业务挑战

  • 人工编制行车计划,耗时且不稳定

    公交排班需要考虑的因素多,人工进行排班面临的困难大、耗时长,并且由于依赖传统经验,造成发车计划不稳定

    公交排班需要考虑的因素多,人工进行排班面临的困难大、耗时长,并且由于依赖传统经验,造成发车计划不稳定

  • 运力资源和乘客需求不匹配

    由于客流量预估和行驶时间依赖人工经验,经常出现高峰期无车可坐、等待时间过长、运力资源浪费的局面

    由于客流量预估和行驶时间依赖人工经验,经常出现高峰期无车可坐、等待时间过长、运力资源浪费的局面

  • 司机排班不合理

    由调度员自行分配不同司机的工作,造成司机之间工作量差异大

    由调度员自行分配不同司机的工作,造成司机之间工作量差异大

  • 异常情况人工处理不及时

    异常情况下人工处理平均耗时10分钟以上,无法保证计划可执行率

    异常情况下人工处理平均耗时10分钟以上,无法保证计划可执行率

应用场景

  • 发车计划时刻表智能编制
  • 在公交车辆总量确定的情况下,依据乘客OD分析结论、线路需求状态、车辆服务状态及道路交通状态,并以公交总运营成本最小、早晚高峰运力最大、乘客等待时间最短为目标函数建模,编制生成发车计划时刻表

  • 发车计划动态调整
  • 发车计划是基于历史客流的预测以及运力的均衡考虑。但是考虑到实际运行状态变更如:站点客流的变化,道路行驶情况,突发状况的发生,恶劣天气等情况,静态的编制计划往往不能很好的执行。发车计划动态调整算法将实时对发车计划做出调整,满足客流变化、车辆踏班等临时调整发车计划的需求

  • 司机排班
  • 司机智能排班综合考虑工作劳动法规、多种班型、用餐时间、休息时间约束等。通过数学建模,最终实现安排一组驾驶人员来完成已定的行车计划的工作,并保障驾驶人员的工时整体均衡

  • 标准行驶时间预测
  • 公交车辆要进行合理的计划编制,需要对发出去的运行车辆到达每个站点的时间和圈次运行的时间进行预测,用于制定回场的公交车辆后续发车计划。同时基于实时的车辆GPS信息预测回场时间,以支撑现场调度对发车计划做动态调整

方案优势

采用数学规划、强化学习以及启发式算法,实现多目标的最优解集,搜索范围更大,适用场景更广

  • 灵活可配置的业务约束,满足业务的持续演进

    系统支持发车间隔约束,司机排班约束等参数录入;操作人员可对系统配置车辆和司机排班的规则,将基于经验的规则,通过更宽泛、更普适的形式固化在系统中,通过算法引擎解决多约束条件下的车辆发车计划和司机排班计划编制问题

    系统支持发车间隔约束,司机排班约束等参数录入;操作人员可对系统配置车辆和司机排班的规则,将基于经验的规则,通过更宽泛、更普适的形式固化在系统中,通过算法引擎解决多约束条件下的车辆发车计划和司机排班计划编制问题

  • 算法可支持实时动态调整

    人工计划整体耗时1H,智能计划整体1分钟,面对突如其来的变化,可实现实时动态刷新和调整计划作业,提升作业之间的配合度,保证作业可执行

    人工计划整体耗时1H,智能计划整体1分钟,面对突如其来的变化,可实现实时动态刷新和调整计划作业,提升作业之间的配合度,保证作业可执行

  • 资源调度效率最大化

    通过智能算法的科学规划,公交到站时间误差在2分钟以内,准点率达到90%,市民行程时间下降10%。通过全局优化,真正地实现了公交资源调度效率最大化

    通过智能算法的科学规划,公交到站时间误差在2分钟以内,准点率达到90%,市民行程时间下降10%。通过全局优化,真正地实现了公交资源调度效率最大化

客户案例

深圳巴士

深圳巴士

深圳巴士与华为云强强联合,将“算力”转化为“运力”。双方将继续落地数字化转型成果,实现产业+科技能力外溢,逐步构建公交+科技的新商业模式。