[0001]本发明涉及校车路径规划领域，具体涉及一种基于二叉树的校车调度规划方法。
背景技术：
：：[0002]路径规划例如校车服务的日常运营过程如下：早晨，校车从其停放地点出发，分别开往各线路的第一个上车点，并沿着预定的路径行驶，将沿途各站点的学生接上车，并将他们送往学校，学生在规定的时间到达站点等候班车，过期不候。如果由于车辆装载能力的限制，某站点的学生不能被一辆车接完时，则剩下的学生由其他的校车来接。下午放学时，整个过程就倒过来：校车在学校接学生，沿着预定的路线，将学生分别送往他们早晨上车的地点，然后返回到停放地点。学校可通过定制公交网上平台提出学生的出行需求，公交公司根据需求情况设计线路并及时反馈给学校。校车路径规划的目的是提供从学生家庭到学校的一个直接，安全，快速运输服务。线路和站点规划作为整个校车路径规划过程的第一步和关键一步，在整个过程中起着举足轻重的作用，合理的线路和站点规划是后续工作安排正确进行的基础。[0003]若路线途经的合乘站点过多，站点的覆盖范围更广，可以减小学生的走行时间和距离，但会引起校车投入运营成本的增加以及部分学生在车上呆的时间过长而引起的不满。若合乘站点过少，则覆盖的范围过小，增加学生的步行距离，导致愿意乘校车的学生数量变少，无法体现校车接送的优势。技术实现要素：[0004]有鉴于此，本发明的目的在于提供一种基于二叉树的校车调度规划方法，基于校车学生的出行需求特征，构建科学合理的校车线路和站点规划，提高校车运行效率。[0005]为实现上述目的，本发明采用如下技术方案：一种基于二叉树的校车调度规划方法，包括以下步骤：步骤s1:采集校车路径规划相关数据；步骤s2:根据得到的相关数据，采用聚类算法进行聚类，得到合乘站点；步骤s3:利用聚类出的合乘站点，以及公交数据的空间索引，找出离此中心点最近的公交站点以及对面的公交站点；步骤s4:根据得到的各个公交站点进行每两点间驾驶时间，驾驶路程信息的遍历；步骤s5:将遍历后数据保存到数据库中，并对站点建立二叉树；步骤s6:根据数据库中的数据，采用改进的路径规划算法，得到最优路径。[0006]进一步的，所述校车路径规划相关数据包括学生家庭地址、学校的经纬度地址、步行半径参数、站点有效订单的转化率、站点有效订单下限、预设站点、线路开通有效订单总数下限、线路开通有效订单总数上限、线路总站点数上限、满载率、运行时间、行驶里程、聚类半径、平均时速和全员转化。[0007]进一步的，所述步骤s2具体为：基于二叉树数据结构以及学校，站点，对面站点创建学校，站点，对面站点的排列组合后的列表，再把每个站点组合一一送入ts禁忌算法路径规划，以选出最优的组合。[0008]进一步的，所述步骤s2具体为：根据学生家庭地址、步行半径参数站点、有效订单下限值、站点有效订单的转化率和预设站点，采用基于聚类分析模型算法定制开发合乘站点规划模型，将距离相近、目的地相近的学生乘车需求集中到一个合乘站点。[0009]进一步的，所述步骤s5具体为：步骤s51:创建站点二叉树列表，遍历站点二叉树的所有路径列表，在站点二叉树的路径列表插入没有对面站点的公交站点；步骤s52:提取在组合列表中的站点经纬度信息，把不是在组合列表中的站点线路信息舍弃；步骤s53:创建学校，站点，对面站点的排列组合后的列表。[0010]进一步的，所述步骤s6具体为：步骤s61:获取从学校到所有站点的最短路径步骤s62:然后找到符合时间或者路程的最短距离步骤s63:接着在剩下的站点中在通过ts禁忌搜索找到从学校到剩下站点的最短路径，步骤s64:接着在最短路径中截取符合时间或者路程的最短距离,依次循环，直到所有的站点都遍历完，得到最优路径。[0011]进一步的，所述步骤s6具体为：基于二叉树数据结构以及学校，站点，对面站点创建学校，站点，对面站点的排列组合后的列表，再把每个站点组合一一送入ts禁忌算法路径规划，以选出最优的组合。[0012]进一步的，所述步骤s6得到最优路径后，利用pyhton代码实现的路线中各站点的经纬度信息，调用高德api实现在地图上绘制路线，输出各条线路上承载的学生信息，保存在本地或云端，以供学生家长以及学校查阅。[0013]本发明与现有技术相比具有以下有益效果：本发明基于校车学生的出行需求特征，构建科学合理的校车线路和站点规划，提高校车运行效率。附图说明[0014]图1是本发明一实施例中方法流程图；图2是本发明一实施例中聚类算法流程图；图3是本发明一实施例中前后端交互流程原理图。具体实施方式[0015]下面结合附图及实施例对本发明做进一步说明。[0016]请参照图1，本发明提供一种基于二叉树的校车调度规划方法，包括以下步骤：步骤s1:采集校车路径规划相关数据；在本实施例中，根据得到的相关数据，构建excel表格，具体为：表1路径规划相关数据步骤s2:根据得到的相关数据，采用聚类算法进行聚类，得到合乘站点；参考图2，在本实施例中，所述步骤s2具体为:根据学生家庭地址、步行半径参数站点、有效订单下限值、站点有效订单的转化率和预设站点，采用基于聚类分析模型算法定制开发合乘站点规划模型，将距离相近、目的地相近的学生乘车需求集中到一个合乘站点。[0017]优选的，基于聚类分析模型算法具体如下：1、数据准备（学生家庭地址经纬度，去除学校，校坐标不参与聚类）2、利用球面余弦定理计算两两学生家庭地址之间的球面距离3、聚类算法参数min_samples：聚合所需指定的min_samples数目为3个（一个聚合点至少是三个人）4、聚类算法参数eps:选取0.5公里（500m）作为密度聚合半径参数，在此使用球面距离来衡量地理位置的距离，来作为聚合的半径参数5、聚类算法参数cancent:候选待聚类中心点，后续聚类后的中心距离该候选待聚类中心点最近的点将以该候选待聚类中心点作为聚类中心点6、提出了一种基于dbscan和kmeans的混合算法：先利用dbscan算法的密度可达特性将用户的地理位置数据集按照活动半径聚合成若干个簇，并且将每一簇的数据集作为新的输入，再利用kmeans算法的迭代聚合求出质心的位置，设定k值为17、删除聚类中心小于min_samples后的聚类中心以及对应的学生（可以根据实际需求适当保留或者删除该步骤）。[0018]步骤s3:利用聚类出的合乘站点，以及公交数据的空间索引，找出离此中心点最近的公交站点以及对面的公交站点；步骤s4:根据得到的各个公交站点进行每两点间驾驶时间，驾驶路程信息的遍历；步骤s5:将遍历后数据保存到数据库中，并对站点建立二叉树；在本实施例中，步骤s5具体为：（1）.获取所有站点(包括原站点和对面站点)+学校的数量（2）.把有对面站点和只有单独站点分开保存，为创建二叉树做准备（3）.把学校经纬度放在双站点列表为了遍历站点二叉树的所有路径用的；（4）.创建站点二叉树列表，遍历站点二叉树的所有路径列表，在站点二叉树的路径列表插入没有对面站点的公交站点；（5）.提取在组合列表中的站点经纬度信息，把不是在组合列表中的站点线路信息舍弃；同一个公交站点以及其对面站点之类出现一个有效站点，即路线如果出现某个站点就不再出现该站点的对面站点，且全程保证站点的唯一性）（6）.创建学校，站点，对面站点的排列组合后的列表。[0019]步骤s6:根据数据库中的数据，采用改进的路径规划算法，得到最优路径；在本实施例中，优选的，路径规划算法为：基于二叉树数据结构以及学校，站点，对面站点创建学校，站点，对面站点的排列组合后的列表，再把每个站点组合一一送入ts禁忌算法路径规划，以选出最优的组合。算法基本思想：在动态路径规划最优校车过程中，始终选择当前站点的邻近站点中与离学校最近站点的方向规划，这样规划得到的方案容易陷入局部最优，为了找到全局最优，引入了ts禁忌搜索，具体做法如下：1、设置禁忌表长度：table_len=round((num_city*(num_city-1)/2)**0.5)，其中num_city表示为所有聚类中心点最近的公交站点及其对应反向的公交站点总数+1（1表示学校）2、学校，站点，对面站点的排列组合对应的初始路径逐一加入禁忌表3、求初始解的路径长度：逐一求解该排列组合对应的初始路径的距离（每条路径按照排序的第一个站点依次串联下一个站点的总路程）并求解最短距离以及对应的初始路径方案4、设置迭代次数，例如50，设置以第三步求解出的路径距离以及对应的初始路径方案作为初始期望的路径距离以及初始期望的路径方案5、寻找全领域新解，即寻找上一个路径方案对应的所有邻域解6、求出所有新解的路径距离（每条路径按照排序的第一个站点依次串联下一个站点的总路程）7、在新解中选择路径，选择最短距离以及对应的最优路径方案8、如果新解中的最短路径距离小于期望路径距离，则更新两个期望值（即初始期望的路径距离以及初始期望的路径方案更新为新解中的最短路径距离以及对应的最优路径方案）；若禁忌表不存在新解中的最短路径距离对应的最优路径方案，这需要将该最优路径方案加入到禁忌表中9、如果新解中的最短路径距离大于或者等于期望路径距离，即最短的路径距离还是不能改善期望，若新解中的最短路径距离对应的最优路径方案已经存在于禁忌表中，全领域新解中应该去除掉大于或者等于期望路径距离的新解中的最短路径距离以及对应的最优路径方案，去除掉后，重新计算全领域新解中的最短路径距离以及对应的最优路径方案，并将该最优方案加入到禁忌表中10、若禁忌表长度>=设置禁忌表长度,则删除禁忌表的第一个路径方案11、5，6，7，8，9，10这些步骤不断依次迭代，直至所有新解的路径长度列表为空，或者迭代次数超过设置的迭代次数，结束迭代，输出最优组合（即最优路径方案）在本实施例中，所述步骤s6具体为：步骤s61:获取从学校到所有站点的最短路径步骤s62:然后找到符合时间或者路程的最短距离步骤s63:接着在剩下的站点中在通过ts禁忌搜索找到从学校到剩下站点的最短路径，步骤s64:接着在最短路径中截取符合时间或者路程的最短距离,依次循环，直到所有的站点都遍历完，得到最优路径。[0020]在本实施例中，所述路径规划算法采用禁忌搜索算法、模拟退火算法、遗传算法、人工免疫算法、粒子群算法、蚁群算法或它们的混合算法。[0021]以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。当前第1页1 2 3 当前第1页1 2 3