[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711099645.5
• 申請日: 2017-11-09
• 公開（公告）號(hào): CN107832887A
• 公開（公告）日: 2018-03-23
• 發(fā)明（設(shè)計(jì)）人: 牛高遠(yuǎn);李彩生;曹智慧;韓海倫;齊曉祥;劉向立;單棟梁;李香龍;陳振;袁瑞銘;鐘侃;姜振宇;沈宇
• 申請（專利權(quán)）人: 許繼電源有限公司;許繼電氣股份有限公司;許繼集團(tuán)有限公司;國網(wǎng)北京市電力公司;國網(wǎng)冀北電力有限公司;國家電網(wǎng)公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q30/06;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 鄭州睿信知識(shí)產(chǎn)權(quán)代理有限公司41119
• 代理人: 陳浩

1.一種基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策方法，其特征在于，包括以下步驟：

(1)獲取設(shè)定數(shù)量的訓(xùn)練樣本對，各訓(xùn)練樣本對包括輸入訓(xùn)練樣本和對應(yīng)的輸出值，輸入訓(xùn)練樣本包括以下輸入?yún)⒘浚寒?dāng)前位置、始發(fā)位置、終點(diǎn)位置、能接受的最近取車點(diǎn)距離范圍、能接受的最高起步價(jià)、最高每公里或每小時(shí)的單價(jià)、節(jié)假日價(jià)格優(yōu)惠比例、最高時(shí)速、最低時(shí)速、舒適度、車型、座位數(shù)和顏色，輸出值包括以下輸出參量：最近的取車點(diǎn)位置、最喜歡的車型、最優(yōu)的駕駛路線、最經(jīng)濟(jì)的消費(fèi)總價(jià)和終點(diǎn)還車點(diǎn)位置；

(2)建立BP神經(jīng)網(wǎng)絡(luò)，利用各訓(xùn)練樣本對對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，以得到智能尋優(yōu)決策模型；

(3)將待檢測的輸入?yún)⒘枯斎氲街悄軐?yōu)決策模型中，以得到對應(yīng)的最近的取車點(diǎn)位置、最喜歡的車型、最優(yōu)的駕駛路線、最經(jīng)濟(jì)的消費(fèi)總價(jià)和終點(diǎn)還車點(diǎn)位置。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策方法，其特征在于，獲取設(shè)定數(shù)量的修正樣本對，各修正樣本對包括輸入修正樣本和對應(yīng)的輸出期望值，輸入修正樣本包括以下輸入?yún)⒘浚寒?dāng)前位置、始發(fā)位置、終點(diǎn)位置、能接受的最近取車點(diǎn)距離范圍、能接受的最高起步價(jià)、最高每公里或每小時(shí)的單價(jià)、節(jié)假日價(jià)格優(yōu)惠比例、最高時(shí)速、最低時(shí)速、舒適度、車型、座位數(shù)和顏色，輸出期望值包括以下輸出參量：最近的取車點(diǎn)位置、最喜歡的車型、最優(yōu)的駕駛路線、最經(jīng)濟(jì)的消費(fèi)總價(jià)和終點(diǎn)還車點(diǎn)位置；利用各修正樣本對對得到的智能尋優(yōu)決策模型進(jìn)行修正，使模型的實(shí)際輸出值與對應(yīng)的輸出期望值之間的誤差在設(shè)定范圍內(nèi)。

3.根據(jù)權(quán)利要求1或2所述的基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策方法，其特征在于，在利用各訓(xùn)練樣本對對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練之前，對各種輸入?yún)⒘窟M(jìn)行歸一化處理。

4.根據(jù)權(quán)利要求2所述的基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，設(shè)定輸入層任一神經(jīng)元到隱含層任一神經(jīng)元之間的連接權(quán)值為第一連接權(quán)值，設(shè)定隱含層任一神經(jīng)元到輸出層任一神經(jīng)元之間的連接權(quán)值為第二連接權(quán)值，設(shè)定隱含層任一神經(jīng)元的閾值為第一閾值，設(shè)定輸出層任一神經(jīng)元的閾值為第二閾值；在修正智能尋優(yōu)決策模型過程中，當(dāng)根據(jù)修正樣本對中的輸入修正樣本得到的實(shí)際輸出值與對應(yīng)的輸出期望值之間的誤差在設(shè)定范圍之外時(shí)，將誤差值反向傳播至輸入層，并修正所述第一連接權(quán)值、第二連接權(quán)值、第一閾值和第二閾值，直至誤差在設(shè)定范圍內(nèi)。

5.根據(jù)權(quán)利要求1或2所述的基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策方法，其特征在于，將輸入訓(xùn)練樣本中的能接受的最近取車點(diǎn)距離范圍、能接受的最高起步價(jià)、最高每公里或每小時(shí)的單價(jià)、節(jié)假日價(jià)格優(yōu)惠比例、最高時(shí)速、最低時(shí)速、舒適度、車型、座位數(shù)和顏色十種參量分為四種類型，分別是：

效益型數(shù)據(jù)，涉及到的輸入?yún)⒘繛楣?jié)假日價(jià)格優(yōu)惠比例；

成本型數(shù)據(jù)，涉及到的輸入?yún)⒘繛槟芙邮艿淖罱≤圏c(diǎn)距離范圍、能接受的最高起步價(jià)、最高每公里或每小時(shí)的單價(jià)；

區(qū)間型數(shù)據(jù)，涉及到的輸入?yún)⒘繛樽罡邥r(shí)速、最低時(shí)速和座位數(shù)；

定性數(shù)據(jù)，涉及到的輸入?yún)⒘繛槭孢m度、車型和顏色；

對上述四種類型的輸入?yún)⒘堪凑諏?yīng)的歸一化方法進(jìn)行歸一化處理。

6.一種基于神經(jīng)網(wǎng)絡(luò)的共享汽車智能尋優(yōu)決策系統(tǒng)，其特征在于，包括用于執(zhí)行以下智能尋優(yōu)決策策略的智能尋優(yōu)決策模塊：

(1)獲取設(shè)定數(shù)量的訓(xùn)練樣本對，各訓(xùn)練樣本對包括輸入訓(xùn)練樣本和對應(yīng)的輸出值，輸入訓(xùn)練樣本包括以下輸入?yún)⒘浚寒?dāng)前位置、始發(fā)位置、終點(diǎn)位置、能接受的最近取車點(diǎn)距離范圍、能接受的最高起步價(jià)、最高每公里或每小時(shí)的單價(jià)、節(jié)假日價(jià)格優(yōu)惠比例、最高時(shí)速、最低時(shí)速、舒適度、車型、座位數(shù)和顏色，輸出值包括以下輸出參量：最近的取車點(diǎn)位置、最喜歡的車型、最優(yōu)的駕駛路線、最經(jīng)濟(jì)的消費(fèi)總價(jià)和終點(diǎn)還車點(diǎn)位置；

(2)建立BP神經(jīng)網(wǎng)絡(luò)，利用各訓(xùn)練樣本對對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行迭代訓(xùn)練，以得到智能尋優(yōu)決策模型；

(3)將待檢測的輸入?yún)⒘枯斎氲街悄軐?yōu)決策模型中，以得到對應(yīng)的最近的取車點(diǎn)位置、最喜歡的車型、最優(yōu)的駕駛路線、最經(jīng)濟(jì)的消費(fèi)總價(jià)和終點(diǎn)還車點(diǎn)位置。