(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111623569.X (22)申请日 2021.12.28 (71)申请人 扬州大学 地址 225009 江苏省扬州市大 学南路88号 (72)发明人 邓社军　朱俊豪　周倩雯　于世军　 嵇涛　管恩丞　施议　彭浪　 姚炎宏　张海旻　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G06Q 10/10(2012.01) G06Q 50/26(2012.01) G06N 3/12(2006.01) (54)发明名称 一种基于遗传算法的公交安全运营排班优 化方法 (57)摘要 本发明公开了一种基于遗传算法的公交安 全运营排班优化方法， 预先获取包括驾驶员人口 统计学数据、 驾驶员排班信息数据等基础数据 集； 提出基于驾驶员自身属性的安全评价方法， 以驾驶员的自身属性特征作为评价指标， 采用基 于熵权法的TOPSIS方法对驾驶员自身属性的运 营安全性进行打分评价； 基于预警频率与工作时 段、 天气条件的关系定量分析驾驶员工作时段、 天气条件安全性； 根据驾驶员自身属性、 工作时 段、 天气条件的安全性评分归一化数据， 构建公 交驾驶员排班调度优化模型； 利用遗传算法通过 交叉、 变异操作获得最优的排班调度方案。 本发 明综合考虑了影 响公交驾驶员安全驾驶的因素， 展现了如何高效、 合理的排班调度， 提高了驾驶 员个体和公交运营整体的安全性。 权利要求书4页 说明书10页 附图3页 CN 114331353 A 2022.04.12 CN 114331353 A 1.一种基于 遗传算法的公交安全运营排班优化方法， 其特 征在于， 包括以下步骤： (1)预先获取包括驾驶员人口统计学数据、 驾驶员排班信息数据、 车辆预警信息数据以 及天气数据的基础数据集； (2)提出基于驾驶员自身属性的安全评价方法， 以驾驶员的自身属性特征作为评价指 标， 采用基于熵权法的TOP SIS方法对驾驶员自身属性的运营安全性进行打 分评价； (3)基于预警频率与工作时段、 天气条件的关系定量分析驾驶员工作时段、 天气条件安 全性； (4)根据驾驶员自身属性、 工作时段、 天气条件的安全性评分归一化数据， 构建公交驾 驶员排班调度优化模型； (5)利用遗传算法通过交叉、 变异操作获得最优的排班调度方案 。 2.根据权利要求1所述的一种基于遗传算法的公交安全运营排班优化方法， 其特征在 于， 步骤(1)所述驾驶员人口统计学数据包括驾驶员编号、 身份证号码、 性别、 年龄、 驾 龄、 学 历； 所述驾驶员排班信息数据包括驾驶员编号、 日期、 路线编号、 车辆编号、 车次实际开始时 间、 车次实际结束时间； 所述车辆预警信息数据包括驾驶员编号、 车辆编号、 预警类型、 预警 类型编号、 日期时间、 速度、 经度、 纬度、 线路编号； 所述天气数据包括日期时间、 温度、 天气、 风力等级、 风速、 湿度、 降雨 量、 可见光。 3.根据权利要求1所述的一种基于遗传算法的公交安全运营排班优化方法， 其特征在 于， 所述步骤(2)包括以下步骤： (21)将驾驶员各个指标的数据进行标准化处理， 令评价指标Xi＝{x1,x2,…,xn}表示为 选取的n个驾驶员安全驾驶性的评价指标， Y1,Y2,……,Yn为各项指标数据标准化候的值， 其 标准化公式为： (22)求各项指标的信息熵Ej， 其信息熵Ej具体处理过程为： 其中， pij表示指标j出现的概 率， 如果pij＝0， 则定义 (23)计算驾驶员的性别、 驾龄、 预 警类型等自身属性特征的指标权重Wi， 其n项指标权重 Wi为： (24)基于熵权法确定驾驶员的各项自身属性的指标权重后， 构建TOPSIS模型分析多项 指标、 多个驾驶员的自身属性 安全性评分。 4.根据权利要求3所述的一种基于遗传算法的公交安全运营排班优化方法， 其特征在 于， 所述步骤(24)包括以下步骤：权　利　要　求　书 1/4 页 2 CN 114331353 A 2(241)根据i个目标驾驶员与j个评价指标构建初始矩阵 其中aij表示第i个 驾驶员的第j项指标； 并对原 始数据进行归一 化处理， 得到 (242)根据熵权法计算的驾驶员自身属性的各项指标权重， 构造加权归一化矩阵 其具体处 理过程为： 其中， wn为第n个指标的权 重； (243)根据加权矩阵Z判断正负理想解Z+,Z ‑： 其中， zij为第i个目标驾驶员与j个评价指标加权归一化后的值， J*是效益性指标集， J ′ 是成本型指标集； (244)计算各个驾驶员自身属性到正理想点的距离Si+和负理想点的距离Si‑： (245)计算各个驾驶员自身属性的相对贴近度Ci： 将各个驾驶员自身属性相对贴近度按大小 进行排序， 值越大越好。 5.根据权利要求1所述的一种基于遗传算法的公交安全运营排班优化方法， 其特征在 于， 所述步骤(3)实现过程如下： 将一天划分成 “凌晨”、“上午”、“中午”、“下午”、“晚上”五个时间段， 通过统计得出各个 时间段驾驶员的预警次数； 其次分析驾驶员的预警数据与排班 时段的关系， 确定预警数量 和已经划分的五个时间段的关系； 接着将时间段细分成24小时时间段， 计算各时段单位发 车内的各项预警次数， 除以总次数之后得到预警的频率； 最后依据每一个时间段的预警频 率， 给该时间段进行 赋分； 选取一段时间内驾驶员的预警数据与相应天气类型数据； 统计驾驶员在不同天气情况 下的预警次数； 接统计驾驶员 在该时间内每种天气的发车次数， 除以总次数之后得到每位权　利　要　求　书 2/4 页 3 CN 114331353 A 3