针对交通工作人员调度的优化方法及系统
文献发布时间:2023-06-19 16:04:54
技术领域
本发明涉及人员调度的技术领域,尤其涉及一种针对交通工作人员调度的优化方法及系统。
背景技术
交通岗是每个城市必不可少的一个重要岗位,在城市中每个区域的路口节点都会设置交通岗,交通岗工作人员需要根据一天内的各区域管辖需求度进行人员调度,在以往的工作调度中,由于人员数量有限,调度时间长度较长,使所在市区的交通事故发生率处于一个较高的水平无法降低,因此,合理的调度能使得事故发生率明显降低,具有非常重要的现实意义。
发明内容
本发明提供了一种针对交通工作人员调度的优化方法及系统,用以解决现有的调度时间过程从而导致市区的交通事故发生率无法降低的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种针对交通工作人员调度的优化方法,包括以下步骤:
S1:将一天分为多个工作时段,构建交通岗工作人员调度问题的数学模型,包括人员调度问题的多目标函数和模型假设;
S2:计算各个交通岗到其他所有交通岗需要走过的最短路径距离以及对应的最短支援时间;
S3:将城市交通划分为多个区域,根据综合评价选取最主要的交通管辖区域的交通岗的工作人员,作为调度方案的调度对象;
S4:根据各区域的历史交通数据,用多个不同模型预测出未来一段时间的市内各区域的事故发生率;
S5:根据未来一段时间的市内各区域事故发生率,构造新的调度方案函数,包括交通岗编号以及每个交通岗分配到或调走的人员数量;
S6:根据人员调度问题的多目标函数,进行加权构成一个单目标函数;并根据事故发生率与人员数量的线性函数,构造一个产生新解的函数;
S7:根据每个工作时段的调度方案进行模拟退火求解,退火过程结束后应用新的调度方案函数更新当前的各个交通岗工作人员数量;
S8:将退火过程作为一个新的函数SA1,再对SA1引用,并且进行循环遍历求出该日的所有工作时间段的调度方案,求得该循环下的多目标函数的目标函数均值。
优选地,方法还包括:
S9:将S8的过程作为一个新的函数SA2,再引用SA2进行循环遍历所需要的时长,保存该层次外圈循环下的目标函数值到一个向量中,再对向量中每个元素求均值,得到标量结果以便于比较;
S10:定义模拟次数为10000,对S9再次进行计算机模拟为最外圈循环,不断进行结果值比较与更新,最终求得最优得调度方案结果。
优选地,多个工作时段包括:三个工作时段7:30-11:30,2:00-6:00,以及19:00-21:00。
优选地,人员调度问题的多目标函数包括:
每个区域的路口节点设置交通岗,交通岗工作人员根据一天内的各区域管辖需求度进行人员调度;由于人员数量有限,要求在所有区域的月平均事故发生率尽可能较低的情况下;基于木桶理论,要求平均每一天所有调度执行方案中最大的调度时间尽可能短;
m为区域数量,n为各个交通岗初始人员数量,y
其中,f
优选地,各区域的事故发生率为:该区域事故发生数量除以该市的每一天的事故发生数量,各自减去或加上其因为人员调度后得到的事故发生率,再求和。
优选地,模型假设如下:
以设置在路口节点上的交通岗求解该区域的事故发生率;
工作人员数量增加,则各区域事故发生率y
交警调度过程中的速度为匀速;
交警调度过程中只走最短路径;
每个交通岗人员初始数量相同。
优选地,步骤S3中,将各个交通岗到其他所有交通岗需要走过的最短路径距离以及对应的最短支援时间;用基于熵权法赋权重的TOPSIS法进行综合评价,并取出该城市得分前85%的区域作为该城市最主要的交通管辖区域,包括:
S301:定义优劣解距离法的指标如下:
区域风险因子;区域面积;区域临近交通岗数量;流量变异因子;以及违法因子;
S302:利用S301中的各指标,基于熵权法给五项指标分别计算出权重;
S303:将极小型和中间型指标进行正向化;
S304:计算评分并且归一化,选出评分累加和达到前85%对应的区域。
优选地,步骤S7包括:
S701:随机生成一个初始调度方案并根据多目标函数求取其目标值;
S702:定义初始温度T0为1000摄氏度,最大迭代次数maxgen为1000,每个温度下迭代次数Lk为500,温度下降系数α为0.95;
S703:定义初始各个交通岗工作人员数量为一个行向量,外循环为定义迭代次数,每次外循环结束后温度下降;内循环为在每个温度下的迭代,调用S5中生成新的调度方案函数,再用该新新的调度方案函数带入到S6中产生新解的函数,如果新解值更小,则直接把新解的值赋值给原来的解并更新当前调度方案为新调度方案,否则计算一个概率,生成一个随机数和这个概率比较,如果该随机数小于这个概率,更新当前调度为新方案。
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
1、本发明的针对交通工作人员调度的优化方法及系统,从调度时间和事故发生率两个方面,给交通岗的工作人员一种更优的调度方案。
2、在优选方案中,本发明考虑区域风险因子,区域面积,区域临近交通岗数量,流量变异因子,违法因子五个因素,区域风险因子,区域面积,区域临近交通岗数量,流量变异因子,违法因子五个因素,从调度时间,事故发生率两个方面,给交通岗的工作人员一种更优的调度方案。并且考虑到了时间季节性。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的针对交通工作人员调度的优化方法的流程示意图;
图2是本发明优选实施例的每个工作时段的评价与模拟退火得到调度方案的流程示意图;
图3是本发明优选实施例的得到预期时间内的调度方案的流程示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1和图2,本发明的针对交通工作人员调度的优化方法,包括以下步骤:
S1:将一天分为多个工作时段,构建交通岗工作人员调度问题的数学模型,包括人员调度问题的多目标函数和模型假设。在一些实施方式中,根据问题背景,将交通岗工作人员一天的工作时间分为三个工作时段:7:30-11:30,2:00-6:00,以及19:00-21:00。
S101:人员调度问题的多目标函数优选包括:
每个区域的路口节点设置交通岗,交通岗工作人员根据一天内的各区域管辖需求度进行人员调度;由于人员数量有限,要求在所有区域的月平均事故发生率尽可能较低的情况下;基于木桶理论,要求平均每一天所有调度执行方案中最大的调度时间尽可能短;
m为区域数量,n为各个交通岗初始人员数量,y
其中,f
S102:模型假设如下:
以设置在路口节点上的交通岗求解该区域的事故发生率;
工作人员数量增加,则各区域事故发生率对称矩阵y
交警调度过程中的速度为匀速;
交警调度过程中只走最短路径;
每个交通岗人员初始数量相同。
S2:计算各个交通岗到其他所有交通岗需要走过的最短路径距离以及对应的最短支援时间。在一些实施方式中,采用弗洛伊德算法求各个交通岗到其他所有交通岗需要走过的最短路径距离的对称矩阵,根据假定交警警车行驶速度,即可计算出最短支援时间对称矩阵。例如采用如下方式:
S201:得到各个交通岗之间的权重即得到欧式距离矩阵;
S202:利用欧式距离矩阵做出第i个交通岗节点对第j个交通岗节点的对称矩阵。
S3:将城市交通划分为多个区域,根据综合评价选取最主要的交通管辖区域的交通岗的工作人员,作为调度方案的调度对象。在一些实施方式中,可以采用基于熵权法赋权重的TOPSIS(优劣解距离法)法进行综合评价,并取出该城市得分前85%的区域作为该城市最主要的交通管辖区域,例如:
S301:定义优劣解距离法的指标如下:
区域风险因子(根据过去记录的车流量,区域繁华程度数据定义);区域面积;区域临近交通岗数量;流量变异因子(一天内,且变异程度小可能为主干道路所在区域);以及违法因子(如酒驾的比例);
S302:利用S301中的各指标,基于熵权法给五项指标分别计算出权重;
S303:将极小型和中间型指标进行正向化;
S304:计算评分并且归一化,选出评分累加和达到前85%对应的区域。
S4:根据各区域的历史交通数据,用多个不同模型预测出未来一段时间的市内各区域的事故发生率。各区域的事故发生率为:该区域事故发生数量除以该市的每一天的事故发生数量,各自减去或加上其因为人员调度后得到的事故发生率,再求和。在一些实施方式中,可采用温特加法模型、ARIMA、或简单季节性等模型进行预测。以温特加法模型为例:
S401:温特加法模型函数:
其中,l
S402:利用SPSS软件进行序列图分析;
S403:利用传统时间序列建模器进行预测。
S5:根据未来一段时间的市内各区域事故发生率,构造新的调度方案函数,包括交通岗编号以及每个交通岗分配到或调走的人员数量。例如:
S501:为避免陷入局部最优,同时考虑01规划的背包问题与TSP(TravelingSalesman Problem,旅行商最短路径问题)问题来构造该方案函数。
S502:考虑到人员总数量问题,若满足分配数量小于人员总数,则只考虑背包问题进行分配,否则参考TSP问题产生新的方案。
S6:根据人员调度问题的多目标函数,进行加权构成一个单目标函数;并根据事故发生率与人员数量的线性函数,构造一个产生新解的函数。
S7:根据每个工作时段的调度方案进行模拟退火求解,退火过程结束后应用新的调度方案函数更新当前的各个交通岗工作人员数量。在一些实施方式中,采用如下步骤:
S701:随机生成一个初始调度方案并根据多目标函数求取其目标值;
S702:定义初始温度T0为1000摄氏度,最大迭代次数maxgen为1000,每个温度下迭代次数Lk为500,温度下降系数α为0.95;
S703:定义初始各个交通岗工作人员数量为一个行向量,外循环为定义迭代次数,每次外循环结束后温度下降;内循环为在每个温度下的迭代,调用S5中生成新的调度方案函数,再用该新新的调度方案函数带入到S6中产生新解的函数(目标函数值),如果新解值更小,则直接把新解的值赋值给原来的解并更新当前调度方案为新调度方案,否则计算一个概率,生成一个随机数和这个概率比较,如果该随机数小于这个概率,更新当前调度为新方案。
S8:参见图3,将退火过程在MATLAB软件中命名为一个新的函数SA1,再对SA1引用,并且进行循环遍历求出该日的所有工作时间段的调度方案,求得该循环下的多目标函数的目标函数均值。
实施时,还可以继续进行以下步骤:
S9:将S8的过程构造为一个在MATLAB软件中命名为一个新的函数SA2,对新的函数SA2进行循环遍历所需要的时长,保存该层次外圈循环下的目标函数值到一个向量中,再对向量中每个元素求均值,得到标量结果以便于比较;
S10:定义模拟次数为10000,对S9再次进行计算机模拟为最外圈循环,不断进行结果值比较与更新,最终求得最优得调度方案结果。
实施时,可以利用MATLAB对上述过程进行计算机仿真。
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
综上可知,本发明通过首先构建交通岗工作人员调度方案的理论优化模型,根据Floyd算法计算出对阵最短路径矩阵,依据温特加法模型预测未来每天三个工作时段的各项数据;然后根据目标函数构建产生新解的函数,根据约束条件,参考01规划背包问题和TSP(旅行商最短路径问题)改进新调度方案函数,再基于此改进后的函数进行模拟退火;最后根据时间对该退火过程进行循环遍历得到该日的最优调度方案,外圈循环基于蒙特卡洛思想遍历最终得到所需时间长度的调度方案。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。