[发明专利]一种需求响应型公交调度方法

权利要求书

1.一种需求响应型公交调度方法，其特征在于，该方法包括以下步骤：

步骤S1：明确需求响应型公交的运营模式；

步骤S2：基于运营模式，建立需求响应型公交深度强化学习模型；

步骤S3：获得训练数据，并利用训练数据训练需求响应型公交深度强化学习模型，得到需求响应型公交深度强化学习优化模型；

步骤S4：基于需求响应型公交深度强化学习优化模型，进行需求响应型公交的调度；

所述的运营模式为需求响应型公交按照固定路线行驶，并在需求响应式的站点根据分配到的乘客需求进行停站服务，乘客按照分配结果乘车，乘客乘坐最先到达的车辆或后续到达的车辆；

所述需求响应型公交深度强化学习模型中，定义S＝{s_t}为状态集，即需求响应型公交深度强化学习模型的输入，状态包括车辆分布、需求分布以及当前时间；动作集即需求响应型公交深度强化学习模型的输出，定义A＝{a_t}为离散动作集；调度算法做出的调度决策是选择是否接受用户的请求，并将请求分配到特定的车辆上，车辆被分配到请求后会立即出发对需求进行处理；动作集A＝{a₀,a₁,…,a_M,a_reject}包括了拒绝请求a_reject，或将需求分配给满足超载约束、位置约束的可用车辆M；

所述的需求响应型公交深度强化学习模型的成本函数为：

C(t)＝η×[WT(t)+ET(t)+3×DT(t)]+OC(t)+Ψ_reject1(t)

其中，η为平均工资率，WT(t)为总候车时间，ET(t)为总行程时间，DT(t)为当前时刻t的服务可靠性，OC(t)为当前时刻t的运营成本，Ψ_reject1(t)为当前时刻t的拒载惩罚因子；

所述的WT(t)和ET(t)分别表示为：

其中，P(t)为当前时刻全部乘客的集合，p表示每一个乘客，表示乘客p上车的时刻，表示乘客p下车的时刻，ArriveTime_p表示乘客p得到的预计上车时刻；

所述的服务可靠性用当前时刻t全部乘客的实际到站时间与期望到站时间的延迟时间的和DT(t)来反映：

其中，表示乘客p下车的时刻，ExpTime_p为乘客p的期望到达时刻；

所述的运营成本OC(t)为：

其中，oc_τ为τ车型车辆每次行程的运营成本，TripNum_τ(t)为当前时刻t乘客分配到的τ车型车辆的数量；

所述的拒载惩罚因子Ψ_reject1为：

其中，定义为将布尔变量转化为整型变量的函数，当输入为True时返回1，当输入为False时返回0，ψ_reject(t)为初始拒载惩罚因子，a(t)为当前时刻t的决策动作，a_reject为拒绝请求；

所述的训练数据包括车辆分布、需求分布和当前时间，所述的需求分布包括乘客的需求产生时刻、起讫站点、期望到达时刻和乘客人数，所述的车辆分布包括车辆的车型信息、位置信息、行驶方向和车内载客信息。