【技术实现步骤摘要】
本专利技术涉及路径推荐，特别是一种路内车场最佳巡检时段与路径推荐方法及系统。
技术介绍
1、随着城市化进程的不断加速，路内车场成为解决城市停车难题的重要组成部分。然而，车场管理面临着诸多挑战，如何合理安排巡检时段和路径，以提高巡检效率和收费准确性，是当前亟待解决的问题之一。合理的巡检时段安排能够确保在车辆进出高峰时段有充足的巡检力量，有效防止漏单现象的发生；而最优的巡检路径规划则能够缩短巡检时间，提高巡检效率，进一步提升车场的运营效益。
2、然而，传统的巡检安排往往依赖于管理人员的经验和直觉，缺乏科学的数据支持和系统规划，这导致在实际巡检过程中，可能出现巡检时间段与车辆进出高峰时段不匹配、巡检路径不合理等问题，从而影响巡检效果。此外，不同车场因其地理位置、周边环境、车辆类型等因素的差异，其巡检需求和特点也各不相同。比如，学校放学时段等情形虽然会有大量车辆进出订单，但停留时间较短不需要收费，此时通常无需派遣巡检员。所以，对于不同车场需要制定针对性的巡检策略，以满足特定的管理需求。因此，亟需一种路内车场最佳巡检时段与路径推荐方法及系统，能够综合分析各个路内车场的特点与营运需求，结合车场的实际情况，为巡检员推荐最佳巡检时段和最优巡检路径，从而提高巡检效率和收费准确性，为车场管理人员提供科学的数据支持，实现更加精细化、智能化的车场管理。
技术实现思路
1、本专利技术的目的在于克服现有技术存在的缺点，提供一种路内车场最佳巡检时段与路径推荐方法及系统，先通过对路内停车场历史停车数据
2、为了实现上述目的，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供了一种路内车场最佳巡检时段与路径推荐方法，具体包括以下步骤：
4、s1、数据收集：收集车场运营数据，并通过公开渠道获得包括学校的放学时间、节假日安排的外部数据；
5、s2、数据预处理与分析：对收集到的数据信息进行预处理，并进一步分析得到各路内车场的使用情况；
6、s3、优化模型建立：根据步骤s2得到的信息建立巡检员巡检时间段及巡检路径的优化模型；
7、s4、优化模型求解：应用粒子群优化算法对建立的优化模型进行求解，得到最优的巡检时段和路径规划方案；
8、s5、结果评估与方案调整：对寻找到的最佳巡检时间段及巡检路径配置方案进行评估，并基于评估结果，优化和调整各巡检员的巡检任务分配；
9、s6、人员调度：根据得到的最佳巡检时间段及巡检路径配置方案，对巡检员的派遣进行调度。
10、作为本专利技术的进一步技术方案，步骤s1所述车场运营数据包括路内车场数量、车场所在位置、车位数量、车场长租信息以及采集车辆进出信息、停车场环境状态实时数据。
11、作为本专利技术的进一步技术方案，步骤s2的具体过程为：
12、s21、利用数据挖掘技术对车场运营数据及公开渠道获取的外部数据进行清洗、标准化和格式化，并清除无效数据，确保不同源数据的质量和一致性；
13、s22、利用加权平均算法将来自不同数据源的数据融合成统一、全面的信息；
14、s23、利用时间序列分析算法分析历史数据中的时间序列模式，识别出学校周边停车场的使用高峰时段；
15、s24、利用数据挖掘中常用的回归模型预测未来各路内车场的使用情况，得到车位利用率、欠费率、追缴率以及车辆进出收费高峰时间，并考虑学校活动安排、节假日得到车辆易漏单时间。
16、作为本专利技术的进一步技术方案，步骤s3的具体过程为：
17、s31、先将一天均分为t个时间段，对于每个时间段，根据各车场历史数据中的漏单车辆及其对应的订单金额，求出该时间段内不同车场的期望追缴金额，以巡检员追缴总金额的期望作为模型优化目标，并以收费员工资作为惩罚项来限制巡检员数量；
18、s32、针对车辆进出订单多但收费少的特殊情况，设计惩罚项，确保模型的灵活性及应对复杂场景的能力；
19、s33、对于路径优化，提前测算出车场各收费点间的距离，并构建距离矩阵，为路径规划提供精准辅助；
20、s34、建立得到巡检员巡检时间段及巡检路径的优化模型，优化模型的总体目标函数为：
21、，
22、约束条件为：
23、, ，
24、，
25、， ，
26、，
27、其中表示路内车场集合；表示事先划分好的时间段集合；表示第p个车场在第t个时间段内的巡检员数量；表示当前可分配巡检员的最大数量；表示第p个车场在第t个时间段内单个巡检员追缴订单数的期望；表示第p个车场在第t个时间段内单笔追缴金额的期望；表示第p个车场在第t个时间段内总收费金额的期望；s为巡检员在每个时段中的平均工资；与是用来放缩无效巡检惩罚项和路径惩罚项的归一化因子，使这两项与优化目标的度量标准一致；表示从t-1时间段到t时间段的巡检员总移动距离，当每个时间段的车场巡检员数量给定之后可以通过枚举出巡检员的移动方案，然后从其中选择总移动距离最小的方案；，表示从车场i到车场j的移动距离；, 表示有几个巡检员从车场i移动到车场j；l表示巡检员移动方案的集合，集合长度为。
28、作为本专利技术的进一步技术方案，步骤s4的具体过程为：
29、初始化参数：初始化粒子数量、粒子群的惯性因子、加速常数、最大迭代次数，粒子数量代表巡检员数量；
30、粒子适应度计算：计算当前解集里每个解的目标函数值；
31、寻找个体与群体最优解：根据粒子适应度的不同找出适应度最高的个体并将其适应度作为当前群体的最优解；
32、粒子速度位置更新：利用速度、位置更新公式更新粒子的速度和位置状态；
33、循环迭代：重复进行粒子适应度计算、寻找个体与群体最优解、粒子速度位置更新，直至满足迭代终止条件；
34、输出最优解：根据粒子群优化算法优化得到的各时段车场巡检员配置情况，依据时间维度上的顺序来确定巡检员的巡检路径并将其输出。
35、第二方面，本专利技术提供一种路内车场最佳巡检时段与路径推荐系统，包括：
36、数据收集模块，用于收集车场运营数据，并通过公开渠道获得包括学校的放学时间、节假日安排的外部数据；
37、数据预处理与分析模块，用于对收集到的数据信息进行预处理，并进一步分析得到各路内车场的使用情况；
38、优化模型建立模块，用于建立巡检员巡检时间段及巡检路径的本文档来自技高网...
【技术保护点】
1.一种路内车场最佳巡检时段与路径推荐方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述路内车场最佳巡检时段与路径推荐方法，其特征在于，步骤S1所述车场运营数据包括路内车场数量、车场所在位置、车位数量、车场长租信息以及采集车辆进出信息、停车场环境状态。
3.根据权利要求2所述路内车场最佳巡检时段与路径推荐方法，其特征在于，步骤S2的具体过程为：
4.根据权利要求3所述路内车场最佳巡检时段与路径推荐方法，其特征在于，步骤S3的具体过程为：
5.根据权利要求4所述路内车场最佳巡检时段与路径推荐方法，其特征在于，步骤S4的具体过程为：
6.一种路内车场最佳巡检时段与路径推荐系统，其特征在于，完成如权利要求1-5任一项所述方法，包括：
【技术特征摘要】
1.一种路内车场最佳巡检时段与路径推荐方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述路内车场最佳巡检时段与路径推荐方法，其特征在于，步骤s1所述车场运营数据包括路内车场数量、车场所在位置、车位数量、车场长租信息以及采集车辆进出信息、停车场环境状态。
3.根据权利要求2所述路内车场最佳巡检时段与路径推荐方法，其特征...
【专利技术属性】
技术研发人员：王永，刘寒松，王国强，刘瑞，李越，董玉超，
申请(专利权)人：松立控股集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。