[发明专利]一种基于区域划分并行遗传算法的车辆调度方法

权利要求书

1.一种基于区域划分并行遗传算法的车辆调度方法，其特征在于，包括步骤：

S1：获取整个城市中的乘客和出租车的参数信息；所述参数信息包括：城市道路之间的路径集、乘客与出租车的数量、出租车与乘客之间的距离、乘客接受的等待时间以及乘客的上车率；

S2：根据所述参数信息为所述乘客和出租车的分配关系建立数学模型；以出租车单次只能分配至一个乘客和出租车需在乘客能接受的最短时间内到达作为约束条件；以包括乘客上车前的平均等待时间和所有乘客的总上车率的服务质量为评估指标建立目标函数，以所述平均等待时间最小、所有乘客的总上车率最大作为优化目标；

S3：根据所述城市道路之间的路径集和乘客与出租车的数量对城市的全局区域进行划分，得到多个子区域，将乘客从所述全局区域分配到划分出的所述子区域；

步骤S3还包括步骤：

S31：在相邻子区域之间以预设概率划分出临界区域；

S32：将各所述子区域内的乘客保留在原先所述子区域内，将处于临界区域内的乘客预设概率分配到所述子区域的相邻子区域内；

S4：采用遗传算法分别并行的对各所述子区域内的所述乘客与出租车匹配方案进行服务质量评估，并以既能满足所述优化目标又能满足所述约束条件的匹配方案作为所述子区域最终的局部车辆调度方案；

S5：以各子区域最终的局部车辆调度方案为全局区域的当前车辆调度方案，通过重新分配临界区域的乘客计算全局区域匹配方案的服务质量，得到全局区域的车辆调度方案；

步骤S5具体包括：

S51：获取各子区域最终的局部车辆调度方案，以各子区域最终的局部车辆调度方案为全局区域当前车辆调度方案；

S52：对所述当前车辆调度方案进行评估并记录评估值；

S53：重新分配临界区域的乘客，得到新的车辆调度方案，比较当前车辆调度方案和新的车辆调度方案服务质量的评估值大小，以评估值大者作为当前车辆调度方案；

S54：重复步骤S52和S53，直到服务质量评估值收敛为定值时的车辆调度方案为全局区域的最终车辆调度方案；

所述平均等待时间为所有乘客在分配到出租车的情况下乘客的等待时间的总和与所有乘客的等待时间的总和的比值；其数学表达公式为：

w_j＝E(j,i)，如果出租车i计划去接乘客j

其中y_j表示乘客j是否被分配到一辆出租车，ω_j表示乘客j的等待时间，N_p表示乘客的人数；

所述总上车率由当前上车率和预测上车率两部分组成；其中，当前上车率是分配到出租车的乘客数量与区域内所有乘客的人数的比值，其计算公式为：

将一个调度周期分成若干个时隙，每个时隙表示一个匹配时间窗口，当前匹配期间内没有得到服务的乘客，仍有机会在下一个时间窗口得到服务，根据接送其余乘客的可能性来定义预测上车率，其计算公式为：

T_t(j)＝T_r(j)·D(j)

表示y_j的翻转，T_t(j)表示乘客j可容忍的等待时间，max(T_t(j))表示乘客j最高容忍等待时间，T_r(j)表示乘客j可忍受等待时间/订单距离得到的比率，D(j)表示乘客j发送的订单距离，第t时间窗口由W_t表示；P_r,c为当前上车率，P_r,p为预测上车率。

2.根据权利要求1所述的方法，其特征在于，步骤S4包括步骤：

S41：以所述子区域内的所有所述乘客与出租车匹配方案为种群，一个匹配方案为染色体，对所述种群进行初始化；并对初始化后的染色体进行编码；

S42：对编码后的染色体进行交叉和变异，得到重组染色体；

S43：对种群中每个染色体和重组染色体进行服务质量评估，采用轮盘赌的方法进行选择，以满足所述优化目标的染色体作为当前最佳个体；

S44：将所述当前最佳个体加入种群，循环操作步骤S42-S43，直到当前最佳个体收敛为定值时，将所述当前最佳个体作为所述子区域最终的局部车辆调度方案。