基于大数据的车辆统一调度方法、装置、设备及存储介质与流程

1.本发明涉及大数据技术领域，尤其涉及一种基于大数据的车辆统一调度方法、装置、设备及存储介质。


背景技术：

2.公交车是为市民出行提供服务的“准公共”产品，公交车的站点布局、线路规划、车型配备、票价制定、发车频率和车辆调度反映了一个城市的管理水平。
3.如何调度车辆发车间隔和车型配置，使得公交运行与乘客出行总成本消耗最低，并降低行车延误，成为亟待解决的问题。
4.现有的公交调度方案主要集中在公交的路径优化，以及公交运行时，公交和乘客的成本分析上，但公交运行时的客流量容易受到天气、交通、车型配置、不同车型和候车时间、运行时间等不确定性因素影响，导致公交运行的运行效率低下，因此合理地进行公交车辆调度具有积极的理论意义和实践价值。


技术实现要素：

5.本发明提供一种基于大数据的车辆统一调度方法、装置、设备及存储介质，其主要目的在于解决分布式数据的部署效率较低的问题。
6.为实现上述目的，本发明提供的一种基于大数据的车辆统一调度方法，包括：
7.获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；
8.根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；
9.根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；
10.利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；
11.对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；
12.根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。
13.可选地，所述根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，包括：
14.提取所述公交数据中的发车间隔数据，计算所述发车间隔数据的发车间隔均值及发车间隔方差；
15.根据所述发车间隔均值及发车间隔方差计算乘客平均候车时间，并计算所述乘客
乘车数据中乘客实际候车时间与所述乘客平均候车时间的标准差；
16.利用如下公式计算乘客平均候车时间：
[0017][0018]
其中，e(w)为乘客平均候车时间，e(h)为所述发车间隔均值，var(h)为所述发车间隔方差；
[0019]
根据所述标准差构建乘客候车时间分布正态函数，根据所述乘客候车时间分布正态函数确定乘客的候车时间分布；
[0020]
所述乘客候车时间分布正态函数表示为：
[0021][0022]
其中，φ(x)为发车间隔为x时乘客候车时间分布正态函数，σ为所述标准差。
[0023]
可选地，所述根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布,包括：
[0024]
获取所述环境数据中包含的多个环境参数，根据所述公交数据计算每个所述环境参数的影响系数；
[0025]
将所述影响系数与所述公交数据中的站间运行时间相乘，得到每个所述环境参数对应的预测站间运行时间；
[0026]
根据所述预测站间运行时间计算所述公交数据中每种公交车型的预测站间运行时间的累计分布函数，并根据所述累计分布函数得到所述公交运行站点之间的站间运行时间分布。
[0027]
可选地，所述根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，包括：
[0028]
根据所述乘客的候车时间分布计算乘客单位时间候车成本，根据所述乘客单位时间候车成本及所述乘客乘车数据中的乘客实际候车时间计算乘客候车成本；
[0029]
利用如下公式计算乘客候车成本：
[0030][0031]
其中，cq为乘客候车成本，γ1为乘客单位时间候车成本，ε为乘客实际候车时间，j为第j个公交车次，j为公交总车次，n为第n个公交运行站点，n为公交运行站点总数，q
j，n
为第j个公交车次在第n个公交运行站点的上客量；
[0032]
从所述乘客乘车数据中获取每个所述公交运行站点中不同公交车型的载客率并计算乘客单位时间乘车成本；
[0033]
根据所述载客率计算乘客感知系数，基于所述乘客感知系数与所述乘客单位时间乘车成本计算乘客乘车成本；
[0034]
将所述乘客候车成本与所述乘客乘车成本相加，得到所述乘客的乘车总成本。
[0035]
可选地，所述利用所述公交数据及所述站间运行时间分布计算公交运行总成本，包括：
[0036]
根据所述公交数据计算公交司机单位时间成本及公交车辆单位里程成本；
[0037]
根据所述公交司机单位时间成本及所述站间运行时间分布计算公交员工成本；
[0038]
利用如下公式计算公交员工成本：
[0039][0040]
其中，c
p
为公交员工成本，j为第j个公交车次，j为公交总车次，n为第n个公交运行站点，n为公交运行站点总数，i为第i个公交车型，i为公交车型总数，θ1为公交司机单位时间成本，∈n为在第n个公交运行站点的站间运行时间分布，x
j，i
为0-1变量，若为j车次的i车型，则取1，反之取0；
[0041]
基于所述公交数据计算每个所述公交运行站点之间的距离，根据利用所述公交运行站点的距离及所述公交车辆单位里程成本计算公交车辆运行成本；
[0042]
将所述公交员工成本与所述公交车辆运行成本相加，得到所述公交运行总成本。
[0043]
可选地，所述对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本，包括：
[0044]
利用枚举法确定所述参数赋值后的双层不确定目标模型中公交运行总成本最小的公交车型；
[0045]
提取所述双层不确定目标模型中的发车间隔约束条件中的实整数，并对所述实整数及所述公交车型进行染色体编码，得到初始发车间隔种群，其中，所述初始发车间隔种群包括多个发车间隔编码序列；
[0046]
根据所述双层不确定目标模型中的目标函数生成适应度函数，利用所述适应度函数计算每个发车间隔编码序列的适应度；
[0047]
根据所述适应度选择预设的遗传算子对所述初始发车间隔种群进行预设迭代次数的迭代计算，得到目标发车间隔序列；
[0048]
根据所述目标发车间隔序列及公交运行总成本最小的公交车型计算所述最小乘客总成本。
[0049]
可选地，所述根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，包括：
[0050]
根据所述最小公交总成本及所述最小乘客总成本确定优化目标；
[0051]
根据所述优化目标设计多个公交发车间隔及公交车型配置信息；
[0052]
利用智能优化算法，基于所述多个公交发车间隔及公交车型配置信息及所述优化目标计算所述公交发车间隔及公交车型配置信息对应的帕累托最优解；
[0053]
选取所述帕累托最优解对应的公交发车间隔及公交车型配置信息作为所述公交运行站点的最优公交发车间隔及最优公交车型配置。
[0054]
为了解决上述问题，本发明还提供一种基于大数据的车辆统一调度装置，所述装置包括：
[0055]
数据获取模块，用于获取公交运行站点的公交历史运行数据及环境数据，其中，所
述公交历史运行数据包括公交数据及乘客乘车数据；
[0056]
时间分布计算模块，用于根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；
[0057]
成本计算模块，用于根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；
[0058]
目标模型构建模块，用于利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；
[0059]
遗传迭代计算模块，用于对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；
[0060]
公交调度确定模块，用于根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。
[0061]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0062]
至少一个处理器；以及，
[0063]
与所述至少一个处理器通信连接的存储器；其中，
[0064]
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于大数据的车辆统一调度方法。
[0065]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于大数据的车辆统一调度方法。
[0066]
本发明通过计算乘客的平均候车时间以及公交站点之间的站间运行时间能够将不确定的乘客乘车数据及环境数据考虑到最终的公交调度中，从而提高公交的运行效率；根据乘客的平均候车时间及站间运行时间计算乘车总成本以及乘车总成本，并构建双层不确定目标模型，能够基于乘客及公交运营方进行多角度考虑；通过对参数赋值后的双层不确定目标模型进行遗产迭代计算，得到最小公交总成本及最小乘客总成本，进而生成最优公交发车间隔及最优公交车型配置并进行公交调动，实现乘客及公交运营方的双方成本最小化，达到双方成本的平衡，从而进一步地提高公交的出行效率并减小乘客及公交运营方的成本。因此本发明提出的基于大数据的车辆统一调度方法、装置、电子设备及计算机可读存储介质，可以解决进行公交调度时公交运行效率较低的问题。
附图说明
[0067]
图1为本发明一实施例提供的基于大数据的车辆统一调度方法的流程示意图；
[0068]
图2为本发明一实施例提供的计算乘客的乘车总成本的流程示意图；
[0069]
图3为本发明一实施例提供的计算公交调度配置的流程示意图；
[0070]
图4为本发明一实施例提供的基于大数据的车辆统一调度装置的功能模块图；
[0071]
图5为本发明一实施例提供的实现所述基于大数据的车辆统一调度方法的电子设
备的结构示意图。
[0072]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0073]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0074]
本技术实施例提供一种基于大数据的车辆统一调度方法。所述基于大数据的车辆统一调度方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于大数据的车辆统一调度方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0075]
参照图1所示，为本发明一实施例提供的基于大数据的车辆统一调度方法的流程示意图。在本实施例中，所述基于大数据的车辆统一调度方法包括：
[0076]
s1、获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；
[0077]
本发明实施例中，所述公交数据包括公交车型，发车间隔、公交车速、每个站点的到站时间以及每个公交站点公交的载客率等；所述乘客乘车数据包括乘客在每个站点的实际候车时间、在每个站点的公交载客率等数据，所述环境数据为公交运行时的天气、交通、公交站点之间的距离等数据。
[0078]
本发明实施例中，通过所述公交运行数据及环境数据，能够将环境、乘客以及不同车型的公交运行等不确定性因素同时体现，以最大化的减小不确定性因素对乘客及公交运营方的影响，以达到乘客及公交运营方双方的成本平衡。
[0079]
s2、根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；
[0080]
本发明实施例中，所述乘客的候车时间分布为不同的公交车型以及在不同的发车间隔下乘客需要在站点等待的时间，因为不同车型及发车间隔下，乘客候车时间同时会受到上下客流量以及交通运行路况等影响，因此，乘客候车时间是不确定的，同时公交运行站点之间的站间运行时间同时会受到公交运行站点之间的距离、公交车型、车速、驾驶员、环境数据等不确定性因素影响，从而需要计算在不同的因素影响下乘客的候车时间分布以及站间运行时间分布。
[0081]
本发明实施例中，所述根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，包括：
[0082]
提取所述公交数据中的发车间隔数据，计算所述发车间隔数据的发车间隔均值及发车间隔方差；
[0083]
根据所述发车间隔均值及发车间隔方差计算乘客平均候车时间，并计算所述乘客乘车数据中乘客实际候车时间与所述乘客平均候车时间的标准差；
[0084]
根据所述标准差构建乘客候车时间分布正态函数，根据所述乘客候车时间分布正
态函数确定乘客的候车时间分布。
[0085]
详细地，利用如下公式计算乘客平均候车时间：
[0086][0087]
其中，e(w)为乘客平均候车时间，e(h)为所述发车间隔均值，var(h)为所述发车间隔方差。
[0088]
详细地，所述乘客候车时间分布正态函数表示为：
[0089][0090]
其中，φ(x)为发车间隔为x时乘客候车时间分布正态函数，σ为所述标准差。
[0091]
本发明实施例中，所述根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布,包括：
[0092]
获取所述环境数据中包含的多个环境参数，根据所述公交数据计算每个所述环境参数的影响系数；
[0093]
将所述影响系数与所述公交数据中的站间运行时间相乘，得到每个所述环境参数对应的预测站间运行时间；
[0094]
根据所述预测站间运行时间计算所述公交数据中每种公交车型的预测站间运行时间的累计分布函数，并根据所述累计分布函数得到所述公交运行站点之间的站间运行时间分布。
[0095]
本发明实施例中，所述环境参数包括天气、交通、站点距离等参数，不同的环境参数会对站间运行数据造成不同的影响，本发明实施例可从公交数据中选取一个站间运行时间作为基准数据，通过计算不同环境参数下的站间运行时间与基准数据之间的差距值，并计算不同环境参数下的差距值占总差距值的比例，从而得到每个环境参数的影响系数。
[0096]
本发明实施例中，所述累积分布函数为概率密度函数的积分，能够描述发车时间间隔与站间运行时间的概率分布，同时本发明对每种公交车型分别进行站间运行时间分布的计算，对具体公交车型进行具体计算，从而提高站间运行时间分布的准确度。
[0097]
本发明实施例中，通过计算乘客的候车时间分布以及站间运行时间分布，能够获取乘客的候车时间的概率分布以及每种公交车型的站间运行时间概率分布，从而对公交进行调度以减小乘客的候车时间以及公交的站间运行时间，以提高公交运行的效率。
[0098]
s3、根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；
[0099]
本发明实施例中，所述乘客的乘车总成本为不同公交车型的乘车总成本，包括乘客的候车成本及乘客的乘车成本，公交运行总成本为不同公交车型的公交总成本，包括员工成本及公交车辆的运行成本。
[0100]
本发明实施例中，参阅图2所示，所述根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，包括：
[0101]
s21、根据所述乘客的候车时间分布计算乘客单位时间候车成本，根据所述乘客单位时间候车成本及所述乘客乘车数据中的乘客实际候车时间计算乘客候车成本；
[0102]
s22、从所述乘客乘车数据中获取每个所述公交运行站点中不同公交车型的载客率并计算乘客单位时间乘车成本；
[0103]
s23、根据所述载客率计算乘客感知系数，基于所述乘客感知系数与所述乘客单位时间乘车成本计算乘客乘车成本；
[0104]
s24、将所述乘客候车成本与所述乘客乘车成本相加，得到所述乘客的乘车总成本。
[0105]
详细地，利用如下公式计算乘客候车成本：
[0106][0107]
其中，cq为乘客候车成本，γ1为乘客单位时间候车成本，ε为乘客实际候车时间，j为第j个公交车次，j为公交总车次，n为第n个公交运行站点，n为公交运行站点总数，q
j，n
为第j个公交车次在第n个公交运行站点的上客量。
[0108]
本发明实施例中，所述单位时间候车成本是乘客在候车时，单位时间内平均时间成本，具体地，所述单位时间可以是1分钟，单位时间乘车成本是乘客在乘车时，单位时间内平均时间成本，本发明实施例中，所述乘客感知系数是乘客感知到的载客率值，可能为事假载客率的数倍，反映公交的拥挤程度，本发明实施例根据所乘客候车总成本及乘车总成本计算乘客总成本，将乘客总成本从乘车及候车两个维度考虑，从而得到更精确地乘客的乘车总成本。
[0109]
本发明实施例中，所述利用所述公交数据及所述站间运行时间分布计算公交运行总成本，包括：
[0110]
根据所述公交数据计算公交司机单位时间成本及公交车辆单位里程成本；
[0111]
根据所述公交司机单位时间成本及所述站间运行时间分布计算公交员工成本；
[0112]
基于所述公交数据计算每个所述公交运行站点之间的距离，根据利用所述公交运行站点的距离及所述公交车辆单位里程成本计算公交车辆运行成本；
[0113]
将所述公交员工成本与所述公交车辆运行成本相加，得到所述公交运行总成本。
[0114]
详细地，利用如下公式计算公交员工成本：
[0115][0116]
其中，c
p
为公交员工成本，j为第j个公交车次，j为公交总车次，n为第n个公交运行站点，n为公交运行站点总数，i为第i个公交车型，i为公交车型总数，θ1为公交司机单位时间成本，∈n为在第n个公交运行站点的站间运行时间分布，x
j，i
为0-1变量，若为j车次的i车型，则取1，反之取0。
[0117]
本发明实施例中，可利用上述计算公交员工成本的公式计算公交车辆运行成本，在此不再赘述，本发明实施例通过计算乘客的乘车总成本以及公交运行总成本能够平衡乘客以及公交运行双方的成本，从而在保证双方的利益的同时能够提高公交的运行效率。
[0118]
s4、利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；
[0119]
本发明实施例中，所述预设的约束条件是构建得到的双层不确定目标模型的运行条件，通过预设的预设条件使得双层不确定性目标模型能够正常运行，例如，本发明实施例中，预设的约束条件可以包括公交发车间隔的约束条件、公交载客量的约束条件等，可根据公交历史运行数据进行设定。
[0120]
本发明实施例中，所述双层不确定规划模型包括上层规划模型及下层规划模型，上层规划模型只是通过自己的决策去指导下层规划模型的数值，下层规划模型是把上层规划模型作为因变量，下层规划模型可以在预设的约束条件下自由变化，从而对上层规划模型进行优化。
[0121]
本发明实施例中，所述利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型,包括：
[0122]
将所述乘客的乘车总成本及所述公交运行总成本的最小值作为目标函数，将所述目标函数作为所述双层不确定规划模型的上层规划模型；
[0123]
利用所述预设的约束条件对所述目标函数中的变量进行约束，将进行约束后的所述变量作为双层不确定规划模型的下层规划模型；
[0124]
根据所述上层规划模型及所述下层规划模型生成双层不确定目标模型。
[0125]
本发明实施例中，通过预设的约束条件构建双层不确定规划模型能够使得后续模型的计算满足约束条件，更符合公交的实际运行情况，避免异常的公交调度。
[0126]
s5、对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；
[0127]
本发明实施例中，对双层不确定目标模型进行模型参数赋值，是给定双层不确定目标模型一个初始的模型计算结果，从而进行后续的遗传迭代，已得到最优即最小的公交总成本以及最小乘客总成本。
[0128]
本发明实施例中，所述对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本，包括：
[0129]
利用枚举法确定所述参数赋值后的双层不确定目标模型中公交运行总成本最小的公交车型；
[0130]
提取所述双层不确定目标模型中的发车间隔约束条件中的实整数，并对所述实整数及所述公交车型进行染色体编码，得到初始发车间隔种群，其中，所述初始发车间隔种群包括多个发车间隔编码序列；
[0131]
根据所述双层不确定目标模型中的目标函数生成适应度函数，利用所述适应度函数计算每个发车间隔编码序列的适应度；
[0132]
根据所述适应度选择预设的遗传算子对所述初始发车间隔种群进行预设迭代次数的迭代计算，得到目标发车间隔序列；
[0133]
根据所述目标发车间隔序列及公交运行总成本最小的公交车型计算所述最小乘客总成本。
[0134]
本发明实施例中，所述染色体编码方式包括但不限于二进制编码、顺序编码、实数编码等。
[0135]
本发明另一可选实施例中，选用目标函数的相反数作为适应度函数计算每个发车间隔编码序列的适应度，同时，可采用轮盘赌选择遗传算子，所述遗传算子包括但不限于算
术交叉算子、均匀变异算子。
[0136]
本发明实施例中，所述最小公交总成本及最小乘客总成本分别考虑了公交运营的成本或乘客乘车的总成本，能够将最小公交总成本及最小乘客总成本相平衡，充分利用公交车辆资源以提高公交运行效率。
[0137]
s6、根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。
[0138]
本发明实施例中，所述最优公交发车间隔及最优公交车型配置是在最小公交总成本及最小乘客总成本中的成本平衡值，使得乘客及公交运营双方成本均可接受，同时能够合理的进行公交资源的调度。
[0139]
本发明实施例中，参阅图3所示，所述根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，包括：
[0140]
s31、根据所述最小公交总成本及所述最小乘客总成本确定优化目标；
[0141]
s32、根据所述优化目标设计多个公交发车间隔及公交车型配置信息；
[0142]
s33、利用智能优化算法，基于所述多个公交发车间隔及公交车型配置信息及所述优化目标计算所述公交发车间隔及公交车型配置信息对应的帕累托最优解；
[0143]
s34、选取所述帕累托最优解对应的公交发车间隔及公交车型配置信息作为所述公交运行站点的最优公交发车间隔及最优公交车型配置。
[0144]
本发明实施例中，所述优化目标是乘客的乘车总成本与公交运行总成本之间的动态平衡关系，本发明和实施例需要根据优化目标设计多个公交发车间隔及公交车型配置信息，可根据具体的公交运行站点的业务需求确定。
[0145]
本发明另一可选实施例中，所述帕累托最优解是指公交发车间隔及公交车型配置的最优状态，在乘客及公交运营方双方的利益均不受损的情况下，使得至少一方的利益增加，因此能够减小乘客及公交运营方的成本。
[0146]
本发明实施例中，通过最优公交发车间隔及最优公交车型配置对公交运行站点的公交进行调度，在保证公交运营方能够可持续运营以及乘客的乘车总成本减小的前提下，合理地对公交进行发车间隔及公交车型配置的调动，进一步地提高公交运行的效率。
[0147]
本发明通过计算乘客的平均候车时间以及公交站点之间的站间运行时间能够将不确定的乘客乘车数据及环境数据考虑到最终的公交调度中，从而提高公交的运行效率；根据乘客的平均候车时间及站间运行时间计算乘车总成本以及乘车总成本，并构建双层不确定目标模型，能够基于乘客及公交运营方进行多角度考虑；通过对参数赋值后的双层不确定目标模型进行遗产迭代计算，得到最小公交总成本及最小乘客总成本，进而生成最优公交发车间隔及最优公交车型配置并进行公交调动，实现乘客及公交运营方的双方成本最小化，达到双方成本的平衡，从而进一步地提高公交的出行效率并减小乘客及公交运营方的成本。因此本发明提出的基于大数据的车辆统一调度方法，可以解决进行公交调度时公交运行效率较低的问题。
[0148]
如图4所示，是本发明一实施例提供的基于大数据的车辆统一调度装置的功能模块图。
[0149]
本发明所述基于大数据的车辆统一调度装置100可以安装于电子设备中。根据实
现的功能，所述基于大数据的车辆统一调度装置100可以包括数据获取模块101、时间分布计算模块102、成本计算模块103、目标模型构建模块104、遗传迭代计算模块105及公交调度确定模块106。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0150]
在本实施例中，关于各模块/单元的功能如下：
[0151]
所述数据获取模块101，用于获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；
[0152]
所述时间分布计算模块102，用于根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；
[0153]
所述成本计算模块103，用于根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；
[0154]
所述目标模型构建模块104，用于利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；
[0155]
所述遗传迭代计算模块105，用于对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；
[0156]
所述公交调度确定模块106，用于根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。
[0157]
详细地，本发明实施例中所述基于大数据的车辆统一调度装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于大数据的车辆统一调度方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0158]
如图5所示，是本发明一实施例提供的实现基于大数据的车辆统一调度方法的电子设备的结构示意图。
[0159]
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于大数据的车辆统一调度程序。
[0160]
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于大数据的车辆统一调度程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0161]
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。
所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于大数据的车辆统一调度程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0162]
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0163]
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0164]
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0165]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0166]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0167]
所述电子设备1中的所述存储器11存储的基于大数据的车辆统一调度程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0168]
获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；
[0169]
根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；
[0170]
根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；
[0171]
利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；
[0172]
对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目
标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；
[0173]
根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。
[0174]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0175]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0176]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0177]
获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；
[0178]
根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；
[0179]
根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；
[0180]
利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；
[0181]
对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；
[0182]
根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。
[0183]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0184]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0185]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0186]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0187]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本
发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0188]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
[0189]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种基于大数据的车辆统一调度方法，其特征在于，所述方法包括：获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。2.如权利要求1所述的基于大数据的车辆统一调度方法，其特征在于，所述根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，包括：提取所述公交数据中的发车间隔数据，计算所述发车间隔数据的发车间隔均值及发车间隔方差；根据所述发车间隔均值及发车间隔方差计算乘客平均候车时间，并计算所述乘客乘车数据中乘客实际候车时间与所述乘客平均候车时间的标准差；利用如下公式计算乘客平均候车时间：其中，e(w)为乘客平均候车时间，e(h)为所述发车间隔均值，var(h)为所述发车间隔方差；根据所述标准差构建乘客候车时间分布正态函数，根据所述乘客候车时间分布正态函数确定乘客的候车时间分布；所述乘客候车时间分布正态函数表示为：其中，φ(x)为发车间隔为x时乘客候车时间分布正态函数，σ为所述标准差。3.如权利要求1所述的基于大数据的车辆统一调度方法，其特征在于，所述根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布,包括：获取所述环境数据中包含的多个环境参数，根据所述公交数据计算每个所述环境参数的影响系数；将所述影响系数与所述公交数据中的站间运行时间相乘，得到每个所述环境参数对应的预测站间运行时间；
根据所述预测站间运行时间计算所述公交数据中每种公交车型的预测站间运行时间的累计分布函数，并根据所述累计分布函数得到所述公交运行站点之间的站间运行时间分布。4.如权利要求1所述的基于大数据的车辆统一调度方法，其特征在于，所述根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，包括：根据所述乘客的候车时间分布计算乘客单位时间候车成本，根据所述乘客单位时间候车成本及所述乘客乘车数据中的乘客实际候车时间计算乘客候车成本；利用如下公式计算乘客候车成本：其中，c
q
为乘客候车成本，γ1为乘客单位时间候车成本，ε为乘客实际候车时间，j为第j个公交车次，j为公交总车次，n为第n个公交运行站点，n为公交运行站点总数，q
j,n
为第j个公交车次在第n个公交运行站点的上客量；从所述乘客乘车数据中获取每个所述公交运行站点中不同公交车型的载客率并计算乘客单位时间乘车成本；根据所述载客率计算乘客感知系数，基于所述乘客感知系数与所述乘客单位时间乘车成本计算乘客乘车成本；将所述乘客候车成本与所述乘客乘车成本相加，得到所述乘客的乘车总成本。5.如权利要求1所述的基于大数据的车辆统一调度方法，其特征在于，所述利用所述公交数据及所述站间运行时间分布计算公交运行总成本，包括：根据所述公交数据计算公交司机单位时间成本及公交车辆单位里程成本；根据所述公交司机单位时间成本及所述站间运行时间分布计算公交员工成本；利用如下公式计算公交员工成本：其中，c
p
为公交员工成本，j为第j个公交车次，j为公交总车次，n为第n个公交运行站点，n为公交运行站点总数，i为第i个公交车型，i为公交车型总数，γ1为公交司机单位时间成本，∈
n
为在第n个公交运行站点的站间运行时间分布，x
j,i
为0-1变量，若为j车次的i车型，则取1，反之取0；基于所述公交数据计算每个所述公交运行站点之间的距离，根据利用所述公交运行站点的距离及所述公交车辆单位里程成本计算公交车辆运行成本；将所述公交员工成本与所述公交车辆运行成本相加，得到所述公交运行总成本。6.如权利要求1所述的基于大数据的车辆统一调度方法，其特征在于，所述对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本，包括：利用枚举法确定所述参数赋值后的双层不确定目标模型中公交运行总成本最小的公
交车型；提取所述双层不确定目标模型中的发车间隔约束条件中的实整数，并对所述实整数及所述公交车型进行染色体编码，得到初始发车间隔种群，其中，所述初始发车间隔种群包括多个发车间隔编码序列；根据所述双层不确定目标模型中的目标函数生成适应度函数，利用所述适应度函数计算每个发车间隔编码序列的适应度；根据所述适应度选择预设的遗传算子对所述初始发车间隔种群进行预设迭代次数的迭代计算，得到目标发车间隔序列；根据所述目标发车间隔序列及公交运行总成本最小的公交车型计算所述最小乘客总成本。7.如权利要求1所述的基于大数据的车辆统一调度方法，其特征在于，所述根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，包括：根据所述最小公交总成本及所述最小乘客总成本确定优化目标；根据所述优化目标设计多个公交发车间隔及公交车型配置信息；利用智能优化算法，基于所述多个公交发车间隔及公交车型配置信息及所述优化目标计算所述公交发车间隔及公交车型配置信息对应的帕累托最优解；选取所述帕累托最优解对应的公交发车间隔及公交车型配置信息作为所述公交运行站点的最优公交发车间隔及最优公交车型配置。8.一种基于大数据的车辆统一调度装置，其特征在于，所述装置包括：数据获取模块，用于获取公交运行站点的公交历史运行数据及环境数据，其中，所述公交历史运行数据包括公交数据及乘客乘车数据；时间分布计算模块，用于根据所述公交数据及所述乘客乘车数据计算乘客的候车时间分布，并根据所述公交数据及所述环境数据计算所述公交运行站点之间的站间运行时间分布；成本计算模块，用于根据所述乘客的候车时间分布及所述乘客乘车数据计算乘客的乘车总成本，以及利用所述公交数据及所述站间运行时间分布计算公交运行总成本；目标模型构建模块，用于利用预设的约束条件，根据所述乘客的乘车总成本及所述公交运行总成本构建双层不确定目标模型；遗传迭代计算模块，用于对所述双层不确定目标模型的模型参数进行赋值，对参数赋值后的双层不确定目标模型进行遗传迭代计算，得到最小公交总成本及最小乘客总成本；公交调度确定模块，用于根据所述最小公交总成本及所述最小乘客总成本生成所述公交运行站点的最优公交发车间隔及最优公交车型配置，利用所述最优公交发车间隔及最优公交车型配置对所述公交运行站点的公交进行调度。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所
述的基于大数据的车辆统一调度方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于大数据的车辆统一调度方法。

技术总结
本发明涉及大数据技术，揭露了一种基于大数据的车辆统一调度方法，包括：获取公交运行站点的历史运行数据及环境数据；根据历史运行数据计算乘客的候车时间分布及站间运行时间分布；根据乘客的候车时间分布及站间运行时间分布计算乘客的乘车总成本以及公交运行总成本；利用预设的约束条件、乘客的乘车总成本以及公交运行总成本构建双层不确定目标模型；对双层不确定目标模型进行遗传迭代计算，得到公交运行站点的最优公交发车间隔及最优公交车型配置，利用最优公交发车间隔及最优公交车型配置对公交运行站点的公交进行调度。本发明还提出一种基于大数据的车辆统一调度装置、电子设备以及存储介质。本发明可以提高公交运行的效率。效率。效率。


技术研发人员：何奕玲 廉莹
受保护的技术使用者：深圳市中车智联科技有限公司
技术研发日：2023.02.14
技术公布日：2023/7/12