[發(fā)明專利]一種基于沿線站點(diǎn)事件的公交調(diào)度方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011477309.1
• 申請日: 2020-12-15
• 公開（公告）號: CN112465396B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 陳媛媛;曹鳳虎;曹鳳才;景寧;張瑞;王志斌
• 申請（專利權(quán)）人: 中北大學(xué)
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q10/067;G06Q50/26;G06F16/953;G06F16/215;G06N20/00;G06N3/08
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 王愛濤

1.一種基于沿線站點(diǎn)事件的公交調(diào)度方法，其特征在于，所述公交調(diào)度方法包括如下步驟：

采用網(wǎng)絡(luò)爬蟲技術(shù)和先驗(yàn)知識學(xué)習(xí)方法獲取未來時(shí)段內(nèi)各個公交線路沿線及周圍相關(guān)機(jī)構(gòu)的預(yù)計(jì)發(fā)生的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

所述采用網(wǎng)絡(luò)爬蟲技術(shù)和先驗(yàn)知識學(xué)習(xí)方法獲取未來時(shí)段內(nèi)各個公交線路沿線及周圍相關(guān)機(jī)構(gòu)的預(yù)計(jì)發(fā)生的公交調(diào)度相關(guān)事件信息數(shù)據(jù)，具體包括：

采用網(wǎng)絡(luò)爬蟲技術(shù)從各個公交線路沿線及周圍相關(guān)機(jī)構(gòu)的網(wǎng)站上，獲取各個公交線路沿線及周圍相關(guān)機(jī)構(gòu)的預(yù)計(jì)發(fā)生的非周期性的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

采用先驗(yàn)知識學(xué)習(xí)方法，對歷史的周期性的公交調(diào)度相關(guān)事件進(jìn)行分析，確定各個公交線路沿線的周期性的公交調(diào)度相關(guān)事件的分布規(guī)律；將未來時(shí)段與所述分布規(guī)律進(jìn)行對比，確定未來時(shí)段的周期性的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

對所述公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與特征提取，獲得公交調(diào)度相關(guān)事件特征數(shù)據(jù)；

對所述公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗與特征提取，獲得公交調(diào)度相關(guān)事件特征數(shù)據(jù)，具體包括：

對所述公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行缺失值處理、格式轉(zhuǎn)換、重復(fù)數(shù)據(jù)去除處理和噪聲數(shù)據(jù)去除處理，獲得清洗后的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

利用數(shù)據(jù)擬合的方法，對清洗后的公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行驗(yàn)證，獲得驗(yàn)證通過的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

采用拉依達(dá)準(zhǔn)則對驗(yàn)證通過的公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行數(shù)據(jù)異常值處理，獲得異常值處理后的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

對異常值處理后的公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行去噪平滑處理，獲得去噪平滑處理后的公交調(diào)度相關(guān)事件信息數(shù)據(jù)；

對去噪平滑處理后的公交調(diào)度相關(guān)事件信息數(shù)據(jù)進(jìn)行數(shù)據(jù)分割，獲得多個數(shù)據(jù)段；

對每個數(shù)據(jù)段進(jìn)行特征提取，獲得每個數(shù)據(jù)段的特征數(shù)據(jù)；

將每個數(shù)據(jù)段的特征數(shù)據(jù)進(jìn)行拼接，獲得公交調(diào)度相關(guān)事件特征數(shù)據(jù)；

將公交調(diào)度相關(guān)事件特征數(shù)據(jù)輸入用于人流預(yù)測的訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，獲得未來時(shí)段內(nèi)各個公交線路沿線的人流量；

根據(jù)未來時(shí)段內(nèi)各個公交線路沿線的人流量對各個公交線路沿線的公交車進(jìn)行調(diào)度。

2.根據(jù)權(quán)利要求1所述的基于沿線站點(diǎn)事件的公交調(diào)度方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為衰減的最小平方模型。

3.根據(jù)權(quán)利要求1所述的基于沿線站點(diǎn)事件的公交調(diào)度方法，其特征在于，所述根據(jù)未來時(shí)段內(nèi)各個公交線路沿線的人流量對各個公交線路沿線的公交車進(jìn)行調(diào)度，具體包括：

根據(jù)未來時(shí)段內(nèi)各個公交線路沿線的人流量，利用公式計(jì)算各個公交線路沿線的未來時(shí)段內(nèi)的最大斷面客流量；其中，p_i表示未來第i個公交線路沿線的未來時(shí)段內(nèi)的最大斷面客流量，N_l表示第i個公交線路沿線的人流量中的第l個站臺的上車人數(shù)，Y_l表示第i個公交線路沿線的人流量中的第l個站臺的下車人數(shù)，M_i表示第i個公交線路沿線的的站臺數(shù)量，L表示第i個公交線路沿線的前L個站臺；

根據(jù)各個公交線路沿線的未來時(shí)段內(nèi)的最大斷面客流量，利用公式計(jì)算各個公交線路沿線的未來時(shí)段內(nèi)的最小車輛數(shù)；其中，n_i表示第i個公交線路沿線的未來時(shí)段內(nèi)的最小車輛數(shù)。