CN113869550A - 基于网格划分和图分析的出租车调度方法 - Google Patents

Abstract

本发明属于交通技术领域，具体涉及一种基于网格划分和图分析的出租车调度方法。该方法通过对路网区域进行划分，并对各个网格每个时刻的订单量和空车数进行计算和分析，采用KSP算法计算出网格间的通行时间，选出前3条最短路径通行时间的平均值作为路径时间，同时通过均衡系数计算各网格的均衡性，并根据供需需求对网格之间的车辆进行分配和调度，可以在保证各网格订单与车辆数相对均衡的同时完成车辆调度，同时还可以简化计算复杂度。

Description

基于网格划分和图分析的出租车调度方法

技术领域

本发明属于交通技术领域，具体涉及一种基于网格划分和图分析的出租车调度方法。

背景技术

智慧城市是一种新兴技术，旨在将新一代的信息和通信技术应用于城市各行各业，协调城市发展并改善运行状况城市效率和市民生活质量。智能交通作为智能城市必不可少的部分，旨在提高交通系统的运营效率，充分利用交通资源，确保交通安全。它在市民的生活和整个城市的运作中起着至关重要的作用，如今，交通拥堵，频繁发生的事故，能源浪费，空气污染等城市普遍存在的问题，可以通过智能交通很好地解决。

随着无线通信技术和物联网(IoT)的飞速发展，收集移动物体的轨迹记录变得简单快捷，这使得智能交通成为可能。嵌入GPS的各种设备在我们的生活中无处不在，例如智能手机，私家车和公共交通工具。位置信息可以更容易地获得，并且每天收集大量的轨迹数据。轨迹数据具有空间属性和时间属性；它成为时空数据挖掘技术的主要研究对象。轨迹数据的应用不仅可以为用户提供基于位置的服务，还可以帮助城市规划和智能交通。收集和分析这些大规模的现实世界数字踪迹，为我们提供了前所未有的机会来掌握城市动态并更好地了解社会和经济模式。

但是，随着出租车数量的增加，相应的运营策略并未发展，仍然存在很多不足，例如高峰时段难以找到出租车，出租车的分布不均以及驾驶员拒绝服务等出租车司机的策略。

许多研究都是从驾驶员的角度来来解决这些问题，但是基本上，这些局部优化方法可能会在某些领域导致短缺。因此，它既不能从全球角度为出租车调度提供指导，也不能为乘客提供更好的乘车体验。

发明内容

针对目前存在的缺陷和问题，本发明提供一种基于网格划分和图分析的出租车调度方法。该方法能够计算出当前可以提供服务的车辆数量并预测出未来的需求量，并能达到调度与被调度之间的均衡。

本发明解决其技术问题所采用的方案是：一种基于网格划分和图分析的出租车调度方法，其特征在于：包括以下步骤：

步骤一、选择路网区域，确定网格形状和网格大小，将路网区域划分为N个网格；

步骤二、将1天离散为24个时间步长，计算网格i(i＝1,2，…p，q…N)在t(t＝1,2，…，24)时段的订单数量D_i和空车数量S_i，根据订单数量和空车数量判断网格i内的车辆是否需要调入或调出，并同时预测网格i在t+1时段的订单数量D′_i；

步骤三、以路网网格数量为依据生成N*N的时间矩阵T，

调用地图软件的API接口，采用KSP算法，调用网格i与其领域网格之间的K条最短路径所需时间的平均值作为路径时间t_ij；

步骤四、以能够调出车辆的网格i为中心，获取网格i的邻域网格j；

1、若t_ij≥T_threshold，T_threshold为时间阈值，则认为网格i和网格j之间不可达，不作为调度考虑对象；

2、若t_ij<T_threshold，则认为网格i和网格j之间可达，可作为调度考虑对象；然后计算网格i的均衡系数α_i＝D_i/S_i，

若α_i≤1.5，则认为网格j可以调度出车辆，其能调度出的车辆数为x_i＝S_i-D_i/1.5；判断其邻域网格中可作为调度考虑对象的网格j的均衡系数α_j＝D_j/S_j；筛选出α_j>1.5的网格j_p，分别计算出每个网格需要调度进的车辆数，y_jp＝D_jp/1.5-S_jp；

步骤五、将网格i调度出的车辆向需要调度进车辆的网格j_p中进行分配，分配原则为：

式中j₁+…j_p+…+j_n表示网格i的邻域网格中需要车辆调入的总需求数；

步骤六、按照步骤五的调度方式对区域内网格的车辆进行预调度，计算预调度后各个网格的空车数S’；

步骤七、计算预调度后该区域各网格的均衡系数β＝D/S’，

上述的基于网格划分和图分析的出租车调度方法，网格形状的选取条件是其能够无缝或无重叠覆盖每一块区域，网格形状可以为正三角形、正方向或正六边形的任一种。

上述的基于网格划分和图分析的出租车调度算法，所述网格形状为正六边形。

上述的基于网格划分和图分析的出租车调度方法，网格半径R是以城市道路的平均道路长度L为参考，0.8L≤R≤1.2L。

上述的基于网格划分和图分析的出租车调度方法，网格j为网格i在mR范围内的领域网格，m∈Z，Z＝1，2，…n。

上述的基于网格划分和图分析的出租车调度算法，其特征在于：m＝1或m＝2或m＝3。

本发明的有益效果：

1、本发明在构建网格时选用正六边形的网格进行网格划分，其不仅能够镶嵌形成均匀的格网，而且还能减少由于格网形状的边界效应带来的样本偏差，能够更加直接的查找邻域，同时也能自然的代表数据模式中的曲线。

2、本发明采用KSP算法计算出网格间的通行时间，选出前3条最短路径通行时间的平均值作为路径时间，该方法比直接用路程计算更可靠。

3、本发明通过均衡系数计算各网格的均衡性，并根据供需需求对网格之间的车辆进行分配和调度，可以在保证各网格订单与车辆数相对均衡的同时完成车辆调度，同时还可以简化计算复杂度。

附图说明

图1为本发明方法流程图。

图2为本发明可选用的网格类型示意图。

图3为网格领域查找示意图。

图4区域内为正六边形网格示意图。

图5为车辆分配示意图。

图6为凸包区域覆盖网格示意图。

图7为不同网格车辆需求展示示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

实施例1：本实施例提供一种基于网格划分和图分析的出租车调度方法，如图1所示，该方法整体包括以下步骤。

1、对区域地图进行网格划分，确定网格的形状、网格大小，将路网区域划分为N个网格；

其中：

(1)网格的选取标准：是其能否无缝或无重叠覆盖每一块区域。如图2所示，网格形状可以为等边三角形、正方形或正六边形。

本发明首选正六边形，这是由于六边形具有很低的面积周长比(圆虽然具有最低的比率，但其无法镶嵌形成连续的网格)，六边形不仅可减少由于格网形状的边界效应带来的样本偏差，而且其是最类圆形的多边形，能够镶嵌形成均匀的格网。

六边形格网的这种圆形性质使其可以比正方形格网更能自然地代表数据模式中的曲线。当比较具有相等面积的多边形时，多边形越接近圆形，则边界附近的点距离质心越近(尤其是折点附近的点)。这表示六边形内的任一点离六边形质心的距离都比相等面积正方形或三角形中任一给定点距离其质心的距离更近(这是因为正方形和三角形相较六边形的内角更小)。

当分析包括了连通性或移动路径时，六边形是更好的选择。由于矩形的线性性质，渔网格网可使我们关注可能抑制数据基础模式的笔直、连续、平行的直线。六边形倾向于断开直线并可使数据模式中所有的曲率更加清晰直观。人工线性模式的断开也会减少可在渔网网格中观察到的方向偏差，在宽敞的区域，六边形格网将由于地球曲率的原因比渔网网格形状更少收到畸变的影响。

如图3所示，使用六边形格网查找邻域更加直接，由于每个边的接触角度和边长都相同，每个邻域的质心都相等，选用正六边形可在计算中得到更多的邻域。

(2)网格的大小：

设定正六边性的半径R时需要参考城市道路的平均道路长度L，一般半径选取标准为：

0.8L≤R≤1.2L。

2、同时将一天均等为多个时段，在具体操作时可以将两个连续调度决策的时间间隔设置为1h，从而将一天时间离散为24个时间步长，计算网格i(i＝1,2，…p，q…N)在t(t＝1,2，…，24)时段的订单数量D_i和空车数量S_i，根据订单数量和空车数量判断网格i内的车辆是否需要调入或调出。

同时采用LSTM等简易时间序列预测方法预测其在t+1时刻的订单数量。

3、以路网网格数量为基础生成N*N的时间矩阵T，

然后通过地图软件(例如高德地图、腾讯地图等)提供的API可以获取A点到B点的路径估算时间，基于这个条件记i网格范围2R周围的领域网格，调用高德地图的API接口，采用KSP算法，调用K条最短路径，(输入AB点的经纬度返回AB点前三条最短路径长度以及预估通行时间求平均值)本实施例选取前3条最短路径的时间并求平均值作为路径时间。

4、以能调度出车辆的网格i为中心，获取网格i的领域网格j；计算出网格i与网格j之间的路径时间t_ij；

若t_ij≥T_threshold，T_threshold为时间阈值，认为网格i和网格j不可达，在调度时不考虑这两个网格间的关系，式中T_threshold表示当前路网设定的阈值，此处实验值为15分钟。

若t_ij<T_threshold，则认为网格i和网格j之间可达，可作为调度考虑对象；然后计算网格i的均衡系数α_i＝D_i/S_i，若α_i≤1.5，则认为网格j可以调度出车辆，其能调度出的车辆数为x_i＝S_i-D_i/1.5；

判断其邻域网格中可作为调度考虑对象的网格j的均衡系数α_j＝D_j/S_j；筛选出α_j>1.5的网格j_p，分别计算出每个网格需要调度进的车辆数，y_jp＝D_jp/1.5-S_jp；

5、将网格i调度出的车辆像需要调度进车辆的网格j_p中进行分配，分配原则为：

式中j₁+…j_p+…+j_n表示网格i的邻域网格中需要车辆调入的总需求数。

如图5所示，以网格A为中心，以网格半径R查找网格A的领域网格，

假设在网格A的周围仅有网格B、C、D满足T_threshold的时间限定要求，我们对网格A、B、C、D分别进行计算。

网格A的D＝10、S＝15，α＝D/S＝0.67<1.5，则网格A(最多)可调度出的车辆数为N＝S-D/1.5＝8；

网格B的D＝20、S＝10，α＝20/10，则网格A(最多)可调度出的车辆数为N＝D/1.5-S＝4；

网格C的D＝20、S＝8，α＝20/8，则网格A(最多)可调度出的车辆数为N＝D/1.5-S＝6；

网格D的D＝15、S＝10，α＝D/S＝1.5，正常不需要调度进出。

从上述计算可以得出，应该从网格A中调出8辆空车调入网格B和网格C，但是网格B和网格C的需求车辆分别是4辆和6辆，此时就需要对网格A调出的车辆进行分配，分配原则如下：

即可得出：网格A调往网格B的车辆数为3辆，网格A调往网格C的车辆数为5辆。

6、完成上述调度后，计算调度后该区域各网格的均衡系数α＝D/S’，

从而对调度后的情况进行评价，判断此次调度与为调度之前相比是否相对优化。

Claims (6)

1.一种基于网格划分和图分析的出租车调度方法，其特征在于：包括以下步骤：

步骤一、选择路网区域，确定网格形状和网格大小，将路网区域划分为N个网格；

步骤二、将1天离散为24个时间步长，计算网格i(i＝1,2，…p，q…N)在t(t＝1,2，…，24)时段的订单数量D_i和空车数量S_i，根据订单数量和空车数量判断网格i内的车辆是否需要调入或调出，并同时预测网格i在t+1时段的订单数量D′_i；

步骤三、以路网网格数量为依据生成N*N的时间矩阵T，

调用地图软件的API接口，采用KSP算法，调用网格i与其领域网格之间的K条最短路径所需时间的平均值作为路径时间t_ij；

步骤四、以能够调出车辆的网格i为中心，获取网格i的邻域网格j；

(1)若t_ij≥T_threshold，T_threshold为时间阈值，则认为网格i和网格j之间不可达，不作为调度考虑对象；

(2)若t_ij<T_threshold，则认为网格i和网格j之间可达，可作为调度考虑对象；然后计算网格i的均衡系数α_i＝D_i/S_i，

若α_i≤1.5，则认为网格j可以调度出车辆，其能调度出的车辆数为x_i＝S_i-D_i/1.5；

判断其邻域网格中可作为调度考虑对象的网格j的均衡系数α_j＝D_j/S_j；筛选出α_j>1.5的网格j_p，分别计算出每个网格需要调度进的车辆数，y_jp＝D_jp/1.5-S_jp；

步骤五、将网格i调度出的车辆向需要调度进车辆的网格j_p中进行分配，分配原则为：

式中j₁+…j_p+…+j_n表示网格i的邻域网格中需要车辆调入的总需求数；

步骤六、按照步骤五的调度方式对区域内网格的车辆进行预调度，计算预调度后各个网格的空车数S’；

步骤七、计算预调度后该区域各网格的均衡系数β＝D/S’，

。

2.根据权利要求1所述的基于网格划分和图分析的出租车调度方法，其特征在于：网格形状的选取条件是其能够无缝或无重叠覆盖每一块区域，网格形状可以为正三角形、正方向或正六边形的任一种。

3.根据权利要求2所述的基于网格划分和图分析的出租车调度算法，其特征在于：所述网格形状为正六边形。

4.根据权利要求1所述的基于网格划分和图分析的出租车调度方法，其特征在于：网格半径R是以城市道路的平均道路长度L为参考，0.8L≤R≤1.2L。

5.根据权利要求1所述的基于网格划分和图分析的出租车调度方法，其特征在于：网格j为网格i在mR范围内的领域网格，m∈Z，Z＝1，2，…n。

6.根据权利要求1所述的基于网格划分和图分析的出租车调度算法，其特征在于：m＝1或m＝2或m＝3。

Images