[发明专利]一种基于客流的智能排班方法及装置、移动端设备、服务器

说明书

本发明公开了一种基于客流的智能排班方法及装置、移动端设备、服务器，所述方法包括如下步骤，步骤1，获取公交的历史客流数据；步骤2，通过灰色模型预测某一天的客流，步骤3，对客流预测值划分成多个时间段，步骤4，计算每个时间段的最佳发车间隔，步骤5，根据最佳发车间隔进行排班，进而得到车辆发车计划。本发明通过数学模型计算得出最优的排班方式，输入客流量即可得到排班的结果，减少人为因素和不同城市因素的影响；通过使用灰色模型，并采用fisher最优分割法，最佳发车间隔的选择同时考虑了公交运营成本和乘客的等车成本，实现在降低公交运营成本的同时，有效保证乘客的乘车体验。

技术领域

本发明涉及智能交通研究领域，尤其是根据公交客流大数据进行智能排班的方法，具体涉及一种基于客流的智能排班方法及装置、移动端设备、服务器。

背景技术

我国各大城市为了缓解交通拥堵，均在积极规划和改善公共交通服务，从而提升公共交通的乘客数量，缓解城市交通压力。如何合理的进行公交排班，在降低公交运营成本的同时，保证对乘客的服务质量，对公共交通服务质量的改善起着至关重要的作用。现有的公交排班大多依赖排班人员的主观经验，排班结果无统一标准，排班无法很好的贴合客流，我公司之前研发的一种基于历史客流大数据的公交智能排班方法，通过对历史客流的简单处理后，用于排班，一方面客流预测不够准确，另一方面无法同时兼顾公交运营成本和服务质量。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于客流的智能排班方法及装置、移动端设备、服务器，本发明的方法提高了客流预测的精度，实现在降低公交运营成本的同时，有效保证乘客的乘车体验。

为达到上述目的，本发明是通过以下的技术方案来实现的。

步骤1，获取公交的历史客流数据，所述历史客流数据包括每个公交站点的上车人数及上车时间、下车人数及下车时间。

步骤2，通过灰色模型根据n天历史客流数据预测第n+1天中每隔Qmin的时间区间的客流总数，Q∈[15,60]；

关于Q的时间区间的取值，如果时间区间太小，会使得客流的随机性增加，对客流预测的准确性会降低，如果时间区间太大，比如是对每2h的客流进行预测，这样一天中只有12个客流预测值，把12个客流预测值分在步骤3所述的7 个时间段中，比较有困难并且不够合理。

步骤21，对所述历史客流数据进行预处理

获取之前连续同种类型日期的n天历史客流数据，将其中每天的历史客流数据按照每隔Qmin的时间聚合，得到每天每隔Qmin的时间区间的客流总数，所述同种类型日期是指相同的工作日或相同的节假日；

步骤22，使用灰色模型GM(1，1)预测第n+1天中每隔Qmin的时间区间的客流总数，Q∈[15,60]

所述灰色模型GM(1,1)表示1阶的、1个变量的微分方程模型，具体如下：

设x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n))，其中n表示历史客流的天数，x⁽⁰⁾(1) 表示第一天历史客流中任Qmin的时间区间的客流数,比如，x⁽⁰⁾(1)表示第一天历史客流中6:00-6:30的客流数；

x⁽¹⁾＝(x⁽¹⁾(1),x⁽¹⁾(2),…,x⁽¹⁾(n))

称x⁽¹⁾为x⁽⁰⁾的1次累加生成数列