基于二分图的共享网络司乘匹配方法组成比例

本申请公开了一种基于二分图的共享网络司乘匹配方法，包括：乘客提交合乘的请求并上传至云服务器，云服务器根据每个乘客的请求以及所述出租车集合中所有出租车的位置与载客信息，针对每一个乘客的请求筛选出满足出租车最大载客数约束并同时满足车上乘客与发出请求的乘客的时间约束的出租车，得到对应于每一个乘客的请求的候选出租车集合；对所有请求和所有候选出租车进行多对多匹配，得到出租车与请求的最优匹配，并根据匹配结果生成订单；对于未被接受的请求，云服务器对其循环进行匹配，直到所有的请求被接受或者没有出租车可满足请求约束为止。该方法能够适用于多乘客多车辆的多对多合乘匹配问题，可实质性地提高合乘率，减少交通污染。

Division multiplication matching method of shared network based on bipartite graph

【技术实现步骤摘要】
基于二分图的共享网络司乘匹配方法
本申请涉及计算机、交通运输
，特别涉及一种基于二分图的共享网络司乘匹配方法。
技术介绍
城市人口激增与日益增长的出行需求是造成城市交通拥堵的原因之一。近年来各地鼓励交通出行者使用公共交通服务。随着人工智能与自动驾驶技术的蓬勃发展，未来的交通方式将转变为以自动驾驶的出租车服务为主的共享交通模式。区别于传统的出租车，自动驾驶出租车系统必须依靠有效的合乘匹配算法，决定仍有空位的车辆与新乘客之间的匹配。现有的出租车动态合乘匹配方法有：《合乘动态匹配多级筛选方法》提出了一种三级匹配处理的合乘匹配方法，其中三层级分别是时间以及绕行约束、就近原则、用户喜好原则。第一二层级筛选出候选车辆集，第三层级进行匹配。其缺点在于：该专利根据用户喜好进行合乘匹配，但使用就近原则筛选候选集合的方法只能给用户提供局部选项。《面向出租车动态合乘的智能调度方法和系统》提出了一种基于效用函数的合乘候选集筛选方法，其中效用函数包括路径拓扑、乘车费用两方面的信息。该专利使用效用函数估计合乘概率筛选候选集，根据用户的选择进行合乘匹配。其缺点在于无法进一步达到合乘的整体最优。《一种出租车合乘匹配及付费方法》提出了以减轻价格的奖励方式的一种多人合乘思路，其缺点在于未给出实际可行的匹配方法和付费方法。《基于复杂路网的出租车合乘集群优化系统及其优化方法》提出了一种基于复杂路网的多目标合乘匹配方法。该方案包含了合乘的乘客绕行比例之和最小、合乘车辆行驶路程最短的目标函数、合乘匹配方案最大化三个目标函数，其求解方法是遗传算法。其缺点在于其求解算法属于一种搜索算法，并不能严格保证达到全局最优，且其变量较难用简单的数据结构进行表示。《Quantifyingthebenefitsofvehiclepoolingwithshareabilitynetworks》提出了一种基于乘客与乘客匹配的共享网络的共享合乘模型，可适用于两人与三人之间的合乘。与本方案相比，其缺点在于分类情况多，公式较多，计算量大，且三人之间合乘匹配的计算时间无法满足现实需要。上述方案主要提供了筛选合乘候选集的不同方法，并将用户选择作为匹配的依据，但未对合乘优化匹配方法进行进一步研究。根据用户的选择进行匹配的方法，仅仅适用于求解单个乘客或单个车辆的最优匹配情况，往往导致其他多名乘客无法得到理想的合乘方案，无法实现合乘的集群优化，达不到整体的最优化，未能有效提高合乘率。
技术实现思路
本申请的目的是提供一种基于二分图的共享网络司乘匹配方法，能够适用于多乘客多车辆的多对多合乘匹配问题，有实质性地提高车辆的合乘率，减少交通污染。为了实现上述任务，本申请采用以下技术方案：一种基于二分图的共享网络司乘匹配方法，包括以下步骤：乘客通过手持终端设备在出租车合乘预订系统中输入合乘的请求并上传至云服务器；云服务器收集一段时间内在设定区域内的所有乘客发起的合乘的请求，并搜寻所述设定区域内的所有拥有空位的出租车集合；根据每个乘客的请求以及所述出租车集合中所有出租车的位置与载客信息，分别针对每一个乘客的请求筛选出满足出租车最大载客数约束并同时满足车上乘客与发出请求的乘客的时间约束的出租车，得到对应于每一个乘客的请求的候选出租车集合；对所有请求和所有候选出租车进行多对多匹配，得到出租车与请求的最优匹配，并根据匹配结果生成订单；对于未被接受的请求，将被加入到未匹配集合；云服务器再对未匹配集合所有的请求循环进行匹配，直到所有的请求被接受或者没有出租车可满足请求约束为止。进一步地，所述合乘的请求包括出发地点、目的地点、出发时间、最晚到达时间、乘客数。进一步地，所述对所有请求和所有候选出租车进行多对多匹配，以及对未匹配集合所有的请求循环进行匹配时采用的算法为二分图最大匹配算法。进一步地，所述车上乘客与发出请求的乘客的时间约束，表示为：对于车上乘客在新乘客上车之前下车，即ew≤tr，时间约束为：对于车上乘客在新乘客下车之后下车，即ew≥er，时间约束为：对于车上乘客在新乘客上下车之间下车，即tr≤ew≤er，时间约束为：其中，ew表示出租车最晚到达时间，tr，er分别表示乘客的请求中设定的出发时间和最晚到达时间，or，ow分别表示请求出发地点和出租车当前所在位置，dr，dw分别表示请求的目的地点，出租车目的地，cuv表示地点u、v间的旅行时间，其中u、v表示or、ow、dr或dw。进一步地，若乘客的容忍值记为θ，表示乘客在起始点和目的地能够接受的最大延迟时间，令t′r＝tr+θ，e′w＝ew+θ，e′r＝er+θ，将它们代入时间约束条件公式，公式形式不变。进一步地，所述对所有请求和所有候选出租车进行多对多匹配，包括：将请求集合R中所有请求r与对应的候选出租车集合WC内出租车w的映射关系M转化为二分图B；其中，二分图的两个子集分别是请求集合R和有空车位的出租车集合W，二分图B的边则由请求集合R中所有请求r与对应候选集合W内出租车w的映射关系M组成，二分图B由左列的请求集合R和右列的出租车集合W以及连接左右顶点的映射M构成；利用图论的二分图最大匹配算法求解出最优匹配集。进一步地，所述将请求集合R中所有请求r与对应的候选出租车集合WC内出租车w的映射关系M转化为二分图B，包括：先将请求集合R中所有请求r对以列的方式置于一边，出租车集合W中所有出租车w以列的方式置于另一边，再利用请求r与候选出租车集合Wc的映射关系M，将请求r与对应的候选出租车进行连接，剔除未连接的对象，得到二分图B。进一步地，所述利用图论的二分图最大匹配算法求解出最优匹配集，包括：最优匹配集由边组成，集合中每个匹配代表新的请求r被对应的出租车w接受，可形成合乘关系，生成新的订单；根据最优匹配集中的每个匹配，更新对应的订单和出租车状态。本申请具有以下技术特点：1.提高车辆合乘率，进而提高车辆利用率。本申请通过手持终端设备上传需求信息，由云服务器将需求信息和供应信息进行汇总处理，并以最大匹配为目标建立优化模型，因此，本申请能够利用到实时的供需信息，再使用基于图论的方法进行优化匹配，提高了车辆的合乘率，进而大大提高了车辆的利用率。2.计算量较少，时间复杂度较低，能满足现实需求。一是将人与人之间的合乘匹配问题转化为人与车的合乘匹配问题，减少了计算量。对于人与人之间的合乘匹配，假设车辆上没有乘客，判断两个请求的起始点与目的地在时间上的相对位置情况需要三次比较，在相对位置确定之后判断两位乘客能否合乘最坏需要四次比较，共十二次比较。对于人与车的合乘匹配，由于车上有乘客，判断两请求起始点与目的地的相对位置需要三次比较，在相对位置确定之后判断两位乘客能否合乘最坏需要三次比较，共九次比较。减少了比较次数也即减少了计算量。二是继承了二分图最大匹配算法的优势。此类算法是一类在多项式时间内求解任务本文档来自技高网...

【技术保护点】
1.一种基于二分图的共享网络司乘匹配方法，其特征在于，包括以下步骤：/n乘客通过手持终端设备在出租车合乘预订系统中输入合乘的请求并上传至云服务器；/n云服务器收集一段时间内在设定区域内的所有乘客发起的合乘的请求，并搜寻所述设定区域内的所有拥有空位的出租车集合；根据每个乘客的请求以及所述出租车集合中所有出租车的位置与载客信息，分别针对每一个乘客的请求筛选出满足出租车最大载客数约束并同时满足车上乘客与发出请求的乘客的时间约束的出租车，得到对应于每一个乘客的请求的候选出租车集合；/n对所有请求和所有候选出租车进行多对多匹配，得到出租车与请求的最优匹配，并根据匹配结果生成订单；/n对于未被接受的请求，将被加入到未匹配集合；云服务器再对未匹配集合所有的请求循环进行匹配，直到所有的请求被接受或者没有出租车可满足请求约束为止。/n

【技术特征摘要】
1.一种基于二分图的共享网络司乘匹配方法，其特征在于，包括以下步骤：
乘客通过手持终端设备在出租车合乘预订系统中输入合乘的请求并上传至云服务器；
云服务器收集一段时间内在设定区域内的所有乘客发起的合乘的请求，并搜寻所述设定区域内的所有拥有空位的出租车集合；根据每个乘客的请求以及所述出租车集合中所有出租车的位置与载客信息，分别针对每一个乘客的请求筛选出满足出租车最大载客数约束并同时满足车上乘客与发出请求的乘客的时间约束的出租车，得到对应于每一个乘客的请求的候选出租车集合；
对所有请求和所有候选出租车进行多对多匹配，得到出租车与请求的最优匹配，并根据匹配结果生成订单；
对于未被接受的请求，将被加入到未匹配集合；云服务器再对未匹配集合所有的请求循环进行匹配，直到所有的请求被接受或者没有出租车可满足请求约束为止。


2.根据权利要求1所述的基于二分图的共享网络司乘匹配方法，其特征在于，所述合乘的请求包括出发地点、目的地点、出发时间、最晚到达时间、乘客数。


3.根据权利要求1所述的基于二分图的共享网络司乘匹配方法，其特征在于，所述对所有请求和所有候选出租车进行多对多匹配，以及对未匹配集合所有的请求循环进行匹配时采用的算法为二分图最大匹配算法。


4.根据权利要求1所述的基于二分图的共享网络司乘匹配方法，其特征在于，所述车上乘客与发出请求的乘客的时间约束，表示为：
对于车上乘客在新乘客上车之前下车，即ew≤tr，时间约束为：



对于车上乘客在新乘客下车之后下车，即ew≥er，时间约束为：



对于车上乘客在新乘客上下车之间下车，即tr≤ew≤er，时间约束为：



其中，ew表示出租车最晚到达时间，tr，er分别表示乘客的请求中设定的出发时间和最晚到达时间，or，ow分别表示...

【专利技术属性】
技术研发人员：曾伟良，林炯城，林坤新，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44