[發明專利]一種基于CNN-LSTM的網約車目標訂單預測方法

有效

• 申請號: 202011530817.1
• 申請日: 2020-12-22
• 公開（公告）號: CN112561187B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 黃妙華;張昊天;柳子晗;賈昌昊;王玉玖
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/06;G06Q50/30;G06F16/215;G06F16/951;G06F16/9537;G06N3/04
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 劉琳

1.一種基于CNN-LSTM的網約車目標訂單預測方法，其特征在于，包括步驟：

S1：將預設區域分片處理為若干個子區域；

S2：采集預設區域內各個子區域的原始訂單數據；

S3：基于原始訂單數據獲取目標訂單數據：

目標訂單數據包括同一區域同時間段的訂單總量數據、平均訂單價格、POI特征、天氣特征、時間特征；

步驟S3獲取目標訂單數據的具體過程為：

S3.1：對原始訂單數據按照子區域和時間順序進行分組聚合

首先，以30分鐘～60分鐘的時間段為時間間隔對原始訂單數據進行時間分片處理，并按時間順序排序；然后對分片處理后的原始訂單數據進行分組聚合處理，得到各個子區域的各時間段的原始訂單數據；

S3.2：獲取各個子區域的各時間段的訂單總量數據

對分組聚合后的原始訂單數據進行聚合累積，得到各個子區域的各時間段的訂單總量數據；

S3.3：獲取各個子區域的各時間段的平均訂單價格

基于原始訂單數據的用戶實付金額、司機最終收入數據計算獲得各個區域的各時間段的平均訂單價格數據；

S3.4：獲取每個歷史訂單的POI特征

基于地圖API，使用爬蟲對分組聚合后的原始訂單量數據中的司機接單位置經度、司機接單位置緯度、目的地位置經度、目的地位置緯度進行搜索，獲取司機接單位置的POI特征和目的地的POI特征；

S3.5：獲取每個歷史訂單的天氣特征

利用爬蟲獲取歷史天氣網提供的歷史天氣數據，基于每個歷史訂單的區域和時間獲取每個歷史訂單的天氣特征；

S3.6：獲取每個歷史訂單的時間特征

基于每個歷史訂單的時間獲取當前時間特征；

S3.7：將訂單總量數據、平均訂單價格、POI特征、天氣特征、時間特征拼接到原始訂單數據中，得到訂單數據集合，從訂單數據集合提取同一區域同一時間段的訂單數據得到目標訂單數據，目標訂單數據包括當前時間段、一天前同一區域同時間段、兩天前同一區域同時間段以及七天前同一區域同時間段的訂單數據；

S4：基于CNN-LSTM模型預測下個時間段各個區域的訂單量數據：將目標訂單數據中的訂單總量數據、POI特征、天氣特征、時間特征輸入CNN-LSTM模型中，得到下個時間段的各個區域的訂單量預測數據；

S5：建立區域PVD模型，獲得各子區域價值熱力圖，司機參考區域價值熱力圖行駛到下個時間段的接單區域：

PVD模型的計算公式(1)為：

其中V_total為PVD模型輸出，P_t為訂單量預測系數，V_t為價格系數，D_t為距離系數；

訂單量預測系數P_t的計算公式(2)為：

其中P_t為訂單量預測系數，predict為CNN-LSTM模型預測的訂單量，st為時間段開始時刻，ed為時間段結束時刻；

價格系數V_t的計算公式(3)為：

其中V_t為價格系數，P_t為當前時間段訂單量，P_t-1為上一時間段訂單量，V_loc為子區域歷史該時間段平均訂單價格；

距離系數D_t的計算公式(4)為：

D_t＝|d_x+d_y|公式(4)

其中D_t為距離系數，d_x為車輛距離該子區域的橫向長度，d_y為車輛距離該子區域的縱向長度。

2.根據權利要求1所述的基于CNN-LSTM的網約車目標訂單預測方法，其特征在于，所述步驟S2中原始訂單數據包括用戶ID、司機ID、訂單號、用戶下單時間、司機接單位置經度、司機接單位置緯度、用戶實付金額、司機最終收入。