一种通勤车管理用路径规划方法和装置与流程

1.本发明涉及通勤车路径规划领域，尤其是涉及一种通勤车管理用路径规划方法和装置。


背景技术：

2.目前的对通勤车的管理系统正在逐步实现通勤业务的数字化和信息化，但通勤车的路径规划，仍然是通过人工经验规范路线，该方法费心费力，无法结合运营数据规划出最优的路线。


技术实现要素：

3.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能智能规划路线的通勤车管理用路径规划方法和装置。
4.本发明的目的可以通过以下技术方案来实现：
5.一种通勤车管理用路径规划方法，包括以下步骤：
6.站点数据获取步骤：获取各站点的历史乘车数据；
7.站点数据分析步骤：根据历史乘车数据，对各站点进行数据分析，获取各站点的乘车分析数据；
8.参数设定步骤：预先配置车辆通用参数和路径规划参数；
9.路径规划获取步骤：采用遗传算法遍历各站点，根据各站点的乘车分析数据、车辆参数以及路径规划参数，获取最优路线包。
10.进一步地，所述乘车分析数据包括上班站点最多人数、上班站点最少人数、上班站点平均人数、下班站点最多人数、下班站点最少人数、下班站点平均人数和站点预约人数。
11.进一步地，所述遗传算法的适应性选择结果基于在途总时间、车次和装载率判断，所述在途时间、车次和装载率基于所述乘车分析数据和车辆通用参数计算；
12.所述车次越少，在途总时间越短，装载率越高，则所述适应性选择结果越优。
13.进一步地，所述车辆通用参数包括平均车速、最长在途时间和车辆核载人数。
14.进一步地，所述路径规划参数包括交叉率、变异因子、最大进化代数和种族大小。
15.进一步地，所述路径规划获取步骤，还包括对获取的所述最优路线包进行人工干预。
16.进一步地，所述路径规划获取步骤具体为：
17.路线需求获取子步骤：获取路线需求；
18.初始化种群生成子步骤：根据路线需求，初始化种群路线；
19.遗传算法进化子步骤：对初始化种群路线依次进行进化、自适应函数计算、选择、交叉和变异，从而对种群路线进行迭代更新；
20.最优路线包获取子步骤：将迭代次数最多的路线作为最优路线包。
21.本发明还提供一种通勤车管理用路径规划装置，包括存储器和处理器，所述存储
器存储有计算机程序，处理器调用所述计算机程序执行如上所述的方法的步骤。
22.与现有技术相比，本发明具有以下优点：
23.(1)本发明将遗传算法用于通勤车的路径规划中，通过对近期及以往的乘车数据进行分析，合理智能地规划路线，实现资源的合理调度、避免车辆运客少，上座率低，造成资源的浪费。
24.(2)本发明通勤车管理用路径规划方法中，遗传算法基于所述上班站点最多人数、上班站点最少人数、上班站点平均人数、下班站点最多人数、下班站点最少人数、下班站点平均人数和车辆通用参数，对该线路进行分析计算，从在途时间、人数和空载率等多个角度，获取适应性选择结果，从而得到最优路线包，
25.(3)本发明对获取的最优路线包还进一步增加人工干预，管理人员参考最优路线包，进行合理调整，从而录入系统，进一步保证了路径规划的可靠性和合理性。
26.(4)本发明提出采用差分进化算法获取最优路线包，具有结构简单、鲁棒性强和进化速度快等优点，提高路径规划效率。
附图说明
27.图1为本发明通勤车管理用路径规划方法的第一流程示意图；
28.图2为本发明通勤车管理用路径规划方法的第二流程示意图；
29.图3为遗传算的进化流程示意图。
具体实施方式
30.下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
31.实施例1
32.如图1和图2所示，本实施例提供一种通勤车管理用路径规划方法，包括以下步骤：
33.站点数据获取步骤s1：获取各站点的历史乘车数据；
34.站点数据分析步骤s2：根据历史乘车数据，对各站点进行数据分析，获取各站点的乘车分析数据；乘车分析数据包括上班站点最多人数、上班站点最少人数、上班站点平均人数、下班站点最多人数、下班站点最少人数、下班站点平均人数、站点预约人数和站点间距离。
35.参数设定步骤s3：预先配置车辆通用参数和路径规划参数；车辆通用参数包括平均车速、最长在途时间和车辆核载人数。路径规划参数包括交叉率、变异因子、最大进化代数和种族大小。车辆通用参数是生成路线的重要依据，每辆车的核载人数限制了车辆数量的最优方案。
36.如图3所示，路径规划获取步骤s4：采用遗传算法遍历各站点，根据各站点的乘车分析数据、车辆参数以及路径规划参数，获取最优路线包。
37.路径规划获取步骤具体包括：
38.路线需求获取子步骤：获取路线需求；
39.初始化种群生成子步骤：根据路线需求，选择需要生成路线包的站点，以站点为基
础初始化种群路线；
40.遗传算法进化子步骤：以设定的参数和站点为基础，以遗传算法为核心，生成相应代数的路线包，具体为，按照预设种群大小初始化每个种群，随机生成各个种群的指定数量的染色体，计算种群内每个染色体的适应度。各个种群按照预设的变异因子进行变异；按照预设的交叉因子进行交叉，然后选择其中适应度最佳的染色体进行遗传，进入下一代。
41.需要车次越少，在途总时间越短，装载率越高，则适应性选择结果越优。
42.最优路线包获取子步骤：进化指定的代数，选择最终适应度最佳的作为本次的最优路线包。
43.系统会根据遗传算法设定的参数和选择的站点及站点乘车人数，生成相对应的路线包；
44.遗传算法的基本运算过程如下：
45.a)初始化：设置进化代数计数器t＝0，设置最大进化代数t，随机生成m个体作为初始群体p(0)。
46.b)个体评价：计算群体p(t)中各个个体的适应度。
47.c)选择运算：将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。
48.d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。
49.e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。
50.群体p(t)经过选择、交叉、变异运算之后得到下一代群体p(t 1)。
51.f)终止条件判断：若t＝t，则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。
52.人工干预步骤s5：对获取的最优路线包进行人工干预：将最优路线包反馈给管理人员，供其参考。管理人员对生成的路线进行合理调整，从管理后台录入系统。
53.本实施例还提供一种通勤车管理用路径规划装置，包括存储器和处理器，存储器存储有计算机程序，处理器调用计算机程序执行如上的一种通勤车管理用路径规划方法的步骤。
54.实施例2
55.本实施例与实施例1大体相同，不同点在于，本实施例路径规划获取步骤中，采用差分进化算法，替换遗传算法，遍历各站点，根据各站点的乘车分析数据、车辆参数以及路径规划参数，获取最优路线包。差分进化算法的进化流程与遗传算法非常类似，都包括变异、杂交和选择操作，均可用于本实施例的路径规划。
56.本实施例中车辆通用参数和路径规划参数的配置如表1所示。
57.表1
[0058][0059]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。