[發明專利]一種網聯車系統的調度方法

在審

• 申請號: 202210492491.0
• 申請日: 2022-04-29
• 公開（公告）號: CN114781902A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 王強;劉天驕;徐琛
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02;G06Q50/30;H04L67/12
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 易卜

1.一種網聯車系統的調度方法，其特征在于，具體步驟如下：

首先、針對當前時刻，實時獲取待調度區域及相鄰區域的服務方和服務對象的數量，作為供需信息；

然后、利用樣本訓練神經網絡，并將供需信息輸入至訓練好的神經網絡中，輸出每個區域所有定價因子的價值估計值；并利用ε-greedy策略，為各區域選擇各自的唯一定價因子；

最后、將各區域的服務對象數量和唯一定價因子輸入至調節函數，計算各區域中接受定價的服務對象數量，隨機選擇等數量的服務方進行服務；

針對區域Z_i，接受定價的服務對象數量的計算公式為：

其中表示區域Z_i的服務對象請求數，表示接受定價的服務對象數量與定價因子成負線性相關的調節函數；

同時，將各區域沒有接受定價的剩余服務方，輸入至已學習的網絡流調度模型，輸出對各服務方的調度策略并執行。

2.如權利要求1所述的一種網聯車系統的調度方法，其特征在于，所述訓練神經網絡的步驟如下：

首先，將各個歷史時刻的供需信息，區域的定價因子存儲到樣本池；對樣本池進行有放回采樣，得到經驗樣本，將各區域當前歷史時刻的經驗樣本輸入估計Q網絡中，輸出對應區域定價因子的價值估計值；

然后，將各區域下一歷史時刻的經驗樣本輸入目標Q網絡中，輸出對應區域定價因子的價值目標值；

最后，針對同一個區域的價值估計值與價值目標值，基于最小化差值為訓練目標，構建損失函數，通過隨機梯度下降最小化損失函數，更新估計Q網絡的參數；并每隔固定迭代次數，更新目標Q網絡；直至達到最大迭代次數，將估計Q網絡確定為訓練完的神經網絡模型。

3.如權利要求2所述的一種網聯車系統的調度方法，其特征在于，所述損失函數如下：

其中，θ是估計Q網絡的參數，θ^-是目標Q網絡的參數，指區域Z_i當前歷史時刻t的供需信息，指區域Z_i當前歷史時刻t的定價因子，γ為超參數，作為即時回報和未來價值的權重；

r_tⁱ指區域Z_i當前歷史時刻t選擇定價因子得到的回報值，計算如下：

其中是服務方能夠滿足服務的對象數量，是由各區域的訂單距離和行程時間得到的固定價格，是區域Z_i當前歷史時刻t對應的服務方數量；是區域Z_i當前歷史時刻t對應的服務對象數量；pently是預設的數值。