一种基于实时数据的互联网无桩单车的调度方法与流程
本发明涉及信息数据技术领域，具体涉及一种基于实时数据的互联网无桩单车的调度方法。
背景技术：
遗传算法(geneticalgorithm，ga)最早是由美国的johnholland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。
随着共享经济的到来，共享单车发展迅速，已成为人们出行的重要交通工具。共享单车是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务，是一种分时租赁模式，共享单车是一种新型环保共享经济。城市出行者在出行过程中使用共享单车出行，解决了最后一公里的出行需求，但是同时也带来了一些新的问题：如早上出行者使用共享单车到达公交车站、地铁站点进行公共交通的换乘，下班的时候则是相反的情况，这样子就造成了早上在居民小区的需求激增，而实际可以使用的共享单车数量急剧减少，同时在公交车站，地铁站点的共享单车数据增加，占用大量的公共资源。也存在乱停乱放的现象，极大的浪费了城市公共空间用地。
为此，为更合理高效的调度共享单车，实现共享单车的供需平衡，本发明提供一种方法简单，使用便捷的基于实时数据的互联网无桩单车的调度方法。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种基于实时数据的互联网无桩单车的调度方法，可以在不同的时间窗调用算法生成调度路径，在短时间内快速得到最优的调度策略，有效降低共享单车调度成本，提高共享单车的调度效率，满足不同区域、不同时刻的共享单车调度需求，有效解决共享单车供需平衡问题。
本发明的目的是通过以下技术方案来实现的：
一种基于实时数据的互联网无桩单车的调度方法，在多个调度区域，设定各个调度区域的标准单车数量值，并通过互联网获取单车的实时位置数据，在需要对目标调度区域进行单车调度时，基于遗传算法，通过以下步骤完成单车调度：
s1.统计进入各个调度区域的单车数量和离开各个调度区域的单车数量，计算得到各个调度区域需要调入或调出的单车数量；
s2.以当前各调度区域的单车信息数据作为初始种群，基于遗传算法，对于每一代种群，将目标调度区域作为调度中心，随机模拟执行调度策略，同时计算每一个调度策略的调度路径长度，将调度路径长度作为第一评价尺度，计算每一个调度策略的调配满足程度，将调配满足程度作为第二评价尺度，然后将在前种群中在第一评价尺度和第二评价尺度两个尺度各自评价下最优的调度策略均遗传到下一代种群，并排列在前面，同时按照交叉率和变异率重新生成下一代种群，保持调度策略数量不变；
s3.迭代至预设的迭代次数，采用综合评价的方法得到目标调度区域的最佳调度策略；
s4.以目标调度区域作为调度中心，按照最佳调度策略执行单车调度。
进一步地，对于遗传算法，将种群大小设定为偶数。
进一步地，对于遗传算法，迭代次数的预设值为100～1000。所述迭代次数是指每个单车的位置信息作为初始点的计算代数。
进一步地，对于遗传算法，变异率的预设值为0.01～0.1。
进一步地，对于遗传算法，交叉率的预设值为0.8。遗传算法中，从解集中以一定概率来选取两个解，进行交叉以便产生新的解，这个概率就是交叉概率。
进一步地，在步骤s3中，采用综合评价方法对最终种群的最佳调度策略进行评价，评价最佳调度策略是否达到要求，满足要求则进行步骤s4，不满足要求时，以该最终种群作为初始种群，返回步骤s2再次进行遗传迭代。
进一步地，在步骤s2中，所述调度策略为将需要调出的调度区域内单车向需要调入的调度区域单车进行调度。
进一步地，所述调度路径长度越短的调度策略越优。
进一步地，所述调度满足程度越高的调度策略越优。
进一步地，在未指定目标调度区域时，分别以各个调度区域作为目标调度区域调度中心，依次执行步骤s1～s3，计算出以各个区域为目标调度区域调度中心时的最佳调度策略，再采用综合评价的方法得到最佳目标调度区域调度中心和最佳调度策略，然后再执行步骤s4。在未指定目标调度区域调度中心时，可通过本方法从所有调度区域总选取出最佳目标调度区域调度中心和最佳调度策略，实现调度中心的选址。
进一步地，所述调度路径长度是指单车的位置与目标调度区域之间的最短距离。
本发明的有益效果是：本发明基于实时数据的互联网无桩单车的调度方法，以当前各调度区域的单车信息数据作为初始种群，通过遗传算法迭代至预设的迭代次数，综合评判后得到目标调度区域的最佳调度策略和最佳调度中心，达到选取目标区域中的最佳调度中心选址，并获得最佳调度策略，同时，也可以指定目标调度区域作为调度中心，经过综合评判后获得特定调度中心的最佳策略，按照最佳调度策略执行单车调度；此外，可以在不同的时间窗调用算法生成调度路径，在短时间内快速得到最优的调度策略，有效降低共享单车调度成本，提高共享单车的调度效率，满足不同区域、不同时刻的共享单车调度需求，有效解决共享单车共享供需问题。
附图说明
图1为本发明无桩单车调度方法的流程示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种基于实时数据的互联网无桩单车的调度方法，在多个调度区域，设定各个调度区域的标准单车数量值，并通过互联网获取单车的实时位置数据，在需要对目标调度区域进行单车调度时，基于遗传算法，通过以下步骤完成单车调度：
s1.统计进入各个调度区域的单车数量和离开各个调度区域的单车数量，计算得到各个调度区域需要调入或调出的单车数量；
s2.以当前各调度区域的单车信息数据作为初始种群，基于遗传算法，对于每一代种群，将目标调度区域作为调度中心，随机模拟执行调度策略，同时计算每一个调度策略的调度路径长度，将调度路径长度作为第一评价尺度，计算每一个调度策略的调配满足程度，将调配满足程度作为第二评价尺度，然后将在前种群中在第一评价尺度和第二评价尺度两个尺度各自评价下最优的调度策略均遗传到下一代种群，并排列在前面，同时按照交叉率和变异率重新生成下一代种群，保持调度策略数量不变；
s3.迭代至预设的迭代次数，采用综合评价的方法得到目标调度区域的最佳调度策略；
s4.以目标调度区域作为调度中心，按照最佳调度策略执行单车调度。
具体地，对于遗传算法，将种群大小设定为偶数。
具体地，对于遗传算法，迭代次数的预设值为100～1000。所述迭代次数是指每个单车的位置信息作为初始点的计算代数。
具体地，对于遗传算法，变异率的预设值为0.01～0.1。
具体地，对于遗传算法，交叉率的预设值为0.8。遗传算法中，从解集中以一定概率来选取两个解，进行交叉以便产生新的解，这个概率就是交叉概率。
具体地，在步骤s3中，采用综合评价方法对最终种群的最佳调度策略进行评价，评价最佳调度策略是否达到要求，满足要求则进行步骤s4，不满足要求时，以该最终种群作为初始种群，返回步骤s2再次进行遗传迭代。
具体地，在步骤s2中，所述调度策略为将需要调出的调度区域内单车向需要调入的调度区域单车进行调度。
具体地，所述调度路径长度越短的调度策略越优。
具体地，所述调度满足程度越高的调度策略越优。
具体地，，在未指定目标调度区域时，分别以各个调度区域作为目标调度区域调度中心，依次执行步骤s1～s3，计算出以各个区域为目标调度区域调度中心时的最佳调度策略，再采用综合评价的方法得到最佳目标调度区域调度中心和最佳调度策略，然后再执行步骤s4。在未指定目标调度区域调度中心时，可通过本方法从所有调度区域总选取出最佳目标调度区域调度中心和最佳调度策略，实现调度中心的选址。
具体地，所述综合评价方法为采用topsis法使用距离尺度来度量样本差距，使用距离尺度就需要对指标属性进行同向化处理(若一个维度的数据越大越好，另一个维度的数据越小越好，会造成尺度混乱)，具体为，
初始矩阵
其中x表示评价指标构成的矩阵，其中第n行表示第n个策略的评价指标结果，具体为调度满足程度，调度路径长度的倒数；第m列表示所有测量第m类评价指标；在本专利中m设定为2分别对应调度满足程度和调度路径长度的倒数，n设定为初始种群数量；
构造加权规范矩阵，进行向量规范化：
得到标准化处理的矩阵z：
确定最优方案z+和最劣方案z-，最优策略由矩阵中每列元素的最大值构成，具体地获得调度满足程度列的最大值，获得调度路径评价指标的最大值：
最劣方案由矩阵中每列元素的最小值构成，具体地获得调度满足程度列的最小值，获得调度路径评价指标的最小值：
计算各评价对象与最优方案、最劣方案的接近程度，
计算各评价对象与最优方案的贴近程度，ci表示第i个评价对象与最优方案的贴近程度：
0≤≤ci≤1，ci→1表明评价对象越优。
具体地，所述调度路径长度是指单车的位置与目标调度区域之间的最短距离。
使用时，先设置遗传算法的参数，将种群大小设定为偶数，数值设置为20～100，设定预定迭代次数，将交叉率设置为0.8，变异率设定为0.01～0.1，优选值为0.05；并设定各个调度区域的标准单车数量值，然后获取单车的实时位置数据，在需要在某一时刻对目标调度区域进行单车调度时，统计该时刻对应进入各个调度区域的单车数量和离开各个调度区域的单车数量，利用两个数据的差值，计算得到各个调度区域需要调入或调出的单车数量；以当前各调度区域的单车信息数据作为初始种群，基于遗传算法，对于每一代种群，将目标调度区域作为调度中心，随机模拟执行调度策略，同时计算每一个调度策略的调度路径长度，将调度路径长度作为第一评价尺度，计算每一个调度策略的调配满足程度，将调配满足程度作为第二评价尺度，然后将在前种群中在第一评价尺度和第二评价尺度两个尺度共同评价下最优的调度策略均遗传到下一代种群，并排列在前面，同时按照交叉率和变异率重新生成下一代种群，保持调度策略数量不变；
迭代至预设的迭代次数，得到目标调度区域的最佳调度策略；采用综合评价方法对最终种群的最佳调度策略进行评价，评价最佳调度策略是否达到要求，满足要求则进行步骤s4，不满足要求时，以该最终种群作为初始种群，返回步骤s2再次进行遗传迭代；最后以目标调度区域作为调度中心，按照最佳调度策略执行单车调度，满足特定时刻下，不同区域之间共享单车调度需求，有效解决共享单车共享供需问题。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！