【技术实现步骤摘要】
本专利技术涉及交通调度，具体而言，涉及一种基于完全子图和插入式遗传算法的城际拼车单侧静态调度方法。
技术介绍
1、随着城市化进程的加快，人口流动和交通需求的增加，城际客运拼车已经成为现代社会重要的出行方式。城际客运拼车的静态调度通常是指在确定的车辆资源、乘客订单及限定条件和已知环境下所进行的调度，其目标是在满足客流需求的条件下，尽可能的利用调度资源来使目标结果最大化，能够有效的帮助城际预约出行服务提前规划好车辆的路径选择、服务时间等问题。
2、当前“城际拼车”的主要发展方向是以盈利为目的且熟悉固定线路的专职司机提供出行服务，在此模式下，主要以本地熟悉路况的司机们组成规模不一的车队，通过车队间的相互沟通联系客源，提供固定几个城市之间的出行服务，该模式存在的主要问题有：(1)城际拼车问题大部分轨迹重合，且乘客间的时空位置关系与车辆路径之间高度耦合，使问题求解困难。(2)现有模型未综合乘客利益且考虑路径的通道问题和绕路系数带来的影响，建模困难且求解效率低。
3、有效发挥城际拼车的优势除了加大“城际拼车”的宣传力度，完善行业相关规范，还需解决有关拼车的一系列问题，诸如同辆车乘客间上、下车范围的确定，不同服务间价格的合理制定，车辆路径规划等问题。
4、有鉴于此，申请人在研究了现有的技术后特提出本申请。
技术实现思路
1、本专利技术提供了一种基于完全子图和插入式遗传算法的城际拼车单侧静态调度方法，以改善上述技术问题中的至少一个。
2、本专利技术实
3、s1、获取城际网约车的历史订单数据集，并进行预处理。
4、s2、从预处理后的数据集中提取所需字段，以获取各个订单的输入订单数据。
5、s3、根据所述输入订单数据，分别计算任意两名用户之间的时空相似性。
6、s4、以所述时空相似性作为矩阵的元素生成关于n名乘客的n×n维的合乘权值矩阵。
7、s5、根据所述合乘权值矩阵生成关于n名乘客的合乘带权图g。
8、s6、根据所述合乘带权图搜索1到k阶的完全图，获取合乘完全图集合gset。其中，k为客运车辆最大载客数。
9、s7、多次按照高阶数的完全图优先的方式在合乘完全图集合中搜索符合合乘约束条件的可行子图组合，以得到遗传算法的原始种群。其中，一个可行子图组合作为原始种群中的一个可行解。
10、s8、重复执行步骤s9直至迭代次数达到预设次数后，从最新的种群中选择适应度最高的个体作为城际拼车客运的静态调度的解。
11、s9、根据旧的种群，以适应度大小为依据采用轮盘赌策略选择c个个体进行交叉运算和变异运算从而获取多个新的个体。然后根据所述多个新的个体，采用精英保留策略替换旧的种群中适应度最差的多个个体，获取新的种群。其中，第一次迭代时，以所述原始种群作为所述旧的种群，后续迭代以前一次迭代生成的新的种群作为所述旧的种群。
12、在一个可选的实施例中，步骤s1具体包括步骤s11和步骤s12。
13、s11、获取城际网约车的历史订单数据集。
14、s12、删除所述历史订单数据集中的无用数据和干扰数据。其中，所述无用数据包括：货件数据。所述干扰数据包括：未履约数据和缺失数据。
15、在一个可选的实施例中，步骤s2中的所需字段包括：乘客id、下单时间、预约出发时间、预约起点、预约终点、订单类型、订单人数、订单状态和线路id。
16、在一个可选的实施例中，步骤s3具体包括步骤s31和步骤s32。
17、s31、根据所述输入订单数据，根据订单人数对订单进行拆分并生成子订单，以使每个子订单对应一个用户，并且约束拆分得到的用户乘坐同一辆车，以获取n个用户的订单。
18、s32、根据所述n个用户的订单，基于订单的预约出发时间和预约起点计算任意两名用户之间的时空相似性。其中，所述时空相似性计算模型为：
19、
20、式中，为时空相似性、为时间相似性常数、为时间相似性，表示两名乘客在出发时间上的相近程度、为空间相似性常数、为空间相似性，表示两个乘客在地理空间位置上的相近程度。
21、在一个可选的实施例中，步骤s4具体包括：对于输入数据中的所有n名乘客，以时空相似性作为矩阵的元素生成关于n名乘客的n×n维的合乘权值矩阵。其中，矩阵主对角线上的元素为0。
22、在一个可选的实施例中，步骤s5具体包括步骤s51和步骤s52。
23、s51、根据所述合乘权值矩阵，生成n名乘客的带权完全图。其中，带权完全图以乘客作为节点，以合乘权值矩阵的元素作为节点间的连边权值。
24、s52、依据预设的合乘权值阈值删去n阶的带权完全图中小于阈值的连边，获取合乘带权图g。
25、在一个可选的实施例中，步骤s6的合乘完全图集合gset中的不同的完全子图中允许有重合的节点。
26、在一个可选的实施例中，步骤s7具体包括步骤s71和步骤s72。
27、s71、重复以下步骤，直至得到预设数量个可行解，以可行解作为遗传算法的个体从而得到的原始种群。
28、s72、在满足约束条件的情况下将1-k阶合乘完全图集合gset按照高阶完全图优先的方式分配给运营车辆。其中，对于一个小于k阶的完全图，首先在已分配拼车集中搜索是否能够找到一个能够合乘的车辆染色体，若能找到则插入拼车集中的染色体，否则分配给未分配的运营车辆后加入拼车集，直至包含所有乘客且满足所有约束条件后得到的一个可行子图组合作为调度的一个可行解。染色体表示运营车辆的行程规划，每条染色体代表一辆车的行程规划，不同行程用数字0分隔开，每条染色体由一个或者多个gset中的完全图构成；染色体中的基因为乘客编号，基因的顺序代表运营车辆的接客顺序；约束条件包括1、每个个体内部的染色体基因不重复；2、每个个体包含所有的乘客；一个个体包含多条染色体。
29、在一个可选的实施例中，步骤s8和步骤s9中的适应度为客运公司所能获得的利润。
30、在一个可选的实施例中，步骤s9具体包括步骤s91至步骤s93。
31、s91、根据旧的种群，以适应度大的个体优先为前提采用轮盘赌策略选择c个个体进行交叉运算和变异运算，获取多个未筛选个体。其中，交叉运算为：对于、两个个体，随机选择各自染色体上相同长度的染色体片段和进行交换，将插入后删除中与重复的乘客，将插入后删除中与重复的乘客。单点变异运算为：对于某个个体中的染色体，随机选择其中两个基因的位置进行交换。
32、s92、剔除所述多个未筛选个体中不符合约束条件的个体，获取多个新的个体。
33、s93、采用精英保留策略在多个新的个体中选择适应度最高的x个个体替代旧的种群中适应度最差的x个个体，获取新的种群。
34、通过采用上述技本文档来自技高网...
【技术保护点】
1.一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，包含步骤S1至步骤S9；
2.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S1具体包括步骤S11和步骤S12；
3.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S3具体包括步骤S31和步骤S32；
4.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S4具体包括：对于输入数据中的所有n名乘客，以时空相似性作为矩阵的元素生成关于n名乘客的n×n维的合乘权值矩阵；其中，矩阵主对角线上的元素为0。
5.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S5具体包括步骤S51和步骤S52；
6.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S7具体包括步骤S71和步骤S72；
7.根据权利要求1所述的一种基于完全子图和插入
8.根据权利要求1至7任意一项所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S6的合乘完全图集合Gset中的不同的完全子图中允许有重合的节点。
9.根据权利要求1至7任意一项所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤S8和步骤S9中的适应度为客运公司所能获得的利润。
...【技术特征摘要】
1.一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，包含步骤s1至步骤s9；
2.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤s1具体包括步骤s11和步骤s12；
3.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤s3具体包括步骤s31和步骤s32；
4.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼车静态调度方法，其特征在于，步骤s4具体包括：对于输入数据中的所有n名乘客，以时空相似性作为矩阵的元素生成关于n名乘客的n×n维的合乘权值矩阵；其中，矩阵主对角线上的元素为0。
5.根据权利要求1所述的一种基于完全子图和插入式遗传算法的城际拼...
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。