一种基于神经网络算法的社区交通共享方法及系统技术方案

本申请实施例提供一种基于神经网络算法的社区交通共享方法和系统，包括：社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集；对共享基础数据集中的学生就读班级信息和家长工作单位信息进行相似度比较，建立每个家庭的学生就读班级信息和家长工作单位相似度索引表；将学生就读班级信息和家长工作单位信息通过神经网络算法，得到交通共享预搭配输出；如果交通共享预搭配输出超过指定阈值，向提供车辆的家庭和需要用车的家庭同时发送社区交通共享推荐，询问是否进行时间折衷操作。本申请通过结合神经网络算法和社区交通共享现实需求，提高了社区交通共享的准确度和效率。

A method and system of community traffic sharing based on neural network algorithm

【技术实现步骤摘要】
一种基于神经网络算法的社区交通共享方法及系统
本申请涉及机器学习及社区共享交通领域，尤其涉及一种基于神经网络算法的社区交通共享方法及系统。
技术介绍
目前社区中车辆越来越多，早晚高峰时车辆进出社区大量拥堵。其实，社区中早晚进出车辆主要分为两大类，上班和上学。上班方面，同一社区，尤其是老式社区中住户的工作单位往往距离很近，甚至是同一单位；上学方面，由于目前大部分城市实行的是就近入学政策，同一社区中学生的学校往往相同；更进一步，很多家长的行车路线一般是先将小孩送至学校，再去工作单位上班，因此，社区中大部分人员的目的地出现重合，而大部分车辆并没有完全坐满，可以考虑多个家庭公用一辆的方式，既缓解了社区早晚高峰交通压力，解决了限行造成的家庭用车压力，还可以实现绿色节能环保。目前的顺风车技术虽然一定程度地解决了该问题，但是，顺风车并没有针对社区用车的主要对象为学生和家长的特点进行处理，准确度和效率都不是很理想；也没有适应社区出行中对时间、空间以及邻里信任关系的考虑。
技术实现思路
有鉴于此，本申请的目的在于提出一种基于神经网络算法的社区交通共享方法及系统，结合社区节能管理实践经验，解决目前社区节能控制过程中，用户准确度不高、效率低下及智能程度低的技术问题。基于上述目的，本申请提出了一种基于神经网络算法的社区交通共享方法，包括：社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集；对所述共享基础数据集中的所述学生就读班级信息和所述家长工作单位信息进行相似度比较，建立每个家庭的学生就读班级信息和家长工作单位相似度索引表；按照能够共享车辆的时间范围，将家庭车辆信息提交至社区交通共享中心；按照家庭需要共享的时间范围，将家庭用车信息提交至社区交通共享中心，形成供需基础数据集；按照所述相似度索引表中相似度降序排列，将所述共享基础数据集和所述供需基础数据集中的数据导入神经网络中进行学习，进入稳态后，返回最优匹配交通共享搭配。将所述共享基础数据集中的所述学生就读班级信息和家长工作单位信息通过神经网络算法，得到交通共享预搭配输出；如果所述交通共享预搭配输出超过指定阈值，向提供车辆的家庭和需要用车的家庭同时发送社区交通共享推荐，询问是否进行时间折衷操作。在一些实施例中，社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集，包括：按照层次分解方法，将所述班级信息按照学生就读的学校、年级和班级进行分解，并按层次方式进行存储；将所述家长工作单位信息以单个家长为单位，分解为多组家长工作单位信息。在一些实施例中，对所述共享基础数据集中的所述学生就读班级信息和所述家长工作单位信息进行相似度比较，包括：其中，i和j分别为第i个家庭和第j个家庭，Sim(i，j)为第i个家庭和第j个家庭的相似度，C(i，j)为第i个家庭和第j个家庭的学生就读班级信息对应的用车时间集合，P(i，j)为第i个家庭和第j个家庭的家长工作单位信息对应的用车时间集合。在一些实施例中，按照能够共享车辆的时间范围，将家庭车辆信息提交至社区交通共享中心；按照家庭需要共享的时间范围，将家庭用车信息提交至社区交通共享中心，包括：设定共享时间容差区间，当能够共享车辆的时间范围在所述共享容差区间范围内时，确定为同一共享时间范围；设定需求容差区间，当用车时间在所述需求容差区间范围时，确定为同一用车时间范围。在一些实施例中，将所述共享基础数据集和所述供需基础数据集中的数据导入神经网络中进行学习，进入稳态后，返回最优匹配交通共享搭配，包括：初始化所述神经网络；将所述共享基础数据集导入所述神经网络进行训练，为每个家庭形成第一匹配结果；根据每个家庭的供需差异特点，建立二次调优模型，对所述第一匹配结果进行调优，形成所述最优匹配交通共享搭配。基于上述目的，本申请还提出了一种基于神经网络算法的社区交通共享系统，包括：基础模块，用于社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集；比较模块，用于对所述共享基础数据集中的所述学生就读班级信息和所述家长工作单位信息进行相似度比较，建立每个家庭的学生就读班级信息和家长工作单位相似度索引表；供需模块，用于按照能够共享车辆的时间范围，将家庭车辆信息提交至社区交通共享中心；按照家庭需要共享的时间范围，将家庭用车信息提交至社区交通共享中心，形成供需基础数据集；匹配模块，用于按照所述相似度索引表中相似度降序排列，将所述共享基础数据集和所述供需基础数据集中的数据导入神经网络中进行学习，进入稳态后，返回最优匹配交通共享搭配。预搭配模块，用于将所述共享基础数据集中的所述学生就读班级信息和家长工作单位信息通过神经网络算法，得到交通共享预搭配输出；推荐模块，用于如果所述交通共享预搭配输出超过指定阈值，向提供车辆的家庭和需要用车的家庭同时发送社区交通共享推荐，询问是否进行时间折衷操作。在一些实施例中，所述基础模块包括：学生信息单元，用于按照层次分解方法，将所述班级信息按照学生就读的学校、年级和班级进行分解，并按层次方式进行存储；家长信息单元，用于将所述家长工作单位信息以单个家长为单位，分解为多组家长工作单位信息。在一些实施例中，所述供需模块，包括：共享容差单元，用于设定共享时间容差区间，当能够共享车辆的时间范围在所述共享容差区间范围内时，确定为同一共享时间范围；需求容差单元，用于设定需求容差区间，当用车时间在所述需求容差区间范围时，确定为同一用车时间范围。在一些实施例中，所述匹配模块，包括：网络初始单元，用于初始化所述神经网络；第一匹配单元，用于将所述共享基础数据集导入所述神经网络进行训练，为每个家庭形成第一匹配结果；调优单元，用于根据每个家庭的供需差异特点，建立二次调优模型，对所述第一匹配结果进行调优，形成所述最优匹配交通共享搭配。基于上述目的，本申请还提出了一种计算机可读介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现上述方法中任一所述的方法。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1示出根据本专利技术实施例的基于神经网络算法的社区交通共享方法的流程图。图2示出根据本专利技术实施例的示出根据本专利技术实施例的基于神经网络算法的社区交通共享系统的构成图。图3示出根据本专利技术实施例的基础模块的构成图。图4示出根据本专利技术实施例的供需模块的构成图。图5示出根据本专利技术实施例的匹配模块的构成图。具体实本文档来自技高网...

【技术保护点】
1.一种基于神经网络算法的社区交通共享方法，其特征在于，包括：/n社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集；/n对所述共享基础数据集中的所述学生就读班级信息和所述家长工作单位信息进行相似度比较，建立每个家庭的学生就读班级信息和家长工作单位相似度索引表；/n按照能够共享车辆的时间范围，将家庭车辆信息提交至社区交通共享中心；按照家庭需要共享的时间范围，将家庭用车信息提交至社区交通共享中心，形成供需基础数据集；/n按照所述相似度索引表中相似度降序排列，将所述共享基础数据集和所述供需基础数据集中的数据导入神经网络中进行学习，进入稳态后，返回最优匹配交通共享搭配。/n将所述共享基础数据集中的所述学生就读班级信息和家长工作单位信息通过神经网络算法，得到交通共享预搭配输出；/n如果所述交通共享预搭配输出超过指定阈值，向提供车辆的家庭和需要用车的家庭同时发送社区交通共享推荐，询问是否进行时间折衷操作。/n

【技术特征摘要】
1.一种基于神经网络算法的社区交通共享方法，其特征在于，包括：
社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集；
对所述共享基础数据集中的所述学生就读班级信息和所述家长工作单位信息进行相似度比较，建立每个家庭的学生就读班级信息和家长工作单位相似度索引表；
按照能够共享车辆的时间范围，将家庭车辆信息提交至社区交通共享中心；按照家庭需要共享的时间范围，将家庭用车信息提交至社区交通共享中心，形成供需基础数据集；
按照所述相似度索引表中相似度降序排列，将所述共享基础数据集和所述供需基础数据集中的数据导入神经网络中进行学习，进入稳态后，返回最优匹配交通共享搭配。
将所述共享基础数据集中的所述学生就读班级信息和家长工作单位信息通过神经网络算法，得到交通共享预搭配输出；
如果所述交通共享预搭配输出超过指定阈值，向提供车辆的家庭和需要用车的家庭同时发送社区交通共享推荐，询问是否进行时间折衷操作。


2.根据权利要求1所述的方法，其特征在于，社区中每个参与交通共享的家庭将学生就读班级信息和家长工作单位信息提交至社区交通共享中心，形成共享基础数据集，包括：
按照层次分解方法，将所述班级信息按照学生就读的学校、年级和班级进行分解，并按层次方式进行存储；
将所述家长工作单位信息以单个家长为单位，分解为多组家长工作单位信息。


3.根据权利要求1所述的方法，其特征在于，对所述共享基础数据集中的所述学生就读班级信息和所述家长工作单位信息进行相似度比较，包括：



其中，i和j分别为第i个家庭和第j个家庭，Sim(i，j)为第i个家庭和第j个家庭的相似度，C(i，j)为第i个家庭和第j个家庭的学生就读班级信息对应的用车时间集合，P(i，j)为第i个家庭和第j个家庭的家长工作单位信息对应的用车时间集合。


4.根据权利要求1所述的方法，其特征在于，按照能够共享车辆的时间范围，将家庭车辆信息提交至社区交通共享中心；按照家庭需要共享的时间范围，将家庭用车信息提交至社区交通共享中心，包括：
设定共享时间容差区间，当能够共享车辆的时间范围在所述共享容差区间范围内时，确定为同一共享时间范围；
设定需求容差区间，当用车时间在所述需求容差区间范围时，确定为同一用车时间范围。


5.根据权利要求1所述的方法，其特征在于，将所述共享基础数据集和所述供需基础数据集中的数据导入神经网络中进行学习，进入稳态后，返回最优匹配交通共享搭配，包括：
初始化所述神经网络；
将所...

【专利技术属性】
技术研发人员：徐超，谢君，
申请(专利权)人：重庆特斯联智慧科技股份有限公司，
类型：发明
国别省市：重庆;50