来了新的方法和思路。结合上述问题,再加上近些年来,学校门前拥堵点已成为各大城市交通拥堵治理的关键点位。根据调查其原因在于学校周边配套交通设施,集散场地及接送车辆停车位缺乏,尤其是如果小学门前道路为城市主干道路,上下学期间一旦发生交通拥堵,就会影响到周边区域的通行能力。为缓解交通拥堵,完善中小学周边交通设施配套,维护学校周边交通秩序,同时保证小学生上下学期间的交通安全,建立中小学出行大数据分析系统十分必要。
技术实现思路
鉴于上述问题 ...
【技术保护点】
一种基于大数据的校车路径优化方法,其特征在于,具体包括:S1:对现有大量数据进行统计,得出先验信息;S2:利用赤池信息量模型,结合先验信息,提取特征参数子集;S3:依据特征参数子集,计算概率密度,得到交通拥堵程度;S4:划分区域,对每一区域内学生点进行初始静态路径规划;S5:基于静态路径和交通拥堵程度建立动态预测最优路线模型;S6:依次判断出最优点,得到最优路径。
【技术特征摘要】
1.一种基于大数据的校车路径优化方法,其特征在于,具体包括:S1:对现有大量数据进行统计,得出先验信息;S2:利用赤池信息量模型,结合先验信息,提取特征参数子集;S3:依据特征参数子集,计算概率密度,得到交通拥堵程度;S4:划分区域,对每一区域内学生点进行初始静态路径规划;S5:基于静态路径和交通拥堵程度建立动态预测最优路线模型;S6:依次判断出最优点,得到最优路径。2.根据权利要求1所述一种基于大数据的校车路径优化方法,其特征在于,赤池信息量模型为:AICH=logσ2+(m/n)logn其中σ2为模型方差,m为模型的最高参数,n为参数个数,选取AIC值最小的特征参数子集,即为最优影响因素子集。3.根据权利要求2所述一种基于大数据的校车路径优化方法,其特征在于,概率密度是网络各路段之间联系的拥堵程度;联系越紧密,路段的拥堵程度就越大,其计算公式如下:P=f(S,T,M)其中,S、T、M是上述赤池信息量模型选取出的影响因素。4.根据权利要求3所述一种基于大数据的校车路径优化方法,其特征在于,将不拥堵状态路段视为健康状态S,半拥堵状态视为感染状态I,拥堵状态视为被移除状态R;Sk(t)、Ik(t)和Rk(t)分别为具有k个边的节点处于不拥堵状态、半拥堵状态、拥堵状态的相对密度。5.根据权利要求3或4所述一种基于大数据的校车路径优化方法,其特征在于,S(t)、I(t)、R(t)分别表示网络中节点处于不拥堵状态、半拥堵状态、拥堵状态的平均密度,可用具有k个边的节点的相对密度表示为:6.根据权利要求4所述一种基于大数据的校车路径优化方法,其特征在于,不拥堵状态节点、半拥堵状态节点和拥堵状态节点的相对密度Sk(t)、Ik(t)和Rk(t)随时间演化的非线性微分方程为:
【专利技术属性】
技术研发人员:陈波,朱康特,郑庆国,熊文,陈小双,胡宏章,
申请(专利权)人:大连大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。