[发明专利]一种基于实时数据的互联网无桩单车的调度方法

说明书

本发明涉及信息数据技术领域，具体涉及一种基于实时数据的互联网无桩单车的调度方法，在多个调度区域，基于实时数据获得各个调度区域的标准单车数量值，并通过互联网获取单车的实时位置数据，在需要对目标调度区域进行单车调度时，基于遗传算法，先统计各个调度区域需要调入或调出的单车数量；以当前各调度区域的单车信息数据作为初始种群，通过遗传算法迭代至预设的迭代次数，综合评判后得到目标调度区域的最佳调度策略，再以目标调度区域作为调度中心，按照最佳调度策略执行单车调度。本发明可以在不同的时间窗调用算法生成调度路径，在短时间内快速得到最优的调度策略，有效降低共享单车调度成本，提高共享单车的调度效率。

技术领域

本发明涉及信息数据技术领域，具体涉及一种基于实时数据的互联网无桩单车的调度方法。

背景技术

遗传算法(Genetic Algorithm，GA)最早是由美国的John holland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。

随着共享经济的到来，共享单车发展迅速，已成为人们出行的重要交通工具。共享单车是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务，是一种分时租赁模式，共享单车是一种新型环保共享经济。城市出行者在出行过程中使用共享单车出行，解决了最后一公里的出行需求，但是同时也带来了一些新的问题：如早上出行者使用共享单车到达公交车站、地铁站点进行公共交通的换乘，下班的时候则是相反的情况，这样子就造成了早上在居民小区的需求激增，而实际可以使用的共享单车数量急剧减少，同时在公交车站，地铁站点的共享单车数据增加，占用大量的公共资源。也存在乱停乱放的现象，极大的浪费了城市公共空间用地。

为此，为更合理高效的调度共享单车，实现共享单车的供需平衡，本发明提供一种方法简单，使用便捷的基于实时数据的互联网无桩单车的调度方法。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于实时数据的互联网无桩单车的调度方法，可以在不同的时间窗调用算法生成调度路径，在短时间内快速得到最优的调度策略，有效降低共享单车调度成本，提高共享单车的调度效率，满足不同区域、不同时刻的共享单车调度需求，有效解决共享单车供需平衡问题。

本发明的目的是通过以下技术方案来实现的：

一种基于实时数据的互联网无桩单车的调度方法，在多个调度区域，设定各个调度区域的标准单车数量值，并通过互联网获取单车的实时位置数据，在需要对目标调度区域进行单车调度时，基于遗传算法，通过以下步骤完成单车调度：

S1.统计进入各个调度区域的单车数量和离开各个调度区域的单车数量，计算得到各个调度区域需要调入或调出的单车数量；

S2.以当前各调度区域的单车信息数据作为初始种群，基于遗传算法，对于每一代种群，将目标调度区域作为调度中心，随机模拟执行调度策略，同时计算每一个调度策略的调度路径长度，将调度路径长度作为第一评价尺度，计算每一个调度策略的调配满足程度，将调配满足程度作为第二评价尺度，然后将在前种群中在第一评价尺度和第二评价尺度两个尺度各自评价下最优的调度策略均遗传到下一代种群，并排列在前面，同时按照交叉率和变异率重新生成下一代种群，保持调度策略数量不变；

S3.迭代至预设的迭代次数，采用综合评价的方法得到目标调度区域的最佳调度策略；

S4.以目标调度区域作为调度中心，按照最佳调度策略执行单车调度。