一種可視化廠車調度方法及系統技術方案

本發明專利技術公開了一種可視化廠車調度方法，收集所有乘車人員期望上車的地點信息，然后利用K?means聚類方法，根據不同上車地點之間的地理距離對所有地點信息進行聚類，經過反復迭代后選出合理且最優的站點，從而使最終安排的站點既能滿足乘車人員需要，又可以減少不必要設置的站點數。利用遺傳算法，根據乘車人員的實際乘車情況的變以及站點和線路的乘坐率情況統計信息實現實時對線路進行更新優化，提高線路利用率，使廠車運行效益達到最大化。該系統還提供了地圖展示功能，可將站點和線路在地圖上高亮顯示。本發明專利技術還公開了一種基于可視化廠車調度方法的系統，本發明專利技術既能滿足乘車人員的需求，又能節省資源。

Visual factory vehicle scheduling method and system

The invention discloses a visual factory vehicle scheduling method, location information to collect all the passengers expected to get on the bus, and then use K means clustering method, according to different car location geographical distance to cluster all location information, through iterative selected rational and optimal site, so as to make the final arrangements for the site to meet passenger needs, and can reduce the unnecessary set number of stations. Using genetic algorithm, according to the statistical information to achieve real-time ride rate for the line optimization and update the actual car passengers and the conditions of site and line, improve the utilization of line, the factory car to reach the maximum operating efficiency. The system also provides map display capabilities that highlight sites and lines on the map. The invention also discloses a system based on a visual factory vehicle scheduling method, which can meet the demand of passengers and save resources.

【技術實現步驟摘要】
一種可視化廠車調度方法及系統
本專利技術涉及信息技術
，特別是一種可視化廠車調度方法及系統。
技術介紹
目前，許多工廠為了方便員工上、下班，向員工提供了廠車服務。但是，由于員工眾多，采用人工管理信息和線路站點的方式不僅使效率低下管理混亂，也無法基于員工的需求對運行線路做出及時調整。智能化和可視化的廠車調度系統成為值得研究的應用點。
技術實現思路
本專利技術所要解決的技術問題是克服現有技術的不足而提供一種可視化廠車調度方法及系統，本專利技術采用信息技術手段，將機器學習中兩種經典算法遺傳算法及K-means聚類算法應用到解決廠車調度問題中，既能滿足乘車人員的需求，又能在此基礎上節省資源，達到良好的效果。本專利技術為解決上述技術問題采用以下技術方案：根據本專利技術提出的一種可視化廠車調度方法，包括以下步驟：步驟1、確定所需安排的站點數目K；步驟2、根據用戶提供的地點信息，隨機生成K個初始站點；步驟3、計算所有地點到該K個初始站點的距離，將距離最近的地點和站點劃分為一簇；步驟4、取每簇里地理位置的均值作為新站點；步驟5、判斷新站點到步驟2中初始站點的距離是否到達預設的閾值，若到達，則選取新站點作為最優站點；若未到達，則返回步驟3；步驟6、初始化最初線路群，令迭代次數t＝1；步驟7、計算線路群中每條線路的適應度及每條線路的累計概率；步驟8、保留適應度最高的線路到下一次迭代線路群，其他線路基于預設概率變異；步驟9、判斷迭代次數是否達到預設的最大迭代次數，若達到則取適應度最高路線作為最優路線，若未達到則令t＝t+1，返回步驟7；步驟10、根據最優站點和最優線路，利用百度API實現站點、線路的可視化。作為本專利技術所述的一種可視化廠車調度方法進一步優化方案，線路的適應度表示為：該線路的總距離+(運行該線路所需要派的車輛數-最大限制車輛數)*懲罰因子。基于一種可視化廠車調度方法的系統，包括用戶界面層、服務層、業務邏輯層和數據層；其中，用戶界面層，用于提供與用戶交互的界面，并將功能操作傳遞到服務層進行處理；界面的功能包括：1)用戶注冊和登錄；2)修改員工、車輛、路線、站點和排班信息；3)查詢車輛、路線和站點信息；4)基于地圖的信息展示；5)車輛和站點信息的數據統計圖；6)車輛和站點乘車人員名單查詢；7)設置站點和線路；服務層包括站點安排服務模塊、線路優化服務模塊、排班更新服務模塊、百度地圖可視化服務模塊和用戶管理模塊；其中，站點安排服務模塊，用于向用戶提供站點安排的功能接口；線路優化服務模塊，用于向用戶提供實時運行的線路乘坐率情況以及員工乘車信息的功能接口；排班更新服務模塊，用于向用戶提供實時車輛排班的功能接口；百度地圖可視化服務模塊，用于接收到業務邏輯層對最優線路和最優站點的計算結果，利用百度API實現站點、線路的可視化，提供基于地圖的站點和線路查詢功能；用戶管理模塊用于提供對用戶的注冊、登錄驗證和查詢功能；業務邏輯層，用于根據員工上車的地理位置信息，采用K-means聚類算法將地點進行聚類從而找到最優站點的計算結果，并將其反饋到百度地圖可視化服務模塊；根據從服務層獲取的實時運行的線路乘坐率情況以及員工乘車信息，利用遺傳算法得到最優線路的計算結果，也將其反饋到百度地圖可視化服務模塊；用于將員工、站點、廠車、線路和排班信息存儲在數據層的數據庫中，并輸出員工上車的地理位置信息至服務層的站點安排服務模塊中，輸出線路乘坐率情況以及員工乘車信息至服務層的排班更新模塊中；數據層，用于保存用戶數據、站點、車輛、線路和排班。作為本專利技術所述的一種可視化廠車調度方法的系統進一步優化方案，用戶界面層提供給用戶的具體功能包括：用戶的注冊與登錄、修改信息、查詢車輛站點線路、在百度地圖上顯示站點線路運行情況和生成數據統計圖。作為本專利技術所述的一種可視化廠車調度方法的系統進一步優化方案，業務邏輯層包括基于RubyonRail框架的業務處理模塊、基于ActiveRecord框架的數據持久化機制和SQLite的數據庫操作模塊；其中，基于RubyonRail框架的業務處理模塊，負責對信息的增、刪、改、查操作，進行業務處理并將實時運行中的乘車數據傳遞給相應的服務；基于ActiveRecord框架的數據持久化機制，用于對員工信息、線路信息、排班信息進行增、刪、改、查或統計；SQLite的數據庫操作模塊，用于將用戶實時乘車的統計數據寫入數據庫。作為本專利技術所述的一種可視化廠車調度方法的系統進一步優化方案，基于RubyonRail框架的業務處理模塊使用Rails向上層模塊提供服務，基于ActiveRecord框架的數據持久化機制使用ActiveRecord封裝對于SQLite的操作放入內存中，下次直接從內存中讀取，達到對數據的持久化存儲。本專利技術采用以上技術方案與現有技術相比，具有以下技術效果：本專利技術采用信息技術手段，將機器學習中兩種經典算法—遺傳算法及K-means聚類算法應用到解決廠車調度問題中，既能滿足乘車人員的需求，又能在此基礎上節省資源，達到良好的效果。附圖說明圖1為本專利技術的體系架構圖。圖2為本專利技術的數據流圖。圖3為本專利技術的系統模塊劃分圖。圖4為本專利技術中的K-means算法的流程圖。圖5為本專利技術中的遺傳算法的流程圖。具體實施方式下面結合附圖對本專利技術的技術方案做進一步的詳細說明：圖1為本專利技術的體系架構圖，一種可視化廠車調度系統。系統使用SQLite作為數據應用環境，使用高性能的HTTP和反向代理服務器nginx作為HTTP層的代理服務器，同時配置靜態資源緩存機制實現動靜分離，保證在較大訪問量和流量的情況下服務器的性能和穩定性始終處于較優狀態。對于讀取頻繁的數據庫數據，通過分布式的高速緩存系統Memcached進行緩存，以減少讀取數據庫的次數，減輕數據庫的負荷，有效提高系統的訪問速度和穩定性。采用Node.js來提供線路優化、站點安排及排班更新的算法的API接口，因為Node.js是一個基于ChromeJavaScript運行時建立的平臺，可用于方便地搭建響應速度快、易于擴展的網絡應用。其數據流圖如圖2所示。圖3為本專利技術的系統模塊劃分圖。主要步驟如下：步驟101:創建基于Express的node.js初始應用程序。該程序主要對外提供廠車調度服務的API。步驟102:設置訪問限制token的申請和獲取程序。該token作為是否有權獲取服務的認證。步驟103:設計路由(Dispatcher)。該路由作為對外開放的API，包括站點生成路由和線路規劃路由。步驟104:基于K-means聚類算法實現站點劃分功能，算法原理如圖4所示，其步驟是：(1)隨機生成K個質心；(2)計算樣本點到各個質心的距離，選擇距離最近的質心組成一簇；(3)計算樣本點到各個質心距離的距離，選擇距離最近的質心組成一簇；(4)取每簇均值作為新質點；(5)判斷新質點到步驟(2)中初始站點的距離是否到達預設的閾值，若到達，則選取新站點作為最優站點；若未到達，則返回步驟(2)重新計算。其中，每個質點對應于站點。步驟105:基于遺傳算法實現線路規劃功能，算法如圖5所示。其算理步驟如下：(1)初始化種群；(2)計算種群中每條染色體的適應度；(3)計算每條染色體累計概率；(4)保留適應度最高染色體到下一種群，其他染色體一本文檔來自技高網...

【技術保護點】
一種可視化廠車調度方法，其特征在于，包括以下步驟：步驟1、確定所需安排的站點數目K；步驟2、根據用戶提供的地點信息，隨機生成K個初始站點；步驟3、計算所有地點到該K個初始站點的距離，將距離最近的地點和站點劃分為一簇；步驟4、取每簇里地理位置的均值作為新站點；步驟5、判斷新站點到步驟2中初始站點的距離是否到達預設的閾值，若到達，則選取新站點作為最優站點；若未到達，則返回步驟3；步驟6、初始化最初線路群，令迭代次數t＝1；步驟7、計算線路群中每條線路的適應度及每條線路的累計概率；步驟8、保留適應度最高的線路到下一次迭代線路群，其他線路基于預設概率變異；步驟9、判斷迭代次數是否達到預設的最大迭代次數，若達到則取適應度最高路線作為最優路線，若未達到則令t＝t+1，返回步驟7；步驟10、根據最優站點和最優線路，利用百度API實現站點、線路的可視化。

【技術特征摘要】
1.一種可視化廠車調度方法，其特征在于，包括以下步驟：步驟1、確定所需安排的站點數目K；步驟2、根據用戶提供的地點信息，隨機生成K個初始站點；步驟3、計算所有地點到該K個初始站點的距離，將距離最近的地點和站點劃分為一簇；步驟4、取每簇里地理位置的均值作為新站點；步驟5、判斷新站點到步驟2中初始站點的距離是否到達預設的閾值，若到達，則選取新站點作為最優站點；若未到達，則返回步驟3；步驟6、初始化最初線路群，令迭代次數t＝1；步驟7、計算線路群中每條線路的適應度及每條線路的累計概率；步驟8、保留適應度最高的線路到下一次迭代線路群，其他線路基于預設概率變異；步驟9、判斷迭代次數是否達到預設的最大迭代次數，若達到則取適應度最高路線作為最優路線，若未達到則令t＝t+1，返回步驟7；步驟10、根據最優站點和最優線路，利用百度API實現站點、線路的可視化。2.根據權利要求1所述的一種可視化廠車調度方法，其特征在于，線路的適應度表示為：該線路的總距離+(運行該線路所需要派的車輛數-最大限制車輛數)*懲罰因子。3.基于權利要求1所述的一種可視化廠車調度方法的系統，其特征在于，包括用戶界面層、服務層、業務邏輯層和數據層；其中，用戶界面層，用于提供與用戶交互的界面，并將功能操作傳遞到服務層進行處理；界面的功能包括：1)用戶注冊和登錄；2)修改員工、車輛、路線、站點和排班信息；3)查詢車輛、路線和站點信息；4)基于地圖的信息展示；5)車輛和站點信息的數據統計圖；6)車輛和站點乘車人員名單查詢；7)設置站點和線路；服務層包括站點安排服務模塊、線路優化服務模塊、排班更新服務模塊、百度地圖可視化服務模塊和用戶管理模塊；其中，站點安排服務模塊，用于向用戶提供站點安排的功能接口；線路優化服務模塊，用于向用戶提供實時運行的線路乘坐率情況以及員工乘車信息的功能接口；排班更新服務模塊，用于向用戶提供實時車輛排班的功能接口；百度地圖可視化服務模塊，用于接收到業務邏輯層對最優線路和最優...

【專利技術屬性】
技術研發人員：葉楓，宋小萌，戴佩武，
申請(專利權)人：河海大學，
類型：發明
國別省市：江蘇,32