申请/专利权人:广东艾百智能科技有限公司
申请日:2023-09-28
公开(公告)日:2024-04-26
公开(公告)号:CN117371629B
主分类号:G06Q10/047
分类号:G06Q10/047;G06Q10/0631;G06Q50/40;G06Q50/26;G06F16/951;G06F30/27
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2024.01.26#实质审查的生效;2024.01.09#公开
摘要:本发明公开了一种基于机器学习的公交线路优化方法,本发明设计的技术方案步骤包括:S10:利用爬虫信息技术采集公交线路信息;S20:构建公交线路优化模型;S30:对所述优化模型进行约束;S40:根据所述公交线路信息对约束后的优化模型进行训练,输出公交线路优化结果;S50:根据所述公交线路优化结果进行公交线路的重新排序,并对存在拥堵情况的路段进行优化处理。本申请通过现有公交信息和新增站点信息对约束后的优化模型进行训练,配合阈值判断进行再次优化,达到公交线路优化的最终效果。
主权项:1.一种基于机器学习的公交线路优化方法,其特征在于,包括以下步骤:S10:利用爬虫信息技术采集公交线路信息;S20:构建公交线路优化模型;S30:对所述优化模型进行约束;S40:根据所述公交线路信息对约束后的优化模型进行训练,输出公交线路优化结果;S50:根据所述公交线路优化结果进行公交线路的重新排序,并对存在拥堵情况的路段进行优化处理;在执行所述S20过程中,所述优化模型包括优化乘客量和优化公交车运行时间;所述优化乘客量的函数表达为: 式中,maxV1为优化乘客量的函数的输出,l为公交线路的路段,Zx和Zy为l路段的两个不同站点,QZx,Zy为l路段从Zx上车到Zy下车的乘客量;所述优化公交车运行时间的函数表达为:minV2=∑l∈N∑x∈NTZx,Zx+1,式中,minV2为优化公交车运行时间的函数输出,TZx,Zx+1为l路段Zx到Zx+1站点的公交运行时间;在执行所述S30过程中,对所述优化模型进行Subjectto约束,约束条件的公式为: 式中,V为所述优化模型的函数表达,Z″为新增站点的技术系数,Ll为公交路线的技术系数,l为公交线路的路段。
全文数据:
权利要求:
百度查询: 广东艾百智能科技有限公司 基于机器学习的公交线路优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。