一种基于人工蜂群算法的通勤私家车拼车匹配方法组成比例

本发明专利技术涉及一种基于人工蜂群算法的通勤私家车拼车匹配方法，属于数据算法处理技术领域，特别是通勤私家车拼车匹配方法技术领域。本方法通过对人工蜂群优化算法进行改进，重新设计蜜源和适应度规则，将每辆通勤车的出发时间作为蜜源的每一个维度，出发时间的区间作为蜜源的变化区间，以车辆拼车后所节约的路径长度作为适应度，使其有更强的搜索能力和开发能力。本方法根据车辆RFID电子车牌标识数据，统计得到通勤私家车出行行程和通勤私家车出行行程子序列，可以提高实验效率，降低复杂度，此方法参数少，效率高，效果好，比其他方法可以节省更多的路程，使更多的私家车进行匹配，解决方案更好。方案更好。方案更好。

【技术实现步骤摘要】
一种基于人工蜂群算法的通勤私家车拼车匹配方法


[0001]本专利技术属于数据算法处理
，特别是通勤私家车拼车匹配方法
，涉及一种基于人工蜂群算法的通勤私家车拼车匹配方法。

技术介绍

[0002]近年来，随着经济的快速发展，私家车保有量越来越多。尤其在早晚高峰时期，大量的通勤私家车不仅引起城市交通拥堵，也造成了环境污染。尽管普通私家车具有至少5人的承载能力，早晚高峰时期，通勤私家车空座率较高，一人一车现象普遍存在。数量多、空座率高的通勤私家车出行导致城市道路交通流量增加、交通资源浪费、增加了环境污染、出行成本增加。
[0003]早晚高峰时期通勤私家车拼车出行是解决上述问题的有效途径。通勤私家车匹配是通勤私家车拼车的关键问题。目前对拼车匹配的方法主要是传统数据挖掘的方法和群智能优化算法。传统的数据挖掘方法如贪心算法，根据匹配条件为每一辆车找到对其最优匹配的车辆。然而这个方法不能得到全局最优解，并且此方法搜索一次需要消耗很长的时间，时间复杂度高，效率很低。群智能优化算法也是普遍用于解决拼车匹配的方法，例如遗传算法，粒子群算法，爬山本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工蜂群算法的通勤私家车拼车匹配方法，其特征在于：该方法包括以下步骤：S1、统计通勤车辆的通勤行程和出发时间区间，统计各行程的子序列路径，并全部存入数据库中；S2、确定人工蜂群算法的输入：种群大小s、根据通勤车数量确定蜜源解的维度M、蜜源数即种群大小s、侦察蜂个数即为蜜源的个数s、迭代次数n、最大尝试次数maxInvalidCount；S3、初始化时期：对种群进行初始化，利用侦察蜂初始化蜜源向量其中s为种群的大小；由于每个蜜源都是一个待优化问题的维度为M的解向量，因此每个都含有M个变量x
j
(j＝1,2,
…
M)，将每个x
j
初始化；蜜源向量初始化完成以后，根据适应度计算规则计算蜜源的每个解向量的适应度值，并记录下最优解和最优解的解向量，即完成种群初始化；S4、雇佣峰时期：雇佣蜂会依据其记忆中的食物源的位置进行邻居搜索，找食物源附近的更好的食物源；当雇佣蜂找到一个食物源之后，会评估其适应值，并更新最优解，最优解向量和尝试次数；S5、观察蜂时期：非雇佣蜂由两部分群体组成：观察蜂和侦察蜂；雇佣蜂会向在蜂巢中等待的观察蜂来分享它们获得的食物源信息，观察蜂会根据这些信息进行一种随机的选择；S6、侦察蜂时期：未雇佣蜂随机搜索食物源，称为侦察蜂；如果雇佣蜂超过了最大尝试次数maxInvalidCount之后，仍然未能提高解的质量，则雇佣蜂就变成为侦察蜂，其拥有的解就会被放弃，转换后的侦察蜂会以用蜜源初始化公式产生解；S7、根据输入的迭代次数n，对步骤S3到步骤S6进行迭代。2.根据权利要求1所述的一种基于人工蜂群算法的通勤私家车拼车匹配方法，其特征在于：在步骤S1中，具体包括以下步骤：S11、提取通勤私家车A的所有RFID电子车牌数据的通勤轨迹；S12、通勤私家车A的通勤轨迹按照车辆经过RFID采集点的时间升序进行排序，用一个序列表示，R＝<eid,r,t>，其中Tra
A
表示车辆A的轨迹，R表示一条RFID电子车牌数据，eid表示车辆的电子车牌号，r表示RFID采集点的标识号，t表示车辆被识别到的时间，表示车辆A经过第i个RFID采集点的时间，其中，通勤车A经过RFID的轨迹为S13、将通勤私家车A的通勤轨迹按照每个工作日的轨迹进行统计，提取出每日经过的每个采集点的最早和最晚时间，并存入数据库中，通勤私家车的通勤轨迹点时间区间数据表示为：其中，Commuter
A
表示通勤私家车A的通勤轨迹时间区间数据，和表示通勤私家车A经过第n个通勤轨迹点的最早时间和最晚时间；
S14、最后对所有通勤私家车执行上述步骤，将所有的通勤私家车的通勤轨迹点时间区间数据统计后存入数据库中。3.根据权利要求2所述的一种基于人工蜂群算法的通勤私家车拼车匹配方法，其特征在于：在步骤S2中，建立通勤行程子序列表，包括：S21、基于步骤S1中获取的所有通勤车的通勤轨迹点时间区间数据统计，选取一个通勤私家车，并记录其eid,origin,destination，将这三个信息放入原始的RFID电子车牌数据进行搜索，找到此车origin和destination之间经过的RFID点，并将这些RFID点记录下来，每两个点为一个子序列，并存入数据库中，每辆车起终点所包含的子序列可以表示为：s
i
＝<eid,origin,destination,subsequence1…
subsequence
n
>其中，s
i
表示第i条通勤行程子序列数据，eid表示此车的电子车牌标识号，origin表示此通勤车的通勤出发地，destination表示此车的通勤目的地，subsequence
n
表示此车起点到终点的第n个子序列；S21、对所有的通勤行程表中所有通勤私家车执行上述步骤，并将所有的通勤私家车得到的子序列存入通勤行程子序列中。4.根据权利要求3所述的一种基于人工蜂群算法的通勤私家车拼车匹配方法，其特征在于：在步骤S3中，具体包括以下步骤：S31、输入人工蜂群算法所需要的参数，种群大小s，根据通勤车数量确定蜜源解的维度M，蜜源数即种群...

【专利技术属性】
技术研发人员：郑林江，叶城霖，刘卫宁，孙棣华，
申请(专利权)人：重庆大学，
类型：发明
国别省市：