【技术实现步骤摘要】
本专利技术涉及交通调度，特别涉及一种基于q-learning的公交调度方法。
技术介绍
1、随着我国城市化进程的加速，公共交通系统在解决城市交通拥堵问题中发挥着越来越重要的作用。快速公交（bus rapid transit，简称brt）作为一种大容量、高效率的公共交通方式，已经在世界范围内得到了广泛的应用。如何有效地对快速公交进行调度，以提高运行效率和满足乘客需求，成为了一个亟待解决的问题。
2、现有技术中，专利公开号为cn116895144a的《一种基于深度强化学习的电动公交动态调度系统及方法》采用深度强化学习dqn算法，设计电动公交调度的深度强化学习程序，代价函数的设计考虑了服务效率、服务可靠性、运营成本，并对其进行训练，使得智能体能够根据训练好的神经网络产生调度决策；考虑了不同于燃油公交的电动公交所面临的短续航里程、长充电时间的问题，该方法同时考虑乘客的请求、电动公交本身的电量以及充电站的位置和状态，能够提供最优的充电规划以及调度决策。
3、在进行公交调度时，除了考虑运营收入和运营成本这些直接因素的影响，也...
【技术保护点】
1.一种基于Q-learning的公交调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于Q-learning的公交调度方法，其特征在于，步骤一中，所述历史运行数据包括：发车时间数据、线路数据、到站时间数据、GPS轨迹数据和刷卡数据。
3.根据权利要求1所述的一种基于Q-learning的公交调度方法，其特征在于，步骤二包括：
4.根据权利要求1所述的一种基于Q-learning的公交调度方法，其特征在于，步骤三中，所述利用Q-learning算法根据所述预期客流量数据构建得到调度模型的步骤包括：
5....
【技术特征摘要】
1.一种基于q-learning的公交调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于q-learning的公交调度方法，其特征在于，步骤一中，所述历史运行数据包括：发车时间数据、线路数据、到站时间数据、gps轨迹数据和刷卡数据。
3.根据权利要求1所述的一种基于q-learning的公交调度方法，其特征在于，步骤二包括：
4.根据权利要求1所述的一种基于q-learning的公交调度方法，其特征在于，步骤三中，所述利用q-learning算法根据所述预期客流量数据构建得到调度模型的步骤包括：
5.根据权利要求4所述的一种基于q-learning的公交调度方法，其特征在于，步骤三中，所述采用所述预期客流量数据对所述q矩阵进行训练包括：
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。