一种基于人工智能公交管理方法及系统与流程

本发明涉及公交运营管理技术领域，尤其涉及一种基于人工智能公交管理方法及系统。

背景技术：

随着大数据分析技术的不断发展进步，对于公交企业或者组织来说，数据已经成为一类重要资产；目前，城市公交系统对公交运营数据的利用还不够充分，特别是在对公交车辆的日常监督、调度安排，以及公交车驾驶员的日常管理和服务评价等方面，仍采取靠各个车队的调度员人工安排、人工监督、人工评价的管理模式，这样的管理方式缺乏效率，而且往往难以做到客观，从而导致公交运营的服务质量难以提高，公交驾驶员常常抱怨管理不合理、不公平。

技术实现要素：

本发明提供一种基于人工智能公交管理方法及系统，以克服上述技术问题。

本发明一种基于人工智能公交管理系统，包括：

公交综合监管子系统、服务子系统及公交运营数据管理子系统；

所述公交综合监管子系统包括：客流量统计模块、调度管理模块及排班调度模块；

所述客流量统计模块，用于获取车站、车内的客流信息和路线预期客流数据，并发送所述调度管理模块；

所述调度管理模块，用于获取公交车辆的定位信息、车速信息、车间间隔及站车间隔，并根据所述车内、车站客流数据和路线预期客流数据，建立初始公交调度模型，得出公交最佳发车时间和发车站点，并发送所述排班调度模块；

所述排班调度模块，用于根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，并根据所述公交最佳发车时间和发车站点，生成次日的发车时间表，对站点内的公交车辆进行排班；

所述服务子系统包括：驾驶员管理模块、驾驶员考勤数据监管模块以及运营服务评价数据管理模块；

所述驾驶员管理模块，用于存储并管理驾驶员绑定身份信息；所述驾驶员绑定身份信息包括：驾驶员的人脸、指纹、身份卡片信息；

所述驾驶员考勤数据监管模块，用于将驾驶员考勤信息与所述驾驶员绑定身份信息进行一致性比对，根据比对结果判定是否考勤，统计并存储所有驾驶员的考勤信息；

所述运营服务评价数据管理模块，用于获取、存储并分析公交线网运量、公交运营效率及出行者对公交满意度的评价数据，并结合所述驾驶员的考勤信息生成驾驶员综合评价；

所述公交运营数据管理子系统，用于通过数据湖技术管理所述公交综合监管子系统和服务子系统产生的公交运营数据。

进一步地，所述公交综合监管子系统，还包括：车辆行驶危险报警模块；所述车辆行驶危险报警模块，用于根据所述公交车辆的定位信息和车速信息判断公交车辆是否超速，当车速超过设定阈值时向超速公交车辆发出报警信息；用于根据所述公交车辆的车间间隔判断前后行驶的两车的所述车间间隔是否过近，当所述车间间隔小于设定阈值时，向后车发出报警信息。

进一步地，通过式(1)将驾驶员考勤信息与所述驾驶员绑定身份信息进行一致性比对；

式中，t为驾驶员人像，f为驾驶员绑定的个人身份信息，s为相似度，0≦s≦1，当s的取值大于阈值时，表示考勤成功，当s的取值小于阈值时，表示考勤失败，m表示前m个最大的特征值。

进一步地，所述获取车站的客流信息包括：

选定需监测的车站，通过安装在车站站台的监控设备获取不同时刻站台区域的图像，识别不同图像中的人像信息，生成车站的客流数据，计算所述客流数据的公式表示为：

式中，c为客流，t为输入的人脸图像，n表示图片被切分成的块数，n＝15，为块t的特征匹配函数，w为通用人脸模板的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，m表示前m个最大的特征值。

进一步地，所述获取路线预期客流数据包括：对站台区域内乘客期待乘坐的线路信息进行采集，生成路线预期客流数据；

所述获取车内的客流信息包括：通过采集上车乘客的支付信息，获取上车人数；通过安装在下车车门的监控装置，识别并统计下车人数；根据所述上车人数、下车人数及上下车之前车内人数计算关门后车内人数，计算公式表示为：

式中，s为上车人数，x为下车时间段图像，k为开门前时间段图像，c为客流量，xt为下车时间段图像x中的某一时刻的图像，t为对应输入的人脸图像，n表示图片被切分成的块数，n＝15，为块t的特征匹配函数，w为通用人脸模板的线性回归矩阵，ω表示权重,fun表示使用卷积抽取图像特征,kt为下车时间段图像k中的某一时刻的图像，f为对应输入的人脸图像。

进一步地，所述支付信息为所述上车乘客通过包括但不限于自动投币支付、刷卡支付、扫码支付以及生物特征识别支付中的一种或多种组合形式进行支付时所产生的信息。

进一步地，所述通过数据湖技术管理所述公交综合监管子系统和服务子系统产生的公交运营数据，包括：

获取所述公交综合监管子系统和服务子系统上传的数据包，所述数据包为所述公交综合监管子系统和服务子系统运行管理过程所产生的公交基础数据且配置对应的数据字段校验码；所述数据字段校验码包括：加密校验码以及与所述加密校验码配对的标准验证码；所述数据包中的数据类型包括：结构化数据、半结构化数据及非结构化数据；

根据所述加密校验码基于解密算法获取标准验证码，并通过所述标准验证码解密所述加密校验码以获取所述数据包内的公交基础数据；

对所述公交基础数据进行数据预处理，以去除垃圾数据和重复数据，并提高数据质量；

将数据湖根据不同的数据类型分割为不同的数据池，将完成数据预处理后的所述公交基础数据分类存储至对应的数据池中；

在所述不同的数据池中分别根据所述公交基础数据建立数据电子目录，并将所述公交基础数据按照所述数据电子目录存储至对应的存储空间；所述数据电子目录用于记载数据池中的数据类型属性、存储位置及数据关联信息；

所述公交综合监管子系统和服务子系统根据所述数据电子目录调用所述公交基础数据使用。

进一步地，所述调度管理模块根据所述公交最佳发车时间和发车站点，生成公交车辆调度方案，并发送至驾驶员的手机app中；所述排班调度模块，根据所述次日的发车时间表生成排班信息，并发送至驾驶员手机app中。

一种基于人工智能公交管理方法，包括：

获取车站、车内的客流信息和路线预期客流数据；

获取公交车辆的定位信息、车速信息、车间间隔及站车间隔，并根据所述车内、车站客流数据和路线预期客流数据，建立初始公交调度模型，得出公交最佳发车时间和发车站点；

根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，并根据所述公交最佳发车时间和发车站点，生成次日的发车时间表，对站点内的公交车辆进行排班；

将驾驶员考勤信息与所述驾驶员绑定身份信息进行一致性比对，根据比对结果判定是否考勤，统计并存储所有驾驶员的考勤信息；

获取、存储并分析公交线网运量、公交运营效率及出行者对公交满意度的评价数据，并结合所述驾驶员的考勤信息生成驾驶员综合评价。

本发明中的系统包括公交综合监管子系统、服务子系统及公交运营数据管理子系统，公交综合监管子系统通过获取客流数据、公交车辆的定位信息、车速信息、车间间隔及站车间隔来计算最佳发车时间和发车站点，根据发车间隔、发车时间和发车站点计算自动生成次日的车辆安排方案，从而通过人工智能技术来实现车辆排班辅助决策，进而更有效的对公交车辆进行管理。服务子系统通过实时获得驾驶员考勤信息，结合对公交线网运量、公交运营效率及出行者对公交满意度的评价数据的分析，获得对公交驾驶员的综合服务评价，从而更有效的对公交车驾驶员进行管理。公交运营数据管理子系统通过数据湖技术管理公交综合监管子系统和服务子系统产生的公交运营数据，以满足其处理大规模数据所需的存储能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于人工智能公交管理系统的结构示意图；

图2为一种基于人工智能公交管理方法。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例提供了一种基于人工智能公交管理方法及系统，包括：

公交综合监管子系统、服务子系统及公交运营数据管理子系统；公交综合监管子系统包括：客流量统计模块、调度管理模块及排班调度模块；客流量统计模块，用于获取车站、车内的客流信息和路线预期客流数据，并发送调度管理模块；调度管理模块，用于获取公交车辆的定位信息、车速信息、车间间隔及站车间隔，并根据车内、车站客流数据和路线预期客流数据，建立初始公交调度模型，得出公交最佳发车时间和发车站点，并发送排班调度模块；排班调度模块，用于根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，并根据公交最佳发车时间和发车站点，生成次日的发车时间表，对站点内的公交车辆进行排班；

服务子系统包括：驾驶员管理模块、驾驶员考勤数据监管模块以及运营服务评价数据管理模块；驾驶员管理模块，用于存储并管理驾驶员绑定身份信息；驾驶员绑定身份信息包括：驾驶员的人脸、指纹、身份卡片信息；驾驶员考勤数据监管模块，用于将驾驶员考勤信息与驾驶员绑定身份信息进行一致性比对，根据比对结果判定是否考勤，统计并存储所有驾驶员的考勤信息；运营服务评价数据管理模块，用于获取、存储并分析公交线网运量、公交运营效率及出行者对公交满意度的评价数据，并结合驾驶员的考勤信息生成驾驶员综合评价。

公交运营数据管理子系统，用于通过数据湖技术管理所述公交综合监管子系统和服务子系统产生的公交运营数据。其主要方法步骤如下：

1、获取公交综合监管子系统和服务子系统上传的数据包，数据包为公交综合监管子系统和服务子系统运行管理过程所产生的公交基础数据且配置对应的数据字段校验码；数据字段校验码包括：加密校验码以及与加密校验码配对的标准验证码；数据包中的数据类型包括：结构化数据、半结构化数据及非结构化数据；

可以使用蓝光存储(光磁融合存储)技术或云平台来搭建数据湖，并建立公交系统数据湖运营平台用于数据集成、数据预处理、数据管理、智能服务等应用。目前，实现数据湖常用的手段是hadoop。进化后的hadoop数据管理架构依托apachefalcon数据管理平台，将数据群与程序，运算规则、显示器和历史记录联系到一起，完成数据湖的使用目标。公交系统上传的数据包含了结构化数据、半结构化数据及非结构化数据各种不同类型的数据，将全部数据都存储在数据湖中作为数据湖的水源。

结构化数据是能够用统一的结构加以表示的数据。通常是指可以用二维表结构来逻辑表达实现的数据，公交系统中存储在关系型数据库中的数据属于结构化数据。半结构化数据是介于界定严格的结构化数据和完全无结构的数据之间的数据，主要包括html页面文件及文件格式为csv、xml、json的日志类文件。非结构化数据是指不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、标准通用标记语言下的子集xml、各类报表、图像和音频/视频信息等等。

因为数据包中的数据存储量很大，因此在选用加解密技术时可以选择对称加密算法，在对称加密算法中常用的算法有:des、3des、tdea、blowfish、rc2、rc4、rc5、idea、skipjack、aes等。采用加密技术通过给公交运营系统上传的数据包配置对应的数据字段校验码来对数据进行加密，数据字段校验码中包含了配对使用的加密校验码和标准验证码，再通过标准验证码解密加密校验码以获取数据包内的公交基础数据。

2、根据加密校验码基于解密算法获取标准验证码，并通过标准验证码解密加密校验码以获取数据包内的公交基础数据；

采用des对称密码算法进行加解密。主要是将公交运营系统随机生成的明文分成64比特位大小的数据块；同时用56位密钥对明文信息加密，最终形成64位的密文；若明文长度不足64位，则采用补零等方法对其扩展。具体加密过程：

首先是将输入的数据进行初始换位(ip),即将明文m中数据的排列顺序按一定的规则重新排列，生成新的数据序列，以打乱原来的次序。

然后将变换后的数据平分成左右两部分，左边记为lo,右边记为ro，然后对ro施行在子密钥(由加密密钥产生)控制下的变换f，结果记为f(ro,k1)，再与lo做逐位异或运算，其结果记为r1，ro则作为下一轮的l1。如此循环16轮，最后得到l16、r16，再对l16、r16施行逆初始置换ip'，即可得到加密数据。

解密过程与此类似，不同之处仅在于子密钥的使用顺序正好相反。

3、对公交基础数据进行数据预处理，以去除垃圾数据和重复数据，并提高数据质量；

对公交基础数据进行数据预处理时，通过现有技术中的算法对公交基础数据进行删除重复数据、数据压缩、内插、过滤、抽样、近似、编码、分类及设阈值操作。其中，包括：数据去重技术、数据压缩技术、特征提取技术以及缺失值填充、噪声平滑、不一致数据清理等可以提高数据质量的技术。

4、将数据湖根据不同的数据类型分割为不同的数据池，将完成数据预处理后的公交基础数据分类存储至对应的数据池中；

将数据湖分割为结构化数据池、半结构化数据池及非结构化数据池。数据湖中各数据池是紧密相连的，一个数据进入数据湖中后根据其数据类型分类至不同的数据池中，不同类型的数据池分别用来存储不同类型的数据并对它们之间建立联系来共享信息。其中，结构化数据池，用于存储公交基础数据、公交配置数据、行驶区域地域数据以及用户个人信息数据；其中，公交基础数据主要是多组值不变的基础数据，如车辆编号、线路名称、线路编号、车载终端的ip地址及端口等信息；公交配置数据主要是车载终端系统配置参数ip地址及端口等信息、发动机参数等；行驶区域地域数据主要是线路上的公交站点以及经纬度；用户个人信息主要是司机、勤务人员等员工信息。

半结构化数据池，用于存储html页面文件及日志文件--应用api获取的数据的，如车载终端系统运行日志、排班日志等，文件格式可以是csv、xml、json；

非结构化数据池，用于存储公交办公系统内如电子邮件、文档、pdf、下发的各种消息和指令，以及公交运行状态所采集的图形、音频、视频，如车厢内人员图像/录像、路况等。

通过式(1)将数据湖根据不同的数据类型分割为不同的数据池；

式中，vi,vj表示式(1)算法的置信度，取值范围[0,1]，x为数据湖，y为数据类型，b为数据池；ln(x，y，vj)，ln(f(x)，vj)表示使用对比损失训练的残差网络及使用二值化交叉熵损失训练的残差网络分析得到的概率，lm(f(x))表示使用二值化交叉熵损失训练的残差网络分析得到的概率，f(x)表示从公交基础数据里面提取特征。

通过式(2)将完成数据预处理后的所述公交基础数据分类存储至对应的数据池中；

le＝valm(f(a)，f(b))+valm(a，b)+ln(a，b，vb)+ln(f(a)，f(b)，vb)(2)

式中，a为公交基础数据，数据池b，le表示所属数据池类别；va,vb表示式(2)算法的置信度，取值范围[0,1]，ln(a，b，vb)，ln(f(a)，f(b)，vb)表示使用对比损失训练的残差网络抽取后的特征，lm(f(a)，f(b))，lm(a，b)表示使用二值化交叉熵损失训练的残差网络抽取后的特征，f(a)，f(b)表示从公交基础数据里面提取特征。

5、在不同的数据池中分别根据公交基础数据建立数据电子目录，并将公交基础数据按照数据电子目录存储至对应的存储空间；数据电子目录用于记载数据池中的数据类型属性、存储位置及数据关联信息；

具体的操作过程是：

①将数据池中的公交基础数据拆分为至少一个子数据包；

②逐一对拆分后的子数据包进行类型属性信息标识，并在添加时间戳后形成若干一级数据存储表单；

③设置若干具有存储位置分区的存储位置表单；

④获取每一一级数据存储表单的存储位置映射表并存储；存储位置映射表用于表征一级数据存储表单在存储位置表单上的存储位置。

6、公交综合监管子系统和服务子系统根据数据电子目录调用公交基础数据使用。

本实施例中，公交综合监管子系统，还包括：车辆行驶危险报警模块；车辆行驶危险报警模块，用于根据公交车辆的定位信息和车速信息判断公交车辆是否超速，当车速超过设定阈值时向超速公交车辆发出报警信息；还用于根据公交车辆的车间间隔判断前后行驶的两车的所述车间间隔是否过近，当车间间隔小于设定阈值时，向后车发出报警信息。

本实施例中，通过式(3)将驾驶员考勤信息与驾驶员绑定身份信息进行一致性比对；

式中，t为驾驶员人像，f为驾驶员绑定的个人身份信息，s为相似度，0≦s≦1，当s的取值大于阈值时，表示考勤成功，当s的取值小于阈值时，表示考勤失败，m表示前m个最大的特征值，通常为128或者256。

本实施例中，获取车站的客流信息包括：选定需监测的车站，通过安装在车站站台的监控设备获取不同时刻站台区域的图像，识别不同图像中的人像信息，生成车站的客流数据，计算所述客流数据的公式表示为：

式中，c为客流，t为输入的人脸图像，n表示图片被切分成的块数，n＝15，为块t的特征匹配函数，w为通用人脸模板的线性回归矩阵，ω表示权重,f表示使用卷积抽取图像特征，m表示前m个最大的特征值，通常为128或者256。

本实施例中，获取路线预期客流数据包括：对站台区域内乘客期待乘坐的线路信息进行采集，生成路线预期客流数据；获取车内的客流信息包括：通过采集上车乘客的支付信息，获取上车人数；通过安装在下车车门的监控装置，识别并统计下车人数；根据上车人数、下车人数及上下车之前车内人数计算关门后车内人数，计算公式表示为：

式中，s为上车人数，x为下车时间段图像，k为开门前时间段图像，c为客流量，xt为下车时间段图像x中的某一时刻的图像，t为对应输入的人脸图像，n表示图片被切分成的块数，n＝15，为块t的特征匹配函数，w为通用人脸模板的线性回归矩阵，ω表示权重,fun表示使用卷积抽取图像特征,kt为下车时间段图像k中的某一时刻的图像，f为对应输入的人脸图像。

通过式(6)对初始公交调度模型求解，得出公交最佳发车时间和发车站点；

公交调度模型为:

s＝k1w+k2c-k3z(6)

第一乘客满意度模型为：

第二乘客满意度模型为：

公交公司满意度模型为：

其中，s为用户满意度，w为第一乘客满意度模型，c为第二乘客满意度模型，z为公交公司满意度模型，k1、k2和k3分别为第一乘客满意度模型、第二乘客满意度模型和公交公司满意度模型的权重；j为乘车时段的序号，i为第j时段内公交车的序号，nj为第j时段的发车次数，k为所述预设线路的公交站点的序号，b为所述预设线路的公交站点数目，为第j时段第i辆车达到第k站点时的车站候车人数，为第j时段第i辆车经过第k站点后的超载人数，u为标准载客人数，p为乘车总人数。

本实施例中，支付信息为上车乘客通过包括但不限于自动投币支付、刷卡支付、扫码支付以及生物特征识别支付中的一种或多种组合形式进行支付时所产生的信息。

本实施例中，通过人脸识别技术识别不同图像中的人像信息。

本实施例中，调度管理模块根据公交最佳发车时间和发车站点，生成公交车辆调度方案，并发送至驾驶员的手机app中；排班调度模块，根据次日的发车时间表生成排班信息，并发送至驾驶员手机app中。

本实施例中，通过信息采集端对站台区域内乘客期待乘坐的线路信息进行采集，乘客可以通过车站的触摸屏、手机用户端进行期待路线选择。

如图2所示，一种基于人工智能公交管理方法，包括：

101、获取车站、车内的客流信息和路线预期客流数据；

102、获取公交车辆的定位信息、车速信息、车间间隔及站车间隔，并根据车内、车站客流数据和路线预期客流数据，建立初始公交调度模型，得出公交最佳发车时间和发车站点；

103、根据历史经验区分节假日工作日、线路、分上下行、按时间段制定发车间隔，根据当天日期、线路结合发车间隔，并根据公交最佳发车时间和发车站点，生成次日的发车时间表，对站点内的公交车辆进行排班；

104、将驾驶员考勤信息与驾驶员绑定身份信息进行一致性比对，根据比对结果判定是否考勤，统计并存储所有驾驶员的考勤信息；

105、获取、存储并分析公交线网运量、公交运营效率及出行者对公交满意度的评价数据，并结合驾驶员的考勤信息生成驾驶员综合评价。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。