[发明专利]一种基于演化算法的拼车调度方法

说明书

本发明实施例公开了一种基于演化算法的拼车调度方法，以包括车辆行程的起点、终点和能够提供的第一座位数量；乘客行程的起点、终点和需要的第二座位数量的拼车信息为参数，对拼车调度方案进行数学建模，然后以最优化服务质量为第一目标函数、以最小化调度方案的成本为第二目标函数，采用演化算法，在计算得到最优的车辆乘客匹配的情况下，计算所述车辆的最短路径并给出车辆的拼车行程，得到拼车调度方案。本发明采用基于演化算法车辆乘客匹配相较于的空间的网格搜索而言，与车辆分配的先后顺序是无关的，相较于贪心法的先两两乘客匹配再车辆与乘客簇匹配的两阶段分配而言，是对所有车辆的分配方案统一优化的，它的搜索更具有全面性。

技术领域

本发明实施例涉及拼车自动调度技术领域，具体涉及一种基于演化算法的拼车调度方法。

背景技术

拼车通过合乘的方式具有相同行程的司机与乘客进行匹配，从而达到提高利用率，节约出行成本，缓解交通拥堵，减少汽油资源损耗，保护环境等目的。但是由于拼车环境复杂，应用于拼车领域的方法往往存在匹配成功率低，优化目标不明确，优化效率低，适应范围较窄等问题。

用于解决静态拼车问题的方法主要包括空间搜索和启发式搜索两个大类。空间搜索的方法多利用乘客与车辆的空间信息对乘客进行近邻匹配从而得到绕路距离相对较短的拼车行程。通过将路网分成区块或者网格，空间搜索可以有效限制车辆的搜索范围，并从相对小的范围里选出较为合适的车辆进行拼车。启发式搜索则是贪心算法、演化算法等，通过设定一些规则和目标，对全局进行启发式搜索从而得到一个表现较好的拼车调度方案。特别的，对于一辆出租车两名乘客的共享拼车问题，有贪心算法通过目标函数计算乘客两两匹配的权重，得到最优的乘客-乘客匹配，然后将配对好的乘客与出租车进行共享匹配，得到最终的共享拼车方案。演化算法如粒子群算法、蚁群算法、遗传算法也可以通过一系列的转换应用于解决拼车问题，但是目前这些算法对拼车方案的搜索效率不够高，优化的结果也并不十分理想。

发明内容

为此，本发明实施例提供一种基于改进演化算法的拼车调度方法，以解决现有技术中由于现有算法对拼车方案的搜索效率不够高，优化结果不理想而导致的拼车调度方案效率低的问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面提供一种基于演化算法的拼车调度方法，包括步骤：

S1：获取参与静态拼车的车辆和乘客的拼车信息，所述拼车信息包括车辆行程的起点、终点和能够提供的第一座位数量；乘客行程的起点、终点和需要的第二座位数量；

S2：以所述拼车信息为参数对拼车调度方案进行数学建模，得到分别以拼车调度方案的服务质量和成本为目标的第一目标函数和第二目标函数；

S3：采用演化算法，以所述服务质量对应的第一目标函数值最大、以所述第二目标函数值最小为优化目标，在所述车辆乘客匹配的情况下，计算所述车辆的最短路径并给出车辆的拼车行程，得到拼车调度方案；所述拼车调度方案包括车辆乘客匹配方案，和在所述车辆乘客匹配方案下的拼车行程。

进一步地，步骤S3具体包括步骤：

S31：以所有车辆的所述拼车调度方案为个体，车辆对应为维度、匹配到车辆的乘客集合对应为维度的值，对所述个体进行编码，并初始化种群；

S32：根据维度间的变异算子，逐个计算变异中间个体所有维度的值，得到变异中间个体；

S33：在同一维度上，以所述第一目标函数值最大、以所述第二目标函数值最小为优化目标，对所述变异中间个体与原个体的每个维度进行评估；

S34：选择满足所述优化目标的所述变异中间个体或所述原个体作为当前拼车调度方案；

S35：将所述当前拼车调度方案作为种群的新个体，循环执行步骤S32至S34，直到所述当前拼车调度方案收敛，向客户端提供相应的拼车调度方案。