一种基于任务班次公平性的公交司机排班方法与流程

1.本发明涉及城市公交交通领域，具体涉及一种基于任务班次公平性的公交司机排班方法，旨在通过使用大型邻域搜索(lns)算法等启发式算法实现对复杂情况的司机排班方案的快速制定。


背景技术：

2.公共交通服务公司之间的竞争促使公交公司提供更好的服务以吸引更多乘客。2018年开始，多家公交公司尝试开通定制公交服务(乘客可根据需要预约时间和地点)，以满足乘客多样化的出行需求。例如，在北京南站等主要城市的车站，公交公司根据同期乘客数量和乘客目的地安排定制公交车。这种服务导致公交公司投资于更多的司机和车辆。但近几年公交公司面临司机短缺的问题，短时间内无法招聘到足够的司机来满足车辆驾驶安排。因此，公交公司必须将司机从其他不繁忙的线路中转移，以满足响应需求的巴士服务需求。
3.由于定制化公交服务的需求一直在变化，因此抽调的司机的数量和时间并不总是相同的。同时，这种临时借调会打乱原有的调度计划。司机被借调走的原公交路线的每日排班时刻表变得无法执行。为了保证原线路的服务质量，需要利用剩余的司机完成所有的班次。因此，存在司机抽调的公交线路需要一个新的调度方案。新的调度方案要求尚未调派的司机在多天(可能是一周、半个月或任意天数)内完成公交线路的所有任务。所以司机任务班次的公平性是一个需要考虑的问题。
4.现有的城市公交排班多是基于调度员多年的排班经验进行的人工排班，这种原始的排班方式尽管可以满足日常的公交排班需要，但是需要较长的计算时间，无法应对突发班次调整等状况，并且由于人工排班的弊端导致部分司机存在着任务衔接不合理，任务强度不公平的情况。随着近几年来计算机技术和大数据技术的发展，在公交司机排班领域可以进行更大规模的数据采集和数字化处理，排班方案的合理性有了较大的提升，基于此，本发明提出一种基于任务班次公平性的公交司机排班方法。


技术实现要素：

5.为了解决上述问题，本发明提出一种基于任务班次公平性的公交司机排班方法，该方法通过大型邻域搜索(lns)算法，产生满足线路发车间隔、发车对数、可安排司机数量、单司机单日工作时长限制等要求的可行排班方案集合，并根据司机任务班次工作强度(usdi)和司机任务空闲不公平性(usdit)来衡量每个方案的公平性。
6.本发明为实现制定保证司机任务班次公平性的公交司机排班的目的，包含了司机任务班次工作强度(usdi)和司机任务空闲不公平性(usdit)等多个衡量司机任务班次的指标，相比于传统的人工排班方法有效地量化任务方案的合理性，提升了司机的满意度。基于以上，本发明提出基于任务班次公平性的公交司机排班方法主要有三个方面组成，分别是：单司机单日所有可行的班次组合、满足条件限制的多日单司机任务班次组合和多日多司机
组合排班方案。
7.本发明提出的基于任务班次公平性的公交司机排班方法，核心在于从司机任务强度和司机空闲时间两个角度来考虑司机任务的公平性。首先对公交线路每个班次进行了班次强度的衡量。因为不同时刻的任务班次存在着不同的工作强度，例如早晨第一班次可能在五、六点钟就需要到岗准备，一日中的最晚班次可能要工作到夜晚十一、十二点，同时执行晚上最晚班次和第二天的第一班次所产生的任务强度远大于其他班次的任务强度，因此需要避险这样的情况发生。同时，司机一天中的轮班休息时间和用餐时间都包含在空闲时间中，如果某一名司机所执行的班次中多次乃至长时间无法在中午得到休息，那么对行车安全及司机的健康是有严重影响的，因此需要保证不同司机的空闲时间尽可能相同。
8.本发明提出的基于任务班次公平性的公交司机排班方法是一种基于两阶段启发式方法来求解的模型，在计算过程中把问题分成两部分可以提高计算效率。在第一阶段，我们通过大型邻域搜索(lns)方法创建了一组满足各种相关限制的可行单司机单日初始解ri。第二阶段，通过构造改进的nsga2算法，从满足线路排班方案的多司机单日可行解ωi中找出多日可行司机排班方案集合ω。通过有效地将复杂问题分解为两阶段，提高了方案计算的效率，缩短了计算时间。
9.本发明采用的技术方案是：
10.一种基于任务班次公平性的公交司机排班方法，具体步骤如下：
11.步骤一、计算得到单司机单日所有可行的班次组合，包括如下子步骤：
12.s101根据所需计算公交线路的自身特点，获取公交线路发车间隔ti、发车对数nq、可进行排班的最大司机数量d
max
、单司机单日工作时长限制t
dmax
等参数；并将车辆发车时间等关键数据按照约定的格式录入到数据库当中，设定数据属性格式、字段内容、数据集大小；
13.s102计算满足公交线路运行的最少司机人数km。根据所属公交线路要求的发车间隔ti、发车对数nq、单日班次任务数nd、司机工作时间的限制t
dmax
和其他限制要求，计算出最少的司机人数km；
[0014][0015]
其中x
rdij
∈{0，1}，，当表示天数d的由司机r来执行第i个班次和第j个班次，且司机的总人数不超过km。
[0016]
s103生成满足各种相关限制的可行单司机单日初始解ri。根据单日的班次任务数nd和司机单日工作时间的限制t
dmax
，生成满足相关限制的单司机单日可行的班次任务组合集合r。
[0017]
步骤二、基于大型邻域搜索(lns)算法计算得到满足单日全部线路班次需求的任务班次组合，包括如下子步骤：
[0018]
s201生成该线路单日可行的司机排班方案的初始可行解。根据上一步得到单司机单日可行的班次任务组合集合r，通过使用大邻域搜索(lns)算法产生该线路单日可行的司机排班方案的初始可行解ω1；
[0019]
s202计算得到满足线路排班方案的初始可行解ω1的任务班次公平性指标。计算每个驾驶员的总工作空闲时间i和总工作强度s，其中c
ij
代表单日班次i与单日班次j之间的
任务空闲时间，si代表单日班次i所代表的工作任务强度。
[0020]
s203根据满足线路排班方案的初始可行解ω1，使用大型邻域搜索(lns)算法产生新的满足线路排班方案的可行解ωi，并形成多目可行司机排班方案集合ω；
[0021]
步骤三、将多日可行司机排班方案集合ω再次组合成最终的司机排班方案，包括如下子步骤：
[0022]
s301计算多日可行司机排班方案集合ω中的全部的司机任务班次工作强度(usdi)和司机任务空闲不公平性(usdit)；
[0023]
s302基于前述最少司机人数km，最小化司机任务班次工作强度(usdi)和司机任务空闲时间不公平性(usdit)，并最后计算得到最终的多日多司机排班任务方案；由于本模型为双目标函数模型，因此目标函数分别为，和其中，代表司机k在该排班方案中的班次任务强度不公平性；
[0024][0025]
代表司机k在全部本次排班方案的任务强度，sa表示全部司机在本次排班方案中的平均任务强度；
[0026]
代表司机司机k在该排班方案中的班次任务空闲时间不公平性；
[0027][0028]
代表司机k在全部本次排班方案的任务空闲时间，ia表示全部司机在本次排班方案中的平均空闲时间。
[0029]
本发明的优点在于：
[0030]
(1)本发明通过使用大型邻域搜索(lns)算法计算单日可行解，可以有效避避免可行解局部最优的情况，有效兼顾生成可行解的随机性和时间性要求，保证了可行解的质量，减少了方案生成的时间。
[0031]
(2)本发明通过使用司机任务班次工作强度(usdi)和司机任务空闲不公平性(usdit)作为目标函数，考虑了不同司机间任务的公平性，极大地提高了排放方法计算出的方案的实践性和可操作性，更为贴近实际的司机排班方案，避免了由于司机排班方案差异性较大，导致的人员矛盾。
附图说明
[0032]
图1为本发明整个算法流程示意图。
[0033]
图2为本发明具体事例公交线路班次示意图。
具体实施方式
[0034]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0035]
实施例。
[0036]
本发明提出一种基于任务班次公平性的公交司机排班方法，该方法通过大型邻域搜索(lns)算法，产生满足线路发车间隔、发车对数、可安排司机数量、单司机单日工作时长限制等要求的可行排班方案集合，并根据司机任务班次工作强度(usdi)和司机任务空闲不公平性(usdit)来衡量每个方案的公平性。在具体实例中，以某一郊区公交线路为例，该线路每日双向发车共96班及各班次任务强度，如图1、2所示。
[0037]
步骤一、计算得到单司机单日所有可行的班次组合，包括如下子步骤：
[0038]
s101根据所需计算公交线路的自身特点，获取公交线路发车间隔ti＝15～30、发车对数nq＝48、可进行排班的最大司机数量d
max
、单司机单日工作时长限制t
dmax
＝8等参数；并将车辆发车时间等关键数据按照约定的格式录入到数据库当中，设定数据属性格式、字段内容、数据集大小；
[0039]
s102计算满足公交线路运行的最少司机人数km(12人)。根据所属公交线路要求的发车间隔ti＝15～30、发车对数nq、单日班次任务数nd＝8、司机工作时间的限制t
dmax
＝8和其他限制要求，计算出最少的司机人数km；
[0040][0041]
其中x
rdij
∈{0，1}，，当表示天数d的由司机r来执行第i个班次和第j个班次，且司机的总人数不超过km。
[0042]
s103生成满足各种相关限制的可行单司机单日初始解ri。根据单日的班次任务数nd和司机单日工作时间的限制t
dmax
，生成满足相关限制的单司机单日可行的班次任务组合集合r。
[0043]
步骤二、基于大型邻域搜索(lns)算法计算得到满足单日全部线路班次需求的任务班次组合，包括如下子步骤：
[0044]
s201生成该线路单日可行的司机排班方案的初始可行解。根据上一步得到单司机单日可行的班次任务组合集合r，通过使用大邻域搜索(lns)算法产生该线路单日可行的司机排班方案的初始可行解ω1；
[0045]
s202计算得到满足线路排班方案的初始可行解ω1的任务班次公平性指标。计算每个驾驶员的总工作空闲时间i和总工作强度s，其中c
ij
代表单日班次i与单日班次j之间的任务空闲时间，si代表单日班次i所代表的工作任务强度。
[0046]
s203根据满足线路排班方案的初始可行解ω1，使用大型邻域搜索(lns)算法产生新的满足线路排班方案的可行解ωi，并形成多日可行司机排班方案集合ω；
[0047]
步骤三、将多日可行司机排班方案集合ω再次组合成最终的司机排班方案，包括如下子步骤：
[0048]
s301计算多日可行司机排班方案集合ω中的全部的司机任务班次工作强度(usdi)和司机任务空闲不公平性(usdit)；
[0049]
s302基于前述最少司机人数km，最小化司机任务班次工作强度(usdi)和司机任务空闲时间不公平性(usdit)，并最后计算得到最终的多日多司机排班任务方案；由于本模型为双目标函数模型，因此目标函数分别为，和其中，代表司机k在该排
班方案中的班次任务强度不公平性；
[0050][0051]
代表司机k在全部本次排班方案的任务强度，sa表示全部司机在本次排班方案中的平均任务强度；
[0052]
代表司机司机k在该排班方案中的班次任务空闲时间不公平性；
[0053][0054]
代表司机k在全部本次排班方案的任务空闲时间，ia表示全部司机在本次排班方案中的平均空闲时间。
[0055]
根据该线路要求，使用最少司机12名，生成5日的司机班次结果如下：
[0056]
[0057]
[0058]