CN106372761A - 一种基于群智计算的公交自行车出行路线规划方法 - Google Patents

Abstract

本发明公开了一种基于群智计算的公交自行车出行路线规划方法。本发明结合智能手机广泛流行的现状，将每位借用公交自行车的用户看作一个信息提供的基础单元，通过用户在借用公交自行车过程中传递的实时信息反馈便可分析自行车使用情况的特征和规律。服务器通过对用户的用车进行实时优化计算，可为用户提供更加准确的借还车站点信息，从而提高自行车***的使用效率、提升用户的用车体验。

Description

一种基于群智计算的公交自行车出行路线规划方法

技术领域

本发明属于物联网领域，特别是涉及一种基于群智计算的公交自行车出行路线规划方法。

背景技术

公交自行车作为一种低碳环保的出行方式，为城市交通提供了很多独特的便利。这种出行方式在国内外很多城市已经大量的普及开来，拥有很多用户的同时，也给公交自行车***的使用带来了一些压力。现有的公交自行车***所提供的服务缺少对用户行为的考虑，以及科学的规划。造成诸多城市公交自行车***的自行车使用率不理想，资源浪费现象严重。例如有些车站经常少有人使用而偏废；常有用户寻找可用车站困难，或者借还车时碰到没有车辆或空车桩等情况。这些情况的出现导致用户在使用公交自行车***时花费了大量不必要的时间，却并不能享受真正便利的服务。

实际生活中，用户期望便利地使用公交自行车***，并且可以快捷地找到“有车可借、有位可还”的车站。在现有技术中，较好的方法是直接利用第三方服务平台来获取自行车使用信息。然而，其消息发布方式单一，自行车使用信息传递不够及时全面。尽管很多公交自行车***提供了车站及车辆信息，但其无法获知用户的全部用车行为信息，例如，无法事先获知用户的出行起始点和目的地。另外，这些***也无法获知用户起始点到起始车站的路径。因而本质上，这些***不能给用户提供准确实时的可使用自行车和空车桩信息，也无法从根本上解决用户出行耗时的问题。如何实时有效地采集信息并为用户提供出行路线的动态规划成为提高公交自行车***使用效率亟待解决的问题。

群智计算作为一种新兴的计算模式，现已随着无线移动终端，特别是智能手机的流行而广泛普及。移动设备所集成的各式传感器在采集数据的过程中发挥着越来越重要的作用，这也使得人类行为数据变得无处不在。同时，万维网的迅速发展，也为群智计算提供了技术基础，基于该技术的实际应用丰富。例如：利用群智计算的模式，网友们在几个月之内就将本来需要消耗巨大时间和人力资源的将近130年的《***》进行数字化存档。群智计算拥有其它模式无法匹及的实时性和更为优化的群体调度性，因此它可以动态地查询和获取数据，并对其进行潜在地分析和计算。经以上分析可知，群智计算的模式可以成为解决上述问题的新途径。针对公交自行车***用户量多、自行车使用频繁、信息量庞大等情况，通过群智计算的模式，可以为用户制定合理的出行规划。并且，群智计算模式下的公交自行车***可以更全面地获取用户的用车行为信息，通过用户提供起始点和目的地的位置信息，便可为其规划一条完整的出行路线。除此之外，在群智计算的模式下，车站信息的更新更为及时，因此可以为每位用户提前做好路线的规划。

发明内容

本发明针对现有技术的不足，提出了一种基于群智计算的公交自行车出行路线规划方法。

为实现上述目的，本发明方法在群智计算的模式下，采用贪心算法对出行路线进行规划，其具体步骤是：

步骤一、从数据库获取每个公交自行车站信息b_i存入集合B。其中包括车站地理位置l_i，该车站可用自行车数量和空车桩数量

步骤二、每位用户u_i分别提供起点坐标和目的地坐标服务器通过用户起始点和目的地坐标信息，检索周边距离小于用户步行可接受范围d_max的可选车站。

步骤三、将用户信息u_i，存入用户集合U。其中包括用户起点和目的地可选起始车站集合可选目的车站集合

步骤四、遍历每位用户的可选车站集合，找到所有可选的出行路线t_i，并计算每一条路线的代价C(t_i)和用以评估这条路线质量的Q(t_i)，为每位用户选出评估值Q(t_i)最大的路线。

其中，代价是指完成每条路线所需要的时间，包括从起点至起始车站及从目的车站至目的地的步行时间和骑行时间即时间可由速度和路程来计算。将代价的倒数记为用以评估这条路线质量的Q(t_i)，即

当Q(t_i)越大，证明C(t_i)越小，用户完成出行所消耗的时间越短，可行性越高。

步骤五、重复步骤四，直至计算出所有用户中每位用户评估值Q(t_i)最大的路线，再次筛选这些路线中Q(t_i)最大的一条，仅将该路线分配给对应的用户。

步骤六、分配成功后，将该出行路线所对应的起始车站的可用自行车数量与目的地车站的可用空车桩数量分别减少一个，并将该用户在用户集合U中删除。

步骤七、将调整后的数据实时更新，利用最新数据为下一轮分配做准备。

步骤八、重复步骤四到步骤七，继续为其余用户进行下一轮分配。直至用户集合为空或不能为任何一位用户找到可行路线为止。

本发明所具有的优点是：

(1)通过实时获取的用户用车请求信息，可以对自行车借还状况进行分析及预测。利用本发明的方法，可以明显解决大量用户同时使用公交自行车***时出现的车辆及空车桩数量更新不及时的情况，比现有的智能公交自行车***更实时和准确；

(2)利用群智计算的方法，通过搜索、整理、分析数据等手段，可以得到公交自行车******的信息，以达到帮助协调用户使用公交自行车，提高公交自行车***使用效率的目的。例如利用已得数据合理地调度不同自行车站车辆，以及为地处偏僻位置的用户提供合适的公交自行车车站信息；

(3)本发明充分利用智能手机内置传感器的优势，实时向服务器端反馈消息。同时，服务器端也能够更方便地为用户提供公交自行车借还信息。

附图说明

图1为一种基于群智计算的公交自行车出行路线规划方法的***架构图。

图2为一种基于群智计算的公交自行车出行路线规划方法的流程图。

图3为本发明中用户出行路线示意图。

具体实施方式

以下结合附图对本发明作进一步说明。

根据图1所示，本发明结合智能手机广泛流行的现状，将每位借用公交自行车的用户看作一个信息提供的基础单元，通过用户在借用公交自行车过程中传递的实时信息反馈便可分析自行车使用情况的特征和规律。其中，公交自行车的初始信息存储于数据库中，数据采集和提供工作由用户的移动设备完成，数据的处理和反馈工作由服务器完成。对于服务器而言，通过用户实时提供的出发地和目的地位置信息，便可获得用户群体用车行为。服务器通过对用户的用车进行实时优化计算，可为用户提供更加准确的借还车站点信息，从而提高自行车***的使用效率、提升用户的用车体验。在群智计算的模式下，服务器利用有大量用户同时请求服务的优势，通过对群体数据的实时分析和处理，可以有效地解决借还车难的问题。特别是针对景区等外来游客流动较大的区域，游客用户对公交自行车使用需求高，却对周围公交自行车站点不熟悉，这种情况下，本发明更能发挥优势，为其提供便捷的服务

结合图2所示，下面将详细完整地介绍本发明。

本发明是一种基于群智计算的公交自行车出行路线规划方法，具体实施方案是：

步骤一、假设共有N个公交自行车车站，M位用户，从数据库获取每个车站信息b_i存入集合B。其中包括车站地理位置l_i，该车站可用自行车数量和可用空车桩数量

其中，

$A_i^o\≥\underset{k=1}{\overset{M}{\Σ}}I(b_k^o=b_i),\∀i=1,2,3,...,N$

$A_i^t\≥\underset{k=1}{\overset{M}{\Σ}}I(b_k^t=b_i),\∀i=1,2,3,...,N$

表示一个车站只可以有限次地作为被分配的出行路线中的起始车站或目的车站，一旦可用自行车数量为0时，该车站将不能作为起始车站出现在任何一条出行路线中，同理，当可用空车桩数量为0时，该车站将不能作为目的车站出现在任何一条出行路线中。

步骤二、每位用户u_i请求分配路线时，向服务器分别提供起点坐标和目的地坐标服务器通过用户起点和目的地坐标数据，检索周边距离小于用户步行可接受范围d_max的可选车站。

根据图3所示，用户每完成一次出行需要从起始点步行至起始车站，从起始车站骑行至目的车站，最后从目的车站步行至目的地。d_max为用户步行过程中能够接受的最远距离。在本发明一次较佳的实施例中，所述距离d_max设为500米。

步骤三、将用户信息u_i，存入用户集合U。其中包括用户起点和目的地可选起始车站集合可选目的车站集合

根据步骤一及步骤二的描述，可选起始车站集合需满足可选自行车数量大于0且步行距离小于d_max两个条件，即：

$B_i^o=\left\{b_j\right|b_j\&Element;B,A_j^o>0,Dist(l_i^o,b_j)<d_{max}\}$

同理，可选目的车站集合需满足可选空车桩数量大于0且步行距离小于d_max两个条件，即：

$B_i^t=\left\{b_j\right|b_j\&Element;B,A_i^t>0,Dist(b_j,l_i^t)<d_{max}\}$

Dist(a,b)表示两个地点间的距离。

步骤四、分别遍历每位用户的可选起始车站集合和可选目的车站集合，找到所有可选的出行路线t_i，一条完整的出行路线包括四部分：起始点、起始车站、目的车站和目的地，即：

$t_i=(l_i^o,b_i^o,b_i^t,l_i^t)$

其中，即起始车站和目的车站不能相同，否则视为规划失败。

计算每一条路线的代价C(t_i)和用以评估这条路线质量的Q(t_i)，选出每位用户Q(t_i)最大的路线。

代价C(t_i)是指完成每条路线所需要的时间，包括从起点至起始车站及从目的车站至目的地的步行时间和骑行时间即时间可由速度和路程来计算：

$t_i^w=\mathrm{\&alpha;}\left(Dist\right(l_i^o,b_i^o)+Dist(b_i^t,l_i^t\left)\right)$

$t_i^r=\mathrm{\&beta;}Dist(b_i^o,b_i^t)$

α及β分别为用户步行速度和骑行速度的倒数。

将代价的倒数记为用以评估这条路线质量的Q(t_i)，即：

当一条出行路线的起始点和目的地已知且不变时，其Q(t_i)越大，证明C(t_i)越小，用户完成出行所消耗的时间越短。假设速度一定时，出行所需距离越短，因此该出行路线的可行性越高。

步骤五、重复步骤四，直至计算出所有用户中每位用户评估值Q(t_i)最大的路线，经上述分析得知，当Q(t_i)越大，出行路线的可行性越高，因此，再次筛选这些路线中Q(t_i)最大的一条，仅将该路线分配给对应的用户。

步骤六、分配成功后，将该出行路线所对应的起始车站的可用自行车数量与目的地车站的可用空车桩数量分别减少一个，并将该用户在用户集合U中删除，表示该用户已成功分配出行路线。

步骤七、将调整后的起始车站、目的车站、可用自行车数量及可用空车桩数量和用户集合等信息进行实时更新，每进行下一轮分配时必须保证使用的数据为最新数据。

步骤八、重复步骤四到步骤七，继续为其余用户进行下一轮分配，每一轮只为一位用户分配出行路线。直至用户集合为空或不能为任何一位用户找到可行路线为止。

为保证发明内容的可实施性，本发明进行了一系列的实验测评。实验分为服务器端和客户端两个部分。服务器端采用Python语言编写，客户端在Android平台上搭建而成。客户端主要为用户提供直观的界面以进行路线查看等功能，服务器端主要对采集到的数据进行分析处理。

本发明是一种基于群智计算的公交自行车出行路线规划方法，通过个体用户的反馈，可以收集到群体庞大的信息，并拥有广阔的应用前景。(1)利用本***可以通过收集到的公交自行车出行情况，实时推送交通路况信息，并可以通过众人参与的方式，分享各自的行程；(2)每位用户可以及时进行公交自行车车况反馈，收集到的信息有助于相关公司对自行车的维护和修理；(3)采集数据后，通过分析用户反馈的借用公交自行车起始位置分布数据可以了解一个地段的繁华程度，并以此来估算该地段的商业价值，作为设置店铺的参考点；(4)将历年收集到的公交自行车使用情况及路线情况与旅游景点相结合，可以为用户推送不同季节的最佳出游路线，带动城市旅游文化和经济的发展。

Claims (1)

1.一种基于群智计算的公交自行车出行路线规划方法，其特征在于该方法的具体步骤是：

步骤一、从数据库获取每个公交自行车站信息b_i存入集合B；其中包括车站地理位置l_i，该车站可用自行车数量和空车桩数量

步骤二、每位用户u_i分别提供起点坐标和目的地坐标服务器通过用户起始点和目的地坐标信息，检索周边距离小于用户步行可接受范围d_max的可选车站；

步骤三、将用户信息u_i，存入用户集合U；其中包括用户起点和目的地可选起始车站集合可选目的车站集合

步骤四、遍历每位用户的可选车站集合，找到所有可选的出行路线t_i，并计算每一条路线的代价C(t_i)和用以评估这条路线质量的Q(t_i)，为每位用户选出评估值Q(t_i)最大的路线；

其中，代价是指完成每条路线所需要的时间，包括从起点至起始车站及从目的车站至目的地的步行时间和骑行时间即时间可由速度和路程来计算；将代价的倒数记为用以评估这条路线质量的Q(t_i)，即

当Q(t_i)越大，证明C(t_i)越小，用户完成出行所消耗的时间越短，可行性越高；

步骤五、重复步骤四，直至计算出所有用户中每位用户评估值Q(t_i)最大的路线，再次筛选这些路线中Q(t_i)最大的一条，仅将该路线分配给对应的用户；

步骤六、分配成功后，将该出行路线所对应的起始车站的可用自行车数量与目的地车站的可用空车桩数量分别减少一个，并将该用户在用户集合U中删除；

步骤七、将调整后的数据实时更新，利用最新数据为下一轮分配做准备；

步骤八、重复步骤四到步骤七，继续为其余用户进行下一轮分配；直至用户集合为空或不能为任何一位用户找到可行路线为止。