一种基于需求预测的城市出租车调度方法技术

本发明专利技术公开了一种基于需求预测的城市出租车调度方法，本发明专利技术对载客轨迹数据通过滤噪声数据进行数据预处理；通过二维卷积神经网络进行空间关联特征和时间周期规律的城市区域需求特征提取；结合城市区域出租车需求数目预测和出租车轨迹目的地预测，使用NSGA‑II算法对城市出租车进行调度。提高了预测准确率。本发明专利技术方法使得出租车在满足需求的情况下可以尽可能早的寻找到乘客，提高出租车运营效率、减少出租车调度时延。

A method of urban taxi scheduling based on demand forecasting

【技术实现步骤摘要】
一种基于需求预测的城市出租车调度方法
本专利技术涉及深度学习与轨迹数据挖掘，具体涉及一种基于需求预测的城市出租车调度方法。
技术介绍
随着城市发展进程的不断加速，交通拥堵问题已经成为城市亟待解决的问题。城市出租车作为位置浮动交通工具，为城市居民出行提供了巨大的便利，也为解决城市交通拥堵问题提供了新的解决方案。然后，城市出租车有着高空驶率、寻客难等问题，不仅会造成城市资源浪费和经济损失，而且会进一步加剧道路交通压力。为了解决高空驶率、寻客难的问题，研究学者提出出租车调度算法人工干预出租车寻客过程，以提高出租车运营效率，降低空驶率。已有的调度算法是依据出租车的实时需求和实时位置进行调度，调度过程中出租车由于需要时间从现有位置到达调度位置而产生调度时延。深度学习技术在图像和语音识别领域已经取得了巨大的成功，在车辆轨迹研究中也应用广泛。针对城市区域需求数量预测问题，长短期记忆神经网络有着较大的优势。通过该神经网络可以提取城市区域需求数据的时序依赖特性。但是现有的研究中没有充分考虑到出租车需求数据的时间规律特性和空间特性。目前，出本文档来自技高网...

【技术保护点】
1.一种基于需求预测的城市出租车调度方法，其特征在于，包括如下步骤：/n步骤1：对载客轨迹数据通过滤噪声数据进行数据预处理；/n步骤2：通过二维卷积神经网络进行空间关联特征和时间周期规律的城市区域需求特征提取；/n步骤3：结合城市区域出租车需求数目预测和出租车轨迹目的地预测，使用NSGA-II算法对城市出租车进行调度。/n

【技术特征摘要】
1.一种基于需求预测的城市出租车调度方法，其特征在于，包括如下步骤：
步骤1：对载客轨迹数据通过滤噪声数据进行数据预处理；
步骤2：通过二维卷积神经网络进...

【专利技术属性】
技术研发人员：熊盛武，程浩，段鹏飞，陆丽萍，路雄博，曹丹凤，
申请(专利权)人：武汉理工大学，武汉水象电子科技有限公司，
类型：发明
国别省市：湖北;42