CN110246329A - 一种出租车载客数量预测方法 - Google Patents

一种出租车载客数量预测方法 Download PDF

Info

Publication number
CN110246329A
CN110246329A CN201910273849.9A CN201910273849A CN110246329A CN 110246329 A CN110246329 A CN 110246329A CN 201910273849 A CN201910273849 A CN 201910273849A CN 110246329 A CN110246329 A CN 110246329A
Authority
CN
China
Prior art keywords
taxi
period
prediction
grid
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910273849.9A
Other languages
English (en)
Inventor
陈志军
汪勇飞
张晶明
马浩为
陈德鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201910273849.9A priority Critical patent/CN110246329A/zh
Publication of CN110246329A publication Critical patent/CN110246329A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种出租车载客数量预测方法，包括以下步骤：1)对现有路网进行网格划分；2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立卷积神经网络，提取局部特征，输出路网网格的预测出租车载客数量；5)将预测出租车载客数量形成热点图发送给出租车驾驶员，为空载出租车提供路径行驶依据。本发明方法能够有效避免传统出租车司机自主判断的局限性和网约车公司热力图的模糊性和时效性不佳的缺点。

Description

一种出租车载客数量预测方法
技术领域
本发明涉及人工智能技术，尤其涉及一种出租车载客数量预测方法。
背景技术
出租车作为城市交通工具的一部分，凭借着其方便快捷，在公众出行工具中占有重要地位。但出租车空载率居高不下，使驾驶员收益降低，难以维持正常的运营，严重阻碍了出租车行业的发展。
解决这个问题的传统做法是出租车驾驶员凭借经验判断选择客源较多的道路，网约车公司也为部分网约出租车提供热点图。但这几种方法弊端较为明显，前者出租车司机经验判断具有一定的局限性，难以对客源热点区域进行准确的判断，特别是新手出租车司机，而后者时效性差，难以提供准确的客源分布，二者难以降低出租车空载率。而目前并没有相关的专利可以预测出租车客源，为出租车推荐合理路径，以降低出租车空载率。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种出租车载客数量预测方法。
本发明解决其技术问题所采用的技术方案是：一种出租车载客数量预测方法，包括以下步骤：
1)对现有路网进行网格划分，划分的原则为满足一个网格内仅有一条机动车道路；
2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；
3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；
4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立三层卷积层的卷积神经网络，提取局部特征，输出路网网格的预测出租车载客数量；
5)将预测出租车载客数量形成热点图发送给出租车驾驶员，为空载出租车提供路径行驶依据。
按上述方案，所述步骤4)中卷积神经网络包括输入层、三层卷积层和输出层，数据输入为三维矩阵，其中包含经纬度水平的网格划分以及时间维度的时间段间隔，其中第一层卷积层包含5个3*3大小的卷积核，第二层包含10个5*5大小的卷积核，第三次包含5个3*3大小的卷积核。
本发明产生的有益效果是：
通过交通历史大数据，能有效预测区域载客数量，保证预测的时效性和科学性；
能够有效避免传统出租车司机自主判断的局限性和网约车公司热力图的模糊性和时效性不佳的缺点；
能够有效为驾驶员提供未来客源分布情况，能有效减低出租车空载率，提高驾驶员经济收益，促进出租车行业发展。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的路网网格化示意图；
图2是本发明实施例的卷积神经网络结构示意图；
图3是本发明实施例的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图3，一种出租车载客数量预测方法，包括以下步骤：
步骤1：路网网格化，尽量满足一个网格内仅有一条道路；如图1所示
本实施例以武汉市出租车载客情况为例。将武汉路网划分为100m*100m的网格，尽量满足一个网格内仅有一条通行道路。
步骤2：调查区域出租车平均接客间隔时间；
利用交管局提供的数据调查武汉市出租车平均接客时间，即15分钟。
步骤3：整理每个网格单位时间内的载客数量(单位时间即为出租车平均接客间隔时间)；
统计每个网格单位时间内的载客数量θ，即15分钟内的出租车在该网格内的载客数量。
步骤4：以预测时段前一时间段(前一月)的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立三层卷积层的卷积神经网络，如图2，提取局部特征，输出各路网网格的预测出租车载客数量。
本实施例中卷积神经网络包括输入层、三层卷积层和输出层。数据输入为三维矩阵，其中包含经纬度水平的网格划分以及时间维度的时间段间隔。其中第一层卷积层包含5个(3*3)大小的卷积核，第二层包含10个(5*5)大小的卷积核，第三次包含5个(3*3)大小的卷积核。最终输出层采用全连接形式，不使用激活函数，直接进行订单数量预测。
当数据输入神经网络后，在每个卷积层中，不同数量的卷积核按顺序在输入矩阵上滑动，通过卷积操作，进行数据特征提取并形成对应的特征图，特征图作为前一层卷积层的输出会成为下一层网络的输入，经过多次卷积，从而提取出不同维度的数据特征，在所有特征整合后，经过激活函数激活，可以得到该区域载客数量的特征分布，从而进行预测。
其中S(x)即为Sigmoid函数，即
Θ为卷积核中的参数值，b为偏置，i,j为卷积核中的大小，k为上层的特征图数量。
本发明将卷积神经网络应用到出租车载客数量预测中，根据历史载客数量，预测区域载客数量，从而让驾驶员明确未来客源分布，以降低空载率。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种出租车载客数量预测方法，其特征在于，包括以下步骤：
1)对现有路网进行网格划分，划分的原则为满足一个网格内仅有一条机动车道路；
2)统计获得路网区域内出租车平均接客间隔时间，将平均接客间隔时间作为单位时间；
3)以单位时间为周期，顺序划分时间段，获得每个网格在每个时段内的载客数量信息；
4)以预测时段前一时间段的出租车载客数量以及前一天、前一周同时段的出租车载客数量作为预测数据，设立卷积神经网络，提取局部特征，输出路网网格的预测出租车载客数量；
5)将预测出租车载客数量形成热点图发送给出租车驾驶员，为空载出租车提供路径行驶依据。
2.根据权利要求1所述的出租车载客数量预测方法，其特征在于，所述步骤4)中卷积神经网络包括输入层、三层卷积层和输出层，数据输入为三维矩阵，其中包含经纬度水平的网格划分以及时间维度的时间段间隔，其中第一层卷积层包含5个3*3大小的卷积核，第二层包含10个5*5大小的卷积核，第三次包含5个3*3大小的卷积核。
CN201910273849.9A 2019-04-07 2019-04-07 一种出租车载客数量预测方法 Pending CN110246329A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910273849.9A CN110246329A (zh) 2019-04-07 2019-04-07 一种出租车载客数量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910273849.9A CN110246329A (zh) 2019-04-07 2019-04-07 一种出租车载客数量预测方法

Publications (1)

Publication Number Publication Date
CN110246329A true CN110246329A (zh) 2019-09-17

Family

ID=67883042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910273849.9A Pending CN110246329A (zh) 2019-04-07 2019-04-07 一种出租车载客数量预测方法

Country Status (1)

Country Link
CN (1) CN110246329A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783801A (zh) * 2020-07-17 2020-10-16 上海明波通信技术股份有限公司 物体轮廓提取方法及系统和物体轮廓预测方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303797A (zh) * 2007-05-09 2008-11-12 王岳剑 基于智能交易系统的出租车智能运输服务设施
JP2010039833A (ja) * 2008-08-06 2010-02-18 Act Systems:Kk 需要発生予測システム、需要発生予測装置、および需要発生予測方法
CN103839424A (zh) * 2014-02-27 2014-06-04 河海大学常州校区 一种基于招车期望值的出租车空车导航系统与方法
WO2014197911A1 (en) * 2013-06-07 2014-12-11 Yandex Europe Ag Methods and systems for representing a degree of traffic congestion using a limited number of symbols
CN105373840A (zh) * 2015-10-14 2016-03-02 深圳市天行家科技有限公司 代驾订单预测方法和代驾运力调度方法
CN105513337A (zh) * 2015-11-12 2016-04-20 中国科学院深圳先进技术研究院 一种客流量的预测方法及装置
CN107153882A (zh) * 2016-03-03 2017-09-12 北京嘀嘀无限科技发展有限公司 乘客打车时刻分布区间的预测方法和系统
CN107341553A (zh) * 2017-05-26 2017-11-10 北京三快在线科技有限公司 一种车辆调度方法及装置，电子设备
CN107392389A (zh) * 2017-08-03 2017-11-24 重庆大学 基于arima模型的出租车调度处理方法
CN108629503A (zh) * 2018-04-28 2018-10-09 南通大学 一种基于深度学习的出租车上车需求量的预测方法
CN108985475A (zh) * 2018-06-13 2018-12-11 厦门大学 基于深度神经网络的网约车召车需求预测方法
CN109117973A (zh) * 2017-06-26 2019-01-01 北京嘀嘀无限科技发展有限公司 一种网约车订单量预测方法及装置
CN109558985A (zh) * 2018-12-10 2019-04-02 南通科技职业学院 一种基于bp神经网络的公交客流量预测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101303797A (zh) * 2007-05-09 2008-11-12 王岳剑 基于智能交易系统的出租车智能运输服务设施
JP2010039833A (ja) * 2008-08-06 2010-02-18 Act Systems:Kk 需要発生予測システム、需要発生予測装置、および需要発生予測方法
WO2014197911A1 (en) * 2013-06-07 2014-12-11 Yandex Europe Ag Methods and systems for representing a degree of traffic congestion using a limited number of symbols
CN103839424A (zh) * 2014-02-27 2014-06-04 河海大学常州校区 一种基于招车期望值的出租车空车导航系统与方法
CN105373840A (zh) * 2015-10-14 2016-03-02 深圳市天行家科技有限公司 代驾订单预测方法和代驾运力调度方法
CN105513337A (zh) * 2015-11-12 2016-04-20 中国科学院深圳先进技术研究院 一种客流量的预测方法及装置
CN107153882A (zh) * 2016-03-03 2017-09-12 北京嘀嘀无限科技发展有限公司 乘客打车时刻分布区间的预测方法和系统
CN107341553A (zh) * 2017-05-26 2017-11-10 北京三快在线科技有限公司 一种车辆调度方法及装置，电子设备
CN109117973A (zh) * 2017-06-26 2019-01-01 北京嘀嘀无限科技发展有限公司 一种网约车订单量预测方法及装置
CN107392389A (zh) * 2017-08-03 2017-11-24 重庆大学 基于arima模型的出租车调度处理方法
CN108629503A (zh) * 2018-04-28 2018-10-09 南通大学 一种基于深度学习的出租车上车需求量的预测方法
CN108985475A (zh) * 2018-06-13 2018-12-11 厦门大学 基于深度神经网络的网约车召车需求预测方法
CN109558985A (zh) * 2018-12-10 2019-04-02 南通科技职业学院 一种基于bp神经网络的公交客流量预测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783801A (zh) * 2020-07-17 2020-10-16 上海明波通信技术股份有限公司 物体轮廓提取方法及系统和物体轮廓预测方法及系统
CN111783801B (zh) * 2020-07-17 2024-04-23 上海明波通信技术股份有限公司 物体轮廓提取方法及系统和物体轮廓预测方法及系统

Similar Documents

Publication Publication Date Title
CN104167092B (zh) 一种确定出租车上下客热点区域中心的方法以及装置
CN104574970B (zh) 城市地下停车系统出入口接驳处交通状态评价方法
CN105206046B (zh) 基于大数据的出租车服务站选址及可行性评价方法
CN105426997A (zh) 城市公共自行车智能调度与运用管理系统及其实现方法
CN103198645B (zh) 一种基于乘客出行分布的高峰期公交线路跳站运行方法
CN104102953B (zh) 一种物流送货线路优化生成方法及系统
CN104766476B (zh) 一种路段以及路网区域交通状态指数的计算方法
CN107919014B (zh) 面向多载客里程的出租车运行线路优化方法
CN105719083A (zh) 一种基于多层次分区的公共自行车高峰期调度方法
CN103295394B (zh) 基于广义gps数据的出租车候客站点备选地址确定方法
Poku-Boansi et al. The determinants of demand for public transport services in Kumasi, Ghana
CN109612488B (zh) 基于大数据微服务的混合出行方式路径规划系统及方法
CN105225473B (zh) 一种基于站点效率计算的公交快线设计方法
CN109993408A (zh) 一种基于服务区域划分的网约车运力调配方法
CN105184409A (zh) 定制公交规划线路出行需求热力图构建方法
CN110287612B (zh) 一种加氢站选址智能算法
CN106971546A (zh) 基于公交车gps数据的路段公交车渗透率估计方法
CN103956042A (zh) 一种基于图论的公共自行车调度区域智能划分方法
CN104318081A (zh) 一种城市重需求性公共自行车租赁点车辆配置方法
CN105046379A (zh) 一种城市公交发车时刻表优化方法
CN108062591A (zh) 电动汽车充电负荷时空分布预测方法
CN110245774A (zh) 一种根据员工家庭住址进行班车线路优化的方法
CN104573972B (zh) 一种基于车载gps数据的公交路线运营时段划分方法
CN110246329A (zh) 一种出租车载客数量预测方法
CN113112076B (zh) 一种客流集散模式发现及预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190917

RJ01 Rejection of invention patent application after publication