CN116151397A - 一种混合服务模式下的网约车订单派送方法 - Google Patents

一种混合服务模式下的网约车订单派送方法 Download PDF

Info

Publication number
CN116151397A
CN116151397A CN202111365547.8A CN202111365547A CN116151397A CN 116151397 A CN116151397 A CN 116151397A CN 202111365547 A CN202111365547 A CN 202111365547A CN 116151397 A CN116151397 A CN 116151397A
Authority
CN
China
Prior art keywords
vehicle
passenger
passengers
express
orders
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
CN202111365547.8A
Other languages
English (en)
Inventor
李雪峰
杜明洋
张永辉
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.)
Nanjing Forestry University
Original Assignee
Nanjing Forestry University
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 Nanjing Forestry University filed Critical Nanjing Forestry University
Priority to CN202111365547.8A priority Critical patent/CN116151397A/zh
Publication of CN116151397A publication Critical patent/CN116151397A/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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (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)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种混合服务模式下的网约车订单派送方法，包括以下步骤：(1)在每一批次的决策时刻，通过订单需求池管理系统获取待匹配的快车和拼车订单以及相关的订单信息，通过网约车辆管理系统获取车辆的实时运营状态和载客信息；(2)以快车和拼车订单最大可忍受的等车时长阈值为临界条件，构建任一网约车辆可服务的快车和拼车订单集合；(3)依据车辆目前的载客组数以及车辆可服务的快车和拼车订单集合，利用带加速策略的枚举法构建网约车辆与单组或多组订单的可行匹配，使其满足订单匹配组数、容量、距离节省值、等待时长及绕行时长限制五个约束条件；(4)将问题转化为最大权二部图匹配问题，建立多目标整数规划模型并采用分层序列法优化和输出最优匹配方案。(5)对该批次未响应的订单，保留在订单需求池中等待下一批次的匹配，多个批次后仍未响应的订单则由系统单独调度网约车辆进行服务。本发明可有效整合网约车快车和拼车两种模式，提高网约车平台的运营管理效率和服务能力。

Description

一种混合服务模式下的网约车订单派送方法
技术领域
本发明属于交通运输规划与管理中的运营管理领域，具体涉及一种混合服务模式下的网约车订单派送方法。
背景技术
得益于信息技术和移动支付的快速发展，网约车服务以其创新的运营模式成为了城市交通系统的重要组成部分。通常而言，乘客通过打车软件将他们的出行请求发送给网约车平台，该平台通过实时整合供需资源实现司乘的精准匹配。在现实运营中，针对供应端，司机资源通常跨多个产品所共享(如滴滴快车和滴滴快车拼车)，一个司机可同时在网约车平台响应快车和拼车乘客的请求，这称为混合服务模式。现有的网约车派单大多考虑单一的服务模式，即快车或拼车，忽略了混合服务模式下的派单问题研究。更深刻地探索该问题有利于促进这两种网约车服务模式的融合发展。
另外，在城市出行高峰期，网约车辆供不应求的现象依然存在。网约拼车出行可使用有限的车辆来服务更多的乘客，是缓解高峰期网约车资源供给不足的有效途径。在现有研究中，单-三配匹配问题(一个拼车司机最多可同时或连续匹配三组乘客) 很少受到关注。研究此问题有助于提高网约车平台的运营管理效率和服务能力。
发明内容
针对上述问题，本发明提出一种混合服务模式下的网约车订单派送方法，已解决现有技术中存在的上述问题。
本发明采用的技术方案：一种混合服务模式下的网约车订单派送方法，包括如下步骤：
(1)在每一批次的决策时刻，通过订单需求池管理系统获取待匹配的快车和拼车订单以及相关的订单信息，通过网约车辆管理系统获取车辆的实时运营状态和载客信息；
(2)以快车和拼车订单最大可忍受的等车时长阈值为临界条件，构建任一网约车辆可服务的快车和拼车订单集合；
(3)依据车辆目前的载客组数以及车辆可服务的快车和拼车订单集合，利用带加速策略的枚举法构建网约车辆与单组或多组订单的可行匹配，使其满足订单匹配组数、容量、距离节省值、等待时长及绕行时长限制五个约束条件；
(4)将问题转化为最大权二部图匹配问题，建立多目标整数规划模型并采用分层序列法优化和输出最优匹配方案；
(5)对该批次未响应的订单，保留在订单需求池中等待下一批次的匹配，多个批次后仍未响应的订单则由系统单独调度网约车辆进行服务。
更进一步的，步骤(1)具体包含如下：
11)订单需求池管理系统用于累积和存储网约车平台接收的用户订单，包括该批次周期累积的新增订单以及上一批次周期未响应的订单；
12)通过订单需求池管理系统获取订单的出行信息，如订单类型(快车或拼车)、每组订单人数、订单的起终、点位置；
13)通过网约车辆管理系统实时监控车辆的运营状态和载客信息，如司机当前位置、载客订单组数和已载人数。据此，网约车辆可细分为如下四类：巡游空载车辆、已接到任务的空载车辆、已载有乘客但仍可服务的车辆，以及已载有乘客不可服务的车辆。
进一步的，步骤(2)的具体步骤为：
21)针对任一辆巡游空载车辆d，搜索其最大可接驾距离内可服务的快车订单，并将订单索引放入集合N(de)中；这里的最大接驾距离等于快车订单最大可忍受的等待时间阈值σe乘以车速v；
22)针对任一辆巡游空载车辆d，搜索其最大可接驾距离内可服务的拼车订单，并将订单索引放入集合N(dr)中；这里的最大接驾距离等于拼车订单最大可忍受的等待时间阈值σr乘以车速v；
23)针对任一辆已载有乘客但仍可服务的车辆d，搜索其最大可接驾距离内可服务的拼车订单，并将订单索引放入集合N(dr)中；
定义|N(de)|表示车辆d可服务的快车订单数量；设|N(dr)|表示车辆d可服务的拼车订单数量；
24)针对任一已接到任务的空载车辆以及已载有乘客不可服务的车辆，暂时锁定；
进一步的，步骤(3)中的五个约束条件为：
31)对于空载状态车辆，司机可服务快车乘客和拼车乘客。当其匹配快车乘客时只能一组，当其匹配拼车乘客时最少一组、最多三组；对于非空载状态车辆，司机只能服务拼车乘客，包括该车目前的载客组数gi，该司机匹配拼车乘客最少两组，最多三组；
32)网约车的最大载客数目小于等于网约车容量；
33)司机若服务拼车乘客，需距离节省值
Figure RE-GSB0000197640030000031
以产生拼车效益；
34)对于任一组快车je∈Re或拼车乘客jr∈Rr，司机应在其最大可忍受的等待时长内接上他们，即
Figure RE-GSB0000197640030000032
其中，Re表示快车乘客订单集合； Rr表示拼车乘客订单集合；
35)对于任一组拼车乘客jr∈Rr，拼车出行时的绕行时长应在最大绕行时长阈值以内，即
Figure RE-GSB0000197640030000033
36)等车时长
Figure RE-GSB0000197640030000034
绕行时长/>
Figure RE-GSB0000197640030000035
和距离节省值/>
Figure RE-GSB0000197640030000036
的定义如下：
快车乘客je的等车时长
Figure RE-GSB0000197640030000037
匹配车辆从其当前位置到达乘客je起点所花费的时间。拼车乘客jr的等车时长/>
Figure RE-GSB0000197640030000038
匹配车辆从其当前位置到达乘客jr起点所花费的时间。
拼车乘客jr的绕行时长
Figure RE-GSB0000197640030000039
匹配车辆从其当前位置到达乘客jr终点所花费的时间(中间有可能去接其他乘客)减去该组乘客单独出行所花费的时间。在这里，单独出行是指匹配车辆从其当前位置直接服务乘客jr所花费的时间(中间不接其他乘客)。
司机i服务拼车乘客时的拼车距离节省值
Figure RE-GSB00001976400300000310
匹配车辆i服务的所有拼车乘客单独出行的距离之和减去车辆i服务这些拼车乘客所出行的距离。
进一步的，步骤(3)中利用枚举法构建网约车辆与单组或多组订单可行匹配的具体步骤为：
对于任一车辆d，根据其目前的载客组数gi及其可服务的快车需求集合N(de)、拼车需求集合N(dr)，进行以下操作：
41)若车辆d的载客组数gi为0，司机可为快车乘客服务，将集合N(de)中该车可服务的所有快车乘客逐一匹配给该车辆；
42)若车辆d的载客组数gi为0，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|＝1，为车辆d直接匹配该组乘客，让其在下一批次再与其它组拼车乘客进行拼车；
ii)若|N(dr)|＝2，合乘出行时包含
Figure RE-GSB0000197640030000041
种组合(两组乘客合乘)，针对任一组合的任一种合乘情形，如果满足五个约束条件，计算距离节省值。
另外的可行组合为将这两组乘客逐一匹配给司机，让其在下一批次再与其它组拼车乘客进行拼车；
iii)若|N(dr)|≥3，合乘出行时共包含
Figure RE-GSB0000197640030000042
种组合，其中，两组乘客合乘为/>
Figure RE-GSB0000197640030000043
种组合，三组乘客合乘为/>
Figure RE-GSB0000197640030000044
种组合。针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
另外的可行组合为将各组乘客逐一匹配给司机；
43)若车辆d的载客组数gi为1，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|＝1，合乘出行时包含1种组合(两组乘客合乘)，针对任一种情形，如果满足五个约束条件，计算距离节省值；
ii)若|N(dr)|≥2，合乘出行时共包含
Figure RE-GSB0000197640030000045
种组合，其中，两组乘客合乘为
Figure RE-GSB0000197640030000046
种组合，三组乘客合乘为/>
Figure RE-GSB0000197640030000047
种组合。针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
44)若车辆d的载客组数gi为2，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|≥1，合乘出行时共包含
Figure RE-GSB0000197640030000048
种组合(三组乘客合乘)，针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
进一步的，步骤(3)中的加速策略为：
51)在进行单-二匹配或单-三匹配场景的组合后，可先进行任一组合中两组乘客起点之间的出行距离的计算。如果存在两组乘客起点之间的出行距离大于最大可容忍的等车时长阈值所对应的出行距离，则这两组乘客中后一组被接乘客的等车时长会超过最大可容忍的等待时长阈值，五个约束条件中44)不成立，任一司机不能同时服务该两组乘客，无需进行该组合下后继各情形的判断。
52)对于每个司机来说，进行可行匹配构建是独立的，因此可以实施并行计算加快可行匹配的筛选速度。
进一步的，步骤(4)的具体步骤为：
61)建立如下的多目标整数规划模型：
上层目标为最大化快车和拼车的加权匹配人数：
Figure RE-GSB0000197640030000049
下层目标为最大化拼车的距离节省值：
Figure RE-GSB0000197640030000051
约束条件需限制以下条件：每个司机至多只能包含在一个最优匹配结果中，每组快车和拼车乘客组至多只能包含在一个最优匹配结果中，二分图中每条边的决策变量取值约束：
Figure RE-GSB0000197640030000052
Figure RE-GSB0000197640030000053
Figure RE-GSB0000197640030000054
Figure RE-GSB0000197640030000055
其中：e为二分图中的边，每条边代表一个可行匹配；E为二分图中所有边的集合；Ei表示与司机i相连接的边集合，
Figure RE-GSB0000197640030000056
Figure RE-GSB0000197640030000057
表示与快车乘客je相连接的边集合，/>
Figure RE-GSB0000197640030000058
Figure RE-GSB0000197640030000059
表示与拼车乘客jr相连接的边集合，/>
Figure RE-GSB00001976400300000510
α为匹配优先级系数，即一辆快车服务一个乘客相当于一辆拼车服务多少个乘客；pe为边e的权重，含义为匹配人数；/>
Figure RE-GSB00001976400300000511
为边e的权重，含义为拼车距离节省值；xe表示边e在二分图中的二元决策变量，当xe出现在最优匹配中时，取值为1，否则取值为0。Re表示快车乘客订单集合； Rr表示拼车乘客订单集合；D表示司机集合。
62)本文采用分层序列法求解上述模型。具体而言，本文将z1作为主目标，将z2作为次要目标。实现步骤如下：首先，求解上层目标，限制上述约束条件，求出的最优解用
Figure RE-GSB00001976400300000512
表示；然后，求解下层目标，限制上述约束条件，另外附加一个如下新增约束，以此保证目标/>
Figure RE-GSB00001976400300000513
的优先级：
Figure RE-GSB00001976400300000514
有益效果：本发明与现有技术相比，具有以下优点：
(1)考虑单-三匹配、中途接单以及每组订单多人的现实场景，设计了一种混合服务模式下的网约车订单派送方法；
(2)设计了相应的加速策略加快可行匹配的筛选，并采用分层序列法获取最佳司乘匹配方案，实现全局最优；
(3)本发明可有效整合网约车快车和拼车两种模式，提高网约车平台的运营管理效率和服务能力。
附图说明
图1为本发明实施实例一种混合服务模式下的网约车订单派送方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地说明，显然，所描述的实施例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。
具体实施步骤如下：
1.获取订单和网约车辆的相关信息
(1)通过订单需求池管理系统获取用户订单，包括该批次周期累积的新增订单以及上一批次周期未响应的订单；并获取订单的出行信息，如订单类型(快车或拼车)、每组订单人数、订单的起终、点位置；
(2)通过网约车辆管理系统获取车辆的运营状态和载客信息，如司机当前位置、载客订单组数和已载人数。据此，网约车辆可细分为如下四类：巡游空载车辆、已接到任务的空载车辆、已载有乘客但仍可服务的车辆，以及已载有乘客不可服务的车辆。
2.构建任一网约车辆可服务的快车和拼车订单集合
(1)针对任一辆巡游空载车辆d，搜索其最大可接驾距离内可服务的快车订单，并将订单索引放入集合N(de)中；这里的最大接驾距离等于快车订单最大可忍受的等待时间阈值σe乘以车速v；
(2)针对任一辆巡游空载车辆d，搜索其最大可接驾距离内可服务的拼车订单，并将订单索引放入集合N(dr)中；这里的最大接驾距离等于拼车订单最大可忍受的等待时间阈值σr乘以车速v；
(3)针对任一辆已载有乘客但仍可服务的车辆d，搜索其最大可接驾距离内可服务的拼车订单，并将订单索引放入集合N(dr)中；
定义|N(de)|表示车辆d可服务的快车订单数量；设|N(dr)|表示车辆d可服务的拼车订单数量；
(4)针对任一已接到任务的空载车辆以及已载有乘客不可服务的车辆，暂时锁定；
3.判断和筛选网约车辆与单组或多组订单的可行匹配
可行匹配的五个约束条件为：
1)对于空载状态车辆，司机可服务快车乘客和拼车乘客。当其匹配快车乘客时只能一组，当其匹配拼车乘客时最少一组、最多三组；对于非空载状态车辆，司机只能服务拼车乘客，包括该车目前的载客组数gi，该司机匹配拼车乘客最少两组，最多三组；
2)网约车的最大载客数目小于等于网约车容量；
3)司机若服务拼车乘客，需距离节省值
Figure RE-GSB0000197640030000071
以产生拼车效益；
4)对于任一组快车je∈Re或拼车乘客jr∈Rr，司机应在其最大可忍受的等待时长内接上他们，即
Figure RE-GSB0000197640030000072
其中，Re表示快车乘客订单集合；Rr表示拼车乘客订单集合；
5)对于任一组拼车乘客jr∈Rr，拼车出行时的绕行时长应在最大绕行时长阈值以内，即
Figure RE-GSB0000197640030000073
对于任一车辆d，根据其目前的载客组数gi及其可服务的快车需求集合N(de)、拼车需求集合N(dr)，进行以下操作：
(1)若车辆d的载客组数gi为0，司机可为快车乘客服务，将集合N(de)中该车可服务的所有快车乘客逐一匹配给该车辆；
(2)若车辆d的载客组数gi为0，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|＝1，为车辆d直接匹配该组乘客，让其在下一批次再与其它组拼车乘客进行拼车；
ii)若|N(dr)|＝2，合乘出行时包含
Figure RE-GSB0000197640030000074
种组合(两组乘客合乘)，针对任一组合的任一种合乘情形，如果满足五个约束条件，计算距离节省值。
另外的可行组合为将这两组乘客逐一匹配给司机，让其在下一批次再与其它组拼车乘客进行拼车；
iii)若|N(dr)|≥3，合乘出行时共包含
Figure RE-GSB0000197640030000075
种组合，其中，两组乘客合乘为/>
Figure RE-GSB0000197640030000076
种组合，三组乘客合乘为/>
Figure RE-GSB0000197640030000077
种组合。针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
另外的可行组合为将各组乘客逐一匹配给司机；
(3)若车辆d的载客组数gi为1，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|＝1，合乘出行时包含1种组合(两组乘客合乘)，针对任一种情形，如果满足五个约束条件，计算距离节省值；
ii)若|N(dr)|≥2，合乘出行时共包含
Figure RE-GSB0000197640030000081
种组合，其中，两组乘客合乘为
Figure RE-GSB0000197640030000082
种组合，三组乘客合乘为/>
Figure RE-GSB0000197640030000083
种组合。针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
(4)若车辆d的载客组数gi为2，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|≥1，合乘出行时共包含
Figure RE-GSB0000197640030000084
种组合(三组乘客合乘)，针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
4.实施可行匹配构建相关的加速策略
(1)在进行单-二匹配或单-三匹配场景的组合后，可先进行任一组合中两组乘客起点之间的出行距离的计算。如果存在两组乘客起点之间的出行距离大于最大可容忍的等车时长阈值所对应的出行距离，则这两组乘客中后一组被接乘客的等车时长会超过最大可容忍的等待时长阈值，五个约束条件中44)不成立，任一司机不能同时服务该两组乘客，无需进行该组合下后继各情形的判断。
(2)对于每个司机来说，进行可行匹配构建是独立的，因此可以实施并行计算加快可行匹配的筛选速度。
5.优化和输出最优司乘匹配方案
(1)建立如下的多目标整数规划模型：
上层目标为最大化快车和拼车的加权匹配人数：
Figure RE-GSB0000197640030000085
下层目标为最大化拼车的距离节省值：
Figure RE-GSB0000197640030000086
约束条件需限制以下条件：每个司机至多只能包含在一个最优匹配结果中，每组快车和拼车乘客组至多只能包含在一个最优匹配结果中，二分图中每条边的决策变量取值约束：
Figure RE-GSB0000197640030000087
Figure RE-GSB0000197640030000088
/>
Figure RE-GSB0000197640030000091
Figure RE-GSB0000197640030000092
(2)采用分层序列法求解上述模型。具体而言，本文将z1作为主目标，将z2作为次要目标。实现步骤如下：首先，求解上层目标，限制上述约束条件，求出的最优解用
Figure RE-GSB0000197640030000093
表示；然后，求解下层目标，限制上述约束条件，另外附加一个如下新增约束，以此保证目标/>
Figure RE-GSB0000197640030000094
的优先级：
Figure RE-GSB0000197640030000095
6.处理未响应订单
对该批次未响应的订单，保留在订单需求池中等待下一批次的匹配，多个批次后仍未响应的订单则由系统单独调度网约车辆进行服务。
本发明通过附图进行说明的，在不脱离发明范围的情况下，还可以对本发明专利进行各种变换及等同代替，因此，本发明专利不局限于所公开的具体实施过程，而应当包括落入本发明专利权利要求范围内的全部实施方案。

Claims (7)

1.一种混合服务模式下的网约车订单派单方法，其特征在于，该方法包括以下步骤：
(1)在每一批次的决策时刻，通过订单需求池管理系统获取待匹配的快车和拼车订单以及相关的订单信息，通过网约车辆管理系统获取车辆的实时运营状态和载客信息；
(2)以快车和拼车订单最大可忍受的等车时长阈值为临界条件，构建任一网约车辆可服务的快车和拼车订单集合；
(3)依据车辆目前的载客组数以及车辆可服务的快车和拼车订单集合，利用带加速策略的枚举法构建网约车辆与单组或多组订单的可行匹配，使其满足订单匹配组数、容量、距离节省值、等待时长及绕行时长限制五个约束条件；
(4)将问题转化为最大权二部图匹配问题，建立多目标整数规划模型并采用分层序列法优化和输出最优匹配方案；
(5)对该批次未响应的订单，保留在订单需求池中等待下一批次的匹配，多个批次后仍未响应的订单则由系统单独调度网约车辆进行服务。
2.如权利要求1所述的一种混合服务模式下的网约车订单派单方法，其特征在于，所述步骤(1)具体包含如下：
21)订单需求池管理系统用于累积和存储网约车平台接收的用户订单，包括该批次周期累积的新增订单以及上一批次周期未响应的订单；
22)通过订单需求池管理系统获取订单的出行信息，包括订单类型(快车或拼车)、每组订单人数、订单的起终、点位置；
23)通过网约车辆管理系统实时监控车辆的运营状态和载客信息，包括司机当前位置、载客订单组数和已载人数。据此，网约车辆可细分为如下四类：巡游空载车辆、已接到任务的空载车辆、已载有乘客但仍可服务的车辆，以及已载有乘客不可服务的车辆。
3.如权利要求1所述的一种混合服务模式下的网约车订单派单方法，其特征在于，所述步骤(2)的具体步骤为：
31)针对任一辆巡游空载车辆d，搜索其最大可接驾距离内可服务的快车订单，并将订单索引放入集合N(de)中；这里的最大接驾距离等于快车订单最大可忍受的等待时间阈值σe乘以车速v；
32)针对任一辆巡游空载车辆d，搜索其最大可接驾距离内可服务的拼车订单，并将订单索引放入集合N(dr)中；这里的最大接驾距离等于拼车订单最大可忍受的等待时间阈值σr乘以车速v；
33)针对任一辆已载有乘客但仍可服务的车辆d，搜索其最大可接驾距离内可服务的拼车订单，并将订单索引放入集合N(dr)中；
定义|N(de)|表示车辆d可服务的快车订单数量；设|N(dr)|表示车辆d可服务的拼车订单数量；
34)针对任一已接到任务的空载车辆以及已载有乘客不可服务的车辆，暂时锁定；
4.如权利要求1所述的一种混合服务模式下的网约车订单派单方法，其特征在于，所述步骤(3)中的五个约束条件为：
41)对于空载状态车辆，司机可服务快车乘客和拼车乘客。当其匹配快车乘客时只能一组，当其匹配拼车乘客时最少一组、最多三组；对于非空载状态车辆，司机只能服务拼车乘客，包括该车目前的载客组数gi，该司机匹配拼车乘客最少两组，最多三组；
42)网约车的最大载客数目小于等于网约车容量；
43)司机若服务拼车乘客，需距离节省值
Figure FSA0000257995180000021
以产生拼车效益；
44)对于任一组快车je∈Re或拼车乘客jr∈Rr，司机应在其最大可忍受的等待时长内接上他们，即
Figure FSA0000257995180000022
其中，Re表示快车乘客订单集合；Rr表示拼车乘客订单集合；
45)对于任一组拼车乘客jr∈Rr，拼车出行时的绕行时长应在最大绕行时长阈值以内，即
Figure FSA0000257995180000023
46)等车时长
Figure FSA0000257995180000024
绕行时长/>
Figure FSA0000257995180000025
和距离节省值/>
Figure FSA0000257995180000026
的定义如下：
快车乘客je的等车时长
Figure FSA0000257995180000027
匹配车辆从其当前位置到达乘客je起点所花费的时间。拼车乘客jr的等车时长/>
Figure FSA0000257995180000028
匹配车辆从其当前位置到达乘客jr起点所花费的时间。
拼车乘客jr的绕行时长
Figure FSA0000257995180000029
匹配车辆从其当前位置到达乘客jr终点所花费的时间(中间有可能去接其他乘客)减去该组乘客单独出行所花费的时间。在这里，单独出行是指匹配车辆从其当前位置直接服务乘客jr所花费的时间(中间不接其他乘客)。
司机i服务拼车乘客时的拼车距离节省值
Figure FSA00002579951800000210
匹配车辆i服务的所有拼车乘客单独出行的距离之和减去车辆i服务这些拼车乘客所出行的距离。
5.如权利要求2所述的一种混合服务模式下的网约车订单派单方法，其特征在于，所述步骤(3)中利用枚举法构建网约车辆与单组或多组订单可行匹配的具体步骤为：
对于任一车辆d，根据其目前的载客组数gi及其可服务的快车需求集合N(de)、拼车需求集合N(dr)，进行以下操作：
51)若车辆d的载客组数gi为0，司机可为快车乘客服务，将集合N(de)中该车可服务的所有快车乘客逐一匹配给该车辆；
52)若车辆d的载客组数gi为0，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|＝1，为车辆d直接匹配该组乘客，让其在下一批次再与其它组拼车乘客进行拼车；
ii)若|N(dr)|＝2，合乘出行时包含
Figure FSA0000257995180000031
种组合(两组乘客合乘)，针对任一组合的任一种合乘情形，如果满足五个约束条件，计算距离节省值。
另外的可行组合为将这两组乘客逐一匹配给司机，让其在下一批次再与其它组拼车乘客进行拼车；
iii)若|N(dr)|≥3，合乘出行时共包含
Figure FSA0000257995180000032
种组合，其中，两组乘客合乘为
Figure FSA0000257995180000033
种组合，三组乘客合乘为/>
Figure FSA0000257995180000034
种组合。针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
另外的可行组合为将各组乘客逐一匹配给司机；
53)若车辆d的载客组数gi为1，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|＝1，合乘出行时包含1种组合(两组乘客合乘)，针对任一种情形，如果满足五个约束条件，计算距离节省值；
ii)若|N(dr)|≥2，合乘出行时共包含
Figure FSA0000257995180000035
种组合，其中，两组乘客合乘为/>
Figure FSA0000257995180000036
种组合，三组乘客合乘为/>
Figure FSA0000257995180000037
种组合。针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。/>
54)若车辆d的载客组数gi为2，司机可拼车乘客服务，判断|N(dr)|：
i)若|N(dr)|≥1，合乘出行时共包含
Figure FSA0000257995180000038
种组合(三组乘客合乘)，针对任一组合的任一种情形，如果满足五个约束条件，计算距离节省值。
6.如权利要求2所述的一种混合服务模式下的网约车订单派单方法，其特征在于，所述步骤(3)中的加速策略为：
61)在进行单-二匹配或单-三匹配场景的组合后，可先进行任一组合中两组乘客起点之间的出行距离的计算。如果存在两组乘客起点之间的出行距离大于最大可容忍的等车时长阈值所对应的出行距离，则这两组乘客中后一组被接乘客的等车时长会超过最大可容忍的等待时长阈值，五个约束条件中44)不成立，任一司机不能同时服务该两组乘客，无需进行该组合下后继各情形的判断。
62)对于每个司机来说，进行可行匹配构建是独立的，因此可以实施并行计算加快可行匹配的筛选速度。
7.如权利要求1所述的一种混合服务模式下的网约车订单派单方法，其特征在于，所述步骤(4)的具体步骤为：
71)建立如下的多目标整数规划模型：
上层目标为最大化快车和拼车的加权匹配人数：
Figure FSA0000257995180000041
下层目标为最大化拼车的距离节省值：
Figure FSA0000257995180000042
约束条件需限制以下条件：每个司机至多只能包含在一个最优匹配结果中，每组快车和拼车乘客组至多只能包含在一个最优匹配结果中，二分图中每条边的决策变量取值约束：
Figure FSA0000257995180000043
Figure FSA0000257995180000044
Figure FSA0000257995180000045
Figure FSA0000257995180000046
其中：e为二分图中的边，每条边代表一个可行匹配；E为二分图中所有边的集合；Ei表示与司机i相连接的边集合，
Figure FSA0000257995180000047
表示与快车乘客je相连接的边集合，/>
Figure FSA0000257995180000048
表示与拼车乘客jr相连接的边集合，/>
Figure FSA0000257995180000049
α为匹配优先级系数，即一辆快车服务一个乘客相当于一辆拼车服务多少个乘客；pe为边e的权重，含义为匹配人数；/>
Figure FSA00002579951800000410
为边e的权重，含义为拼车距离节省值；xe表示边e在二分图中的二元决策变量，当xe出现在最优匹配中时，取值为1，否则取值为0。Re表示快车乘客订单集合；Rr表示拼车乘客订单集合；D表示司机集合。
72)本文采用分层序列法求解上述模型。具体而言，本文将z1作为主目标，将z2作为次要目标。实现步骤如下：首先，求解上层目标，限制上述约束条件，求出的最优解用
Figure FSA0000257995180000051
表示；然后，求解下层目标，限制上述约束条件，另外附加一个如下新增约束，以此保证目标/>
Figure FSA0000257995180000052
的优先级：
Figure FSA0000257995180000053
。/>
CN202111365547.8A 2021-11-17 2021-11-17 一种混合服务模式下的网约车订单派送方法 Pending CN116151397A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111365547.8A CN116151397A (zh) 2021-11-17 2021-11-17 一种混合服务模式下的网约车订单派送方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111365547.8A CN116151397A (zh) 2021-11-17 2021-11-17 一种混合服务模式下的网约车订单派送方法

Publications (1)

Publication Number Publication Date
CN116151397A true CN116151397A (zh) 2023-05-23

Family

ID=86358653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111365547.8A Pending CN116151397A (zh) 2021-11-17 2021-11-17 一种混合服务模式下的网约车订单派送方法

Country Status (1)

Country Link
CN (1) CN116151397A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117391399A (zh) * 2023-12-06 2024-01-12 厦门蓝斯通信股份有限公司 一种拼单出行方法、系统及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117391399A (zh) * 2023-12-06 2024-01-12 厦门蓝斯通信股份有限公司 一种拼单出行方法、系统及存储介质
CN117391399B (zh) * 2023-12-06 2024-04-16 厦门蓝斯通信股份有限公司 一种拼单出行方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN107918849B (zh) 一种电动物流货车的智能调度装置及方法
Jung et al. Design and modeling of real-time shared-taxi dispatch algorithms
CN109726863A (zh) 一种多目标优化的物流方法和系统
CN111915176A (zh) 一种混合运营模式下纯电动公交车辆的排班方法及其系统
CN101799981A (zh) 多模式公共交通区域调度控制方法
CN111126799B (zh) 基于二分图的共享网络司乘匹配方法
CN111144618A (zh) 一种基于两阶段优化模型的需求响应型定制公交网络规划方法
Wei et al. Optimal integrated model for feeder transit route design and frequency-setting problem with stop selection
CN116151397A (zh) 一种混合服务模式下的网约车订单派送方法
Luo et al. Multimodal connections between dockless bikesharing and ride-hailing: An empirical study in New York City
Montaña et al. A novel mathematical approach for the Truck-and-Drone Location-Routing Problem
CN114912659A (zh) 铁路客运中转换乘方案计算方法及系统、设备和存储介质
CN112149906B (zh) 一种计及充电时间的电动车出行线路综合优化方法
CN106682759B (zh) 针对电动出租车的电池供应系统及网络优化方法
CN111882092B (zh) 一种适用于共享出行的出租车车辆搜索方法
CN116777171A (zh) 一种面向网约车的点对点拼车动态调度方法及装置
CN116307580A (zh) 运力调度方法、装置、电子设备及存储介质
CN116468219A (zh) 一种枢纽站接驳出租车合乘调度匹配方法
CN113642796A (zh) 基于历史数据的动态共享电动自动驾驶车辆路径规划方法
CN110825104A (zh) 移动平台路径规划与无人机任务分配的两阶段优化方法
CN112623603B (zh) 用于智能仓储的货物拣选方法
CN116911575B (zh) 一种共享单车全时段调度方法、系统及设备
CN111681083B (zh) 一种拼车调度方法及装置
Ma et al. Airport Cab Scheduling Model Based on Queuing Theory
Alonso-Mora et al. On-demand high-capacity ride-sharing via dynamic trip-vehicle assignment—-Supplemental Material—

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