乘车需求量预测方法及系统技术方案

本发明专利技术公开了一种乘车需求量预测方法，包含有取得复数个影响因素；取得对应于一地理区域中一特定时段的一基本乘车需求量；根据该复数个影响因素以及该基本乘车需求量，计算至少一第一类预测需求量；自该复数个影响因素中，挑选至少一重要影响因素，并根据对应该至少一重要影响因素，计算至少一第二类预测需求量；以及根据该第一类预测需求量以及该第二类预测需求量，计算一合并预测需求量。

【技术实现步骤摘要】
乘车需求量预测方法及系统
本专利技术系指一种乘车需求量预测方法及系统，尤指一种有效地预测乘车需求量并将之传递至出租车司机的乘车需求量预测方法及系统。
技术介绍
对于出租车司机而言，如何有效提升其营收，一直是个重要的问题。在行动通讯技术日新月异的今天，透过后端平台进行营运信息统计与分析的车载资通讯应用，已渐渐成为主流。以派遣系统为例，可透过电话、网络与行动装置(例如：PDA、智能型手机)接收乘客的出租车乘车需求，以提供在线派遣的服务，并透过数据库记录与分析出营运密度较高的区域。然而，不论是个人经验累积或派遣系统的方式，均属于局部性的数据，无法有效掌握场域内因各地不同的变动因素(天气、在地活动、交通状况)所造成的营运影响，亦难以预估临时性的需求。且出租车车队调度中心是以车队的营收为主要目标，无法顾及每一位司机的个人营运需求，出租车司机只能被动地等待命令的指派，而缺乏主动性。而出租车司机漫无目的的行驶于市区或郊区的街道间以等待被乘客招揽，徒增营运成本及空气污染。因此，如何有效地预测乘车需求量并将之传递至出租车司机，也就成为业界所努力的目标之一。
技术实现思路
因此，本专利技术之主要目的即在于提供一种乘车需求量预测方法及系统，其可有效地预测乘车需求量并将之传递至出租车司机，以改善习知技术的缺点。本专利技术揭露一种乘车需求量预测方法，用来预测一地理区域于一特定时段的一乘车需求量，所述乘车需求量预测方法包含有取得对应复数个影响因素的复数个测量值，其中所述复数个影响因素为于所述特定时段可能对所述地理区域的所述乘车需求量造成影响的因素；取得对应于所述地理区域中所述特定时段的一基本乘车需求量；根据所述复数个影响因素以及所述基本乘车需求量，计算至少一第一类预测需求量；自所述复数个影响因素中，挑选至少一重要影响因素，并根据对应所述至少一重要影响因素，计算至少一第二类预测需求量；以及根据所述第一类预测需求量以及所述第二类预测需求量，计算一合并预测需求量。本专利技术揭露一种乘车需求量预测系统用来预测一地理区域于一特定时段的一乘车需求量，所述乘车需求量预测系统包含有一云端装置，包含有一处理单元；一储存单元，用来储存一程序代码，所述程序代码用来指示所述处理单元执行取得对应复数个影响因素的复数个测量值，其中所述复数个影响因素为于所述特定时段可能对所述地理区域的所述乘车需求量造成影响的因素；取得对应于所述地理区域中所述特定时段的一基本乘车需求量；根据所述复数个影响因素以及所述基本乘车需求量，计算至少一第一类预测需求量；自所述复数个影响因素中，挑选至少一重要影响因素，并根据对应所述至少一重要影响因素，计算至少一第二类预测需求量；以及根据所述第一类预测需求量以及所述第二类预测需求量，计算一合并预测需求量；以及一终端装置，用来接收所述合并预测需求量。附图说明第1图为本专利技术实施例一乘车需求量预测系统之示意图。第2图为本专利技术实施例一预测流程之示意图。第3图为本专利技术实施例一流程之示意图。第4图为本专利技术实施例一流程之示意图。第5图为本专利技术实施例一流程之示意图。第6图为本专利技术实施例一流程之示意图。其中，附图标记说明如下：10乘车需求量预测系统100云端装置102处理单元104储存单元106程序代码120终端装置20、30、40、50、60流程200～212、302～304、402～410、步骤502～512、602～616具体实施方式请参考第1图，第1图为本专利技术实施例一乘车需求量预测系统10之示意图。乘车需求量预测系统10用来预测一地理区域ZN于一特定时段TM的出租车乘车需求量，并将该出租车乘车需求量提供给出租车司机或出租车调度中心的调度人员。乘车需求量预测系统10包含一云端装置100以及一终端装置120，云端装置100为具有运算功能的电子装置如计算机、服务器等，云端装置100包含一处理单元102以及一储存单元104。储存单元104可用来储存一程序代码106，程序代码106用来指示处理单元102执行一预测流程，以预测不同地理区域于不同时段的出租车乘车需求量。终端装置120可由出租车司机(或出租车调度中心)所持有，其可为个人行动电子装置(如手机)或车载电子装置，终端装置120可联机至云端装置100，以取得于各个时段以及各个地理区域的预测乘车需求量，而出租车司机可根据前述预测乘车需求量，决定其行驶方向。地理区域ZN可为地理上的特定区域，于一实施例中，地理区域ZN可为地理上的一方块(Block)区域，也就是说，地理区域ZN可代表其经度(Longitude)介于一第一特定范围且其纬度(Latitude)介于一第二特定范围的地理区域，而不限于此。另外，特定时段TM可代表一个星期中一日的一时段，举例来说，特定时段TM可为「星期一的10:00:00(上午十点整)～10:30:00(上午十点半)」。请参考第2图，第2图为本专利技术实施例一预测流程20之示意图。预测流程20可编译成程序代码106，而由云端装置100来执行。如第2图所示，预测流程20包含以下步骤：步骤200：开始。步骤202：取得对应复数个影响因素α1～αM的复数个测量值a1～aM，其中复数个影响因素α1～αM为于一特定时段TM可能会对地理区域ZN的乘车需求量造成影响的因素。步骤204：取得对应于地理区域ZN中特定时段TM的一基本乘车需求量BSC。步骤206：根据复数个影响因素α1～αM以及基本乘车需求量BSC所组成的函数，计算至少一第一类预测需求量P11～P1R。步骤208：自复数个影响因素α1～αM中，挑选至少一重要影响因素，并根据所述至少一重要影响因素，计算至少一第二类预测需求量P21～P2N。步骤210：根据第一类预测需求量P11～P1R以及第二类预测需求量P21～P2N，计算一合并预测需求量PCMB。步骤212：结束。详细来说，于步骤202中，云端装置100取得对应复数个影响因素α1～αM的复数个测量值a1～aM，其中复数个影响因素α1～αM为于特定时段TM中可能会对地理区域ZN的乘车需求量造成影响的因素。举例来说，复数个影响因素α1～αM可代表「地理区域ZN于特定时段TM的气温」、「地理区域ZN于特定时段TM的有无降雨」或「地理区域ZN于特定时段TM的有无大型集会活动」等，其中大型集会可为在地理区域ZN内(或附近)于特定时段TM所举办的演唱会、展览或演讲、大型集会游行/公民社会运动等。于一实施例中，复数个测量值a1～aM可代表对应影响因素α1～αM真伪值(True/FalseValue)，复数个测量值a1～aM可为二元(Binary)数值，例如当一测量值am等于1时，可代表「地理区域ZN于特定时段TM的有降雨」；当一测量值am等于0时，可代表「地理区域ZN于特定时段TM的无降雨」。于一实施例中，复数个测量值a1～aM可代表其对应影响因素α1～αM发生的机率或程度，例如一测量值am可代表地理区域ZN于特定时段TM的降雨机率或降雨程度(其可代表短暂阵雨或强降雨)。于一实施例中，云端装置100可联机至政府机关(如中央气象局或警察单位)或民间机构的信息系统，以取得复数个测量值a1～aM。于步骤204中，云端装置100取得对应于地理区域ZN中特定时段TM的基本乘车需求量BSC。于一实施例中，云端装置100可联机本文档来自技高网...

【技术保护点】
1.一种乘车需求量预测方法，其特征在于，用来预测一地理区域于一特定时段的一乘车需求量，所述乘车需求量预测方法包含有：取得对应复数个影响因素的复数个测量值，其中所述复数个影响因素为于所述特定时段对所述地理区域的所述乘车需求量造成影响的因素；取得对应于所述地理区域中所述特定时段的一基本乘车需求量；根据所述复数个影响因素以及所述基本乘车需求量，计算至少一第一类预测需求量；自所述复数个影响因素中，挑选至少一重要影响因素，并根据对应所述至少一重要影响因素，计算至少一第二类预测需求量；以及根据所述第一类预测需求量以及所述第二类预测需求量，计算一合并预测需求量。

【技术特征摘要】
2017.06.16 TW 1061201001.一种乘车需求量预测方法，其特征在于，用来预测一地理区域于一特定时段的一乘车需求量，所述乘车需求量预测方法包含有：取得对应复数个影响因素的复数个测量值，其中所述复数个影响因素为于所述特定时段对所述地理区域的所述乘车需求量造成影响的因素；取得对应于所述地理区域中所述特定时段的一基本乘车需求量；根据所述复数个影响因素以及所述基本乘车需求量，计算至少一第一类预测需求量；自所述复数个影响因素中，挑选至少一重要影响因素，并根据对应所述至少一重要影响因素，计算至少一第二类预测需求量；以及根据所述第一类预测需求量以及所述第二类预测需求量，计算一合并预测需求量。2.如权利要求1所述之种乘车需求量预测方法，其特征在于，取得对应于所述地理区域中所述特定时段的所述基本乘车需求量的步骤包含有：根据一原始资料，取得所述地理区域中对应于复数个时段的一历史需求量；以及计算所述历史需求量的统计量，以取得所述基本乘车需求量。3.如权利要求1所述之种乘车需求量预测方法，其特征在于，根据所述复数个影响因素以及所述基本乘车需求量，计算所述第一类预测需求量的步骤包含有：计算所述复数个影响因素对所述乘车需求量所产生复数个变化量；根据所述复数个变化量，自所述复数个影响因素选取至少一显著影响因素，其中所述复数个变化量中对应于所述至少一显著影响因素的至少一变化量大于一第一特定值；以及根据所述至少一显著影响因素以及所述基本乘车需求量，计算所述第一类预测需求量。4.如权利要求1所述之种乘车需求量预测方法，其特征在于，自所述复数个影响因素中，挑选所述至少一重要影响因素的步骤包含有：计算所述复数个影响因素对所述乘车需求量的复数个重要性；当对应于所述复数个影响因素中一第一影响因素的一第一重要性大于一第二特定值时，挑选所述第一影响因素为一重要影响因素。5.如权利要求4所述之种乘车需求量预测方法，其特征在于，所述复数个重要性中一重要性介于0与1之间。6.如权利要求1所述之种乘车需求量预测方法，其特征在于，根据所述第一类预测需求量以及所述第二类预测需求量，计算所述合并预测需求量的步骤包含有：计算对应于所述第一类预测需求量的一第一类配置误差；计算对应于所述第二类预测需求量的一第二类配置误差；根据所述第一类配置误差及所述第二类配置误差，计算对应于所述第一类预测需求量的一第一类权重以及对应于所述第二类预测需求量的一第二类权重；以及根据所述第一类预测需求量、所述第二类预测需求量、所述第一类权重及所述第二类权重，计算所述合并预测需求量；其中，所述第一类权重随着所述第一类配置误差递增而递减，所述第二类权重随着所述第二类配置误差递增而递减。7.如权利要求6所述之种乘车需求量预测方法，其特征在于，根据所述第一类配置误差及所述第二类配置误差，计算所述第一类权重及所述第二类权重的步骤包含有：计算所述第一类权重中的一第一权重，其中所述第一权重与所述第一类配置误差中对应于所述第一权重的一第一配置误差成反比；以及计算所述第二类权重中的一第二权重，其中所述第二权重与所述第二类配置误差中对应于所述第二权重的一第二配置误差成反比。8.如权利要求6所述之种乘车需求量预测方法，其特征在于，根据所述第一类配置误差及所述第二类配置误差，计算所述第一类权重及所述第二类权重的步骤另包含：取得一第三特定值；判断所述第一类配置误差及所述第二类配置误差是否大于所述第三特定值，产生一判断结果；以及根据所述判断结果，计算所述第一类权重及所述第二类权重。9.如权利要求6所述之种乘车需求量预测方法，其特征在于，根据所述第一类预测需求量、所述第二类预测需求量、所述第一类权重及所述第二类权重，计算所述合并预测需求量的步骤包含有：计算所述合并预测需求量其中，w11～w1R代表所述第一类权重，w21～w2N代表所述第二类权重，P11～P1R代表所述第一类预测需求量，P21～P2N代表所述第二类预测需求量。10.一种乘车需求量预测系统，其特征在于，用来预测一地理区域于一特定时段的一乘车需求量，所述乘车需求量预测系统包含有：一云端装置，包含有：一处理单元；一储存单元，用来储存一程序代码...

【专利技术属性】
技术研发人员：李俊贤，许银雄，利建宏，蔡宗宪，陈陪蓉，
申请(专利权)人：宏碁股份有限公司，
类型：发明
国别省市：中国台湾,71