CN116168530A - 一种出租车智能调度分配系统 - Google Patents

一种出租车智能调度分配系统 Download PDF

Info

Publication number
CN116168530A
CN116168530A CN202310429620.6A CN202310429620A CN116168530A CN 116168530 A CN116168530 A CN 116168530A CN 202310429620 A CN202310429620 A CN 202310429620A CN 116168530 A CN116168530 A CN 116168530A
Authority
CN
China
Prior art keywords
taxi
demand
distance
starting point
destination
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.)
Granted
Application number
CN202310429620.6A
Other languages
English (en)
Other versions
CN116168530B (zh
Inventor
张韦勇
张诗雨
张勇
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.)
Yancheng Yulin Technology Co ltd
Original Assignee
Yancheng Yulin Technology 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 Yancheng Yulin Technology Co ltd filed Critical Yancheng Yulin Technology Co ltd
Priority to CN202310429620.6A priority Critical patent/CN116168530B/zh
Publication of CN116168530A publication Critical patent/CN116168530A/zh
Application granted granted Critical
Publication of CN116168530B publication Critical patent/CN116168530B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • 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
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及出租车调度技术领域，提出了一种出租车智能调度分配系统，包括：从打车需求中获取需求起始点和出行目的地；获得出租车与当前需求的匹配合理度；获取当前所有出租车到需求起始点的距离，获得每辆出租车到该需求起始点的优先程度，对于起始点相同的所有需求，得到需求起始点到目的地的路线重合度并得到需求重合度；根据出租车到需求起始点的优先程度和所有相同需求的需求重合度得到每辆车租车的加权累加系数；根据获得的加权累加系数更新隶属度函数获得最优匹配矩阵；根据最优匹配矩阵获取的运营利润在系统中显示。本发明提出的智能调度系统避免了出租车接受调度指令不平衡的情况发生，同时降低了出租车的运营成本。

Description

一种出租车智能调度分配系统
技术领域
本发明涉及出租车调度技术领域，具体涉及一种出租车智能调度分配系统。
背景技术
在现代众多出行方式中，出租车是相对便捷的方式之一，尤其随着多种打车软件的推广，越来越多的人选择出租车的方式出行。此时，如何快速将出租车与需要出行的乘客之间快速匹配到一起，完成出租车的调度是目前出租车调度分配系统的关键点。
传统的出租车调度过程中，出租车的司机大多是依靠自己的载客经验和对交通道路的了解，驱车前往人流量较大的地方寻找乘客，例如商业街和居民区。但是这种主观性的调度方式的稳定性非常差，而且对于人流量较少区域乘客的出行需求难以满足，同时也会因交通堵塞等原因增加出租车的运行成本，降低收入。因此如何根据乘客位置和出行人员的数量调度最近距离的出租车，不仅能解决打车难的问题，同时能够解决运营成本高的问题。通过对出租车调度系统的优化，最大限度的满足人们的出行需求。
发明内容
本发明提供一种出租车智能调度分配系统，以解决现有的出租车与出行人员的匹配程度不高的问题，所采用的技术方案具体如下：
本发明一个实施例提供了一种出租车智能调度分配系统，所述系统包括：
数据采集模块，获取出租车的实时位置，管理系统从打车需求中获取需求起始点和出行目的地；
人车匹配合理度评价模块，根据乘客剩余的等待时长、乘客平均等待时长、需求起始点到目的地的距离以及出租车到需求起始点的距离获得出租车与当前需求的匹配合理度；
乘客顺路拼车的可能性评价模块，获取当前所有出租车到需求起始点的距离，根据每辆出租车与当前需求的匹配合理度、出租车到需求起始点的最大距离，每个出租车的载客量、每辆出租车到该需求起始点的距离获得每辆出租车到该需求起始点的优先程度；对于所有打车需求，统计需求起始点相同的所有需求，得到出租车到起始点相同的所有需求的距离，对于起始点相同的所有需求，得到需求起始点到目的地的路线重合度，根据出租车到起始点相同的所有需求的距离以及所有起始点相同的需求到目的地的路线重合度和时间得到需求重合度；根据出租车到需求起始点的优先程度和所有相同需求的需求重合度得到每辆车租车的边权累加系数；
最终匹配度获取模块，根据获得的边权累加系数更新隶属度函数获得每辆车到每个需求的最终匹配度，由此获得最优匹配矩阵；
利润计算模块，根据最优匹配矩阵得到匹配结果，计算一段时间内获取的运营利润在系统中显示。
优选的，所述获取出租车实时位置为每当出现新的打车需求后，使用GPS定位此时在调度范围内的所有出租车位置，每次出现新的打车需求后更新一次。
优选的，所述根据乘客剩余的等待时长、乘客平均等待时长、需求起始点到目的地的距离以及出租车到需求起始点的距离获得出租车与当前需求的匹配合理度的方法为：
每次出现打车需求后进行更新，得到调度范围内所有出租车与需求起始点的相对位置及路线，此后每1s更新一次合理度，根据历史数据中的乘客平均等车时长与当前需求发出后的时间做差得到需求等待影响因子，所有出租车到需求地点的距离根据路线更新得到，每1s更新一次，并通过调度中心计算从需求地点到目的地的距离，以等待影响因子与需求地点到目的地的距离的乘积比上每辆出租车到需求地点的距离得到每辆出租车到需求地点的合理度。
优选的，所述根据每辆出租车与当前需求的匹配合理度、出租车到需求起始点的最大距离，每个出租车的载客量、每辆出租车到该需求起始点的距离获得每辆出租车到该需求起始点的优先程度的方法为：
Figure SMS_1
式中，
Figure SMS_2
是第i辆出租车
Figure SMS_6
匹配需求
Figure SMS_8
的优先程度，
Figure SMS_4
是t时刻出租车
Figure SMS_9
到
Figure SMS_12
对应等待地点的驾驶距离，n是能够调度到
Figure SMS_14
的出租车数量，
Figure SMS_3
是n辆出租车到
Figure SMS_7
对应等 待地点驾驶距离的最大值，
Figure SMS_11
是出租车上的载客量，
Figure SMS_13
是系统调度出租车
Figure SMS_5
与需求
Figure SMS_10
匹配 的合理度。
优选的，所述对于起始点相同的所有需求，得到需求起始点到目的地的路线重合度的方法为：
获得所有需求起始点相同的需求到目的地的路线在调度中心地图中显示出来，通过地图得到每个需求起始点到目的地的路线，将其作为一条曲线，根据动态时间规整对于所有需求起始点相同需求对应的曲线两两计算其曲线相似度，再通过曲线欧氏距离得到曲线相近度，两者相乘获得路线重合度。
优选的，所述根据出租车到起始点相同的所有需求的距离以及所有起始点相同的需求到目的地的路线重合度和时间得到需求重合度的方法为：
Figure SMS_15
式中，
Figure SMS_24
是路线
Figure SMS_18
与路线
Figure SMS_20
的重合度，
Figure SMS_19
是不拼车时出租车到达 需求
Figure SMS_21
对应的目的地的驾驶时间，
Figure SMS_25
是不拼车时出租车到达需求
Figure SMS_29
目的地的时间，
Figure SMS_27
是 拼车完成两个需求的总时长，
Figure SMS_31
是出租车
Figure SMS_17
到需求
Figure SMS_23
的驾驶距离，
Figure SMS_26
出租车
Figure SMS_32
到 需求
Figure SMS_28
的驾驶距离，
Figure SMS_30
是需求
Figure SMS_16
、
Figure SMS_22
对应的需求重合度。
优选的，所述根据出租车到需求起始点的优先程度和所有相同需求的需求重合度得到每辆车租车的边权累加系数的方法为：
Figure SMS_33
式中，
Figure SMS_36
是第i辆出租车
Figure SMS_39
匹配需求
Figure SMS_43
的优先程度，max()为最大值函数，
Figure SMS_34
表示第需求
Figure SMS_37
与需求
Figure SMS_40
的需求重合度，
Figure SMS_41
是需求
Figure SMS_35
对应等待地点打车需求的数 量，
Figure SMS_38
表示第i辆出租车
Figure SMS_42
的边权累加系数。
优选的，所述根据最优匹配矩阵得到匹配结果，计算一段时间内获取的运营利润在系统中显示的方法为：
根据出租车到需求起始点的距离与需求起始点到目的地的距离得到出租车所需成本，通过出租车从需求起始点到目的地的距离得到出租车获取的收入，两者相减获得出租车所获得的利润，计算匹配完成后所有出租车对所有需求的利润。
本发明的有益效果是：本发明提出一种出租车智能调度分配系统，传统出租车的调度多数情况下依靠司机对交通道路的熟悉程度和司机之间的传呼沟通进行，这种调度方式过于依靠司机的主观性，难以及时满足打车需求，并且运营成本相对较高。本发明首先根据管理平台获取的打车需求序列和出租车运营状态，将车辆位置和打车地点转化成无向图的形式，并构建了构建边权累加系数。边权累加系数考虑了出行人员的需求重合度和车辆的优先程度，优先程度通过合理度和出租车的载客量评估每一辆出租车对打车需求调度的优先程度，需求重合度考虑了同一打车地点出行人员出行路线的重合度，需求重合度的有益效果在于考虑实际情况中不同出行人员出行路线的重合度，获取拼车出行的可能性缩短了出租车对打车需求的相应时间。边权累加系数的有益效果在于对于无向图中的任意一个打车需求，每辆出租车都会被调度系统考虑，避免出租车接受调度指令不平衡的情况发生。其次利用边权累加系数更新了梯形隶属度函数，最终得到每辆出租车应该调度的最佳需求位置，本发明提出的调度方式在调度过程中每个出租车都会得到最佳调度指令，避免发生出租车只在人流量多的区域载客的不合理现象。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一个实施例所提供一种出租车智能调度分配系统的流程示意图；
图2为出租车打车无向图。
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，其示出了本发明一个实施例提供的一种出租车智能调度分配系统流程图，该系统包括：
数据采集模块，在本实施例中，管理系统在计算最优方案的过程中一方面出租车的调度需要考虑每个出租车的营收和整个管理系统的运行成本，避免仅对少数车辆发送调度信息的不合理现象，另一方面需要判断调度车辆是否能够满足前往地点的乘车需求，乘车需求包括等车时间、打车费用等等。基于上述分析，需要利用GPS获取出租车的实时位置。对于乘车人员而言，管理系统从出行人员的打车需求中获取打车地点和出行目的地的相关信息。其次利用数据清洗技术对获取数据进行清洗，清洗的目的是为了删除过大、过小的数据，例如由于汽车故障导致等待时间过长，这种极低概率的数据并不适用于调度方案，数据清洗为公知技术，具体过程在此不做详细赘述。
人车匹配合理度评价模块，出租车的调度匹配系统是一个相对复杂的问题，需要考虑交通道路，出租车，乘客三个影响因素，每个因素又包含不同的属性，例如对于乘客这一影响因素，包括了等车时间，打车费用，目的地位置等多个属性，因此考虑出租车和乘客的匹配关系，在建立匹配关系前，需要对相关属性进行规定：首先不考虑出租车在路边的停靠时间，二是在每次调度中一辆出租车不能同时匹配目的地相反的乘客。
出租车管理系统接收每个出行人员的打车请求后，每个打车请求中包含出行人员 的等待打车的地点和目的地的位置信息，本实施例中，按照出行人员发送打车请求的时间 先后顺序，依次将打车请求记为
Figure SMS_44
，
Figure SMS_49
至
Figure SMS_53
，在本实施例中，打车请求包含了等待打车的地 点。统计当前空闲出租车的信息，分为记为
Figure SMS_46
，
Figure SMS_48
至
Figure SMS_50
，
Figure SMS_54
代表第一辆空闲的出租车，
Figure SMS_45
代表 第n辆空闲的出租车。进一步的，分别记t时刻需求序列为
Figure SMS_52
,
Figure SMS_56
,t时刻的可调 度的出租车序列为
Figure SMS_57
,
Figure SMS_47
，出租车的调度匹配就是将需求序列
Figure SMS_51
与出租车序列
Figure SMS_55
进行合理的匹配。
可调度的出租车数量n和请求人数m的大小很有可能是相等的，因此需要对每对 人-车匹配的合理性进行评估打分，评估结果记为合理度
Figure SMS_58
,
Figure SMS_59
的含义是指调度第i辆出租 车
Figure SMS_60
前往第j个需求
Figure SMS_61
对应的等待地点的合理程度，合理度
Figure SMS_62
的值越大，说明出租车前往需 求地点的合理程度越高。
计算t时刻调度第i辆出租车
Figure SMS_63
前往
Figure SMS_64
对应的等待地点的合理度
Figure SMS_65
：
Figure SMS_66
式中，
Figure SMS_68
是历史数据中乘客对应的平均等车时长，即从发出打车需求到与出租车匹 配成功的平均时间，
Figure SMS_73
是乘客j的需求
Figure SMS_75
已经发出的时间，
Figure SMS_69
是第i辆出租车将乘客j送达 目的地的驾驶距离，
Figure SMS_70
是第i辆出租车到需求
Figure SMS_72
对应的等待地点的驾驶距离，
Figure SMS_74
表示出租车
Figure SMS_67
前往
Figure SMS_71
对应的等待地点的合理度。
合理度为t时刻下第i辆出租车前往需求对应的等待地点的合理程度，需求
Figure SMS_76
发出 的时间
Figure SMS_77
越短，第i辆出租车
Figure SMS_78
到需求
Figure SMS_79
对应的等待地点的距离越近，调度出租车
Figure SMS_80
前往
Figure SMS_81
对 应的等待地点的合理程度越大。
Figure SMS_82
是调度第i辆出租车
Figure SMS_83
前往第j个需求
Figure SMS_84
对应等待地点的合理程度，调度合理需 要满足的是需求发出的时间没有超出乘客的等车时长，因此超出能接受的等车时长，乘客 往往会取消需求，因此等待时间与合理程度应该是反比关系，等车时间越久调度该出租车 的合理性应该越低，即
Figure SMS_85
越大，合理程度越高；另一方面，出租车的运营利润是主要考虑 的因素，乘客的目的地距离越远，出租车的运营利润是越高的，即需求地点到目的地的驾驶 距离与合理程度是正比关系，即
Figure SMS_86
越大，合理程度越高。
乘客顺路拼车的可能性评价模块，基于管理系统获取的需求地点与出租车位置构 成无向图
Figure SMS_87
，如图2所示，图中
Figure SMS_92
是需求
Figure SMS_93
，
Figure SMS_88
之间的驾驶距离，
Figure SMS_91
是需 求
Figure SMS_94
的位置坐标，
Figure SMS_95
是出租车
Figure SMS_89
到需求
Figure SMS_90
对应的等待地点之间的驾驶距离。在实际出 行过程中，除了驾驶距离外，时间因素和拼车同样会影响到出租车和乘客的匹配关系，对于 需求频率较高的地点，排队拼车的事件在实际情况中是很容易发生的，此时需要根据车载 人数，行车方向和距离的重复程度等要素，判断出是否可以进行拼车的方式，而后对区域内 的出租车，根据各地区的需求程度，进行最优化处理，实现出租车的智能调度，这样既能减 少乘客的等待时间，也能减少出租车的运营成本。
如图2所示，假设需求
Figure SMS_96
所在地点
Figure SMS_97
有3个乘客发出请求的时间相同，其中乘 客1，乘客2，乘客3的目的地分别是点1，点2，点3，其中从到点1，点2的驾驶距离中有着大量 的重复道路，而与点3之间虽然驾驶距离较近，但是驾驶方向相反，如果出租车上有2个以上 的位置可以实现乘客1，乘客2的拼车。此处构建边权累加系数
Figure SMS_98
，用于表征两个不同目的地 乘客顺路拼车的可能性，计算出租车
Figure SMS_99
对应的边权累加系数
Figure SMS_100
：
Figure SMS_101
Figure SMS_102
Figure SMS_103
式中，
Figure SMS_138
是第i辆出租车
Figure SMS_142
匹配需求
Figure SMS_144
的优先程度，
Figure SMS_147
是t时刻出租车
Figure SMS_149
到
Figure SMS_151
对应等待地点的驾驶距离，n是能够调度到
Figure SMS_152
的出租车数量，
Figure SMS_104
是n辆出租车到
Figure SMS_108
对应 等待地点驾驶距离的最大值，
Figure SMS_111
是出租车上的载客量，
Figure SMS_115
是出租车剩余的载客量，只 有剩余载客量大于2时出行人员才有可能拼车，
Figure SMS_120
是系统调度出租车
Figure SMS_126
与需求
Figure SMS_131
匹配的合理 度。
Figure SMS_136
是需求
Figure SMS_105
对应的等车地点处需求的数量。
Figure SMS_110
是需求
Figure SMS_113
、
Figure SMS_117
对应的需求重合度，
Figure SMS_119
是同一等车地点中出租车
Figure SMS_123
到需求
Figure SMS_124
的目的地的驾驶距离，
Figure SMS_127
是同一等车地 点中出租车
Figure SMS_106
到需求
Figure SMS_109
目的地，假设同一等车地点对应上图中
Figure SMS_114
的位置，
Figure SMS_118
对应 上图中
Figure SMS_121
到点1的驾驶距离，
Figure SMS_125
上图中
Figure SMS_129
到点2的驾驶距离，此处的同一等 车地点是指需求
Figure SMS_133
，
Figure SMS_137
对应的等车地点相同。
Figure SMS_139
是路线
Figure SMS_141
与路线
Figure SMS_143
的重合 度，路线
Figure SMS_145
是指出租车
Figure SMS_146
到需求
Figure SMS_148
的目的地的驾驶路线，路线
Figure SMS_150
是指出租车
Figure SMS_107
到需求
Figure SMS_112
的目的地的驾驶路线，两条曲线的重合度可以通过动态时间规整（DTW）算法计算，并计算两 条曲线的欧氏距离，令其相乘获得曲线重合度判断依据，动态时间规整计算重合度为公知 技术，具体过程不再详细赘述。
Figure SMS_116
是不拼车时出租车到达需求
Figure SMS_122
对应的目的地的驾驶时 间，
Figure SMS_128
是不拼车时出租车到达需求
Figure SMS_132
目的地的时间，
Figure SMS_135
是拼车完成两个需求的总时长。
Figure SMS_140
的计算方式与
Figure SMS_130
的计算方式一致，在此不再重复。
Figure SMS_134
是指同 一等车地点下需求重合度最大的两个需求。
优先程度为t时刻下，调度出租车匹配需求的优先程度，对应的合理度越大，载客量越大，对应的优先程度越高。
边权累加系数为无向图中顶点的边权值，出租车到达一个等车地点后，出行人员拼车概率的高低，不同需求的路径重合度越高，驾驶时间越充裕，出租车的优先程度越高，出行人员的拼车概率越大，在无向图中相应顶点的边权值越大。
优先程度反映了当出租车与同一时间出现多个需求时的调度地点的优先程度，出 租车到调度地点的距离越近，出租车的可载客量
Figure SMS_153
越大，调度的合理度越高，对应的优先 程度
Figure SMS_154
越大。
Figure SMS_155
反映了两个需求路线的拟合程度，其值越大，说明拟合 程度越大，重合的驾驶距离也就越多，
Figure SMS_156
反映了拼车出行时间是否满足所有乘客的 出行需求，其值越大，说明出行时间的满足程度越高，加1的含义是只要达到等车地点的出 租车至少能够匹配一个乘客。边权累加系数越大，且总行驶时间没有超出规定时间，那么出 租车可以同时匹配两个乘客，拼车车辆对应的隶属度结果应该更大，这样才能让匹配系统 给出更高的优先度。
最终匹配度获取模块，利用边权累加系数更新原有的梯形隶属度函数f，得到本实施例中的隶属度函数F：
Figure SMS_157
式中，x是隶属度函数的输入，a，b是原始梯形隶属度函数f的分界点，a是过度区间的最小值，b是最优区间的最大值，在本发明中a的大小取0.5，b的大小取3。
根据上述步骤得到隶属度函数F后，确定模糊匹配算法的输入量即可得到对应的模糊输出，在本实施例中模糊处理的过程如下:
1.模糊化：按照上述步骤获取每个输入变量对应的隶属度函数，本实施例中输入是请求时间，需求地与目的地之间的驾驶距离，出租车与需求地之间的距离，通过隶属度函数F分别将输入转化为模糊变量。
2.模糊规则库：基于语义信息和控制规则描述策略，模糊规则库的建立为公知技术，在此不做详细赘述。
3.模糊推导和解模糊化：模糊推推导根据模糊规则库定义的，本实施例采用IF-THEN的形式定义。
4.解模糊化：模糊算法的输出结果是带有隶属度的模糊输出变量，出租车管理系统需要将模糊输出变量转化为具体的位置坐标，再由管理系统将位置信息发送至出租车。本实施例利用重心法进行解模糊化，任意一个匹配输出结果的解模糊公式为：
Figure SMS_158
式中，
Figure SMS_159
是第k个模糊推理输出结果的隶属度，模糊处理的流程是对每一个输入变 量进行模糊化处理，然后进行模糊推理，根据规则库，每个输入变量对应多个模糊推理结 果，最后对模糊推理的结果进行解模糊化，
Figure SMS_160
是对应的隶属度函数的重心的坐标值，
Figure SMS_161
为输 出的最终数值结果，
Figure SMS_162
是隶属度为
Figure SMS_163
的输入数据的数量,获取隶属度函数重心坐标为公知 技术，不再详细赘述获取过程。
根据隶属度函数获得的最终结果就是调度车辆与需求的最终匹配度，由此得到每 辆车辆与每个需求之间的匹配度，构建一个匹配度矩阵H，根据矩阵H中出租车和打车需求 的匹配度的输出结果，对每辆出租车发送最优的调度指令，对于出租车
Figure SMS_170
而言，匹配度最大 的是需求
Figure SMS_164
，因此前往需求
Figure SMS_169
所在位置坐标，对于出租车
Figure SMS_165
而言，需求
Figure SMS_171
，
Figure SMS_176
与出租车的匹 配度一样，说明需求
Figure SMS_180
，
Figure SMS_175
的位置位于同一个调度位置，且满足拼车条件，应当将出租车调 往需求
Figure SMS_179
，
Figure SMS_166
所在位置，乘客上车后，出租车应该立刻向管理系统发送匹配成功的指令，管 理系统将已匹配的需求和出租车分别从序列中删除，对于出租车
Figure SMS_172
，最优匹配度的结果是 需求
Figure SMS_173
，但是出租车
Figure SMS_177
与
Figure SMS_174
已匹配成功，序列中删除了
Figure SMS_178
，因此将出租车
Figure SMS_167
与需求
Figure SMS_168
进行匹 配。
利润计算模块，租车的调度目的是为了尽快的将尽可能多的乘客送到目的地，增加运营利润。匹配成功后，计算时间T内所有匹配成功的出租车的运营利润。出租车的运营成本是由乘客的支付费用和出租车的运营成本决定的。
Figure SMS_181
Figure SMS_182
Figure SMS_183
式中，
Figure SMS_192
是T时间内获取的运营利润，
Figure SMS_186
是调度系统在T时间内获取的总收入，
Figure SMS_191
是每 公里的收入，
Figure SMS_187
是第i个出租车将第j个乘客送到目的地的驾驶距离，
Figure SMS_188
是第i个出租 车将第j个乘客送到目的地的驾驶距离和出租车前往第j个乘客等待地点的距离之和。
Figure SMS_190
是 t时刻内匹配成功的出租车数量，
Figure SMS_194
是出租车最终到达的目的地数量，
Figure SMS_193
的含义是t时刻时 第i辆出租车与需求
Figure SMS_197
匹配成功，
Figure SMS_184
是i辆出租车完成需求
Figure SMS_189
的总收入，
Figure SMS_195
是i 辆出租车完成需求
Figure SMS_198
的运营成本。
Figure SMS_196
是每公里的运营成本，在本实施例中默认出租车每公里 的收入和运营成本是不变的，
Figure SMS_199
，
Figure SMS_185
的大小分别取经验值2.5和1。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种出租车智能调度分配系统，其特征在于，该系统包括以下模块：
数据采集模块，获取出租车的实时位置，管理系统从打车需求中获取需求起始点和出行目的地；
人车匹配合理度评价模块，根据乘客剩余的等待时长、乘客平均等待时长、需求起始点到目的地的距离以及出租车到需求起始点的距离获得出租车与当前需求的匹配合理度；
乘客顺路拼车的可能性评价模块，获取当前所有出租车到需求起始点的距离，根据每辆出租车与当前需求的匹配合理度、出租车到需求起始点的最大距离，每个出租车的载客量、每辆出租车到该需求起始点的距离获得每辆出租车到该需求起始点的优先程度；对于所有打车需求，统计需求起始点相同的所有需求，得到出租车到起始点相同的所有需求的距离，对于起始点相同的所有需求，得到需求起始点到目的地的路线重合度，根据出租车到起始点相同的所有需求的距离以及所有起始点相同的需求到目的地的路线重合度和时间得到需求重合度；根据出租车到需求起始点的优先程度和所有相同需求的需求重合度得到每辆车租车的边权累加系数；
最终匹配度获取模块，根据获得的边权累加系数更新隶属度函数获得每辆车到每个需求的最终匹配度，由此获得最优匹配矩阵；
利润计算模块，根据最优匹配矩阵得到匹配结果，计算一段时间内获取的运营利润在系统中显示。
2.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述获取出租车实时位置为每当出现新的打车需求后，使用GPS定位此时在调度范围内的所有出租车位置，每次出现新的打车需求后更新一次。
3.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述根据乘客剩余的等待时长、乘客平均等待时长、需求起始点到目的地的距离以及出租车到需求起始点的距离获得出租车与当前需求的匹配合理度的方法为：
每次出现打车需求后进行更新，得到调度范围内所有出租车与需求起始点的相对位置及路线，此后每1s更新一次合理度，根据历史数据中的乘客平均等车时长与当前需求发出后的时间做差得到需求等待影响因子，所有出租车到需求地点的距离根据路线更新得到，每1s更新一次，并通过调度中心计算从需求地点到目的地的距离，以等待影响因子与需求地点到目的地的距离的乘积比上每辆出租车到需求地点的距离得到每辆出租车到需求地点的合理度。
4.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述根据每辆出租车与当前需求的匹配合理度、出租车到需求起始点的最大距离，每个出租车的载客量、每辆出租车到该需求起始点的距离获得每辆出租车到该需求起始点的优先程度的方法为：
Figure QLYQS_1
式中，
Figure QLYQS_3
是第i辆出租车/>
Figure QLYQS_6
匹配需求/>
Figure QLYQS_10
的优先程度，/>
Figure QLYQS_4
是t时刻出租车/>
Figure QLYQS_8
到/>
Figure QLYQS_12
对应等待地点的驾驶距离，n是能够调度到/>
Figure QLYQS_14
的出租车数量，/>
Figure QLYQS_2
是n辆出租车到/>
Figure QLYQS_7
对应等待地点驾驶距离的最大值，/>
Figure QLYQS_11
是出租车上的载客量，/>
Figure QLYQS_13
是系统调度出租车/>
Figure QLYQS_5
与需求/>
Figure QLYQS_9
匹配的合理度。
5.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述对于起始点相同的所有需求，得到需求起始点到目的地的路线重合度的方法为：
获得所有需求起始点相同的需求到目的地的路线在调度中心地图中显示出来，通过地图得到每个需求起始点到目的地的路线，将其作为一条曲线，根据动态时间规整对于所有需求起始点相同需求对应的曲线两两计算其曲线相似度，再通过曲线欧氏距离得到曲线相近度，两者相乘获得路线重合度。
6.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述根据出租车到起始点相同的所有需求的距离以及所有起始点相同的需求到目的地的路线重合度和时间得到需求重合度的方法为：
Figure QLYQS_15
式中，
Figure QLYQS_25
是路线/>
Figure QLYQS_16
与路线/>
Figure QLYQS_21
的重合度，/>
Figure QLYQS_18
是不拼车时出租车到达需求
Figure QLYQS_20
对应的目的地的驾驶时间，/>
Figure QLYQS_24
是不拼车时出租车到达需求/>
Figure QLYQS_28
目的地的时间，/>
Figure QLYQS_27
是拼车完成两个需求的总时长，/>
Figure QLYQS_31
是出租车/>
Figure QLYQS_17
到需求/>
Figure QLYQS_23
的驾驶距离，/>
Figure QLYQS_26
出租车/>
Figure QLYQS_30
到需求
Figure QLYQS_29
的驾驶距离，/>
Figure QLYQS_32
是需求/>
Figure QLYQS_19
、/>
Figure QLYQS_22
对应的需求重合度。
7.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述根据出租车到需求起始点的优先程度和所有相同需求的需求重合度得到每辆车租车的边权累加系数的方法为：
Figure QLYQS_33
式中，
Figure QLYQS_36
是第i辆出租车/>
Figure QLYQS_37
匹配需求/>
Figure QLYQS_40
的优先程度，max()为最大值函数，
Figure QLYQS_35
表示第需求/>
Figure QLYQS_39
与需求/>
Figure QLYQS_42
的需求重合度，/>
Figure QLYQS_43
是需求/>
Figure QLYQS_34
对应等待地点打车需求的数量，/>
Figure QLYQS_38
表示第i辆出租车/>
Figure QLYQS_41
的边权累加系数。
8.根据权利要求1所述的一种出租车智能调度分配系统，其特征在于，所述根据最优匹配矩阵得到匹配结果，计算一段时间内获取的运营利润在系统中显示的方法为：
根据出租车到需求起始点的距离与需求起始点到目的地的距离得到出租车所需成本，通过出租车从需求起始点到目的地的距离得到出租车获取的收入，两者相减获得出租车所获得的利润，计算匹配完成后所有出租车对所有需求的利润。
CN202310429620.6A 2023-04-21 2023-04-21 一种出租车智能调度分配系统 Active CN116168530B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310429620.6A CN116168530B (zh) 2023-04-21 2023-04-21 一种出租车智能调度分配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310429620.6A CN116168530B (zh) 2023-04-21 2023-04-21 一种出租车智能调度分配系统

Publications (2)

Publication Number Publication Date
CN116168530A true CN116168530A (zh) 2023-05-26
CN116168530B CN116168530B (zh) 2023-07-04

Family

ID=86422168

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310429620.6A Active CN116168530B (zh) 2023-04-21 2023-04-21 一种出租车智能调度分配系统

Country Status (1)

Country Link
CN (1) CN116168530B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101296737B1 (ko) * 2012-05-23 2013-08-20 이문호 배차 서비스 방법 및 배차 서비스 시스템
CN103680128A (zh) * 2013-11-26 2014-03-26 上海交通大学 出租车智能调度系统
CN106448138A (zh) * 2016-11-09 2017-02-22 中国科学技术大学苏州研究院 基于主动分配型的出租车服务系统的最优多车调度方法
CN106781447A (zh) * 2017-02-28 2017-05-31 广州交通信息化建设投资营运有限公司 一种智能出租车调度通信方法
US20180032919A1 (en) * 2016-07-29 2018-02-01 Conduent Business Services, Llc Predictive model for supporting carpooling
CN109447356A (zh) * 2018-11-02 2019-03-08 郑州大学 基于价格收益与社会感知的个性化动态车辆合乘方法及系统
CN115099569A (zh) * 2022-05-20 2022-09-23 华南理工大学 基于模糊逻辑控制器的乘客与出租车匹配方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101296737B1 (ko) * 2012-05-23 2013-08-20 이문호 배차 서비스 방법 및 배차 서비스 시스템
CN103680128A (zh) * 2013-11-26 2014-03-26 上海交通大学 出租车智能调度系统
US20180032919A1 (en) * 2016-07-29 2018-02-01 Conduent Business Services, Llc Predictive model for supporting carpooling
CN106448138A (zh) * 2016-11-09 2017-02-22 中国科学技术大学苏州研究院 基于主动分配型的出租车服务系统的最优多车调度方法
CN106781447A (zh) * 2017-02-28 2017-05-31 广州交通信息化建设投资营运有限公司 一种智能出租车调度通信方法
CN109447356A (zh) * 2018-11-02 2019-03-08 郑州大学 基于价格收益与社会感知的个性化动态车辆合乘方法及系统
CN115099569A (zh) * 2022-05-20 2022-09-23 华南理工大学 基于模糊逻辑控制器的乘客与出租车匹配方法

Also Published As

Publication number Publication date
CN116168530B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
US10639995B2 (en) Methods, circuits, devices, systems and associated computer executable code for driver decision support
CN109034566B (zh) 一种基于公交站点上下客流的智能调度方法及装置
CA2768578C (en) Method and system for adjusting a demand-response transit schedule
CN102081859B (zh) 一种公交车到站时间预测模型控制方法
Fu A simulation model for evaluating advanced dial-a-ride paratransit systems
CN110458456B (zh) 基于人工智能的需求响应式公交系统的调度方法及系统
Owczarzak et al. Design of passenger public transportation solutions based on autonomous vehicles and their multiple criteria comparison with traditional forms of passenger transportation
CN112767683B (zh) 一种基于反馈机制的路径诱导方法
TW202044192A (zh) 旅程路線或旅程路線所需時間的方法、設備與電腦系統
CN109308574A (zh) 一种实时响应的互联网半灵活公交调度方法
CN110570656B (zh) 定制公共交通线路方法及装置
CN114693495B (zh) 智慧城市公共交通管理方法、物联网系统、装置及介质
CN114743401B (zh) 一种基于公交数字化转型的数据可视化公交调度管理平台
CN113393137B (zh) 一种基于车联网的调度共享系统
CN115409295A (zh) 一种基于瓶颈分析的公交调度方法、电子设备及存储介质
CN115587678A (zh) 商用车智能地图出行方法和系统
CN116663811A (zh) 一种城际客运的往返动态拼车的调度匹配方法和装置
CN113379159A (zh) 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法
CN116168530B (zh) 一种出租车智能调度分配系统
CN115641722B (zh) 一种基于动态等待时间的班车出行服务系统及方法
CN113269339B (zh) 一种网约车任务自动创建和分发的方法及系统
CN115099569A (zh) 基于模糊逻辑控制器的乘客与出租车匹配方法
CN114463102A (zh) 一种订单顺路匹配度计算方法和装置
CN114548461A (zh) 一种利用网约车订单数据动态预测乘客等候时长的方法
JPH11282913A (ja) 個別旅行情報提示システム

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