一种基于无人驾驶公交车精准客流预测的自适应动态排班方法及系统与流程

1.本发明涉及无人驾驶公交智能调度技术领域，具体为一种基于无人驾驶 公交车精准客流预测的自适应动态排班方法及系统。


背景技术：

2.随着无人驾驶技术的不断突破与发展，由于公交车线路固定，道路行驶 过程中普通社会车辆干扰小，因此无人驾驶公交车的研究与推广试用得到了 快速的发展，目前广州、北京、武汉、成都等多个城市都已陆续开展无人驾 驶公交车道路测试与试运营。
3.但是现有技术中针对无人驾驶公交车在未来实际运营过程中的客流od分 析预测精准度不足，并且无法满足市民精准乘车的需求，再加之无人驾驶公 交车座位固定，无法大量载客，若不能够有效调度、充分利用资源，则会影 响车辆的运营。


技术实现要素：

4.本发明针对上述现有技术存在的问题，提供一种基于无人驾驶公交车精 准客流预测的自适应动态排班方法及系统。
5.为实现以上目的，本发明通过以下技术方案予以实现：
6.一种基于无人驾驶公交车精准客流预测的自适应动态排班方法，包括以 下步骤：步骤a、获取各站台间路线基础数据，步骤b、以基础数据为依据生 成初始排班模型；步骤c、以初始排班模型为初始可行解生成最优自适应动态 排班模型。
7.进一步地，所述步骤a包括以下步骤：步骤a1、根据路线基础数据计算 上下行各时段发班班次和配车数量；步骤a2、判断配车数量最高时段是否在 早晚高峰期，若为早晚高峰期，执行下一步，若非早晚高峰期，则人为增加 车辆密度，并返回执行上一步；步骤a3、预计总配车数并生成预发车时刻表； 步骤a4、根据预发车时刻表和约束条件进行车辆排班，获得初始排班模型。
8.进一步地，所述步骤a4中的约束条件为线路运营开始和结束时间、车辆 最大载客量，发班最长间隔时长、停站最短时间、同一车辆相邻班次最小时 间间隔、车辆充电最长时间。
9.进一步地，所述路线基础数据包括静态数据和动态数据，所述静态数据 包括线路起始终止时间、线路站点信息、线路站间里程、车身容量，所述动 态数据包括各历史时段各站台客流数量、车辆周转时间、客流od数据、发班 班次、发班间隔、配车数。
10.进一步地，所述步骤b还包括以下步骤：步骤b1、将生成的初始排班结 果作为初始可行解；步骤b2、通过对评价函数的限制线性主问题的求解，得 到对偶变量；步骤b3、根据限制主问题的对偶变量生成新列，即生成新的可 行的公交排班、公交车行车路径；步骤b4、采用分支策略得到整数解。
11.进一步地，所述步骤b的评价函数为：
[0012][0013]
其中，c
p
是无人驾驶公交车行车路径p∈p的成本，minz为无人驾驶公交 车运营成本。
[0014]
进一步地，所述步骤b的计算公式如下：
[0015][0016][0017][0018][0019][0020][0021][0022]
其中，a
ij
表示时空网格中(i,j)∈a的成本，y
ij
表示p是无人驾驶公交车行 车路径集合；a
ij
表示时空网格中(i,j)∈a的成本，gi表示车辆到达节点i的连 续行驶里程，r表示续航里程约束，u表示充电站点集合；d
ji
表示从站点j到 站点i的行驶距离。
[0023]
一种基于无人驾驶公交车精准客流预测的自适应动态排班系统，包括：
[0024]
移动预约端，用于乘客在线预约乘车路线；
[0025]
站台闸机端，用于乘客现场预约乘车路线、识别乘客乘车信息是否正确、 放行乘客以及费用扣取；
[0026]
公交车通信端，用于采集本车辆实时运行状态；
[0027]
车辆动态排班端，用于接收移动预约端、站台闸机端、公交车通信端发 来的基础信息，并根据上述基础数据进行动态排班。
[0028]
本发明的有益效果：
[0029]
本发明提供的基于无人驾驶公交车精准客流预测的自适应动态排班方法 采用线上预约和现场预约的方式进行乘车，实现了乘客的精准乘车，同时能 够准确掌握客流数据，无人驾驶公交车动态排班提供了较为精准的数据基础。 同时，本技术通过约束条件先生成初始排班模型，再利用新约束条件生成新 动态排班模型的方式获得了最优排班模型，满足市民不同时刻乘车需求。
附图说明
[0030]
图1为本发明基于无人驾驶公交车精准客流预测的自适应动态排班方法 的流程框图；
[0031]
图2为本发明客流od数据获取方法的流程框图一；
[0032]
图3为本发明客流od数据获取方法的流程框图二。
具体实施方式
[0033]
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。
[0034]
请参考图1，为本发明提供的一种基于无人驾驶公交车精准客流预测的自 适应动态排班方法，包括以下步骤：步骤a、获取各站台间路线基础数据，步 骤b、以基础数据为依据生成初始排班模型；步骤c、以初始排班模型为初始 可行解生成最优自适应动态排班模型。
[0035]
其中，步骤a还包括以下步骤：步骤a1、获取各站台间路线基础数据； 步骤a2、根据路线基础数据计算上下行各时段发班班次和配车数量；步骤a3、 判断配车数量最高时段是否在早晚高峰期，若为早晚高峰期，执行下一步， 若非早晚高峰期，则人为增加车辆密度，并返回执行上一步；a3、预计总配 车数并生成预发车时刻表；步骤a4、根据预发车时刻表和约束条件进行车辆 排班，获得初始排班模型。
[0036]
步骤a1中的路线基础数据包括静态数据和动态数据，静态数据包括线路 起始终止时间、线路站点信息、线路站间里程、车身容量，动态数据包括各 历史时段各站台客流数量、车辆周转时间、客流od数据、发班班次、发班间 隔、配车数。
[0037]
客流od数据的获取是通过统计乘客预约记录获得，具体操作方法如下：
[0038]
请参考图2，乘客乘车预约的方式包括网上预约和站牌端预约两种，其中 网上预约流程为：
[0039]
一、乘客在移动端app、小程序直接绑定公交ic卡或直接系统注册登录 系统。
[0040]
二、乘客输入公交路线进行搜索，选定起始站和终点站或者输入起始站 和终点站查询，系统为其推荐公交路线，乘客选定推荐线路，并通过该线路 正在运营的无人驾驶公交车车辆运行状态选定要乘坐的公交车编号。
[0041]
需要说明的是，车辆运行状态包括：无人驾驶公交车到起始站的站点数 量，到站时间，以及车辆空座数量等。如果某线路所有车辆均处于满座状态， 无法选择车辆时，可在系统进行车辆呼叫，系统将呼叫数据发送至线路自适 应动态排班发班系统，根据需求线路增加车辆数，满足乘客需求。
[0042]
三、移动端完成乘车预约，并生成乘车二维码，用于乘客进站与上下车， 绑定公交ic卡的乘客也可用ic卡完成进站与上下车。
[0043]
站牌端预约流程为：
[0044]
一、在站牌的智能终端通过刷公交ic卡进入预约系统。
[0045]
二、在站牌智能终端上进行与移动端相同预约操作，对路线进行选定。
[0046]
三、选定路线后，无人驾驶公交车车辆空座数量根据先预约先保留的模 式向乘客发布，乘客进行选座，方法和移动端app、小程序相同。
[0047]
先预约先保留的模式具体为：若车辆仅剩余一个空座位，当后面站点乘 客先预约，若前面站点乘客预约的终点站点与后面站点乘客预约站点有重合， 则显示该车辆已满座，前面站点乘客无法选定该车辆乘坐。若前面站点乘客 预约的终点站点与后面站点乘客预约站点无重合，则显示该车辆还有座位， 前面站点乘客可以选定该车辆乘坐。
[0048]
请参考图3，完成路线的选定后，到达乘车环节，乘车过程具体如下：
[0049]
一、乘客完成乘车预约后，根据候乘站台上车闸机的停靠车辆信息提示， 在相应
闸机位置等待乘车，此时上车闸机处于休眠状态。
[0050]
二、无人驾驶公交车辆停靠到该闸机位置时，乘客刷卡或刷二维码打开 上车闸机进入车辆。
[0051]
三、到达终点站时通过刷卡或刷二维码打开出站闸机，完成出站，换乘 时，乘客刷卡或刷二维码打开换乘闸机进入站台等候换乘，闸机控制系统通 过预约信息，确定该乘客预约的乘车站点、公交车编号是否一致，当信息一 致时，闸机打开，当信息不一致时，显示与预约信息不符，闸机不打开。
[0052]
出站和进站的原理相同，也采用刷卡或扫码的方式核对信息，但预约信 息终点站与下车站点不一致时，乘客需在预约系统修改终点站，然后刷ic卡 或更新的二维码出站，当乘客每月修改终点站超过固定次数后，乘客乘车费 用将会适度增加。当乘客换乘时，刷ic卡或二维码通过换乘闸机，若乘客在 换乘过程中，错过了换乘车辆，将自动结束乘客的乘车预约信息。如要继续 乘车将需重新进行乘车预约。
[0053]
步骤a4中的约束条件具体为：线路运营开始和结束时间、车辆最大载客 量，发班最长间隔时长、停站最短时间、同一车辆相邻班次最小时间间隔、 车辆充电最长时间。根据预发车时刻表和约束条件进行车辆排班，获得初始 排班模型如下表：
[0054][0055]
步骤b还包括以下步骤：b1、将生成的初始排班结果作为初始可行解； b2、通过对评价函数的限制线性主问题的求解，得到对偶变量；b3、根据限 制主问题的对偶变量生成新列，即生成新的可行的公交排班、公交车行车路 径；b4、采用分支策略得到整数解。
[0056]
在步骤b中，乘客一般会预约候车时间最小车辆，而车辆运营成本主要 与运营里程有关，则该评价模型的子问题可以看作是考虑车辆里程约束的资 源约束最短路问题，因此将无人驾驶公交车的运营成本最低作为评价函数， 评价函数描述为：
[0057][0058]
其中，p是无人驾驶公交车行车路径集合；c
p
是无人驾驶公交车行车路 径p∈p的成本。
[0059]
设g＝(v,a)表示无人驾驶公交车调度问题的时空网络，其中v表示时空网 络中的站点集合，a表示时空网络g中的线路的集合，v表示时空网络站点， v∈v。
[0060]
每个站点都带有位置和时间属性，由场站的虚拟起点o，虚拟终点d,终 点站的虚拟出发站点集合s1和虚拟到达站点集合s2组成。所有车辆从虚拟 起点o出发，最终回到虚拟终点d。每个终点站s∈s设置了虚拟到达站点s1(s) 和虚拟出发站点s2(s)用于描述车辆终点站内的充电行为。
[0061]
生成最优排班的具体计算方法如下：
[0062][0063][0064][0065][0066][0067][0068][0069]
其中，a
ij
表示时空网格中(i,j)∈a的成本，gi表示车辆到达节点i的连续 行驶里程，r表示续航里程约束，u表示充电站点集合，d
ji
表示从站点j到站 点i的行驶距离。
[0070]
结合无人驾驶公交车里程约束和车辆充电的性质，利用列生成算法求该 资源约束最短路问题。通过算法迭代优化，获得最优或次优的公交排班计划 如下表：
[0071][0072]
一种基于无人驾驶公交车精准客流预测的自适应动态排班系统，包括：
[0073]
移动预约端，用于乘客在线预约乘车路线；
[0074]
站台闸机端，用于乘客现场预约乘车路线、识别乘客乘车信息是否正确、 放行乘客以及费用扣取；
[0075]
公交车通信端，用于采集本车辆实时运行状态；
[0076]
车辆动态排班端，用于接收移动预约端、站台闸机端、公交车通信端发 来的基础信息，并根据上述基础数据进行动态排班。
[0077]
本系统具体的工作方式已在上文中进行过了详细的描述，在此不再赘述。
[0078]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明， 不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的 普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推 演或替换，都应当视为属于本发明
的保护范围。