本发明专利技术公开了一种基于区域内订单供需关系的车辆派单方法，该方法主要包括以下步骤：步骤一：划分空间区域，并对区域内未来一段时间出现的订单数量进行预测；步骤二：结合预测的订单数量与司机数量，分析特定区域的订单供需关系并利用排队论分析司机在完成订单后的等待时间；步骤三：结合司机完成订单后的等待时间与订单里程数来分析订单的空闲率，根据空闲率来为司机派单以保证所有司机的总收益最大化。本发明专利技术还公开了一种基于区域内订单供需关系的司机派单系统。本发明专利技术在为司机分派订单时考虑到了未来的订单信息对当前派单的影响，能够最大化所有司机的总收益。能够最大化所有司机的总收益。能够最大化所有司机的总收益。
【技术实现步骤摘要】
一种基于区域内订单供需关系的车辆派单方法及派单系统
[0001]本专利技术属于智能算法
，涉及一种众包中的车辆派单方法，更为具体地讲，涉及一种基于区域内订单供需关系的车辆派单方法及派单系统。
技术介绍
[0002]随着移动互联网的大规模普及，人们的出行模式也逐渐发生着翻天覆地的变化。人们可以在一些打车平台上发布自己的订单信息，然后平台派遣司机前往乘客所在地将乘客送往目的地。因为乘客的耐心是有限的，他们在等待一段时间后可能会取消订单，选择其他的交通工具前往目的地。平台需要在乘客取消订单前，安排司机处理订单。平台需要合理的分派订单，尽可能地最大化所有司机的总收益。
[0003]在解决派单问题上，最常见的算法就是贪心算法。贪心算法每次在分配订单时，都会选择一个在当前贪心策略下的最优订单分配给司机。例如，当我们选择以最近邻作为贪心策略时，每当有司机完成当前订单准备接下一单或者刚准备接单时，就为他分派离他最近的一个订单；每当有新的订单出现时，就挑选离它最近的空闲的司机前来接单。同样的，当我们以最大化报酬作为贪心策略时，每次都要优先选择报酬最高的订单。批处理也是解决出租车派单问题常用方法之一。不同于贪心算法，批处理并不是在新的司机或新的订单出现时为司机分派订单，而是将连续的时间分成多个时间段，在每个时间段末尾为这个时间段新出现的订单和司机进行匹配。每个阶段的匹配可以使用二分图匹配方法，选择出收益最大的派单组合，然后为每个司机分派对应的订单。这种派单方法可以做到局部最优，保证每个时间段都能达到最大收益。
[0004]目前存在的几类派单算法有以下不足之处：首先这些工作只考虑了当下的订单，并没有结合未来的订单信息，导致无法获得全局最优解；其次，这些工作的优化目标在于尽可能地服务更多的订单，然而事实上不同的订单的收益是不同的，因此最大化服务订单的数量并不意味着最大化所有司机的总收益；最后，这些工作并没有考虑到区域内订单的供需关系对于派单的影响，当订单的目的地是一个订单供小于求的区域时，司机在完成订单后，将等待较长的一段时间才能接单下一份订单，这就间接性地降低了之前订单的价值。
技术实现思路
[0005]为了解决现有技术存在的不足，本专利技术的目的是提供一种基于区域内订单供需关系的车辆派单方法。通过使用深度学习模型来预测未来某一时间段某个区域的订单数量，然后结合计算得到的司机数量分析该区域的订单供需关系，继而通过排队论分析得到司机在完成订单后的期望等待时间。最后分析订单的空闲率作为区域内供需关系的指标来指导派单过程。
[0006]本专利技术的具体步骤包括如下：
[0007]步骤(1)、划分空间区域，并对区域内未来一段时间出现的订单数量进行预测；
[0008]步骤(2)、结合预测的订单数量与司机数量，分析特定区域的订单供需关系并利用
排队论分析司机在完成订单后的空载时间，所述空载时间是指司机完成订单后到接到下一个订单前所需要等待的时间；
[0009]步骤(3)、结合司机完成订单后的空载时间与订单里程数来分析订单的空闲率，所述空闲率指司机在接送乘客的过程中，空载时间占总时间的比值；根据空闲率来为司机派单以保证所有司机的总收益最大化；所述空闲率是指空载时间占空载时间+司机载客时间的比值。
[0010]本专利技术以一天为完整的派单周期，将一天中24小时分为多个时间段，在每个时间段结束时统一派遣空闲的司机处理当前时间段内生成的订单。
[0011]本专利技术所述步骤(1)中，根据预先设定好的网格参数n，将空间划分成一样大小的n
×
n个矩形网格，或者称为n
×
n个区域，保证每个网格或区域的边长大约为2公里；通过空间左上角顶点和右下角顶点经纬度的差计算出空间的长度和宽度，再将长度和宽度除以网格参数n计算出每个子区域矩形的长度和宽度。
[0012]本专利技术所述步骤(1)中，结合区域的历史订单数据，使用深度学习模型来预测给定时间段内区域的订单数量；通过当前区域司机数量再加上待预测时间段内所服务的订单的目的地是当前区域的司机数量得到这段时间区域内的司机数量。
[0013]本专利技术所述步骤(2)中，假定未来一段时间订单目的区域的司机生成速率为μ和订单生成速率为λ。如果μ大于λ，说明该区域订单的供小于求，司机的期望等待时间较长；反之，则说明订单的供大于求，司机的期望等待时间较短。
[0014]本专利技术所述在步骤(3)中，基于在司机接客时单位时间收益不变的情况下最大化司机的总收益等价于最小化司机的空载时间，也可等价于最小化司机的空闲率，提出了一种在每个时间段最小化总空闲率的利用局部搜索算法的司机派单方法；与现有的单纯面向空闲率的贪婪算法相比，本专利技术中的利用局部搜索算法的司机派单算法能够最大化所有司机的总收益。
[0015]本专利技术所使用的深度学习模型是DeepST，并通过纽约市的订单分布数据进行训练；订单分布数据包含以下几个信息：订单id，订单出现时间，订单完成时间，经度，纬度，订单收益，订单最大等待时间。
[0016]本专利技术提出的局部搜索算法将会先通过面向空闲率的贪心算法计算出一个候选的派单方案。因为对当前的订单进行分派会影响到司机到达订单目的地时该区域的司机数量，最终导致后续订单空闲率的计算出现偏差。因此，局部搜索算法会遍历候选派单方案中的每一个司机，为其选择空闲率更小的订单。
[0017]所述面向空闲率的贪婪算法会对每一个订单计算其空闲率，然后通过将订单按照空闲率从小到大进行排序，优先派遣可用的司机处理空闲率小的订单。在为订单分派司机的过程中，需要为订单分派离它尽可能近的订单。
[0018]本专利技术中对于一个订单而言，可用的司机代表当前时刻没有服务任何订单，且在距离目标订单不超过给定距离的司机；所述给定距离设置为两公里以内。
[0019]基于以上方法，本专利技术还提出了一种基于区域内订单供需关系的司机派单系统，所述系统包括：
[0020]区域划分模块，其用于对总预测区域进行划分；
[0021]预测模块，其用于预测一个区域未来某一时间段的订单数量和司机数量；
[0022]需求分析模块，其用于分析区域内订单的供求关系并预测司机的等待时间；
[0023]派单模块，在每个时间段结束使用派单算法调度空闲的司机去处理当前时间段生成的订单。
[0024]本专利技术与现有技术相比的有益效果包括：本专利技术使用的排队论方法与现有技术中使用的方法不同，现有技术仅能考虑司机数量原先与订单数量的情况，在实践中，例如在下雨天时，订单数量要远大于司机数量，不具有很强的可行性；而本专利技术则是分析所有可能情况，并对等待时间预测结果做了分析，在为司机分派订单时考虑到了未来的订单信息对当前派单的影响；结合订单目的地的供需关系，优先为司机分派空闲率较小的订单，减少司机在完成订单后的等待时间，同时结果表明通过排队论分析等待时间，具有较高的准确性；提出最小化司机的空载时间来作为优化目标，以最大化所有司机的总收益，结果表明本专利技术提出的局部搜索算法的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于区域内订单供需关系的车辆派单方法，其特征在于，包括以下步骤：步骤(1)、划分空间区域，并对区域内未来一段时间出现的订单数量进行预测；步骤(2)、结合预测的订单数量与司机数量，分析特定区域的订单供需关系并利用排队论分析司机在完成订单后的空载时间，所述空载时间是指司机完成订单后到接到下一个订单前所需要的时间；步骤(3)、结合司机完成订单后的空载时间与订单里程数来分析订单的空闲率，所述空闲率指司机在接送乘客的过程中，空载时间占总时间的比值；根据空闲率来为司机派单以保证所有司机的总收益最大化。2.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，所述车辆派单方法以一天为完整的派单周期，将一天中24小时分为多个时间段，在每个时间段结束时统一派遣空闲的司机处理当前时间段内生成的订单。3.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(1)中，所述划分空间区域是指根据预先设定好的网格参数n，将空间划分成一样大小的n
×
n个矩形网格或区域，使每个网格或区域的边长为2公里；通过空间左上角顶点和右下角顶点经纬度的差计算出空间的长度和宽度，再将长度和宽度除以网格参数n计算出每个子区域矩形的长度和宽度。4.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(1)中，所述订单数量的预测是指结合区域的历史订单数据，使用深度学习模型来预测给定时间段内区域的订单数量；通过当前区域司机数量再加上待预测时间段内所服务的订单的目的地是当前区域的司机数量得到这段时间区域内的司机数量。5.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(2)中，所述供需关系及司机等待时间分析是指假定未来一段时间订单目的区域的司机生成速率为μ和订单生成速率为λ；如果μ大于λ，说明该区域订单的供小于求，司机的期望等待时间较长；反之，则说明订单的供大于求，司机的期望等待时...
【专利技术属性】
技术研发人员：程鹏，金加宝，陈雷，林学民，郑立彬，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。