[發(fā)明專利]一種基于需求預(yù)測(cè)的城市出租車調(diào)度方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911214182.1
• 申請(qǐng)日: 2019-12-02
• 公開（公告）號(hào): CN110796317B
• 公開（公告）日: 2022-11-01
• 發(fā)明（設(shè)計(jì)）人: 熊盛武;程浩;段鵬飛;陸麗萍;路雄博;曹丹鳳
• 申請(qǐng)（專利權(quán)）人: 武漢理工大學(xué);武漢水象電子科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06;G06Q30/06;G06Q50/30
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 許蓮英

本發(fā)明公開了一種基于需求預(yù)測(cè)的城市出租車調(diào)度方法，本發(fā)明對(duì)載客軌跡數(shù)據(jù)通過濾噪聲數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；通過二維卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行空間關(guān)聯(lián)特征和時(shí)間周期規(guī)律的城市區(qū)域需求特征提取；結(jié)合城市區(qū)域出租車需求數(shù)目預(yù)測(cè)和出租車軌跡目的地預(yù)測(cè)，使用NSGA?II算法對(duì)城市出租車進(jìn)行調(diào)度。提高了預(yù)測(cè)準(zhǔn)確率。本發(fā)明方法使得出租車在滿足需求的情況下可以盡可能早的尋找到乘客，提高出租車運(yùn)營(yíng)效率、減少出租車調(diào)度時(shí)延。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)與軌跡數(shù)據(jù)挖掘，具體涉及一種基于需求預(yù)測(cè)的城市出租車調(diào)度方法。

背景技術(shù)

隨著城市發(fā)展進(jìn)程的不斷加速，交通擁堵問題已經(jīng)成為城市亟待解決的問題。城市出租車作為位置浮動(dòng)交通工具，為城市居民出行提供了巨大的便利，也為解決城市交通擁堵問題提供了新的解決方案。然后，城市出租車有著高空駛率、尋客難等問題，不僅會(huì)造成城市資源浪費(fèi)和經(jīng)濟(jì)損失，而且會(huì)進(jìn)一步加劇道路交通壓力。

為了解決高空駛率、尋客難的問題，研究學(xué)者提出出租車調(diào)度算法人工干預(yù)出租車尋客過程，以提高出租車運(yùn)營(yíng)效率，降低空駛率。已有的調(diào)度算法是依據(jù)出租車的實(shí)時(shí)需求和實(shí)時(shí)位置進(jìn)行調(diào)度，調(diào)度過程中出租車由于需要時(shí)間從現(xiàn)有位置到達(dá)調(diào)度位置而產(chǎn)生調(diào)度時(shí)延。

深度學(xué)習(xí)技術(shù)在圖像和語音識(shí)別領(lǐng)域已經(jīng)取得了巨大的成功，在車輛軌跡研究中也應(yīng)用廣泛。針對(duì)城市區(qū)域需求數(shù)量預(yù)測(cè)問題，長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)有著較大的優(yōu)勢(shì)。通過該神經(jīng)網(wǎng)絡(luò)可以提取城市區(qū)域需求數(shù)據(jù)的時(shí)序依賴特性。但是現(xiàn)有的研究中沒有充分考慮到出租車需求數(shù)據(jù)的時(shí)間規(guī)律特性和空間特性。

目前，出租車調(diào)度系統(tǒng)中，仍存在調(diào)度時(shí)延的問題。針對(duì)實(shí)時(shí)需求的出租車調(diào)度需要出租車從出發(fā)地到調(diào)度目的地，調(diào)度過程中調(diào)度時(shí)延會(huì)導(dǎo)致乘客等待時(shí)間長(zhǎng)而發(fā)生需求變化。通過城市區(qū)域需求預(yù)測(cè)可以解決上述問題。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決上述背景技術(shù)存在的不足，而提出一種基于需求預(yù)測(cè)的城市出租車調(diào)度方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案為：

一種基于需求預(yù)測(cè)的城市出租車調(diào)度方法，該方法包括如下步驟：

步驟1：對(duì)載客軌跡數(shù)據(jù)通過濾噪聲數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理；

步驟2：通過二維卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行空間關(guān)聯(lián)特征和時(shí)間周期規(guī)律的城市區(qū)域需求特征提取；

步驟3：結(jié)合城市區(qū)域出租車需求數(shù)目預(yù)測(cè)和出租車軌跡目的地預(yù)測(cè)，使用NSGA-II算法對(duì)城市出租車進(jìn)行調(diào)度。

本發(fā)明的有益效果在于：本發(fā)明利用了機(jī)器學(xué)習(xí)中的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行城市區(qū)域出租車需求預(yù)測(cè)，提高了預(yù)測(cè)準(zhǔn)確率。本發(fā)明利用對(duì)城市區(qū)域出租車需求數(shù)據(jù)進(jìn)行預(yù)測(cè)，提前對(duì)空載出租車進(jìn)行需求調(diào)度，使得出租車在滿足需求的情況下可以盡可能早的尋找到乘客，提高出租車運(yùn)營(yíng)效率、減少出租車調(diào)度時(shí)延；最后，將出租車調(diào)度問題建模成多目標(biāo)優(yōu)化問題，以最小化調(diào)度距離和最大化區(qū)域需求滿足度作為目標(biāo)問題，使用NSGA-II算法進(jìn)行優(yōu)化問題求解。

附圖說明

圖1：為本發(fā)明實(shí)施例點(diǎn)的流程圖；

圖2：為本發(fā)明實(shí)施軌跡數(shù)據(jù)漂移示意圖；

圖3：為本發(fā)明實(shí)施城市區(qū)域需求預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)示意圖；

圖4：為本發(fā)明實(shí)施城市區(qū)域需求空間特征提取示意圖；

圖5：為本發(fā)明城市區(qū)域需求預(yù)測(cè)實(shí)驗(yàn)結(jié)果；

圖6：為本發(fā)明實(shí)施出租車調(diào)度實(shí)驗(yàn)結(jié)果示意圖。

具體實(shí)施方式