CN113570131A - 云计算环境下的动态拼车系统 - Google Patents

云计算环境下的动态拼车系统 Download PDF

Info

Publication number
CN113570131A
CN113570131A CN202110835604.8A CN202110835604A CN113570131A CN 113570131 A CN113570131 A CN 113570131A CN 202110835604 A CN202110835604 A CN 202110835604A CN 113570131 A CN113570131 A CN 113570131A
Authority
CN
China
Prior art keywords
passenger
path
starting point
preferred
optimal
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
CN202110835604.8A
Other languages
English (en)
Inventor
不公告发明人
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.)
Ye Pingjun
Original Assignee
Ye Pingjun
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 Ye Pingjun filed Critical Ye Pingjun
Priority to CN202110835604.8A priority Critical patent/CN113570131A/zh
Publication of CN113570131A publication Critical patent/CN113570131A/zh
Pending legal-status Critical Current

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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种云计算环境下的动态拼车系统，所述动态拼车系统包括第一乘客获取模块、优选乘客确定模块和最佳乘客确定模块，所述第一乘客获取模块用于获取的第一乘客起点和终点的相关信息，所述优选乘客确定模块用于初步选取与第一乘客拼车的乘客，所述最佳乘客确定模块用于确定最终与第一乘客拼车的乘客；所述优选乘客确定模块包括第一区域划分模块、待拼车乘客获取模块、候选第二乘客选取模块和优选乘客选取模块，所述第一区域划分模块根据获取的第一乘客的起点和终点信息划分出第一区域。

Description

云计算环境下的动态拼车系统
技术领域
本发明涉及云计算领域，具体是一种云计算环境下的动态拼车系统。
背景技术
拼车是指相同路线的几个人乘坐同一辆车上下班、上下学、长途、旅游等，且车费由乘客平均分摊的出行方式即为拼车。拼车的时候车费分摊，乘客能够省钱，而且拼车出行能够减少车辆尾气，缓解交通拥堵，更加绿色环保。现有技术中，一起拼车的人的路径重合度不够高，拼车利用不够高效。
发明内容
本发明的目的在于提供一种云计算环境下的动态拼车系统及方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种云计算环境下的动态拼车系统，所述动态拼车系统包括第一乘客获取模块、优选乘客确定模块和最佳乘客确定模块，所述第一乘客获取模块用于获取的第一乘客起点和终点的相关信息，所述优选乘客确定模块用于初步选取与第一乘客拼车的乘客，所述最佳乘客确定模块用于确定最终与第一乘客拼车的乘客。
较优化地，所述优选乘客确定模块包括第一区域划分模块、待拼车乘客获取模块、候选第二乘客选取模块和优选乘客选取模块，所述第一区域划分模块根据获取的第一乘客的起点和终点信息划分出第一区域，所述待拼车乘客获取模块用于获取在第一区域内所有待拼车的乘客以及这些待拼车乘客的起点和终点，所述候选第二乘客选取模块用于根据第一乘客的起点信息、待拼车乘客的起点和终点信息筛选出候选第二乘客，所述优选乘客选取模块包括可选第一路径选取模块、可选第二路径选取模块、行车重合度确定模块和行车重合度比较模块，所述可选第一路径选取模块用于从第一起点前往第一终点的所有第一路径中筛选出可选第一路径，所述可选第二路径选取模块用于从候选第二乘客的起点前往候选第二乘客的终点的所有第二路径中筛选出可选第二路径，所述第一行车重合度确定模块通过比较每条可选第一路径与每条可选第二路径的重合度确定每个候选第二乘客的行车重合度，所述第一行车重合度比较模块用于比较所有候选第二乘客的行车重合度，并将行车重合度最高的候选第二乘客作为优选第二乘客。
较优化地，所述最佳乘客确定模块包括第三乘客获取模块、可选第三路径选取模块、第二行车重合度确定模块、优选参考量计算模块、优选参考量比较模块、优选第二乘客历史打车信息获取模块、拼车参数计算模块、拼车参数参考量计算模块、第二区域划分模块、人次参考量计算模块、车辆数参考量计算模块、路径长度参数计算模块、路径长度参考量计算模块、综合参考因素计算模块和综合参考因素比较模块，所述第三乘客获取模块用于获取起点位于第一起点出发去接优选第二乘客的路径上的第三乘客的终点信息，所述可选第三路径选取模块用于从第三乘客的起点前往第三乘客的终点的所有第三路径中筛选出可选第三路径，所述第二行车重合度确定模块通过比较每条可选第一路径与每条可选第三路径的重合度确定第三乘客的行车重合度，所述根据优选参考量计算模块根据优选第二乘客的行车重合度和第三乘客的行车重合度计算优选参考量，所述优选参考量比较模块将优选参考量与优选参考阈值进行比较并据此判断是否能够确定最优第二乘客，所述优选第二乘客历史打车信息获取模块用于在优选参考量比较模块不能确定最优第二乘客的情况下获取优选第二乘客在近一个月内的打车次数和在近一个月内的打车时选择拼车的次数，所述拼车参数计算模块根据打车次数和拼车的次数计算拼车参数，并根据拼车参数与拼车参数阈值之间的关系判断是否能够确定最优第二乘客，所述拼车参数参考量计算模块用于在拼车参数计算模块并不能确定最优第二乘客的情况下根据拼车参数和拼车参数阈值计算拼车参数参考量，所述第二区域划分模块根据优选第二乘客的起点信息确定第二区域，所述人次参考量计算模块根据近一周位于第二区域内的商家在当前时间点前后两分钟的每天平均消费人次和每天平均消费人次阈值计算人次参考量，所述车辆数参考量计算模块根据近一周当前时间点前后两分钟内每天经过第二区域的拼车车辆数和拼车车辆数阈值计算车辆数参考量，所述路径长度参数根据第一起点前往优选乘客起点的路径的总长度和当前时间点距离优选乘客起点的路径的长度计算路径长度参数，所述路径参考量计算模块根据路径长度参数和路径长度参数阈值计算路径长度参考量，所述综合参考因素计算模块根据拼车参数参考量、人次参考量、车辆数参考量、路径长度参考量计算综合参考因素，所述综合参考因素比较模块将综合参考因素与综合参考阈值进行比较并据此确定最优第二乘客。
一种云计算环境下的动态拼车方法，所述动态拼车方法包括以下步骤：
步骤S1：获取第一乘客的第一起点和第一终点，以第一起点和第一终点两点连线l1的终点为圆心，两点连线l1的长度r1为直径划分出第一区域，在第一时间段内寻找位于第一区域的优选第二乘客；
步骤S2：在去接优选第二乘客的路径上，确定最佳第二乘客。
较优化地，所述步骤S1中的寻找位于第一区域的优选第二乘客包括以下步骤：
获取在第一区域内所有待拼车的乘客，获取每位待拼车乘客的起点和终点，分别将第一终点、待拼车乘客的终点与待拼车乘客的起点连接，得到线段l2、l3之间的第一夹角a,筛选出第一夹角a小于等于40度的待拼车乘客为候选第二乘客；
获取第一乘客从第一起点前往第一终点的所有第一路径，并获取最短第一路径的长度ld，筛选出路径长度小于等于1.2*ld的第一路径为可选第一路径；
获取候选第二乘客从起点前往终点的所有第二路径，并获取最短第二路径的长度le，筛选出路径长度小于等于1.2*le的路径为可选第二路径；
分别获取每条可选第一路径与每条可选第二路径的重合度，将可选第一路径和可选第二路径的最大重合度作为该候选第二乘客的行车重合度，比较所有候选第二乘客的行车重合度，将行车重合度最高的候选第二乘客作为优选第二乘客。
较优化地，所述步骤S2进一步包括：
在第一起点前往第二起点路径的过程中，获取起点位于第一起点前往第二起点路径上的第三乘客，并获取第三乘客的终点，其中，所述优选第二乘客的起点为第二起点，所述第三乘客的起点为第三起点，所述第三乘客的终点为第三终点，
获取从第三起点前往第三终点的所有第三路径，并获取最短第三路径的长度lf，筛选出路径长度小于都等于1.2*lf的第三路径为可选第三路径；
分别获取每条可选第一路径与每条可选第三路径的重合度，将可选第一路径和可选第三路径的最大重合度作为第三乘客的行车重合度，比较优选第二乘客的行车重合度x1和第三乘客的行车重合度x2，计算优选参考量xc=(x2-x1)/x1，如果优选参考量xc小于优选参考阈值，则优选第二乘客为最优第二乘客，如果优选参考量xc大于等于优选参考阈值，则获取综合参考因素，根据综合参考因素确定最优第二乘客。
较优化地，所述确定最优第二乘客包括以下：
获取优选第二乘客在近一个月内的打车次数nd和在近一个月内的打车时选择拼车的次数np，计算拼车参数pc=np/nd，
如果拼车参数pc小于等于拼车参数阈值py，则优选第二乘客为最优第二乘客，
如果拼车参数pc大于拼车参数阈值py，那么获取综合参考因素Zm并据此确定最优第二乘客。经常性拼车的人能够接受等待的时间相对长一些，不经常拼车的人可能相对短一些，因此为了确保这些不经常拼车的人能够有良好的初始拼车体验，促进这些不经常拼车的人以后经常使用拼车，在最开始的情况下，选择不去寻找第三乘客，直接将这些不经常拼车的人作为最优第二乘客。
较优化地，所述获取综合参考因素Zm并据此确定最优第二乘客包括以下：
计算拼车参数参考量pm=(pc-py)/py；
以第二起点为圆心，以1km为半径划分出第二区域，获取近一周位于第二区域内的商家在当前时间点前后两分钟的每天平均消费人次rx，则人次参考量rm=(rx-ry)/ry，其中ry为每天平均消费人次阈值；
获取近一周当前时间点前后两分钟内每天经过第二区域的拼车车辆数cx，则车辆数参考量cm= (cx-cy)/cy，其中cy为拼车车辆数阈值；
获取第一起点前往第二起点的路径的总长度d1，获取当前时间点距离第二起点的路径的长度d2，计算路径长度参数dr=d2/d1，则路径长度参考量dm=(dr-d0)/d0，其中d0为路径长度参数阈值，
则综合参考因素Zm=0.28*pm+0.11*rm+0.39*cm+0.22*dm，当Zm大于等于综合参考阈值时，第三乘客为最优第二乘客，否则，优选第二乘客为最优第二乘客。
与现有技术相比，本发明的有益效果是：本发明通过在一定时间内先初步确定与第一乘客拼车的人，确保存在于第一乘客拼车的优选第二乘客，然后在从第一起点去接优选第二乘客的路径上判断是否存在路径重合度更高的第三乘客，在第三乘客与第一乘客的路径重合度更高时，通过考虑拼车参数参考量、人次参考量、车辆数参考量、路径长度参考量确保优选第二乘客再次很快拼到车的情况下将第三乘客确定为与第一乘客拼车的人，从而进一步提高的拼车的利用率。
附图说明
图1为本发明一种云计算环境下的动态拼车系统的模块示意图；
图2为本发明一种云计算环境下的动态拼车方法的流程示意图。
具体实施方式
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，所描述的实施例仅仅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做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。
请参阅图1～2，本发明实施例中，一种云计算环境下的动态拼车系统，所述动态拼车系统包括第一乘客获取模块、优选乘客确定模块和最佳乘客确定模块，所述第一乘客获取模块用于获取的第一乘客起点和终点的相关信息，所述优选乘客确定模块用于初步选取与第一乘客拼车的乘客，所述最佳乘客确定模块用于确定最终与第一乘客拼车的乘客。
所述优选乘客确定模块包括第一区域划分模块、待拼车乘客获取模块、候选第二乘客选取模块和优选乘客选取模块，所述第一区域划分模块根据获取的第一乘客的起点和终点信息划分出第一区域，所述待拼车乘客获取模块用于获取在第一区域内所有待拼车的乘客以及这些待拼车乘客的起点和终点，所述候选第二乘客选取模块用于根据第一乘客的起点信息、待拼车乘客的起点和终点信息筛选出候选第二乘客，所述优选乘客选取模块包括可选第一路径选取模块、可选第二路径选取模块、行车重合度确定模块和行车重合度比较模块，所述可选第一路径选取模块用于从第一起点前往第一终点的所有第一路径中筛选出可选第一路径，所述可选第二路径选取模块用于从候选第二乘客的起点前往候选第二乘客的终点的所有第二路径中筛选出可选第二路径，所述第一行车重合度确定模块通过比较每条可选第一路径与每条可选第二路径的重合度确定每个候选第二乘客的行车重合度，所述第一行车重合度比较模块用于比较所有候选第二乘客的行车重合度，并将行车重合度最高的候选第二乘客作为优选第二乘客。
所述最佳乘客确定模块包括第三乘客获取模块、可选第三路径选取模块、第二行车重合度确定模块、优选参考量计算模块、优选参考量比较模块、优选第二乘客历史打车信息获取模块、拼车参数计算模块、拼车参数参考量计算模块、第二区域划分模块、人次参考量计算模块、车辆数参考量计算模块、路径长度参数计算模块、路径长度参考量计算模块、综合参考因素计算模块和综合参考因素比较模块，所述第三乘客获取模块用于获取起点位于第一起点出发去接优选第二乘客的路径上的第三乘客的终点信息，所述可选第三路径选取模块用于从第三乘客的起点前往第三乘客的终点的所有第三路径中筛选出可选第三路径，所述第二行车重合度确定模块通过比较每条可选第一路径与每条可选第三路径的重合度确定第三乘客的行车重合度，所述根据优选参考量计算模块根据优选第二乘客的行车重合度和第三乘客的行车重合度计算优选参考量，所述优选参考量比较模块将优选参考量与优选参考阈值进行比较并据此判断是否能够确定最优第二乘客，所述优选第二乘客历史打车信息获取模块用于在优选参考量比较模块不能确定最优第二乘客的情况下获取优选第二乘客在近一个月内的打车次数和在近一个月内的打车时选择拼车的次数，所述拼车参数计算模块根据打车次数和拼车的次数计算拼车参数，并根据拼车参数与拼车参数阈值之间的关系判断是否能够确定最优第二乘客，所述拼车参数参考量计算模块用于在拼车参数计算模块并不能确定最优第二乘客的情况下根据拼车参数和拼车参数阈值计算拼车参数参考量，所述第二区域划分模块根据优选第二乘客的起点信息确定第二区域，所述人次参考量计算模块根据近一周位于第二区域内的商家在当前时间点前后两分钟的每天平均消费人次和每天平均消费人次阈值计算人次参考量，所述车辆数参考量计算模块根据近一周当前时间点前后两分钟内每天经过第二区域的拼车车辆数和拼车车辆数阈值计算车辆数参考量，所述路径长度参数根据第一起点前往优选乘客起点的路径的总长度和当前时间点距离优选乘客起点的路径的长度计算路径长度参数，所述路径参考量计算模块根据路径长度参数和路径长度参数阈值计算路径长度参考量，所述综合参考因素计算模块根据拼车参数参考量、人次参考量、车辆数参考量、路径长度参考量计算综合参考因素，所述综合参考因素比较模块将综合参考因素与综合参考阈值进行比较并据此确定最优第二乘客。
一种云计算环境下的动态拼车方法，所述动态拼车方法包括以下步骤：
步骤S1：获取第一乘客的第一起点和第一终点，以第一起点和第一终点两点连线l1的终点为圆心，两点连线l1的长度r1为直径划分出第一区域，在第一时间段内寻找位于第一区域的优选第二乘客；
寻找位于第一区域的优选第二乘客包括以下步骤：
获取在第一区域内所有待拼车的乘客，获取每位待拼车乘客的起点和终点，分别将第一终点、待拼车乘客的终点与待拼车乘客的起点连接，得到线段l2、l3之间的第一夹角a,筛选出第一夹角a小于等于40度的待拼车乘客为候选第二乘客；
获取第一乘客从第一起点前往第一终点的所有第一路径，并获取最短第一路径的长度ld，筛选出路径长度小于等于1.2*ld的第一路径为可选第一路径；
获取候选第二乘客从起点前往终点的所有第二路径，并获取最短第二路径的长度le，筛选出路径长度小于等于1.2*le的路径为可选第二路径；
分别获取每条可选第一路径与每条可选第二路径的重合度，将可选第一路径和可选第二路径的最大重合度作为该候选第二乘客的行车重合度，比较所有候选第二乘客的行车重合度，将行车重合度最高的候选第二乘客作为优选第二乘客。
步骤S2：在去接优选第二乘客的路径上，确定最佳第二乘客：
在第一起点前往第二起点路径的过程中，获取起点位于第一起点前往第二起点路径上的第三乘客，并获取第三乘客的终点，其中，所述优选第二乘客的起点为第二起点，所述第三乘客的起点为第三起点，所述第三乘客的终点为第三终点，
获取从第三起点前往第三终点的所有第三路径，并获取最短第三路径的长度lf，筛选出路径长度小于都等于1.2*lf的第三路径为可选第三路径；
分别获取每条可选第一路径与每条可选第三路径的重合度，将可选第一路径和可选第三路径的最大重合度作为第三乘客的行车重合度，比较优选第二乘客的行车重合度x1和第三乘客的行车重合度x2，计算优选参考量xc=(x2-x1)/x1，
如果优选参考量xc小于优选参考阈值，则优选第二乘客为最优第二乘客，
如果优选参考量xc大于等于优选参考阈值，
获取优选第二乘客在近一个月内的打车次数nd和在近一个月内的打车时选择拼车的次数np，计算拼车参数pc=np/nd，
如果拼车参数pc小于等于拼车参数阈值py，则优选第二乘客为最优第二乘客，
如果拼车参数pc大于拼车参数阈值py， 计算拼车参数参考量pm=(pc-py)/py；
以第二起点为圆心，以1km为半径划分出第二区域，获取近一周位于第二区域内的商家在当前时间点前后两分钟的每天平均消费人次rx，则人次参考量rm=(rx-ry)/ry，其中ry为每天平均消费人次阈值；
获取近一周当前时间点前后两分钟内每天经过第二区域的拼车车辆数cx，则车辆数参考量cm= (cx-cy)/cy，其中cy为拼车车辆数阈值；
获取第一起点前往第二起点的路径的总长度d1，获取当前时间点距离第二起点的路径的长度d2，计算路径长度参数dr=d2/d1，则路径长度参考量dm=(dr-d0)/d0，其中d0为路径长度参数阈值，
则综合参考因素Zm=0.28*pm+0.11*rm+0.39*cm+0.22*dm，当Zm大于等于综合参考阈值时，第三乘客为最优第二乘客，否则，优选第二乘客为最优第二乘客。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (2)

1.一种云计算环境下的动态拼车系统，其特征在于：所述动态拼车系统包括第一乘客获取模块、优选乘客确定模块和最佳乘客确定模块，所述第一乘客获取模块用于获取的第一乘客起点和终点的相关信息，所述优选乘客确定模块用于初步选取与第一乘客拼车的乘客，所述最佳乘客确定模块用于确定最终与第一乘客拼车的乘客；
所述动态拼车系统的动态拼车方法包括以下步骤：
步骤S1：获取第一乘客的第一起点和第一终点，以第一起点和第一终点两点连线l1的终点为圆心，两点连线l1的长度r1为直径划分出第一区域，在第一时间段内寻找位于第一区域的优选第二乘客；
步骤S2：在去接优选第二乘客的路径上，确定最佳第二乘客；
所述步骤S1中的寻找位于第一区域的优选第二乘客包括以下步骤：
获取在第一区域内所有待拼车的乘客，获取每位待拼车乘客的起点和终点，分别将第一终点、待拼车乘客的终点与待拼车乘客的起点连接，得到线段l2、l3之间的第一夹角a,筛选出第一夹角a小于等于40度的待拼车乘客为候选第二乘客；
获取第一乘客从第一起点前往第一终点的所有第一路径，并获取最短第一路径的长度ld，筛选出路径长度小于等于1.2*ld的第一路径为可选第一路径；
获取候选第二乘客从起点前往终点的所有第二路径，并获取最短第二路径的长度le，筛选出路径长度小于等于1.2*le的路径为可选第二路径；
分别获取每条可选第一路径与每条可选第二路径的重合度，将可选第一路径和可选第二路径的最大重合度作为该候选第二乘客的行车重合度，比较所有候选第二乘客的行车重合度，将行车重合度最高的候选第二乘客作为优选第二乘客；
所述步骤S2进一步包括：
在第一起点前往第二起点路径的过程中，获取起点位于第一起点前往第二起点路径上的第三乘客，并获取第三乘客的终点，其中，所述优选第二乘客的起点为第二起点，所述第三乘客的起点为第三起点，所述第三乘客的终点为第三终点，
获取从第三起点前往第三终点的所有第三路径，并获取最短第三路径的长度lf，筛选出路径长度小于都等于1.2*lf的第三路径为可选第三路径；
分别获取每条可选第一路径与每条可选第三路径的重合度，将可选第一路径和可选第三路径的最大重合度作为第三乘客的行车重合度，比较优选第二乘客的行车重合度x1和第三乘客的行车重合度x2，计算优选参考量xc=(x2-x1)/x1，如果优选参考量xc小于优选参考阈值，则优选第二乘客为最优第二乘客，如果优选参考量xc大于等于优选参考阈值，则获取综合参考因素，根据综合参考因素确定最优第二乘客；
所述确定最优第二乘客包括以下：
获取优选第二乘客在近一个月内的打车次数nd和在近一个月内的打车时选择拼车的次数np，计算拼车参数pc=np/nd，
如果拼车参数pc小于等于拼车参数阈值py，则优选第二乘客为最优第二乘客，
如果拼车参数pc大于拼车参数阈值py，那么获取综合参考因素Zm并据此确定最优第二乘客。
2.根据权利要求1所述的一种云计算环境下的动态拼车系统，其特征在于：所述获取综合参考因素Zm并据此确定最优第二乘客包括以下：
计算拼车参数参考量pm=(pc-py)/py；
以第二起点为圆心，以1km为半径划分出第二区域，获取近一周位于第二区域内的商家在当前时间点前后两分钟的每天平均消费人次rx，则人次参考量rm=(rx-ry)/ry，其中ry为每天平均消费人次阈值；
获取近一周当前时间点前后两分钟内每天经过第二区域的拼车车辆数cx，则车辆数参考量cm= (cx-cy)/cy，其中cy为拼车车辆数阈值；
获取第一起点前往第二起点的路径的总长度d1，获取当前时间点距离第二起点的路径的长度d2，计算路径长度参数dr=d2/d1，则路径长度参考量dm=(dr-d0)/d0，其中d0为路径长度参数阈值，
则综合参考因素Zm=0.28*pm+0.11*rm+0.39*cm+0.22*dm，当Zm大于等于综合参考阈值时，第三乘客为最优第二乘客，否则，优选第二乘客为最优第二乘客。
CN202110835604.8A 2020-02-28 2020-02-28 云计算环境下的动态拼车系统 Pending CN113570131A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110835604.8A CN113570131A (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010127106.3A CN111260160B (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统及方法
CN202110835604.8A CN113570131A (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010127106.3A Division CN111260160B (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统及方法

Publications (1)

Publication Number Publication Date
CN113570131A true CN113570131A (zh) 2021-10-29

Family

ID=70954601

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110835604.8A Pending CN113570131A (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统
CN202010127106.3A Active CN111260160B (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统及方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202010127106.3A Active CN111260160B (zh) 2020-02-28 2020-02-28 云计算环境下的动态拼车系统及方法

Country Status (1)

Country Link
CN (2) CN113570131A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215382B (zh) * 2020-12-02 2021-06-22 南京领行科技股份有限公司 一种网约车派单方法、系统、电子设备及存储介质
CN113344658A (zh) * 2021-05-25 2021-09-03 深圳依时货拉拉科技有限公司 行程中持续拼车的方法、计算机可读存储介质及计算机设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102903046A (zh) * 2011-07-25 2013-01-30 上海博路信息技术有限公司 一种移动终端的实时拼车系统
US9487309B2 (en) * 2013-05-20 2016-11-08 Kratos Integral Holdings, Llc Eccentricity control for geosynchronous satellites
CN103514738B (zh) * 2013-09-18 2015-09-02 福建工程学院 一种出租车叫车拼车顺路匹配方法及其系统
CN104217585A (zh) * 2014-02-23 2014-12-17 广州市沃希信息科技有限公司 一种计程车拼车方法、系统及服务器
CN104268147B (zh) * 2014-08-23 2018-08-28 李全波 一种私家车拼车系统在网络地图功能方面的方法实现

Also Published As

Publication number Publication date
CN111260160A (zh) 2020-06-09
CN111260160B (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN105303817B (zh) 一种出行方式的规划方法及装置
CN111260160B (zh) 云计算环境下的动态拼车系统及方法
CN104217585A (zh) 一种计程车拼车方法、系统及服务器
CN103531018B (zh) 公交车发车调度方法及公交车发车调度系统
CN104021667A (zh) 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
CN107919013B (zh) 一种上车点处理方法及服务器
WO2018058967A1 (zh) 公交路线推荐方法、装置、设备及计算机存储介质
CN106940928A (zh) 订单分配方法及装置
CN101339042A (zh) 一种个性化的动态路况信息生成及导航系统
CN110111601B (zh) 一种基于两阶段选择的区域停车位动态分配方法
CN103971507A (zh) 一种召车方法、召车平台及系统
CN112561379A (zh) 一种面向区域性网约车的调度方法
CN105279955A (zh) 一种拼车方法及设备
CN102087789B (zh) 基于交通状态参数的交通状态判别系统和方法
CN113052405B (zh) 基于物联网和人工智能的交通拥堵预测与优化方法
CN111325436A (zh) 网约车同行乘客匹配方法及系统、存储介质及服务器
CN112562206A (zh) 一种新能源共享汽车智能调度方法、系统及服务器
CN113642761A (zh) Robotaxi自动驾驶共享网约车资源分配方法
CN112288112A (zh) 预约车辆的方法、装置及计算机存储介质
CN111476608A (zh) 一种响应型接驳公交车票价的竞争定价方法
CN107403473A (zh) 一种共享单车计费方法及系统
CN109635972A (zh) 网约车派单方法与装置
US20220269288A1 (en) Electronic device, server, wireless communication method, and computer-readable storage medium
CN110910202B (zh) 一种订单处理方法及装置
CN113053156B (zh) 一种智能公交半径法站点寻址方法

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