Skip to content

Latest commit

 

History

History
231 lines (168 loc) · 8.21 KB

README.md

File metadata and controls

231 lines (168 loc) · 8.21 KB

Vehicle Dispatch Simulation

Projects Introduction

This project is a feature-rich vehicle dispatch simulation simulator aimed at meeting personalized research needs in transportation. The project supports the following features:

· Traffic flow analysis

· Ride-hailing (e.g., Uber/Lyft) and taxi operation simulation

· Ride-hailing and taxi dispatch algorithm testing

· Warehouse logistics simulation

Currently, the program focuses on taxi dispatch as its background scenario.

· By supplying real order data to the simulator, it can automatically generate primary order information.

· By utilizing the OpenStreetMap road network file, the simulator can automatically create an accurate map structure, enabling vehicle route planning.

Once the initialization information is obtained, the simulator conducts iterative runs and updates vehicle and order information at each iteration. Furthermore, the simulator can visualize and save the current status of vehicles within the road network, along with information on orders. This allows users to obtain detailed vehicle and order information at different time points. Users have the flexibility to customize settings according to their needs and obtain comprehensive simulation results and data, providing robust support for transportation decision-making and research.

Project Background

Initially, we aimed to test the impact of a specific ride-hailing dispatch algorithm on its service efficiency. In the early stages of our research, we attempted to use software such as TransCAD, Vissim, and Cube, but they couldn't fully meet our requirements for customizing vehicle operation logic. Consequently, we developed a custom simulator that could cater to our simulation needs and conducted an analysis of the algorithm's operational logic.

Building upon this initial work, we optimized and rewrote the architecture of the previous simulator to make it suitable for simulating larger-scale taxi/ride-hailing operations. Our simulator can now handle simulations on a larger scale, including significant road networks (e.g., 50,000 nodes and 500 km of total roads in the case of Xi'an city), a substantial number of vehicles (6,000 vehicles), extended time periods (24 hours), and significant order datasets (260,000 order records).

项目开发环境

以下是本项目开发时候的环境

  • Windows 10
  • CPU 24GB
  • Python 3.9.6
  • MySQL 8.2.32

项目启动说明

请确保满足下述需求后，把项目克隆到本地

  • 安装 Python
  • 安装 MySQL
  • CPU > 4GB

第一步：安装依赖库

pip install -r requirements.txt

第二步：下载原始数据文件

/map/<地理数据文件夹>/<地理数据原始文件>
/order/<订单数据原始文件>

你可以选择demo里面的原始数据或者自己下载原始数据

<地理数据原始文件>: 来自openstreetmap上下载的地图文件，注意记录对应的球坐标系和投影坐标系。文件必须包含的字段有：

  • OBJECTID, maxspeed

<订单数据原始文件>: 研究区域内的订单数据，可以联系当地的有关部门获得。文件必须包含的字段包括：

  • CAR_NO, ON_LON, ON_LAT, OFF_LON, OFF_LAT, GET_ON_TIME

第三步：填写配置文件的关键内容

在config_module.ini设置，并且在设置完后保存为 Taxi-simulation/src/config.ini

[PARAMETERS]
now_time = <开始的时间>
run_times = <运行的总时长:s>
unit_time = <时间间隔:s>
search_length = <接单距离限制:m>

[MYSQL]
user = root
password = <你的MYSQL数据密码>

[MAP]
map_path = <地理信息文件(shp)的绝对文件地址>
crs_degree = <球坐标系标识符>
crs_metre = <投影坐标系标识符>

[ORDERSHEET]
path = <订单数据的绝对文件地址>

第四步：初始化数据

下述文件都应在 Taxi-simulation/src 内创建和运行，日志请查看 Taxi-simulation/log

  • 初始化文件配置
import config_initialization
config_initialization.config_initialization()
  • 清洗原始数据，生成仿真数据
import data_generate
data_generate.Generate()
  • 把仿真数据导入数据库
import data_lord
data_lord.Lord()

第五步：运行仿真

下述文件都应在 Taxi-simulation/src 内创建和运行

import Taxi_simulation
import configparser

config_file = r"config.ini"
config = configparser.ConfigParser()
config.read(config_file, encoding="utf-8")
obj = TaxiSimulation(config)
obj.Run()

再次运行仿真

当你在仿真未结束的时候关闭了程序，但是希望从断点开始运行，你可以根据日志找到最后一次的时间点，然后修改config.ini的 [PARAMETERS] 的 now_time 的值修改，最后运行下述代码，即可从断点开始运行

import Taxi_simulation
import configparser

config_file = r"config.ini"
config = configparser.ConfigParser()
config.read(config_file, encoding="utf-8")
obj = TaxiSimulation(config)
obj.Relord()
obj.Run()

重新运行仿真 当你想更新数据重新仿真，你需要重新把数据导入到数据库，然后进行第五步。

项目贡献者

项目参与者即为贡献者

联系方式

github可以私信项目内任一贡献者

仿真数据库各参数含义如下

mapdata

地图数据信息

  • shape_len 真实的道路长度
  • time_len 通过时间长度
  • wgs84_len 绘图长度
  • start_x 端点坐标
  • start_y 端点坐标
  • end_x 端点坐标
  • end_y 端点坐标
  • maxspeed km/h 最高时速
  • weight 权重
  • fir_pt_n 道路端点
  • lst_pt_n 道路端点
  • line_n 道路序号
  • geometry 道路几何信息

cardata

车辆数据信息

  • CAR_ID 车的序列号，无特定含义，由 orderdata 中车辆出现的时间顺序而来
  • CAR_NO 车的ID号，与 orderdata 的 CAR_NO 相同
  • CAR_STATE 车辆状态，0空车，1正在驶向乘客，2是正在运送乘客，3是抵达乘客上车点, 4是抵达乘客下车点
  • LON 车辆经度
  • LAT 车辆维度
  • FIR_PT_N 车辆所处道路的第一个端点的序号
  • LST_PT_N 车辆所处道路的第二个端点的序号
  • LOG_TIME 最后一次更新记录的时间
  • ALL_RUN_MILEAGE 行驶总距离
  • ALL_PMTD Passenger Miles Traveled Driven 有效行驶里程，即载客行驶里程
  • ALL_DH_MILEAGE_P Deadhead Mileage For Passenger 接客空驶里程
  • ALL_DH_MILEAGE_D Deadhead Mileage For Dispatch 调度空驶里程
  • ALL_RUN_TIME 总行驶时间
  • ALL_DH_TIME_P Deadhead Time For Passenger 接客空驶时间
  • ALL_DH_TIME_D Deadhead Time For Passenger 接客调度时间
  • ALL_ORDER_COUNT 接到的订单次数
  • TASK_CUS_ID 当前任务下，乘客的编号，与 orderdata 的 RN 相同，如果没有则为0
  • TASK_ALL_MILEAGE 该任务行驶距离
  • TASK_PMTD 该任务有效距离
  • TASK_DH_MILEAGE 该任务接客空驶距离
  • TASK_NOW_MILEAGE 当前任务行驶距离
  • TASK_ACCEPTANCE_TIME 订单接受的时间
  • TASK_GET_ON_TIME 订单乘客上车的时间
  • TASK_GET_OFF_TIME 订单乘客下车的时间
  • TASK_PATH_ID 当前所处的巡航规划ID
  • TASK_PATH 当前任务的任务路径

orderdata

订单数据信息

  • CUS_ID 乘客的编号，与 orderdata 的 RN 相同，如果没有则为0
  • CAR_ID 车的序列号，代表由该车接单
  • CUS_STATE 0 未出现， 1 等待车辆接单， 2 已被车辆接单, 3 已上车, 4已到达
  • ON_LON 上车点的x
  • ON_LAT 上车点的y
  • ON_FIR_PT_N 乘客所处道路的第一个端点的序号
  • ON_LST_PT_N 乘客所处道路的第二个端点的序号
  • OFF_LON 下车点
  • OFF_LAT 下车点
  • OFF_FIR_PT_N 乘客目标道路的第一个端点的序号
  • OFF_LST_PT_N 乘客目标道路的第二个端点的序号
  • FIR_L_N 乘客所处道路
  • LST_L_N 乘客目标道路
  • APPEARANCE_TIME 订单出现的时间
  • ACCEPTANCE_TIME 订单接受的时间
  • GET_ON_TIME 订单乘客上车的时间
  • GET_OFF_TIME 订单乘客下车的时间
  • DH_MILEAGE 该任务接客空驶距离
  • PMTD 该任务有效送客距离