[发明专利]一种站点车辆智能调度方法及装置

权利要求书

1.一种站点车辆智能调度方法，其特征在于，包括：

获取当前实际发送量信息及当前时间点的属性信息；

将所述当前实际发送量信息及当前时间点的属性信息输入至运力需求预测模型中，得到所述运力需求预测模型输出的目标时间段内的运力需求预测结果；

采集当前营运车辆的实时位置信息，根据所述实时位置信息预测之后预设时间范围内进站报班的目标营运车辆，将所述目标营运车辆纳入调度资源中，确定相应的车辆调度资源范围；

其中，所述运力需求预测模型是以预设时间长度的历史发送量信息及相应时间点的属性信息为样本，以所述历史发送量信息及相应时间点的属性信息对应的实际运力需求预测结果为样本标签进行反向传播训练得到的递归神经网络模型；

基于所述运力需求预测结果及预设的优化原则，采用穷举法确定当前运力调度方案，向目标用户端推送相应的运力调度方案，基于输入的选择信息完成相应的调度任务；

所述基于所述运力需求预测结果及预设的优化原则，确定当前运力调度方案，具体包括：基于所述优化原则将运力调度方案的评价抽象为权重评分，采用穷举法确定当前运力调度方案；运力调度方案总得分=∑运力调度方案评分指标项*权重；其中，所述运力调度方案评分指标项包括运力得分、效率得分以及旅客滞留时间得分；所述优化原则的数学体现为权重；

所述运力调度方案评分指标项的算法公式分别为：运力得分=N*∑车辆总座位数；效率得分=M*运力/时段内排班车辆数；旅客滞留时间得分=L / ∑（时段预计需求运力-已排班运力）*时段时长；其中，参数N、M、L为经验系数；

根据所述运力需求预测结果、人员驾驶信息、车辆运行信息以及预设的固定排班方案，生成相应的备选排班方案；

其中，所述根据所述运力需求预测结果、人员驾驶信息、车辆运行信息以及预设的固定排班方案，生成相应的备选排班方案，具体包括：通过遗传算法和克隆选择算法对所述运力需求预测结果、人员驾驶信息、车辆运行信息以及预设的固定排班方案进行分析，初始族群采用基于优先级的排班算法来生成，并通过设计的排班方案评价方法引导算法的演变过程，设置评分达到预设阈值后即作为可行解，产生相应的备选排班方案。

2.根据权利要求1所述的站点车辆智能调度方法，其特征在于，

所述运力需求预测模型具体用于对所述历史发送量信息及相应时间点的属性信息进行特征提取得到目标特征，基于所述目标特征对所述当前实际发送量信息及当前时间点的属性信息进行运力需求预测分析，输出相应的运力需求预测结果。

3.根据权利要求1所述的站点车辆智能调度方法，其特征在于，所述获取当前实际发送量信息，具体为：根据当前实际售票量信息确定当前实际发送量信息；

所述当前时间点的属性信息，具体包括：当前时间点对应的天气状况信息、之前同期时间点运力指标信息、节假日信息、之前目标时段内的平均运力指标信息以及早晚高峰变化规律特征信息中的至少一种。

4.根据权利要求3所述的站点车辆智能调度方法，其特征在于，还包括：基于所述当前实际售票量信息，生成当前客运站热门线路排行信息。

5.根据权利要求1所述的站点车辆智能调度方法，其特征在于，

还包括：在模型训练过程中，基于预设的均方误差法或者随机梯度下降法对所述运力需求预测模型进行优化处理。