本发明涉及公交行程调整技术应用领域，尤其涉及一种公交运行状态数据调整处理方法、智能终端及存储介质。
背景技术：
至2017年，我国城市公交保有量达65.12万辆，开通线路条数达56，786条；2017年全年完成城市客运量1272.15亿人，其中公交完成722.87亿人，占比56.82％。无论是从公交系统规模，还是从公交承担的客运量角度，公交出行对满足城市居民出行需求均有着不可替代的地位。然而，我国大部分城市公交运行普遍存在乘客候车时间长、乘车拥挤等问题，其主要原因之一是公交运行稳定性差。以广州市某公交线路的实际运行数据为例，其上下行公交平均发车准点率约为70％，高峰时段公交发车准点率下降幅度超过30％。而导致公交发车准点率低的主要原因是，我国大部分城市公交主要采用静态公交调度方法，这种调度方式对道路的畅通性及车辆配置数要求较高，难以面对当前日益复杂、恶化的交通状况。
在公交实际运行中，由于受到客流、交通状况等因素的影响，公交回站时间经常发生延误，使编制好的时刻表难以按计划执行，公交断班现象频发,为用户的出行带来不便。
因此，现有技术还有待于改进和发展。
技术实现要素：
本发明要解决的技术问题在于，针对现有技术中由于公交回站时间不能满足期望发车时间，使实际发车间隔严重偏离期望发车间隔，引起公交断班、前后班次公交满载率失衡的问题，本发明提供一种公交运行状态数据调整处理方法、智能终端及存储介质，旨在提前延长前期各发车间隔以消除断班，并实现前期各发车间隔调整的公平性与合理性，减少公交断班，均衡各班次公交载客率，提高公交运行的稳定性，方便乘客出行。
本发明解决技术问题所采用的技术方案如下：
一种公交运行状态数据调整处理方法，其中，所述公交运行状态数据调整处理方法包括：
将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取班次和公交时刻表可行性的结果；
根据预期不能按期望时刻表发车的班次数据，构建公交动态调度熵模型，根据预测公交回站时间数据调整公交时刻表；
通过算例分析验证公交动态调度熵模型，根据检测的公交动态调度熵模型的有效性，调整前后班次公交满载率。
所述的公交运行状态数据调整处理方法，其中，所述将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取班次可行性的结果具体包括：
将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，评价对应班次公交按期望时刻表发车的可行性；
构建班次可行性评价函数和公交时刻表可行性的评价函数，分别判断班次和公交时刻表的可行性。
所述的公交运行状态数据调整处理方法，其中，将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，评价对应班次公交按期望时刻表发车的可行性，构建班次可行性评价函数：
其中，f(ti,ti)为接下来某一班次公交按照期望公交时刻表发车的可行性评价函数，当f(ti,ti)＝1时表示可行，当f(ti,ti)＝0时表示不可行；
ti为在当前发出班次后接下来第i班次公交的期望发车时刻，假设ti为根据预测乘客交通出行量分布优化后的期望公交时刻表；
ti为在当前发出班次后接下来第i辆公交预测回站时间，包括站内待发车辆与回站车辆，站场内待发车辆的预测回站时间定义为0；
i＝1,2,...,n，n为站内待发车辆与回站车辆总数。
所述的公交运行状态数据调整处理方法，其中，将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取公交时刻表可行性的结果具体包括：
评价接下来n个对应班次公交按期望公交时刻表发车的可行性，构建公交时刻表可行性的评价函数如下：
f(t1,...,tn；t1,...,tn)＝f(t1,t1)·f(t2,t2)…f(tn,tn)；
f(t1,...,tn；t1,...,tn)为接下来n班次公交按照期望发车时刻表进行发车的可行性，当f(t1,...,tn；t1,...,tn)＝1时，表示可行；f(t1,...,tn；t1,...,tn)＝0时，表示不可行。
所述的公交运行状态数据调整处理方法，其中，所述根据预期不能按期望时刻表发车的班次数据，构建公交动态调度熵模型，根据预测公交回站时间数据调整公交时刻表具体包括：
若期望公交时刻表不可行，作为调整公交时刻表的节点，需要确定最远的不能按照期望时刻表发车的班次，并对班次的发车间隔进行动态调整；
在对公交时刻表进行动态调整时，控制调整前后各公交发车间隔的总差异最小，以及调整前后各阶段公交发车间隔变化率一致。
所述的公交运行状态数据调整处理方法，其中，若期望公交时刻表不可行，作为调整公交时刻表的节点，需要确定最远的不能按照期望时刻表发车的班次m，为
对第m班次及之前班次的发车间隔进行动态调整，调整的幅度为(tm-tm)；tm为第m辆公交预测回站时间，tm为调整后第m班次的发车时间；
在对公交时刻表进行动态调整时，控制调整前后各公交发车间隔的总差异最小，以及调整前后各阶段公交发车间隔变化率一致。
所述的公交运行状态数据调整处理方法，其中，构建公交动态调度熵模型如下：
目标函数：
其中，h为规定的最大发车时间间隔；
约束条件：
j＝1,2,...,m；
其中，
所述的公交运行状态数据调整处理方法，其中，当λj趋于集中时，调整前后公交发车间隔分布越一致，越满足乘客需求分布，调整方法越公平；反之，则越不公平；最公平的结果是，调整后的公交发车间隔为调整前的公交发车间隔的等比例延长，即：
此时，k1＝k2＝…＝km＝k，调整前后公交发车间隔分布均与乘客交通出行量流量分布保持一致；
根据熵的性质，将λj作为计算熵值的指标，当λj分布趋于集中时，表示公交发车间隔调整前后分布越一致，与乘客交通出行量分布越相符，熵值越大；调整方法的公平性评价函数可表示为：
一种智能终端，其中，所述智能终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的公交运行状态数据调整处理程序，所述公交运行状态数据调整处理程序被所述处理器执行时实现如上所述的公交运行状态数据调整处理方法的步骤。
一种存储介质，其中，所述存储介质存储有公交运行状态数据调整处理程序，所述公交运行状态数据调整处理程序被处理器执行时实现如上所述公交运行状态数据调整处理方法的步骤。
本发明公开了一种公交运行状态数据调整处理方法、智能终端及存储介质，所述方法包括：将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取班次和公交时刻表可行性的结果；根据预期不能按期望时刻表发车的班次数据，构建公交动态调度熵模型，根据预测公交回站时间数据调整公交时刻表；通过算例分析验证公交动态调度熵模型，根据检测的公交动态调度熵模型的有效性，调整前后班次公交满载率。本发明基于预测回站时间的动态公交调度熵模型，提前延长前期各发车间隔以消除断班，并实现了前期各发车间隔调整的公平性与合理性，减少了公交断班，均衡各班次公交载客率，提高公交运行的稳定性，方便乘客出行。
附图说明
图1是本发明公交运行状态数据调整处理方法的较佳实施例的流程图；
图2是本发明公交运行状态数据调整处理方法的较佳实施例中步骤s10的流程图；
图3是本发明公交运行状态数据调整处理方法的较佳实施例中步骤s20的流程图；
图4是本发明公交运行状态数据调整处理方法的较佳实施例中以早高峰为例的时刻表的发车间隔分布示意图；
图5是本发明公交运行状态数据调整处理方法的较佳实施例中以晚高峰为例的时刻表的发车间隔分布示意图；
图6为本发明智能终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明较佳实施例所述的公交运行状态数据调整处理方法，如图1所示，一种公交运行状态数据调整处理方法，应用于智能终端,其中，所述公交运行状态数据调整处理方法包括以下步骤：
步骤s10、将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取班次和公交时刻表可行性的结果。
具体过程请参阅图2，其为本发明提供的公交运行状态数据调整处理方法中步骤s10的流程图。
如图2所示，所述步骤s10包括：
s11、将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，评价对应班次公交按期望时刻表发车的可行性；
s12、构建班次可行性评价函数和公交时刻表可行性的评价函数，分别判断班次和公交时刻表的可行性。
具体地，首先，进行班次可行性评价，将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，评价对应班次公交按期望时刻表发车的可行性，构建班次可行性评价函数：
其中，f(ti,ti)为接下来某一班次公交按照期望公交时刻表发车的可行性评价函数，当f(ti,ti)＝1时表示可行，当f(ti,ti)＝0时表示不可行；
ti为在当前发出班次后接下来第i班次公交的期望发车时刻，假设ti为根据预测乘客交通出行量分布优化后的期望公交时刻表；
ti为在当前发出班次后接下来第i辆公交预测回站时间，包括站内待发车辆与回站车辆，站场内待发车辆的预测回站时间定义为0；
i＝1,2,...,n，n为站内待发车辆与回站车辆总数。
然后，进行公交时刻表可行性评价，评价接下来n个对应班次公交按期望公交时刻表发车的可行性，构建公交时刻表可行性的评价函数如下：
f(t1,...,tn；t1,...,tn)＝f(t1,t1)·f(t2,t2)…f(tn,tn)；
f(t1,...,tn；t1,...,tn)为接下来n班次公交按照期望发车时刻表进行发车的可行性，当f(t1,...,tn；t1,...,tn)＝1时，表示可行；f(t1,...,tn；t1,...,tn)＝0时，表示不可行。
步骤s20、根据预期不能按期望时刻表发车的班次数据，构建公交动态调度熵模型，根据预测公交回站时间数据调整公交时刻表。
具体的过程请参阅图3，其为本发明提供的公交运行状态数据调整处理方法中步骤s20的流程图。
如图3所示，所述步骤s20包括：
s21、若期望公交时刻表不可行，作为调整公交时刻表的节点，需要确定最远的不能按照期望时刻表发车的班次，并对班次的发车间隔进行动态调整；
s22、在对公交时刻表进行动态调整时，控制调整前后各公交发车间隔的总差异最小，以及调整前后各阶段公交发车间隔变化率一致。
具体地，先进性调整班次的确定，若期望公交时刻表不可行，作为调整公交时刻表的节点，需要确定最远的不能按照期望时刻表发车的班次m，如下公式所示，
然后进行调整幅度的确定，为避免断班问题的发生，需对第m班次及之前班次的发车间隔进行动态调整，调整的幅度为(tm-tm)，其中tm为第m辆公交预测回站时间，tm为调整后第m班次的发车时间。
在对公交时刻表进行动态调整时，应该考虑以下两个目标：(1)偏差，即调整前后各公交发车间隔的总差异最小；(2)公平，即调整前后各阶段公交发车间隔变化率的一致性，假设期望发车间隔分布与乘客需求分布相匹配，则调整前后各阶段公交发车间隔变化率越一致就越满足乘客需求分布，则调整越公平(合理)。
考虑到本发明方法的特殊性，可假设调整后各发车间隔只可能增大，故可直接利用调整前后的间隔差的和来表示总差异，同时考虑到调整幅度(tm-tm)是固定的，即总差异是固定的，因此本方法不需要考虑偏差，只需要考虑公平这一目标。
本方法的公平性主要体现在调整前后各公交发车间隔变化率是否一致；熵，是一个数学上的抽象概念，被广泛的应用于各个领域，可理解成某种特定信息的出现概率，变量的不确定性越大，熵也就越大。本发明将各间隔变化率作为公平的不确定性，那么熵越小公平性越好，因此本发明将利用“熵”理论设计调整方法的公平性评价函数，并以此为基础构建基于预测回站时间的动态公交调度熵模型。
熵的概念最初来源于热力学，是对系统状态不确定性的一种度量。在信息论中，作为对系统无序性的一种度量，引入函数：
其中，pi表示某种信息的不确定程度或发生概率，满足：
式中，对数的底数并无规定取值，一般取2、e、10，底数不同衡量信息的单位不同。信息熵值越小，信息量越大，信息的有序性越高，概率分布趋于集中，当
熵理论在差异研究及公平分配方面应用广泛，为衡量公交发车间隔调整的公平性，利用“熵”理论设计了调整方法的公平性评价函数。
假设有：
其中：δtj为调整前的第j班次与第j-1班次间的公交发车间隔，即期望发车间隔，δtj＝tj-tj-1，t0为当前发出班次公交的发车时刻；
kj为常数，kj>0，表示调整前后公交发车间隔的变化率；对kj进行归一化，得：
那么，当λj趋于集中时，调整前后公交发车间隔分布越一致，越满足乘客需求分布，调整方法越公平；反之，则越不公平；最公平的结果是，调整后的公交发车间隔为调整前的公交发车间隔的等比例延长，即：
此时，k1＝k2＝…＝km＝k，调整前后公交发车间隔分布均与乘客od流量分布保持一致。
因此，根据熵的性质，可以将λj作为计算熵值的指标，当λj分布趋于集中时，意味着公交发车间隔调整前后分布越一致，与乘客交通出行量分布越相符，熵值越大。因此，调整方法的公平性评价函数可表示为：
为根据预测公交回站时间，提前延长前期各发车间隔以消除断班问题，利用“熵”理论实现前期各发车间隔调整的公平性，构建了基于预测回站时间的动态公交调度“熵”模型如下：
目标函数：
约束条件：
j＝1,2,...,m。
模型求解如下：
(1)tj≤t0+h*j
熵函数的性质之一为h(x)是概率分布pi的严格上凸函数，显然，由约束条件式构成的解的集合为凸集。因此，该最优化问题为凸规划问题，其局部最优解就是它的全局最优解。lingo(运筹优化分析软件)是一套非常经典的用于求解线性规划、二次规划、整数规划及非线性规划最优化问题的综合工具，具有一系列完全内置的求解程序，并能够通过读取方程式自动选择合适的求解器，适用于本发明模型的求解，本发明可以利用lingo软件对模型进行求解。
(2)
本发明中，受最大发车时间间隔h的约束，
其中，
对于第q班次之后的班次的发车间隔，则从第q班次公交开始，按照(1)方法进行调整。
步骤s30、通过算例分析验证公交动态调度熵模型，根据检测的公交动态调度熵模型的有效性，调整前后班次公交满载率。
为进一步对模型进行说明，检验模型的有效性，以下分别取08:00-09:00早高峰、18:00-19:00晚高峰两个比较容易出现公交断班问题的时段进行算例分析。
算例一
以08:00-09:00早高峰期间公交调度为例，当前班次公交的发出时间t0＝08:00，站场内与回站途中公交车辆数n＝8，假设最大发车间隔约束h＝15min，接下来8个班次的期望公交发车时间ti及对应班次预测回站时间ti、调整后的发车时间表
表1调整前后接下来8个班次公交发车时间情况(算例一)
观察发现，在算例一中：1)若不对公交时刻表进行调整，则可能有
算例二
以18:00-19:00晚高峰期间公交调度为例，当前班次公交的发出时间t0＝18:00，站场内与回站途中公交车辆数n＝11，假设最大发车间隔约束h＝15min，接下来11个班次的期望公交发车时间ti及对应班次预测回站时间ti、调整后的发车时间表
表2调整前后接下来11个班次公交发车时间情况(算例二)
观察发现，在算例二中，虽然在没有调整在情况下也不会出现发车间隔
随着智能公交的不断发展，基于公交ic卡技术、视频计数技术等预测客流分布方法为静态公交调度优化提供了更为准确的客流信息支持，而公交行程预测技术的推广应用，使通过预测公交回站时间，并与期望发车时刻表进行比较，进而提前预测潜在的公交断班问题成为可能。本发明将熵理论应用到了公交动态调度当中，在静态公交调度优化的基础上对公交时刻表进行动态调整，构建了基于预测回站时间的动态公交调度“熵”模型，最后，给出了模型的求解方法，并进行算例分析验证了该模型的有效性。因此，利用预测公交回站时间动态调整公交时刻表，以避免发生公交断班，均衡前后班次的公交满载率，具有现实可行性。
本发明提出了一种基于预测回站时间的动态公交调度熵模型，通过提前延长前期各发车间隔以消除断班的问题，并利用熵理论实现前期各发车间隔调整的公平性；最后，通过早晚高峰两个实例对模型进行了验证，结果表明该模型能够最大程度使调整前后的发车间隔分布形态一致，减少公交断班，均衡各班次公交载客率，提高了公交运行稳定性。
进一步地，如图6所示，基于上述公交运行状态数据调整处理方法，本发明还相应提供了一种智能终端，所述智能终端包括处理器10、存储器20及显示器30。图6仅示出了智能终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述智能终端的内部存储单元，例如智能终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述智能终端的外部存储设备，例如所述智能终端上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器20还可以既包括所智能终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述智能终端的应用软件及各类数据，例如所述安装智能终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有公交运行状态数据调整处理程序40，该公交运行状态数据调整处理程序40可被处理器10所执行，从而实现本申请中公交运行状态数据调整处理方法。
所述处理器10在一些实施例中可以是一中央处理器(centralprocessingunit,cpu)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述公交运行状态数据调整处理方法等。
所述显示器30在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。所述显示器30用于显示在所述智能终端的信息以及用于显示可视化的用户界面。所述智能终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中公交运行状态数据调整处理程序40时实现以下步骤：
将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取班次和公交时刻表可行性的结果；
根据预期不能按期望时刻表发车的班次数据，构建公交动态调度熵模型，根据预测公交回站时间数据调整公交时刻表；
通过算例分析验证公交动态调度熵模型，根据检测的公交动态调度熵模型的有效性，调整前后班次公交满载率。
本发明还提供一种存储介质，其中，所述存储介质存储有公交运行状态数据调整处理程序，所述公交运行状态数据调整处理程序被处理器执行时实现所述公交运行状态数据调整处理方法的步骤；具体如上所述。
综上所述，本发明提供一种公交运行状态数据调整处理方法、智能终端及存储介质，所述方法包括：将期望公交发车时刻表对应的各公交班次发车时间数据与动态预测的公交回站时间数据进行比对，获取班次和公交时刻表可行性的结果；根据预期不能按期望时刻表发车的班次数据，构建公交动态调度熵模型，根据预测公交回站时间数据调整公交时刻表；通过算例分析验证公交动态调度熵模型，根据检测的公交动态调度熵模型的有效性，调整前后班次公交满载率。本发明基于预测回站时间的动态公交调度熵模型，提前延长前期各发车间隔以消除断班，并实现了前期各发车间隔调整的公平性与合理性，减少了公交断班，均衡各班次公交载客率，提高公交运行的稳定性，方便乘客出行。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。