CN113158462A - 一种出租车发车方式的选择方法 - Google Patents

一种出租车发车方式的选择方法 Download PDF

Info

Publication number
CN113158462A
CN113158462A CN202110430139.XA CN202110430139A CN113158462A CN 113158462 A CN113158462 A CN 113158462A CN 202110430139 A CN202110430139 A CN 202110430139A CN 113158462 A CN113158462 A CN 113158462A
Authority
CN
China
Prior art keywords
taxi
passengers
queuing
time
airport
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
CN202110430139.XA
Other languages
English (en)
Inventor
张强
马祥玉
李红波
夏雪
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.)
Chengdu College of University of Electronic Science and Technology of China
Original Assignee
Chengdu College of University of Electronic Science and Technology of China
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 Chengdu College of University of Electronic Science and Technology of China filed Critical Chengdu College of University of Electronic Science and Technology of China
Priority to CN202110430139.XA priority Critical patent/CN113158462A/zh
Publication of CN113158462A publication Critical patent/CN113158462A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Operations Research (AREA)

Abstract

本发明涉及一种出租车发车方式的选择方法，所述方法包括以下步骤，建立两个排队系统的模型，第一个排队系统为：出租车按照一定的到达率，进入“蓄车池”排队等候，依照“先来后到”排队规则进场载客；出租车离开“蓄车池”，将退出排队系统；第二个排队系统为：将“乘车区”乘客看作服务台，空车搭载乘客看作一个“服务”。出租车被放行进入“乘车区”，在“乘车区”的出租车按“先来先服务”规则搭载乘客，搭载乘客完毕后离开“乘车区”，将退出排队系统；根据S1的两个模型，可得到两个排队系统出租车的总逗留时间，出租车司机的选择策略是目标变量，将其抽象为逗留时间段内损失的金额；建立决策模型，将损失金额看作目标变量。

Description

一种出租车发车方式的选择方法
技术领域
本发明涉及交通技术领域，具体是指一种出租车发车方式的选择方法。
背景技术
在某时间段抵达的航班数量和“蓄车池”里已有的车辆数是司机可观测到的确定信息。通常司机的决策与其个人经验判断有关，比如在某个季节与某时间段抵达航班的多少和可能乘客的数量的多寡等。如果乘客在下飞机后想“打车”，就要到指定的“乘车区”排队，按先后顺序乘车。机场出租车管理人员负责“分批定量”放行出租车进去“乘车区”，同时安排一定数量的乘客上车。
目前，机场普遍在乘客乘车区设置了两条并行车道，同时，机场并未采用同一的标准约束两条并行车道上的出租车，当不限制两条并行车道上的出租车如何发车时，将会影响乘车效率，不利于让到达机场的旅客快速离开。
发明内容
基于以上问题，本发明提供了一种出租车发车方式的选择方法。本发明可实现有利于提供乘车效率目的，通过对比出租车在乘车区两条并行车道上的发车方式，可获取乘车效率相对较高的发车方式，可更为有利提高乘车效率。
为解决以上技术问题，本发明采用的技术方案如下：
一种出租车发车方式的选择方法，所述方法包括以下步骤，
S1：建立两个排队系统的模型，
第一个排队系统为：出租车按照一定的到达率，进入“蓄车池”排队等候，依照“先来后到”排队规则进场载客；出租车离开“蓄车池”，将退出排队系统；第二个排队系统为：将“乘车区”乘客看作服务台，空车搭载乘客看作一个“服务”。出租车被放行进入“乘车区”，在“乘车区”的出租车按“先来先服务”规则搭载乘客，搭载乘客完毕后离开“乘车区”，将退出排队系统；
S2：根据S1的两个模型，可得到两个排队系统出租车的总逗留时间，
出租车司机的选择策略是目标变量，将其抽象为逗留时间段内损失的金额；建立决策模型，将损失金额看作目标变量，
其中：
M1＝S1×m2-W1×V1×m3 (11)
M2＝h1×m1 (12)
min(M1，M2) (13)
公式(11)计算空车回市区的损失金额＝机场距离市区的距离S1×单位距离的油价-司机在市区中的载客时间×司机在市区中的速度×单位路程车价；公式(12)计算司机逗留机场载客的损失金额＝单位容量的油价×机场的耗油容量，公式(13)计算两种方案策略中的损失最小值；
S3：当空车回市区损失金额M1＞逗留机场载客损失金额M2，司机留在机场载客；当M1 M2，司机返回市区载客；当M1＝M2，司机两种方案任选一个。
进一步地，“蓄车池”的排队论模型为：
Figure BDA0003031069870000021
πi＝π0ρN，i≤N (2)
Figure BDA0003031069870000022
Figure BDA0003031069870000023
C＝Lq×S (5)。
进一步地，“乘车区”的排队论模型：
Figure BDA0003031069870000024
Figure BDA0003031069870000025
L＝Lq+ρ (8)
Figure BDA0003031069870000026
Figure BDA0003031069870000027
进一步地，还包括乘车效率最高模型；
T1＝ta (19)
T2＝max(Ws1，...，Wsnb) (20)
min(T1，T2) (21)
目标变量是效率最高、服务时间最短的方案；
公式(19)计算方案一的服务时间T1＝“乘车区”nb辆出租车的平均服务时间，公式(20)计算方案二的服务时间T2＝“乘车区”nb辆出租车服务时间Ws最长的那辆出租车，公式(21)求出更小的服务时间。
进一步地，还包括“优先权”排队系统，建立“优先权”排队模型：
Figure BDA0003031069870000031
Figure BDA0003031069870000032
B0＝1 (24)
Figure BDA0003031069870000033
Figure BDA0003031069870000034
Lk＝λkWk(k＝1，2，...N) (27)
公式(22)Wk表示稳定状态下k优先级的顾客平均等待时间(包括服务时间)，
公式(25)假设λ＝∑λiki＝1＜sμ，从而使第k个优先级能够达到稳定状态，
公式(27)为Little公式的使用，Lk表示第k个优先级在稳定状态下的平均队长(包括正在接受服务的车辆)。
进一步地，还包括收益均衡模型，
ya＝PWab(Sbm3-Sbm2)(a、b＝1，2，3......) (28)
Figure BDA0003031069870000035
目标变量为使收益均衡的变量，
公式(28)计算第a辆车的收益ya＝去第b个地区的权重PWab×收益；
公式(29)，计算相邻次序两辆车的收益差，控制总收益最小，使收益尽量均衡。
与现有技术相比，本发明的有益效果是：
(1)依照虹桥机场数据带入第一问的决策模型，让模型得到了实际应用。同时，该问与后两问，应用计算机模拟方法模拟车流量、客流量等，排除了机场名等不确定因素，使建立的对应模型，更加具有科学性。。
(2)给出两种上车方案，建立乘车效率模型，计算出两种方案的效率，通过比较，选出更加合理的方案，将抽象问题转化成具体化方案，更清晰明了。
(3在先来先服务基础上首先建立排队论模型，先来的车辆先装载顾客，这样更贴近实际生活，使模型更加合理准确；
(4)考虑到人和车的安全性，正在服务的车辆不能被打断，选择非抢占式排队论模型，这样的模型具有更强的说服力
(5)出租车装载目的地近的乘客的收益小于装载目的地远的乘客的收益。建立优先权排队论模型，将装载目的地近的乘客的出租车给与更高的优先权，能保证司机的收益均衡，在收益均衡条件下，目的地近的出租车能更快返回机场接客，在机场乘客高峰期，能在一定程度上保证乘客尽快从机场疏散，该模型具有一定的实际生活意义。
附图说明
参考以下详细描述可以获得对本发明的特征和优点的更好理解，其中阐述了利用了本发明的原理的说明性实施例以及附图，其中：
图1是根据本说明书一些实施例所示的一种选取出租车发车方式的系统的模块图。
图2是根据本说明书一些实施例所示的线性排列单独发车的示例图。
图3是根据本说明书一些实施例所示的线性排列依次发车的示例图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
实施例一
下面结合图1-3，分析研究与出租车司机决策相关因素的影响机理，综合考虑机场乘客数量的变化规律和出租车司机的收益，建立出租车司机选择决策模型，并给出司机的选择策略。分析可知，与出租车司机决策相关的因素有机场的乘客流量、机场的出租车数量、出租车司机的收益等，而机场的乘客流量以及机场的出租车数量会直接影响到出租车司机的收益。故将机场的乘客流量以及机场的出租车数量作为影响出租车司机的决策因素。而机场乘客流量以及出租车数量抽象成数学模型与排队论模型中的出租车逗留时间有关。逗留时间等于等待时间加服务时间。我们只需要得到逗留时间就可以得到出租车司机的收益情况。具体说明：出租车按照一定的到达率，进入“蓄车池”排队等候，依照“先来后到”排队规则进场载客。出租车离开“蓄车池”，将退出排队系统。这是第一个排队系统。将“乘车区”乘客看作服务台，空车搭载乘客看作一个“服务”。出租车被放行进入“乘车区”，在“乘车区”的出租车按“先来先服务”规则搭载乘客，搭载乘客完毕后离开“乘车区”，将退出排队系统，这是第二个排队系统。根据排队论模型可分别计算出两个系统中出租车的平均逗留时间。由于送客到机场的出租车司机将面临两个选择方案。方案一：空车回市区。不在机场逗留，这将减少时间成本，回到市区后有更多时间赚钱，但在回市区的路上会产生油费。方案二：进入机场“蓄车池”排队逗留等待载客。在逗留过程中存在发车现象，这将会产生一定油费，以及付出一定时间成本。根据两个系统中总的出租车逗留时间，得出在这段逗留时间的机场等待载客的油费，以及如果返回市区载客的油费，依照这两部分的花费计算公式建立决策模型，得到花费小的方案。花费小，出租车司机收益更大，对应方案就是出租车司机的选择策略。
具体地：本文有两个排队模型，对于第一个排队论模型，即“蓄车池”排队等候模型，由于“蓄车池”的出租车停车位有限，前往“乘车区”的出租车数量收乘客数量影响，每个乘客看成一个“服务台”，所以该排队系统是一个容量有限且多服务台的排队模型系统 (M/M/S/N)，假设在t时刻，乘客的到达率不变，将“顾客”的队长作为系统的状态X(t), 不同时间的系统状态可看作排队论中的生死过程，将相关公式套用进行求解。
对于第二个模型，“乘车区”的出租车数量有限，乘客数量多个，故也是一个容量有限且多服务台的排队模型系统(M/M/S/N)，根据排队论模型进行求解。由于到达“蓄车池”的出租车数量以及“乘车区”的乘客数量在不断变化，不方便计算，因此将出租车的平均到达率以及顾客的平均服务率作为排队论模型依据。
实施例二
为了论证方案的可行性，收集了上海虹桥机场T2航站楼的部分数据，包括虹桥机场车辆的平均载客数、平均上客时间、乘客排队等候长度及时间、出租车辆发车效率。由于数据较少，采用计算机模拟的方法，结合虹桥机场数据随机产生更多数据。取这些数据的均值带入问题一模型，看是否具有相关性。然后，建立相关系数分析的载客依赖性模型，对影响出租车司机是否留下机场载客的因素进行logistic回归分析，得到出租车司机是否机场载客对机场乘车客流量以及载客车流量依赖性是否强的结论。
以下数据全部来自于文献[姜恒.大型枢纽出租车到发车位及周转停车位研究[A]. 中国城市规划学会城市交通规划学术委员会、福州市人民政府公交优先与缓堵对策中国城市交通规划2012年年会暨第26次学术研讨会论文集[中国城市规划学会城市交通规划学术委员会、福州市人民政府中国城市规划学会,2012:9],即选取上海虹桥T2机场数据作为依据。
1.为了解虹桥机场出租车发车效率，得出平均载客数及通行能力。可采用人工计测法对离开的车辆及旅客进行记录。事先设定好计时长度并做到在一个计时长度内有一定的发车数量，保持长度适中，防止记录的样本过多产生错误。初步定为3min。
操作步骤如下：
a.了解一周的高峰、平峰分布。
b.至少选取1个平峰时段进行观测。调查时段为3min，两人分别记录该时段内发车数及旅客消散数，并记录发车方式。
c.至少选取1个高峰时段进行观测。调查时段为3min，两人分别记录该时段内发车数及旅客消散数，并记录发车方式。
调查虹桥机场T2航站楼到达出租车载客数，其中上客点载客数是指到达层车辆所载的乘客数，不包括司机。可得下表1。
表1虹桥机场到达层出租车车均载客数调查表
调查地点 样本数量 车均载客数/人
虹桥机场 63 1。28
结合调查表1可得建议虹桥机场平均载客数为：1.25～1.5人。
2.出租车乘客上客时间
乘客上客时间是指从乘客走出排队队伍开始到车辆启动的时间段，包括旅客放置行李时间、上车时间，但不包括车辆驶入和输出的时间，也就是服务时间。由对到达出租车车道边的乘客平均上车时间的统计数据分析计算可得结果见下表2。
表2虹桥机场到达层出租车上客时间分布调查表
调查地点 样本数量 平均值/s 标准差/s 发车方式
虹桥机场 63 11.10 4.07 斜列式
按照一倍标准差原则，平均服务时间建议取值为：ta＝15s。本文将此时间作为第二问的平均服务时间。
3.排队等候时间及通行能力
排队等候时间是指从旅客抵达出租车上客点，进入排队队伍末尾起，到旅客走出队伍开始登车为止的时长。通行能力是指单位时间内上客点发送的车辆数或旅客数。上客点的通行能力是影响排队时间的最主要因素。为更加直观地表达排队等候时间与通行能力之间的关系，现统一选取每分钟内发送的旅客数来描述上客点的通行能力。
对统计到的选乘出租车旅客的排队等候时间数据进行分析计算可得到下表3。其中，虹桥机场平峰时段发车方式为斜列式(8车位)，高峰时段发车方式为斜列式(8车位)+矩阵式(4×5)双发车方式。
表3选乘出租车旅客排队等候时间调查表
Figure BDA0003031069870000071
由表3可发现，虹桥机场虽然高峰时段排队长度要远长于平峰时段，但排队时间反而比平峰时段更短，这是由于发车方式不同而造成的。虹桥机场平峰时段发车方式为斜列式(8车位)，高峰时段发车方式为斜列式(8车位)+矩阵式(4×5)双发车方式。双发车方式的疏散能力大于单组发车方式。
4.出租车上客点通行能力
出租车上客点通行能力与所采用的发车方式有关。分别对平峰时段和高峰时段出租车上客点的两种发车方式进行调查可得到表4。其中，1.每份样本为3min内出租车发车数；2.通行能力＝发车效率×出租车上客点载客数(虹桥机场1.25～1.5)。
表4出租车通行能力调查表
Figure BDA0003031069870000072
由表4可知，斜列式发车效率约为每车位1.5辆/min，矩阵式约为每车位0.75辆 /min。发车效率即本文中的平均到达率。
由MATLAB编程，根据模型Ⅰ、Ⅱ以及虹桥机场数据，让计算机随机模拟再产生一些相关数据，最后可得到两个排队系统出租车的平均等待时间分别为6.5862s以及9.0939s(计算机每次模拟生成数据会不一样)。计算出总逗留时间为平均服务时间15s加两个系统平均等待时间总共为30.6801s。假设虹桥机场到市区的距离为20km。油价为0.5元/km。出租车回市区速度为40km/h。则回市区的时间为30min，将此时间除去司机返回市区所花费的时间得到司机在市区中赚钱时间，明显司机在机场逗留能很快载客，载客收益更大。得到出上海虹桥T2机场的司机决策方案为方案二，即逗留机场接客。可看到上述逗留机场时间与返回市区时间差异大。用计算机模拟产生的这种差异性来说明模型是否合理。产生这种结果的现象可参照上表3，即无论是在平峰期还是在高峰期顾客等待时间都很长，出租车出现“供不应求”现象，也就是出租车留在虹桥机场都能很快接到顾客。虹桥机场出租车司机会更愿意留在机场接客，与上表4数据，发车效率高相对应，可用模型Ⅰ、Ⅱ的来进行决策具有一定合理性。
基于logistic回归分析的载客依赖因素模型
建模思路，要求我们分析影响司机是否返回市区决策对相关因素的依赖性，司机是否返程是一个二值变量，只有返回市区和不返回市区2种取值，因此我们想到logistic回归分析，可以找出影响司机决策的主要因素。logistic回归是分类资料回归分析的一种，应用广泛、关注度较高，在医学研究、市场研究等方面比较流行，而且是最基础的一种。该题中，司机决策选项有2，故使用二项logistic回归，即因变量为分类变量，且取值有2，分别为“0”、“1”。本题可以得到出租车司机的决策方案，之后继续参照虹桥机场数据，让计算机随机生成一些出租车上客时间、出租车通行能力、出租车乘客排队等候时间将决策方案和这些因素进行logisitc回归，可以得出司机的决策对相关因素的依赖性。
数据准备：
让计算机随机生成一些出租车上客时间、出租车通行能力、出租车乘客排队等候时间，如下表5所示，其中发车效率单位为辆/min，上客时间为s，乘客等待时间为s，数字“1”代表返回市区，“0”代表不回市区。
表5机场数据表
出租车发车效率 上客时间 等待时间 是否返回市区
11.27828 6.885694 361.1122 1
8.191427 6.45191 568.4867 1
11.42138 5.199348 422.3689 1
8.107883 5.294241 578.5554 0
10.8195 4.791409 394.9294 1
11.09425 6.607877 499.1291 1
9.023125 4.434864 564.7275 0
8.738502 5.052857 483.1799 0
9.66896 4.2279 417.5799 0
11.17327 4.551723 417.5886 1
9.597234 4.148963 576.6519 0
7.658569 5.472592 477.4206 0
9.978118 6.700162 448.6192 1
11.24942 6.340756 453.5373 1
10.48021 5.211736 383.1491 1
11.11951 6.826152 589.4723 1
8.921103 4.179339 416.3472 0
9.901847 6.463582 363.6968 1
11.69802 4.50697 515.7877 1
8.338931 5.943238 468.2217 1
将出租车司机回市区载客的概率记为P，它与自变量X1、X2、Xp之间的logistic回归模型为：
Figure BDA0003031069870000091
则司机留在机场等待载客的概率为：
Figure BDA0003031069870000092
经数学变换得：
Figure BDA0003031069870000093
定义：
Figure BDA0003031069870000094
为logistic变换，即：
logit(p)＝β0+β1X1+…+βpXp (18)
通过公式(18)得到的数据有出租车上客时间、出租车通行能力、出租车乘客排队等候时间和司机最后的决策，用1表示回市区，0表示继续在机场逗留。将这些数据导出，使用 spss软件进行logistic回归，得到如下表6、表7结果：
表6方程中的变量
Figure BDA0003031069870000101
wald＝(B/S.E)2＝(0.619/0.469)2＝1.3198^2＝1.7418,跟表中的“1.744”几乎接近，是因为我对数据进行的向下舍入的关系，所以数据会稍微偏小。
表7方程中的变量
Figure BDA0003031069870000102
其中表7中变量effi、sktime、wait_time以及变量分别为出租车发车效率，上客时间 (即服务时间)，等待时间，是否返回市区，可看到sig值均小于0.05，故出租车司机的选择方案与这些因素的依赖性强。
实施例三
在某些时候，经常会出现出租车排队载客和乘客排队乘车的情况。某机场“乘车区”有两条并行车道，问管理部门应如何设置“上车点”，并合理安排出租车和乘客，在保证车辆和乘客安全条件下，使得总的乘车效率最高。为了使更多乘客能尽快上车以及“乘车区”的出租车能尽快接到乘客。假设“乘车区”边界任意位置都可上车。车辆在两条乘车道上载客可能有如下图1、二两种情况。方案一，如图1：用一条道作为“乘车区”，另一条道作为车辆转弯离开“乘车区”的车道。该方案车辆可以在乘客上车后随时离开，而不用担心被前面车辆限制前行。方案二，如图2：用两条道作为“乘车区”，出租车按统一的单行方向前行。该方案可使“乘车区”的出租车更多，但是车道上后面的车辆可能会被前面车辆限制前行。(例：后面车辆乘客已经在车上准备好出发，但是前面车辆的乘客还没有准备好，所以后面车辆的乘客要在前面乘客准备好出发条件下才能出发，此时分批进入“乘车区”出租车的服务时间为服务时间最长的那辆出租车)。利用问题一排队论模型可求出两种方案一的服务时间。在此基础上，建立乘车效率最高模型，求出两种方案中服务时间最小的方案就是总的乘车效率最高的方案。
实施例四
在实施例1基础上可以得知两种方案的服务时间。假设某段时间，进入“乘车区”的出租车数量为nb，方案一，由于车辆可以载客离开，不会被限制，所以方案一的服务时间可看作这段时间内，“乘车区”nb辆出租车的平均服务时间。而方案二，需要求出“乘车区”出租车服务时间最长的那辆出租车。将两种方案服务时间表达式写出来，最后找出服务时间最短的方案，就是总乘车效率最高的方案。综上，目标变量应该是效率最高的方案，将其抽象成数学式子就是服务时间最短的方案。建立乘车效率最高模型，其中：公式(19)计算方案一的服务时间T1＝“乘车区”nb辆出租车的平均服务时间，公式(20)计算方案二的服务时间T2＝“乘车区”nb辆出租车服务时间Ws最长的那辆出租车，公式(21)求出更小的服务时间。
T1＝ta (19)
T2＝max(Ws1，...，Wsnb) (20)
min(T1,T2) (21)
由上表2可知，虹桥机场的服务时间平均值为11.10s，标准差为4.07s，由MATLAB编程生成1000个服从均值为11.1，方差为2的随机数。然后取里面的最大值作为方案二T2的值。根据排队论思想可知，平均服务时间服从负指数分布，故用计算机随机生成1000个负指数系数为11.1的随机数，求出1000个数的均值作为方案一T1的值。程序结果为方案一的服务时间T1为11.8647s,方案二的服务时间T2为15.2389s。方案一的服务时间小于方案二，所以选择方案一能使总乘车效率最高，即依照上图1的方式在车道两边设置“上车点”。
全文符号说明：
Figure BDA0003031069870000121
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (6)

1.一种出租车发车方式的选择方法，其特征在于，所述方法包括以下步骤，
S1：建立两个排队系统的模型，
第一个排队系统为：出租车按照一定的到达率，进入“蓄车池”排队等候，依照“先来后到”排队规则进场载客；出租车离开“蓄车池”，将退出排队系统；第二个排队系统为：将“乘车区”乘客看作服务台，空车搭载乘客看作一个“服务”，出租车被放行进入“乘车区”，在“乘车区”的出租车按“先来先服务”规则搭载乘客，搭载乘客完毕后离开“乘车区”，将退出排队系统；
S2：根据S1的两个模型，可得到两个排队系统出租车的总逗留时间，
出租车司机的选择策略是目标变量，将其抽象为逗留时间段内损失的金额；建立决策模型，将损失金额看作目标变量，
其中：
M1＝S1×m2-Wl×V1×m3 (11)
M2＝h1×m1 (12)
min(M1，M2) (13)
公式(11)计算空车回市区的损失金额＝机场距离市区的距离S1×单位距离的油价-司机在市区中的载客时间×司机在市区中的速度×单位路程车价；公式(12)计算司机逗留机场载客的损失金额＝单位容量的油价×机场的耗油容量，公式(13)计算两种方案策略中的损失最小值；
S3：当空车回市区损失金额M1＞逗留机场载客损失金额M2，司机留在机场载客；当M1M2，司机返回市区载客；当M1＝M2，司机两种方案任选一个。
2.根据权利要求1所述的一种出租车发车方式的选择方法，其特征在于：“蓄车池”的排队论模型为：
Figure FDA0003031069860000011
πi＝π0ρN，i≤N (2)
Figure FDA0003031069860000012
Figure FDA0003031069860000013
V＝Lq×S (5)。
3.根据权利要求1所述的一种出租车发车方式的选择方法，其特征在于：“乘车区”的排队论模型：
Figure FDA0003031069860000021
Figure FDA0003031069860000022
L＝Lq+ρ (8)
Figure FDA0003031069860000023
Figure FDA0003031069860000024
4.根据权利要求1所述的一种出租车发车方式的选择方法，其特征在于：还包括乘车效率最高模型；
T1＝ta (19)
T2＝max(Ws1，...，Wsnb) (20)
min(T1，T2) (21)
公式(19)计算方案一的服务时间T1＝“乘车区”nb辆出租车的平均服务时间，
公式(20)计算方案二的服务时间T2＝“乘车区”nb辆出租车服务时间Ws最长的那辆出租车，
公式(21)求出更小的服务时间。
5.根据权利要求1所述的一种出租车发车方式的选择方法，其特征在于：还包括“优先权”排队系统，建立“优先权”排队模型：
Figure FDA0003031069860000025
Figure FDA0003031069860000026
B0＝1 (24)
Figure FDA0003031069860000027
Figure FDA0003031069860000031
Lk＝λkWk(k＝1，2，...N) (27)
公式(22)Wk表示稳定状态下k优先级的顾客平均等待时间(包括服务时间)，
公式(25)假设λ＝∑λiki＝1＜sμ，从而使第k个优先级能够达到稳定状态，
公式(27)为Little公式的使用，Lk表示第k个优先级在稳定状态下的平均队长(包括正在接受服务的车辆)。
6.根据权利要求1所述的一种出租车发车方式的选择方法，其特征在于：还包括收益均衡模型，
ya＝PWab(Sbm3-Sbm2)(a，b＝1，2，3......) (28)
Figure FDA0003031069860000032
目标变量为使收益均衡的变量，
公式(28)计算第a辆车的收益ya＝去第b个地区的权重PWab×收益；
公式(29)，计算相邻次序两辆车的收益差，控制总收益最小，使收益尽量均衡。
CN202110430139.XA 2021-04-21 2021-04-21 一种出租车发车方式的选择方法 Pending CN113158462A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110430139.XA CN113158462A (zh) 2021-04-21 2021-04-21 一种出租车发车方式的选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110430139.XA CN113158462A (zh) 2021-04-21 2021-04-21 一种出租车发车方式的选择方法

Publications (1)

Publication Number Publication Date
CN113158462A true CN113158462A (zh) 2021-07-23

Family

ID=76867695

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110430139.XA Pending CN113158462A (zh) 2021-04-21 2021-04-21 一种出租车发车方式的选择方法

Country Status (1)

Country Link
CN (1) CN113158462A (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6278965B1 (en) * 1998-06-04 2001-08-21 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Real-time surface traffic adviser
WO2004013733A2 (en) * 2002-08-02 2004-02-12 Limoq, Inc. Method, system and apparatus for providing transportation services
US20120245836A1 (en) * 2010-07-15 2012-09-27 Thomas White System and Method for Airport Surface Management
CN103093607A (zh) * 2011-10-27 2013-05-08 苏州市国贸电子系统工程有限公司 一种场站出租车排队管理系统和方法
CN106682783A (zh) * 2017-01-03 2017-05-17 青岛海信网络科技股份有限公司 一种蓄车场内出租车候车时间的预测方法及装置
CN107274893A (zh) * 2017-05-19 2017-10-20 四川新网银行股份有限公司 一种对客服系统智能调整在线排队优先级的方法
CN108595254A (zh) * 2018-03-09 2018-09-28 北京永洪商智科技有限公司 一种查询调度方法
CN109064098A (zh) * 2018-08-09 2018-12-21 圆通速递有限公司 一种车辆动态调度方法和系统
CN109326120A (zh) * 2018-12-21 2019-02-12 深圳友浩车联网股份有限公司 一种机场智能出租车调度方法
CN109447385A (zh) * 2018-08-28 2019-03-08 浙江工业大学 一种基于排队论的机场安检效率优化方案评估方法
CN110889591A (zh) * 2019-10-29 2020-03-17 淮阴工学院 一种机场出租车载客问题的决策方法
CN111047138A (zh) * 2019-11-13 2020-04-21 长沙学院 一种基于载客效益分析的出租车候车辅助决策方法和系统
CN111210094A (zh) * 2020-03-06 2020-05-29 青岛海信网络科技股份有限公司 一种基于实时客流预测的机场出租车自动调度方法及装置
CN111445091A (zh) * 2020-04-21 2020-07-24 南京邮电大学 一种客运中心出租车司机的智能决策方法
CN111539567A (zh) * 2020-04-21 2020-08-14 南京邮电大学 一种机场出租车优先级的调度方法
CN111951542A (zh) * 2020-08-21 2020-11-17 南京邮电大学 一种面向机场出租车上客区服务效率优化的上客点数量规划方法
CN112002137A (zh) * 2020-08-18 2020-11-27 浙江浙大中控信息技术有限公司 大型枢纽场站出租车的管理方法
CN112185099A (zh) * 2018-07-18 2021-01-05 西安艾润物联网技术服务有限责任公司 出租车调度系统及出租车调度方法
CN112561142A (zh) * 2020-12-04 2021-03-26 电子科技大学成都学院 一种排队信息查询系统

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6278965B1 (en) * 1998-06-04 2001-08-21 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Real-time surface traffic adviser
WO2004013733A2 (en) * 2002-08-02 2004-02-12 Limoq, Inc. Method, system and apparatus for providing transportation services
US20120245836A1 (en) * 2010-07-15 2012-09-27 Thomas White System and Method for Airport Surface Management
CN103093607A (zh) * 2011-10-27 2013-05-08 苏州市国贸电子系统工程有限公司 一种场站出租车排队管理系统和方法
CN106682783A (zh) * 2017-01-03 2017-05-17 青岛海信网络科技股份有限公司 一种蓄车场内出租车候车时间的预测方法及装置
CN107274893A (zh) * 2017-05-19 2017-10-20 四川新网银行股份有限公司 一种对客服系统智能调整在线排队优先级的方法
CN108595254A (zh) * 2018-03-09 2018-09-28 北京永洪商智科技有限公司 一种查询调度方法
CN112185099A (zh) * 2018-07-18 2021-01-05 西安艾润物联网技术服务有限责任公司 出租车调度系统及出租车调度方法
CN109064098A (zh) * 2018-08-09 2018-12-21 圆通速递有限公司 一种车辆动态调度方法和系统
CN109447385A (zh) * 2018-08-28 2019-03-08 浙江工业大学 一种基于排队论的机场安检效率优化方案评估方法
CN109326120A (zh) * 2018-12-21 2019-02-12 深圳友浩车联网股份有限公司 一种机场智能出租车调度方法
CN110889591A (zh) * 2019-10-29 2020-03-17 淮阴工学院 一种机场出租车载客问题的决策方法
CN111047138A (zh) * 2019-11-13 2020-04-21 长沙学院 一种基于载客效益分析的出租车候车辅助决策方法和系统
CN111210094A (zh) * 2020-03-06 2020-05-29 青岛海信网络科技股份有限公司 一种基于实时客流预测的机场出租车自动调度方法及装置
CN111445091A (zh) * 2020-04-21 2020-07-24 南京邮电大学 一种客运中心出租车司机的智能决策方法
CN111539567A (zh) * 2020-04-21 2020-08-14 南京邮电大学 一种机场出租车优先级的调度方法
CN112002137A (zh) * 2020-08-18 2020-11-27 浙江浙大中控信息技术有限公司 大型枢纽场站出租车的管理方法
CN111951542A (zh) * 2020-08-21 2020-11-17 南京邮电大学 一种面向机场出租车上客区服务效率优化的上客点数量规划方法
CN112561142A (zh) * 2020-12-04 2021-03-26 电子科技大学成都学院 一种排队信息查询系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
史可为 等: "基于排队论模型的车场出租车调度问题", 《电子技术与软件工程》 *
姜恒 等: "大型枢纽出租车到发车位及周转停车位研究", 《公交优先与缓堵对策——中国城市交通规划2012年年会暨第26次学术研讨会论文集》 *
韩中庚: "机场出租车问题的数学模型", 《数学建模及其应用》 *

Similar Documents

Publication Publication Date Title
Comi et al. Smart urban freight transport: tools for planning and optimising delivery operations
Feng et al. We are on the way: Analysis of on-demand ride-hailing systems
CN110110871B (zh) 一种订单分配的方法和系统
Li et al. The share-a-ride problem with stochastic travel times and stochastic delivery locations
Barth et al. Simulation model performance analysis of a multiple station shared vehicle system
CN105279955B (zh) 一种拼车方法及设备
CN107341553A (zh) 一种车辆调度方法及装置，电子设备
CN111832788B (zh) 一种服务信息生成的方法、装置、计算机设备及存储介质
CN106779176A (zh) 电动出租车快充站内充电设施配置及定容方法
Guo et al. Vehicle rebalancing with charging scheduling in one-way car-sharing systems
US20100076826A1 (en) Onboard auction of a first class seat ticket
CN110020745B (zh) 基于航班时刻表的实时大型航空枢纽停车场规模预测方法
Anwar et al. Changinow: A mobile application for efficient taxi allocation at airports
CN107590722A (zh) 基于反向拍卖的移动打车服务系统的订单分配方法
Liu et al. Scheduling optimisation of multi-type special vehicles in an airport
CN106022577A (zh) 载客车辆的在线均衡调度方法
CN109657820A (zh) 一种可预约的出租车匹配方法
CN112562377A (zh) 一种基于随机机会约束的客运车辆实时调度方法
CN110889591A (zh) 一种机场出租车载客问题的决策方法
CN113763695A (zh) 一种自动驾驶车辆的调度方法和系统
Du et al. CrowDNet: Enabling a crowdsourced object delivery network based on modern portfolio theory
Repoux et al. Operational analysis of an innovative semi-autonomous on-demand transportation system
Jia et al. Modeling taxi drivers’ decisions at airport based on queueing theory
CN111445091B (zh) 一种客运中心出租车司机的智能决策方法
CN106682759B (zh) 针对电动出租车的电池供应系统及网络优化方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210723