CN110472773A - 基于萤火虫优化的共享单车调度方法、***、装置和介质 - Google Patents

基于萤火虫优化的共享单车调度方法、***、装置和介质 Download PDF

Info

Publication number
CN110472773A
CN110472773A CN201910643591.7A CN201910643591A CN110472773A CN 110472773 A CN110472773 A CN 110472773A CN 201910643591 A CN201910643591 A CN 201910643591A CN 110472773 A CN110472773 A CN 110472773A
Authority
CN
China
Prior art keywords
bicycle
function
target
information
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910643591.7A
Other languages
English (en)
Inventor
魏智锋
张樵
戴超凡
李继
钟雷
陈欣悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Science and Engineering WUSE
Wuhan University of Science and Technology WHUST
Original Assignee
Wuhan University of Science and Engineering WUSE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201910643591.7A priority Critical patent/CN110472773A/zh
Publication of CN110472773A publication Critical patent/CN110472773A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于萤火虫优化的共享单车调度方法、***、装置和介质，方法包括获取调度区域内的原始单车数据信息；对所述原始单车数据信息进行预处理，得到目标单车数据信息，并根据所述目标单车数据信息得到所述调度区域内的多个目标调度单车的位置；根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径并输出。本发明对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率。

Description

基于萤火虫优化的共享单车调度方法、***、装置和介质
技术领域
本发明涉及共享单车技术领域，尤其涉及一种基于萤火虫优化的共享单车调度方法、***、装置和介质。
背景技术
在国家倡导低碳出行、共享经济加速发展、传统城市租车***急需与互联网模式相结合的当前大环境下，共享单车作为一种新型商业模式，在城市环境、交通领域的影响积极。近年来，随着共享单车的普及，这种出行方式被越来越多人选择，2017年国内共享单车市场规模达102.8亿元，增速达736％，已有超过30家的单车品牌；到2018年，国内共享单车市场规模超170亿元。用户规模方面，2017年国内共享自行车用户规模达2.1亿人，增速达646％，到2018年，预计国内共享自行车用户规模达2.98亿人。预计之后的几年，用户数量将持续大幅增长。“共享单车”作为一种公共交通工具，正悄然改变着市民的生活。
然而，市民在享受共享单车骑行带来方便的同时，车辆的损坏和闲置，给城市管理者和环境带来新的问题和挑战。共享单车行业面临市场需求不平衡、城市管理难度大等问题，提高企业建立有效的智能化管理方式，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，对于保护环境、提高安全出行、交通秩序具有重要意义。因此，亟需一种综合全面且有效可靠的共享单车调度方法，智能化管理损坏和闲置车辆，根据复杂环境合理科学调度车辆。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于萤火虫优化的共享单车调度方法、***、装置和介质，智能化管理损坏和闲置车辆，并根据复杂环境合理科学调度车辆。
本发明解决上述技术问题的技术方案如下：
一种基于萤火虫优化的共享单车调度方法，包括以下步骤：
获取调度区域内的原始单车数据信息；
对所述原始单车数据信息进行预处理，得到目标单车数据信息，并根据所述目标单车数据信息得到所述调度区域内的多个目标调度单车的位置；
根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；
采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径并输出。
本发明的有益效果是：由于调度区域内包含多个损坏或闲置的单车，企业需要对这些损坏或闲置的单车进行处理并替换新的单车，以确保调取区域内的共享单车能正常运作，因此首先获取该调度区域内的原始单车数据信息，可以对所有的损坏或闲置的单车的位置、损坏程度和闲置天数进行统计，通过对原始单车数据信息进行预处理，得到的目标单车数据信息便于得到多个需要调度的目标调度单车的位置；由于企业对这些目标调度单车进行处理并替换时，需要考虑距离、时间和费用等因素，即需要一个全面且优化的最优调度路径，以保证距离、时间和费用都是优化的，因此根据所有需要调度的目标调度单车的位置便于得到距离函数、时间函数和费用函数；上述距离函数、时间函数和费用函数分别为针对单目标的调度路径的目标函数，即根据距离函数的最小值可以得到针对距离的优化调度路径(最短距离路径)，根据时间函数的最小值可以得到针对时间的优化调度路径(最短时间路径)，根据费用函数的最小值可以得到针对费用的优化调度路径(最短费用路径)；然而单目标的调度路径并非最优调度路径，由于时间函数与距离函数之间以及费用函数与距离函数之间分别存在对应的关联关系，因此根据距离函数、时间函数和费用函数可以获取目标调度路径函数，再通过多目标萤火虫优化方法对该目标调度路径函数进行优化，得到的最优解才是对该调度区域内所有需要调度的目标调度单车的最优调度路径；
本发明通过上述调度方法，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述原始单车数据信息包括单车位置信息、单车损坏信息和单车闲置信息。
进一步：对所述原始单车数据信息进行预处理的具体步骤包括：
按照预设的位置范围阈值对所述调度区域内的所述单车位置信息进行分类，得到多个类别的单车位置范围信息；
按照预设的损坏程度阈值对所述调度区域内的所述单车损坏信息进行分类，得到多个类别的单车损坏程度信息；
按照预设的闲置天数阈值对所述调度区域内的所述单车闲置信息进行分类，得到多个类别的单车闲置天数信息；
按照预设的筛选判据，分别对所有所述单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息进行筛选，得到所述目标单车数据信息；其中，所述筛选判据包括位置判据、损坏程度判据和闲置天数判据。
进一步：所述目标调度路径函数具体为：
f(x)＝αf1(x)+βf2(x)+γf3(x)；
且：
其中，x为所述调度路径，f(x)为所述目标调度路径函数，f1(x)为所述调度路径的所述距离函数，f2(x)为所述调度路径的所述时间函数，f3(x)为所述调度路径的所述费用函数，α、β和γ分别为距离权重、时间权重和费用权重，且α+β+γ＝1，v为所述目标调度车辆的速度，p为单价。
进一步：得到所述最优调度路径的具体步骤包括：
根据所述目标调度路径函数建立多目标优化模型；
采用所述多目标萤火虫优化方法，对所述多目标优化模型进行全局搜索，将所述多目标优化模型中的所述目标调度路径函数的最小值对应的所述调度路径确定为所述调度区域的所述最优调度路径。
依据本发明的另一方面，提供了一种基于萤火虫优化的共享单车调度***，包括数据获取模块、数据预处理模块、计算模块、优化模块和输出模块：
所述数据获取模块，用于获取调度区域内的原始单车数据信息；
所述数据预处理模块，用于对所述原始单车数据信息进行预处理，得到目标单车数据信息；
所述计算模块，用于根据所述目标单车数据信息得到所述调度区域内的多个目标调度单车的位置，还用于根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；
所述优化模块，用于采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径；
所述输出模块，用于输出所述最优调度路径。
本发明的有益效果是：通过数据获取模块获取该调度区域内的原始单车数据信息，可以对所有的损坏或闲置的单车的位置、损坏程度和闲置天数进行统计，通过数据预处理模块对原始单车数据信息进行预处理，得到的目标单车数据信息便于计算模块得到多个需要调度的目标调度单车的位置，并根据所有需要调度的目标调度单车的位置得到距离函数、时间函数和费用函数，由于时间函数与距离函数之间以及费用函数与距离函数之间分别存在对应的关联关系，因此根据距离函数、时间函数和费用函数可以便于计算模块获取目标调度路径函数，再通过优化模块采用多目标萤火虫优化方法对该目标调度路径函数进行优化，得到的最优解才是对该调度区域内所有需要调度的目标调度单车的最优调度路径；
本发明的共享单车调度***，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述原始单车数据信息包括单车位置信息、单车损坏信息和单车闲置信息；
所述数据预处理模块具体用于：
按照预设的位置范围阈值对所述调度区域内的所述单车位置信息进行分类，得到多个类别的单车位置范围信息；
按照预设的损坏程度阈值对所述调度区域内的所述单车损坏信息进行分类，得到多个类别的单车损坏程度信息；
按照预设的闲置天数阈值对所述调度区域内的所述单车闲置信息进行分类，得到多个类别的单车闲置天数信息；
按照预设的筛选判据，分别对所有所述单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息进行筛选，得到所述目标单车数据信息；其中，所述筛选判据包括位置判据、损坏程度判据和闲置天数判据。
进一步：所述目标调度路径函数具体为：
f(x)＝αf1(x)+βf2(x)+γf3(x)；
且：
其中，x为所述调度路径，f(x)为所述目标调度路径函数，f1(x)为所述调度路径的所述距离函数，f2(x)为所述调度路径的所述时间函数，f3(x)为所述调度路径的所述费用函数，α、β和γ分别为距离权重、时间权重和费用权重，且α+β+γ＝1，v为所述目标调度车辆的速度，p为单价；
所述优化模块具体用于：
根据所述目标调度路径函数建立多目标优化模型；
采用所述多目标萤火虫优化方法，对所述多目标优化模型进行全局搜索，将所述多目标优化模型中的所述目标调度路径函数的最小值对应的所述调度路径确定为所述调度区域的所述最优调度路径。
依据本发明的另一方面，提供了一种基于萤火虫优化的共享单车调度装置，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现本发明的一种基于萤火虫优化的共享单车调度方法中的步骤。
本发明的有益效果是：通过存储在存储器上的计算机程序，并运行在处理器上，实现本发明的共享单车的调度，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
依据本发明的另一方面，提供了一种计算机存储介质，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现本发明的一种基于萤火虫优化的共享单车调度方法中的步骤。
本发明的有益效果是：通过执行包含至少一个指令的计算机存储介质，实现本发明的共享单车的调度，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
附图说明
图1为本发明实施例一中基于萤火虫优化的共享单车调度方法的流程示意图；
图2为本发明实施例一中得到目标单车数据的流程示意图；
图3为本发明实施例一中得到最优调度路径的流程示意图；
图4为本发明实施例二中基于萤火虫优化的共享单车调度***的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
下面结合附图，对本发明进行说明。
实施例一、如图1所示，一种基于萤火虫优化的共享单车调度方法，包括以下步骤：
S1：获取调度区域内的原始单车数据信息；
S2：对所述原始单车数据信息进行预处理，得到目标单车数据信息，并根据所述目标车辆数据信息得到所述调度区域内的多个目标调度单车的位置；
S3：根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；
S4：采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径并输出。
由于调度区域内包含多个损坏或闲置的单车，企业需要对这些损坏或闲置的单车进行处理并替换新的单车，以确保调取区域内的共享单车能正常运作，因此首先获取该调度区域内的原始单车数据信息，可以对所有的损坏或闲置的单车的位置、损坏程度和闲置天数进行统计，通过对原始单车数据信息进行预处理，得到的目标单车数据信息便于得到多个需要调度的目标调度单车的位置；由于企业对这些目标调度单车进行处理并替换时，需要考虑距离、时间和费用等因素，即需要一个全面且优化的最优调度路径，以保证距离、时间和费用都是优化的，因此根据所有需要调度的目标调度单车的位置便于得到距离函数、时间函数和费用函数；上述距离函数、时间函数和费用函数分别为针对单目标的调度路径的目标函数，即根据距离函数的最小值可以得到针对距离的优化调度路径(最短距离路径)，根据时间函数的最小值可以得到针对时间的优化调度路径(最短时间路径)，根据费用函数的最小值可以得到针对费用的优化调度路径(最短费用路径)；然而单目标的调度路径并非最优调度路径，由于时间函数与距离函数之间以及费用函数与距离函数之间分别存在对应的关联关系，因此根据距离函数、时间函数和费用函数可以获取目标调度路径函数，再通过多目标萤火虫优化方法对该目标调度路径函数进行优化，得到的最优解才是对该调度区域内所有需要调度的目标调度单车的最优调度路径；
本实施例通过上述调度方法，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
具体地，本实施例以武汉磨山景区为调度区域，对该调取区域内的共享单车进行调度。
优选地，所述原始单车数据信息包括单车位置信息、单车损坏信息和单车闲置信息。
具体地，本实施例中包括三个数据库，分别为单车位置数据库、单车损坏数据库和单车闲置数据库，单车位置数据库中存储有单车位置信息，具体通过单车上安装的GPS定位模块来采集并存储，单车损坏数据库中存储有单车损坏信息，具体通过共享单车APP监护用户行为数据来采集并存储，用户还可通过共享单车APP将单车损坏信息上传到单车损坏数据库，单车闲置数据库中存储有单车闲置信息，具体通过共享单车APP监护用户行为数据来采集并存储，例如，当监护到一个调度区域内连续10天或20天单车位置信息未发生变化的单车，即为闲置单车。
优选地，如图2所示，对所述原始单车数据信息进行预处理，得到所述目标单车数据信息的具体步骤包括：
S2.1：按照预设的位置范围阈值对所述调度区域内的所述单车位置信息进行分类，得到多个类别的单车位置范围信息；
S2.2：按照预设的损坏程度阈值对所述调度区域内的所述单车损坏信息进行分类，得到多个类别的单车损坏程度信息；
S2.3：按照预设的闲置天数阈值对所述调度区域内的所述单车闲置信息进行分类，得到多个类别的单车闲置天数信息；
S2.4：按照预设的筛选判据，分别对所有所述单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息进行筛选，得到所述目标单车数据信息；其中，所述筛选判据包括位置判据、损坏程度判据和闲置天数判据。
通过对单车位置信息、单车损坏信息和单车闲置信息分别进行分类，得到的多个类别的单车位置范围信息、单车损坏程度信息和单车闲置天数信息，可以便于后续按照预设的筛选判据进行筛选并得到需要调度的目标单车数据信息，从而便于根据目标单车数据信息进行合理和科学的调度，对损坏和闲置车辆进行智能化管理，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题。其中，多个类别的单车位置范围信息可以存储在单车位置数据库，多个类别的单车损坏程度信息可以存储在单车损坏数据库，多个类别的单车闲置天数信息可以存储在单车闲置数据库，预设的位置范围阈值、损坏程度阈值、损坏程度阈值和预设的筛选判据，均可以根据实际情况选择和调整。
具体地，本实施例中预设的位置范围阈值包括：小于100米、100～200米、200～300米、300～400米、400～500米以及大于500米，因此可以得到6个类别的单车位置范围信息，为便于统计和分析，将6个类别分别设置为A1、A2、A3、A4、A5和A6，具体对应关系如表1所示。
表1单车位置范围信息对应关系表
具体地，本实施例中得到4个类别的单车损坏程度信息，包括：无损坏、轻微损坏、较严重损坏和严重损坏，为便于统计和分析，将4个类别分别设置为B1、B2、B3和B4，具体对应关系如表2所示，其中，每个类别的损坏程度阈值根据实际情况调整。
表2单车损坏程度信息对应关系表
具体地，本实施例中预设的闲置天数阈值包括：小于5天、5～10天、10～15天、15～20天以及大于20天，因此可以得到5个类别的单车位置范围信息，为便于统计和分析，将5个类别分别设置为C1、C2、C3、C4和C5，具体对应关系如表3所示。
表3单车闲置天数信息对应关系表
具体地，本实施例对上述所有类别的单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息分别进行筛选，得到需要调度的单车(目标调度单车)的信息，即目标单车数据信息，包括目标调度单车的位置、损坏程度和闲置天数，其中，相应的位置判据、损坏程度判据和闲置天数判据可根据实际情况调整，例如，位置判据设置为小于300米，损坏程度判据设置为较严重损坏，闲置天数为大于10天，则同时满足A1～A2类别、B3～B4类别和C3～C5类别对应的均为需要调度的单车，则所有目标调度单车一一对应的位置、损坏程度和限制天数为目标单车数据信息。
具体地，本实施例中以标志性建筑五重塔为原点建立坐标系(坐标以1:100米的比例)，按照S2.1～S2.4步骤得到的磨山景区对应的调度区域的多个目标调度单车的位置坐标如表4所示，其中，x轴和y轴可根据实际情况选择和调整。
表4目标调度单车的位置坐标
优选地，所述目标调度路径函数具体为：
f(x)＝αf1(x)+βf2(x)+γf3(x)；
且：
其中，x为所述调度路径，f(x)为所述目标调度路径函数，f1(x)为所述调度路径的所述距离函数，f2(x)为所述调度路径的所述时间函数，f3(x)为所述调度路径的所述费用函数，α、β和γ分别为距离权重、时间权重和费用权重，且α+β+γ＝1，v为所述目标调度车辆的速度，p为单价。
由于时间函数与距离函数之间，费用函数与距离函数之间都存在关联关系，即因此通过对距离函数、时间函数和费用函数加权求和，并赋予相应的权重，得到的目标调度路径函数便于后续采用多目标萤火虫优化方法进行多目标优化，从而得到最优调度路径；其中，权重的分配可根据实际情况调整，不同权重分配情况下，后续进行多目标优化的结果会不同。
具体地，本实施例为便于后续的计算和优化，用距离矩阵代替距离函数，用时间矩阵代替时间函数，用费用矩阵代替费用函数，首先通过表4中的目标调度单车的位置坐标生成两两之间的距离矩阵，如表5所示；目标调度单车的速度有2个，平地路况下的速度为50公里/小时，拥挤路段路况下的速度为30公里/小时，结合磨山景区的实际路况，根据表5中的距离矩阵得到时间矩阵，如表6所示；调度费用的单价为0.85元/公里，则根据表5中的距离矩阵得到费用矩阵，如表7所示。
表5距离矩阵分布表
0 2.3296 3.3287 5.3720 4.7348 3.7726 0.3421 1.9812
2.3296 0 1.2881 4.8054 4.3509 3.1219 2.5466 0.5324
3.3287 1.2881 0 3.9226 3.6020 2.4001 3.4573 1.3744
5.3720 4.8054 3.9226 0 0.6810 1.7117 5.2242 4.4588
4.7348 4.3509 3.6020 0.6810 0 1.2344 4.5735 3.9616
3.7726 3.1219 2.4001 1.7117 1.2344 0 3.6727 2.7518
0.3421 2.5466 3.4573 5.2242 4.5735 3.6727 0 2.1503
1.9812 0.5324 1.3774 4.4588 3.9616 2.7518 2.1503 0
表6时间矩阵分别表
表7费用矩阵分别表
0 1.98016 2.829395 4.5662 4.02458 3.20671 0.290785 1.68402
1.98016 0 1.094885 4.08459 3.698265 2.653615 2.16461 0.45254
2.829395 1.094885 0 3.33421 3.0617 2.040085 2.938705 1.16824
4.5662 4.08459 3.33421 0 0.57885 1.454945 4.44057 3.78998
4.02458 3.698265 3.0617 0.57885 0 1.04924 3.887475 3.36736
3.20671 2.653615 2.040085 1.454945 1.04924 0 3.121795 2.33903
0.290785 2.16461 2.938705 4.44057 3.887475 3.121795 0 1.827755
1.68402 0.45254 1.16824 3.78998 3.36736 2.33903 1.827755 0
本实施例中的权重分配如下：α＝0.2，β＝0.3，γ＝0.5；同理，用目标调度矩阵代替目标调度路径函数，基于上述三个权重，得到的目标调度矩阵如表8所示。
表8目标调度矩阵分别表
将距离、时间和费用作为多目标优化模型的三个目标，采用多目标的萤火虫优化方法，对该目标调度矩阵进行优化，得到的目标调度路径函数的最小值为8.5364，则对应的最优调度路径为：编号4→编号6→编号3→编号2→编号8→编号1→编号7→编号5→编号4，即按照上述目标调度单车的编号顺序(编号对应目标调度单车的位置坐标)进行调度。
具体地，为便于对比，本实施例还采用单目标的萤火虫优化方法，对上述表5中的距离矩阵、表6中的时间矩阵和表7中的费用矩阵分别进行寻优，即分别寻找距离最短的调度路径、时间最短的调度路径和费用最少的调度路径，得到的结果如下：
1、距离最短的调度路径为：编号7→编号8→编号2→编号3→编号6→编号5→编号4→编号1→编号7，对应的最短距离为14.3343；
2、时间最短的调度路径为：编号7→编号1→编号8→编号2→编号3→编号6→编号5→编号4→编号7，对应的最短时间为0.32714；
3、费用最少的调度路径为：编号6→编号4→编号5→编号7→编号1→编号8→编号2→编号3→编号6，对应的最少费用为11.4834；
需要说明的是，上述最短距离、最短时间和最少费用均是根据平面坐标系上的位置坐标而言的，由于平面坐标系与实际的调度区域存在1:100的比例，因此上述最短距离、最短时间和最少费用并不能定量实际中的距离、时间和费用，但是可以用来定性实际中的距离、时间和费用(也因此未标注量纲和单位)，并分别确定对应的距离最短的调度路径、时间最短的调度路径和费用最少的调度路径。
本实施例根据上述距离最短的调度路径，还分别计算出对应调度路径下所花费的时间和费用，根据上述时间最短的调度路径，还分别计算出对应调度路径下所花费的距离和费用，根据上述费用最少的调度路径，还分别计算出对应调度路径下所花费的距离和时间，即分别得到在每个单目标优化情况下，三个维度(距离、时间和费用)的优化结果；并计算在最优调度路径下三个维度的优化结果，即多目标萤火虫优化方法得到的优化结果。将多目标萤火虫优化方法得到的优化结果与单目标萤火虫优化方法得到的优化结果进行对比，如表9所示；表9中的F代表多目标萤火虫优化情况，D代表将距离作为单目标的萤火虫优化情况，T代表将时间作为单目标的萤火虫优化情况，C代表将费用作为单目标的萤火虫优化情况，d、c和t则代表在每种优化情况下得到的调度路径所对应的距离、费用和时间的三个维度的值；从表9中可以看出，本实施例中得到的最优调度路径能同时满足距离、时间和费用的优化求解。
表9多目标的优化结果与单目标的优化结果对比
F D T C
d 13.5101 13.5101 13.6835 13.5101
c 11.4835 11.4835 11.63098 11.4834
t 0.338517 0.338517 0.32714 0.338517
实施例二、如图4所示，一种基于萤火虫优化的共享单车调度***，包括数据获取模块、数据预处理模块、计算模块、优化模块和输出模块：
所述数据获取模块，用于获取调度区域内的原始单车数据信息；
所述数据预处理模块，用于对所述原始单车数据信息进行预处理，得到目标单车数据信息；
所述计算模块，用于根据所述目标单车数据信息得到所述调度区域内的多个目标调度单车的位置，还用于根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；
所述优化模块，用于采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径；
所述输出模块，用于输出所述最优调度路径。
通过数据获取模块获取该调度区域内的原始单车数据信息，可以对所有的损坏或闲置的单车的位置、损坏程度和闲置天数进行统计，通过数据预处理模块对原始单车数据信息进行预处理，得到的目标单车数据信息便于计算模块得到多个需要调度的目标调度单车的位置，并根据所有需要调度的目标调度单车的位置得到距离函数、时间函数和费用函数，由于时间函数与距离函数之间以及费用函数与距离函数之间分别存在对应的关联关系，因此根据距离函数、时间函数和费用函数可以便于计算模块获取目标调度路径函数，再通过优化模块采用多目标萤火虫优化方法对该目标调度路径函数进行优化，得到的最优解才是对该调度区域内所有需要调度的目标调度单车的最优调度路径；
本实施例的共享单车调度***，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
优选地，所述原始单车数据信息包括单车位置信息、单车损坏信息和单车闲置信息；
所述数据预处理模块具体用于：
按照预设的位置范围阈值对所述调度区域内的所述单车位置信息进行分类，得到多个类别的单车位置范围信息；
按照预设的损坏程度阈值对所述调度区域内的所述单车损坏信息进行分类，得到多个类别的单车损坏程度信息；
按照预设的闲置天数阈值对所述调度区域内的所述单车闲置信息进行分类，得到多个类别的单车闲置天数信息；
按照预设的筛选判据，分别对所有所述单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息进行筛选，得到所述目标单车数据信息；其中，所述筛选判据包括位置判据、损坏程度判据和闲置天数判据。
通过对单车位置信息、单车损坏信息和单车闲置信息分别进行分类，得到的多个类别的单车位置范围信息、单车损坏程度信息和单车闲置天数信息，可以便于后续按照预设的筛选判据进行筛选并得到需要调度的目标单车数据信息，从而便于根据目标单车数据信息进行合理和科学的调度，对损坏和闲置车辆进行智能化管理，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题。
具体地，本实施例中的基于萤火虫优化的共享单车调度***还包括存储模块，存储模块中包括单车位置数据库、单车损坏数据库和单车闲置数据库，多个类别的单车位置范围信息可以存储在单车位置数据库，多个类别的单车损坏程度信息可以存储在单车损坏数据库，多个类别的单车闲置天数信息可以存储在单车闲置数据库，预设的位置范围阈值、损坏程度阈值、损坏程度阈值和预设的筛选判据，均可以根据实际情况选择和调整。
优选地，所述目标调度路径函数具体为：
f(x)＝αf1(x)+βf2(x)+γf3(x)；
且：
其中，x为所述调度路径，f(x)为所述目标调度路径函数，f1(x)为所述调度路径的所述距离函数，f2(x)为所述调度路径的所述时间函数，f3(x)为所述调度路径的所述费用函数，α、β和γ分别为距离权重、时间权重和费用权重，且α+β+γ＝1，v为所述目标调度车辆的速度，p为单价；
所述优化模块具体用于：
根据所述目标调度路径函数建立多目标优化模型；
采用所述多目标萤火虫优化方法，对所述多目标优化模型进行全局搜索，将所述多目标优化模型中的所述目标调度路径函数的最小值对应的所述调度路径确定为所述调度区域的所述最优调度路径。
由于时间函数与距离函数之间，费用函数与距离函数之间都存在关联关系，即因此通过对距离函数、时间函数和费用函数加权求和，并赋予相应的权重，得到的目标调度路径函数便于后续采用多目标萤火虫优化方法进行多目标优化，从而得到最优调度路径；其中，权重的分配可根据实际情况调整，不同权重分配情况下，后续进行多目标优化的结果会不同。
实施例三、基于实施例一和实施例二，本实施例还公开了一种基于萤火虫优化的共享单车调度装置，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现如图1所示的S1至S4的具体步骤。
通过存储在存储器上的计算机程序，并运行在处理器上，实现本发明的共享单车的调度，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
本实施例还提供一种计算机存储介质，所述计算机存储介质上存储有至少一个指令，所述指令被执行时实现所述S1至S4的具体步骤。
通过执行包含至少一个指令的计算机存储介质，实现本发明的共享单车的调度，基于多目标萤火虫优化方法，对损坏和闲置车辆进行智能化管理，能根据复杂环境合理科学调度车辆，提升车辆监管与运营效率，彻底改善行业车辆停放、运维、安全等问题，有利于环保、安全出行和维护交通秩序。
本实施例中S1至S4的未尽细节，详见实施例一及图1至图3的内容，具体不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于萤火虫优化的共享单车调度方法，其特征在于，包括以下步骤：
获取调度区域内的原始单车数据信息；
对所述原始单车数据信息进行预处理，得到目标单车数据信息，并根据所述目标单车数据信息得到所述调度区域内的多个目标调度单车的位置；
根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；
采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径并输出。
2.根据权利要求1所述的基于萤火虫优化的共享单车调度方法，其特征在于，所述原始单车数据信息包括单车位置信息、单车损坏信息和单车闲置信息。
3.根据权利要求2所述的基于萤火虫优化的共享单车调度方法，其特征在于，对所述原始单车数据信息进行预处理的具体步骤包括：
按照预设的位置范围阈值对所述调度区域内的所述单车位置信息进行分类，得到多个类别的单车位置范围信息；
按照预设的损坏程度阈值对所述调度区域内的所述单车损坏信息进行分类，得到多个类别的单车损坏程度信息；
按照预设的闲置天数阈值对所述调度区域内的所述单车闲置信息进行分类，得到多个类别的单车闲置天数信息；
按照预设的筛选判据，分别对所有所述单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息进行筛选，得到所述目标单车数据信息；其中，所述筛选判据包括位置判据、损坏程度判据和闲置天数判据。
4.根据权利要求1所述的基于萤火虫优化的共享单车调度方法，其特征在于，所述目标调度路径函数具体为：
f(x)＝αf1(x)+βf2(x)+γf3(x)；
且：
其中，x为所述调度路径，f(x)为所述目标调度路径函数，f1(x)为所述调度路径的所述距离函数，f2(x)为所述调度路径的所述时间函数，f3(x)为所述调度路径的所述费用函数，α、β和γ分别为距离权重、时间权重和费用权重，且α+β+γ＝1，v为所述目标调度车辆的速度，p为单价。
5.根据权利要求1所述的基于萤火虫优化的共享单车调度方法，其特征在于，得到所述最优调度路径的具体步骤包括：
根据所述目标调度路径函数建立多目标优化模型；
采用所述多目标萤火虫优化方法，对所述多目标优化模型进行全局搜索，将所述多目标优化模型中的所述目标调度路径函数的最小值对应的所述调度路径确定为所述调度区域的所述最优调度路径。
6.一种基于萤火虫优化的共享单车调度***，其特征在于，包括数据获取模块、数据预处理模块、计算模块、优化模块和输出模块：
所述数据获取模块，用于获取调度区域内的原始单车数据信息；
所述数据预处理模块，用于对所述原始单车数据信息进行预处理，得到目标单车数据信息；
所述计算模块，用于根据所述目标单车数据信息得到所述调度区域内的多个目标调度单车的位置，还用于根据所有所述目标调度单车的位置分别得到调度路径的距离函数、时间函数和费用函数，并根据所述距离函数、所述时间函数和所述费用函数得到目标调度路径函数；
所述优化模块，用于采用多目标萤火虫优化方法对所述目标调度路径函数进行优化，得到所述调度区域的最优调度路径；
所述输出模块，用于输出所述最优调度路径。
7.根据权利要求6所述的基于萤火虫优化的共享单车调度***，其特征在于，所述原始单车数据信息包括单车位置信息、单车损坏信息和单车闲置信息；
所述数据预处理模块具体用于：
按照预设的位置范围阈值对所述调度区域内的所述单车位置信息进行分类，得到多个类别的单车位置范围信息；
按照预设的损坏程度阈值对所述调度区域内的所述单车损坏信息进行分类，得到多个类别的单车损坏程度信息；
按照预设的闲置天数阈值对所述调度区域内的所述单车闲置信息进行分类，得到多个类别的单车闲置天数信息；
按照预设的筛选判据，分别对所有所述单车位置范围信息、所有所述单车损坏程度信息和所有所述单车闲置天数信息进行筛选，得到所述目标单车数据信息；其中，所述筛选判据包括位置判据、损坏程度判据和闲置天数判据。
8.根据权利要求6所述的基于萤火虫优化的共享单车调度***，其特征在于，所述目标调度路径函数具体为：
f(x)＝αf1(x)+βf2(x)+γf3(x)；
且：
其中，x为所述调度路径，f(x)为所述目标调度路径函数，f1(x)为所述调度路径的所述距离函数，f2(x)为所述调度路径的所述时间函数，f3(x)为所述调度路径的所述费用函数，α、β和γ分别为距离权重、时间权重和费用权重，且α+β+γ＝1，v为所述目标调度车辆的速度，p为单价；
所述优化模块具体用于：
根据所述目标调度路径函数建立多目标优化模型；
采用所述多目标萤火虫优化方法，对所述多目标优化模型进行全局搜索，将所述多目标优化模型中的所述目标调度路径函数的最小值对应的所述调度路径确定为所述调度区域的所述最优调度路径。
9.一种基于萤火虫优化的共享单车调度装置，其特征在于，包括处理器、存储器和存储在所述存储器中且可运行在所述处理器上的计算机程序，所述计算机程序运行时实现如权利要求1至5任一项权利要求所述的方法步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质包括：至少一个指令，在所述指令被执行时实现如权利要求1至5任一项所述的方法步骤。
CN201910643591.7A 2019-07-17 2019-07-17 基于萤火虫优化的共享单车调度方法、***、装置和介质 Pending CN110472773A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910643591.7A CN110472773A (zh) 2019-07-17 2019-07-17 基于萤火虫优化的共享单车调度方法、***、装置和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910643591.7A CN110472773A (zh) 2019-07-17 2019-07-17 基于萤火虫优化的共享单车调度方法、***、装置和介质

Publications (1)

Publication Number Publication Date
CN110472773A true CN110472773A (zh) 2019-11-19

Family

ID=68508735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910643591.7A Pending CN110472773A (zh) 2019-07-17 2019-07-17 基于萤火虫优化的共享单车调度方法、***、装置和介质

Country Status (1)

Country Link
CN (1) CN110472773A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743797A (zh) * 2021-09-08 2021-12-03 北京化工大学 基于大数据的无桩共享单车运营调度策略优化方法及***
CN114202259A (zh) * 2022-02-18 2022-03-18 北京阿帕科蓝科技有限公司 一种车辆调度方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107316208A (zh) * 2017-06-20 2017-11-03 国网重庆市电力公司电力科学研究院 一种共享汽车共享网点布局与选址模型
CN107679941A (zh) * 2017-09-25 2018-02-09 伍柳逸 一种新型的共享单车***
CN107766994A (zh) * 2017-12-04 2018-03-06 长沙理工大学 一种共享自行车调度方法与调度***
CN108416452A (zh) * 2017-09-15 2018-08-17 杭州创屹机电科技有限公司 一种共享单车管理***及方法
CN108427998A (zh) * 2017-09-15 2018-08-21 杭州创屹机电科技有限公司 一种共享单车积分管理调度***及方法
CN109714576A (zh) * 2019-01-14 2019-05-03 上海钧正网络科技有限公司 基于视频监控的车辆识别方法、装置、***及服务器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107316208A (zh) * 2017-06-20 2017-11-03 国网重庆市电力公司电力科学研究院 一种共享汽车共享网点布局与选址模型
CN108416452A (zh) * 2017-09-15 2018-08-17 杭州创屹机电科技有限公司 一种共享单车管理***及方法
CN108427998A (zh) * 2017-09-15 2018-08-21 杭州创屹机电科技有限公司 一种共享单车积分管理调度***及方法
CN107679941A (zh) * 2017-09-25 2018-02-09 伍柳逸 一种新型的共享单车***
CN107766994A (zh) * 2017-12-04 2018-03-06 长沙理工大学 一种共享自行车调度方法与调度***
CN109714576A (zh) * 2019-01-14 2019-05-03 上海钧正网络科技有限公司 基于视频监控的车辆识别方法、装置、***及服务器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
文蝶斐等: "共享单车的配置与调度优化", 《中国科技信息》 *
袁瑞玉: "基于Weka的共享单车优化问题研究与分析", 《科学家》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113743797A (zh) * 2021-09-08 2021-12-03 北京化工大学 基于大数据的无桩共享单车运营调度策略优化方法及***
CN113743797B (zh) * 2021-09-08 2023-08-04 北京化工大学 基于大数据的无桩共享单车运营调度策略优化方法及***
CN114202259A (zh) * 2022-02-18 2022-03-18 北京阿帕科蓝科技有限公司 一种车辆调度方法及***

Similar Documents

Publication Publication Date Title
Sun et al. Spatiotemporal evolution of ridesourcing markets under the new restriction policy: A case study in Shanghai
WO2020238631A1 (zh) 一种基于手机信令数据的人群类型识别方法
Vogel et al. Strategic and operational planning of bike-sharing systems by data mining–a case study
CN110288212B (zh) 基于改进的mopso的电动出租车新建充电站选址方法
Wang et al. Land-based urbanization in China: Mismatched land development in the post-financial crisis era
CN111160622A (zh) 基于混合神经网络模型的景区客流预测方法和装置
Salem Peri-urban dynamics and land-use planning for the Greater Cairo Region in Egypt
CN110472773A (zh) 基于萤火虫优化的共享单车调度方法、***、装置和介质
CN112907103B (zh) 一种共享单车动态供需平衡的方法
CN107220724A (zh) 客流量预测方法及装置
CN110176143A (zh) 一种基于深度学习算法的高速公路交通拥堵检测方法
CN110020712A (zh) 一种基于聚类的优化粒子群bp网络预测方法和***
CN109409955A (zh) 需求变化下分期分时定制公交票价制定方法
Jiang et al. Pedestrian volume prediction with high spatiotemporal granularity in urban areas by the enhanced learning model
Liu et al. Exploring the impact of spatiotemporal granularity on the demand prediction of dynamic ride-hailing
Teliura et al. Selection methodology of ecological safety priorities of sustainable development goals of urban agglomerations
CN110619422A (zh) 一种智能车站客流状况预测方法和***
Yang et al. Application Research of K-means Algorithm based on Big Data Background
Lainjo Application of Machine Learning in Predicting the Number of Bike Share Riders
CN109523146B (zh) 一种基于复杂网络的调度区域划分方法
CN112988855A (zh) 一种基于数据挖掘的地铁乘客分析方法及***
Zhao et al. Spatiotemporal interaction pattern of the Beijing agricultural product circulation
Sun et al. Analysis of public transit transfer influence factors based on mobile terminal
Shi et al. Examining usage patterns of public biking behavior based on IC card data: Comparison before and after the usage of free-floating shared Bikes
Bao et al. How do metro station crowd flows influence the taxi demand based on deep spatial-temporal network?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191119

RJ01 Rejection of invention patent application after publication