本發(fā)明涉及預約乘車，具體是一種基于無人駕駛的預約與常規(guī)公交混編方法。

背景技術(shù)：

1、隨著無人駕駛技術(shù)的不斷發(fā)展,各地方有陸續(xù)將無人駕駛技術(shù)應用與公交業(yè)務融合發(fā)展，目前的無人駕駛公交車具有車核載小，主要跑微循環(huán)線，可連續(xù)運營時間長，服務可靠性高的特點，基于以上特點非常適合用于預約服務的應用場景從而提升市民的公共出行服務。

2、由于車輛本身較小，對上下客點要求相對較低；車輛營運不受司機生理原因影響，可減少?？亢蜏蕚涑鲕嚂r間，能在收到預約請求能立即發(fā)車并且服務可靠性較高；另外考慮到公交預約需求在空間和時間上有一定的不確定性，導致如果用專車做預約服務容易出現(xiàn)時空閑置等的現(xiàn)象，從而導致資源浪費，運營成本高。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于無人駕駛的預約與常規(guī)公交混編方法，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于無人駕駛的預約與常規(guī)公交混編方法，包括以下步驟：

4、s1、利用預約聚類算法模型將離散的誘因按照上車點和下車點進行空間聚類，分別得到預約上車點聚類模型與預約下車點聚類模型，其中，誘因即為乘客對車輛的預約請求；

5、s2、利用魚群算法模型獲取對誘因生效的車輛，使得該車輛從常態(tài)切換至應激態(tài)中的啟動態(tài)，并自動駛向預約上車點；

6、s3、在駛向預約上車點的路途中，判斷誘因是否失效；當誘因失效，則該車輛從啟動態(tài)切換至等待態(tài)，進入等待態(tài)的車輛就地?？?，等待一段時間后自動進入常態(tài)或受到誘因影響進入應激態(tài)中的啟動態(tài)；再利用增強vpr算法模型中的區(qū)間分割法將進入常態(tài)的車輛分配到各個區(qū)間內(nèi)；當誘因沒有失效，則車輛到達預約聚類上車點后，乘客上車，車輛進入執(zhí)行態(tài)，并反饋至s2步驟中；

7、s4、對預約請求進行分配，并利用增強vpr算法模型實現(xiàn)預約路線的規(guī)劃；

8、s5、車輛按照規(guī)劃的路線到達預約站點后，完成預約任務，乘客下車；當車輛完成所有當前預約任務后，從執(zhí)行態(tài)切換至常態(tài)；再利用區(qū)間分割法將進入常態(tài)的車輛分配到各個區(qū)間內(nèi)。

9、作為本發(fā)明再進一步的方案：在所述s1步驟中，預約上車點聚類模型的構(gòu)建方法如下：

10、先利用網(wǎng)格聚類方法將數(shù)據(jù)空間劃分為一個個網(wǎng)格，再將數(shù)據(jù)按照一定的規(guī)則映射到網(wǎng)格單元中，然后計算每個單元的密度；

11、預約下車點聚類模型的構(gòu)建方法如下：

12、先利用網(wǎng)格聚類方法對遠端的下車點進行聚類分析，得到聚類數(shù)量，再利用增強劃分聚類方法對所有下車點進行再聚類分析。

13、作為本發(fā)明再進一步的方案：在所述s2步驟中，魚群算法模型用于解決車輛在常態(tài)與應激態(tài)之間切換的問題，以實現(xiàn)車輛調(diào)配；其中，車輛在常態(tài)下表示在規(guī)定的范圍內(nèi)，車輛以固定的路線行駛的狀態(tài)；常態(tài)由行駛態(tài)與靜止態(tài)組成，且在常態(tài)下，車輛一直在行駛態(tài)與靜止態(tài)之間重復切換。

14、作為本發(fā)明再進一步的方案：在所述s2步驟中，車輛在應激態(tài)下表示車輛受到誘因影響脫離固定的路線行駛的狀態(tài)，其中，應激態(tài)由啟動態(tài)、執(zhí)行態(tài)和等待態(tài)組成；誘因?qū)囕v是否生效由誘因變量與相應的閾值決定。

15、作為本發(fā)明再進一步的方案：在所述s3步驟中，等待態(tài)的車輛進入常態(tài)由等待時長和相應的閾值決定，且車輛分配采用通過區(qū)間分配法，具體步驟如下：

16、首先按照當前常態(tài)車輛的數(shù)量將常態(tài)下固定路線劃分成若干塊初始區(qū)間，再利用動態(tài)規(guī)劃的方法將即將進入常態(tài)的車輛分配到各區(qū)間內(nèi)。

17、作為本發(fā)明再進一步的方案：在所述s4步驟中，增強vpr算法模型包括啟發(fā)式算法和區(qū)間分配法，在對預約請求進行分配時，確保車輛的剩余載客容量大于等于預約請求數(shù)，并采用先分組后定線的兩階段策略，在接到預約請求時，利用分組策略將多個預約請進行分組處理，在車輛進入執(zhí)行態(tài)時，獲取一組預約請求，再利用啟發(fā)式算法以行駛路線最短為目的計算一條路線。

18、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

19、本發(fā)明通過利用魚群算法實現(xiàn)車輛常態(tài)與應激態(tài)間的狀態(tài)切換，并基于增強vrp算法模型實現(xiàn)預約路線規(guī)劃，將閑置的預約車運力投入到常規(guī)線路中，同時空載的常規(guī)車也接運預約單,可以有效提升無人車的時空利用率，提高公交出行的服務效率，同時減少空閑置現(xiàn)象，提高資源利用率，降低運營成本。

技術(shù)特征：

1.一種基于無人駕駛的預約與常規(guī)公交混編方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于無人駕駛的預約與常規(guī)公交混編方法，其特征在于，在所述s1步驟中，預約上車點聚類模型的構(gòu)建方法如下：

3.根據(jù)權(quán)利要求1所述的一種基于無人駕駛的預約與常規(guī)公交混編方法，其特征在于，在所述s2步驟中，魚群算法模型用于解決車輛在常態(tài)與應激態(tài)之間切換的問題，以實現(xiàn)車輛調(diào)配；其中，車輛在常態(tài)下表示在規(guī)定的范圍內(nèi)，車輛以固定的路線行駛的狀態(tài)；常態(tài)由行駛態(tài)與靜止態(tài)組成，且在常態(tài)下，車輛一直在行駛態(tài)與靜止態(tài)之間重復切換。

4.根據(jù)權(quán)利要求1所述的一種基于無人駕駛的預約與常規(guī)公交混編方法，其特征在于，在所述s2步驟中，車輛在應激態(tài)下表示車輛受到誘因影響脫離固定的路線行駛的狀態(tài)，其中，應激態(tài)由啟動態(tài)、執(zhí)行態(tài)和等待態(tài)組成；誘因?qū)囕v是否生效由誘因變量與相應的閾值決定。

5.根據(jù)權(quán)利要求1所述的一種基于無人駕駛的預約與常規(guī)公交混編方法，其特征在于，在所述s3步驟中，等待態(tài)的車輛進入常態(tài)由等待時長和相應的閾值決定，且車輛分配采用通過區(qū)間分配法，具體步驟如下：

6.根據(jù)權(quán)利要求1所述的一種基于無人駕駛的預約與常規(guī)公交混編方法，其特征在于，在所述s4步驟中，增強vpr算法模型包括啟發(fā)式算法和區(qū)間分配法，在對預約請求進行分配時，確保車輛的剩余載客容量大于等于預約請求數(shù)，并采用先分組后定線的兩階段策略，在接到預約請求時，利用分組策略將多個預約請進行分組處理，在車輛進入執(zhí)行態(tài)時，獲取一組預約請求，再利用啟發(fā)式算法以行駛路線最短為目的計算一條路線。

技術(shù)總結(jié)
本發(fā)明涉及預約乘車技術(shù)領域，公開了一種基于無人駕駛的預約與常規(guī)公交混編方法，包括以下步驟：S1、利用預約聚類算法模型獲取預約請求；S2、利用魚群算法模型獲得預約車輛并自動駛向預約上車點；S3、切換車輛狀態(tài)，實現(xiàn)車輛調(diào)配；S4、利用增強VPR算法模型實現(xiàn)預約路線的規(guī)劃；S5、完成預約任務，并對車輛進行分配。本發(fā)明通過利用魚群算法實現(xiàn)車輛常態(tài)與應激態(tài)間的狀態(tài)切換，并基于增強VRP算法模型實現(xiàn)預約路線規(guī)劃，將閑置的預約車運力投入到常規(guī)線路中，同時空載的常規(guī)車也接運預約單,可以有效提升無人車的時空利用率，提高公交出行的服務效率，同時減少空閑置現(xiàn)象，提高資源利用率，降低運營成本。

技術(shù)研發(fā)人員：梁健銘,董志國,常振廷,宋惠瓊,翁健,楊國健
受保護的技術(shù)使用者：廣州市公共交通集團有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10