一种基于遗传算法的公交排班调度方法及系统技术方案

本发明专利技术公开了一种基于遗传算法的公交排班调度方法及系统，该方法包括以下步骤：S1、按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次；S2、统计每个站点的刷卡数量，并赋予不同站点不同的权重系数；S3、依据每条线路不同时段进行不同的发班次数调整，并通过遗传算法计算每个站点最小平均候车时间和所有候车时间的标准差。有益效果：本发明专利技术相比穷举法遍历所有线路的可能结果，采用遗传算法调参能更快的时间获取不同路线的最优的发班次数，从而可以更快计算出更小的候车时间以及候车时间标准差。

【技术实现步骤摘要】
一种基于遗传算法的公交排班调度方法及系统
本专利技术涉及智能交通
，具体来说，涉及一种基于遗传算法的公交排班调度方法及系统。
技术介绍
合理的公交调度排班，不仅能减少一天内总的发班班次，同时也能减少乘客的候车时间，增加乘客的乘车意愿。现有的公交调度系统大都是调整一天内的发次频次，或是只考虑某个高峰期的情况，又或是只考虑单一的候车时间作为优化指标，并没有考虑站点一天的客流量变化情况。在实际情况下，一天当中的每个站点的客流量有不同的多个非连续高峰期和多个非连续的非高峰期，因此，在发车班次一定的情况下，如何引入多个非连续高峰期或非高峰期作为参考，如何给站点分配不同的计算站点权重，调整不同线路的不同时段的发次频次，以满足乘客的乘车需求，成为一个亟待解决的问题。
技术实现思路
针对相关技术中的问题，本专利技术提出一种基于遗传算法的公交排班调度方法及系统，以克服现有相关技术所存在的上述技术问题。为此，本专利技术采用的具体技术方案如下：根据本专利技术的一个方面，提供了一种基于遗传算法的公交排班调度方法，该方法包括以下步骤：S1、按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次；S2、统计每个站点的刷卡数量，并赋予不同站点不同的权重系数；比如站点a和站点b的刷卡数量分别为1万和9万，那么总候车时间为：0.1*站点a的平均候车时间+0.9*站点b的平均候车时间，也就是说，想要最小化候车时间，那就尽可能的使站点b的平均候车时间越小，使得站点b的乘客更愿意乘坐公交，而非乘坐其他交通工具，能使公交经济效益最大化。S3、依据每条线路不同时段进行不同的发班次数调整，并通过遗传算法计算每个站点最小平均候车时间和所有候车时间的标准差。进一步的，所述S1中按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次包括以下步骤：S11、按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算；S12、获取交通出行量对之间的所有线路，并根据历史过去7天中每条线路站点的平均刷卡数量将一天分为6个不同时段进行统计；S13、根据每个时段的刷卡数量，并结合当前线路总的发班班次，得到不同线路的不同时段的初始化班次。例如：10号线每天总发班班次为50次，在过去7天内，平均每天乘客总刷卡数量为5万，而早上6点到9点的每天平均乘客刷卡数量为2万，则10号线在早上6点到9点的初始发班班次为50*2/5＝10次，其他时段的初始发班班次也依次类似计算。进一步的，所述S13中初始化班次的计算公式如下：其中，pi表示每个时段平均刷卡数量，btotal表示当前线路总的发班班次，ptotal表示当前线路当天总的刷卡量。进一步的，所述S2中站点的权重系数的计算公式如下：其中，表示站点的刷卡数量，ptotal表示当前线路当天总的刷卡量，Si为表示交通出行量对的上站站点的含义。进一步的，所述S3中依据每条线路不同时段进行不同的发班次数调整，并通过遗传算法计算每个站点最小平均候车时间和所有候车时间的标准差包括以下步骤：S31、确定互相影响候车时间的上站和下站交通出行量对及对应的线路组，并对互相影响的线路进行分组处理；S32、依据出发时间，计算每个交通出行量对的到站时间；S33、计算单个上站和下站交通出行量对的候车时间和候车时间标准差；S34、计算全部上站和下站交通出行量对的带权重的候车时间和候车时间标准差；S35、对于遗传算法调参互相影响的交通出行量对的所有线路的初始化班次列表的6个时段的发班班次，在保持总班次不变的情况下加上班次偏移列表，得到新的班次列表，并由新的班次列表得到新的带权重的候车时间标准差和带权重的候车时间，同时通过遗传算法不断迭代计算，最小化带权重的候车时间标准差和带权重的候车时间的两个参数；S36、通过获取的班次偏移列表来构建每条线路最佳的发班班次列表。进一步的，所述S32中到站时间的计算公式如下：tarrival＝tdepartment+r/v；其中，tdepartment表示发车时间，r表示上站站点距离发车点的线路长度，v表示公交平均时速。进一步的，所述S33中计算单个上站和下站交通出行量对的候车时间和候车时间标准差包括以下步骤：S331、设定每个上站和下站的交通出行量对的所有路线的到站时间列表为Tarrival，其中，到站时间列表Tarrival的公式如下：S332、计算交通出行量对的候车时间，其中，候车时间Twait的计算公式如下：S333、计算交通出行量对的平均候车时间，其中，平均候车时间tavg-wait的计算公式如下：其中，n表示到达上站站点的时间的个数减去1，表示为第i个班次的到站时间；S334、计算交通出行量对的候车时间的标准差，其中，候车时间的标准差σavg-wait的计算公式如下：其中，N1表示到达上站站点的时间的个数，表示为第i个班次的到站时间。进一步的，所述S34中计算全部上站和下站交通出行量对的带权重的候车时间和候车时间标准差包括以下步骤：S341、设定全部上站和下站交通出行量对的带权重的候车时间为tavg-wait-weight，其中，带权重的候车时间tavg-wait-weight的计算公式如下：其中，表示为第i个上站和下站交通出行量对的对应的权重系数，表示为第i个上站和下站交通出行量对的对应的平均候车时间；S342、计算全部上站和下站交通出行量对的带权重的候车时间标准差σavg-wait-weight，其中，带权重的候车时间标准差σavg-wait-weight的计算公式如下：进一步的，所述S35中在保持总班次不变的情况下加上班次偏移列表还包括：调试不同的参数值，并采用遗传算法对每个分组的线路依次取值偏移列表进行调整，其中，所述采用遗传算法对每个分组的线路依次取值偏移列表进行调整包括以下步骤：先对偏移列表取值结果的参数进行二进制编码；进行遗传算法中的轮盘赌选择操作；进行交叉、变异操作，通过最小化带权重的候车时间标准差和带权重的候车时间的两个参数作为评价函数，获取更优的班次偏移列表。根据本专利技术的另一个方面，提供了一种基于遗传算法的公交排班调度系统，该系统包括基于时段的发班班次初始化模块、站点权重计算模块、基于遗传算法的站点候车时间及标准差计算模块；其中，所述基于时段的发班班次初始化模块用于按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次；所述站点权重计算模块用于统计每个站点的刷卡数量，并赋予不同站点不同的权重系数；所述基于遗传算法的站点候车时间及标准差计算模块用于依据每条线路不同时段进行本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的公交排班调度方法，其特征在于，该方法包括以下步骤：/nS1、按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次；/nS2、统计每个站点的刷卡数量，并赋予不同站点不同的权重系数；/nS3、依据每条线路不同时段进行不同的发班次数调整，并通过遗传算法计算每个站点最小平均候车时间和所有候车时间的标准差。/n

【技术特征摘要】
1.一种基于遗传算法的公交排班调度方法，其特征在于，该方法包括以下步骤：
S1、按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次；
S2、统计每个站点的刷卡数量，并赋予不同站点不同的权重系数；
S3、依据每条线路不同时段进行不同的发班次数调整，并通过遗传算法计算每个站点最小平均候车时间和所有候车时间的标准差。


2.根据权利要求1所述的一种基于遗传算法的公交排班调度方法，其特征在于，所述S1中按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算及分析，得到不同线路的不同时段的初始化班次包括以下步骤：
S11、按照客流量数量由高至低引入预设数量的上站和下站的交通出行量对进行计算；
S12、获取交通出行量对之间的所有线路，并根据历史过去7天中每条线路站点的平均刷卡数量将一天分为6个不同时段进行统计；
S13、根据每个时段的刷卡数量，并结合当前线路总的发班班次，得到不同线路的不同时段的初始化班次。


3.根据权利要求2所述的一种基于遗传算法的公交排班调度方法，其特征在于，所述S13中初始化班次的计算公式如下：



其中，pi表示每个时段平均刷卡数量，btotal表示当前线路总的发班班次，ptotal表示当前线路当天总的刷卡量。


4.根据权利要求1所述的一种基于遗传算法的公交排班调度方法，其特征在于，所述S2中站点的权重系数的计算公式如下：



其中，表示站点的刷卡数量，ptotal表示当前线路当天总的刷卡量，Si为表示交通出行量对的上站站点的含义。


5.根据权利要求1所述的一种基于遗传算法的公交排班调度方法，其特征在于，所述S3中依据每条线路不同时段进行不同的发班次数调整，并通过遗传算法计算每个站点最小平均候车时间和所有候车时间的标准差包括以下步骤：
S31、确定互相影响候车时间的上站和下站交通出行量对及对应的线路组，并对互相影响的线路进行分组处理；
S32、依据出发时间，计算每个交通出行量对的到站时间；
S33、计算单个上站和下站交通出行量对的候车时间和候车时间标准差；
S34、计算全部上站和下站交通出行量对的带权重的候车时间和候车时间标准差；
S35、对于遗传算法调参互相影响的交通出行量对的所有线路的初始化班次列表的6个时段的发班班次，在保持总班次不变的情况下加上班次偏移列表，得到新的班次列表，并由新的班次列表得到新的带权重的候车时间标准差和带权重的候车时间，同时通过遗传算法不断迭代计算，最小化带权重的候车时间标准差和带权重的候车时间的两个参数；
S36、通过获取的班次偏移列表构建每条线路最佳的发班班次列表。


6.根据权利要求5所述的一种基于遗传算法的公交排班调度方法，其特征在于，所述S32中到站时间的计算公式如下：
tarrival＝tdepartment+r/v；
其中，tdepartment表示发车时间，r表示上站站点距离发车点的线路长度，v表示公交平均时速。

【专利技术属性】
技术研发人员：宁煌，马驰，吴名朝，
申请(专利权)人：浩鲸云计算科技股份有限公司，
类型：发明
国别省市：江苏;32