出租车服务系统参数计算 Python 代码详解
这段代码是一个 Python 脚本,主要用于计算出租车服务系统的相关参数,并输出结果。代码中使用了 Pandas、NumPy、Gurobi、Geopy、Matplotlib 等库。具体解释如下:
-
EAV_range = 200.0 #miles定义了 EAV 范围,表示电动汽车的最大行驶里程。 -
avg_speed_NYC = 13.0 #mph定义了纽约市的平均车速,用于计算行驶时间。 -
power_consumption_rate = 0.3 #kWh/mi定义了车辆每英里的能耗,用于计算充电时间和充电量。 -
need_charging = 0.2 #SOC<20%定义了电池电量低于 20% 时需要充电。 -
range charge_upto = 0.8 #charge upto 80%定义了电池充电到 80% 时的充电量。 -
max_pickup_time = 30.0 #minutes定义了最大接客时间,超过该时间的请求将被拒绝。 -
max_pickup_dist = max_pickup_time*avg_speed_NYC/60 #miles根据平均车速和最大接客时间计算出最大接客距离。 -
max_wait_time = 15.0定义了最大等待时间,超过该时间的请求将被取消。 -
charging_power = 50.0 #kW定义了充电功率,即每小时充电的电量。 -
trip_distance(long1, lat1, long2, lat2):定义了计算两个 GPS 坐标之间距离的函数,使用了 Geopy 库中的great_circle函数。 -
taxi = pd.read_csv('taxi_data_0.csv')读取了出租车数据文件,使用 Pandas 库中的read_csv函数。 -
request = pd.read_csv('customer_trip_data_0.csv')读取了客户请求数据文件,使用 Pandas 库中的read_csv函数。 -
taxi_index = taxi.index.tolist()获取出租车数据的索引列表。 -
request_index = request.index.tolist()获取客户请求数据的索引列表。 -
path = tuplelist(list(itertools.product(taxi_index, request_index)))生成了所有可能的出租车和客户请求的组合,使用了itertools库中的product函数和 Gurobi 库中的tuplelist函数。 -
taxi = taxi.to_dict(orient='index')将出租车数据转换为字典格式。 -
request = request.to_dict(orient='index')将客户请求数据转换为字典格式。 -
pickup_distance = pd.DataFrame(index=taxi_index, columns=request_index)创建了一个空的 DataFrame,用于存储出租车和客户请求之间的接送距离。 -
pickup_distance = pickup_distance.to_dict(orient='index')将 DataFrame 转换为字典格式。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出每个出租车和客户请求之间的接送距离,并存储到pickup_distance字典中。 -
pickup_time_in_mins = deepcopy(pickup_distance)创建了一个深拷贝的pickup_distance字典,用于存储出租车和客户请求之间的接送时间。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出每个出租车和客户请求之间的接送时间,并存储到pickup_time_in_mins字典中。 -
delay_time_in_mins = deepcopy(pickup_time_in_mins)创建了一个深拷贝的pickup_time_in_mins字典,用于存储出租车到达客户请求位置所需的时间。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出出租车到达客户请求位置所需的时间,并存储到delay_time_in_mins字典中。 -
pickup_occupied_distance = deepcopy(pickup_distance)创建了一个深拷贝的pickup_distance字典,用于存储出租车接到客户后行驶的距离。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出出租车接到客户后行驶的距离,并存储到pickup_occupied_distance字典中。 -
pickup_occupied_CS_distance = deepcopy(pickup_distance)创建了一个深拷贝的pickup_distance字典,用于存储出租车接到客户后行驶、充电的距离。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出出租车接到客户后行驶、充电的距离,并存储到pickup_occupied_CS_distance字典中。 -
customer_waiting_time = deepcopy(pickup_distance)创建了一个深拷贝的pickup_distance字典,用于存储客户等待时间。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出客户等待时间,并存储到customer_waiting_time字典中。 -
reward_function = deepcopy(pickup_distance)创建了一个深拷贝的pickup_distance字典,用于存储出租车接到客户请求后的奖励值。 -
for each_taxi in taxi_index: for each_request in request_index: ...计算出出租车接到客户请求后的奖励值,并存储到reward_function字典中。 -
print('pickup distance: ', pickup_distance)输出pickup_distance字典中存储的出租车和客户请求之间的接送距离。 -
print('pickup_time_in_mins: ', pickup_time_in_mins)输出pickup_time_in_mins字典中存储的出租车和客户请求之间的接送时间。 -
print('delay_time_in_mins: ', delay_time_in_mins)输出delay_time_in_mins字典中存储的出租车到达客户请求位置所需的时间。 -
print('pickup_occupied_distance: ', pickup_occupied_distance)输出pickup_occupied_distance字典中存储的出租车接到客户后行驶的距离。 -
print('pickup_occupied_CS_distance: ', pickup_occupied_CS_distance)输出pickup_occupied_CS_distance字典中存储的出租车接到客户后行驶、充电的距离。 -
print('customer_waiting_time: ', customer_waiting_time)输出customer_waiting_time字典中存储的客户等待时间。 -
print('reward_function: ', reward_function)输出reward_function字典中存储的出租车接到客户请求后的奖励值。
原文地址: https://www.cveoy.top/t/topic/m2At 著作权归作者所有。请勿转载和采集!