一种基于最小等待时间的最短路径拼车调度方法技术

本发明专利技术公开了一种基于最小等待时间的最短路径拼车调度方法。本发明专利技术首先根据历史订单记录预测未来多个时间段内各个地区的订单数量，再将当前时间段的各个地区的未分配订单、未匹配司机和已匹配的司机列出来做为三个数据集。根据排队理论分析得出的空闲时间间隔作为未来某时刻某地区的出租车需求量。将空闲时间间隔作为相邻地区未分配订单和未匹配司机的评价指标来匹配，最后，将已匹配司机中目的地有较高的空闲时间间隔的与未分配订单中有较低的空闲时间间隔的进行匹配，对司机原来目的地进行修正。通过本发明专利技术所述的方法，司机可以接到更多的乘客，在路上的空车时间更加少，同时司机的工资还会随着空车时间减少而增加，平台的总体收益也会变多。平台的总体收益也会变多。平台的总体收益也会变多。

【技术实现步骤摘要】
一种基于最小等待时间的最短路径拼车调度方法


[0001]本专利技术属于时空众包的车辆调度领域，具体涉及一种基于最小等待时间的最短路径拼车调度方法。

技术介绍

[0002]移动设备的普及和无线网络的稳定使人们可以随时随地的通过在线服务进行通信。空间众包也在众包类别中日益流行，其中任务具有时空性，必须在特定的地点和时间完成。其中网约车是时空众包的重要应用，由于出租车与乘客的相遇带着偶然性，打车平台也因此而出现，司机与乘客可以在线上进行匹配，司机因此获得金钱收益，乘客可以更快的上车，同时缓解了交通压力，如何将司机和乘客匹配是该平台的研究重点之一。
[0003]虽然打车平台日趋完善，但依旧会有乘客需要等待较长时间才能得到服务，而司机也不能马上就接到需要服务的乘客(即司机会有大量的空车时间)。为了缓解这个问题，学者研究了车辆调度及车辆需求预测，通过预测未来对出租车的需求，对车辆进行调度，做到更高效率的匹配。虽然这方面的研究缓解了这个问题，但依旧有一定缺陷；比如，在某时刻T1，区域A1中乘客和司机的数量相同，那么所有的乘客和司机都会进行匹配，但乘客的目的地的各不相同，有的目的地可能在闹市，有的可能在郊区，跑到郊区的司机将会面临难以匹配乘客的情况，往往需要较长时间才能匹配到，或者自行开往闹市区，这将导致司机有大量的空车时间，因此研究一种基于最小等待时间的最短路径拼车调度方法对出租车平台具有十分重大的意义。

技术实现思路

[0004]针对目前打车平台中司机和乘客的分布不均匀导致的司机和乘客难以匹配的问题，本专利技术提供了一种基于最小等待时间的最短路径拼车调度方法，通过车辆调度来平衡司机和乘客的分布。
[0005]本专利技术包含以下步骤：
[0006](1)根据历史订单信息预测未来多个时间段内每个地区的订单数量,预测后的数据将作为车辆调度的依据；
[0007](2)将当前时间段的每个地区的未分配订单、未匹配司机和已匹配的司机列出，做为三个集合；
[0008](3)根据排队理论分析得出的空闲时间间隔作为未来某时刻某地区的出租车需求量，将空闲时间间隔与订单目的地的距离作为相邻地区未分配订单和未匹配司机的评价指标来匹配；
[0009](4)将已匹配司机中目的地有较高的空闲时间间隔的与未分配订单中有较低的空闲时间间隔的进行匹配，对司机原来目的地进行修正；
[0010](5)下一时间段变为当前时间段，重复步骤(2)
‑
(4)，直到下一时间段超过设置的时间段。
[0011]本专利技术的有益效果：
[0012]本专利技术先用排队理论框架接到每个司机的第一个乘客，之后根据排队理论分析得出的空闲时间间隔作为未来某时刻某地区的出租车需求量(即在该地区接到下一个乘客的可能等待时间)。将已匹配乘客且目的地需求较少的司机与乘客中目的地需求最高的订单(即最小等待时间的订单)进行匹配，对司机原来目的地进行修正，让司机可以到出租车需求量大的地区，只需等待较短的时间便可以接到乘客。同时采用最短路径来规划司机的行车路线，尽可能小的影响到第一个乘客的体验。
[0013]通过本专利技术所述的方法，司机送完最后一个乘客后可以更快的接到乘客，服务更多的乘客，在路上的空车时间更加少，同时司机的工资还会随着空车时间减少而增加，平台的总体收益也会变多。总之，本专利技术将同时惠及乘客、司机和平台。
附图说明
[0014]图1为原理示意图。
具体实施方式
[0015]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。
[0016]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似推广，因此本专利技术不受下面公开的具体实施例的限制。
[0017]如图1所示，一种基于最小等待时间的最短路径拼车调度方法，该方法包含以下步骤：
[0018](1)根据历史订单信息预测未来多个时间段内每个地区的订单数量,预测后的数据将作为车辆调度的依据；
[0019](2)将当前时间段的每个地区的未分配订单、未匹配司机和已匹配的司机列出来，构成三个集合；
[0020](3)根据排队理论分析得出的空闲时间间隔作为未来某时刻某地区的出租车需求量；将空闲时间间隔与订单目的地的距离作为相邻地区未分配订单和未匹配司机的评价指标来匹配；
[0021](4)将已匹配司机中目的地有较高的空闲时间间隔的与未分配订单中有较低的空闲时间间隔的进行匹配，对司机原来目的地进行修正，也就说司机最终会停在需求量更多的地方，司机可以更快的匹配到新的乘客；
[0022](5)下一时间段变为当前时间段，重复步骤(2)
‑
(4)，直到下一时间段超过设置的时间段。
[0023]在某一实施例中，步骤(1)中包含以下步骤：
[0024](1
‑
1)将历史订单信息x以数据集的形式放到Deep ST模型中进行训练学习，该数据集包括接送出租车区域、时间戳和乘客数量。Deep ST模型是一个神经网络，输出结果为一个矩阵，横坐标为未来某时间戳，纵坐标为不同的接送出租车区域，矩阵中的数值为乘客数量。
[0025](1
‑
2)可注入噪声，增加训练难度，防止过拟合。
[0026]在某一实施例中，步骤(2)中包含以下步骤：
[0027](2
‑
1)首先，给出订单数据集orders，包含的数据有多个订单，每个订单有上下车位置、发布订单的时间和乘客数量以及愿意等待的时间(如果匹配时间大于愿意等待时间，乘客将会离开平台)，对订单数据集orders进行遍历，将已匹配订单和超过愿意等待时间的订单去除得到新的orders数据集。
[0028](2
‑
2)由于现实情况中并不能知道未来具体有哪些订单，所以仅取当前时间段的订单作为数据集，遍历新的orders数据集，将当前时间段的订单数据取出来得到数据集CurrentOrders。
[0029](2
‑
3)同时，需要实时更新司机的位置信息，即更新drivers数据集中的数据，其中drivers数据集是多个司机的信息数据，每个司机都会有个一个路径R
i
＝[L1,L2,
…
，L
n
]，该路径由司机所接多个订单的上下车位置决定，L
n
＝[地点，到达该地点的时间，当时车上的乘客数量]，其中L2,
…
，L
n
由地点和到达该地点的时间以及乘客的数量组成(L2,
…
，L
n
中的地点是接下来会经过的关键地点)，L1中的地点和时间是当前的位置和当前时间以及当前乘客的数量。
[0030](2
‑
4)由于已匹配的司机和未匹配的司机采用不同的策略匹配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最小等待时间的最短路径拼车调度方法，其特征在于，包含以下步骤：(1)根据历史订单信息预测未来多个时间段内每个地区的订单数量,预测后的数据将作为车辆调度的依据；(2)将当前时间段的每个地区的未分配订单、未匹配司机和已匹配的司机列出，做为三个集合；(3)根据排队理论分析得出的空闲时间间隔作为未来某时刻某地区的出租车需求量，将空闲时间间隔与订单目的地的距离作为相邻地区未分配订单和未匹配司机的评价指标来匹配；(4)将已匹配司机中目的地有较高的空闲时间间隔的与未分配订单中有较低的空闲时间间隔的进行匹配，对司机原来目的地进行修正；(5)下一时间段变为当前时间段，重复步骤(2)
‑
(4)，直到下一时间段超过设置的时间段。2.根据权利要求1所述的一种基于最小等待时间的最短路径拼车调度方法，其特征在于，步骤(1)具体是：将历史订单信息x以数据集的形式放到Deep ST模型中进行训练学习，该数据集包括接送出租车区域、时间戳和乘客数量；所述Deep ST模型是一个神经网络，输出结果为一个矩阵，其中矩阵横坐标为未来某时间戳，矩阵纵坐标为不同的接送出租车区域，矩阵中的数值为乘客数量。3.根据权利要求1所述的一种基于最小等待时间的最短路径拼车调度方法，其特征在于，步骤(1)具体是：步骤(2)包含以下步骤：(2
‑
1)给出订单数据集orders，对所述订单数据集orders进行遍历，将已匹配订单和超过愿意等待时间的订单去除，得到新的orders数据集；(2
‑
2)取当前时间段的订单作为数据集，遍历新的orders数据集，将当前时间段的订单数据取出来得到数据集CurrentOrders；(2
‑
3)利用drivers数据集实时更新司机的位置信息；所述的drivers数据集含有多个司机的信息数据；(2
‑
4)遍历drivers数据集，将未匹配的司机和已匹配但刚好完成最后一个订单的司机取出来，得到数据集unMatchedDrivers；遍历drivers数据集，将已匹配司机取出来，得到数据集MatchedDrivers。4.根据权利要求1所述的一种基于最小等待时间的最短路径拼车调度方法，其特征在于，步骤(2
‑
3)具体包括以下步骤：(a)首先遍历drivers数据集并更新，在该数据集中每个司机都有一个路径R
i
＝[L1,L2,
…
，L
n
]，该路径由司机所接多个订单的上下车位置决定；其中L
n
＝[地点，到达该地点的时间，当时车上的乘客数量]，L2,
…
，L
n
由地点和到达该地点的时间以及乘客的数量组成，而L1中的地点和时间是当前的位置和当前时间以及当前乘客的数量；如果|R
i
|＝1表示该司机没有接到乘客，就进入步骤(b)；如果|R
i
|>1表示该司机已经接到乘客，就进入步骤(c)；(b)如果司机待着原地不动，则将时间变更为当前的时间，否则更新相应的位置和时
间；(c)更新L1中的时间：如果L1中的时间大于等于L2中的时间，则去除L1，将L2变为L1，依次变更直到将L
n
变为L
n
‑1；如果L1中的时间小于L2中的时间，则更新L1中的时间和地点，先用最短路径计算L1的位置到L2的位置的路径，再根据当前时间、L1到L2的时间计算具体的当前位置作为L1中地点。5.根据权利要求3或4所述的一种基于最小等待时间的最短路径拼车调度方法，其特征在于，步骤(3)包括以下步骤：(3
‑
1)从数据集unMatchedDrivers中选出一个司机D
j
，依次将数据集CurrentOrders中的订单O
k
与该司机配对；如果司机到订单的起始位置花费的时间小于订单的愿意等待的时间，则构成一组有效的订单和司机调度对；如果没有有效的订单和司机调度对，则跳过该...

【专利技术属性】
技术研发人员：丁鑫怡，刘倍余，方毅立，韩焘，刘东升，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：