[发明专利]一种基于共享自行车的大型密集人群快速疏散方法

权利要求书

1.一种基于共享自行车的大型密集人群快速疏散方法，其特征在于：将大型密度人群场所划定为疏散中心，确定自行车起始站点和目的地站点，提前部署共享自行车进行人流疏散，并且设置调度车对站点的自行车进行调度加快疏散；具体如下：

步骤(1-1)分析具有大型密集人群的场地附近的站点，定位起始站点，筛选出目的地站点，根据目的地站点运力和与起始站点之间的距离确定目的地站点吸引人流的能力，预测人流导向；

步骤(1-2)利用改进的K-Means聚类算法将目的地站点划分为若干个簇；

步骤(1-3)优化每个簇内站点的调度车调度路径。

2.根据权利要求1所述的一种基于共享自行车的大型密集人群快速疏散方法，其特征在于：

步骤(1-1)中目的地站点的筛选条件如下：

(a)当两个站点之间的距离小于500m时，合并两个站点；

(b)公共交通站点运力计算，运力定义为公共交通站点单位时间内运输的人数；运力小于平均运力10％的站点由于运力太小，站点吸引能力低，因此进行删除。

3.根据权利要求2所述的一种基于共享自行车的大型密集人群快速疏散方法，其特征在于：

所述公共交通站点S_i运力的具体计算方式如下：

其中，n为经过站点S_i的公交车和地铁路线数量，m_i为第i条路线在S_i的载客量，T_i为第i条路线的发车时间间隔。

4.根据权利要求1所述的一种基于共享自行车的大型密集人群快速疏散方法，其特征在于：

步骤(1-1)中根据站点S_i的运力和与起始站点之间距离确定站点吸引人流的能力，

预测人流导向，采用如下方式计算：

s_d(j)＝-log(dis_j+b)+c 公式3

s_w(j)＝k·arctan(r·w_j) 公式4

其中，s_c(j)表示S_j对人群的吸引分数，s_d(j)为站点S_j的距离分数，s_w(j)为站点S_j的运力分数，τ为距离分数和运力分数在站点分数中所占的比重；dis_j为站点到活动举办地的距离，dis_j越大，距离分数s_d(j)越小；站点的运力w_j越大，运力分数s_w(j)越大；b，c，k，r为常量；

根据公式2得到站点的吸引分数，利用softmax函数对所有站点的吸引分数进行归一化后求得各个站点的吸引能力，S_j的吸引能力为从而计算出每个站点的吸引能力，通过多次随机模拟取平均值的方式预测各个站点的人流量。

5.根据权利要求1所述的一种基于共享自行车的大型密集人群快速疏散方法，其特征在于：所述步骤(1-2)，其包括：

2-1.将步骤(1-1)中所述的目的地站点初始化归为n_v类；

2-2.依据最小化聚类中心与各个站点的距离方差对站点进行K-Means聚类；

2-3.若每个簇内的可调度自行车数大于调度车调度能力R，更新n_v＝n_v+1并继续步骤2-2；

2-4.若每个簇内的可调度自行车数小于η·R，更新n_v＝n_v-1并继续步骤2-2；

2-5.当每个簇内的可调度自行车数在η·R与R之间时，聚类结束。

6.根据权利要求1所述的一种基于共享自行车的大型密集人群快速疏散方法，其特征在于：所述步骤(1-3)，其包括：

3-1.选择步骤2-5聚类结果中的其中一个站点簇，获取其中每个站点的坐标并标记序号；

3-2.对于每个站点，调度车都必须且只能经过一次；采用遗传算法对调度车经过的站点顺序进行编码，记为调度路径染色体；

3-3.设计适应度函数，表征调度路径的优劣程度，适应值越高，表明调度路径越优；

3-4.对调度路径染色体进行选择、交叉、变异操作对调度路径进行优化，并通过迭代直到优化算法达到收敛。