一种校车路径规划方法及规划装置与流程

本发明涉及路径规划领域，特别是指一种校车路径规划方法及规划装置。
背景技术：
：近年来，随着社会经济的发展、城市化进程的加快。中小学和幼儿园学生上学的安全问题己经成为一个社会问题，许多家长对此都极为担心，因此在一些时段学校周边的聚集了大量的私家车，造成邻近道路的拥堵，也使得交通压力倍增。因此为了更好地缓解城市交通压力，减少学生交通时间，设计合理的校车路线是亟待解决的问题。通过对校车路径进行合理的优化，能够得到合理的校车路径，即可以减少学校投入校车的数量，节约成本，又可以缩短校车行驶的时间，且能缓解交通压力。因此对校车路径进行整体的规划具有重要意义。目前，国内外对校车路径问题的研究主要针对站点已经确定的情况来优化行车路线，其存在的解决方法主要集中在精确求解、启发式求解以及元启发式求解。精确算法的研究起步较早，但是随着研究问题规模的增加，其研究受到限制。由于校车路径问题的np-hard特性，仅有相对小规模的问题可以使用精确算法获取最优解。当数据规模偏大时，使用精确算法无法获得最优值。对大规模的问题则需要使用元启发式算法进行求解，若在校车停靠站点未知的条件下将每个学生的家庭住址作为校车停靠站点，会花费大量的运行时间，且造成优化值并不理想。技术实现要素：本发明要解决的技术问题是提供一种校车路径规划方法及规划装置，以解决现有技术所存在的当数据规模偏大时，使用精确算法或元启发式算法进行求解，无法获得路径规划最优值的问题。为解决上述技术问题，本发明实施例提供一种校车路径规划方法，包括：获取学生家庭住址以及学校地址的经纬度坐标；根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划。进一步地，在获取学生家庭住址以及学校地址的经纬度坐标之前，所述方法还包括：获取学生家庭住址以及学校地址；对所述学生家庭住址以及学校地址进行第一次数据清洗，其中，所述第一次数据清洗包括：去重、去缺失值；将清洗之后的学生家庭住址以及学校地址转换成相应的经纬度坐标。进一步地，在获取学生家庭住址以及学校地址的经纬度坐标之后，所述方法还包括：对获取的学生家庭住址以及学校地址的经纬度坐标进行第二次数据清洗，其中，所述第二次数据清洗包括：噪声数据的清洗、空值数据的清洗、非法数据的清洗和自定义清洗。进一步地，所述校车停靠站点模型的目标函数：fs＝min(k)；约束条件：1≤k≤n其中，fs＝min(k)表示优化目标为使校车停靠站点数量k最小；k表示校车停靠站点的个数；表示学生i到校车停靠站点cj的距离；cj为校车停靠站点集合c＝{c1,c2,c3........ck}中的元素；r表示允许学生到所属站点的距离最大值；表示站点cj的学生人数；n表示学生的总人数；表示学生i是否被划分到站点cj中。进一步地，所述根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息包括：s1，设置允许学生到所属站点的距离最大值r，获取学生家庭住址经纬度坐标组成数据集d；s2，在数据集d中随机选取一点ci，并将其作为一个簇心即初始站点添加到集合c，c＝{ci}，且在d中去除该点ci；s3，在d中删除距离站点ci小于等于距离最大值r的点；s4，若集合d不为空，则跳转到s2；若集合d为空，则集合c为初始簇心c1,c2......ck；s5，计算数据集中每个数据到每个簇心之间的相似度，将每个数据划分到相似度最高的簇中，对每个簇，计算簇中所有点的均值并将该均值作为新的簇心，更新簇心的位置；s6，若预设的准则函数收敛于某值或簇心不发生变化，则结束；否则，跳转到s5。进一步地，所述根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划包括：根据得到的校车停靠站点和学生群归属站点的划分信息，以最小化校车数和最小化校车行驶距离为校车路径优化目标，建立校车路径规划模型；根据学生家庭住址以及学校地址的经纬度坐标以及建立的校车路径规划模型，利用最大最小蚁群算法实现多目标校车路径规划。进一步地，所述校车路径规划模型的目标函数表示为：其中，fpath表示校车路径规划模型的目标函数，dij表示站点i到站点j之间的距离，xijv表示车辆v是否由站点i到站点j，x0jv表示车辆v是否由起始点/终点到站点j。进一步地，在根据学生家庭住址以及学校地址的经纬度坐标以及建立的校车路径规划模型，利用最大最小蚁群算法实现多目标校车路径规划之后，所述方法还包括：在每条路径形成的区域内，统计出所有公交的站点数；获取站点数最多的公交为目标公交，所述目标公交，用于代替校车来接送学生。本发明实施例还提供一种校车路径规划装置，包括：获取模块，用于获取学生家庭住址以及学校地址的经纬度坐标；建立模块，用于根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；聚类模块，用于根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；规划模块，用于根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划。本发明的上述技术方案的有益效果如下：上述方案中，获取学生家庭住址以及学校地址的经纬度坐标；根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划；这样，采用先聚类后进行路径规划的策略，在得到合理校车停靠站点基础上进行多目标校车路径规划，从而将大规模的校车路径问题转换成小规模的校车路径规划问题，能够有效的减少校车路径规划的数据规模。附图说明图1为本发明实施例提供的校车路径规划方法的流程示意图；图2为本发明实施例提供的改进后的k-means的工作流程示意图；图3为本发明实施例提供的校车路径规划装置的结构示意图。具体实施方式为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本发明针对现有的当数据规模偏大时，使用精确算法或元启发式算法进行求解，无法获得路径规划最优值的问题，提供一种校车路径规划方法及规划装置。实施例一如图1所示，本发明实施例提供的校车路径规划方法，包括：s101，获取学生家庭住址以及学校地址的经纬度坐标；s102，根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；s103，根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；s104，根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划。本发明实施例所述的校车路径规划方法，获取学生家庭住址以及学校地址的经纬度坐标；根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划；这样，采用先聚类后进行路径规划的策略，在得到合理校车停靠站点基础上进行多目标校车路径规划，从而将大规模的校车路径问题转换成小规模的校车路径规划问题，能够有效的减少校车路径规划的数据规模。在前述校车路径规划方法的具体实施方式中，进一步地，在获取学生家庭住址以及学校地址的经纬度坐标之前，所述方法还包括：获取学生家庭住址以及学校地址；对所述学生家庭住址以及学校地址进行第一次数据清洗，其中，所述第一次数据清洗包括：去重、去缺失值；将清洗之后的学生家庭住址以及学校地址转换成相应的经纬度坐标。本实施例中，由于获取的学生家庭住址以及学校地址是由文字进行表述的，无法运用到下文的路径规划中，故需将其转换成由数字组成且方便计算的经纬度坐标。本实施例中，可以将上述清洗之后的学生家庭住址以及学校地址通过高德地图应用程序编程接口(applicationprogramminginterface，api)转换成相应的经纬度坐标。在前述校车路径规划方法的具体实施方式中，进一步地，在获取学生家庭住址以及学校地址的经纬度坐标之后，所述方法还包括：对获取的学生家庭住址以及学校地址的经纬度坐标进行第二次数据清洗，其中，所述第二次数据清洗包括：噪声数据的清洗、空值数据的清洗、非法数据的清洗和自定义清洗。本实施例中，噪声数据的清洗是指：删去家庭地址明显超出学区规划范围的学生，该部分数据可能由于家庭地址迁移或填写错误造成；空值数据的清洗是指：对于家庭住址缺省的学生，通过统计学原理，根据该学区学生家庭住址的分布情况来对空值进行填充；非法数据的清洗是指：对于出现的拼写错误或地址解析无效的数据，进行更正或删除；自定义清洗是指：去除家庭住址距离学校过近的学生，默认该部分学生可自行步行上学，避免不必要的绕路。本实施例中，考虑到学生乘车时间、校车行驶距离等方面的因素，将距离学校远的相关数据进行清洗，并去除与实际不相符的数据以及从家到学校步行时长太近的学生信息，完成再一次的数据清洗。本实施例中，根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；其中，所述校车停靠站点模型的目标函数为使校车停靠站点数量k最小：fs＝min(k)约束条件：1≤k≤n(1-3)其中，fs＝min(k)表示优化目标为使校车停靠站点数量k最小；k表示校车停靠站点的个数；表示学生i到校车停靠站点cj的距离；cj为校车停靠站点集合c＝{c1,c2,c3........ck}中的元素；r表示允许学生到所属站点的距离最大值；表示站点cj的学生人数；n表示学生的总人数；表示学生i是否被划分到站点cj中。本实施例中，式(1-1)表示学生i到校车停靠站点cj的距离小于等于距离最大值r；式(1-2)表示每个站点的学生人数均要大于1，不能为0；式(1-3)表示停靠站点数量k需小于等于学生的总人数n；式(1-4)表示各个站点的人数相加需等于总的学生数n，保证每个学生被划分到唯一的站点；式(1-5)当学生i被划分到站点cj中，则否则等于0；式(1-6)表示要求每个学生均要被划分到某个站点内。本实施例中，根据建立的校车停靠站点模型，采用改进后的k-means聚类算法(以空间中k个点为中心进行聚类)对学生家庭地址经纬度进行聚类，在保证了每个学生到站点的距离均小于等于预设的距离最大值的条件下，得到校车停靠站点和学生群归属站点的划分信息，能够有效的减少校车路径规划的数据规模。本实施例中，利用改进后的k-means算法在初始站点(即初始聚类中心)选择方面进行了改进，其获取初始站点的具体步骤可以包括：a1，首先设置一个距离阈值r，该r代表学生到所属站点的距离最大值，获取学生家庭住址经纬度坐标组成数据集d；a2，在数据集d中随机选取一点ci，并将其作为一个簇心即初始站点添加到集合c，c＝{ci}，且在d中去除该点；a3，在d中删除距离站点ci小于等于距离阈值r的点；a4，若集合d为空，则最后集合c中元素的个数即为k，集合c为k-means的初始簇心c1,c2......ck；a5，计算数据集中每个数据到每个簇心之间的相似度，将每个数据划分到相似度最高的簇中，对每个簇，计算簇中所有点的均值并将该均值作为新的簇心，更新簇心的位置；a6，若预设的准则函数收敛于某值或簇心不发生变化，则结束；否则，跳转到a5。本实施例中，通过步骤a1-a4，得到初始站点和初始的校车停靠站点的个数，形成k个簇；接着，将各个学生就近指派到相应的站点，实现学生群归属站点的划分，随后在簇内部取均值，得到新的站点，直到站点不发生变化，最终得到最后的站点地理位置以及每个学生的具体划分；其改进后的k-means的步骤参考图如图2所示，通过改进的k-means算法最终获取校车的停靠站点以及各个站点中乘车的人数。本实施例中，预设的准则函数一般选取误差平方和(sse)，sse表示为：其中，n(ci)是第i个簇类的个数，xij为第i个簇类的第j个元素，ci则为第i个簇类的簇心坐标。在前述校车路径规划方法的具体实施方式中，进一步地，所述根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划包括：根据得到的校车停靠站点和学生群归属站点的划分信息，以最小化校车数和最小化校车行驶距离为校车路径优化目标，校车路径问题根据校车站点的学生是否可拆分，分为多目标不可拆分校车路径问题(schoolbusroutingproblem，sbrp)与可拆分校车路径问题(splitdemandschoolbusroutingproblem，sdsbrp)，建立校车路径规划模型；根据学生家庭住址以及学校地址的经纬度坐标以及建立的校车路径规划模型，利用最大最小蚁群算法实现多目标校车路径规划。本实施例中，在路径规划上采用最大最小蚁群算法，获取多目标路径规划的优化值。在该规划中以最小化校车数和最小化校车行驶距离为校车路径优化目标，因此在建立校车路径规划模型方面，校车路径规划可定义为一个无向图g＝(v，e)，其中：v＝{0，1，…k}，0表示起始点和终点，其他值为校车停靠站点序号；e＝{(i，j)，0≤i，j≤k}表示站点之间的路径。现有p辆校车从学校出发，访问所有k个站点，校车在不超过承载量以及行驶路程不超过规定值的前提下，根据站点选择规则选择下一个站点，直到无法承载下一个站点的学生时，返回学校。为了简化该校车路径规划模型的复杂度，便于使用最大最小蚁群算法进行解的构建，进行以下假设：①每辆校车的容量均相等，设定最大容纳学生人数为40人。②某一站点的学生均能在校车经过该站点时到达站点并等候。③校车以学校为起始站点出发，经过规划好的站点后，回到学校(终点)。④校车的容量有装载能力限制，且承载人数不得超过最大载重量sbrp问题与sdsbrp问的主要区别在于校车站点的需求是否拆分，因此两者在模型中约束条件是不同的。sbrp问题的约束条件：在上述sbrp问题的约束条件中，式(2-1)表示每条校车行驶路线的所载学生数不超过校车的最大容量c；式(2-2)表示每个校车站点只能被一辆校车服务；式(2-3)表示校车站点j只能有一辆校车服务一次；式(2-4)表示每辆校车离开校车站点的次数不能多于1；式(2-5)表示校车从学校出发，最终回到学校，形成闭合回路；式(2-6)表示每辆校车的行驶时间不超过校车最大行驶时间tmax；式(2-7)表示校车经过某个站点后，该站点的所有学生全部上车，具体参数的含义见表1。sdsbrp问题的约束条件：在上述sdsbrp问题的约束条件中，式(2-8)表示在每个校车站点上车的人数不大于该站点的人数；式(2-9)表示每个校车站点的所有学生都会上车；式(2-10)表示每条校车路径的车载学生数小于等于校车的最大容量；式(2-11)表示校车进入校车站点后，一定会离开该校车站点；式(2-12)表示每辆校车从学校出发，最终回到学校；式(2-13)表示每辆校车回到学校的行驶时间小于等与校车最大行驶时间，具体参数的含义见表1。表1数学模型相关符号物理意义说明符号物理含义s表示学校与乘车站点集合。v表示路径优化后所需校车集合。c表示单个校车可承载最大容量i,j表示校车站点序号v表示校车序号p表示校车行驶的速度tmax表示校车行驶的最长时间qi表示站点i等候学生人数yiv表示校车v是否经过站点iwiv表示在校车站点i上车的人数dij表示站点i到站点j之间的距离qiv表示校车v经过站点i后的容量qjv表示校车v经过站点j后的容量xijv表示车辆v是否由站点i到站点jx0jv表示车辆v是否由起始点/终点到站点j本实施例中，针对最小化校车数量，建立最小校车数量的目标函数：f(x)1＝minv针对最小化校车行驶距离，建立最小化校车行驶距离的目标函数：采用线性规划将上述的多目标函数转换成单目标函数，得到所述校车路径规划模型的目标函数表示为：其中，fpath表示校车路径规划模型的目标函数，dij表示站点i到站点j之间的距离，xijv表示车辆v是否由站点i到站点j，x0jv表示车辆v是否由起始点/终点到站点j。本实施例中，xijv表示为：在前述校车路径规划方法的具体实施方式中，进一步地，在根据学生家庭住址以及学校地址的经纬度坐标以及建立的校车路径规划模型，利用最大最小蚁群算法实现多目标校车路径规划之后，所述方法还包括：在每条路径形成的区域内，统计出所有公交的站点数；获取站点数最多的公交为目标公交，所述目标公交，用于代替校车来接送学生。本实施例中，在利用最大最小蚁群算法实现多目标校车路径规划之后之后，还可以利用公交车代替校车来接送学生。为了每条路径选出最合适的公交，即公交接送完学生后能够更快更方便的返回公交路线，选择的策略为：可以调用高德地图api，在每条路径形成的区域内，统计出所有公交的站点数并按照站点数进行排序，获取站点数最多的公交用来代替校车来接送学生。综上，本发明实施例提出解决大规模校车路径规划的策略，从而将大规模的校车路径问题转换成小规模的校车路径规划问题，采用先聚类后路径规划的策略。该策略能够有效减少校车路径规划的数据规模，并同时考虑在不超出规定的学生到所属站点的最大距离的条件下进行站点选择、学生群归属站点的划分以及在多目标下校车的行车路线规划，可以帮助教育部门设计低成本，实际可行的校车路线。实施例二本发明还提供一种校车路径规划装置的具体实施方式，由于本发明提供的校车路径规划装置与前述校车路径规划方法的具体实施方式相对应，该校车路径规划装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的，因此上述校车路径规划方法具体实施方式中的解释说明，也适用于本发明提供的校车路径规划装置的具体实施方式，在本发明以下的具体实施方式中将不再赘述。如图3所示，本发明实施例还提供一种校车路径规划装置，包括：获取模块11，用于获取学生家庭住址以及学校地址的经纬度坐标；建立模块12，用于根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；聚类模块13，用于根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；规划模块14，用于根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划。本发明实施例所述的校车路径规划装置，获取学生家庭住址以及学校地址的经纬度坐标；根据学生到站点的距离期望值及每个学生到所属站点的距离最大值，建立校车停靠站点模型；根据建立的校车停靠站点模型，对学生家庭地址经纬度进行聚类，得到校车停靠站点和学生群归属站点的划分信息；根据得到的学生家庭住址以及学校地址的经纬度坐标、校车停靠站点和学生群归属站点的划分信息进行路径规划；这样，采用先聚类后进行路径规划的策略，在得到合理校车停靠站点基础上进行多目标校车路径规划，从而将大规模的校车路径问题转换成小规模的校车路径规划问题，能够有效的减少校车路径规划的数据规模。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。以上所述是本发明的优选实施方式，应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。当前第1页12