本發(fā)明涉及景區(qū)車船智能排班，尤其涉及一種景區(qū)車船的智能排班方法、裝置以及設(shè)備。

背景技術(shù)：

1、在旅游行業(yè)蓬勃發(fā)展的今天，景區(qū)觀光車與游船作為連接游客與景區(qū)各個景點的關(guān)鍵交通工具，其運營效率直接影響著游客的游覽體驗及景區(qū)的整體管理水平。然而，傳統(tǒng)景區(qū)在車船排班方面仍面臨諸多挑戰(zhàn)。首先，排班過程高度依賴人工經(jīng)驗，缺乏科學(xué)的數(shù)據(jù)支撐，導(dǎo)致排班結(jié)果往往難以精準匹配實際客流需求。其次，景區(qū)客流受季節(jié)、天氣、節(jié)假日等多種因素影響，波動較大，傳統(tǒng)排班方式難以靈活應(yīng)對這些變化，往往造成資源過?；虿蛔愕膯栴}。最后，由于缺乏有效的預(yù)測與調(diào)整機制，景區(qū)在高峰期時往往出現(xiàn)游客長時間等待、車輛調(diào)度混亂等現(xiàn)象，而在低峰期則可能出現(xiàn)車輛閑置、資源浪費的情況。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提出一種景區(qū)車船的智能排班方法、裝置以及設(shè)備，旨在解決現(xiàn)有技術(shù)中景區(qū)的車船排班精度低和車船使用效率低等問題。

2、為實現(xiàn)上述目的，本發(fā)明提供一種景區(qū)車船的智能排班方法，所述方法包括：

3、獲取歷史客流數(shù)據(jù)，對所述歷史客流數(shù)據(jù)進行統(tǒng)計分析，生成歷史入園客流信息；

4、獲取當天售票數(shù)據(jù)，通過預(yù)設(shè)的隨機森林模型根據(jù)所述當天售票數(shù)據(jù)以及同期的所述歷史入園客流信息進行預(yù)測，得到第二天每n分鐘的未來入園客流信息；

5、根據(jù)所述未來入園客流信息以及預(yù)設(shè)的景區(qū)運營參數(shù)生成第二天的發(fā)車時刻表；

6、根據(jù)所述未來入園客流信息計算客流波峰時段，根據(jù)所述客流波峰時段確定最小配車數(shù)以及備用車數(shù)；

7、根據(jù)所述最小配車數(shù)以及所述備用車數(shù)并結(jié)合所述第二天的發(fā)車時刻表生成目標人車班次時刻表。

8、優(yōu)選的，所述對所述歷史客流數(shù)據(jù)進行統(tǒng)計分析，生成歷史入園客流信息，包括：

9、按照節(jié)假日、天氣對所述歷史客流數(shù)據(jù)進行統(tǒng)計分析，生成包括入園時間、客流人數(shù)、當天的天氣情況、是否是節(jié)假日的所述歷史入園客流信息。

10、優(yōu)選的，所述景區(qū)運營參數(shù)包括景區(qū)的開閉園時間、發(fā)車間隔、備用車輛比例、班次滿載率；所述未來入園客流信息包括對應(yīng)不同時刻的客流人數(shù)。

11、優(yōu)選的，所述根據(jù)所述未來入園客流信息以及預(yù)設(shè)的景區(qū)運營參數(shù)生成第二天的發(fā)車時刻表，包括：

12、s13-1，獲取距離開園時間的第一時刻t的第一客流人數(shù)c以及上一班次滯留的滯留人數(shù)v，將所述第一客流人數(shù)c以及所述滯留人數(shù)v作為當前客流人數(shù)vc，判斷所述當前客流人數(shù)vc大于車輛平均荷載x時，進入步驟s13-3，否則，進入步驟s13-2；

13、s13-2，判斷所述滯留人數(shù)v小于0時，進入步驟s13-4，否則，生成一班發(fā)車時間信息，并進入步驟s13-4，所述發(fā)車時間信息包括發(fā)車時間以及預(yù)計載客數(shù)量；

14、s13-3，根據(jù)所述當前客流人數(shù)vc與車輛平均荷載x計算所述第一時刻的所需車輛數(shù)，根據(jù)發(fā)車間隔以及所需車輛數(shù)生成對應(yīng)所述第一時刻的發(fā)車計劃，以及根據(jù)v＝vc-x*(vc/x)更新所述滯留人數(shù)v，并進入步驟s13-4；

15、s13-4，根據(jù)t＝預(yù)設(shè)時間+t更新所述第一時刻t，判斷更新后的所述第一時刻t小于閉園時間時，進入步驟s13-1，否則結(jié)束。

16、優(yōu)選的，所述根據(jù)所述未來入園客流信息計算客流波峰時段，包括：

17、根據(jù)發(fā)車間隔的數(shù)量以及對應(yīng)發(fā)車間隔的客流人數(shù)計算平均客流，根據(jù)平均客流確定所述客流波峰時段；其中，

18、平均客流

19、式中，n表示發(fā)車間隔的數(shù)量，xi表示第i個發(fā)車間隔的客流人數(shù)。

20、優(yōu)選的，所述根據(jù)所述客流波峰時段確定最小配車數(shù)以及備用車數(shù)，包括：

21、根據(jù)所述客流波峰時段的周轉(zhuǎn)時長/所述客流波峰時段的發(fā)車間隔進行計算，得到所述最小配車數(shù)；

22、根據(jù)所述最小配車數(shù)*備用車輛比例進行計算，得到所述備用車數(shù)；其中，

23、所述客流波峰時段的周轉(zhuǎn)時長＝車輛行駛一圈時長+景點平均候客時長+休息時長；

24、所述客流波峰時段的發(fā)車間隔＝客流波峰時長/趟次數(shù)＝客流波峰時長/(客流波峰人數(shù)/車輛平均荷載)；

25、所述客流波峰時長＝所述客流波峰時段的結(jié)束時間-所述客流波峰時段的開始時間。

26、優(yōu)選的，判斷所述客流波峰時段的周轉(zhuǎn)時長大于所述客流波峰時長時，則令所述客流波峰時段的周轉(zhuǎn)時長等于所述客流波峰時長。

27、為實現(xiàn)上述目的，本發(fā)明還提供一種景區(qū)車船的智能排班裝置，所述裝置包括：

28、統(tǒng)計單元，用于獲取歷史客流數(shù)據(jù)，對所述歷史客流數(shù)據(jù)進行統(tǒng)計分析，生成歷史入園客流信息；

29、預(yù)測單元，用于獲取當天售票數(shù)據(jù)，通過預(yù)設(shè)的隨機森林模型根據(jù)所述當天售票數(shù)據(jù)以及同期的所述歷史入園客流信息進行預(yù)測，得到第二天每n分鐘的未來入園客流信息；

30、生成單元，用于根據(jù)所述未來入園客流信息以及預(yù)設(shè)的景區(qū)運營參數(shù)生成第二天的發(fā)車時刻表；

31、計算單元，用戶根據(jù)所述未來入園客流信息計算客流波峰時段，根據(jù)所述客流波峰時段確定最小配車數(shù)以及備用車數(shù)；

32、排班單元，用于根據(jù)所述最小配車數(shù)以及所述備用車數(shù)并結(jié)合所述第二天的發(fā)車時刻表生成目標人車班次時刻表。

33、為了實現(xiàn)上述目的，本發(fā)明還提出一種景區(qū)車船的智能排班設(shè)備，包括處理器、存儲器以及存儲在所述存儲器內(nèi)的計算機程序，所述計算機程序被所述處理器執(zhí)行以實現(xiàn)如上述實施例所述的一種景區(qū)車船的智能排班方法的步驟。

34、為了實現(xiàn)上述目的，本發(fā)明還提出一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行以實現(xiàn)如上述實施例所述的一種景區(qū)車船的智能排班方法的步驟。

35、為了實現(xiàn)上述目的，本發(fā)明還提出一種計算機程序產(chǎn)品，包括計算機程序/指令，所述計算機程序/指令被處理器執(zhí)行時實現(xiàn)如上述實施例所述的一種景區(qū)車船的智能排班方法的步驟。

36、有益效果：

37、以上方案，通過獲取歷史客流數(shù)據(jù)并進行統(tǒng)計分析，結(jié)合當天售票數(shù)據(jù)以及利用隨機森林模型進行未來入園客流的預(yù)測，使得排班計劃能夠更加精準地匹配實際客流需求，減少因排班不當導(dǎo)致的資源浪費或游客等待時間過長的問題，不僅能夠提升車船運營使用效率和車船排班精度，還能有效改善游客的游覽體驗，通過數(shù)據(jù)分析與預(yù)測，景區(qū)管理者能夠更加科學(xué)地制定運營策略，提高管理效率和服務(wù)質(zhì)量，提升景區(qū)整體管理水平，為景區(qū)的可持續(xù)發(fā)展奠定堅實基礎(chǔ)。

38、以上方案，根據(jù)天氣、節(jié)假日等實時因素動態(tài)調(diào)整排班計劃，確保在客流波動較大的情況下仍能保持高效的運營狀態(tài)。同時，通過預(yù)設(shè)的景區(qū)運營參數(shù)，如發(fā)車間隔、備用車輛比例等，進一步增強了排班的靈活性和可調(diào)整性。

39、以上方案，通過計算客流波峰時段并據(jù)此確定最小配車數(shù)及備用車數(shù)，實現(xiàn)了對車船資源的優(yōu)化配置。在客流高峰期，能夠確保有足夠的車輛滿足游客需求；而在低峰期，則能夠減少車輛閑置，減少不必要的人員、車船投放，降低運營成本。