乘务排班方案优化方法、装置、设备及存储介质与流程

1.本发明涉及计算机领域，尤其涉及一种乘务排班方案优化方法、装置、设备及存储介质。


背景技术：

2.随着城市交通的发展，交通网络以遍布城市或者全国的所有地方，尤其是对于城市中的轨道交通，而保证交通的正常运行，则需要配备合理的乘务人员工作制度和班次的安排，对此，当前的乘务排班主要以手工编制为主，不仅耗时费力，而且排班方案并不能很好地考虑乘务人员和企业的需求。
3.随着计算机的发展，出现了许多智能化排班的软件，为人们分担了这种耗时的工作，但这些方法一般以人数最少或者成本最低为目标函数，容易造成乘务人员和企业的不满意。例如，为了更大化经济效益，如排班工时过长，导致乘务人员得不到很好的休息，连续驾驶过长，乘务人员过度疲劳导致安全性问题出现；或者由于排班缺乏科学的方法，排班过于冗余，乘务人员利用率低。


技术实现要素：

4.本发明的主要目的在于解决现有的排班方式效率低、乘务人员利用率低，并且难以同时实现多项优化目标的问题。
5.本发明第一方面提供了一种乘务排班方案优化方法，包括：
6.获取待优化的班次集合以及所述班次集合中各班次的评估指标；
7.根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；
8.以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；
9.利用整数规划算法对所述最优化模型进行求解，得到最优解；
10.根据所述最优解对所述班次集合进行优化，得到乘务排班方案。
11.在本发明第一方面的第一种实现方式中，所述获取待优化的班次集合以及所述班次集合中各班次的评估指标，包括：
12.获取当前待排班的交通工具的运行图，并基于所述运行图解析运行时刻表和乘务区段；
13.根据所述运行时刻表和所述乘务区段，利用智能搜索算法搜索所述交通工具对应的班次，生成班次集合，其中所述班次至少覆盖一个乘务区段；
14.基于所述班次集合确定各班次的评估指标，并结合客户的需求对各评估指标设置优先级。
15.在本发明第一方面的第二种实现方式中，所述根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数，包括：
16.根据各班次的评估指标，按照对应的优先级配置对应的指标值；
17.基于各评估指标的指标值，利用预设的不满意度系数算法计算出各班次的不满意度系数。
18.在本发明第一方面的第三种实现方式中，所述基于各评估指标的指标值，利用预设的不满意度系数算法计算出各班次的不满意度系数，包括：
19.比较各班次的评估指标对应的指标值是否满足预设阈值，得到比较结果；
20.基于所述比较结果筛选出各班次中满足预设阈值的评估指标和对应的指标值；
21.基于筛选出的评估指标和指标值，利用不满意度系数的公式计算出各班次的不满意度系数；
22.其中，所述不满意度系数的公式为uj为不满意度系数，ak取值为0或1，ak表示第j个班次的第k个评估指标对应的指标是否符合。
23.在本发明第一方面的第四种实现方式中，所述以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型，包括：
24.将各班次的不满意度系数作为班次满意度评估函数中对应变量的目标变量系数；
25.根据所述班次覆盖对各乘务区段的覆盖程度确定对应班次的覆盖系数，并基于各班次的覆盖系数生成目标约束条件；
26.基于所述目标约束条件和各班次的目标变量系数，建立班次满意度评估函数为目标函数的排班最优化模型。
27.在本发明第一方面的第五种实现方式中，所述利用整数规划算法对所述排班最优化模型进行求解，得到最优解，包括：
28.从所述班次集合中选择一个班次输入至所述排班最优化模型进行线性规划松弛求解，得到求解结果；
29.判断所述求解结果是否为整数解，得到判断结果；
30.基于所述判断结果，利用所述排班最优化模型对所述班次集合中的剩余班次进行线性规划松弛求解，得到最优解。
31.在本发明第一方面的第六种实现方式中，所述基于所述判断结果，利用所述排班最优化模型对所述班次集合中的剩余班次进行线性规划松弛求解，得到最优解，包括：
32.若所述判断结果为所述求解结果为非整数解，则从所述班次集合中的剩余班次中选择一个班次，并基于所述班次进行分枝赋值使其等于0或1，得到两个子问题；
33.利用所述排班最优化模型，分别对两个所述子问题进行线性规划松弛求解，得到第二求解结果；
34.判断所述第二求解结果是否满足预设的剪枝条件；若判断的结果为不可行或者下界等于或大于已知可行解的目标函数值，则停止对对应的子问题进行分支；
35.判断所述第二求解结果是否满足最优解条件；若满足所述最优解条件，则将所述第二求解结果作为最优解；若不满足所述最优解条件，则从剩余的所述分枝变量中选择一个继续分枝求解。
36.本发明第二方面提供了一种乘务排班方案优化装置，包括：
37.采集模块，用于获取待优化的班次集合以及所述班次集合中各班次的评估指标；
38.系数计算模块，用于根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；
39.函数构建模块，用于以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；
40.求解模块，用于利用整数规划算法对所述排班最优化模型进行求解，得到最优解；
41.优化模块，用于根据所述最优解对所述班次集合进行优化，得到乘务排班方案。
42.在本发明第二方面的第一种实现方式中，所述采集模块包括：
43.采集处理单元，用于获取当前待排班的交通工具的运行图，并基于所述运行图解析运行时刻表和乘务区段；
44.搜索单元，用于根据所述运行时刻表和所述乘务区段，利用深度优先搜索算法搜索所述交通工具对应的班次，生成班次集合，其中所述班次至少覆盖一个乘务区段；
45.提取单元，用于基于所述班次集合确定各班次的评估指标，并结合客户的需求对各评估指标设置优先级。
46.在本发明第二方面的第二种实现方式中，所述系数计算模块包括：
47.配置单元，用于根据各班次的评估指标，按照对应的优先级配置对应的指标值；
48.计算单元，用于基于各评估指标的指标值，利用预设的不满意度系数算法计算出各班次的不满意度系数。
49.在本发明第二方面的第三种实现方式中，所述计算单元具体用于：
50.比较各班次的评估指标对应的指标值是否满足预设阈值，得到比较结果；
51.基于所述比较结果筛选出各班次中满足预设阈值的评估指标和对应的指标值；
52.基于筛选出的评估指标和指标值，利用不满意度系数的公式计算出各班次的不满意度系数；
53.其中，所述不满意度系数的公式为uj为不满意度系数，ak取值为0或1，ak表示第j个班次的第k个评估指标对应的指标是否符合。
54.在本发明第二方面的第四种实现方式中，所述函数构建模块包括：
55.系数设置单元，用于将各班次的不满意度系数作为班次满意度评估函数中对应变量的目标变量系数；
56.条件生成单元，用于根据所述班次覆盖对各乘务区段的覆盖程度确定对应班次的覆盖系数，并基于各班次的覆盖系数生成目标约束条件；
57.函数构建单元，用于基于所述目标约束条件和各班次的目标变量系数，建立班次满意度评估函数为目标函数的排班最优化模型。
58.在本发明第二方面的第五种实现方式中，所述求解模块包括：
59.线性计算单元，用于从所述班次集合中选择一个班次输入至所述排班最优化模型进行线性规划松弛求解，得到求解结果；
60.判断单元，用于判断所述求解结果是否为整数解，得到判断结果；
61.求解单元，用于基于所述判断结果，利用所述排班最优化模型对所述班次集合中的剩余班次进行线性规划松弛求解，得到最优解。
62.在本发明第二方面的第六种实现方式中，所述求解单元具体用于：
63.若所述判断结果为所述求解结果为非整数解，则从所述班次集合中的剩余班次中选择一个班次，并基于所述班次进行分枝赋值使其等于0或1，得到两个子问题；
64.利用所述排班最优化模型，分别对两个所述子问题进行线性规划松弛求解，得到第二求解结果；
65.判断所述第二求解结果是否满足预设的剪枝条件；若判断的结果为不可行或者下界等于或大于已知可行解的目标函数值，则停止对对应的子问题进行分支；
66.判断所述第二求解结果是否满足最优解条件；若满足所述最优解条件，则将所述第二求解结果作为最优解；若不满足所述最优解条件，则从剩余的所述分枝变量中选择一个继续分枝求解。
67.本发明第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述提供的乘务排班方案优化方法的各个步骤。
68.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述提供的乘务排班方案优化方法的各个步骤。
69.有益效果：
70.本发明的技术方案中，通过获取待优化的班次集合以及所述班次集合中各班次的评估指标；根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；利用整数规划算法对所述排班最优化模型进行求解，得到最优解；根据最优解对班次集合进行优化，得到乘务排班方案。由于根据不满意度系数，建立目标函数为不满意度最小的数学模型，采用整数规划选取最满意的排班方案，解决现有的排班方式效率低、乘务人员利用率低，并且难以同时实现多项优化目标的问题，相对于采用人工的排法有效地避免过于依赖个人经验难以得到最满意的派班模型，或单纯追求人数最少经济效益最大化。
附图说明
71.图1为本发明实施例中乘务排班方案优化方法的第一个实施例示意图；
72.图2为本发明实施例中乘务排班方案优化方法的第二个实施例示意图；
73.图3为本发明实施例中乘务排班方案优化装置的一个实施例示意图；
74.图4为本发明实施例中乘务排班方案优化装置的另一个实施例示意图；
75.图5为本发明实施例中电子设备的一个实施例示意图。
具体实施方式
76.针对于现有对于乘务排班的不足，本发明提出了一种考虑不满意度的乘务排班方案，从工时、总驾驶时长、连续驾驶时长、休息等方面对排班方案进行优化，同时考虑乘务人员和企业的利益，在乘务人员和运营人员之间获得一种满意度的均衡，为现代化乘务排班
提供一种科学有效的方法。首先提出班次的不满意评价指标和不满意系数计算方法，根据不满意度系数，建立目标函数为不满意度最小的数学模型，采用整数规划选取最满意的排班方案。该方法具有严格的理论基础，相对于采用人工的排法有效地避免过于依赖个人经验难以得到最满意的派班模型，或单纯追求人数最少经济效益最大化的其它智能算法非人性化的排班方法，最大限度地满足司机和企业的共同需求。
77.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
78.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中乘务排班方案优化方法的第一个实施例，该乘务排班方案优化方法主要是应用于地铁、公交、出租车、航班等公共交通的工作人员管理系统中，此外还可以用于需要进行人员班次安排的行业管理系统中，主要是用于对系统中输出的排班方案进行满意度的评估，基于评估对排班方案进行优化调整，以输出更加合理且利用率更高的排班方案，具体的，该方法包括以下步骤：
79.101、获取待优化的班次集合，以及班次集合中各班次的评估指标；
80.该步骤中，所述班次集合应当理解为是包含至少一个排班方案的班次集合，具体的，首先确定当前待排班的交通工具，基于交通工具从对应的排班系统中采集其输出的满足排班各种约束条件的排班方案，并将各排班方案解析出班次和对应的乘务区段，基于解析到的班次和乘务区段生成班次集合，然后基于客户的需求来确定班次集合中各班次的评价指标，该评价指标用来评估排班方案的整体不满意度。
81.当然，也可以是根据交通工具来实时构建班次集合和评估指标，具体的：
82.获取当前待排班的交通工具的运行图，并基于所述运行图解析运行时刻表和乘务区段；
83.根据所述运行时刻表和所述乘务区段，利用深度优先搜索算法搜索所述交通工具对应的班次，生成班次集合，其中所述班次至少覆盖一个乘务区段；
84.基于所述班次集合确定各班次的评估指标，并结合客户的需求对各评估指标设置优先级。
85.在实际应用中，以地铁为例进行说明，获取某个城市或者某个区域中某个轨道的运行图，提取该运行图中的站点信息，以及每个站点的运行时刻表，并基于站点信息划分出多个乘务区段；从地铁排班系统中调取经过该轨道的所有车辆的班次，然后解析各班次对应的乘务区段和运行时刻表，将班次的乘务区段和运行时刻表与该轨道的乘务区段和运行时刻表进行匹配，挑选出与轨道匹配的班次；进一步的，将挑选出的所有班次，利用深度优化搜索算法对所有班次进行组合，其中在组合的过程中，还需要考虑组合的约束条件，以生成符合约束条件的班次集合；最后，基于生成的班次集合，结合客户的需求配置出各班次的评估指标，该评估指标可以理解为是班次的不满意评价指标，并对每个评估指标设置不同
的指标值，通过指标值表示该评估指标的不满意程度。
86.102、根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；
87.本实施例中，乘务排班方案由多个班次组成，而每个班次的不满意度系数由班次中的评估指标的具体取值来决定，具体的，根据提取各班次中排班的任务指标，该任务指标可以理解为是乘务人员的工作内容，计算该任务指标的具体值，基于具体值来确定评估指标的指标值，然后根据确定各评估指标的指标值计算出该班次的不满意度系数。
88.在实际应用中，每个评估指标下还可以设置多个评分范围，每个评分范围对应一个指标值，对此，该步骤在计算不满意度系数的过程中，在确定任务指标后，基于任务指标进行评分估计，得到该班次的各评估指标的评分值，基于评分值与对应的多个评分范围进行匹配，选择对应的评分范围，以确定对应的指标值，最后对各指标值中不符合要求的指标值进行求和，得到该班次的不满意度系数。
89.103、以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；
90.该步骤中，班次满意度评估函数可以理解为是求和函数，以各班次作为函数中的变量，对应的班次的不满意度系数作为对应变量的变量系数，得到建立班次满意度评估函数为目标函数的排班最优化模型，然后确定各班次的覆盖系数，具体通过判断班次中得到乘务区段是否涵盖了轨道中设定的乘务区段，若是，则确定为覆盖系数为1，则选定该班次和不满意度系数作为班次满意度评估函数中的一个变量，直到调整完该班次集合中的所有班次的变量和约束条件，得到班次满意度评估函数为目标函数的排班最优化模型。
91.104、利用整数规划算法对排班最优化模型进行求解，得到最优解；
92.本实施例中，在计算出各班次的不满意度系数和目标函数中的变量系数和约束条件后，建立排班最优化模型，利用整数规划得到最优排班方案，具体如下：
93.从所述班次集合中选择一个班次输入至所述排班最优化模型进行线性规划松弛求解，得到求解结果；
94.判断所述求解结果是否为整数解，得到判断结果；
95.基于所述判断结果，利用所述排班最优化模型对所述班次集合中的剩余班次进行线性规划松弛求解，得到最优解。
96.进一步的，在求出最优解后，还包括利用整数规划算法对该解进行线性规划松弛处理，判断处理后的解是否为整数解，若是，则确定该班次符合不满意度的最小值，若否则基于所述班次进行分枝赋值使其等于0或1，得到两个子问题；利用所述排班最优化模型，分别对两个所述子问题进行线性规划松弛求解，得到第二求解结果；判断所述第二求解结果是否满足预设的剪枝条件；若判断的结果为不可行或者下界等于或大于已知可行解的目标函数值，则停止对对应的子问题进行分支；判断所述第二求解结果是否满足最优解条件；若满足所述最优解条件，则将所述第二求解结果作为最优解；若不满足所述最优解条件，则从剩余的所述分枝变量中选择一个继续分枝求解。
97.105、根据最优解对班次集合进行优化，得到乘务排班方案。
98.本实施例中，基于上述步骤计算到的最优解筛选出一个最小值，基于最小值对应的排班方案中的班次调整该轨道的班次集合，以提升班次集合中乘务人员的排班合理性，
从而得到新的乘务排班方案。
99.综上，通过对上述提供的方法的实施，实现了根据不满意度系数，建立目标函数为不满意度最小的数学模型，采用整数规划选取最满意的排班方案，解决现有的排班方式效率低、乘务人员利用率低，并且难以同时实现多项优化目标的问题。同时相对于采用人工的排法，本方法有效地避免过于依赖个人经验难以得到最满意的派班模型，或单纯追求人数最少经济效益最大化的其它智能算法非人性化的排班方法，最大限度地满足司机和企业的共同需求。
100.请参阅图2，本发明实施例中乘务排班方案优化方法的第二个实施例，该实施例以列车的排班为例进行说明，该方法包括：
101.201、获取列车运行图、工时、驾驶时长参数，并确定各班次的不满意评价指标相关数据；
102.本实施例中，具体是基于对列车运行图的解析，构建运行时刻表和乘务区段，然后从列车排班系统中读取与该列车运行图相关的列车的班次，并提取其中的乘务区段和运行时刻表，从而匹配出存在关联的列车的班次，并筛选出对应的乘务区段和运行时刻表，最后基于乘务人员的工作制度来确定不满意评价指标相关数据，即是评价指标和指标值。
103.在一可选实施例中，获取当前待排班的交通工具的运行图，并基于所述运行图解析运行时刻表和乘务区段；
104.根据所述运行时刻表和所述乘务区段，利用深度优先搜索算法搜索所述交通工具对应的班次，生成班次集合，其中所述班次至少覆盖一个乘务区段；
105.基于所述班次集合确定各班次的评估指标，并结合客户的需求对各评估指标设置优先级。
106.在本实施例中，基于列车场景下，对于排班的设置，提出了如下表格的指标，该指标分为三级，具体如下表1所示。
107.表1班次的不满意评价指标
[0108][0109]
基于上表提供的指标中，每个二级指标中设置至少一个三级指标，三级指标值的
是指标的不满意度值，即是指标值。具体的，
[0110]
用户根据各项指标的重要程度设定指标分值s1，s2，s3，s4，s5，s6，总分为100分。
[0111]
三级指标有10个，分别设定每个三级指标的分值w1，w2，w3，w4，w5，w6，w7，w8，w9，w10。
[0112]
202、基于不满意评价指标相关数据建立不满意度最小为目标函数的排班最优化模型；
[0113]
本实施例中，在建立目标函数过程中包括：利用不满意度系数算法计算出每个班次的不满意度系数；根据不满意度系数建立目标函数，其中还利用了整数规划算法来调整目标函数，即是得到班次满意度评估函数为目标函数的排班最优化模型。
[0114]
在一可选实施例中，利用不满意度系数算法计算出每个班次的不满意度系数包括：
[0115]
根据各班次的评估指标，按照对应的优先级配置对应的指标值；
[0116]
基于各评估指标的指标值，利用预设的不满意度系数算法计算出各班次的不满意度系数。
[0117]
具体的，所述基于各评估指标的指标值，利用预设的不满意度系数算法计算出各班次的不满意度系数，包括：
[0118]
比较各班次的评估指标对应的指标值是否满足预设阈值，得到比较结果；
[0119]
基于所述比较结果筛选出各班次中满足预设阈值的评估指标和对应的指标值；
[0120]
基于筛选出的评估指标和指标值，利用不满意度系数的公式计算出各班次的不满意度系数；
[0121]
其中，所述不满意度系数的公式为uj为不满意度系数，ak取值为0或1，ak表示第j个班次的第k个评估指标对应的指标值是否符合。
[0122]
具体的，结合表1中的指标进行不满意度系数uj的计算：
[0123][0124]
其中，ak表示第j个班次的第k个三级指标符合，符合则为1，否则为0。
[0125]
举例：客户根据不可接受程度设定s1＝20，s2＝20，s3＝10，s4＝10，s5＝20，s6＝20。
[0126]
w1＝10，w2＝10，w3＝10，w4＝10，w5＝5，w6＝5，w7＝5，w8＝5，w9＝20，w10＝10。
[0127]
如某一个可能的班次有三个指标符合，工时不够，总驾驶时长不够，没有休息，则uj＝10+10+20＝40。
[0128]
在实际应用中，在建立不满意度最小的目标函数时，利用了整数规划算法约束目标函数的求解，具体包括：
[0129]
将各班次的不满意度系数作为班次满意度评估函数中对应变量的目标变量系数；
[0130]
根据所述班次覆盖对各乘务区段的覆盖程度确定对应班次的覆盖系数，并基于各班次的覆盖系数生成目标约束条件；
[0131]
基于所述目标约束条件和各班次的目标变量系数，建立班次满意度评估函数为目标函数的排班最优化模型。
[0132]
在实际应用中，若班次集合的数量为n，设定决策变量xj，班次j被选中时，则xj＝1，否则＝0。根据班次的不满意系数计算方法分别计算每一个班次的不满意度系数uj，将uj作为目标函数里变量的系数，建立以不满意度最小为目标函数的最优化模型：
[0133][0134]
约束：
[0135][0136]
xj∈[0,1]j＝1...n
[0137]
其中，m为乘务区段数。a
ij
表示乘务区段i是否被班次j覆盖：当班次j包含乘务区段i时，a
ij
＝1；否则a
ij
＝0。
[0138]
203、对排班最优化模型进行线性规划松弛求解，得到求解结果；
[0139]
该步骤中，实质上是一个初始步骤，即是基于班次集合构建一个原问题，基于该原问题通过目标函数求解原问题的线性规划松弛，若得到整数解则也是原问题的最优解，否则得到原问题的一个下界。
[0140]
204、判断求解结果是否为整数解，得到判断结果；
[0141]
该步骤判断的求解结果主要是分为整数解和非整数解，若判断为整数，则为最优解，反之则不满足，继续步骤205。
[0142]
205、基于判断结果，利用排班最优化模型对班次集合中的剩余班次进行线性规划松弛求解，得到最优解；
[0143]
本实施例中，若判断结果为非整数解时，从班次集合中的剩余班次中随机选择一个符合约束条件的班次作为目标函数的变量输入至目标函数中进行整数规划松弛求解，这时求得的解以步骤203中求解得到的值确定的下界作为标准对求得的解进行判断。
[0144]
在一可选实施例中，若所述判断结果为所述求解结果为非整数解，则从所述班次集合中的剩余班次中选择一个班次，并基于所述班次进行分枝赋值使其等于0或1，得到两个子问题；
[0145]
利用所述排班最优化模型，分别对两个所述子问题进行线性规划松弛求解，得到第二求解结果；
[0146]
判断所述第二求解结果是否满足预设的剪枝条件；若判断的结果为不可行或者下界等于或大于已知可行解的目标函数值，则停止对对应的子问题进行分支；
[0147]
判断所述第二求解结果是否满足最优解条件；若满足所述最优解条件，则将所述第二求解结果作为最优解；若不满足所述最优解条件，则从剩余的所述分枝变量中选择一个继续分枝求解。
[0148]
在实际应用中，所述判断结果为所述求解结果为非整数解时，从班次集合中的剩余班次中选择适当的变量xj，分别固定xj＝0和xj＝1得到两个子问题。然后从两个子问题中选择一个子问题求解该子问题的线性规划松弛求解；进一步的，对该求解得到的解进行剪枝的判断，若发生下列情况之一，则可停止对该子问题进行分枝：子问题的线性规划松弛的最优解是整数解；子问题不可行；子问题的下界等于或大于已知的可行解的目标函数值。若不满足剪枝条件，则重复上述过程分枝过程，直到分枝过程中没有需要考虑的子问题。当
前最好的可行解就是原问题的最优解。通过上述的过程进行整数规划处理，整数规划的目标函数是不满意度最小，约束条件是所有乘务片段都被唯一覆盖。通过整数规划方法可以求出最满意的班次，作为排班方案。
[0149]
206、根据最优解对班次集合进行优化，得到乘务排班方案。
[0150]
本实施例中，基于上述步骤计算到的最优解筛选出一个最小值，基于最小值对应的排班方案中的班次调整该轨道的班次集合，以提升班次集合中乘务人员的排班合理性，从而得到新的乘务排班方案。
[0151]
通过对上述方法的实施，从工时、总驾驶时长、连续驾驶时长、休息等方面对排班方案进行优化，同时考虑乘务人员和企业的利益，在乘务人员和运营人员之间获得一种满意度的均衡，为现代化乘务排班提供一种科学有效的方法。首先提出班次的不满意评价指标和不满意系数计算方法，根据不满意度系数，建立目标函数为不满意度最小的数学模型，采用整数规划选取最满意的排班方案。该方法具有严格的理论基础，相对于采用人工的排法有效地避免过于依赖个人经验难以得到最满意的派班模型，或单纯追求人数最少经济效益最大化的其它智能算法非人性化的排班方法，最大限度地满足司机和企业的共同需求。
[0152]
上面对本发明实施例中乘务排班方案优化方法进行了描述，下面对本发明实施例中乘务排班方案优化装置进行描述，请参阅图3，本发明实施例中乘务排班方案优化装置一个实施例包括：
[0153]
采集模块301，用于获取待优化的班次集合以及所述班次集合中各班次的评估指标；
[0154]
系数计算模块302，用于根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；
[0155]
函数构建模块303，用于以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；
[0156]
求解模块304，用于利用整数规划算法对所述排班最优化模型进行求解，得到最优解；
[0157]
优化模块305，用于根据所述最优解对所述班次集合进行优化，得到乘务排班方案。
[0158]
本发明实施例中，所述乘务排班方案优化装置运行上述乘务排班方案优化方法，所述乘务排班方案优化装置通过获取待优化的班次集合以及所述班次集合中各班次的评估指标；根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；根据各班次的不满意度系数，调整班次满意度评估函数的变量系数和约束条件，得到目标函数；将班次集合中各班次的排班输入至目标函数中，利用整数规划算法对目标函数进行求解，得到最优解；根据最优解对班次集合进行优化，得到乘务排班方案。由于根据不满意度系数，建立目标函数为不满意度最小的数学模型，采用整数规划选取最满意的排班方案，解决现有的排班方式效率低、乘务人员利用率低，并且难以同时实现多项优化目标的问题。
[0159]
请参阅图4，本发明实施例中乘务排班方案优化装置的第二个实施例包括：
[0160]
采集模块301，用于获取待优化的班次集合以及所述班次集合中各班次的评估指标；
[0161]
系数计算模块302，用于根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；
[0162]
函数构建模块303，用于以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；
[0163]
求解模块304，用于利用整数规划算法对所述排班最优化模型进行求解，得到最优解；
[0164]
优化模块305，用于根据所述最优解对所述班次集合进行优化，得到乘务排班方案。
[0165]
在本实施例中，所述采集模块301包括：
[0166]
采集处理单元3011，用于获取当前待排班的交通工具的运行图，并基于所述运行图解析运行时刻表和乘务区段；
[0167]
搜索单元3012，用于根据所述运行时刻表和所述乘务区段，利用深度优先搜索算法搜索所述交通工具对应的班次，生成班次集合，其中所述班次至少覆盖一个乘务区段；
[0168]
提取单元3013，用于基于所述班次集合确定各班次的评估指标，并结合客户的需求对各评估指标设置优先级。
[0169]
在本实施例中，所述系数计算模块302包括：
[0170]
配置单元3021，用于根据各班次的评估指标，按照对应的优先级配置对应的指标值；
[0171]
计算单元3022，用于基于各评估指标的指标值，利用预设的不满意度系数算法计算出各班次的不满意度系数。
[0172]
在本实施例中，所述计算单元3022具体用于：
[0173]
比较各班次的评估指标对应的指标值是否满足预设阈值，得到比较结果；
[0174]
基于所述比较结果筛选出各班次中满足预设阈值的评估指标和对应的指标值；
[0175]
基于筛选出的评估指标和指标值，利用不满意度系数的公式计算出各班次的不满意度系数；
[0176]
其中，所述不满意度系数的公式为uj为不满意度系数，ak取值为0或1，ak表示第j个班次的第k个评估指标对应的指标是否符合。
[0177]
在本实施例中，所述函数构建模块303包括：
[0178]
系数设置单元3031，用于将各班次的不满意度系数作为班次满意度评估函数中对应变量的目标变量系数；
[0179]
条件生成单元3032，用于根据所述班次覆盖对各乘务区段的覆盖程度确定对应班次的覆盖系数，并基于各班次的覆盖系数生成目标约束条件；
[0180]
函数构建单元3033，用于基于所述目标约束条件和各班次的目标变量系数，建立班次满意度评估函数为目标函数的排班最优化模型。
[0181]
在本实施例中，所述求解模块304包括：
[0182]
线性计算单元3041，用于从所述班次集合中选择一个班次输入至所述排班最优化模型进行线性规划松弛求解，得到求解结果；
[0183]
判断单元3042，用于判断所述求解结果是否为整数解，得到判断结果；
[0184]
求解单元3043，用于基于所述判断结果，利用所述排班最优化模型对所述班次集合中的剩余班次进行线性规划松弛求解，得到最优解。
[0185]
在本实施例中，所述求解单元3043具体用于：
[0186]
若所述判断结果为所述求解结果为非整数解，则从所述班次集合中的剩余班次中选择一个班次，并基于所述班次进行分枝赋值使其等于0或1，得到两个子问题；
[0187]
利用所述排班最优化模型，分别对两个所述子问题进行线性规划松弛求解，得到第二求解结果；
[0188]
判断所述第二求解结果是否满足预设的剪枝条件；若判断的结果为不可行或者下界等于或大于已知可行解的目标函数值，则停止对对应的子问题进行分支；
[0189]
判断所述第二求解结果是否满足最优解条件；若满足所述最优解条件，则将所述第二求解结果作为最优解；若不满足所述最优解条件，则从剩余的所述分枝变量中选择一个继续分枝求解。
[0190]
本实施例通过获取待优化的班次集合以及所述班次集合中各班次的评估指标；根据各班次的评估指标，利用预设的不满意度系数算法计算出对应的不满意度系数；以各班次的不满意度系数，作为班次满意度评估函数的变量系数，建立班次满意度评估函数为目标函数的排班最优化模型；利用整数规划算法对所述排班最优化模型进行求解，得到最优解；根据最优解对班次集合进行优化，得到乘务排班方案。由于根据不满意度系数，建立目标函数为不满意度最小的数学模型，采用整数规划选取最满意的排班方案，解决现有的排班方式效率低、乘务人员利用率低，并且难以同时实现多项优化目标的问题，相对于采用人工的排法有效地避免过于依赖个人经验难以得到最满意的派班模型，或单纯追求人数最少经济效益最大化。
[0191]
上面图3-4从模块化功能实体的角度对本发明实施例中的中乘务排班方案优化装置进行详细描述，下面从硬件处理的角度对本发明实施例中电子设备进行详细描述。
[0192]
图5是本发明实施例提供的一种电子设备的结构示意图，该电子设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对电子设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在电子设备500上执行存储介质530中的一系列指令操作，以实现上述模型训练方法的步骤或者实现上述图像识别方法的步骤。
[0193]
电子设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的电子设备结构并不构成对本发明提供的计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0194]
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述
乘务排班方案优化方法的各个步骤。
[0195]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0196]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0197]
以上所述，以上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精神和范围。