一种基于通勤场景下的私家车拼车匹配方法组成比例

本发明专利技术公开了一种基于通勤场景下的私家车拼车匹配方法，包括以下步骤：S1：获取早高峰时段的通勤车辆的出行数据并进行预处理；S2：根据用户的行驶路径起点划分所属小区；S3：构建拼车匹配模型；S4：利用遗传算法求解拼车匹配模型的输出最佳拼车匹配方案。本发明专利技术针对同一小区的用户以小区为起点通过获取用户出行数据并进行预处理，进行用户所属小区划分，构建拼车匹配模型并求解最佳拼车匹配方案，适用性强，匹配效果好。

【技术实现步骤摘要】
一种基于通勤场景下的私家车拼车匹配方法
本专利技术涉及智能交通
，更具体地，涉及一种基于通勤场景下的私家车拼车匹配方法。
技术介绍
城市交通拥堵会导致出行时间浪费、出行成本增加、交通事故增加、环境污染加剧等，严重阻碍城市化发展。目前交通拥堵问题已经成为我国最典型的城市病，尤其在早晚高峰时段，大多数通勤用户偏向于选择单独驾驶私家车出行，从而进一步加剧了拥堵。单独驾车所带来的私家车低利用率已经成为导致交通通行效率低下的重要因素之一，因此，拼车出行的模式应运而生。“拼车”(即拼乘私家车，也可称“合乘”)指私家小汽车驾驶人与其他2-4人共乘出行，通过减少小汽车空座率达到减少小汽车出行量与道路需求等目的的集体行为，是一种创新的交通出行方式。城市通勤用户具有多用户、高频、固定线路等特点，是适用于拼车出行的强需求场景。现有技术中，曹斌等人提出一种高效的大规模多对多拼车匹配算法(曹斌,洪峰,王凯,等.Uroad:一种高效的大规模多对多拼车匹配算法[J].计算机研究与发展,2019,56(04):866-883.)，该算法支持多乘客与多司机本文档来自技高网...

【技术保护点】
1.一种基于通勤场景下的私家车拼车匹配方法，其特征在于，包括以下步骤：/nS1：获取早高峰时段的通勤车辆的出行数据并进行预处理；/nS2：根据用户的行驶路径起点划分所属小区；/nS3：构建拼车匹配模型；/nS4：利用遗传算法求解拼车匹配模型的最佳拼车匹配方案。/n

【技术特征摘要】
1.一种基于通勤场景下的私家车拼车匹配方法，其特征在于，包括以下步骤：
S1：获取早高峰时段的通勤车辆的出行数据并进行预处理；
S2：根据用户的行驶路径起点划分所属小区；
S3：构建拼车匹配模型；
S4：利用遗传算法求解拼车匹配模型的最佳拼车匹配方案。


2.根据权利要求1所述的一种基于通勤场景下的私家车拼车匹配方法，其特征在于，获取早高峰时段的通勤车辆的出行数据并进行预处理具体步骤为：
S101：选取连续n个工作日早高峰时段的出行数据，筛选出出行次数不少于m次的用户数据；
S102：数据重算，将出行数据中每个用户出行时间的平均值作为其常规出发时间，由常规出发时间计算用户的期望到达时间，期望到达时间按如下公式计算：



S103：通过步骤S102的处理得到新的出行数据集。


3.根据权利要求1所述的一种基于通勤场景下的私家车拼车匹配方法，其特征在于，所述工作日数目n和出行次数m均为正整数，n和m分别为5和3。


4.根据权利要求1所述的一种基于通勤场景下的私家车拼车匹配方法，其特征在于，用户行驶路径起点即为用户所属小区。


5.根据权利要求1所述的一种基于通勤场景下的私家车拼车匹配方法，其特征在于，构建拼车匹配模型具体步骤为：
S301：设置模型的限定条件，具体包括：
同一小区所有用户的出发点和目的地都是事先确定的，且出发点位置相同；
所有用户都将在约定的出发时间窗内达到出发点；
拼车前所有用户的出行方式均为单独驾驶私家车出行；
S302：定义集合，具体包括：N＝{0,1,2,...,n}节点集合，0表示上车点；N\{0}表示下车点集合；K＝{1,2,...,k}车辆集合；
S303：定义变量，具体包括：



车辆k到达i的时间tik
S304：定义模型参数，具体参数包括有：
dij表示下车点i到j的距离；
cd表示单位距离行驶成本；
cf表示车辆固定成本；
ti表示车辆到达i的时间；
Δt0表示出发时间差；
α表示可接受的最大时间阈值；
[ei,li]表示期望的到达时间窗；
[eei,lli]表示可接受的到达时间窗；
qi表示在i点的下车人数；
qk表示车辆k的最大载客量；
S305：构建数学模型，所述数学模型包括：目标函数和约束条件。


6.根据权利要求5所述的一种基于通勤场景下的私家车拼车匹配方法，其特征在于，所述目标函数表达式为：

【专利技术属性】
技术研发人员：水冰雪，何兆成，陈金邕，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44