一种基于站点聚类的共享单车调度方法

技术领域

本发明涉及共享单车调度，特别是涉及一种基于站点聚类的共享单车调度方法。

背景技术

共享单车是一种被广泛使用的环保、灵活的城市交通方式。而它的灵活性也意味着用户流动将导致系统资源分布不均匀问题。为了避免此造成的损失，运营公司需有计划地在系统运行同时用载运车对车辆进行调度，即动态调度。

现有的调度规划方法通过最小化系统内的车辆短缺问题来减少损失，但他们忽略了车辆过剩/车位短缺问题带来的损失。此外，当在实地大规模的共享单车系统中使用时，全局优化的方法往往计算成本过高，不够高效。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于站点聚类的共享单车调度方法，考虑了车辆短缺和过剩问题，由此真正最小化了资源分配不均匀导致的损失，并且考虑了地理位置和用户流量，应用于车辆动态调度规划方法时，可有效提升效率。

本发明的目的是通过以下技术方案来实现的：一种基于站点聚类的共享单车调度方法，包括以下步骤：

S1.将共享单车系统的运行时段分为多个规划期；

S2.对于第t个规划期，构建共享单车系统模型；

S3.在第t个规划期内，通过聚类算法对共享单车系统的站点进行聚类，聚类过程中先基于距离划分集群，再利用平均损失作为集群内调度需求的衡量标准对集群进行调整；

S4.在第t个规划期内聚类形成的每一个集群中，进行共享单车的调度规划；

S5.在不同的规划期内，重复执行步骤S2～S4，完成各个规划期内共享单车的调度规划。

本发明的有益效果是：本发明通过共同考虑单车短缺和过剩问题的动态车辆调度规划方法和共同考虑地理位置和用户流量的聚类算法，在减少资源分布不均匀导致的损失同时提升了整体计算效率。

附图说明

图1为本发明的方法流程图；

图2为具体的聚类流程图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种基于站点聚类的共享单车调度方法，包括以下步骤：

S1.将共享单车系统的运行时段分为多个规划期；

S2.对于第t个规划期，构建共享单车系统模型；

S201.给定系统资源信息，包括：

车站集S：包含共享单车系统中每一个车站的容量，车站的容量即车站中的车位数；车站集中，将车站s的容量记为

S202.给定用户流量信息，包含在来自历史数据的K个训练场景中规划期t内的用户流量，

S203.定义损失为用户需求无法以现有资源满足的次数，具体包含：

车辆损失，即因用户未找到可用车辆导致的损失,

车位损失，即因用户未找到车位还车导致的损失,

总损失为车辆损失和车位损失的和。

S3.在第t个规划期内，通过聚类算法对共享单车系统的站点进行聚类，聚类过程中先基于距离划分集群，再利用平均损失作为集群内调度需求的衡量标准对集群进行调整；

为在实地大规模共享单车系统中有效规划车辆调度，提出一个聚类算法，通过在形成的集群内部进行调度规划缩小问题规模，提高计算效率；

聚类算法的核心思想为，通过共同考虑地理位置和用户流量，使各集群内的调度需求相当，如此，在通过局域调度提高效率的同时，保证减少损失的调度效果。

用单站损失，即在未进行调度时产生在一个车站的损失，作为一个车站调度需求的测量，为测量一个站集的调度需求，对于任一个站集P，定义平均损失具体为

其中，P

如图2所示，具体过程如下：

第一步、输入系统资源、用户流量信息；指定生成的集群个数为C，异常站集个数为1；

第二步、预先设置生成的C个集群均为空集，异常站集O为空集；

第三步、计算系统平均损失

其中，S

第四步、平均在系统中选取C个站分别设置为C个集群的中心站；例如，若将100个站划分为10个集群，即可选取第1、11、…、91个站分别设为10个集群中心站

第五步、定义站s与任意一个集群c之间的距离为站s与集群c的中间站之间的距离；以此为依据，将系统中所有站分配到与其距离最近的集群；

第六步，对每一个集群c，计算平均损失

其中，P

第七步、将异常站集O中的异常站逐个分配至现平均损失最小的集群，若此集群在接收异常站后的平均损失超过系统平均损失AL

第八步、将第七步中返回到异常站集O的异常站再逐个分配至现平均损失最小的集群；

在本申请的实施例中，假设在第七步结束以后，异常站集里还有站点3，6，8这三个异常站。假设现在有1，2，3，4四个集群，这四个集群现有平均损失值大小关系为AL

第九步、输出最终得到的C个集群。

在聚类过程中，聚类算法先基于距离划分集群，再利用平均损失作为集群内调度需求的衡量标准对集群进行调整，在将所有站划入集群的同时保证各集群的调度需求尽量均衡，以保证集群内调度的效果。

S4.在第t个规划期内聚类形成的每一个集群中，进行共享单车的调度规划；

将聚类算法形成的每个集群视为一个独立系统，在每个集群内部进行规划和调度。将集群内车辆动态调度问题制定为一个混合整数非线性规划问题，依据资源分布和用户流量信息，目标为最小化该集群在K个训练场景中的总损失。利用常规方法求解即得到调度方案。

每日同规划期内的用户流量趋势具有相似性。由此，将训练场景中总损失最小化的调度方案为一个通用调度方案，具体地：

S401.将每个集群视为一个独立系统，在每个集群内部依据资源分布和用户流量信息进行规划和调度，

S402.在C个集群中，第c个集群的系统资源信息，包括：

车站集S

载运车集V：包含第c个共享单车集群内每一个运载车的容量，运载车的容量是指运载车最大车辆载运数；载运车集中，将运载车v的容量记为

车辆分布：包含

载运车分布：包含指示变量

车站位置信息，包含在矩阵H内，矩阵H共有S

在本申请的实施例中，以包含3个车站的系统为例(即c＝3)，那这个矩阵H就是一个3*3的矩阵。那这个矩阵的元素里面就代表任意两个车站之间的距离。比如矩阵中的元素H

S403.给定用户流量信息，包含在来自历史数据的K个训练场景中规划期t内在第c个共享单车集群中的用户流量，

S404.定义在第c个共享单车集群内损失为用户需求无法以现有资源满足的次数，具体包含：

车辆损失，即因用户未找到可用车辆导致的损失，

车位损失，即因用户未找到车位还车导致的损失，

在第c个共享单车集群中的总损失为在第c个共享单车集群中车辆损失和车位损失的和；

S405.给定调度方案的相关变量：

为调度车v在站s的取车数；

为调度车v在站s的还车数；/>

指示变量

指示变量

S406.在第c个共享单车集群内车辆动态调度问题:

该问题为一个混合整数非线性规划问题，依据资源分布和用户流量信息，目标为最小化第c个集群在K个训练场景中的总损失，调度规划问题如下：

(1)目标调度后的总损失最小化：目标为将调度后的总损失最小化；总损失为所有训练场景，所有车站中车辆损失和车位损失的和:

(2)计算调度后的总车辆损失，即用户所需车辆数和调度后车站可用车辆数的差：

在各训练场景，各车站，确保车辆损失

用户所需车辆数为从此车站去各车站的车辆数

调度后车站可用车辆数为此车站原车辆数

(3)计算调度后的总车位损失，即用户所需车位数和调度后车站空余车位数的差：

在各训练场景，各车站，确保车位损失

在最小化问题中，等同于将车位损失计算为用户所需车位数和调度后车站空余车位数的差；

用户所需车位数为从各车站驶向此车站的车辆数

调度后车站空余车位数为此车站原车辆数

(4)确保运载车取车数不超过运载车容量：确保在每一站，对每一辆运载车，若它在此站取车

(5)确保运载车取车数不超过取车站可用车辆数：确保，在每一站所有运载车取车总数，即每辆运载车取车数

(6)确保运载车还车数不超过还车站空余空车位数：确保，在每一站，所有运载车还车总数，即每辆运载车还车数

(7)确保运载车取车数等于还车数，即所取车辆全部送还：确保在每一站，对每一辆运载车，若该运载车在此站还车

(8)限制运载车调度时的行驶距离不超过限定值H

(9)确保运载车只在一站取车，我们假设在一个规划期内一辆运载车只能完成一此调度任务：对每一辆运载车，确保取车指示变量

(10)限制运载车取车时的行驶距离，即只能从临近站集G

(11)确保运载车只在一站还车：对每一辆运载车，确保还车指示变量

(12)确保车辆损失、车位损失非负，运载车取车、换车数非负且不超过运载车容量，指示变量取值为0或1

S407.求解规划问题，得到变量

最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的方法进行修改，例如所述方法名称的变化等。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。