[发明专利]一种站点车辆智能调度方法及装置

说明书

本发明提供一种站点车辆智能调度方法以及装置。其中，该方法包括：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；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。采用本发明公开的站点车辆智能调度方法，能够通过使用机器学习的分析方法，基于历史数据、当前车票销售情况等预测客运站未来一段时间的运力需求情况，并结合多维度的参考信息智能生成推荐调度计划，有效提升了对客流预测的精度和效率。

技术领域

本发明涉及大数据处理技术领域，具体涉及一种站点车辆智能调度方法及装置。另外，还涉及一种电子设备及非暂态计算机可读存储介质。

背景技术

近年来，随着互联网和计算机技术的快速发展，机器学习已广泛应用于各行各业,同时导航定位装置也已经普及到了每一辆营运客车上。在区域客户车站的交通运营过程中，对营运客车进行实时准确的调度等工作，与对应的不同客流变化情况密切相关。比如节假日、异常天气或者高峰时段客流变化情况，通常需要通过增加客车的发车次数、缩短列车发车间隔以及增加管理人员等措施来保障每一辆营运客车的有序高效运行。因此对各线路每日客流变化情况进行准确的预测对实现有效调控十分重要。

目前，传统客运站的班次调度通常都是“盲调”，即调度员只能通过通讯设备获取到相关信息，根据自己的经验或者预计需要的运力调度相关车辆，并安排实施相应的调度计划。然而，面对节假日等人流量大、出行时间集中的情况，存在反应滞后，无法精确安排的问题。因此，如何针对客车交通运营中存在的调度问题设计一套安全、高效、便捷的调度方案生成及推荐策略成为目前业界亟待解决的需要课题。

发明内容

为此，本发明提供一种站点车辆智能调度方法及装置，用以解决现有技术中存在的客车交通运营中车辆调度效率和准确率较低，无法对当前人流量实际变化情况做出及时有效应对措施的问题。

本发明提供一种站点车辆智能调度方法，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；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，确定当前运力调度方案。

进一步的，所述的站点车辆智能调度方法还包括：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。

进一步的，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。

进一步的，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，获取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。

进一步的，所述的站点车辆智能调度方法还包括：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。

进一步的，所述的站点车辆智能调度方法还包括：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。

进一步的，所述的站点车辆智能调度方法还包括：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。