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

技术特征：
1.一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，其特征在于，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。2.根据权利要求1所述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，其特征在于，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。3.根据权利要求2所述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，其特征在于，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。4.根据权利要求1所述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，其特征在于，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。5.根据权利要求1所述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，其特征在于，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。6.根据权利要求5所述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，其特征在于，所述步骤b的评价函数为：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。7.根据权利要求6所述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，其特征在于，所述步骤b的计算公式如下：征在于，所述步骤b的计算公式如下：征在于，所述步骤b的计算公式如下：征在于，所述步骤b的计算公式如下：征在于，所述步骤b的计算公式如下：征在于，所述步骤b的计算公式如下：
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，g
i
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。8.一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，其特征在于，包括：移动预约端，用于乘客在线预约乘车路线；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；公交车通信端，用于采集本车辆实时运行状态；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。

技术总结
本发明公开了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。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：移动预约端，用于乘客在线预约乘车路线；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；公交车通信端，用于采集本车辆实时运行状态；车辆动态排班端，用于接收移动预约端、站台闸机端。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。同时能够准确掌握客流数据。同时能够准确掌握客流数据。


技术研发人员：陈欢 程亚杰 金雷 黄钦炎 冯川 梁娜 谭诗萍
受保护的技术使用者：广州交信投科技股份有限公司
技术研发日：2022.05.19
技术公布日：2022/8/19