CN113393026B - 一种无人出租车换乘及路径匹配方法 - Google Patents

一种无人出租车换乘及路径匹配方法 Download PDF

Info

Publication number
CN113393026B
CN113393026B CN202110643256.4A CN202110643256A CN113393026B CN 113393026 B CN113393026 B CN 113393026B CN 202110643256 A CN202110643256 A CN 202110643256A CN 113393026 B CN113393026 B CN 113393026B
Authority
CN
China
Prior art keywords
passenger
passengers
taxi
unbound
unmanned
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.)
Active
Application number
CN202110643256.4A
Other languages
English (en)
Other versions
CN113393026A (zh
Inventor
曾伟良
朱蕴
黄永慧
孙为军
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110643256.4A priority Critical patent/CN113393026B/zh
Publication of CN113393026A publication Critical patent/CN113393026A/zh
Application granted granted Critical
Publication of CN113393026B publication Critical patent/CN113393026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0645—Rental transactions; Leasing transactions
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种无人出租车换乘及路径匹配方法，包括以下步骤：后台服务器收集乘客Pi在共乘app上输入的基本需求信息；根据乘客Pi所提交的起始地和目的地，搜寻请求区域内所有未绑定乘客Pj，进行初次绑定；对初次绑定的乘客组的路径进行规划，并计算规划后的路线是否符合时间约束条件，若符合，则最终绑定乘客组，反之则将乘客加入未绑定的集合中；将最终绑定的乘客组与无人出租车候选集Wc中的无人出租车进行司乘匹配；在下一时间间隔内，更新未绑定集合W和无人出租车候选集Wc，对新加入和未绑定的集合中的乘客循环判断换乘条件，直到所有的乘客被分配至目的地或者没有新乘客为止。本发明具有提高无人出租车的合乘率、降低城市交通拥挤率等优点。

Description

一种无人出租车换乘及路径匹配方法
技术领域
本发明涉及智能交通的技术领域，尤其涉及一种无人出租车换乘及路径匹配方法。
背景技术
随着交通行业的自动驾驶技术迅速发展以及大数据分析的广泛应用，未来人们出行的主要方式将以无人驾驶为主。然而，现有的网约车平台只能一次性给乘客分配出租车，不能实时性地根据路网上地情况智能分配，不足以满足未来无人驾驶的需求。为了提出一种更有效的匹配算法，本专利提出无人出租车换乘的定义。无人出租车换乘是指乘客在一定范围内搭乘无人出租车出行时，为了节约时间和出租车费用，增加其与他人共享的距离，采取的一种在乘坐过程中搭乘多辆无人出租车的方式。乘客在传统的出租车出行时，有时会遇到当前时间段无空闲车辆或无与其有顺路的车辆而等待时间过长的情况，通过无人出租车换乘方式，能减少乘客的等待时间，加快无人出租车的运行效率，进一步能降低城市的交通拥挤率，具有十分重要的意义。
发明内容
本发明所要解决的技术问题在于，提供一种无人出租车换乘及路径匹配方法，能有效解决乘客二次换乘问题并减少等待时间，实质性地再次提高车辆的合乘率，降低城市交通拥挤率。
为了解决上述技术问题，本发明提供了一种无人出租车换乘及路径匹配方法，包括以下步骤：
S1、后台服务器收集乘客Pi在共乘app上输入的基本需求信息，包括起始地Oi、目的地Dj、出发时间T0、预期到达时间Tt、允许延误时间Td；
S2、根据乘客Pi提交的起始地Oi和目的地Dj，搜寻请求区域内所有未绑定乘客Pj，即未绑定集合W中的乘客，通过对比乘客Pi的基本需求信息和未绑定乘客Pj的信息，依据初始换乘条件，筛选出满足换乘条件的乘客组，并对其进行初次绑定，然后进入步骤S3；如果没有与乘客Pi匹配的未绑定乘客Pj，则直接将乘客Pi加入未绑定集合W中，匹配结束，在下一时间间隔再次进行匹配；
S3、使用改进后的路径算法，对初次绑定的乘客组的路径进行规划，并计算规划后的路线是否符合时间约束条件，若符合，则最终绑定乘客组，且乘客组中乘客Pj脱离未绑定集合W后，进入步骤S4；反之则将Pi加入未绑定集合W中，匹配结束；
S4、将最终绑定的乘客组与无人出租车候选集Wc中的无人出租车进行司乘匹配；
S5、在下一时间间隔内，更新未绑定集合W和无人出租车候选集Wc，并对新加入和未绑定的集合中的乘客循环判断换乘条件，直到所有的乘客被分配至目的地或者没有新乘客为止。
进一步地，依据初始换乘条件筛选出满足换乘条件的乘客组的具体过程如下：
A1、确立中心点；
提取乘客Pi的起始地Oi和目的地Dj坐标以及其他在乘客Pi请求区域内上的未绑定乘客Pj的位置坐标点，并判断得到包含所有乘客的最小范围，即由max{Xi,Xj}、min{Xi,Xj}、max{Yi,Yj}、min{Yi,Yj}围成的矩形框，然后以：
Figure BDA0003107945080000021
作为中心点；
A2、路线变换；
将每位乘客的路径按照下面的方式进行连接：
Figure BDA0003107945080000031
Yj)→(Xj，Yj)
A3、判断乘客的路径重合：
若存在两位乘客Pi、Pj的路径从某一个节点开始路径重合，即至少有两个节点一致，且节点连线而成的矢量方向一致，则初步绑定两位乘客Pi、Pj，得到乘客组；若存在多位乘客Pj与乘客Pi同时重合，则按重合的节点的时间先后依次两两绑定；若某位乘客Pi与其他乘客Pj从起始地Oi到目的地Dj的路径均没有重合，则将该名乘客Pi加入未绑定集合W中。
进一步地，步骤S3使用改进后的路径算法，对初次绑定的乘客组的路径进行规划，并确定是否最终进行绑定的具体过程如下：
B1、利用Dijakstra算法分别算出已最终绑定的两位乘客Pi、Pj的最短路径，并计算其相应的到达时间Tt；
B2、使用DFS算法分别排列出乘客Pi、Pj从起始地Oi到目的地Dj所有可行的路径；
B3、计算路径相似度，将相似度高的两条路径进行整合，确认乘客Pi、Pj的最终路径轨迹；
B4、计算乘客Pi、Pj最终路径轨迹所需时间，判断其是否在时间约束内[T0,Tt+Td]；若两位乘客Pi、Pj均在时间约束范围内到达其各自目的地，则可最终确认绑定，并分别确定乘客Pi、Pj路径轨迹；若至少一位乘客没有在时间约束范围内，则不确认最终绑定，将乘客Pi送至未绑定集合W。
进一步地，进行司乘匹配的具体过程如下：
C1、判断当前无人出租车载客数Ln是否等于2；若是，则说明无人出租车已满载，不可再载乘客；若Ln小于2，则将该无人出租车加入无人出租车候选集Wc中；
C2、为绑定乘客组分配车辆；
若无人出租车候选集Wc中存在载客数Ln为0的无人出租车，则根据无人出租车与乘客Pi之间距离，曼哈顿距离近的即进行匹配；若无人出租车候选集Wc中没有载客数Ln为0的无人出租车，则在无人出租车候选集Wc中，从未绑定集合W中的乘客Pj所乘坐的无人出租车中选择车辆；根据乘客Pj所乘坐的无人出租车的当前所在位置Sp、预计下一时间间隔所到达的位置Ns和当前时刻的最终的目的地Tj，依次对比绑定乘客的信息，如果乘客Pi的起始地Oi与无人出租车的当前所在位置Sp或者下一时间间隔所到达的位置Ns或者最终的目的地Tj中任一位置一致或曼哈顿距离相近，那么绑定乘客Pi和无人出租车信息；若此时乘客Pi仍无匹配无人出租车，则等待下一时间段无人出租车的匹配；一旦无人出租车与乘客Pi绑定，即从无人出租车候选集Wc中移除该无人出租车，无论该无人出租车载客数Ln是否为2。
与现有技术相比，本方案原理及优点如下：
1.通过使用共乘app上传乘客需求信息，由后台服务器将新乘客信息与其他未绑定乘客信息进行汇总处理，并以最多合乘次数为目标。本方案利用实时的路网信息，再使用换乘判断的方法进行匹配，提高了车辆的合乘率，进而大大提高了车辆的利用率。
2.允许乘客中途更换无人出租车，直到到达目的地。由于有的乘客没有与他路径相同的乘客，系统判断为不能合乘，只能单独前行，可能会导致乘客的车费过高，而本发明通过允许乘客多次换乘，能有效解决乘客问题，大幅度减少乘客成本。
附图说明
图1为本发明一种无人出租车换乘及路径匹配方法的原理流程图；
图2为模拟路网示意图；
图3为路程对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。仅此声明，本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词，仅以本发明的附图为基准，其并不是对本发明的具体限定。
本发明提供了一种无人出租车换乘及路径匹配方法，包括以下步骤：
S1、后台服务器收集乘客Pi在共乘app上输入的基本需求信息，包括起始地Oi、目的地Dj、出发时间T0、预期到达时间Tt、允许延误时间Td；
S2、根据乘客Pi提交的起始地Oi和目的地Dj，搜寻请求区域内所有未绑定乘客Pj，即未绑定集合W中的乘客，通过对比乘客Pi的基本需求信息和未绑定乘客Pj的信息，依据初始换乘条件，筛选出满足换乘条件的乘客组，并对其进行初次绑定，然后进入步骤S3；如果没有与乘客Pi匹配的未绑定乘客Pj，则直接将乘客Pi加入未绑定集合W中，匹配结束，在下一时间间隔再次进行匹配；
依据初始换乘条件筛选出满足换乘条件的乘客组的具体过程如下：
A1、确立中心点；
提取乘客Pi的起始地Oi和目的地Dj坐标以及其他在乘客Pi请求区域内上的未绑定乘客Pj的位置坐标点，并判断得到包含所有乘客的最小范围，即由max{Xi,Xj}、min{Xi,Xj}、max{Yi,Yj}、min{Yi,Yj}围成的矩形框，然后以：
Figure BDA0003107945080000051
作为中心点；
A2、路线变换；
将每位乘客的路径按照下面的方式进行连接：
Figure BDA0003107945080000061
Yj)→(Xj，Yj)
A3、判断乘客的路径重合：
若存在两位乘客Pi、Pj的路径从某一个节点开始路径重合，即至少有两个节点一致，且节点连线而成的矢量方向一致，则初步绑定两位乘客Pi、Pj，得到乘客组；若存在多位乘客Pj与乘客Pi同时重合，则按重合的节点的时间先后依次两两绑定；若某位乘客Pi与其他乘客Pj从起始地Oi到目的地Dj的路径均没有重合，则将该名乘客Pi加入未绑定集合W中。
S3、使用改进后的路径算法，对初次绑定的乘客组的路径进行规划，并计算规划后的路线是否符合时间约束条件，若符合，则最终绑定乘客组，且乘客组中乘客Pj脱离未绑定集合W后，进入步骤S4；反之则将Pi加入未绑定集合W中，匹配结束；
具体过程如下：
B1、利用Dijakstra算法分别算出已最终绑定的两位乘客Pi、Pj的最短路径，并计算其相应的到达时间Tt；
B2、使用DFS算法分别排列出乘客Pi、Pj从起始地Oi到目的地Dj所有可行的路径；
B3、计算路径相似度，将相似度高的两条路径进行整合，确认乘客Pi、Pj的最终路径轨迹；
B4、计算乘客Pi、Pj最终路径轨迹所需时间，判断其是否在时间约束内[T0,Tt+Td]；若两位乘客Pi、Pj均在时间约束范围内到达其各自目的地，则可最终确认绑定，并分别确定乘客Pi、Pj路径轨迹；若至少一位乘客没有在时间约束范围内，则不确认最终绑定，将乘客Pi送至未绑定集合W。
S4、将最终绑定的乘客组与无人出租车候选集Wc中的无人出租车进行司乘匹配，过程如下：
C1、判断当前无人出租车载客数Ln是否等于2；若是，则说明无人出租车已满载，不可再载乘客；若Ln小于2，则将该无人出租车加入无人出租车候选集Wc中；
C2、为绑定乘客组分配车辆；
若无人出租车候选集Wc中存在载客数Ln为0的无人出租车，则根据无人出租车与乘客Pi之间距离，曼哈顿距离近的即进行匹配；若无人出租车候选集Wc中没有载客数Ln为0的无人出租车，则在无人出租车候选集Wc中，从未绑定集合W中的乘客Pj所乘坐的无人出租车中选择车辆；根据乘客Pj所乘坐的无人出租车的当前所在位置Sp、预计下一时间间隔所到达的位置Ns和当前时刻的最终的目的地Tj，依次对比绑定乘客的信息，如果乘客Pi的起始地Oi与无人出租车的当前所在位置Sp或者下一时间间隔所到达的位置Ns或者最终的目的地Tj中任一位置一致或曼哈顿距离相近，那么绑定乘客Pi和无人出租车信息；若此时乘客Pi仍无匹配无人出租车，则则等待下一时间段无人出租车的匹配；一旦无人出租车与乘客Pi绑定，即从无人出租车候选集Wc中移除该无人出租车，无论该无人出租车载客数Ln是否为2。
S5、在下一时间间隔内，更新未绑定集合W和无人出租车候选集Wc，并对新加入和未绑定的集合中的乘客循环判断换乘条件，直到所有的乘客被分配至目的地或者没有新乘客为止。
为了证明本实施例的有效性，下面采用模拟实验的方式对本实施例进行检验，其中需要模拟的对象有路网、乘客和无人出租车。实验采取的评价指标是在一定时间内所节省的总里程。具体的求解方法描述如下：
数据模拟方法介绍
路网如图2所示。该路网一共有20个节点，34条边。
对于乘客请求，一轮随机产生4位乘客，其每轮产生时间间隔为5分钟。每位乘客的起点和终点在路网中随机出现，且允许不同乘客的起点或终点相同。如表1所示，系统随机产生的两轮新乘客，共8位乘客，每位乘客的需求信息见表格。
Figure BDA0003107945080000081
表1
对于无人出租车信息，选取4辆无人出租车作为基本运行车辆，其初始位置以第一轮出现的乘客位置为准。
实验步骤
1)根据介绍的数据模拟方法，随机生成乘客的请求信息，并初始化4辆无人出租车。
2)以5分钟为一时间间隔更新路网上的乘客和无人出租车信息，使用本实施例说明的换乘方法对乘客需求进行分配，循环到无新乘客且所有乘客均送至目的地为止。
3)为了验证本方法的有效性，收集无人出租车完成三轮乘客所运行的路程数，乘客的路线信息如表2所示；对比乘客不合乘、不换乘的无人出租车运行里程数，计算减少路程的公里数，绘制路程对比图，见图3。
乘客 路线 乘客 路线
a 7-11-8 e 8-11-7
b 10-11-8 f 12-11-10
c 14-11-12 g 16-11-7
d 14-11-16 h 16-11-10
表2
实验结果和分析
本模拟实验的评价指标为无人出租车送完乘客后所节省的里程数。该实验的总共乘客数为8位。图3是无人出租车每送完一位乘客后的车辆运行路程公里数变化图。星号表示预计无人出租车运行总路程数，圆圈表示实际无人出租车运行总路程数，正五角星表示无人出租车运行中减少的路程数(在计算总路程的时候，不计无人出租车在前往乘客起始地的路程数)。从图中可知，随着乘客的增多，可换乘的几率越大，可节省的公里数就越多，节省路径长度可达总路程的48％。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (2)

1.一种无人出租车换乘及路径匹配方法，其特征在于，包括以下步骤：
S1、后台服务器收集乘客Pi在共乘app上输入的基本需求信息，包括起始地Oi、目的地Dj、出发时间T0、预期到达时间Tt、允许延误时间Td；
S2、根据乘客Pi提交的起始地Oi和目的地Dj，搜寻请求区域内所有未绑定乘客Pj，即未绑定集合W中的乘客，通过对比乘客Pi的基本需求信息和未绑定乘客Pj的信息，依据初始换乘条件，筛选出满足换乘条件的乘客组，并对其进行初次绑定，然后进入步骤S3；如果没有与乘客Pi匹配的未绑定乘客Pj，则直接将乘客Pi加入未绑定集合W中，匹配结束，在下一时间间隔再次进行匹配；
S3、使用改进后的路径算法，对初次绑定的乘客组的路径进行规划，并计算规划后的路线是否符合时间约束条件，若符合，则最终绑定乘客组，且乘客组中乘客Pj脱离未绑定集合W后，进入步骤S4；反之则将Pi加入未绑定集合W中，匹配结束；
S4、将最终绑定的乘客组与无人出租车候选集Wc中的无人出租车进行司乘匹配；
S5、在下一时间间隔内，更新未绑定集合W和无人出租车候选集Wc，并对新加入和未绑定的集合中的乘客循环判断换乘条件，直到所有的乘客被分配至目的地或者没有新乘客为止；
依据初始换乘条件筛选出满足换乘条件的乘客组的具体过程如下：
A1、确立中心点；
提取乘客Pi的起始地Oi和目的地Dj坐标以及其他在乘客Pi请求区域内的未绑定乘客Pj的位置坐标点，并判断得到包含所有乘客的最小范围，即由max{Xi,Xj}、min{Xi,Xj}、max{Yi,Yj}、min{Yi,Yj}围成的矩形框，然后以：
Figure FDA0003640394890000011
作为中心点；
A2、路线变换；
将每位乘客的路径按照下面的方式进行连接：
Figure FDA0003640394890000021
A3、判断乘客的路径重合：
若存在两位乘客Pi、Pj的路径从某一个节点开始路径重合，即至少有两个节点一致，且节点连线而成的矢量方向一致，则初步绑定两位乘客Pi、Pj，得到乘客组；若存在多位乘客Pj与乘客Pi同时重合，则按重合的节点的时间先后依次两两绑定；若某位乘客Pi与其他乘客Pj从起始地Oi到目的地Dj的路径均没有重合，则将该名乘客Pi加入未绑定集合W中；
步骤S3使用改进后的路径算法，对初次绑定的乘客组的路径进行规划，并确定是否最终进行绑定的具体过程如下：
B1、利用Dijakstra算法分别算出已最终绑定的两位乘客Pi、Pj的最短路径，并计算其相应的到达时间Tt；
B2、使用DFS算法分别排列出乘客Pi、Pj从起始地Oi到目的地Dj所有可行的路径；
B3、计算路径相似度，将相似度高的两条路径进行整合，确认乘客Pi、Pj的最终路径轨迹；
B4、计算乘客Pi、Pj最终路径轨迹所需时间，判断其是否在时间约束内[T0,Tt+Td]；若两位乘客Pi、Pj均在时间约束范围内到达其各自目的地，则可最终确认绑定，并分别确定乘客Pi、Pj路径轨迹；若至少一位乘客没有在时间约束范围内，则不确认最终绑定，将乘客Pi送至未绑定集合W。
2.根据权利要求1所述的一种无人出租车换乘及路径匹配方法，其特征在于，进行司乘匹配的具体过程如下：
C1、判断当前无人出租车载客数Ln是否等于2；若是，则说明无人出租车已满载，不可再载乘客；若Ln小于2，则将该无人出租车加入无人出租车候选集Wc中；
C2、为绑定乘客组分配车辆；
若无人出租车候选集Wc中存在载客数Ln为0的无人出租车，则根据无人出租车与乘客Pi之间距离，曼哈顿距离近的即进行匹配；若无人出租车候选集Wc中没有载客数Ln为0的无人出租车，则在无人出租车候选集Wc中，从未绑定集合W中的乘客Pj所乘坐的无人出租车中选择车辆；根据乘客Pj所乘坐的无人出租车的当前所在位置Sp、预计下一时间间隔所到达的位置Ns和当前时刻的最终的目的地Tj，依次对比绑定乘客的信息，如果乘客Pi的起始地Oi与无人出租车的当前所在位置Sp或者下一时间间隔所到达的位置Ns或者最终的目的地Tj中任一位置一致，那么绑定乘客Pi和无人出租车信息；若此时乘客Pi仍无匹配无人出租车，则等待下一时间段无人出租车的匹配；一旦无人出租车与乘客Pi绑定，即从无人出租车候选集Wc中移除该无人出租车，无论该无人出租车载客数Ln是否为2。
CN202110643256.4A 2021-06-09 2021-06-09 一种无人出租车换乘及路径匹配方法 Active CN113393026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110643256.4A CN113393026B (zh) 2021-06-09 2021-06-09 一种无人出租车换乘及路径匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110643256.4A CN113393026B (zh) 2021-06-09 2021-06-09 一种无人出租车换乘及路径匹配方法

Publications (2)

Publication Number Publication Date
CN113393026A CN113393026A (zh) 2021-09-14
CN113393026B true CN113393026B (zh) 2022-07-26

Family

ID=77620064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110643256.4A Active CN113393026B (zh) 2021-06-09 2021-06-09 一种无人出租车换乘及路径匹配方法

Country Status (1)

Country Link
CN (1) CN113393026B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6542815B1 (en) * 1999-10-13 2003-04-01 Denso Corporation Route setting device and navigation device
CN102637359A (zh) * 2012-04-24 2012-08-15 广西工学院 基于复杂路网的出租车合乘集群优化系统及其优化方法
CN111126799A (zh) * 2019-12-10 2020-05-08 广东工业大学 基于二分图的共享网络司乘匹配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6542815B1 (en) * 1999-10-13 2003-04-01 Denso Corporation Route setting device and navigation device
CN102637359A (zh) * 2012-04-24 2012-08-15 广西工学院 基于复杂路网的出租车合乘集群优化系统及其优化方法
CN111126799A (zh) * 2019-12-10 2020-05-08 广东工业大学 基于二分图的共享网络司乘匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾伟良等.自动驾驶出租车动态合乘效益仿真分析.《计算机科学》.2021,第48卷(第2期),第257-263页. *

Also Published As

Publication number Publication date
CN113393026A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN110222786B (zh) 基于出行信息的动态拼车方法及系统
Shen et al. Managing autonomous mobility on demand systems for better passenger experience
Liu et al. Dynamic shared autonomous taxi system considering on-time arrival reliability
Shen et al. Dynamic ridesharing
CN112381472B (zh) 一种地铁接驳公交线路优化方法、装置及存储介质
CN111126799B (zh) 基于二分图的共享网络司乘匹配方法
WO2024001151A1 (zh) 一种网约车共享出行人车匹配方法
CN114358386A (zh) 一种基于预约出行需求的双出行模式合乘站点生成方法
CN115423168A (zh) 一种考虑服务稳定性的定制公交路网优化方法及系统
Wang et al. Multi-objective optimization of customized bus routes based on full operation process
CN112949987B (zh) 基于预测的出租车调度和匹配方法、系统、设备及介质
CN113393026B (zh) 一种无人出租车换乘及路径匹配方法
CN107527105B (zh) 一种拼车组单方法
CN113096429A (zh) 基于公交调度站点集散的弹性公交区域灵活性线路生成方法
CN110111600B (zh) 一种基于VANETs的停车场推荐方法
CN116524705A (zh) 一种城际出行车辆的调度方法及终端
CN111738490A (zh) 柔性公交线路资源复用分配调度方法
CN109215341B (zh) 一种包含下车信息的公交出行数据生成方法
CN103236180B (zh) 一种车载信息互动接口方法
CN115729106A (zh) 一种多时间约束下行驶里程优化的轻量化拼车调度方法
CN115713206A (zh) 一种公交个体出行决策模型
CN113409567B (zh) 一种公交与自动驾驶车辆混行车道的交通评估方法和系统
CN115482663A (zh) 一种考虑自动驾驶专用相位的交叉口交通控制方法
CN111881548B (zh) 一种智能交通的计算机仿真方法
CN107292402B (zh) 基于日程预匹配的时间金额约束拼车方法

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
GR01 Patent grant
GR01 Patent grant