本技術(shù)涉及數(shù)字化交通管理，尤其涉及一種應(yīng)對極端天氣的車輛智能調(diào)度方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市交通網(wǎng)絡(luò)的日益復(fù)雜和車輛數(shù)量的持續(xù)增加，有效的車輛調(diào)度變得越來越重要。現(xiàn)有的車輛調(diào)度系統(tǒng)在普通天氣條件下已經(jīng)取得了顯著成效，能夠合理安排車輛行駛路線，優(yōu)化交通流量，減少擁堵。然而，當(dāng)面對極端天氣情況時(shí)，如暴雨、暴雪、凍雨、臺(tái)風(fēng)等，這些系統(tǒng)的效能常常大打折扣。

2、極端天氣不僅對交通流量和車輛行駛速度產(chǎn)生影響，還會(huì)導(dǎo)致路面條件惡劣，增加交通事故的風(fēng)險(xiǎn)。例如，在暴雨天氣中，道路易積水、能見度低，導(dǎo)致駕駛者視線受阻；暴雪則可能導(dǎo)致道路結(jié)冰，增加車輛滑行風(fēng)險(xiǎn)。在出現(xiàn)極端天氣情況下，車輛調(diào)度系統(tǒng)的核心不應(yīng)再局限于對特定單個(gè)乘客的接送，而應(yīng)是快速降低受災(zāi)區(qū)域內(nèi)乘客的數(shù)量和停留時(shí)間，保障人民群眾的生命健康安全。

3、傳統(tǒng)調(diào)度系統(tǒng)在極端天氣情況下缺乏靈活性和適應(yīng)性，其依然通常采用固定的調(diào)度邏輯。然而，在極端惡劣天氣下，可供調(diào)度的社會(huì)車輛和救援車輛均較少，而需要服務(wù)的乘客的數(shù)量卻是眾多的，而如何在較低的車輛運(yùn)行成本情況下快速有效地接送災(zāi)區(qū)乘客安全以實(shí)施有效救援是目前業(yè)界亟待的難題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種應(yīng)對極端天氣的車輛智能調(diào)度方法及系統(tǒng)，用以至少解決傳統(tǒng)的車輛調(diào)度方案無法滿足極端天氣情況下的乘客用戶的運(yùn)載需求的問題。

2、本技術(shù)提供一種應(yīng)對極端天氣的車輛智能調(diào)度方法，包括：獲取待調(diào)度的目標(biāo)車輛的車輛位置、待運(yùn)送的多個(gè)平臺(tái)用戶對應(yīng)的用戶位置集、實(shí)時(shí)交通數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)；所述用戶位置集中的各個(gè)用戶位置與所述車輛位置之間的距離小于預(yù)設(shè)距離閾值；所述實(shí)時(shí)交通數(shù)據(jù)包含：道路封閉信息、交通事故信息和道路擁堵信息；在確定所述實(shí)時(shí)天氣數(shù)據(jù)包含極端天氣信息的情況下，基于第一路徑規(guī)劃模型，確定至少一個(gè)第一候選路徑，所述第一候選路徑途徑所述車輛位置和所有的所述用戶位置；所述極端天氣信息包含以下中的任意一者：暴雨、暴雪、凍雨或臺(tái)風(fēng)；針對各個(gè)所述第一候選路徑，基于深度強(qiáng)化學(xué)習(xí)模型對所述第一候選路徑的至少一個(gè)路徑分段進(jìn)行調(diào)整，以得到相應(yīng)的修正路徑；所述路徑分段是根據(jù)所述用戶位置集中的任意兩個(gè)用戶位置而確定的；所述深度強(qiáng)化學(xué)習(xí)模型的狀態(tài)是根據(jù)節(jié)點(diǎn)位置、實(shí)時(shí)交通數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)而定義的，所述深度強(qiáng)化學(xué)習(xí)模型的動(dòng)作是根據(jù)路徑分段的切換而定義的；所述節(jié)點(diǎn)位置為所述車輛位置或所述用戶位置；基于mcda評估模型計(jì)算各個(gè)所述修正路徑所分別對應(yīng)的路徑綜合得分，并根據(jù)各個(gè)所述路徑綜合得分從各個(gè)所述修正路徑中確定所述目標(biāo)車輛的救援接載路徑，以順序接載各個(gè)所述平臺(tái)用戶。

3、可選地，在獲取待調(diào)度的目標(biāo)車輛的車輛位置、待運(yùn)送的多個(gè)平臺(tái)用戶的用戶位置集、實(shí)時(shí)交通數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)之后，所述方法還包括：在確定所述實(shí)時(shí)天氣數(shù)據(jù)不包含極端天氣信息的情況下，基于第二路徑規(guī)劃模型，確定至少一個(gè)第二候選路徑，所述第二候選路徑途徑所述車輛位置和任意一個(gè)所述用戶位置；從各個(gè)所述第二候選路徑中確定運(yùn)客行駛路徑，以接載并運(yùn)送所述運(yùn)客行駛路徑所對應(yīng)的平臺(tái)用戶。

4、可選地，所述深度強(qiáng)化學(xué)習(xí)模型采用深度q網(wǎng)絡(luò)，所述深度q網(wǎng)絡(luò)的主網(wǎng)絡(luò)包含級聯(lián)的輸入層、隱藏層和輸出層；所述輸入層用于對數(shù)據(jù)數(shù)據(jù)進(jìn)行歸一化處理；所述輸入數(shù)據(jù)包含所述實(shí)時(shí)交通數(shù)據(jù)、所述實(shí)時(shí)天氣數(shù)據(jù)和所述第一候選路徑；所述隱藏層包含多層卷積神經(jīng)網(wǎng)絡(luò)，用于提取所述輸入數(shù)據(jù)中的特征信息；所述輸出層用于確定狀態(tài)空間中每個(gè)動(dòng)作所對應(yīng)的預(yù)期q值，并根據(jù)具有最大預(yù)期q值的動(dòng)作所對應(yīng)的路徑分段修正所述第一候選路徑，以確定相應(yīng)的修正路徑。

5、可選地，所述深度q網(wǎng)絡(luò)的更新公式如下：

6、q(s,a；θ)＝q(s,a；θ)+α[r+γmaxa′q(s′,a′；θ′)-q(s,a；θ)]

7、r＝wtime×rtime+wsafety×rsafety

8、式中，q(s,a；θ)表示在狀態(tài)s下采取動(dòng)作a的當(dāng)前q值，θ表示當(dāng)前網(wǎng)絡(luò)參數(shù)，α表示學(xué)習(xí)率；γ表示折扣因子，其表明未來獎(jiǎng)勵(lì)的重要性；maxa′q(s′,a′；θ′)表示在下一狀態(tài)s′下所有可能動(dòng)作a′所能產(chǎn)生的最大q值，θ′表示舊網(wǎng)絡(luò)參數(shù)；r表示即時(shí)獎(jiǎng)勵(lì)，其根據(jù)當(dāng)前動(dòng)作的結(jié)果而獲得的；rtime和rsafety分別表示時(shí)效獎(jiǎng)勵(lì)項(xiàng)和安全性獎(jiǎng)勵(lì)項(xiàng)，以及wtime和wsafety分別表示相應(yīng)獎(jiǎng)勵(lì)項(xiàng)的權(quán)重系數(shù)，且wsafety＞wtime，其中wtime促使模型選擇距離更短的路徑分段，以及wsafety促使模型選擇在實(shí)時(shí)天氣數(shù)據(jù)下更低概率發(fā)生路況異常風(fēng)險(xiǎn)的路徑分段。

9、可選地，所述深度q網(wǎng)絡(luò)的損失函數(shù)為：

10、l(θ)＝e[(yi-q(s,a；θ))2]

11、時(shí)序差分目標(biāo)yi的公式為：

12、yi＝λ(s,a)×r+γmaxa′q(s′,a′；θ-)

13、式中，q(s,a；θ)表示對當(dāng)前狀態(tài)-動(dòng)作對的q值估計(jì)，由主網(wǎng)絡(luò)提供；q(s′,a′；θ-)表示下一個(gè)狀態(tài)的q值，由目標(biāo)網(wǎng)絡(luò)估計(jì)；θ和θ-分別表示主網(wǎng)絡(luò)和目標(biāo)網(wǎng)絡(luò)的參數(shù)；e[(yi-q(s,a；θ))2]表示預(yù)測誤差平方的期望值；λ(s,a)表示環(huán)境適應(yīng)性因子，其指示在特定狀態(tài)s下采取特定動(dòng)作a時(shí)的難度，以用于調(diào)整即時(shí)獎(jiǎng)勵(lì)r的權(quán)重。

14、可選地，所述第一路徑規(guī)劃模型包含dijkstra算法模塊、a*算法模塊和貝爾曼-福特算法模塊，其中所述dijkstra算法模塊、所述a*算法模塊和所述貝爾曼-福特算法模塊并聯(lián)連接至所述深度強(qiáng)化學(xué)習(xí)模型。

15、可選地，所述mcda評估模型通過以下方式來計(jì)算修正路徑所對應(yīng)的路徑綜合得分：

16、

17、式中，sroute1表示修正路徑route1的路徑綜合得分，wi表示第i個(gè)評估標(biāo)準(zhǔn)的權(quán)重，ci,route1表示修正路徑route1在第i個(gè)評估標(biāo)準(zhǔn)上的標(biāo)準(zhǔn)化得分；所述評估標(biāo)準(zhǔn)包含：行駛時(shí)效評估標(biāo)準(zhǔn)、路徑經(jīng)濟(jì)成本評估標(biāo)準(zhǔn)和路況安全評估標(biāo)準(zhǔn)；

18、對應(yīng)行駛時(shí)效評估標(biāo)準(zhǔn)的標(biāo)準(zhǔn)化得分的計(jì)算公式為：

19、

20、α＝1+k×wl

21、式中，troute1表示修正路徑route1的路徑預(yù)期行駛時(shí)間，tmin和tmax分別表示所有的修正路徑所對應(yīng)的路徑預(yù)期行駛時(shí)間中的最小者和最大者；α表示調(diào)整系數(shù)，k表示正常數(shù)，用于調(diào)整天氣惡劣等級對調(diào)整系數(shù)的影響程度；wl表示天氣惡劣等級，其是將實(shí)時(shí)天氣數(shù)據(jù)與天氣惡劣等級映射表進(jìn)行查詢而確定的，所述天氣惡劣等級映射表記錄了多個(gè)惡劣等級和相應(yīng)的天氣數(shù)據(jù)區(qū)間；

22、對應(yīng)路徑經(jīng)濟(jì)成本評估標(biāo)準(zhǔn)的標(biāo)準(zhǔn)化得分的計(jì)算公式為：

23、

24、式中，eroutel表示修正路徑route1的路徑預(yù)期經(jīng)濟(jì)成本，emax表示所有的修正路徑所對應(yīng)的路徑預(yù)期經(jīng)濟(jì)成本中的最大者；路徑預(yù)期經(jīng)濟(jì)成本包含能源消耗費(fèi)用和路徑所涉收費(fèi)路段的通行費(fèi)用；

25、對應(yīng)路況安全評估標(biāo)準(zhǔn)的標(biāo)準(zhǔn)化得分的計(jì)算公式為：

26、

27、式中，mj是第j個(gè)安全因素的權(quán)重，cj,route1,sf表示修正路徑route1針對第j個(gè)安全因素的評分；所述安全因素包含以下中的至少一者：道路濕滑狀態(tài)、路徑歷史事故記錄、路徑彎道信息和路徑坡度信息。

28、本技術(shù)還提供一種應(yīng)對極端天氣的車輛智能調(diào)度系統(tǒng)，包括：數(shù)據(jù)獲取單元，被配置成獲取待調(diào)度的目標(biāo)車輛的車輛位置、待運(yùn)送的多個(gè)平臺(tái)用戶對應(yīng)的用戶位置集、實(shí)時(shí)交通數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)；所述用戶位置集中的各個(gè)用戶位置與所述車輛位置之間的距離小于預(yù)設(shè)距離閾值；所述實(shí)時(shí)交通數(shù)據(jù)包含：道路封閉信息、交通事故信息和道路擁堵信息；路徑規(guī)劃單元，被配置成在確定所述實(shí)時(shí)天氣數(shù)據(jù)包含極端天氣信息的情況下，基于第一路徑規(guī)劃模型，確定至少一個(gè)第一候選路徑，所述第一候選路徑途徑所述車輛位置和所有的所述用戶位置；所述極端天氣信息包含以下中的任意一者：暴雨、暴雪、凍雨或臺(tái)風(fēng)；路徑修正單元，被配置成針對各個(gè)所述第一候選路徑，基于深度強(qiáng)化學(xué)習(xí)模型對所述第一候選路徑的至少一個(gè)路徑分段進(jìn)行調(diào)整，以得到相應(yīng)的修正路徑；所述路徑分段是根據(jù)所述用戶位置集中的任意兩個(gè)用戶位置而確定的；所述深度強(qiáng)化學(xué)習(xí)模型的狀態(tài)是根據(jù)節(jié)點(diǎn)位置、實(shí)時(shí)交通數(shù)據(jù)和實(shí)時(shí)天氣數(shù)據(jù)而定義的，所述深度強(qiáng)化學(xué)習(xí)模型的動(dòng)作是根據(jù)路徑分段的切換而定義的；所述節(jié)點(diǎn)位置為所述車輛位置或所述用戶位置；接載路徑確定單元，被配置成基于mcda評估模型計(jì)算各個(gè)所述修正路徑所分別對應(yīng)的路徑綜合得分，并根據(jù)各個(gè)所述路徑綜合得分從各個(gè)所述修正路徑中確定所述目標(biāo)車輛的救援接載路徑，以順序接載各個(gè)所述平臺(tái)用戶。

29、本技術(shù)還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述應(yīng)對極端天氣的車輛智能調(diào)度方法。

30、本技術(shù)還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述應(yīng)對極端天氣的車輛智能調(diào)度方法。

31、本技術(shù)還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述應(yīng)對極端天氣的車輛智能調(diào)度方法。

32、通過本技術(shù)提供的一種應(yīng)對極端天氣的車輛智能調(diào)度方法及系統(tǒng)，以提高極端天氣條件下的車輛調(diào)度效率和安全性，能夠至少產(chǎn)生如下的技術(shù)效果：

33、(1)通過實(shí)時(shí)獲取交通和天氣數(shù)據(jù)，系統(tǒng)能夠迅速響應(yīng)極端天氣情況，利用預(yù)設(shè)距離閾值確保了車輛可以高效地接近需求最迫切的用戶，從而加快了救援速度，提高應(yīng)急響應(yīng)速度。

34、(2)首先通過路徑規(guī)劃模型選定候選路徑，再利用深度強(qiáng)化學(xué)習(xí)模型對這些路徑進(jìn)行實(shí)時(shí)調(diào)整，可以在保證最大救援效率的同時(shí)，避開因極端天氣而出現(xiàn)的道路封閉、交通事故或嚴(yán)重?fù)矶碌惹闆r，提高了救援路線的實(shí)用性和安全性，使得系統(tǒng)能輸出最優(yōu)化的救援路線。

35、(3)深度強(qiáng)化學(xué)習(xí)模型可以根據(jù)實(shí)時(shí)數(shù)據(jù)不斷調(diào)整路徑選擇，使系統(tǒng)在極端天氣下保持高度的適應(yīng)性和靈活性，尤其是在極端天氣情況下，道路條件惡劣和能見度低會(huì)大幅增加交通事故風(fēng)險(xiǎn)。系統(tǒng)通過避免高風(fēng)險(xiǎn)區(qū)域和選擇相對安全的路線，有效降低了救援過程中的事故風(fēng)險(xiǎn)?；谏疃葟?qiáng)化學(xué)習(xí)模型的動(dòng)態(tài)調(diào)整能力，增強(qiáng)路徑的適應(yīng)性和靈活性，使車輛能夠有效應(yīng)對突發(fā)情況，減少救援延誤。

36、(4)通過mcda(多準(zhǔn)則決策分析)評估模型，能夠綜合考慮各種因素，如路徑長度、預(yù)期時(shí)間、安全性等，為每條修正路徑打分，通過比較這些得分，系統(tǒng)能夠選擇最優(yōu)救援路徑，以最小的成本順序接載平臺(tái)用戶，保障用戶服務(wù)體驗(yàn)。

37、通過本技術(shù)實(shí)施例，結(jié)合實(shí)時(shí)數(shù)據(jù)、智能路徑規(guī)劃和動(dòng)態(tài)調(diào)整能力，顯著提高了極端天氣條件下車輛調(diào)度的效率、安全性和適應(yīng)性，在車輛和救援資源有限的情況下，通過智能化調(diào)度最大化救援效果，確保資源能夠在極端天氣下得到最有效的利用，為極端天氣下的車輛調(diào)度提供有效的解決方案。