CN111882107A - 一种基于自动驾驶共享出租车系统的司乘匹配方法 - Google Patents
一种基于自动驾驶共享出租车系统的司乘匹配方法 Download PDFInfo
- Publication number
- CN111882107A CN111882107A CN202010548189.3A CN202010548189A CN111882107A CN 111882107 A CN111882107 A CN 111882107A CN 202010548189 A CN202010548189 A CN 202010548189A CN 111882107 A CN111882107 A CN 111882107A
- Authority
- CN
- China
- Prior art keywords
- point
- automatic driving
- taxi
- order
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000029305 taxis Effects 0.000 claims abstract description 9
- 238000003780 insertion Methods 0.000 claims description 54
- 230000037431 insertion Effects 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于自动驾驶共享出租车系统的司乘匹配方法,包括步骤:通过自动驾驶共享出租车系统获取自动驾驶共享出租车车辆信息;获取到的实时处于空载或存在空余座位情况的自动驾驶共享出租车进行交通流预测,使得该些自动驾驶共享出租车均有一个对应各自虚拟行驶预测的计划表;通过自动驾驶共享出租车系统获取订单中乘客的打车需求;获取订单中乘客所处上车点的设定范围内现存以及未来将到达的自动驾驶共享出租车;进行司乘匹配,最终挑选出全部计划中行驶时间增加最小的计划;发送乘客匹配计划以及个更新自动驾驶共享出租车的路径安排。本发明具有人车匹配效率高、能提高乘客安全性、最大化出租车运载能力、路径规划智能化等优点。
Description
技术领域
本发明涉及计算机及交通运输的技术领域,尤其涉及到一种基于自动驾驶共享出租车系统的司乘匹配方法。
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。当在自动驾驶应用于出租车运营时,一个不可忽略的问题是:如何在没有干预情况下完成人车匹配过程。尤其是其与共享出行进一步融合时,传统的“就近服务”原则显然行不通。因此,我们需要一套成熟的自动人车匹配策略。
目前市场上已存在很多出租车的人车匹配方法。对于传统出租车而言,空车巡航沿路寻客或者电话预约方式是最常用的匹配方法。这种方法无疑产生极大的运力浪费。不仅如此,还会导致一些偏僻路段等待的乘客常常难以获得出租车服务。而当下流行的网约车,如滴滴,Uber,其运营模式为:后台服务器接受到用户请求后,锁定用户的附近一个范围内的所有空置车辆,进而按照司机的评分高低对部分司机进行优先分配,根据出租车的位置和状态信息,向司机发送应答信息。滴滴平台将会向锁定的一批司机(如20位优质司机)发送乘客需求信息,司机将会在手机APP上进行“抢单”操作,如果所有司机都不愿意接客,平台将重新挑选下一批司机。而Uber对于锁定一群司机,按顺序发送乘客请求,每位司机有20秒决策时间,超过时间限制则失去资格,平台将乘客用车请求发送给下一位司机。滴滴的做法对用户来说应答速度快,降低候车时间,而Uber的做法则减少司机挑客载客的可能性。他们之中都存在一个“司机决策”的过程,从经济效益和用户体验上,这都不是一个必要的步骤。在司机驾驶过程中,“司机决策”反而是一个会导致司机不能集中精神的潜在危险事件;在无司机的自动驾驶模式中,“司机决策”显然更加不可能存在。
目前已有一些方法用于解决上述问题。论文《Shared Autonomous Taxi Systemand Utilization of Collected Travel-Time Information》针对自动驾驶出租车在需求生成、出租车分配操作、实时动态路径规划三个方面构建调度模型,并对比分析了实时数据和历史数据对调度策略的影响。但是其缺乏考虑合乘共享绕路问题,总体上仍是按照“就近服务”的原则。在共享出行模式下,由于要考虑不同乘客旅程的相似性,时空上最近的车辆可能不是最适合的出租车。论文《Fleet scheduling and dispatching for demand-responsive passenger services》考虑了共享服务,但只将新订单的插入在最前面,这可能大幅度降低共享出行的效益;论文《T-share:A large-scale dynamic taxiridesharing service》中,作者也考虑了共享服务,提出一种Insertion FeasibilityCheck算法实现最小化距离的订单插入方法;而论文《The shared-taxi problem:Formulation and solution methods》则针对动态系统提出增量成本的启发式算法,《Amechanism for dynamic ride sharing based on parallel auctions》利用滚动时间窗口,在考虑时间预算的情况下尽可能晚地进行安排行程。
上述研究中从各方面考虑了自动驾驶共享出行的改善,都有可取之处,但是他们忽略了如今人们乘车时对出行耗时尤为敏感。在高速发展的时代,人们大部分希望在节约出行成本的同时减少乘车时间,因此这些方法无法达到人们的最大期望。
发明内容
本发明的目的在于克服现有技术的不足,提供一种人车匹配效率高、能提高乘客安全性、最大化出租车运载能力、路径规划智能化的自动驾驶共享出租车系统的司乘匹配方法。
为实现上述目的,本发明所提供的技术方案为:
一种基于自动驾驶共享出租车系统的司乘匹配方法,包括以下步骤:
S1、通过自动驾驶共享出租车系统获取自动驾驶共享出租车车辆信息,其中包括车辆位置、空余座位数以及是否空载;
S2、对步骤S1获取到的所有自动驾驶共享出租车进行交通流预测,使得该些自动驾驶共享出租车均有一个对应各自虚拟行驶预测的计划表,每辆自动驾驶共享出租车的计划表实时更新;
S3、通过自动驾驶共享出租车系统获取订单中乘客的打车需求,其中包括上下车地点、最大延误时间、合乘意愿以及订单发起时间;
S4、获取步骤S3所述订单中乘客所处上车点的设定范围内现存以及未来将到达的自动驾驶共享出租车;
S5、进行司乘匹配,具体为将订单的上车点和下车点分别插入到步骤S4获取得到的每一辆自动驾驶共享出租车的行程计划表中,最终挑选出全部计划中行驶时间增加最小的计划;
S6、发送乘客匹配计划以及个更新相应的自动驾驶共享出租车的路径安排。
进一步地,所述计划表由一系列订单上下车地点和对应的预测时间组成,形成计划表的具体过程如下:
1)通过大量的历史数据和实时交通信息,记录城市各道路分时段的通行速度;
2)根据预测的当前各条道路通行速度和当前道路情况,计算正在行驶的自动驾驶共享出租车未来的实时轨迹,默认每辆出租车按照最短行驶时间路径行驶;
3)将匹配了某辆自动驾驶共享出租车的每一个乘客的上车和下车的地点与预测到达的时间绑定,分别形成一个计划,每辆出租车的行驶计划表则由一系列的计划组成。
进一步地,所述计划表均在车联网下进行实时更新:
首先,检查是否有已经通过的地点,若有则把已经通过的地点相应的计划删除;然后,检查是否有新的计划插入或者道路交通信息情况发生变化的情况,若存在则行驶路径和到达时间会被更新。
进一步地,所述步骤S5进行司乘匹配中设有以下两个约束条件:
1)当计划表某个插入点处插入订单的上车点或下车点,使得要插入的订单不能按时到达时,若插入的是订单的上车点,结束订单与该车的匹配,进行下一辆车匹配;若插入的是订单的下车点,结束该匹配的上车点,进行下一个上车点方案;
2)若计划表插入方案使得插入点后面的订单不能按时到达,跳过该插入点,尝试下一个插入点的方案。
进一步地,所述步骤S5将订单的上车点和分别插入到步骤S4获取得到的每一辆自动驾驶共享出租车的行程计划表中,最终挑选出全部计划中行驶时间增加最小的计划的具体过程如下:
S5-1、将订单的上车点O.o插入行程计划表中,记录该位置;第一次插入时位置在最前面,后面的插入按照记录的位置的下一个位置插入,如果已经到了最后一个位置,则进入步骤S5-10;
S5-2、计算空载或存在空余座位的自动驾驶共享出租车能否在最晚到达时间前到达上车点O.o,若不行,则插入失败,插入过程停止,直接进入步骤S5-10;若行,则进入步骤S5-3;
S5-3、计算由于这次上车点O.o插入所导致后面的点的延误时间te;
S5-4、将这次上车点O.o插入产生的延误时间te逐一与插入点后的计划中已接单的乘客设定的最新最大延误时间tb比对,若插入产生的延误时间te与每个插入点后已接单的乘客设定的最新最大延误时间tb相比均为te<tb,则本次上车点O.o插入成功,且每个已接单的乘客设定的最新最大延误时间tb作相应更新为tb=tb-te后进入步骤S5-6,否则本次上车点O.o插入失败,进入步骤S5-5;
S5-5、将本次订单的上车点O.o改插在下一个已接单的准备上车或下车地点后,返回步骤S5-2;
S5-6、将订单的下车点O.d插入行程计划表中;
S5-7、计算本辆步骤S5-2对应的自动驾驶共享出租车能否在最晚到达时间前到达下车点O.d;若不行,则插入失败,插入过程停止;若行,则进入步骤S5-8;
S5-8、将这次下车点O.d插入产生的延误时间Te逐一与插入点后已接单的乘客设定的最新最大延误时间Tb比对,若插入产生的延误时间Te与每个插入点后的计划中已接单的乘客设定的最新最大延误时间Tb相比均为Te<Tb,则本次下车点O.d插入成功,且每个已接单的乘客设定的最新最大延误时间Tb作相应更新为Tb=Tb-Te后记录该插入方案,回到步骤S5-1,否则本次下车点O.d插入失败,进入步骤S5-9;
S5-9、将本次订单的下车点O.d改插在下一个已接单的准备上车或下车地点后,返回步骤S5-7;
S5-10、对比一辆自动驾驶共享出租车的所有已记录的插入方案,仅保留出行驶时间增加最小的计划;进而,继续选择下一辆自动驾驶共享出租车,重新回到S5-1中循环比较,直到比较完最后一辆车;最后,比较所有的车辆的时间最小计划,最终挑选全部新计划中行驶时间增加最小的计划。
与现有技术相比,本方案原理及优点如下:
1.不需要“司机决策”,从而提高了人车匹配效率,也提高了乘客安全性;
2.智能安排合乘,最大化利用出租车运载能力,实现用最少的车辆完成最多的载客任务。
3.优化路线,充分细分并且考虑各种共享模式,实现智能路径规划。
4.结合自动驾驶出租车和车联网技术,既能通过车联网让自动驾驶出租车快速匹配乘客,又能利用正在行驶的自动驾驶出租车了解交通路况并作出预测,提高匹配优化程度。
5.兼容性强,可适用于自动驾驶共享出租车系统,也可以应用于普通出租车或网约车管理系统。
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服务作简单地介绍,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为本发明一种基于自动驾驶共享出租车系统的司乘匹配方法的工作原理图;
图2为本实施例中自动驾驶共享出租车计划表的示意图;
图3为本实施例中计划插入的示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
如图1所示,本实施例所述的一种基于自动驾驶共享出租车系统的司乘匹配方法,包括以下步骤:
S1、通过自动驾驶共享出租车系统获取自动驾驶共享出租车车辆信息,其中包括车辆位置、空余座位数以及是否空载;
S2、对步骤S1获取到的所有自动驾驶共享出租车进行交通流预测,使得该些自动驾驶共享出租车均有一个对应各自虚拟行驶预测的计划表,每辆自动驾驶共享出租车的计划表实时更新;
本步骤中,计划表由一系列订单上下车地点和对应的预测时间组成,形成计划表的具体过程如下:
1)通过大量的历史数据和实时交通信息,记录城市各道路分时段的通行速度;
2)根据预测的当前各条道路通行速度和当前道路情况,计算正在行驶的自动驾驶共享出租车未来的实时轨迹,默认每辆出租车按照最短行驶时间路径行驶;;
3)将匹配了某辆自动驾驶共享出租车的每一个乘客的上车和下车的地点与预测到达的时间绑定,分别形成一个计划,每辆出租车的行驶计划表则由一系列的计划组成。
上述的计划表均在车联网下进行实时更新:
首先,检查是否有已经通过的地点,若有则把已经通过的地点相应的计划删除;然后,检查是否有新的计划插入或者道路交通信息情况发生变化的情况,若存在则行驶路径和到达时间会被更新;
S3、通过自动驾驶共享出租车系统获取订单中乘客的打车需求,其中包括上下车地点、最大延误时间、合乘意愿以及订单发起时间;
S4、获取步骤S3所述订单中乘客所处上车点的设定范围内现存以及未来将到达的自动驾驶共享出租车;
S5、进行司乘匹配,即为将订单的上车点和下车点分别插入到步骤S4获取得到的每一辆自动驾驶共享出租车的行程计划表中,最终挑选出全部计划中行驶时间增加最小的计划。
本步骤中,主要围绕两个约束条件:
1)当计划表某个插入点处插入订单的上车点或下车点,使得要插入的订单不能按时到达时,若插入的是订单的上车点,结束订单与该车的匹配,进行下一辆车匹配;若插入的是订单的下车点,结束该匹配的上车点,进行下一个上车点方案;
2)若计划表插入方案使得插入点后面的订单不能按时到达,跳过该插入点,尝试下一个插入点的方案。
配合图2和图3所示,假设将新订单的上车点O.o插入路径n1和n2之间形成新的路径为n1->O.o->n2,司乘匹配具体过程如下:
首先将订单的上车点O.o插入行程计划表中;
然后计算空载或存在空余座位的自动驾驶共享出租车能否在最晚到达时间前到达上车点O.o,若不行,则插入失败,并且插入在n1后面任何位置都将不可能成功,插入过程停止;
若行,则计算由于这次上车点O.o插入所导致n1后面的点的延误时间te;
插入需要依次“询问”n1后的计划;
从n1到n2的原本时间为tn1n2,新路径耗时为tn1O.o+tO.on2,因此,这次插入产生的延误时间te可用用式(1)计算。
其中,tn1O.o表示从n1到O.o的最短行驶时间,tO.on2表示从O.o到n2的最短行驶时间;
对于每个订单,乘客会提前设置自己的最大的延误时间。假设n2属于一个订单On的上车地点,假设此前已经对该乘客造成一定的延误,剩余可延误的时间为tb。显然,必须式(2)成立;不成立则插入失败,可尝试插入在n2后面。假如成立,tb将会更新通过(3);系统将继续“询问”n3、n4。
te<tb (2)
tb=tb-te (3)
如果上车点插入成功,系统使用同样的方法继续插入下车点进入计划中,注意下车点不可以插入到上车点前面。
对于插入订单起点和终点进一辆自动驾驶共享出租车计划表的各个位置组合都判断一次后,对比所有可行的插入方案,选择出行驶时间增加最小的计划先暂时记录下来;进而,继续选择下一辆自动驾驶共享出租车,再次循环比较计划表中的各个位置,记录这辆车的最小计划,直到比较完最后一辆车;最后,比较所有的车辆的最小计划,最终挑选全部新计划中行驶时间增加最小的计划。
S6、发送乘客匹配计划以及个更新相应的自动驾驶共享出租车的路径安排。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (5)
1.一种基于自动驾驶共享出租车系统的司乘匹配方法,其特征在于,包括以下步骤:
S1、通过自动驾驶共享出租车系统获取自动驾驶共享出租车车辆信息,其中包括车辆位置、空余座位数以及是否空载;
S2、对步骤S1获取到的所有自动驾驶共享出租车进行交通流预测,使得该些自动驾驶共享出租车均有一个对应各自虚拟行驶预测的计划表,每辆自动驾驶共享出租车的计划表实时更新;
S3、通过自动驾驶共享出租车系统获取订单中乘客的打车需求,其中包括上下车地点、最大延误时间、合乘意愿以及订单发起时间;
S4、获取步骤S3所述订单中乘客所处上车点的设定范围内现存以及未来将到达的自动驾驶共享出租车;
S5、进行司乘匹配,具体为将订单的上车点和下车点分别插入到步骤S4获取得到的每一辆自动驾驶共享出租车的行程计划表中,最终挑选出全部计划中行驶时间增加最小的计划;
S6、发送乘客匹配计划以及更新相应的自动驾驶共享出租车的路径安排。
2.根据权利要求1所述的一种基于自动驾驶共享出租车系统的司乘匹配方法,其特征在于,所述计划表由一系列订单上下车地点和对应的预测到达时间组成,形成计划表的具体过程如下:
1)通过大量的历史数据和实时交通信息,记录城市各道路分时段的通行速度;
2)根据预测的当前各条道路通行速度和当前道路情况,计算正在行驶的自动驾驶共享出租车未来的实时轨迹,默认每辆出租车按照最短行驶时间路径行驶;
3)将匹配了某辆自动驾驶共享出租车的每一个乘客的上车和下车的地点与预测到达的时间绑定,分别形成一个计划,每辆出租车的行驶计划表则由一系列的计划组成。
3.根据权利要求2所述的一种基于自动驾驶共享出租车系统的司乘匹配方法,其特征在于,所述计划表均在车联网下进行实时更新:
首先,检查是否有已经通过的地点,若有则把已经通过的地点相应的计划删除;然后,检查是否有新的计划插入或者道路交通信息情况发生变化的情况,若存在则行驶路径和到达时间会被更新。
4.根据权利要求1所述的一种基于自动驾驶共享出租车系统的司乘匹配方法,其特征在于,所述步骤S5进行司乘匹配中设有以下两个约束条件:
1)当计划表某个插入点处插入订单的上车点或下车点,使得要插入的订单不能按时到达时,若插入的是订单的上车点,结束订单与该车的匹配,进行下一辆车匹配;若插入的是订单的下车点,结束该匹配的上车点,进行下一个上车点方案;
2)若计划表插入方案使得插入点后面的订单不能按时到达,跳过该插入点,尝试下一个插入点的方案。
5.根据权利要求4所述的一种基于自动驾驶共享出租车系统的司乘匹配方法,其特征在于,所述步骤S5将订单的上车点和分别插入到步骤S4获取得到的每一辆自动驾驶共享出租车的行程计划表中,最终挑选出全部计划中行驶时间增加最小的计划的具体过程如下:
S5-1、将订单的上车点O.o插入行程计划表中,记录该位置;第一次插入时位置在最前面,后面的插入按照记录的位置的下一个位置插入,如果已经到了最后一个位置,则进入步骤S5-10;
S5-2、计算空载或存在空余座位的自动驾驶共享出租车能否在最晚到达时间前到达上车点O.o,若不行,则插入失败,插入过程停止,直接进入步骤S5-10;若行,则进入步骤S5-3;
S5-3、计算由于这次上车点O.o插入所导致后面的点的延误时间te;
S5-4、将这次上车点O.o插入产生的延误时间te逐一与插入点后的计划中已接单的乘客设定的最新最大延误时间tb比对,若插入产生的延误时间te与每个插入点后已接单的乘客设定的最新最大延误时间tb相比均为te<tb,则本次上车点O.o插入成功,且每个已接单的乘客设定的最新最大延误时间tb作相应更新为tb=tb-te后进入步骤S5-6,否则本次上车点O.o插入失败,进入步骤S5-5;
S5-5、将本次订单的上车点O.o改插在下一个已接单的准备上车或下车地点后,返回步骤S5-2;
S5-6、将订单的下车点O.d插入行程计划表中;
S5-7、计算本辆步骤S5-2对应的自动驾驶共享出租车能否在最晚到达时间前到达下车点O.d;若不行,则插入失败,插入过程停止;若行,则进入步骤S5-8;
S5-8、将这次下车点O.d插入产生的延误时间Te逐一与插入点后已接单的乘客设定的最新最大延误时间Tb比对,若插入产生的延误时间Te与每个插入点后的计划中已接单的乘客设定的最新最大延误时间Tb相比均为Te<Tb,则本次下车点O.d插入成功,且每个已接单的乘客设定的最新最大延误时间Tb作相应更新为Tb=Tb-Te后记录该插入方案,回到步骤S5-1,否则本次下车点O.d插入失败,进入步骤S5-9;
S5-9、将本次订单的下车点O.d改插在下一个已接单的准备上车或下车地点后,返回步骤S5-7;
S5-10、对比一辆自动驾驶共享出租车的所有已记录的插入方案,仅保留出行驶时间增加最小的计划;进而,继续选择下一辆自动驾驶共享出租车,重新回到S5-1中循环比较,直到比较完最后一辆车;最后,比较所有的车辆的时间最小计划,最终挑选全部新计划中行驶时间增加最小的计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010548189.3A CN111882107B (zh) | 2020-06-16 | 2020-06-16 | 一种基于自动驾驶共享出租车系统的司乘匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010548189.3A CN111882107B (zh) | 2020-06-16 | 2020-06-16 | 一种基于自动驾驶共享出租车系统的司乘匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111882107A true CN111882107A (zh) | 2020-11-03 |
CN111882107B CN111882107B (zh) | 2022-07-05 |
Family
ID=73157639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010548189.3A Active CN111882107B (zh) | 2020-06-16 | 2020-06-16 | 一种基于自动驾驶共享出租车系统的司乘匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111882107B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711373A (zh) * | 2020-12-28 | 2021-04-27 | 广州小马慧行科技有限公司 | 乘车服务处理方法、装置、车载终端及介质 |
CN113538088A (zh) * | 2021-06-23 | 2021-10-22 | 东风汽车集团股份有限公司 | Robotaxi自动驾驶网约车订单处理方法 |
CN113592335A (zh) * | 2021-08-09 | 2021-11-02 | 上海淞泓智能汽车科技有限公司 | 一种无人驾驶接驳车辆乘客需求匹配与车辆调度方法 |
CN113865603A (zh) * | 2021-08-30 | 2021-12-31 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
CN117408789A (zh) * | 2023-12-14 | 2024-01-16 | 北京新能源汽车股份有限公司 | 自动驾驶汽车的共享装置、汽车、方法及服务器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021667A (zh) * | 2014-06-25 | 2014-09-03 | 哈尔滨工业大学 | 整合预约服务与实时打车的出租车合乘调度系统及调度方法 |
US20170167882A1 (en) * | 2014-08-04 | 2017-06-15 | Xerox Corporation | System and method for generating available ride-share paths in a transportation network |
US10248913B1 (en) * | 2016-01-13 | 2019-04-02 | Transit Labs Inc. | Systems, devices, and methods for searching and booking ride-shared trips |
CN110136427A (zh) * | 2019-04-23 | 2019-08-16 | 广东工业大学 | 一种基于车联网大数据的自动驾驶出租车调度系统 |
-
2020
- 2020-06-16 CN CN202010548189.3A patent/CN111882107B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021667A (zh) * | 2014-06-25 | 2014-09-03 | 哈尔滨工业大学 | 整合预约服务与实时打车的出租车合乘调度系统及调度方法 |
US20170167882A1 (en) * | 2014-08-04 | 2017-06-15 | Xerox Corporation | System and method for generating available ride-share paths in a transportation network |
US10248913B1 (en) * | 2016-01-13 | 2019-04-02 | Transit Labs Inc. | Systems, devices, and methods for searching and booking ride-shared trips |
CN110136427A (zh) * | 2019-04-23 | 2019-08-16 | 广东工业大学 | 一种基于车联网大数据的自动驾驶出租车调度系统 |
Non-Patent Citations (1)
Title |
---|
曾伟良等: "自动驾驶出租车调度系统研究综述", 《计算机科学》, 31 May 2020 (2020-05-31), pages 181 - 189 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711373A (zh) * | 2020-12-28 | 2021-04-27 | 广州小马慧行科技有限公司 | 乘车服务处理方法、装置、车载终端及介质 |
CN112711373B (zh) * | 2020-12-28 | 2022-06-14 | 广州小马慧行科技有限公司 | 乘车服务处理方法、装置、车载终端及介质 |
CN113538088A (zh) * | 2021-06-23 | 2021-10-22 | 东风汽车集团股份有限公司 | Robotaxi自动驾驶网约车订单处理方法 |
CN113538088B (zh) * | 2021-06-23 | 2022-05-20 | 东风汽车集团股份有限公司 | Robotaxi自动驾驶网约车订单处理方法 |
CN113592335A (zh) * | 2021-08-09 | 2021-11-02 | 上海淞泓智能汽车科技有限公司 | 一种无人驾驶接驳车辆乘客需求匹配与车辆调度方法 |
CN113865603A (zh) * | 2021-08-30 | 2021-12-31 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
CN113865603B (zh) * | 2021-08-30 | 2024-06-07 | 东风柳州汽车有限公司 | 共享无人车路径规划方法、装置、设备及存储介质 |
CN117408789A (zh) * | 2023-12-14 | 2024-01-16 | 北京新能源汽车股份有限公司 | 自动驾驶汽车的共享装置、汽车、方法及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN111882107B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882107B (zh) | 一种基于自动驾驶共享出租车系统的司乘匹配方法 | |
CN110598908B (zh) | 基于多任务多车辆的路径规划方法 | |
JP7008802B2 (ja) | 配車管理装置及び配車管理方法 | |
US20120078672A1 (en) | Efficient Automated Ride Sharing System | |
CN109948854B (zh) | 一种基于多目标优化的城际网约车订单分配方法 | |
CN109657820B (zh) | 一种可预约的出租车匹配方法 | |
CN108921762B (zh) | 一种车辆混合调度方法、装置及设备 | |
CN113393137B (zh) | 一种基于车联网的调度共享系统 | |
JP5419759B2 (ja) | 電気自動車の交通ナビゲーション装置、及び電気自動車の交通ナビゲーションシステム | |
CN111868654A (zh) | 路线规划的方法和设备 | |
JP2020166760A (ja) | スケジュール管理システム、移動体、プログラム及び方法 | |
US11914384B2 (en) | Energy consumption estimation device and energy consumption estimation method | |
CN110414750A (zh) | 一种基于深度增强学习的电动汽车实时充电站选择方法 | |
EP3491597A1 (en) | System and method for controlling vehicle | |
CN113642761A (zh) | Robotaxi自动驾驶共享网约车资源分配方法 | |
CN111461375A (zh) | 一种智能网约自动驾驶汽车的服务系统及其方法 | |
CN113919684A (zh) | 一种多模式定制公交动态调度方法、系统及可读存储介质 | |
JP2020166754A (ja) | 情報処理装置、移動体、プログラム及び方法 | |
CN113379159A (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
CN115641722B (zh) | 一种基于动态等待时间的班车出行服务系统及方法 | |
JP2019133356A (ja) | 乗換支援システム、乗換支援方法、乗換支援プログラム、移動体 | |
CN110598985A (zh) | 一种车辆路径规划方法 | |
CN113962434A (zh) | 一种基于鲁棒路径的动态大规模合乘路线规划方法 | |
CN113642796A (zh) | 基于历史数据的动态共享电动自动驾驶车辆路径规划方法 | |
CN114739418B (zh) | 一种网约车用户出行方式选择方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |