CN108898437A - 一种车联网环境下基于动态不确定需求的协同拼车费用分担方法 - Google Patents

Abstract

本发明公开了一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：该方法采用下列步骤：首先通过拼车软件读取合乘人员拼车需求数据，据此构建合乘人员拼车需求矩阵以及拼车需求权重矩阵；接着利用模糊聚类分析法将合乘人员根据拼车需求进行聚类，车辆根据合乘人员的行驶路线再进行分车；乘客乘车后通过车联网技术实时读取车辆的行驶距离状态、行驶时间以及各路段合乘人数信息，最后代入计费公式即时计费。本发明针对拼车用户的多样化需求设计拼车计费模型，使得拼车计费更加公平、合理化，同时维护了车主与乘客双方的利益。

Description

一种车联网环境下基于动态不确定需求的协同拼车费用分担 方法

技术领域

本发明涉及绿色智能交通领域，特别是涉及一种车联网环境下基于动态不确定需求的协同拼车费用分担方法。

背景技术

近年来，拼车已成为大众讨论的热点问题，拼车软件也火速发展起来，但现阶段对于拼车计费方法暂未制定统一标准，人们在动态拼车出行过程中需求各异，对于车主来说存在许多不确定拼车需求，乘客对拼车的经济性、安全性、便捷性、舒适度以及其他需求的要求重要程度不同，也影响到乘客拼车的出行满意程度。因此，构建拼车计费分担模型对拼车发展特别是基于动态不确定的协同拼车计费有着十分重要的意义。

随着智能手机的普及以及拼车软件的快速发展，车主与乘客之间的信息沟通能够得到及时处理。将车联网技术应用到动态协同拼车中去可向乘客实时反馈车辆运行状态，为乘客匹配车辆及合乘人员提供有效信息。同时根据车联网技术实时获得车辆的行驶信息为乘客动态拼车计费提供可靠的依据。结合合乘人员的拼车不确定需求因素构建合乘费用分摊模型，既使得乘客满足个人的拼车需求，又能使合乘人员的利益得到保障，同时大幅度减少乘客的出行费用。

发明内容

本发明的目的在于提供一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，利用车联网技术获取拼车的行驶距离状态、行驶时间及各路段合乘人数等数据，代入拼车计费公式，计算出每位合乘人员的拼车费用，并以实施例进行方法应用。

为实现上述目的，本发明采用如下技术方案：

本发明提供了一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，该方法包括：

步骤1：合乘人员拼车需求数据读取，构建合乘人员拼车需求矩阵S以及拼车需求权重矩阵D；

步骤2：利用模糊聚类分析法将合乘人员进行模糊聚类，继而匹配路线再分车；

步骤3：车联网环境下车辆行驶距离状态、行驶时间及各路段合乘人数数据读取；

步骤4：车联网环境下动态不确定需求的协同拼车费用分担模型的构建；

步骤5:计算拼车费用。

其中，步骤1中合乘人员需求数据包括合乘人员对经济性、安全性、便捷性、舒适度以及其他特殊需求的指标数值，合乘人员的时间要求和合乘人数等数据，由合乘人员在发起拼车需求时输入系统当中得到。通过合乘人员的需求重要程度选择得到合乘人员拼车需求矩阵S。设合乘人员共n个人，其需求共m个，则合乘人员的拼车需求矩阵S可表示为：

其中，S为合乘人员拼车需求指标矩阵，s_ij表示第i个乘客对第j个需求的下级指标所打分值之和，下级指标取值范围为1-5分，未选取的指标其下级指标分值默认均为1分，故4≤s_ij≤20。

第一步：构建合乘人员拼车需求权重矩阵D

合乘人员在进行拼车服务前预先应用拼车软件输入需求指标数值，各需求指标的权重用公式(1)计算得出：

式中，d_ij表示第i个乘客对第j个需求指标的权重。则合乘人员拼车需求权重矩阵D为：

其中，步骤2中利用模糊聚类分析法将合乘人员进行模糊聚类，继而匹配路线再分车。其步骤如下：

第一步：根据合乘人员拼车需求矩阵S计算得到拼车需求归一化矩阵S₀：

第二步：采用模糊聚类分析法中的最大最小法构造拼车需求模糊相似矩阵R:

第三步：利用模糊聚类分析法中的传递闭包法将合乘人员根据拼车需求进行模糊聚类。

根据标定所得的模糊矩阵R还要将其改造成模糊等价矩阵R^*。用平方自合成法求R的传递闭包，即t(R)＝R^*。再让传递闭包中的值λ由大变小，就可形成动态聚类图。

其中，步骤3中车联网环境下车辆行驶距离状态、行驶时间数据及各路段合乘人数数据由车联网技术获得。

其中，步骤4中所述车联网环境下动态不确定需求的协同拼车费用分担模型的构建，其步骤如下：

第一步：私家车出行每公里费用

1)每公里油耗费用p₁。

p₁＝q×r/100 (5)

其中，q--私家车每百公里油耗(L)；

r--当地实时汽油或柴油价格(元/L)。

2)每公里车辆机械磨损费用p₂。

p₂＝g/(d×T) (6)

其中，g--车辆购买费(元)；

d--私家车平均每年行驶里程(公里)；

T--私家车平均使用年限(年)。

翻阅资料查询到私家车平均每年行驶里程约为20000公里，私家车平均使用年限为10年，因此，公式中d＝20000，T 10，公式(6)可换为如下公式所示：

p₂＝g/200000 (7)

3)车辆年固定费用均摊到每公里的费用p₃。

p₃＝(A₁+A₂+A₃+A₄)/d (8)

其中，A₁--私家车每年缴纳的保险费(元)；

A₂--私家车每年缴纳的车船税(元)；

A₃--私家车每年缴纳的年检费(元)；

A₄--每年车辆缴纳的城市道路年票费用(元)；

d通常取值为20000，公式(8)可换为如下公式所示：

p₃＝(A₁+A₂+A₃+A₄)/20000 (9)

4)私家车出行每公里费用P。

P＝p₁+p₂+p₃ (10)

第二步：费用分担模型构建

1)费用成本

在合乘时，由于私家车在一次出行中搭载多个合乘人员，且每个合乘人员需求存在差异，对于需求不同合乘人员费用的索取应当制定不同的计价模式，以保证合乘人员之间的公平性。

合乘人员为非绕行方，其拼车费用如公式(11)：

其中，C_i--合乘人员拼车出行费用；

k--拼车路线路段数量变量；

P--私家车出行每公里费用；

nos_i--第i位合乘人员在行程中人数变化的状态个数、合乘路段分段数；

--表示乘客i在路段k中的合乘距离；

--第i位乘客在路段k的费率，合乘过程中人数不同则费率取值不同；

y_i--合乘人员约束二进制变量，若y_i＝1，则车辆违背约束；否则，y_i＝0。

τ_i--惩罚因子。

--合乘部分折减因子

--二进制变量，表示此合乘模式为下一位乘客绕行模式之前产生，否则

绕行方费用由绕行部分费用以及合乘部分费用组成，则绕行方拼车费用为:

其中，Z_i--合乘人员绕行状态二进制变量，Z_i＝1表示车辆原路线不经过合乘人员i上车地点；否则Z_i＝0；

S_i--合乘人员i的绕行距离；

ρ_i--绕行部分弥补因子；

ρ_i′--绕行部分折减因子；

--二进制变量，表示此绕行部分为下一位乘客绕行模式之前产生，否则

故，动态拼车拼车费用f_i可用公式(13)统一表述：

目标函数费用最小化：

2)约束条件

①容量约束

其中，--每段路程上车辆j的合乘人数；

Q_j--车辆j载客量。

②时间约束

在出行过程中，合乘人员对时间因素较为敏感。

RT_i≤ET_i (16)

w_i≤W_i (17)

w_i＝AT_i-FT_i (18)

其中，FT_i--合乘人员到达上车地点时间；

AT_i--车辆到达合乘人员上车地点时间；

LT_i--车辆离开上车地点时间；

RT_i--车辆服务合乘人员的运行时间；

ET_i--合乘人员最大可容忍的车辆运行时间；

w_i--合乘人员实际等待时间；

W_i--合乘人员最大容忍等待时间。

③路径约束

车辆在运行过程中可以存在绕行，但合乘人员在一次拼车中绕行距离比例不宜过大，绕行约束可表述为：

β_i＝s_i/(l_i+s_i) (19)

β_i≤α_i (20)

其中，β_i--合乘人员i绕行比例；

S_i--合乘人员i的绕行距离；

l_i--合乘人员i的合乘距离；

α_i--合乘人员i所能接受的绕行比例。

另外，本拼车计费模型对最小合乘距离进行限制：

l_i≥l_min (21)

其中，l_min--车主允许的最小合乘距离。

④费率

基础费率表如下表1所示。

表1合乘基础费率表

本表中的合乘人数不包括车主本人。

⑤折减与弥补因子ρ

绕行距离对其他合乘人员的拼车质量影响可由绕行时间t_i作为指标反映出来。因此，绕行合乘人员i的弥补因子ρ_i计算公式为：

其中，t_i--绕行时间，绕行路线所需时间与原定路线所需时间之差。

对于已被服务的合乘人员来说，绕行虽然没有产生费用成本的损失，但是延长了出行时间，因此需要对已被服务的合乘人员减少费用收取，对已服务合乘人员的折减因子计算如公式(23)：

本文采取绕行模式之前拼车费用需扣去折减费用的方式对其他合乘人员的损失进行弥补，引进二进制决策变量若则表示该路段在绕行模式之前，否则绕行部分的折减因子用ρ_i′表示，用变量判断绕行路段是否在下一个绕行模式之前产生。

⑥惩罚因子

对于违反乘客所给的时间和路径约束条件的车辆应当在收费时给予惩罚，惩罚程度由合乘人员需求指标权重以及合乘约束条件的违背程度决定，用变量τ_i表示惩罚因子。

其中，θ₁--出行时间分值占出行时间分值以及等待时间分值之和的比例；

θ₂—等待时间分值占出行时间分值以及等待时间分值之和的比例。

拼车费用分担模型如下：

1)目标函数为

2)约束条件为

其中，步骤5当合乘人员下车时通过车联网技术对动态数据的读取，将合乘距离、拼车时间、费率、折减弥补因子以及惩罚因子代入公式即可得出合乘人员的拼车费用。

本发明的有益效果在于：以费用分摊公平为基本要求，结合动态拼车需求因素设计模型目标与约束条件。此模型计算的费用能维护车主与合乘人员双方的利益。模型建立考虑合乘人员的动态需求，使拼车费用分摊模型适用范围更广。使得拼车服务更加多样化，满足合乘人员的需求。

附图说明

图1为车联网环境下基于动态不确定需求的协同拼车费用分担方法流程示意图；

图2为动态拼车不确定需求指标图；

图3为车辆原路线图；

图4为合乘人员起止点分布图；

图5为车辆搭载乘客的拼车路线图。

图6为乘客X₃绕行示意图；

图7为乘客X₄绕行示意图；

具体实施方式

图1为本发明中车联网环境下基于动态不确定需求的协同拼车费用分担方法流程示意图，如图1所示，车联网环境下基于动态不确定需求的协同拼车费用分担方法包括：

步骤1：合乘人员拼车需求数据读取，构建合乘人员拼车需求矩阵S以及拼车需求权重矩阵D。

步骤2：利用模糊聚类分析法将合乘人员进行模糊聚类，继而匹配路线再分车。

步骤3：车联网环境下车辆行驶距离状态、行驶时间及各路段合乘人数数据读取。

步骤4：车联网环境下动态不确定需求的协同拼车费用分担模型的构建。

步骤5:计算拼车费用。

本实施例江苏省淮安市部分路网进行研究，随机生成5位合乘人员需求指标分值，利用江苏省交通运输与安全保障重点实验室技术实时获取车联网环境下路径的距离和时间，以淮阴工学院(枚乘路校区)为起点、淮安汽车北站为终点为车辆出行行驶路线，如图3所示。

拼车前，各合乘人员提前设定好拼车需求、起始与终止地点以及时间约束条件，将需求与路线相似的的合乘人员分配到同一辆车。图2为合乘人员选取拼车需求各指标，第二层为拼车需求的五大类指标，第三层为每类需求指标的下级指标。

各合乘人员的拼车需求矩阵S以及拼车需求权重矩阵D为：

根据合乘人员拼车需求矩阵计算得到拼车需求归一化矩阵S₀：

采用最大最小法构造模糊相似矩阵R。

平方自合成方法求出传递闭包t(R)＝R⁴。将t(R)中的元素按从大到小顺序排列：1>0.86>0.83>0.82>0.81。

此时合乘人员被分为5类：{x₁}，{x₂}，{x₃}，{x₄}，{x₅}

此时合乘人员被分为4类：{x₁}，{x₂}，{x₃、x₄}，{x₅}

此时合乘人员被分为3类：{x₁、x₅}，{x₂}，{x₃、x₄}

此时合乘人员被分为2类：{x₁、x₅}，{x₂、x₃、x₄}

合乘人员被分为1类：{x₁、x₂、x₃、x₄、x₅}

本文将例中的5人按照t(R)_0.82的分类结果进行合乘人员的分成2类。拼车系统根据附近行驶车辆路线与其路线进行匹配，替其安排车辆。计费示例选取车辆搭载X₂、X₃、X₄进行计算，其拼车路线见图5。

拼车过程中，每位合乘人员拼车距离状态如表2所示。其中合乘人员X₂未出现绕行路线，其状态可分为三部分；合乘人员X₃、X₄出现绕行行为，见图6、图7，实线部分为路线偏移部分，虚线为原路线经过路段。合乘人员X₃的路径状态可分为三部分，合乘人员X₄的路径状态可分为两部分。

表2合乘人员距离状态表

表3合乘人员出行时间状态表

表4车辆运行状态表

表5合乘人员拼车需求权重表

基于以上各表所给乘客的合乘距离状态与行驶时间表可按公式计算每位乘客合乘费用值。本例中取q＝8L/百公里，r＝7元/升，g＝100000元，A₁＝4000元，A₂＝400元， A₃＝200元，A₄＝800元，则车辆出行每公里基本费用

表6合乘人员约束条件及θ₁、θ₂值表

合乘人员X₂拼车计费路段可分为二段:第一段为1人拼车模式、第二段为3人拼车模式。且X₂的行驶时间RT_i＝41.5min＞40min故合乘人员X₂拼车费用为：

合乘人员X₃拼车过程分为三段：第一段为2人拼车模式、第二段为3人拼车模式、第三段为绕行模式。合乘人员X₃等待时间w_i＝4min＞3min，故拼车费用为：

合乘人员X₄的拼车过程可分为三段，包括2人拼车模式、3人拼车模式与绕行模式。则 X₄拼车费用为：

此次三人合乘共需花费21.96元，出行共需耗费16.359元，车主在此次出行中共需花费 -5.601元，满足车主通过拼车减少出行费用的目的。

若此次出行合乘人员X₄不合乘，则X₂、X₃的合乘距离状态表及时间状态表如表7、表8 所示。

表7合乘人员X₂、X₃距离状态表

表8合乘人员X₂、X₃时间状态表

此时，合乘人员X₂拼车过程可分为2段:第一段为1人拼车模式、第二段为2人拼车模式。且X₂的行驶时间与等待时间均在其可接受范围内，故合乘人员X₂拼车费用为：

合乘人员X₃拼车过程分为三段：第一段为2人拼车模式、第二段为1人拼车模式、第三段为绕行模式。合乘人员X₃等待时间w_i＝4min＞3min，故拼车费用为：

合乘人员X₄单独拼车，则其拼车费用为:

C₄′＝6.5×1.33×0.75＝6.48元

表9合乘人员各出行方式费用值

通过对合乘人员X₂、X₃的前后两种不同的模式的拼车费用进行对比分析，可看出通过此模型计算出的拼车费用符合拼车费用计算的原理，即拼车费用随着人数的增加而降低。对比合乘人员X₄的前后两种模式的拼车费用，此模型将合乘人员绕行距离对拼车费用的影响充分体现出来，体现出对其他合乘人员的公平性。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。

Claims (8)

1.一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于，包括以下步骤：

步骤1：合乘人员拼车需求数据读取，构建合乘人员拼车需求矩阵S以及拼车需求权重矩阵D；

步骤2：利用模糊聚类分析法将合乘人员进行模糊聚类，继而匹配路线再分车；

步骤3：车联网环境下车辆行驶距离状态、行驶时间、各路段合乘人数数据读取；

步骤4：车联网环境下动态不确定需求的协同拼车费用分担模型的构建；

步骤5:计算拼车费用。

2.根据权利要求1所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：所述步骤1中合乘人员拼车需求数据通过拼车软件读取，计算出每位合乘人员的需求指标数值S_ij，需求指标权重数值d_ij；构建合乘人员拼车需求矩阵S以及拼车需求权重矩阵D，将合乘人员的拼车需求量化。

3.根据权利要求1所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：所述步骤2中利用模糊聚类分析法将合乘人员进行模糊聚类，继而匹配路线再分车，其包括如下步骤：

2.1：根据合乘人员拼车需求矩阵S计算得到拼车需求归一化矩阵S₀；

2.2：采用模糊聚类分析法中的最大最小法构造拼车需求模糊相似矩阵R；

2.3：利用模糊聚类分析法中的传递闭包法进行模糊聚类。

4.根据权利要求1或3所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：模糊聚类分析法将乘客拼车需求作为指标，将合乘人员按照其需求相似程度进行分类。

5.根据权利要求1所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：所述步骤3中车辆行驶距离状态、行驶时间、各路段合乘人数数据通过车联网技术获得，即车联网环境下通过人-车-路三者的动态联系，读取数据绕行距离S_i、合乘距离路段合乘人数

6.根据权利要求1所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：所述步骤4中车联网环境下动态不确定需求的协同拼车费用分担模型的构建，其步骤如下：

4.1：私家车出行每公里费用P；

4.2：费用分担模型构建。

7.根据权利要6中所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：

所述私家车出行每公里费用P包括每公里耗油费用P₁、每公里车辆机械磨损费用P₂、车辆年固定费用均摊到每公里费用P₃三大出行费用，合乘人员拼车费用主要由私家车出行每公里费用、合乘人数、合乘距离、绕行距离以及乘客的时间约束条件决定，对于合乘路段费用采取均分的方法计算，对于绕行路段需要对产生绕行的乘客方收取出行费用，另外绕行乘客方需对其他合乘人员以及车主产生的时间损失进行弥补，增加绕行路段的费用的收取，引进弥补因子对绕行合乘人员之前拼车的合乘人员产生的绕行部分费用也需进行折减，引进折减因子并对绕行合乘人员之前其他合乘人员产生的拼车费用进行折减，折减因子由绕行时间t_i、实际行驶时间RT_i以及便捷性权重d_i3有关，合乘路段折减因子当车辆违反乘客的最大容忍等待时间W_i以及合乘人员最大可容忍的车辆运行时间ET_i约束时，需减少乘客拼车的出行费用，因此引进惩罚因子最终得到车联网环境下基于动态不确定需求的协同拼车费用分担模型:

8.根据权利要求1所述的一种车联网环境下基于动态不确定需求的协同拼车费用分担方法，其特征在于：所述的步骤5中计算拼车费用，主要是将步骤1、步骤3中获取的相关数据实时地导入到步骤4中的动态不确定需求的协同拼车费用分担模型中，可及时地为合乘人员计算出拼车费用。