[发明专利]一种基于驾驶员上下班地点偏好的智能排班算法

权利要求书

1.一种基于驾驶员上下班地点偏好的智能排班算法，其特征在于，包括基础数据采集模块、营运数据分析模块、客流数据分析模块、权重分析模块、行车计划编制模型模块；

基础数据采集模块包括公交线路基础数据集、各驾驶员期望上下班地点数据；

营运数据分析模块用于根据历史营运数据分析、预测线路在不同日期、不同天气下各峰段的平均行驶时间及其波动概率区间；

客流数据分析模块用于根据历史采集的客流数据分析、预测线路在不同日期、不同天气下各峰段的发车频次和发车间隔；

行车计划编制模型模块结合基础参数及上述各约束条件，建立多目标优化模型，生成主要考虑车辆周转时间及客流需求间隔的初始行车计划表，包括所需车辆数及其需求营运里程、所需驾驶员数、所有班次进出场地点与时间；

权重分析模块用于根据初始的行车计划表、各驾驶员期望上下班地点信息，分析得到把所有驾驶员的期望上下班地点跟计划需求驾驶员的上下班地点及距离进行匹配后的权重结果矩阵，并在权重结果矩阵基础上，形成最优的组合结果，形成行车计划编制模型预设的一个输入条件；

行车计划编制模型模块再根据上述权重分析模块的组合权重结果，把所配备的具体车辆、驾驶员关联到初始行车计划表中的车辆号及驾驶员编号上，最终形成使得驾驶员上下班路程最短的行车计划表。

2.根据权利要求1所述的一种基于驾驶员上下班地点偏好的智能排班算法，其特征在于，所述算法的实现步骤如下：

S1：获取公交线路基础数据，包括线路首末站点、线路上下行长度、营运时间、首末站点停站时间等数据，同时通过人员管理信息系统中获取驾驶员家庭住址；

S2：根据历史营运数据分析、预测线路在不同日期、不同天气下各峰段的平均行驶时间及其波动概率区间；

S3：根据历史采集的客流数据分析、预测线路在不同日期、不同天气下各峰段的发车频次和发车间隔；

S4：行车计划编制模型模块根据上述多源数据生成线路的初始行车计划表，包括各班次在首末站点的每个发车时刻点、行驶时间、停站时间及各相邻车次之间的发车间隔；

S5：权重分析模块结合线路初始的行车计划表、驾驶员家庭住址数据，通过设置对应的权重值，把驾驶员的期望上下班站点跟需求驾驶员的需求上下班里程进行匹配；

S6：行车计划编制模型模块再根据上述权重分析结果，把所配备的具体驾驶员关联到初始行车计划表中的驾驶员编号上，最终形成能最大程度满足驾驶员期望需求的行车计划表。

3.根据权利要求2所述的一种基于驾驶员上下班地点偏好的智能排班算法，其特征在于，所述步骤S4中初始生成的行车计划表主要考虑车辆周转时间及客流需求间隔形成各班次对应的车次链，此步骤中没有关联车辆和驾驶员。

4.根据权利要求2所述的一种基于驾驶员上下班地点偏好的智能排班算法，其特征在于，所述步骤S4中的行车计划表能够形成m×n的矩阵，m为最大需求班次数，n为最大需求单次号，F(i,j)，i＝1,2,…,m；j＝1,2,…,n，指各班次在首末站点的每个发车时刻点、行驶时间、停站时间数据集合；

其中：F(i,j)≠Φ，表示i行j列内有数据集合，i＝1,2,…,m；j＝1,2,…,n；F(i,j)＝Φ,表示i行j列内没有数据集合，即为空值，i＝1,2,…,m；j＝1,2,…,n，F(i,j)为空值时，表示在停止营运状态，数据集合内的各数据全部为0；

根据各F(i,j)，i＝1,2,…,m；j＝1,2,…,n的实际值，可以计算得出各班次的需求车次数c_i及需求的计划营运里程l_i集合，i＝1,2,…,m；j＝1,2,…,n。

5.根据权利要求2所述的一种基于驾驶员上下班地点偏好的智能排班算法，其特征在于，所述步骤S5中用ω(i,j)表示把所有驾驶员D_i的期望上下班站点L_i跟需求驾驶员d_j的需求上下班里程l_i进行匹配后的权重结果值，i＝1，2，…，m；j＝1，2，…，n，最终形成m×n的匹配结果权重值矩阵，m为配备驾驶员数，n为需求班次数，m≥n；若所有驾驶员D_i的期望上下班里程标准值是M_i，上限为对于任意一个匹配结果ω(i,j)，其对应的权重值定义为：

则能够得到匹配结果权重值矩阵中的每个权重值。