[發明專利]一種基于強化學習的不同合乘意愿下出租車調度方法

有效

• 申請號: 202111360293.0
• 申請日: 2021-11-17
• 公開（公告）號: CN114067597B
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 慈玉生;吳麗娜;李浩文;吳海龍
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G08G1/123
• 分類號: G08G1/123;G06N3/08
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 劉靜

本發明公開一種基于強化學習的不同合乘意愿下出租車調度方法，包括以下步驟：通過歷史數據預測下一時段車輛需求數，得到預測數據，基于所述預測數據對車輛進行提前調度，得到提前調度的車輛數據；基于強化學習的方法采用區域柵格化構建車輛調度模型；基于提前調度的車輛數據和客戶的意愿信息，構建乘客合乘模型；通過所述車輛調度模型和所述乘客合乘模型，得到車輛調度結果。該方案提出了基于強化學習方法的，考慮不同合乘意愿的出租車調度策略，解決了傳統出租車調度方法中存在的調度滯后性問題，引入出租車預測部分進行提前調度，采用強化學習的方法提高了模型的精度。

技術領域

本發明涉及車輛調度技術領域，主要涉及一種基于強化學習的不同合乘意愿下出租車調度方法。

背景技術

隨著當代城市化進程的推進，城市內公共交通系統的建設也日趨完備。搭乘公共交通也成為了城市居民日常出行首選出行方式之一。出租車為城市居民出行提供了諸多便利，但隨著近年來城市人口與私家車保有量的激增，出租車供需不平衡、城市交通擁堵、空氣污染等問題也日趨明顯。而“合乘”模式是解決上述問題的一種有效手段。出租車合乘的概念最早由德國和瑞士人提出，Jung等人將模擬退火算法中隨機哈爾濱工業大學工學碩士學位論文生成新狀態的機制替換為利用插入算法進行生成，提高了原算法的優化效果；Golpayegani和Clarke重點考慮了如何匹配不同的乘客進行合乘；Rasulkhani等人考慮合乘行為在大型交通樞紐或場站周邊發生的性質，重點考慮了在交通場站周邊進行合乘的調度方法，但目前仍存在以下幾點不足：調度模型運行結果受模型搭建效果限制、響應式的車輛調度與需求的產生存在滯后問題、合乘行為“一刀切”，未考慮出行者的個人意愿等。

發明內容

本發明目的就是提供一種基于強化學習的不同合乘意愿下出租車調度方法，對出租車需求進行預測，并且進行提前調度，之后采用強化學習的方法進行調度模型的構建，結合合乘模型，針對不同意愿進行分析得到不同的調度結果，并且進行仿真驗證，取得較好的調度效果。

本發明提供一種基于強化學習的不同合乘意愿下出租車調度方法，包括以下步驟：

S1、通過歷史數據預測下一時段車輛需求數，得到預測數據，基于所述預測數據對車輛進行提前調度，得到提前調度的車輛數據；

S2、基于強化學習的方法采用區域柵格化構建車輛調度模型；

S3、基于提前調度的車輛數據和客戶的意愿信息，構建乘客合乘模型；

S4、通過所述車輛調度模型和所述乘客合乘模型，得到車輛調度結果。

優選地，所述S1通過將所述歷史數據通過LightGBM算法計算后得到預測數據。

優選地，所述車輛調度模型包括：車輛調度狀態模型、車輛調度動作模型、車輛調度獎勵模型，建車輛調度模型步驟包括：

基于提前調度的車輛數據和空閑車輛數，采用強化學習方法分別構建車輛調度狀態模型、車輛調度動作模型、車輛調度獎勵模型。

優選地，所述S3構建乘客合乘模型的方法包括：基于提前調度的車輛數據和客戶的意愿信息，得到合乘前的合乘條件和合乘調度后的合乘結果，基于合乘條件和合乘結果構建所述乘客合乘模型。

優選地，基于乘客合乘模型得到不同意愿下的車輛調度方法包括：

對于無合乘意愿的乘客，基于合乘模型得到無意愿車輛調度方法；

對于有合乘意愿的乘客，基于合乘模型得到有意愿車輛調度方法。

優選地，基于無意愿車輛調度方法和有意愿車輛調度方法得到所述車輛調度結果。

優選地，還包括通過仿真驗證乘客對調度結果的影響度。

優選地，采用Python進行車輛運行仿真，對乘客對調度結果的影響度進行驗證。