CN109215335A - 混合式出租车派车机制 - Google Patents

Abstract

一种混合式出租车派车机制。它所述机制包括：司机通过终端选择特定场所，进入所述特定场所的排班申请序列；选择派号方式，所述派号方式包括人工派号和系统派号；若选择所述人工派号，则加入人工排班阵容，到场取号码牌，依号码牌大小依次提供服务；若选择系统派号，则系统对司机进行需求预测，排出若干工作时段提供司机选择；在所述工作时段内提供若干任务，司机选择任务后，提前到场等候并提供服务。本发明使出租车司机能够自主选择适合自己的排班方式，减少出租车的等待时间、增加准确载客的机会并减少乘客的等待时间，进一步提升出租车的服务质量，增加整体城市的信任感。

Description

混合式出租车派车机制

技术领域

本发明涉及出租车领域，特别涉及一种出租车派车机制。

背景技术

传统出租车揽客的方式，有到机场或动车站等特定地点，以排班的方式先到先揽客(First In First Service)，或是与接受乘客预约的租车方式。前者属于序列方式获取揽客机会，后者属于点对点的方式获取揽客机会。一个是主动，另一个是被动。明显地，类似滴滴打车，它有共乘/出租车/私家车的选项。这类的平台都是串联客户和驾车师傅之间的关系上，平台提供媒介。

现有的打车方式中，依照滴滴打车的概念仍是属于主从式架构的云平台与行动装置关系。做法上属于一种电子商业交易平台，应用于很多的领域。一切由需求用户发起与服务用户，共同享用既定的服务环境。

对应大数据环境所需要的主动投送所需的讯息过程，目前对于出租车用户所面临的问题似乎仍是不足，需要有一种派车机制能主动给予合法的出租车更多的服务，有别于先到先揽客这种全部齐头式平等的旧模式。况且，若在不知道需求用户来源的情形下，要如何提供合理的预测会是一个难题。

发明内容

为了解决背景技术中的问题，本发明提供一种优化出租车派车方式的混合式出租车派车机制，减少出租车排班的等待时间与提升载客量。

本发明解决其技术问题所采用的技术方案是：一种混合式出租车派车机制，所述机制包括：

司机通过终端选择特定场所，进入所述特定场所的排班申请序列；

选择派号方式，所述派号方式包括人工派号和系统派号；

若选择所述人工派号，则加入人工排班阵容，到场取号码牌，依号码牌大小依次提供服务；

若选择系统派号，则系统对司机进行需求预测，排出若干工作时段提供司机选择；

在所述工作时段内提供若干任务，司机选择任务后，提前到场等候并提供服务。

所述需求预测包括以下步骤：

1)统计曾到过特定场所的出租车和时段；

2)提供三段可以到特定场所排班时间段和排号；

3)车主回复匹配、拒绝或未回复；

4)若是未回复，则回到步骤1)；

5)若是拒绝回复，则离开本流程；

6)若是回复匹配，则取得相关记录，并且离开本流程。

所述任务包括有限时段任务和多时段任务。

所述有限时段任务时间的计算方式为：

步骤一：出租车设定起始的时间开始配对；

步骤二：TotalTime1＝DistanceTime1(P_t(i,j)→P′_t(i,j))+ρMax(TW_δ1,CW_δ2)，ρ＝1；

步骤三：TotalTime2＝DistanceTime1(P_t(i,j)→P′_t(i,j))+Max(TW_δ1,CW_δ2)+DistanceTime2(P_t(i,j)→P′_t(i,j))+Max(TW_δ1,CW_δ2)＝DistanceTime1(P_t(i,j)→P′_t(i,j))+DistanceTime2(P_t(i,j)→P′_t(i,j))+2*Max(TW_δ1,CW_δ2)；

∴DistanceTime1(P_t(i,j)→P′_t(i,j))+DistanceTime2(P_t(i,j)→P′_t(i,j))+ρMax(TW_δ1,CW_δ2)，ρ＝2；

其中，ρ为任务个数，TW_δ1为出租车全部等待门坎値，CW_δ2为乘客全部等待门坎値，DistanceTime1为任务一的路程时间，DistanceTime2为任务二的路程时间，TotalTime1为任务一的总时间，TotalTime2为出租车累计任务一和任务二的总时间。

所述多时段任务的计算方式为：

设置初始μ＝0；

时段一：μ＝μ+1，

时段二：μ＝μ+1，

…

时段N：μ＝μ+1，

其中，μ为多时段的任务个数，TW_δ1为出租车全部等待门坎値，CW_δ2为乘客全部等待门坎値，DistanceTimeN为任务的路程时间，Max(TW_δ1,CW_δ2)为等待时间，TotalTimeN为任务的总时间。

优选的，还设有评价机制，乘客可通过所述评价机制对司机进行打分、评价，对司机分类为VIP司机或非VIP司机。

本发明的有益效果是：出租车司机能够自主选择适合自己的排班方式，减少出租车的等待时间和增加准确载客的机会，进一步提升出租车的服务质量，增加整体城市的信任感。

附图说明

图1为本发明实施例的流程图。

具体实施方式

下面结合附图对本发明实施例作进一步说明：

本发明实施例中，一种混合式出租车派车机制，可由出租车司机自主选择搭客模式，其步骤包括：司机通过终端选择特定场所，进入所述特定场所的排班申请序列；选择派号方式，所述派号方式包括人工派号和系统派号；若选择所述人工派号，则加入人工排班阵容，到场取号码牌，依号码牌大小依次提供服务；若选择系统派号，则系统对司机进行需求预测，排出若干时段提供司机选择，选择适合的时段后，在相应时段内会有若干乘客发布的任务，司机选择任务后提前到场等候并提供服务。

若是选择人工派号，意思就是出租车预约并且会到场取号码牌，然后加入排班阵容，先到先提供服务。倘若未依约定到场取号码牌，将会被记录为失约1次。反之，有依约定到场取号码牌，则结束人工派号的功能。

若是选择系统派号，则遵守系统的大数据派号，依照系统排班算法的安排。这是属于即到即服务，类似VIP的通道与依班排班出租车的先到先提供服务不相同，它提供特定用户在特定时间使用。这时候系统会依照用户需求预测的结果，排出两到三个工作时段提供出租车师傅选择，将会让出租车决策适合自己的工作时段，依约定提前十分钟到载客现场。倘若未依约定到场等候，将会被记录为失约1次。反之，有依约定到场等候，则结束系统大数据派号的功能。若是有车辆因故未到场，在记录失约1次到大数据列表之后，这个空缺将提供给抽号码牌的出租车来补位，服务已经到场的用户。

需求预测的主要步骤为：

Step 1、统计曾到过不同特定场所的出租车和其到该场所的时间处于的工作时段。其中包含评价优良的出租车、所有登记的出租车。

Step 2、提出三段可以到特定场所的排班工作时段和派号。

Step 3、车主回复匹配、未回复、或拒绝。

Step 4、若是未回复，则回到Step 1。

Step 5、若是拒绝回复，则离开本流程。

Step 6、若是回复匹配，则取得相关记录，并且离开本流程。

特定场所包括客流量大的热门地点，如：机场、车站、高铁站等，系统统计曾到过这类特定场所的出租车和时段。

数学运算关系说明如下：

定义1所有出租车的集合，如公式(1)所示。i为出租车编号，j为出租车评价等级，N为大于0的整数。

定义2特定出租车t(i,j)曾到过地点P_t(ij)的集合，如公式(2)所示。

定义3特定出租车t(i,j)曾到过地点的时段编号Tid_t(ij)的集合，如公式(3)所示。

定义4系统提供k个可选择的有效时段给出租车决定，以便进行配对，对应α_k的排班与β_k的派号，出租车的选择结果为F_out，如公式(4)所示。

F_out＝A(α_k,β_k),k∈1,2,3 (4)

系统排班算法：

任务分为有限时段任务和多时段任务，有限时段任务为司机同时可选择有限个任务，多时段任务为司机同时可选择任务没有限制

系统端针对不同出租车计算三个派车时段的任务时间，即前一段开始地点到地点花费的时间(乘客已确定起点和终点)，则

步骤一：出租车设定起始的时间开始配对；

步骤二：TotalTime1＝DistanceTime1(P_t(i,j)→P′_t(i,j))+ρMax(TW_δ1,CW_δ2)，ρ＝1；

步骤三：TotalTime2＝DistanceTime1(P_t(i,j)→P′_t(i,j))+Max(TW_δ1,CW_δ2)+DistanceTime2(P_t(i,j)→P′_t(i,j))+Max(TW_δ1,CW_δ2)＝DistanceTime1(P_t(i,j)→P′_t(i,j))+DistanceTime2(P_t(i,j)→P′_t(i,j))+2*Max(TW_δ1,CW_δ2)；

∴DistanceTime1(P_t(i,j)→P′_t(i,j))+DistanceTime2(P_t(i,j)→P′_t(i,j))+ρMax(TW_δ1,CW_δ2)，ρ＝2；

其中，ρ为任务个数，TW_δ1为出租车全部等待门坎値，CW_δ2为乘客全部等待门坎値，DistanceTime1为任务一的路程时间，DistanceTime2为任务二的路程时间，TotalTime1为任务一的总时间，TotalTime2为出租车累计任务一和任务二的总时间。司机可选择合适的任务时长的任务进行服务。

对于VIP的优良驾驶或是付费驾驶，可以提供多时段任务进行优先排班。换句话说，一般的出租车师傅有限量连续时段的选择，例如:一、二、三个时段的选择。VIP出租车师傅可以超过这个数量，可从系统的派号中多选任务，进行一整天的工作排班。

若为多时段μ，则

设置初始μ＝0；

时段一：μ＝μ+1，

时段二：μ＝μ+1，

…

时段N：μ＝μ+1，

其中，μ为多时段的任务个数，TW_δ1为出租车全部等待门坎値，CW_δ2为乘客全部等待门坎値，DistanceTimeN为任务的路程时间，Max(TW_δ1,CW_δ2)为等待时间，TotalTimeN为任务的总时间。

VIP司机通过评价系统计算，乘客在经过每次乘坐出租车后，由自身的体验、所费的时间等对该出租车司机进行评价，并综合该司机的履约记录进行评级，评级较高的司机则可获得VIP称号。

本发明让出租车司机可选择自己想去的、距离近的任务单，这样既减少了司机的等客时间，也减少了乘客的等车时间，提升社会对出租车服务的满意度。

各位技术人员须知：虽然本发明已按照上述具体实施方式做了描述，但是本发明的发明思想并不仅限于此发明，任何运用本发明思想的改装，都将纳入本专利专利权保护范围内。

Claims (6)

1.一种混合式出租车派车机制，其特征在于，所述机制包括：

司机通过终端选择特定场所，进入所述特定场所的排班申请序列；

选择派号方式，所述派号方式包括人工派号和系统派号；

若选择所述人工派号，则加入人工排班阵容，到场取号码牌，依号码牌大小依次提供服务；

若选择系统派号，则系统对司机进行需求预测，排出若干工作时段提供司机选择；

在所述工作时段内提供若干任务，司机选择任务后，提前到场等候并提供服务。

2.根据权利要求1所述的混合式出租车派车机制，其特征在于：所述系统需求预测包括以下步骤：

1)统计曾到过特定场所的出租车和时段；

2)提供三段可以到特定场所排班时间段和排号；

3)车主回复匹配、拒绝或未回复；

4)若是未回复，则回到步骤1)；

5)若是拒绝回复，则离开本流程；

6)若是回复匹配，则取得相关记录，并且离开本流程。

3.根据权利要求1所述的混合式出租车派车机制，其特征在于：所述任务包括有限时段任务和多时段任务。

4.根据权利要求3所述的混合式出租车派车机制，其特征在于：所述有限时段任务时间的计算方式为：

步骤一：出租车设定起始的时间开始配对；

步骤二：TotalTime1＝DistanceTime1(P_t(i,j)→P′_t(i,j))+ρMax(TW_δ1,CW_δ2)，ρ＝1；

步骤三：TotalTime2＝DistanceTime1(P_t(i,j)→P′_t(i,j))+Max(TW_δ1,CW_δ2)+DistanceTime2(P_t(i,j)→P′_t(i,j))+Max(TW_δ1,CW_δ2)＝DistanceTime1(P_t(i,j)→P′_t(i,j))+DistanceTime2(P_t(i,j)→P′_t(i,j))+2*Max(TW_δ1,CW_δ2)；

∴DistanceTime1(P_t(i,j)→P′_t(i,j))+DistanceTime2(P_t(i,j)→P′_t(i,j))+ρMax(TW_δ1,CW_δ2)，ρ＝2；

其中，ρ为任务个数，TW_δ1为出租车全部等待门坎値，CW_δ2为乘客全部等待门坎値，DistanceTime1为任务一的路程时间，DistanceTime2为任务二的路程时间，TotalTime1为任务一的总时间，TotalTime2为出租车累计任务一和任务二的总时间。

5.根据权利要求3所述的混合式出租车派车机制，其特征在于：所述多时段任务的计算方式为：

设置初始μ＝0；

时段一：μ＝μ+1，

时段二：μ＝μ+1，

时段N：μ＝μ+1，

其中，μ为多时段的任务个数，TW_δ1为出租车全部等待门坎値，CW_δ2为乘客全部等待门坎値，DistanceTimeN为任务的路程时间，Max(TW_δ1,CW_δ2)为等待时间，TotalTimeN为任务的总时间。

6.根据权利要求1所述的混合式出租车派车机制，其特征在于：还设有评价机制，乘客可通过所述评价机制对司机进行打分、评价，对司机分类为VIP司机或非VIP司机。