基于多目标优化的出租车打车平台补贴方法技术

本发明专利技术公开了一种基于多目标优化的出租车打车平台补贴方法，包括：服务端获取乘客发出的订单信息，并根据获取的订单信息和司机端维度进行司机端选取；服务端根据所在城市及区域信息获取平台数据库中的相应数据，构建多目标优化模型；求解多目标优化模型，得到最佳补贴方案；服务端根据补贴方案将对司机的补贴金额推送至司机端、对乘客的补贴金额推送至乘客端。本发明专利技术最大程度上提高订单的接单率，并且针对不同的出租车司机端补贴的必要性和乘客端补贴的必要性进行不同的补贴，从而降低补贴成本，提升补贴效率。

【技术实现步骤摘要】
基于多目标优化的出租车打车平台补贴方法
本专利技术涉及一种基于多目标优化的出租车打车平台补贴方法，属于网络

技术介绍
根据交通运输部发布的《2016年交通运输行业发展统计公报》数据显示，2009-2016年，全国城市出租车辆规模保持逐年增长，年复合增长率为2.35％。2016年末，全国拥有出租车辆规模140.40万辆，同比增长0.8％。根据每辆出租车一天拉75人的平均水平来推算，2016年，我国出租车行业的运力规模在380亿人次左右。虽然我国出租车运力总体足够，但更多情况下补贴不合理的问题会导致一些出租车出现空载、怠工甚至拒载等浪费运力的现象，也会导致行人不选择出租车出行。近年来，随着网络及数据处理技术的不断发展，为传统的出租车市场注入了新的血液：智能手机的打车服务开始兴起。但是他们也没能很好地处理出租车的补助问题，导致大量用户流失。目前市场上主要存在两个问题：一是司机能够找到乘客，也就是出租车司机和乘客之间匹配的需求；二是手机打车平台开发商及运营商的盈利需求。随着互联网的发展，通过打车平台连接乘客方和司机方，使乘车过程更加简单方便，但是面对有特殊要求的乘客，也存在司机不愿意接单的情形，造成乘客方难以寻求到合适的司机。现有技术中也有对订单进行价格补贴的方法，其通过统一的补贴方式进行，补贴方法单一，造成服务端运营成本增加，而且难以对司机和乘客实现有效地激励。
技术实现思路
为了解决上述的技术问题，本专利技术提供一种基于多目标优化的出租车打车平台补贴方法，能够针对不同的司机及乘客进行有效激励，同时降低服务端运营成本。本专利技术为解决上述技术问题采用以下技术方案：本专利技术提供一种基于多目标优化的出租车打车平台补贴方法，具体步骤如下：步骤1，服务端获取乘客发出的订单信息，并根据获取的订单信息和司机端维度进行司机端选取；步骤2，服务端根据所在城市及区域信息获取平台数据库中的相应数据，构建多目标优化模型；其中，多目标优化模型具体为：目标函数：min(k+k')max(Mμ(k)+Nf(k'))约束条件：式中，k为对乘客的补贴金额，k'为对司机的补贴金额，μ(k)为乘客用户增长倍率，f(k')为司机用户的增长倍率，M、N分别为乘客、司机每增加一个比率平台的收益，bij为j时刻某地区内第i个需求圆内的打车成功率，n为某地区内需求圆的个数，sij为j时刻某地区内第i个需求圆内的空车书，dij为j时刻某地区内第i个需求圆内的乘客总需求量；步骤3，求解步骤2中的多目标优化模型，得到最佳补贴方案；步骤4，在订单完成后，服务端根据步骤3的补贴方案将对司机的补贴金额k'推送至司机端、对乘客的补贴金额k推送至乘客端。作为本专利技术的进一步技术方案，步骤1中订单信息包括出发地与目的地。作为本专利技术的进一步技术方案，步骤1中司机端维度包括出租车司机实时位置、出租车司机选取数目以及跨区域接单。作为本专利技术的进一步技术方案，步骤2中服务端从平台数据库获取的数据包括所在城市的乘客用户增长倍率、司机用户的增长倍率、打车APP的下载量、乘客的平均等待时间、出租车平均运价、无补贴时使用APP的打车乘客数量、过去两年的使用APP的司机用户对于补贴金额的增长率、乘客总需求量、空车数以及需求圆的个数。作为本专利技术的进一步技术方案，步骤2中其中，为网络乘客对出租车的潜在需求，即为打车APP的下载量；W为乘客的平均等待时间，P为出租车平均运价，Q0为无补贴时使用APP的打车乘客数量。作为本专利技术的进一步技术方案，步骤2中其中，n1、n2、n3均为补贴系数。作为本专利技术的进一步技术方案，步骤3中利用MATLAB遗传算法工具箱求取多目标优化模型的最优解。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术提供的一种基于多目标优化的出租车打车平台补贴方法，最大程度上提高订单的接单率，并且针对不同的出租车司机端补贴的必要性和乘客端补贴的必要性进行不同的补贴，从而降低补贴成本，提升补贴效率。附图说明图1是基于多目标优化的出租车打车平台补贴方法的运行系统结构框图；图2是基于多目标优化的出租车打车平台补贴方法的流程框图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：如图1所示的基于多目标优化的出租车打车平台补贴方法的运行系统框图，本专利技术提供的出租车打车平台补贴方法的运行系统包括服务端100、乘客端300和司机端200，所述乘客端300以APP的形式安装于乘客方的手机终端上，所述司机端以APP的形式安装于司机方200的手机终端上。乘客端300首先提出出行需求，服务端100接收到乘客端300的出行需求后，对乘客方订单信息进行数据处理后，将订单信息推送给乘客端300附近司机端上200。司机端200对订单进行选择，并进行接单。出行结束后，乘客方通过乘客端300APP进行付款。本专利技术服务端100对在向司机端200推送订单过程中，根据订单信息和其他有关信息分别对乘客方和司机方进行针对性的金额补贴，以激励乘客方和司机使用本出租车打车平台。如图2所示的基于多目标优化的出租车打车平台补贴方法的流程框图，本专利技术实施案例一中基于多目标优化的出租车打车平台补贴方法包括如下步骤。S101、服务端获取订单信息以及司机端选取首先，服务端与乘客端进行数据交互，获取乘客端的订单信息，订单信息包括但不限于出发地与目的地。然后，服务端根据所述订单信息和司机端维度进行司机端选取，所述司机端维度包括出租车司机实时位置、出租车司机选取数目以及跨区域接单。例如在一些实施例中，订单信息中乘客需从A地前往B地，则服务端根据司机端的实时位置选取A地5公里范围内的所有司机端。在另一些实施例中可以通过多个订单信息组合以及多个司机维度组合进行司机选取。S102、服务端结合订单信息以及数据库中相关的数据计算补贴金额服务端根据城市及区域信息获取数据库中的数据，获取的数据包括但不限于该城市的乘客用户增长倍率、司机用户的增长倍率、打车APP的下载量、乘客的平均等待时间、出租车平均运价、无补贴时使用APP的打车乘客数量、过去两年的使用APP的司机用户对于补贴金额的增长率、乘客总需求量、空车数以及需求圆的个数。通过建立多目标优化模型求解最佳补贴金额。多目标优化模型的目标函数包括：(1)成本最小化：min(k+k')其中，k为对乘客的补贴金额，k'为对司机的补贴金额。(2)用户增长率最大化：max(Mμ(k)+Nf(k'))其中，μ(k)为乘客用户增长倍率，f(k')为司机用户的增长倍率，M、N分别为乘客、司机每增加一个比率平台的收益。μ(k)算法如下：其中，为网络乘客对出租车的潜在需求，即为打车APP的下载量；W为乘客的平均等待时间，P为出租车平均运价，Q0为无补贴时使用APP的打车乘客数量。f(k′)算法如下：其中，n1、n2、n3均为补贴系数，可结合具体城市过去两年的使用APP的司机用户对于补贴金额的增长率表用MATLAB进行拟合得到。(3)打车成功率最大化：其中，bij为j时刻某地区内第i个需求圆内的打车成功率，sij为j时刻某地区内第i个需求圆内的空车书，dij为j时刻某地区内第i个需求圆内的乘客总需求量，n为某地区内需求圆的个数，需求圆包括该地区的医院、商业区、居民区、车站等人流密集地，根据不同的城市自行划定。本文档来自技高网...

【技术保护点】
基于多目标优化的出租车打车平台补贴方法，其特征在于，具体步骤如下：步骤1，服务端获取乘客发出的订单信息，并根据获取的订单信息和司机端维度进行司机端选取；步骤2，服务端根据所在城市及区域信息获取平台数据库中的相应数据，构建多目标优化模型；其中，多目标优化模型具体为：目标函数：min(k+k')max(Mμ(k)+Nf(k'))

【技术特征摘要】
1.基于多目标优化的出租车打车平台补贴方法，其特征在于，具体步骤如下：步骤1，服务端获取乘客发出的订单信息，并根据获取的订单信息和司机端维度进行司机端选取；步骤2，服务端根据所在城市及区域信息获取平台数据库中的相应数据，构建多目标优化模型；其中，多目标优化模型具体为：目标函数：min(k+k')max(Mμ(k)+Nf(k'))约束条件：式中，k为对乘客的补贴金额，k'为对司机的补贴金额，μ(k)为乘客用户增长倍率，f(k')为司机用户的增长倍率，M、N分别为乘客、司机每增加一个比率平台的收益，bij为j时刻某地区内第i个需求圆内的打车成功率，n为某地区内需求圆的个数，sij为j时刻某地区内第i个需求圆内的空车数，dij为j时刻某地区内第i个需求圆内的乘客总需求量；步骤3，求解步骤2中的多目标优化模型，得到最佳补贴方案；步骤4，服务端根据步骤3的补贴方案将对司机的补贴金额k'推送至司机端、对乘客的补贴金额k推送至乘客端。2.根据权利要求1所述的基于多目标优化的出租车打车平台补贴方法，其特...

【专利技术属性】
技术研发人员：马意彭，林勇康，石潇让，肖建，蔡志匡，
申请(专利权)人：南京邮电大学，南京邮电大学南通研究院有限公司，
类型：发明
国别省市：江苏,32