一种基于深度学习的新能源公交车跨线路运营方法技术

本发明专利技术提供了一种基于深度学习的新能源公交车跨线路运营方法，通过建立基于SAC算法的神经网络并利用包括跨线调度的公交线路网络历史数据进行训练，能够有效提高整个公交线路网络的运营效率并减少不必要的空驶成本。利用线路存在重叠的不同线路运行数据对神经网络进行二次训练，可以使神经网络对公交网络规划或乘客主观因素所导致的客流变化具有更强的适应性，从而显著提高跨线路调度及整改公交网络的运营效率。

【技术实现步骤摘要】

本专利技术属于公交车辆运营与调度，具体涉及一种基于深度学习的新能源公交车跨线路运营方法。

技术介绍

1、在公共交通网络运行中，客流与相应运力需求的潮汐现象长期存在，使得一些公交线路常会发生高峰时段运力资源不足、非高峰时段运力过盛的情况，而对于这种情况现有的公交线路排班方式还无法有效解决，虽然根据时段设置不同的发车间隔能够部分缓解高峰期的运力紧张，但对于客流量变化缺乏较好的动态适应性，更无法应对事故、交通管制等偶发事件所导致的极高运力需求，因而限制了公交线路网络的整体运行效率。

技术实现思路

1、有鉴于此，针对本领域中存在的技术问题，本专利技术提供了一种基于深度学习的新能源公交车跨线路运营方法，通过在公交线路网络中设置多辆公交车，使其在需要时变更行驶线路以提升整体运力运营效率。所述方法具体包括以下步骤：

2、步骤一、针对一定时期内整个公交线路网络中各站点在每日不同时段的历史乘客人数进行统计，并获取包括各线路站点编号lk、时段p、公交网络中的乘客总人数np的历史数据；对各条公交线路的始发与终点站点分配本文档来自技高网...

【技术保护点】

1.一种基于深度学习的新能源公交车跨线路运营方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的方法，其特征在于：步骤一中获取历史数据时具体选择每日不同时段的客流变化存在一定相似性的一定时期；对于具有上下行两方向的公交线路，将其作为两条不同的公交线路来获取历史数据，而对于环线则仅作为一条线路；针对所述乘客总人数Np具体以电子购票事件的发生次数进行统计。

3.如权利要求1所述的方法，其特征在于：步骤二中所建立的建立基于SAC算法的神经网络具体包括：一个Actor网络、四个Critic网络、一个经验池、一个二叉树结构；其中，四个Critic网络具体为两个当前C...

【技术特征摘要】

1.一种基于深度学习的新能源公交车跨线路运营方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的方法，其特征在于：步骤一中获取历史数据时具体选择每日不同时段的客流变化存在一定相似性的一定时期；对于具有上下行两方向的公交线路，将其作为两条不同的公交线路来获取历史数据，而对于环线则仅作为一条线路；针对所述乘客总人数np具体以电子购票事件的发生次数进行统计。

3.如权利要求1所述的方法，其特征在于：步骤二中所建立的建立基于sac算法的神经网络具体包括：一个actor网络、四个c...

【专利技术属性】
技术研发人员：辛涛，安振佳，刘强，唐晓猛，杨芳，张宇，黄建民，张欣莹，
申请(专利权)人：隆瑞三优新能源汽车科技有限公司，
类型：发明
国别省市：