【技术实现步骤摘要】
本专利技术属于车辆调度，具体涉及一种基于强化学习的出租车调度双目标优化方法及系统。
技术介绍
1、智慧城市交通系统随着城市化进程的不断推进而逐渐发展。出租车是城市居民出行交通系统中的重要一环，因其更加舒适的乘坐环境、更灵活的路径规划以及更具针对性的服务，有着相较于巴士、地铁等公共交通工具而言更大的优势，也是目前城市居民个性化出行的首选方式。然而，随着近年来城市人口的激增，城市居民的出行需求与可用出租车资源间的不平衡问题也日趋明显，这引发了社会对于出租车调度问题(taxi dispatching)的思考与讨论。
2、为了优化出租车调度，当前的出租车调度算法多为基于模型的调度方法，策略大多基于对现实车辆与乘客之间响应关系的建模，缺少了对车辆与乘客动态变化的考虑。且城市交通网络是一个复杂的系统，出租车调度优化的目标设定也是一个复杂的问题。一方面，从打车的乘客角度出发，我们需要考虑尽可能减少乘客的等待时间；另一方面，从出租车公司或司机的角度出发，我们需要考虑尽可能降低出租车的空驶率从而提高司机的收入。
技<本文档来自技高网...
【技术保护点】
1.一种基于强化学习的出租车调度双目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述虚拟城市环境的构建方法包括：
3.根据权利要求1所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述环境状态包括：乘客需求信息和出租车信息；
4.根据权利要求1所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述调度目标函数包括：乘客目标函数和司机目标函数；
5.根据权利要求3所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述马...
【技术特征摘要】
1.一种基于强化学习的出租车调度双目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述虚拟城市环境的构建方法包括：
3.根据权利要求1所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述环境状态包括：乘客需求信息和出租车信息；
4.根据权利要求1所述一种基于强化学习的出租车调度双目标优化方法，其特征在于，所述调度目标函数包括：乘客目标函数和司机目标函数；
5.根据权利要求3所述...
【专利技术属性】
技术研发人员：张凯，杨明博，董宇涵，曹阳，
申请(专利权)人：清华珠三角研究院，
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。