[发明专利]一种基于站点优选和蚂蚁寻迹的公交自适应调度方法

说明书

本发明公开了一种基于站点优选和蚂蚁寻迹的公交自适应调度方法，在已有交通基础设施的基础上设计算法，最大限度的减少新建站点以降低成本；本方案采用关联分析算法，既能达到传统K‑means算法聚集出需求点的效果，又能分析出站点与站点之间的内在联系，并且将关系的强弱进行量化处理；传统的蚁群算法优先考虑最短路径，而本方案算法在保证总路程尽可能短的同时，蚂蚁的选择与输入变量相关，使得蚂蚁在选择下一个站点时不再只是简单地考虑最短路径，而再进一步考虑到优先服务多数派，使得靠站地优先顺序更加合理。

技术领域

本发明涉及计算机、公交调度领域，具体涉及一种基于站点优选和蚂蚁寻迹的公交自适应调度方法。

背景技术

随着城市化进展的加速，城市人口不断膨胀，交通需求日益加大，城市发展面临巨大交通压力。为了破解城市发展难题，自本世纪初开始，国家就提出实施城市公交优先发展战略。实施公交都市建设的经验表明，利用大数据、物联网等新技术，对现有城市公交系统进行服务水平升级与智能化改造，是新时期城市公交发展的必然选择。高效的公共交通系统是满足巨大交通需求的关键因素。尽管城市地铁承载能力大，但投资大、建设周期长、运营维护成本高。与之相比，公共汽车的价值往往被低估和忽视。例如，其灵活的布站方式是地铁无法替代的。建设和运营维护成本不到地铁的十分之一。因此，制定一种根据客流自适应的公交线路优化方法，将能释放长期低估的公交运力。

目前存在的公交系统调度方法有：

“互联网定制公交的网络调度模型及其求解算法”，根据乘客提出的出行要求，利用聚类算法进行出行需求分析。继而将结果交至后台系统，采用蚁群算法进行统筹调度，再向乘客反应路线信息。

“定制公交路线和站点规划研究”，运用K-means聚类算法对定制公交小区进行划分，提出基于层次聚类的站点规划方法，进而建立定制公交路线模型。

“智能公交调度算法的研究”，根据上车人数、下车人数、到站概率、下车概率建立数据模型，使用遗传算法进行求解。

“Improved Genetic Algorithm for the Regional Multi-line BusDispatching”，分析现有交通环境和公交调度的基础上，建立数学模型，以乘客平均最大满意度，平均负荷构建该模型的目标函数，对问题进行优化求解。

上述调度方法存在以下缺陷：

(1)未能充分利用现有的交通基础设施。

(2)使用k-means来聚类出需求点，无法推测出乘客下车点

(3)在上述方案中，未能以优先服务最大群体为目标，安排公交进站的优先次序

(4)数据获取难度大，未有效运用大数据及车联网技术进行站点规划。

发明内容

本发明的目的在于，提供一种基于站点优选和蚂蚁寻迹的公交自适应调度方法，根据大数据呈现的宏观数据特征，指导公交路线的制定；科学合理的站点设置以满足大部分乘客的出行需求，使定制公交资源得到最大程度的利用，线路规划以提高定制公交吸引力，有效减少乘客行程时间和公交企业运营成本。

为了实现上述任务，本发明采用以下技术方案：

一种基于站点优选和蚂蚁寻迹的公交自适应调度方法，包括以下步骤：

步骤1，数据采集及预处理

步骤1.1，从公交公司的IC卡数据库中采集一天内同一张IC卡产生的记录，包括地铁入站点、地铁出站点、公交上车点，作为个人出行词条；采集的个人出行词条按照IC卡的编号进行排序，得到同一天内不同用户的个人出行词条汇总表；

步骤1.2，设置最小支持度