CN114118521A - 一种基于司机驾驶熟练度因子的eta方法 - Google Patents

一种基于司机驾驶熟练度因子的eta方法 Download PDF

Info

Publication number
CN114118521A
CN114118521A CN202111251003.9A CN202111251003A CN114118521A CN 114118521 A CN114118521 A CN 114118521A CN 202111251003 A CN202111251003 A CN 202111251003A CN 114118521 A CN114118521 A CN 114118521A
Authority
CN
China
Prior art keywords
driver
proficiency
route
driving
calculating
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
CN202111251003.9A
Other languages
English (en)
Inventor
赵刚
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.)
Shanghai Secco Travel Technology Service Co ltd
Original Assignee
Shanghai Secco Travel Technology Service Co ltd
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 Shanghai Secco Travel Technology Service Co ltd filed Critical Shanghai Secco Travel Technology Service Co ltd
Priority to CN202111251003.9A priority Critical patent/CN114118521A/zh
Publication of CN114118521A publication Critical patent/CN114118521A/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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及网约车技术领域，具体公开了一种基于司机驾驶熟练度因子的ETA方法，包括以下步骤：S1、对司机驾驶路线分日计算路线平均速度；S2、移除城市分日数据的异常值；S3、按起点、终点和出发时间计算路线平均速度；S4、计算司机在路线的平均速度；S5、计算单个司机的路线熟练度和全局路线熟练度；S6、计算单个司机的网格熟练度；S7、根据起点和终点计算司机熟练度；S8、根据司机驾驶熟练度计算ETA；本发明引入了司机驾驶熟练因素来使得网约车路线预估时间更精准，该方法计算了司机路线熟练度和全局熟练度，通过对现有第三方地图平台的平均时间进行驾驶熟练度的修正，与现有的技术方法对比，能够有效提升预估时间的准确性。

Description

一种基于司机驾驶熟练度因子的ETA方法
技术领域
本发明涉及网约车技术领域，具体为一种基于司机驾驶熟练度因子的ETA方法。
背景技术
目前在网络出行领域中，有2个场景需要用到ETA方法，一个是预估乘客接驾时间，一个是预估乘客从起点到达目的地的时间。预估乘客接驾时间会给予乘客准确的估算司机到达的时间，从而合理安排出发前的事项。预估乘客从起点到达目的地的时间，会给乘客安排到达目的地之后的事项规划提供指导。随科技智能化的发展趋势，对于时间预估的准确性也提出更高的要求。
当前网约车平台普遍选择的是以第三方地图平台提供的ETA时间作为网约车的ETA时间。第三方地图平台提供的ETA时间是一个平均时间，考虑了当前的路况、天气、交通事故等因素，这是一个通用的时间，其未考虑司机的驾驶因素。对于具体的司机，驾驶技术、驾驶习惯、道路熟悉度都会成为对于具体某个路线ETA的影响因子。
基于此，本发明公开了一种基于司机驾驶熟练度因子的ETA方法解决更精准预估司机某个路线的ETA时间问题，从而能够更好的指导乘客合理安排时间。
发明内容
本发明的目的在于提供一种基于司机驾驶熟练度因子的ETA方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于司机驾驶熟练度因子的ETA方法，包括以下步骤：
S1、对司机驾驶路线分日计算路线平均速度；
其中，步骤S1包括以下步骤：
S11、城市按经纬度划分为大小均匀的网格后，对城市地理位置信息路线的起点编码a和终点编码b；
S12、对出发时间分段编码t，24小时按10分钟分段，分别编码为0-143；
S13、驾驶里程按公里数编码，驾驶时间按分钟编码：
对1年内的数据，相同的起点编码a、终点编码b、出发时间编号t和日期d,日期d时的驾驶总时间为std,a,b,t，日期d时的驾驶总里程为s1d,a,b,t,平均速度为vd,a,b,t，其中vd,a,b,t＝s1d,a,b,t/std,a,b,t；
S2、移除城市分日数据的异常值；
降低干扰，受交通事故、采集错误的影响，部分数据应不可信，移除可信度低的数据，对于城市相同的起点编码，终点编码，出发时间编码，对1年内的数据平均速度做排序；
其中，Q1a,b,t为平均速度排序的四分之一分位数，Q3a,b,t为排序的四分之三分位数，通过计算公式：IQRa,b,t＝Q3a,b,t-Q1a,b,t；
其中，若日期d时的vd,a,b,t＜Q1a,b,t-1.5IQRa,b,t或vd,a,b,t＞Q3a,b,t+1.5IQRa,b,t，则移除该日期d下对应的数据；
S3、按起点、终点和出发时间计算路线平均速度；
移除步骤S2中的异常数据后，根据步骤S1，计算出总驾驶时间为sta,b,t＝∑std,a,b,t，总驾驶里程为s1a,b,t＝∑s1d,a,b,t,平均速度为va,b,t＝s1a,b,t/sta,b,t；
S4、计算司机在路线的平均速度；
其中，对所有的司机进行编码并记作q，逐个根据该司机的历史驾驶数据，根据步骤S1过滤无效的数据(a,b,t,d)后，计算出该司机总驾驶时间为sta,b,t,q＝∑std,a,b,t,q，总驾驶里程为s1a,b,t,q＝∑s1d,a,b,t,q,平均速度为va,b,t,q＝s1a,b,t,q/sta,b,t,q；
S5、计算单个司机的路线熟练度和全局路线熟练度；
其中，司机的路线熟练度为f(q,a,b)＝∑((va,b,t,q/va,b,t))/countfq,a,b,其中countfq,a,b为司机q在步骤S4中的起点a和终点b的记录数，对司机的这些记录做累加运算；
司机的全局熟练度为g(q)＝∑f(q,a,b)/countgq,其中countgq为司机所走路线总数；
S6、计算单个司机的网格熟练度；
其中，定义e为任意网格编号，h(q,e)为司机在某网格的熟练度；
选取步骤S4中的q,a,b计算出f(q,a,b)：
其中，h(q,e)＝∑f(q,a,b)/counthq,a,b，
counthq,a,b为对于q所有历史路线经过网格e的次数，做累加求h(q,e)；
S7、根据起点和终点计算司机熟练度；
其中，步骤S7包括以下步骤：
S71、若f(q,a,b)存在，表示司机走过该路线，则r(q,a,b)＝f(q,a,b)；
S72、若司机未走过该路线，找出路线a到b的所有沿途的网格e，其集合为Sa,b,r(q,a,b)＝∑h(q,e)/countra,b,其中countra,b为Sa,b中网格；
S8、根据司机驾驶熟练度计算ETA；
其中，ETA(a,b)为第三方地图平台返回的接驾时间，计算后META(q,a,b)＝ETA(a,b)/r(q,a,b)。
优选的，步骤S6中若司机从未去过网格e,则h(q,e)＝g(q)。
与现有技术相比，本发明的有益效果是：本发明引入了司机驾驶熟练因素来使得网约车路线预估时间更精准，该方法计算了司机路线熟练度和全局熟练度，通过对现有第三方地图平台的平均时间进行驾驶熟练度的修正，与现有的技术方法对比，能够有效提升预估时间的准确性，从而给乘客的体验带来更大价值；解决了现有网约车接单预估，以及乘客上车后到目的地的预估，因未能考虑到实际司机驾驶因素，导致预估时间偏差较大的问题；提升时间预估的精准性，在给乘客带来更好的体验的同时，也能给网约车平台的派单策略提供价值。
附图说明
图1为本发明的整体步骤结构框图。
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，本发明提供一种技术方案：一种基于司机驾驶熟练度因子的ETA方法，包括以下步骤：
S1、对司机驾驶路线分日计算路线平均速度；
其中，步骤S1包括以下步骤：
S11、城市按经纬度划分为大小均匀的网格后，对城市地理位置信息路线的起点编码a和终点编码b；
S12、对出发时间分段编码t，24小时按10分钟分段，分别编码为0-143；
S13、驾驶里程按公里数编码，驾驶时间按分钟编码：
对1年内的数据，相同的起点编码a、终点编码b、出发时间编号t和日期d，日期d时的驾驶总时间为std,a,b,t，日期d时的驾驶总里程为s1d,a,b,t,平均速度为vd,a,b,t，其中vd,a,b,t＝s1d,a,b,t/std,a,b,t；
S2、移除城市分日数据的异常值；
降低干扰，受交通事故、采集错误的影响，部分数据应不可信，移除可信度低的数据，对于城市相同的起点编码，终点编码，出发时间编码，对1年内的数据平均速度做排序；
其中，Q1a,b,t为平均速度排序的四分之一分位数，Q3a,b,t为排序的四分之三分位数，通过计算公式：IQRa,b,t＝Q3a,b,t-Q1a,b,t；
其中，若日期d时的vd,a,b,t＜Q1a,b,t-1.5IQRa,b,t或vd,a,b,t＞Q3a,b,t+1.5IQRa,b,t，则移除该日期d下对应的数据；
S3、按起点、终点和出发时间计算路线平均速度；
移除步骤S2中的异常数据后，根据步骤S1，计算出总驾驶时间为sta,b,t＝∑std,a,b,t，总驾驶里程为s1a,b,t＝∑s1d,a,b,t,平均速度为va,b,t＝s1a,b,t/sta,b,t；
S4、计算司机在路线的平均速度；
其中，对所有的司机进行编码并记作q，逐个根据该司机的历史驾驶数据，根据步骤S1过滤无效的数据(a,b,t,d)后，计算出该司机总驾驶时间为sta,b,t,q＝∑std,a,b,t,q，总驾驶里程为s1a,b,t,q＝∑s1d,a,b,t,q,平均速度为va,b,t,q＝s1a,b,t,q/sta,b,t,q；
S5、计算单个司机的路线熟练度和全局路线熟练度；
其中，司机的路线熟练度为f(q,a,b)＝∑((va,b,t,q/va,b,t))/countfq,a,b,其中countfq,a,b为司机q在步骤S4中的起点a和终点b的记录数，对司机的这些记录做累加运算；
司机的全局熟练度为g(q)＝∑f(q,a,b)/countgq,其中countgq为司机所走路线总数；
S6、计算单个司机的网格熟练度；
其中，定义e为任意网格编号，h(q,e)为司机在某网格的熟练度；
选取步骤S4中的q,a,b计算出f(q,a,b)：
其中，h(q,e)＝∑f(q,a,b)/counthq,a,b，
counthq,a,b为对于q所有历史路线经过网格e的次数，做累加求h(q,e)；
S7、根据起点和终点计算司机熟练度；
其中，步骤S7包括以下步骤：
S71、若f(q,a,b)存在，表示司机走过该路线，则r(q,a,b)＝f(q,a,b)；
S72、若司机未走过该路线，找出路线a到b的所有沿途的网格e，其集合为Sa,b,r(q,a,b)＝∑h(q,e)/countra,b,其中countra,b为Sa,b中网格；
S8、根据司机驾驶熟练度计算ETA；
其中，ETA(a,b)为第三方地图平台返回的接驾时间，计算后META(q,a,b)＝ETA(a,b)/r(q,a,b)。
进一步的，步骤S6中若司机从未去过网格e,则h(q,e)＝g(q)。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (2)

1.一种基于司机驾驶熟练度因子的ETA方法，其特征在于：包括以下步骤：
S1、对司机驾驶路线分日计算路线平均速度；
其中，步骤S1包括以下步骤：
S11、城市按经纬度划分为大小均匀的网格后，对城市地理位置信息路线的起点编码a和终点编码b；
S12、对出发时间分段编码t，24小时按10分钟分段，分别编码为0-143；
S13、驾驶里程按公里数编码，驾驶时间按分钟编码：
对1年内的数据，相同的起点编码a、终点编码b、出发时间编号t和日期d，日期d时的驾驶总时间为std,a,b,t，日期d时的驾驶总里程为s1d,a,b,t，平均速度为vd,a,b,t，其中vd,a,b,t＝s1d,a,b,t/std,a,b,t；
S2、移除城市分日数据的异常值，降低干扰，受交通事故、采集错误的影响，部分数据应不可信，移除可信度低的数据，对于城市相同的起点编码，终点编码，出发时间编码，对1年内的数据平均速度做排序，
其中，Q1a,b,t为平均速度排序的四分之一分位数，Q3a,b,t为排序的四分之三分位数，通过计算公式：IQRa,b,t＝Q3a,b,t-Q1a,b,t；
其中，若日期d时的vd,a,b,t＜Q1a,b,t-1.5IQRa,b,t或vd,a,b,t＞Q3a,b,t+1.5IQRa,b,t，则移除该日期d下对应的数据；
S3、按起点、终点和出发时间计算路线平均速度；
移除步骤S2中的异常数据后，根据步骤S1，计算出总驾驶时间为sta,b,t＝∑std,a,b,t，总驾驶里程为s1a,b,t＝∑s1d,a,b,t，平均速度为va,b,t＝s1a,b,t/sta,b,t；
S4、计算司机在路线的平均速度；
其中，对所有的司机进行编码并记作q，逐个根据该司机的历史驾驶数据，根据步骤S1过滤无效的数据(a,b,t,d)后，计算出该司机总驾驶时间为sta,b,t,q＝∑std,a,b,t,q，总驾驶里程为s1a,b,t,q＝∑s1d,a,b,t,q,平均速度为va,b,t,q＝s1a,b,t,q/sta,b,t,q；
S5、计算单个司机的路线熟练度和全局路线熟练度；
其中，司机的路线熟练度为f(q,a,b)＝∑((va,b,t,q/va,b,t))/countfq,a,b,其中countfq,a,b为司机q在步骤S4中的起点a和终点b的记录数，对司机的这些记录做累加运算；
司机的全局熟练度为g(q)＝∑f(q,a,b)/countgq,其中countgq为司机所走路线总数；
S6、计算单个司机的网格熟练度；
其中，定义e为任意网格编号，h(q,e)为司机在某网格的熟练度；
选取步骤S4中的q,a,b计算出f(q,a,b)：
其中，h(q,e)＝∑f(q,a,b)/counthq,a,b，
counthq,a,b为对于q所有历史路线经过网格e的次数，做累加求h(q,e)；
S7、根据起点和终点计算司机熟练度；
其中，步骤S7包括以下步骤：
S71、若f(q,a,b)存在，表示司机走过该路线，则r(q,a,b)＝f(q,a,b)；
S72、若司机未走过该路线，找出路线a到b的所有沿途的网格e，其集合为Sa,b,r(q,a,b)＝∑h(q,e)/countra,b,其中countra,b为Sa,b中网格；
S8、根据司机驾驶熟练度计算ETA；
其中，ETA(a,b)为第三方地图平台返回的接驾时间，计算后META(q,a,b)＝ETA(a,b)/r(q,a,b)。
2.根据权利要求1所述的一种基于司机驾驶熟练度因子的ETA方法，其特征在于：步骤S6中若司机从未去过网格e,则h(q,e)＝g(q)。
CN202111251003.9A 2021-10-26 2021-10-26 一种基于司机驾驶熟练度因子的eta方法 Pending CN114118521A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111251003.9A CN114118521A (zh) 2021-10-26 2021-10-26 一种基于司机驾驶熟练度因子的eta方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111251003.9A CN114118521A (zh) 2021-10-26 2021-10-26 一种基于司机驾驶熟练度因子的eta方法

Publications (1)

Publication Number Publication Date
CN114118521A true CN114118521A (zh) 2022-03-01

Family

ID=80377127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111251003.9A Pending CN114118521A (zh) 2021-10-26 2021-10-26 一种基于司机驾驶熟练度因子的eta方法

Country Status (1)

Country Link
CN (1) CN114118521A (zh)

Similar Documents

Publication Publication Date Title
CN110174117B (zh) 一种电动汽车充电路线规划方法
CN110418940B (zh) 用于预测车辆的未来驾驶条件的方法
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
CN108848460B (zh) 基于rfid和gps数据的人车关联方法
CN101964941A (zh) 基于动态信息的智能导航与位置服务系统及方法
Camus et al. Estimation of transit reliability level-of-service based on automatic vehicle location data
CN107270925B (zh) 一种用户车辆导航系统、装置及方法
EP2431244A1 (en) Driver profiling system and method
CN113129588B (zh) 公交车运行线路的确定方法、确定装置及电子设备
JP2003316884A (ja) 排気ガス中の有害物質の削減量の算定方法、算定システム、有害物質の排出権の取引方法及びコンピュータプログラム
CN105096590B (zh) 交通信息生成方法和交通信息生成设备
Kumar et al. A model based approach to predict stream travel time using public transit as probes
CN110849382A (zh) 驾驶时长预测方法及装置
CN113177742A (zh) 基于智能交通的公交服务方法、系统、终端及存储介质
CN113175939A (zh) 纯电动汽车行程规划方法及系统
CN109377758A (zh) 一种行驶时间预估方法及系统
CN109887285B (zh) 一种停车原因的确定方法及装置
US20210239484A1 (en) Computer-Implemented Method and System for Determining a Deviation of an Estimated Value of an Average Traveling Time for Traveling Along a Section of Route from a Measured Value of a Traveling Time Taken for Traveling Along the Section of Route
CN112562334A (zh) 基于浮动车数据的弯曲路段实时速度计算方法、装置及介质
CN114118521A (zh) 一种基于司机驾驶熟练度因子的eta方法
CN108847019A (zh) 一种计算可变线路公交车辆到达固定站点行程时间的方法
CN116749774A (zh) 续航里程确定方法、装置、电子设备及可读存储介质
CN111222898B (zh) 网约车的计程方法及计算机可读存储介质
CN114078322A (zh) 一种公交运行状态评价方法、装置、设备及存储介质
CN104933857A (zh) 一种基于gps定位技术的交通流量融合监控方法

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