一种出租车载客数量预测方法技术

本发明专利技术公开了一种出租车载客数量预测方法，包括以下步骤：1)对现有路网进行网格划分；2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立卷积神经网络，提取局部特征，输出路网网格的预测出租车载客数量；5)将预测出租车载客数量形成热点图发送给出租车驾驶员，为空载出租车提供路径行驶依据。本发明专利技术方法能够有效避免传统出租车司机自主判断的局限性和网约车公司热力图的模糊性和时效性不佳的缺点。

A Prediction Method for the Number of Taxi Passengers

【技术实现步骤摘要】
一种出租车载客数量预测方法
本专利技术涉及人工智能技术，尤其涉及一种出租车载客数量预测方法。
技术介绍
出租车作为城市交通工具的一部分，凭借着其方便快捷，在公众出行工具中占有重要地位。但出租车空载率居高不下，使驾驶员收益降低，难以维持正常的运营，严重阻碍了出租车行业的发展。解决这个问题的传统做法是出租车驾驶员凭借经验判断选择客源较多的道路，网约车公司也为部分网约出租车提供热点图。但这几种方法弊端较为明显，前者出租车司机经验判断具有一定的局限性，难以对客源热点区域进行准确的判断，特别是新手出租车司机，而后者时效性差，难以提供准确的客源分布，二者难以降低出租车空载率。而目前并没有相关的专利可以预测出租车客源，为出租车推荐合理路径，以降低出租车空载率。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种出租车载客数量预测方法。本专利技术解决其技术问题所采用的技术方案是：一种出租车载客数量预测方法，包括以下步骤：1)对现有路网进行网格划分，划分的原则为满足一个网格内仅有一条机动车道路；2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立三层卷积层的卷积神经网络，提取局部特征，输出路网网格的预测出租车载客数量；5)将预测出租车载客数量形成热点图发送给出租车驾驶员，为空载出租车提供路径行驶依据。按上述方案，所述步骤4)中卷积神经网络包括输入层、三层卷积层和输出层，数据输入为三维矩阵，其中包含经纬度水平的网格划分以及时间维度的时间段间隔，其中第一层卷积层包含5个3*3大小的卷积核，第二层包含10个5*5大小的卷积核，第三次包含5个3*3大小的卷积核。本专利技术产生的有益效果是：通过交通历史大数据，能有效预测区域载客数量，保证预测的时效性和科学性；能够有效避免传统出租车司机自主判断的局限性和网约车公司热力图的模糊性和时效性不佳的缺点；能够有效为驾驶员提供未来客源分布情况，能有效减低出租车空载率，提高驾驶员经济收益，促进出租车行业发展。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的路网网格化示意图；图2是本专利技术实施例的卷积神经网络结构示意图；图3是本专利技术实施例的方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图3，一种出租车载客数量预测方法，包括以下步骤：步骤1：路网网格化，尽量满足一个网格内仅有一条道路；如图1所示本实施例以武汉市出租车载客情况为例。将武汉路网划分为100m*100m的网格，尽量满足一个网格内仅有一条通行道路。步骤2：调查区域出租车平均接客间隔时间；利用交管局提供的数据调查武汉市出租车平均接客时间，即15分钟。步骤3：整理每个网格单位时间内的载客数量(单位时间即为出租车平均接客间隔时间)；统计每个网格单位时间内的载客数量θ，即15分钟内的出租车在该网格内的载客数量。步骤4：以预测时段前一时间段(前一月)的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立三层卷积层的卷积神经网络，如图2，提取局部特征，输出各路网网格的预测出租车载客数量。本实施例中卷积神经网络包括输入层、三层卷积层和输出层。数据输入为三维矩阵，其中包含经纬度水平的网格划分以及时间维度的时间段间隔。其中第一层卷积层包含5个(3*3)大小的卷积核，第二层包含10个(5*5)大小的卷积核，第三次包含5个(3*3)大小的卷积核。最终输出层采用全连接形式，不使用激活函数，直接进行订单数量预测。当数据输入神经网络后，在每个卷积层中，不同数量的卷积核按顺序在输入矩阵上滑动，通过卷积操作，进行数据特征提取并形成对应的特征图，特征图作为前一层卷积层的输出会成为下一层网络的输入，经过多次卷积，从而提取出不同维度的数据特征，在所有特征整合后，经过激活函数激活，可以得到该区域载客数量的特征分布，从而进行预测。其中S(x)即为Sigmoid函数，即Θ为卷积核中的参数值，b为偏置，i,j为卷积核中的大小，k为上层的特征图数量。本专利技术将卷积神经网络应用到出租车载客数量预测中，根据历史载客数量，预测区域载客数量，从而让驾驶员明确未来客源分布，以降低空载率。应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本专利技术所附权利要求的保护范围。本文档来自技高网...

【技术保护点】
1.一种出租车载客数量预测方法，其特征在于，包括以下步骤：1)对现有路网进行网格划分，划分的原则为满足一个网格内仅有一条机动车道路；2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立卷积神经网络，提取局部特征，输出路网网格的预测出租车载客数量；5)将预测出租车载客数量形成热点图发送给出租车驾驶员，为空载出租车提供路径行驶依据。

【技术特征摘要】
1.一种出租车载客数量预测方法，其特征在于，包括以下步骤：1)对现有路网进行网格划分，划分的原则为满足一个网格内仅有一条机动车道路；2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立卷积神经网络，提取局部特征，输出...

【专利技术属性】
技术研发人员：陈志军，汪勇飞，张晶明，马浩为，陈德鹏，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42