[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

摘要

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。

主权项

1.一种基于客流的智能排班方法，其特征在于，包括以下具体步骤：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Q min的时间区间的客流总数，Q∈[15，60]；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Q min的时间聚合，得到每天每隔Q min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Q min的时间区间的客流总数所述灰色模型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Q min的时间区间的客流数，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z⁽¹⁾(k)＝αx⁽¹⁾(k)+(1‑α)x⁽¹⁾(k‑1),k＝2,3,…,n；z⁽¹⁾＝(z⁽¹⁾(1),z⁽¹⁾(2),…,z⁽¹⁾(n))称z⁽¹⁾为邻值生成数列，权重α成为生成系数；建立灰色模型GM(1,1)定义GM(1，1)的灰微分方程为x⁽⁰⁾(k)+az⁽¹⁾(k)＝b其中，x⁽⁰⁾称为灰导数，a称为发展系数，z⁽¹⁾称为白化背景值，b称为灰作用量；将时刻k＝2,3,…,n带入得引入矩阵记号u、Y、B于是GM(1，1)模型可表示为Y＝Bu使用最小二乘法求解u对于GM(1，1)的灰微分方程，如果将时刻k＝2,3,…,n视为连续变量t，则之前的x⁽¹⁾视为时间t函数，于是灰导数x⁽⁰⁾(k)变为连续函数的导数白化背景值z⁽¹⁾(k)对应于导数x⁽¹⁾(t)；于是GM(1，1)的灰微分方程对应于的白微分方程为解为：于是得到第n+1天中每隔Q min的任一时间区间的客流预测值进而得到某天中每隔Q min的时间区间的m条客流预测值，步骤3，对步骤2的所述m条客流预测值划分成h个时间段步骤4，计算每个时间段的最佳发车间隔Δt_i，i∈{1,2,…,h}步骤5，根据步骤4中得到的每个时间段的最佳发车间隔进行排班，即得到发车时刻表，进而得到车辆发车计划。