CN103177575B - 城区出租车动态在线调度优化系统及其方法 - Google Patents

Abstract

一种计算机信息处理技术领域的城区出租车动态在线调度优化系统及其方法，该系统包括：若干个移动终端以及与其无线连接的调度中心，调度中心包括：信息采集模块、热点生成模块、路线规划模块、历史数据库、优化模块以及主信号收发单元；本发明基于乘客历史数据及实时反馈的城区出租车动态进行在线调度分配，能显著地减少无载客出租车遇见乘客所需的行驶距离。

Description

城区出租车动态在线调度优化系统及其方法

技术领域

本发明涉及的是一种计算机信息处理技术领域的系统及方法，具体是一种基于乘客历史数据及实时反馈的城区出租车动态在线调度优化系统及方法，基于乘客历史数据及实时反馈的城区出租车动态进行在线调度分配，能显著地减少无载客出租车遇见乘客所需的行驶距离。

背景技术

在当前世界各大城市中，出租车日益成为市民们出行的常规选择。为方便市民的出行，大量的出租车在市区中被投入运行。在一般情况下，无载客出租车司机会根据其个人经验选择一条行驶路线去寻找乘客。但是，由于缺乏乘客信息，出租车司机自己选择的行驶路线通常以没有遇见乘客告终，这大大减少了出租车司机的收益。同时盲目的在道路上行驶去寻找乘客，也为城区道路网络增添了不少负担。

随着GPS（全球定位系统）设备和移动通讯终端在出租车上的普及，使得对出租车进行调度变得可能。通过车载GPS设备，可以轻松获取车辆当前的位置。而车载移动通讯终端则为出租车与调度中心间传递请求信息和调度信息提供了基础。

针对出租车调度，现有的解决方案可以归为以下两类：

基于乘客主动请求的解决方案：由乘客主动向调度中心发出请求，再由调度中心指派车辆前去乘客所在位置。这类方法无法覆盖全部乘客，且其并未考虑出租车司机收益，不能给出租车司机带来收入上的增益。

基于静态乘客出现模型的解决方案：这类方法用一个静态的模型刻画乘客出现，且忽略在调度过程中不同出租车之间的相互影响，比如一个地点实际有一个乘客，而调度前往该地的出租车有两辆，则只有先到的出租车搭上乘客。而且，乘客的出现速率并不是一成不变的，它是随着一天的时间变化而变化。这些缺陷造成这类方法不能准确的预测乘客的出现，从而不能给出很好的调度路线。

经过对现有技术的检索发现，中国专利文献号CN102097002A公开日2011-06-15，公开了一种“基于IC卡数据获取公交站点OD的方法”，该技术先用数据采集模块采集一个城市或城市中某个区域内持有公交IC卡乘客的IC卡刷卡数据，所述采集到的刷卡数据先存储在存储单元中；再由IC卡刷卡数据处理模块调取存储单元中的刷卡数据进行处理，得到公交站点OD信息；最后通过站点OD信息发布模块把公交站点OD信息发布在各终端设备上；所述IC卡刷卡数据处理模块中，对IC卡刷卡数据进行下述步骤的处理：1)刷卡数据按班次聚类：2)上车站点匹配，步骤是，(21)刷卡数据按站点聚类；(22)正交换乘站点刷卡数据匹配；(23)其余站点刷卡数据匹配；3)下车站点匹配：公交乘客在下车站点没有刷卡记录，用正交换乘和回程进行下车站点匹配；4)依据匹配出刷卡数据的上车站点、下车站点，生成公交站点OD矩阵，导入数据库后存储。但该技术的公交站点位置固定，无法全部覆盖城区内所有道路，因此收集到的乘客信息不能反映城区内全部的乘客信息；并且，乘坐公交车的乘客群与搭乘出租车的乘客群具有一定的差异，存在一部分乘客经常搭乘出租车而很少搭乘公交车以及一部分乘客经常乘坐公交车而很少乘坐出租车。因此，该技术不适用于本专利所述的出租车调度这一用途。

中国专利文献号CN101226687公开日2008-07-23，公开了一种“城市交通中的典型行驶路线分析方法”，该技术包括以下步骤：(1)设定路网拓扑结构为G=(V，E);相应的某一时段各个路口结点的车辆信息R={RI|I∈[1，N]}，热点结点的评判阈值K以及典型行驶路线的评判阈值K′;(2)生成热点之间的初选典型行驶路线，包括：通过路口流量筛选获得热点路口集合V′;对于□YI∈V′及□HI∈H，生成热点之间的行驶路线集W′;根据生成的路线集W′，通过计算路线的占有率获取初选典型行驶路线W″;(3)初选典型行驶路线的聚类及交通结点的生成，将各个聚类集合中的路线按以上方法进行归并获得包含不同粒度大小所形成的典型行驶路线集W。但该技术仅仅收集了车辆的行驶信息，并未从中挖掘出乘客信息，并不能很好得使得出租车司机更快的搭上乘客；且该技术生成的行驶路线是根据典型行驶路线生成，实质上仍然是根据司机的经验生成路线，并未根据乘客信息来规划路线。

发明内容

本发明针对现有技术存在的上述不足，提出一种城区出租车动态在线调度优化系统及其方法，通过车载GPS设备收集乘客搭乘出租车的历史数据，发现乘客出现的热点地区，并建立乘客在这些地区的出现模型。以各个热点地区及该地区的乘客出现模型为基础，并辅之以出租车搭上乘客地址的反馈信息，充分考虑出租车间在搭乘乘客时的相互影响，动态地为每辆无载客出租车分配行驶路线，以达到减少出租车遇见乘客所需的行驶距离的目标。本发明易于实现，对于减少出租车遇上乘客所需的行驶距离，提高出租车司机的收益有明显的效果。

本发明是通过以下技术方案实现的：

本发明涉及一种城区出租车动态在线调度优化系统，包括：若干个移动终端以及与其无线连接的调度中心，其中：

所述的调度中心包括：信息采集模块、热点生成模块、路线规划模块、历史数据库、优化模块以及主信号收发单元，其中：信息采集模块与主信号收发单元相连并接收无载客出租车调度请求信息，经路段匹配纠偏处理计算后输出位置信息匹配至道路的调度请求信息及反馈信息分别至路线规划模块和优化模块；热点生成模块分别与历史数据库和路线规划模块相连接并传输乘客历史数据，并输出经统计挖掘历史数据后输出热点信息至路线规划模块；路线规划模块与热点生成模块、信息采集模块、历史数据库和优化模块相连接并传输调度请求信息、热点信息、道路信息和乘客模型优化信息，并输出经路线规划算法处理计算后输出规划路线至主信号收发单元；优化模块与信息采集模块和路线规划模块相连接并传输反馈信息，经处理计算后输出乘客出现模型优化参数至路线规划模块；历史数据库与热点生成模块和路线规划模块相连接并传输乘客历史数据；主信号收发单元与信息采集模块和路线规模块相连接负责接收由出租车发送来的终端信息分别整合成调度请求及反馈信息并转发给信息采集模块，并将路线规划模块产生的规划路线转发给指定的无载客出租车。

所述的无载客出租车调度请求信息包括：无载客出租车的地理位置信息和请求发送时间；

所述的反馈信息包括：无载客出租车遇见乘客的位置及反馈发送时间；

所述的乘客历史数据包括：乘客出现位置及时间；

所述的热点信息包括：热点的位置及各热点乘客出现模型参数；

所述的道路信息包括：道路网络信息及各道路车辆历史行驶速度。

所述的移动终端包括：从信号收发单元和分别与之相连的位置采集单元和信息输出单元，其中：位置采集单元在出租车为空时或是无载客出租车在按照规划路线行驶并遇见乘客时取得当前移动终端所处的地理位置信息并输出至从信号收发单元，从信号收发单元将终端编号、终端工作状态、终端位置信息以及当前时间输出至调度中心，并接收来自调度中心的路线规划信息并输出至信息输出单元。

所述的位置采集单元通过全球定位系统（GPS）实现；

所述的信号收发单元通过2G、3G等无线方式实现与调度中心的连接和信息传输；

所述的信息输出单元通过语音输出装置或图形显示装置将路线规划信息进行播报或显示。

本发明涉及上系统的实现方法，包括以下步骤：

步骤1、建立乘客模型：离线收集无载客出租车遇上乘客的时间及地点的历史数据并存入历史数据库中；热点生成模块根据乘客出现地点在地理上分布的特点，使用K平均聚类法（K-means）找到乘客集中出现的热点地点，并对于每一个热点地点，建立该地点的基于泊松过程的乘客出现模型；

所述的乘客出现模型是指：在一个热点地点的某一个时间出现乘客的概率，该模型所使用的泊松过程的特征值参数从历史数据中提取，且随时间变化而变化。

步骤2、规划行驶路线：路线规划模块设定一个距离限制σ，并对于由信号接收单元接收并经信息采集模块纠偏整合后转发的每个无载客出租车调度请求，以调度请求中的地理位置信息为起点，规划一条经过若干个热点地点且总距离等于距离限制，且中途预计遇上乘客所需行驶距离最短的一条路线。

步骤3、收到规划路线的无载客出租车在按照规划路线行驶并遇见乘客后，向调度中心发回一个包含其遇见乘客的地点及时间的反馈信息，反馈信息经信息采集模块修正后转发给优化模块，优化模块根据反馈信息对乘客出现模型进行参数修正，并乘客出现模型优化参数输出至路线规划模块。

技术效果

与现有技术相比，本发明主要应用于城区出租车调度，优势在于减少无载客出租车遇见乘客前所需的行驶距离，提高出租车司机的收益。本发明通过分析出租车乘客历史数据，找到乘客出现的热点地区，并基于泊松过程动态地对乘客出现进行建模。借助这一乘客出现模型，同时考虑不同无载客出租车之间的相互影响，精确的预测无载客出租车在各个热点遇见乘客的概率，从而减少无载客出租车在遇见乘客前所需的行驶距离。

附图说明

图1为本发明系统结构示意图。

图2为实施例客流分布图，图中时间为下午两点到五点每分钟产生乘客出现数量的分布图，由图可看出，乘客出现在短时间内服从泊松分布；

图3为实施例客流分布图2，图中时间为一天内每半个小时乘客出现的数量，有图可看出乘客出现数量在一天不同时刻区别很大。

图4为实施例应用布局示意图。

图5为实施例热点数量比较示意图。

图6为实施例效果示意图。

以上图2-图6数据均来自于Shanghai Grid项目，数据采自2007年2月份，上海市徐家汇地区。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

本实施例应用场景如图4所示，调度中心位于远程服务器中，无载客出租车通过移动通讯终端向服务器发出包含有从GPS设备中获取的车辆位置信息的调度请求，服务器根据请求为该车规划出一条行驶路线并返回给该车辆，该车按照行驶路线行驶直到遇见乘客，若直到行驶到路线尽头仍未遇见乘客则再次向服务器发出调度请求。

使用Shanghai Grid项目收集的位于上海市徐家汇地区的约两个月的出租车真实数据作为测试数据。其中，2007/1/31到2007/2/28的出租车数据用作机制中的历史数据集用于训练乘客模型，2007/3/1到2007/3/6的出租车数据作为测试数据集用于检测本机制的性能。

基于乘客历史数据及实时反馈的城区出租车动态在线调度机制将与以下两个对比方案进行比较：

随机方案：该方案中，无载客出租车不接受调度，随机在道路网络中行驶直到遇见乘客；

LCP（基于静态乘客模型的出租车调度算法）方案：该方案中，乘客出现的热点地区被找出，无载客出租车被规划出一条有距离限制的经过若干热点的路线。但是各个热点乘客的出现模型均采用固定概率描述的静态模型，且规划路线时不考虑不同车之间的相互影响。

如图1所示，本实施例包括：若干个移动终端以及与其无线连接的调度中心，其中：所述的调度中心包括：信息采集模块、热点生成模块、路线规划模块、历史数据库、优化模块以及主信号收发单元，其中：信息采集模块与主信号收发单元相连并接收无载客出租车调度请求信息，经路段匹配纠偏处理计算后输出位置信息匹配至道路的调度请求信息及反馈信息分别至路线规划模块和优化模块；热点生成模块分别与历史数据库和路线规划模块相连接并传输乘客历史数据，并输出经统计挖掘历史数据后输出热点信息至路线规划模块；路线规划模块与热点生成模块、信息采集模块、历史数据库和优化模块相连接并传输调度请求信息、热点信息、道路信息和乘客模型优化信息，并输出经路线规划算法处理计算后输出规划路线至主信号收发单元；优化模块与信息采集模块和路线规划模块相连接并传输反馈信息，经处理计算后输出乘客出现模型优化参数至路线规划模块；历史数据库与热点生成模块和路线规划模块相连接并传输乘客历史数据；主信号收发单元与信息采集模块和路线规模块相连接负责接收由出租车发送来的终端信息分别整合成调度请求及反馈信息并转发给信息采集模块，并将路线规划模块产生的规划路线转发给指定的无载客出租车；

所述的移动终端包括：从信号收发单元和分别与之相连的位置采集单元和信息输出单元，其中：位置采集单元在出租车为空时或是无载客出租车在按照规划路线行驶并遇见乘客时取得当前移动终端所处的地理位置信息并输出至从信号收发单元，从信号收发单元将终端编号、终端工作状态、终端位置信息以及当前时间输出至调度中心，并接收来自调度中心的路线规划信息并输出至信息输出单元；

如图3所示，本实施例通过以下方式实现：

1.1）离线采集无载客出租车遇见乘客的地理位置信息和时间信息，并将地理位置信息匹配到电子地图中的对应路段上从而对地理位置信息进行修正，然后将修正后的信息存入历史数据库中；

1.2）热点生成模块设定一个热点初始数目K，该数目根据系统应用的城区交通状况具体设置。按照该数目使用K平均（K-means）聚类算法对历史数据中乘客出现位置，即出租车遇上乘客位置进行聚类，从而得到K个聚类，每个聚类的中心点即热点；

1.3）对于每一个热点，乘客的出现模型在短时间内服从泊松过程，即在设定时间段内乘客出现的数目满足： $\mathrm{Pr}[N(t_s-t_r)=k]\frac{\left[\mathrm{\λ}(t_s-t_r)\right]}{k!}{e}^{-\mathrm{\λ}(t_s-t_r)},$ 其中：Pr为从时间t_s到时间t_r在某个热点出现k个乘客的概率，λ为泊松过程特征值，e为自然对数的底；k为这段时间出现乘客的数目。

在任一时刻，考虑到泊松过程特征值λ随时间变化而变化，使用最大似然估计法从预设时间范围的历史数据中估算该时刻各热点泊松过程的特征值λ，从而确定该时刻乘客出现模型。

2.1）无载客出租车需要调度时，通过其从信号收发单元向调度中心发送包含地理位置信息及时间信息的调度请求，主信号收发单元收到调度请求后将其转发给信息采集模块，信息采集模块根据电子地图信息将调度信息中的地理位置信息修正到对应路段上，再将修正后的调度请求转发给路线规划模块；路线规划模块使用Dijkstra算法获得从当前地理位置信息到各个热点的最短路径作为从该位置到各个热点的路线，各个热点之间的路线也由该算法获得的最短路代替；

2.2）对于一辆无载客出租车，其在特定时间按照设定路线行驶到达该路线中的一个热点时，对应为第i个到达该热点的无载客出租车，根据历史数据预估其到达时间为t_i，则该出租车在该热点遇见乘客，即事件A_i发生的概率为：Pr(A_i)=1-F(i-1，0Pr(N(t_i-t_i-1)=0，其中：F(i-1，0为第i-1辆到达该热点的出租车在离开后该热点还剩0个乘客的概率；对于某一个热点，第i辆到达的出租车离开后，该热点还有k个乘客的概率为F(i，k)， $k-j+1,$ k为剩余乘客数量；路线规划模块根据以上概率计算公式计算得到该无载客出租车在各个热点遇见乘客的概率。

2.3）对于每一辆出租车的每一条路线，设其在每个热点上遇见乘客的概率为{P₁，P₂，…P_n}，从初始位置开始初始位置与第一个热点间距离及每两个热点之间的距离为{D₁，D₂，…，D_n}，则若车辆按照该条路线行驶，预计在碰上乘客时行驶的距离为

$P_1{D}_1+\left({\mathrm{\Σ}}_{i=1}^n{D}_i\right)\×{\mathrm{\Π}}_{j=1}^n(1-P_j)+{\mathrm{\Σ}}_{i=1}^{n-1}\[P_{i+1}\×\left({\mathrm{\Σ}}_{j=1}^{i+1}{D}_i\right){\mathrm{\Π}}_{k=1}^i(1-P_i)\].$

由此可得对一辆无载客出租车任意路线的预计行驶距离；

结合步骤2.2）所述的预计行驶距离计算方法，在限定路线长度为σ的条件下，路线规划模块使用分支限界法找到一条路线使得其遇见乘客所需的预计行驶距离最短，并将规划路线及时间信息暂存在缓存中，同时将规划路线经过主信号收发单元转发给对应出租车上的移动终端，并在信息输出单元上显示。

所述的分支限界法是指：一种通过设定边界值和边界预测函数的，并在边界值约束下对解空间进行搜索的一种搜索算法。在搜索过程中若一分支根据边界预测函数得出的预测边界（预测边界只可能大于实际边界）不在设定边界值范围内，则不再搜索该分支下所有可能的解。这一搜索算法能有效的对解空间进行剪枝，从而加快搜索速度。

3.1）接受调度的无载客出租车在按照调度路线行驶并搭载上乘客后，通过从信号收发单元向调度中心输出一个包含搭载上乘客的地点及时间的反馈信息；

3.2）根据经信息采集模块对反馈信息进行修正后输出至优化模块，使其判断出在设定时刻该出租车路线上遇见乘客之前的一系列热点没有乘客存在，根据条件概率公式：当之前到达一个热点的一辆无载客出租车在该热点没有遇见乘客，则后一辆到达的无载客出租车遇见乘客的概率只取决于两辆车之间时间段内乘客出现的概率；则优化模块向路线规划模块输出对应于该热点的调度缓存信息清理指令并排除该时间之前调度出租车对之后空出租车遇见乘客概率的影响，从而减轻存储负担，加快运算速度，提高概率预测精度。

如图5所示，为不同热点数目下，本发明与其它两种方案的性能对比。可以看到，由于使用了更加精确的乘客模型以及在调度过程中考虑到不同车辆间的相互影响，本发明在减少出租车遇见乘客所需行驶距离上大大优于其它两种方案。

Claims (3)

1.一种城区出租车动态在线调度优化系统的实现方法，其特征在于，所述系统包括：若干个移动终端以及与其无线连接的调度中心，其中： 

所述的调度中心包括：信息采集模块、热点生成模块、路线规划模块、历史数据库、优化模块以及主信号收发单元，其中：信息采集模块与主信号收发单元相连并接收无载客出租车调度请求信息，经路段匹配纠偏处理计算后输出位置信息匹配至道路的调度请求信息及反馈信息分别至路线规划模块和优化模块；热点生成模块分别与历史数据库和路线规划模块相连接并传输乘客历史数据，并输出经统计挖掘历史数据后输出热点信息至路线规划模块；路线规划模块与热点生成模块、信息采集模块、历史数据库和优化模块相连接并传输调度请求信息、热点信息、道路信息和乘客模型优化信息，并输出经路线规划算法处理计算后输出规划路线至主信号收发单元；优化模块与信息采集模块和路线规划模块相连接并传输反馈信息，经处理计算后输出乘客出现模型优化参数至路线规划模块；历史数据库与热点生成模块和路线规划模块相连接并传输乘客历史数据；主信号收发单元与信息采集模块和路线规模块相连接负责接收由出租车发送来的终端信息分别整合成调度请求及反馈信息并转发给信息采集模块，并将路线规划模块产生的规划路线转发给指定的无载客出租车； 

所述的移动终端包括：从信号收发单元和分别与之相连的位置采集单元和信息输出单元，其中：位置采集单元在出租车为空时或是无载客出租车在按照规划路线行驶并遇见乘客时取得当前移动终端所处的地理位置信息并输出至从信号收发单元，从信号收发单元将终端编号、终端工作状态、终端位置信息以及当前时间输出至调度中心，并接收来自调度中心的路线规划信息并输出至信息输出单元； 

所述的无载客出租车调度请求信息包括：无载客出租车的地理位置信息和请求发送时间； 

所述的反馈信息包括：无载客出租车遇见乘客的位置及反馈发送时间； 

所述的乘客历史数据包括：乘客出现位置及时间； 

所述的热点信息包括：热点的位置及各热点乘客出现模型参数； 

所述的道路信息包括：道路网络信息及各道路车辆历史行驶速度； 

所述的实现方法，包括以下步骤： 

步骤1、建立乘客模型：离线收集无载客出租车遇上乘客的时间及地点的历史数据并存入历史数据库中；热点生成模块根据乘客出现地点在地理上分布的特点，使用K平均聚类法找到乘客集中出现的热点地点，并对于每一个热点地点，建立该地点的基于泊松过程的乘客出现模型； 

步骤2、规划行驶路线：路线规划模块设定一个距离限制σ，并对于由信号接收单元接收并经信息采集模块纠偏整合后转发的每个无载客出租车调度请求，以调度请求中的地理位置信息为起点，规划一条经过若干个热点地点且总距离等于距离限制，且中途预计遇上乘客所需行驶距离最短的一条路线； 

步骤3、收到规划路线的无载客出租车在按照规划路线行驶并遇见乘客后，向调度中心发回一个包含其遇见乘客的地点及时间的反馈信息，反馈信息经信息采集模块修正后转发给优化模块，优化模块根据反馈信息对乘客出现模型进行参数修正，并计算输出乘客出现模型优化参数输出至路线规划模块； 

所述的乘客出现模型是指：在一个热点地点的某一个时间出现乘客的概率，该模型所使用的泊松过程的特征值参数从历史数据中提取，且随时间变化而变化； 

所述的步骤1具体包括以下操作： 

1.1)离线采集无载客出租车遇见乘客的地理位置信息和时间信息，并将地理位置信息匹配到电子地图中的对应路段上从而对地理位置信息进行修正，然后将修正后的信息存入历史数据库中； 

1.2)热点生成模块设定一个根据系统应用的城区具体交通状况设定的热点初始数目K，按照该数目使用K平均，即K-means聚类算法对历史数据中乘客出现位置，即出租车遇上乘客位置进行聚类，从而得到K个聚类，每个聚类的中心点即热点； 

1.3)对于每一个热点，乘客的出现模型在短时间内服从泊松过程，即在设定时间段内乘客出现的数目满足：其中：Pr为从时间t_s到时间t_r在某个热点出现k个乘客的概率，λ为泊松过程特征值，e为自然对数的底；k为这段时间出现的乘客数量， 

在任一时刻，考虑到泊松过程特征值λ随时间变化而变化，使用最大似然估计法从预设时间范围的历史数据中估算该时刻各热点泊松过程的特征值λ，从而确定该时刻乘客出现模型； 

所述的步骤2具体包括以下操作： 

2.1)无载客出租车需要调度时，通过其从信号收发单元向调度中心发送包含地理位置信息及时间信息的调度请求，主信号收发单元收到调度请求后将其转发给信息采集模块，信息采集模块根据电子地图信息将调度信息中的地理位置信息修正的对应路段上，再将修正后的调度请求转发给路线规划模块；路线规划模块使用Dijkstra算法获得从当前地理位置信息到各个热点的最短路径作为从该位置到各个热点的路线，各个热点之间的路线也由该算法获得的最短路代替； 

2.2)对于一辆无载客出租车，其在特定时间按照设定路线行驶到达该路线中的一个热点时，对应为第i个到达该热点的无载客出租车，根据历史数据预估其到达时间为t_i，则该出租车在该热点遇见乘客，即事件A_i发生的概率为：Pr(A_i)＝1-F(i-1，0)Pr(N(t_i-t_i-1)＝0)，其中：F(i-1，0)为第i-1辆到达该热点的出租车在离开后该热点还剩0个乘客的概率；对于某一个热点，第i辆到达的出租车离开后，该热点还有k个乘客的概率为F(i，k)，k为剩余乘客数量；路线规划模块根据以上概率计算公式计算得到该无载客出租车在各个热点遇见乘客的概率； 

2.3)对于每一辆出租车的每一条路线，设其在每个热点上遇见乘客的概率为{P₁，P₂，…P_n}，从初始位置开始初始位置与第一个热点间距离及每两个热点之间的距离为{D₁，D₂，…，D_n}，则若车辆按照该条路线行驶，预计在碰上乘客时行驶的距离为 

由此可得对一辆无载客出租车任意路线的预计行驶距离； 

结合步骤2.3)所述的预计行驶距离计算方法，在限定路线长度为σ的条件下，路线规划模块使用分支限界法找到一条路线使得其遇见乘客所需的预计行驶距离最短，并将规划路线及时间信息暂存在缓存中；规划路线经过主信号收发单元转发给对应出租车上的移动终端，并在信息输出单元上显示。 

2.根据权利要求1所述的方法，其特征是，所述的分支限界法是指：一种通过设定边界值和边界预测函数的，并在边界值约束下对解空间进行搜索的一种搜索算法；在搜索过程中若一分支根据边界预测函数得出的、只能大于实际边界的预测边界，不在设定边界值范围内，则不再搜索该分支下所有可能的解；这一搜索算法能有效的对解空间进行剪枝，从而加快搜索速度。 

3.根据权利要求1所述的方法，其特征是，所述的步骤3具体包括以下操作： 

3.1)接受调度的无载客出租车在按照调度路线行驶并搭载上乘客后，通过从信号收发单元向调度中心输出一个包含搭载上乘客的地点及时间的反馈信息； 

3.2)根据经信息采集模块对反馈信息进行修正后输出至优化模块，使其判断出在设定时刻该出租车路线上遇见乘客之前的一系列热点没有乘客存在，根据条件概率公式： 当之前到达一个热点的一辆无载客出租车在该热点没有遇见乘客，则后一辆到达的无载客出租车遇见乘客的概率只取决于两辆车之间时间段 内乘客出现的概率；则优化模块向路线规划模块输出对应于该热点的调度缓存信息清理指令并排除该时间之前调度出租车对之后空出租车遇见乘客概率的影响，从而减轻存储负担，加快运算速度，提高概率预测精度。