CN110136427A - 一种基于车联网大数据的自动驾驶出租车调度系统 - Google Patents

Abstract

本发明涉及计算机技术领域，具体涉及一种基于车联网大数据的自动驾驶出租车调度系统，包括智能调度系统，所述调度系统数据通过计算机将数据可视化，直观展示交通信息的变化；所述调度系统获取自动驾驶出租车车辆信息和乘客打车需求，通过全局寻找最优解的智能算法改进自动驾驶出租车的调度，实现出租车资源全局优化和分配；本发明可以对出租车行业管理、决策能力、服务水平大幅度提升，缓解交通执法人力缺乏的压力，打破传统出租车的局限，避免空驶率高、资源分布不均、挑客、载客现象。也不会出现有人驾驶情况下因司机自身原因而产生的交通危害。

Description

一种基于车联网大数据的自动驾驶出租车调度系统

技术领域

本发明涉及计算机技术领域，具体涉及一种基于车联网大数据的自动驾驶出租车调度系统。

背景技术

人工智能的日益强大和移动互联网的蓬勃发展催生了车联网等大规模数据分析应用场景。随着车联网技术的成熟，自动驾驶的研究也有了许多质的飞跃。本专利提出的自动驾驶出租车调度系统基于大数据技术，融合地理信息、乘客出行规律、车载传感信息、网络通信一体，把人、车、路、网等交通元素有机结合，形成一套集数据采集，出行知识挖掘和路径优化的交通调度系统。

目前已存在的调度系统方案有：

①根据乘车请求和管理范围内各个自动驾驶车辆的行驶信息,在多个自动驾驶车辆中确定至少一个第一候选车辆；根据每个第一候选车辆的当前位置信息、当前路况信息和己规划路线信息,计算每个第一候选车辆到达乘车目的地所需的第一时间；根据每个第一候选车辆对应的第一时间,在至少一个第一候选车辆中,确定最终候选车辆,最终候选车辆至少满足期望到达目的地时间；将乘车请求下发至最终候选车辆。

②利用大数据分布式任务调度系统,比如依靠服务器实现分布式任务调度,通过采集集群、流式集群和分布式消息队列实现调度日志采集和汇总,实现后台服务器接受用户终端的呼叫信息并根据预约位置和预约时间进行车辆匹配，将查询结果送达前端进行分析与展示。满足了大数据环境下自动驾驶出租车的调度需求,与车联网的部署速度快、使用效率高的特点相契合,在适用行业大数据应用场景的同时,降低使用成本并且增加调度系统的通用性。

③出租车方面：确定出租车的位置和状态信息；应答信息发送。

乘客方面：通过电召平台发送含有位置信息的呼叫。

服务器方面(调度系统)：收发数据、数据匹配，并传输给数据库。

完成一系列匹配后会分配出租车前去载客。

与本专利相近的现有方案如下：

专利：《自动驾驶车辆调度方法、车辆调度服务器及自动驾驶车辆》、《基于车联网和手机的智能出租车调度系统》、《无人驾驶出租车调度系统及调度方法》

论文：《Operations of Shared Autonomous Vehicle Fleet for Austin,Texas,Market》

上述的方案只能实现本专利中自动驾驶出租车调度系统的一部分，如只考虑了简单的调度，或者没有好好利用数据实现新一代车联网。现存的多个方案中所提及的调度方法还不能完整的适用于未来社会自动驾驶出租车普及后的交通运载。从宏观的方面看：这些方案只涉及到简单的调度行为，而未考虑到更为复杂的调度情况，如考虑时空特性，考虑乘客需求，考虑路况变化；未能充分使用大数据和车联网以更好的利用数据，对交通路况预测、安全防范措施、信息收集和企业管理等，未能细分出租车合乘的绕路模式(绕路模式有共享模式和非共享模式，其中共享模式又分为完整共享、内部共享、部分共享、绕路共享，详见图1)；现有方案涉及到大数据车联网的自动驾驶出租车调度系统很少，或从自动驾驶出发，或从大数据角度切入，或只是传统出租车的智能调度，没有做到各个方面的有机整合。从微观的方面看：一些调度系统细节方面的操作如乘客需要合乘，是否绕路载客，在非共享行驶、共享但未绕路行驶、共享且绕路行驶等情况如何调配车辆和如何定价；用车联网技术、大数据技术智能匹配乘客，全局优化路线；用庞大的信息量实现信息收集、行业管理、出行规律研究等。

发明内容

针对现有技术的不足，本发明公开了一种基于车联网大数据的自动驾驶出租车调度系统，建立一个智能、高效的自动驾驶出租车调度系统；综合利用车联网大数据实现出行优化；挖掘交通大数据中更多宝贵信息。

本发明通过以下技术方案予以实现：

一种基于车联网大数据的自动驾驶出租车调度系统，其特征在于，包括智能调度系统，所述调度系统数据通过计算机将数据可视化，直观展示交通信息的变化；所述调度系统获取自动驾驶出租车车辆信息和乘客打车需求，通过全局寻找最优解的智能算法改进自动驾驶出租车的调度，实现出租车资源全局优化和分配。

优选的，所述调度系统包括信息存储模块、车辆管理模块、乘客请求信息接收模块、计时模块、第一匹配车辆选择模块、通知模块、控制模块和预设范围模块。

优选的，所述智能调度系的用户界面提供乘客上下车地点、乘客最大等待时间、乘客合乘意愿和乘客期望价格幅度。

优选的，所述调度系统通过改进的路径规划算法，实现全局的路线优化。

优选的，对堵车或乘客需求变化，调度系统在检测到UI信息变更时，通过协商换乘，如乘客堵塞在道路中，经过协商同意换乘，调度系统推荐另一辆最合适的自动驾驶出租车。

优选的，所述调度系统利用python进行数据分析来寻找人车时空分布和乘客打车规律；利用数据库技术收集汇总数据并对数据进行清理、转换、合并、重塑，然后存入数据库。

优选的，所述调度系统的子系统包括共享模式、调度模型、定价策略和大数据调度平台。

本发明的有益效果为：

1、实现用最少的自动驾驶出租车完成调度任务，减少交通拥堵的同时还能方便乘客出行。

2、精细化分类自动驾驶出租车的共享模式，特别针对绕路共享模式，给出相应的路径规划、定价策略。

3、能够考虑多种约束条件，如行车里程最少、行程时间最短、运客量最多等问题综合起来进行数学建模。

4、利用大数据技术和机器学习方法预测交通路况，减少交通拥堵，也能提供安全防范，减低交通风险。

5、有利于对交通信息的收集，避免信息孤岛的出现，帮助改善行业管理。计算热点区域，为寻找人车时空分布、乘客打车规律、统计出行及活动路线提供技术支持。也能辐射周围经济产业，为经济发展提供更多选择，带来显著经济效益和社会效益。

6、智能匹配乘客，全局、实时优化路线，提供高效优质的服务水平。

7、出租车行业管理、决策能力、服务水平大幅度提升，缓解交通执法人力缺乏的压力，打破传统出租车的局限，避免空驶率高、资源分布不均、挑客、载客现象。也不会出现有人驾驶情况下因司机自身原因而产生的交通危害。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明智能调度方案系统原理图；

图2是本发明大数据调度平台架构原理框图；

图3是本发明调度系统子模块关系图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本实施例公开了如图1所示的一种基于车联网大数据的自动驾驶出租车调度系统，包括智能调度系统，所述调度系统数据通过计算机将数据可视化，直观展示交通信息的变化；所述调度系统获取自动驾驶出租车车辆信息和乘客打车需求，通过全局寻找最优解的智能算法改进自动驾驶出租车的调度，实现出租车资源全局优化和分配。

首先利用新一代人工智能技术，如计算机视觉和传感器等用以辅助出租车完成自动驾驶；其次是采用信息化平台建设智能调度系统并实现数据可视化，智能调度系统具有信息存储模块、车辆管理模块、乘客请求信息接收模块、计时模块、第一匹配车辆选择模块、通知模块、控制模块、预设范围模块，如图1，可应用在信息化平台的搭建，调度系统使用过程中的数据通过计算机将数据可视化，有利于交通部门等直观看出变化和发现交通信息知识；最后是通过智能算法改进自动驾驶出租车的调度，算法具有全局寻找最优解的良好搜索能力，实现对资源的全局优化和合理分配。

针对服务水平，即乘客的需求，UI(User Interface，用户界面，下同)提供乘客上下车地点，乘客最大等待时间，乘客合乘意愿，乘客期望价格幅度。

充分利用自动驾驶出租车接泊能力提高载客效率，减少资源浪费，比如通过算法优化或系统的智能调度，出租车下客后可以不用回到停车点(蓄车池)而接着完成下一个载客任务；通过一段时间的数据收集，使用机器学习的方法，通过学习和训练形成一个数学模型，避免出租车资源分布不合理，避免供需不平和现象，避免传统出租车空载率高、运营效率低、宰客、挑客等问题；通过改进的路径规划算法(Dijkstra算法、A*算法、D*算法等)，实现全局的路线优化；针对堵车或乘客需求变化，调度系统在检测到UI信息变更时，可以通过协商换乘，如乘客堵塞在道路中，经过协商同意换乘，调度系统可以推荐另一辆最合适的自动驾驶出租车，乘客只需要步行少许就能乘坐新的出租车，通过其他路径到达目的地。

综合利用车联网大数据实现出行优化：建立一个大数据调度平台，如图2。利用python进行数据分析来寻找人车时空分布和乘客打车规律；利用数据库技术收集汇总数据并对数据进行清理、转换、合并、重塑，然后存入数据库，通过信息的收集，统计人们的出行规律及其活动路线，优化行业管理；利用大数据技术和自动驾驶技术，减少行驶风险，提高整体安全性。

挖掘交通大数据中更多宝贵信息：通过分析交通大数据预测交通流量，预测交通路况，避免交通拥堵；通过数据可视化将乘客最常去地点呈现出来，即寻找乘客下车密度最大地点，可以根据这些乘客的需求建立新的公共设施、商店等，提高社会和经济效益。

如图3调度系统的子系统包括共享模式、调度模型、定价策略和大数据调度平台.

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于车联网大数据的自动驾驶出租车调度系统，其特征在于，包括智能调度系统，所述调度系统数据通过计算机将数据可视化，直观展示交通信息的变化；所述调度系统获取自动驾驶出租车车辆信息和乘客打车需求，通过全局寻找最优解的智能算法改进自动驾驶出租车的调度，实现出租车资源全局优化和分配。

2.根据权利要求1所述的基于车联网大数据的自动驾驶出租车调度系统，其特征在于，所述调度系统包括信息存储模块、车辆管理模块、乘客请求信息接收模块、计时模块、第一匹配车辆选择模块、通知模块、控制模块和预设范围模块。

3.根据权利要求1所述的基于车联网大数据的自动驾驶出租车调度系统，其特征在于，所述智能调度系的用户界面提供乘客上下车地点、乘客最大等待时间、乘客合乘意愿和乘客期望价格幅度。

4.根据权利要求1所述的基于车联网大数据的自动驾驶出租车调度系统，其特征在于，所述调度系统通过改进的路径规划算法，实现全局的路线优化。

5.根据权利要求1所述的基于车联网大数据的自动驾驶出租车调度系统，其特征在于，对堵车或乘客需求变化，调度系统在检测到UI信息变更时，通过协商换乘，如乘客堵塞在道路中，经过协商同意换乘，调度系统推荐另一辆最合适的自动驾驶出租车。

6.根据权利要求1所述的基于车联网大数据的自动驾驶出租车调度系统，其特征在于，所述调度系统利用python进行数据分析来寻找人车时空分布和乘客打车规律；利用数据库技术收集汇总数据并对数据进行清理、转换、合并、重塑，然后存入数据库。

7.根据权利要求1所述的基于车联网大数据的自动驾驶出租车调度系统，其特征在于，所述调度系统包括共享模式、调度模型、定价策略和大数据调度平台。