CN104408910A - 多方有益的出租车拼车调度方法 - Google Patents

Abstract

本发明提供一种多方有益的出租车拼车调度方法，其包括：对于乘客发送的乘车请求，调度中心分析其中包含的信息：乘客数目、上车位置和上车位置时间范围、下车位置和下车位置时间范围、愿意支付的小费；调度中心跟踪各出租车的状态，包括出租车位置和车上乘客数目，根据乘车请求中的信息和出租车状态设定整数线性规划的目标函数，计算得到最优解，将求解整数线性规划得到的调度作为当前出租车拼车调度方案。该方法还包括一个动态的规划更新机制，只有当新调度对于目标函数的提升能够达到或超过一个阈值，才对当前的出租车调度进行更新。本发明可以降低乘客打车的花费，增加出租车司机的收益，使得多方受益。

Description

多方有益的出租车拼车调度方法

技术领域

本发明涉及城市交通计算领域，尤其是一种出租车的拼车调度方法。

背景技术

在现代化的城市中，出租车正在人们的交通出行中起到越来越重要的作用。一项在纽约的调查显示，超过100家出租车公司正运营着超过一万三千辆出租车，每天的载客量有66万。占到所有流量的百分之25。出租车上面的交通花费占其他公交花费的百分之45。

经管出租车正变得越来越重要，如今的出租车系统却十分低效。在交通繁忙时期，人们往往很难打到车。而正在载客的出租车上，往往也有很多空位。这样一种低效对于那些人口的增加速度快于城市化进程的城市来说，能带来更多的不便。

在出租车系统中引入拼车的概念可以很好的缓解公交系统的低效。当乘客们有一些相似的行程时，他们就可以选择共享一辆出租车。如今已经有一些拼车方案被提出，然而，他们大多无法处理实时的大规模乘车要求。而可以实时做调度的系统，也只是采取了一个最简单的方法：对于一个新来的乘车请求，系统调度一辆绕路最少的出租车去服务这个新的请求。他们不会考虑乘客的体验。

现有的出租车拼车调度系统较难权衡乘客的乘车体验(包括乘车时间，以及拼车的陌生人的数目等)与出租车司机的利益。比如在传统的出租车系统中，贪婪的出租车司机会选择去开一条较长的路径，从而增加计程器的里程数，这样也会增加用户的乘车时间。在拼车系统中，用户的体验有可能会被更大程度的影响。人们选择坐出租车往往是为了一个比较舒适的，不用多走路的服务。如果与陌生人拼车，乘客们往往会感受到隐私的泄露，更长的旅程。这样的担忧会大大打击乘客们想要拼车的愿望。另外一方面，为了达到最优的调度策略，出租车系统往往要时时地对调度进行更新。

发明内容

本发明的目的在于克服现有技术中存在的不足，提供一种多方有益的出租车拼车调度方法，能够解决乘客体验与司机收益之间的矛盾，同时也能时时对调度策略进行更新，可以减缓城市交通堵塞问题，节约能源，也可以降低乘客打车的花费，增加出租车司机的收益，实现多方有益。本发明采用的技术方案是：

一种多方有益的出租车拼车调度方法，其包括：

对于乘客发送的乘车请求，调度中心分析其中包含的信息：乘客数目、上车位置和上车位置时间范围、下车位置和下车位置时间范围、愿意支付的小费；

调度中心跟踪各出租车的状态，包括出租车位置和车上乘客数目，根据乘车请求中的信息和出租车状态设定整数线性规划的目标函数，计算得到最优解，将求解整数线性规划得到的调度作为当前出租车拼车调度方案。

进一步地，所述整数线性规划具体包括：

刻画出租车拼车调度：

首先，使用来表示当前正要处理的乘车请求集合，n表示乘车请求数，使用来表示道路上出租车的集合，m表示出租车数；

接着，将出租车拼车调度问题刻画在一个有向图G(N,A)中，N用来表示有向图G中节点的集合，A用来表示有向图G中有向边的集合，其中N＝O∪P∪D,O＝{1,…,m}，P＝{m+1,…,m+n}，D＝{m+n+1,…,m+2n}；集合P和D用来表示上车位置和下车位置，集合O用来表示出租车当前的位置；

用c来表示每辆出租车的最大载客数目；每一个有向图G中的节点i都赋予一个负载q_i；对于i属于O或P，负载q_i≥1，对于i属于D，负载q_i＝-q_i-n；负载q_i用来表示一个乘车请求中乘客的人数；

对于每一个P和D中的节点，设定一个时间窗口[e_i,l_i]来表示最早和最晚到达这个节点i的时间限制；对于每一个节点i属于D，使用β_i来表示对于乘车请求R_i-m-n的线性递减系数；

对于有向图G中每一条有向边(i,j)和每一辆出租车，如果车辆k被调度去通行(i,j)这条道路，则将设置为1，否则设置为0；

使用来表示出租车k到达节点i时的时间，使用来表示出租车到达节点i时，车上的乘客数目；

设定整数线性规划的限制条件：

1)从出租车位置出来的流最多为一：

2)所有进入上车位置(接客位置)的流都会离开这个位置：

3)限制所有出租车从上车位置出来的流最多为一，用公式(3-1)表示；限制经过上车位置的出租车，最终会到达下车位置，用公式(3-2)表示；

4)到达终点的流的总数目大于等于进入终点的流的总数目：

5)刻画出租车到达每一个位置的时间关联性，用公式(5-1)表示；限制出租车到达每一个位置的时间处于规定范围内，用公式(5-2)表示；限制出租车会先到达上车位置，再达到下车位置，用公式(5-3)表示；

其中，t_ij表示从有向图G中节点i到节点j所需要的时间；

6)刻画出租车达到每一个位置时，车上乘客的数量，用公式(6-1)表示；限制乘客数量小于车的容量c，用公式(6-2)表示：

设定整数线性规划的目标函数；有两个目标函数，

第一个目标函数用于优化司机赚到的小费的数目，用公式(9)表示：

其中，α_i为每位发送乘车请求的乘客愿意最多支付的消费；

第二个目标函数用于最小化所有乘客送达延时的加权和，用公式(10)表示：

求得公式(9)或(10)中的一个最优解，然后即可将求解整数线性规划得到的调度作为当前出租车拼车调度方案。

更进一步地，该方法还包括一个动态的规划更新机制，只有当新调度对于目标函数的提升能够达到或超过一个阈值，才对当前的出租车调度进行更新，否则保持原出租车调度。

本发明的优点：本发明可以减缓城市交通堵塞问题，节约能源，也可以降低乘客打车的花费，增加出租车司机的收益，使得多方受益。

附图说明

图1为用户体验被影响的示例图。

图2为实时更新调度策略示意图。

图3为本发明的实施例工作流程图。

图4为本发明的递减函数实例图。

图5为本发明的表示出租车拼车调度问题的有向图例子。

图6为更新阈值参数对于震荡的影响示意图。

具体实施方式

下面结合具体附图和实施例对本发明作进一步说明。

如今已有的出租车拼车调度系统往往有两个问题。首先，他们没有考虑到拼车对用户体验所带来的影响。比如图1中的例子，假设现在的拼车调度系统中只有两辆出租车：出租车A和出租车B，车上分别已有三个乘客和一个乘客。虚线代表了两辆出租车一开始规划的路线。这个时候，有一个新的乘车请求。该请求的上车位置为P，下车位置为O。已有工作会选择让出租车A去接新的乘客，因为这样，出租车A所要绕的路比出租车B去接所要绕的路更少。很显然，这样的调度方法并没有考虑用户的体验。它会影响到所有三个在出租车A上面的乘客的体验。然而如果让出租车B去接新的乘车请求的话，只有一个乘客的体验被影响了。

一个有效的拼车调度系统还面临另外一个挑战，就是需要对调度策略做实时更新。比如图2所示的例子。假设出租车A和出租车B已经按照我们图1中所示的策略规划自己的行车路线(让出租车B去接位置P的乘车)。这个时候又有一个新的乘车请求。该请求需要出租车在较快的时间内，将其从位置Q送达到位置O。在当前情况下，出租车A距离这个乘客就太远了，而出租车B如果按照原来的计划，还要先去接第一个乘客，那个再回来接第二个乘客也就变得太晚了。所以这个时候一个更好的策略是实时的更新调度方法，让出租车A去接第一个乘客，出租车B去接第二个乘客。而要做到这样一个实时的调度系统是非常困难的。很容易引起出租车来回徘徊不前的情况。也就是说前一秒某车被调度往东开，下一秒又被调度往西开了。

为了解决类似上述问题，本实施例提出了一种实时的、高效的、大规模的、考虑用户体验的出租车拼车调度系统。

该系统包括三大部分：乘客、司机以及调度中心，整体如图3所示。

一、乘客。

乘客会发送乘车请求R给调度中心。通常一个乘车请求包含联系电话、乘客数目、乘客数目、上车位置和上车位置时间范围(最早和最晚到达上车位置的时间限制)、下车位置和下车位置时间范围(最早和最晚到达下车位置的时间限制)、愿意支付的小费；上车位置可看做接客位置，下车位置可看做送达地址。在发送这样一个乘车请求之后，乘客会马上收到来自调度中心的反馈。反馈中包含有计的接客时间，送达时间以及费用等信息。

在本例中的出租车拼车调度系统中，采用的计价方式为：对于一个乘车请求，拼车打车的费用由两部分组成：基本打车费用R.f和小费R.t。可以采用ρf₀的方式来计算基本打车费用，公式中f₀表示使用最短路径送达乘客所需要花费的价钱，而ρ则是打车折扣，在很多国内城市中通常设置为0.6。

在中国，近年来，随着打车变得越来越困难，人们也愿意支付一些小费来吸引司机接客。可以适当鼓励乘客根据用户体验支付小费。比如送达的延时越短，支付的小费越多。既然小费应当是一个时延的递减函数，那使用哪种函数便成为一个问题。如图4所示，常见的递减函数有指数递减(R.t＝αe^-λdelay)，多项式递减(R.t＝α-β*delay^λ)以及线性递减(R.t＝α-β*delay)。根据调查了129位乘客对于递减函数的喜好。发现107位都选择使用线性递减，因为这样一种方式非常直观，便于理解。所以就采用线性递减函数来刻画小费的价格。函数中，第一个参数α是指乘客最多愿意支付的小费，第二个参数β是乘客每被延时小费的下降数目，delay是延时时间。乘客往往不会支付超过(1-ρ)f₀的小费，否则总费用会超过单独打车时的费用，他们就会选择单独打车不但更加省钱，也更加快速。

二、司机。

出租车司机会定时地实时上传自己的出租车状态，如GPS位置信息和车上已有乘客数目等数据给调度中心，同时也会实时接收调度中心传给自己的行车路线，即调度方案，并按照最近安排的行车路线进行驾驶。由于智能手机现在正变得越来越普及，司机可以采用智能手机与调度中心进行沟通。同时由于出租车拼车调度系统能够提高司机的收益，所以认为司机会按照系统安排的行车路线进行驾驶。

三、调度中心。

如图3所示，后端的调度中心负责以下任务：1)接收乘客实时发送的乘车请求；2)跟踪出租车的状态(包括出租车位置、车上乘客数目或者说空闲情况)；3)规划出租车的路线，也就是出租车拼车调度方案，安排出租车去接送乘客；4)计算拼车打车费用。

调度中心每隔一段时间就会处理一下新的乘车请求，本发明使用整数线性规划计算得到一个最优解，将求解整数线性规划得到的调度作为当前出租车拼车调度方案。

出租车拼车调度问题的刻画：

首先，使用来表示当前正要处理的乘车请求集合，n表示乘车请求数，使用来表示道路上出租车的集合，m表示出租车数；

接着，将出租车拼车调度问题刻画在一个有向图G(N,A)中，N用来表示有向图G中节点的集合，A用来表示有向图G中有向边的集合，其中N＝O∪P∪D,O＝{1,…,m}，P＝{m+1,…,m+n}，D＝{m+n+1,…,m+2n}；集合P和D用来表示上车位置和下车位置，集合O用来表示出租车当前的位置；

有向图的一个例子如图5所示。图5中只画了7辆出租车对应的7个车位置，3个需要拼车乘客对应的3个上车位置和3个下车位置。

用c来表示每辆出租车的最大载客数目；每一个有向图G中的节点i都赋予一个负载q_i；对于i属于O或P，负载q_i≥1，对于i属于D，负载q_i＝-q_i-n；负载q_i用来表示一个乘车请求中乘客的人数，在接客地点(即上车位置)的负载是正的，在送达地点(即下车位置)的负载是接客地点的取反。

对于每一个P和D中的节点，设定一个时间窗口[e_i,l_i]来表示最早和最晚到达这个节点i的时间限制；对于每一个节点i属于D，使用β_i来表示对于乘车请求R_i-m-n的线性递减系数；这个线性递减系数也就是上文提到的线性递减函数中乘客每被延时小费的下降数目。

对于有向图G中每一条有向边(i,j)和每一辆出租车，如果车辆k被调度去通行(i,j)这条道路，则将设置为1，否则设置为0；

使用来表示出租车k到达节点i时的时间，使用来表示出租车到达节点i时，车上的乘客数目；

上述过程将出租车拼车调度问题刻画为一个整数线性规划问题。下面介绍介绍整数线性规划的限制条件：

1)从出租车位置出来的流最多为一：

2)所有进入上车位置(接客位置)的流都会离开这个位置：

3)限制所有出租车从上车位置出来的流最多为一，也就是保证只有一辆出租车被调度去接这个乘客，用公式(3-1)表示；限制经过上车位置的出租车，最终会到达下车位置，用公式(3-2)表示；

4)到达终点的流的总数目大于等于进入终点的流的总数目：

5)到达时间的连贯性控制。包括：刻画出租车到达每一个位置的时间关联性，用公式(5-1)表示；限制出租车到达每一个位置的时间处于规定范围内，用公式(5-2)表示；限制出租车会先到达上车位置，再达到下车位置，用公式(5-3)表示；

其中，t_ij表示从有向图G中节点i到节点j所需要的时间；

6)刻画出租车达到每一个位置时，车上乘客的数量，用公式(6-1)表示；限制乘客数量小于车的容量c，用公式(6-2)表示：

最后，在出租车拼车调度系统中设定整数线性规划的目标函数；有两个目标函数，首先是要最大化司机的利益，这个利益包含了基本打车费用以及小费。基本打车费用并不随着调度变化，所以只要优化司机赚到的小费的数目，第一个目标函数用公式(9)表示：

其中，α_i为每位发送乘车请求的乘客愿意最多支付的消费；

第二个优化目标是最大化乘客的用户体验，也就是最小化所有乘客送达延时的加权和，第二个目标函数用公式(10)表示：

这两个优化目标从数学上是等价的。也就是说，在最大化出租车司机的利益的同时，能够最大化乘客们的用户体验。

求得整数线性规划的算法的最优解，即公式(9)或(10)中的一个最优解，然后即可将求解整数线性规划得到的调度作为当前出租车拼车调度方案。

最后，本发明还引入了动态的规划更新机制。随着出租车拼车调度系统收到越来越多的请求，如果系统重新尝试去调度还没有接到的乘客，那么调度的结果肯定会有所提升。所以在每次进行调度时，不仅考虑新收到的请求，也会对还没有服务到的请求进行重新的调度规划。如果新调度对于目标函数的提升能够达到一个阈值，那么就更新出租车的行程。

引入调度机制的问题在于，一辆出租车有可能一会儿被调度到一条路的东面，一会儿又要被调度到路的西边。造成来回往复空跑的问题。为了缓解这样的问题，本发明提出使用一个阈值，只有当收益差的达到或大于这个阈值时，才对当前的出租车调度进行更新。

从图6中，可以看到引入这个阈值参数之后，震荡的问题得到了很大程度的减缓。图6是从司机小费的角度描述的。

Claims (2)

1.一种多方有益的出租车拼车调度方法，其特征在于：

对于乘客发送的乘车请求，调度中心分析其中包含的信息：乘客数目、上车位置和上车位置时间范围、下车位置和下车位置时间范围、愿意支付的小费；

调度中心跟踪各出租车的状态，包括出租车位置和车上乘客数目，根据乘车请求中的信息和出租车状态设定整数线性规划的目标函数，计算得到最优解，将求解整数线性规划得到的调度作为当前出租车拼车调度方案。

2.如权利要求1所述的多方有益的出租车拼车调度方法，其特征在于，所述整数线性规划具体包括：

刻画出租车拼车调度：

首先，使用来表示当前正要处理的乘车请求集合，n表示乘车请求数，使用v＝{V₁,…,V_m}来表示道路上出租车的集合，m表示出租车数；

接着，将出租车拼车调度问题刻画在一个有向图G(N,A)中，N用来表示有向图G中节点的集合，A用来表示有向图G中有向边的集合，其中N＝O∪P∪D，O＝{1,…,m}，P＝{m+1,…,m+n}，D＝{m+n+1,…,m+2n}；集合P和D用来表示上车位置和下车位置，集合O用来表示出租车当前的位置；

用c来表示每辆出租车的最大载客数目；每一个有向图G中的节点i都赋予一个负载q_i；对于i属于O或P，负载q_i≥1，对于i属于D，负载q_i＝-q_i-n；负载q_i用来表示一个乘车请求中乘客的人数；

对于每一个P和D中的节点，设定一个时间窗口[e_i,l_i]来表示最早和最晚到达这个节点i的时间限制；对于每一个节点i属于D，使用β_i来表示对于乘车请求R_i-m-n的线性递减系数；

对于有向图G中每一条有向边(i,j)和每一辆出租车，如果车辆k被调度去通行(i,j)这条道路，则将设置为1，否则设置为0；

使用来表示出租车k到达节点i时的时间，使用来表示出租车到达节点i时，车上的乘客数目；

设定整数线性规划的限制条件：

1)从出租车位置出来的流最多为一：

$\begin{array}{cc}{\mathrm{\Σ}}_{j\∈N}{x}_{k,j}^k\≤1& \∀k\∈v.\end{array}---\left(1\right)$

2)所有进入上车位置(接客位置)的流都会离开这个位置：

$\begin{array}{cc}{\mathrm{\Σ}}_{j\∈N}{x}_{\mathrm{ji}}^k={\mathrm{\Σ}}_{j\∈N}{x}_{\mathrm{ij}}^k& \∀i\∈P,k\∈v.\end{array}---\left(2\right)$

3)限制所有出租车从上车位置出来的流最多为一，用公式(3-1)表示；限制经过上车位置的出租车，最终会到达下车位置，用公式(3-2)表示；

$\begin{array}{cc}{\mathrm{\Σ}}_{k\∈v}{\mathrm{\Σ}}_{j\∈N}{x}_{\mathrm{ij}}^k=1& \∀i\∈P.\end{array}---(3-1)$

$\begin{array}{cc}{\mathrm{\Σ}}_{j\∈N}{x}_{\mathrm{ij}}^k={\mathrm{\Σ}}_{j\∈N}{x}_{j,i+n}^k& \∀i\∈P,k\∈v.\end{array}---(3-2)$

4)到达终点的流的总数目大于等于进入终点的流的总数目：

$\begin{array}{cc}{\mathrm{\Σ}}_{j\∈N}{x}_{\mathrm{ji}}^k\≥{\mathrm{\Σ}}_{j\∈N}{x}_{\mathrm{ij}}^k& \∀i\∈D,k\∈v.\end{array}---\left(4\right)$

5)刻画出租车到达每一个位置的时间关联性，用公式(5-1)表示；限制出租车到达每一个位置的时间处于规定范围内，用公式(5-2)表示；限制出租车会先到达上车位置，再达到下车位置，用公式(5-3)表示；

$\begin{array}{cc}{T}_j^k\≥(T_i^k+t_{\mathrm{ij}})x_{\mathrm{ij}}^k& \∀i\∈N,j\∈N,k\∈v.---(5-1)\end{array}$

$\begin{array}{cc}{e}_i\≤T_i^k\≤l_i& \∀i\∈P\∪D,k\∈v.---(5-2)\end{array}$ $\begin{array}{cc}{T}_i^k\≤T_{n+i}^k& \∀i\∈P,k\∈v.---(5-3)\end{array}$

其中，t_ij表示从有向图G中节点i到节点j所需要的时间；

6)刻画出租车达到每一个位置时，车上乘客的数量，用公式(6-1)表示；限制乘客数量小于车的容量c，用公式(6-2)表示：

$\begin{array}{cc}{Q}_j^k\≥(Q_i^k+q_j)x_{\mathrm{ij}}^k& \∀i\∈N,j\∈N,k\∈v.---(6-1)\end{array}$ $\begin{array}{cc}{Q}_i^k\≤c& \∀i\∈N,k\∈v.---(6-2)\end{array}$

设定整数线性规划的目标函数；有两个目标函数，

第一个目标函数用于优化司机赚到的小费的数目，用公式(9)表示：

$\begin{array}{cc}\max {\mathrm{\Σ}}_{i\∈D}({\mathrm{\α}}_i-{\mathrm{\β}}_i({\mathrm{\Σ}}_k{T}_i^k-e_i)).& ,k\∈v\end{array}---\left(9\right)$

其中，α_i为每位发送乘车请求的乘客愿意最多支付的消费；

第二个目标函数用于最小化所有乘客送达延时的加权和，用公式(10)表示：

$\begin{array}{cc}\min {\mathrm{\Σ}}_{i\∈D}{\mathrm{\β}}_i{\mathrm{\Σ}}_k{T}_i^k.& ,k\∈v\end{array}---\left(10\right)$

求得公式(9)或(10)中的一个最优解，然后即可将求解整数线性规划得到的调度作为当前出租车拼车调度方案。

3如权利要求1或2所述的多方有益的出租车拼车调度方法，其特征在于：

该方法还包括一个动态的规划更新机制，只有当新调度对于目标函数的提升能够达到或超过一个阈值，才对当前的出租车调度进行更新，否则保持原出租车调度。