CN117593043A - 城际网约车辆未来短期时刻分布估计方法、装置及设备 - Google Patents
城际网约车辆未来短期时刻分布估计方法、装置及设备 Download PDFInfo
- Publication number
- CN117593043A CN117593043A CN202410060664.0A CN202410060664A CN117593043A CN 117593043 A CN117593043 A CN 117593043A CN 202410060664 A CN202410060664 A CN 202410060664A CN 117593043 A CN117593043 A CN 117593043A
- Authority
- CN
- China
- Prior art keywords
- city
- vehicle
- vehicles
- inter
- available
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010276 construction Methods 0.000 claims description 11
- 238000005304 joining Methods 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城际网约车辆未来短期时刻分布估计方法、装置及设备，方法包括：实时获取城际网约车某条线路的乘客下单出行数据，构建车辆集合和两城的城际出入口；根据车辆集合构建两城的真实可用运力集合和预估可用运力集合；根据车辆出城触发两城的运力分布预估，构建两城的途中车辆集合和预出城车辆集合；根据两城的真实可用车辆集合、途中车辆集合和预出城车辆集合，更新两城的预估可用运力集合；基于两城的预估可用运力集合和途中车辆集合，可以预估未来的运力分布，提前可知车辆在未来某时刻的位置，可适用于额定容量不同的异构车型的返程预约订单的提前派单调度。本发明能有效提高城际网约车运力分布短期预估的准确性。
Description
技术领域
本发明涉及交通技术领域，尤其涉及一种城际网约车辆未来短期时刻分布估计方法、装置及设备。
背景技术
随着交通通信技术的快速发展和绿色出行的理念越来越深入人心，城际客运车辆的拼车模式被人们逐渐所接受。在日常生活中，人们对于城际出行的需求越来越大，由于出行高峰期和低峰期的客运需求差距较大，经常出现高峰期运力供给不足，而低峰期又造成运力闲置的现象。对于乘客来说，高峰期运力会影响等待时长，降低出行体验。对于城际网约车运营商来说，精准预估未来的运力分布，提前可知未来某时刻可用车辆的位置，可用于返程预约订单的提前调度，在制定车辆调度方案中发挥着关键作用，对提高运力调度与供需匹配的精准性具有重要意义，有利于提高网约车服务效率和提高乘客出行满意度。
在现实中，城际网约车的运力分布预估需要考虑未来即将出城的车辆和即将进城的车辆，由于发车但还在城内行驶的车辆还能接客，未来城内车辆的出城时长是影响预估精度的一个重要因素。此外，不同车型的混合调度也会影响其出城及送客时长，进而影响预估的精度。因此，准确的预估异构车型的运力分布，不仅需要考虑即将出城和即将入城的车辆，还需使整个预估过程处于实时更新的状态。
发明内容
有鉴于此，本发明的目的在于提供了一种城际网约车辆未来短期时刻分布估计方法、装置及设备，以改善上述问题。
本发明实施例提供了一种城际网约车辆未来短期时刻分布估计方法，其包括：
S1，根据实时获取的城际网约车在预定线路的乘客下单出行数据，构建车辆集合，根据道路网络信息构建指定的城市A的城际出入口/>和城市B的城际出入口/>；
S2，根据所述车辆集合构建城市A的车辆报班集合/>和城市B的车辆报班集合/>；
S3，根据城市A的车辆报班集合构建在t到t+n时刻城市A的真实可用车辆集合/>和预估可用车辆集合/>,/>为预估步长，/>；根据城市B的车辆报班集合/>构建在t到t+n时刻城市B的真实可用车辆集合/>和预估可用车辆集合/>，；
S4，以城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>及预出城车辆集合/>；以城市B的车辆/>在/>时刻经过城际出入口/>为触发事件，构建城市B的途中车辆集合/>及预出城车辆集合/>；
S5，根据在时刻的真实可用车辆集合/>和/>、途中车辆集合/>和/>、预出城车辆集合/>和/>，更新城市A的预估可用车辆集合/>和城市B的预估可用车辆集合/>，以所述车辆出城为触发事件，实时更新/>和/>；
S6，基于所述预估可用车辆集合和/>、途中车辆集合/>和/>，预估城市A和城市B在/>时段内的运力分布情况。
优选地，在步骤S1中：
根据城际网约车预定线路的司机人数，构建与司机人数相同数量的车辆，组成车辆集合/>；
根据该预定线路的道路网络信息分别构建两城的城际出入口和/>；其中，高速道路左右两端分别连接两个城市唯一的城际出入口，城际网约车通过城际出入口出城，途径高速道路，再通过另一城的城际出入口抵达另一城市。
优选地，步骤S2具体包括：
根据城市A的司机人数构建城市A的车辆报班集合，根据城市B的司机人数构建城市B的车辆报班集合/>；其中，在/>时，/>，所述车辆/>报班即表示该车辆/>可用于接下来的调度，车辆/>在送达最后一名乘客后即加入到所在城市的车辆报班集合，所述车辆/>在/>时刻拥有额定容量/>、已用容量/>、乘客集合/>、位置/>、速度/>。
优选地，步骤S3具体包括：
根据城市A的车辆报班集合构建城市A的真实可用车辆集合/>和预估可用车辆集合/>，所述真实可用车辆集合/>是指/>时刻在城市A报班未经过城际出入口/>且车上剩余容量/>的车辆集合，所述预估可用车辆集合/>是指/>时段内在城市A报班未经过城际出入口/>且车上剩余容量/>的车辆集合， 且在/>时，;
同理构建城市B的真实可用车辆集合和预估可用车辆集合/>。
优选地，步骤S4具体包括：
根据所述城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>，保留之前第一预计送达时间/>的车辆，以城际出入口/>至最后一名乘客下车点的距离和车辆/>的当前速度/>计算预计送达时间/>，若/>，将车辆/>加入城市A的途中车辆集合/>，/>；
遍历真实可用车辆集合中已用容量/>的所有车辆/>，构建城市A的预出城车辆集合/>，以车辆/>的当前位置/>至城际出入口/>的距离和车辆/>的当前速度/>计算第二预计送达时间/>，若/>，将车辆/>加入预出城车辆集合/>；
同理构建城市B的途中车辆集合和预出城车辆集合/>。
优选地，步骤S5具体包括：
根据城市A的真实可用车辆集合，令/>时段内城市A的可用车辆集合/>=/>，即/>;
遍历城市B的途中车辆集合，车辆/>,将车辆/>同步至城市A的预估可用车辆集合/>各个时刻的车辆集合中，将同步后的车辆/>中的已用容量/>置为0，删除车内乘客信息，因为途中车辆集合存储的是预计送达时刻和所对应的车辆，所以车辆/>预计在/>时刻会送完最后一名乘客，并在城市A报班；
遍历城市A的预出城车辆集合，在城市A的预估可用车辆集合中各个时刻的车辆集合中删除车辆/>；
同理更新城市B的预估可用车辆集合。
优选地，在步骤S6中，所述运力分布情况包括可用车辆数、可用座位数、车辆位置。
本发明实施例还提供了一种城际网约车辆未来短期时刻分布估计装置，其包括：
车辆集合及出口构建单元，用于根据实时获取的城际网约车在预定线路的乘客下单出行数据，构建车辆集合，根据道路网络信息构建指定的城市A的城际出入口/>和城市B的城际出入口/>；
车辆报班集合构建单元，用于根据所述车辆集合构建城市A的车辆报班集合/>和城市B的车辆报班集合/>；
可用车辆集合构建单元，用于根据城市A的车辆报班集合构建在t到t+n时刻城市A的真实可用车辆集合/>和预估可用车辆集合/>,/>为预估步长，；根据城市B的车辆报班集合/>构建在t到t+n时刻城市B的真实可用车辆集合/>和预估可用车辆集合/>，/>；
预出城车辆集合构建单元，用于以城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>及城市A的预出城车辆集合/>；以城市B的车辆在/>时刻经过城际出入口/>为触发事件，构建城市B的途中车辆集合/>及预出城车辆集合/>；
更新单元，用于根据在时刻的真实可用车辆集合/>和/>、途中车辆集合/>和、预出城车辆集合/>和/>，更新城市A的预估可用车辆集合/>和城市B的预估可用车辆集合/>，以所述车辆出城为触发事件，实时更新/>和/>；
分布预估单元，用于基于所述预估可用车辆集合和/>、途中车辆集合和/>，预估城市A和城市B在/>时段内的运力分布情况。
本发明实施例还提供了一种城际网约车辆未来短期时刻分布估计设备，其包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上述的城际网约车辆未来短期时刻分布估计方法。
综上，本发明能够根据乘客订单数据挖掘运力调度的时长特点，通过出城时刻匹配当前真实可用运力集合，避免了持续预估带来的误差累积，在线实时更新未来可用运力和途中运力，预估得到较为精准的运力分布情况，途中可用运力可作为未来的运力补给，对调度策略的制定也有一定的参考作用。本实施例适用于不同车型的混合调度，具有较高的精度和稳定性，能为城际运营商的调度员提供有价值的参考和决策支持，保证乘客的出行体验。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一实施例提供的城际网约车辆未来短期时刻分布估计方法的流程示意图；
图2为构建城市A的途中车辆集合的流程示意图；
图3为构建城市A的预出城车辆集合的流程示意图；
图4为更新城市A的预估可用车辆集合的流程示意图；
图5为城市A的预估车辆数与真实车辆数的对比示意图；
图6为城市B的预估车辆数与真实车辆数的对比示意图；
图7为本发明第二实施例提供的城际网约车辆未来短期时刻分布估计装置的流程示意图。
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，本发明第一实施例提供了一种城际网约车辆未来短期时刻分布估计方法，其可由城际网约车辆未来短期时刻分布估计设备（以下简称估计设备）来执行，特别的，由所述估计设备内的一个或者多个处理器来执行，以实现如下步骤：
S1，根据实时获取的城际网约车在预定线路的乘客下单出行数据，构建车辆集合，根据道路网络信息构建指定的城市A的城际出入口/>和城市B的城际出入口/>。
在本实施例中，所述估计设备可为计算机、工作站、服务器等具有数据运算处理能力的计算设备，本发明不做具体限定。
在本实施例中，所述车辆集合为通过城际网约车某条线路的司机人数所构建的相同数量的车辆/>的集合，根据该线路的道路网络信息分别构建两城的城际出入口/>和/>，高速道路左右两端分别连接两个城市唯一的城际出入口，城际网约车通过城际出入口出城，途径高速道路，再通过另一城的城际出入口抵达另一城市。
S2，根据所述车辆集合构建城市A的车辆报班集合/>和城市B的车辆报班集合/>。
在本实施例中，特别地，在时，/>，车辆/>报班即表示该车辆/>可用于接下来的调度，所述车辆/>在/>时刻拥有额定容量/>、已用容量/>、乘客集合/>、位置/>、速度/>。
S3，根据城市A的车辆报班集合构建在t到t+n时刻城市A的真实可用车辆集合/>和预估可用车辆集合/>,/>为预估步长，/>；根据城市B的车辆报班集合/>构建在t到t+n时刻城市B的真实可用车辆集合/>和预估可用车辆集合/>，。
在本实施例中，所述真实可用车辆集合是指/>时刻在城市A报班未经过城际出入口/>且车上剩余容量/>的车辆集合，所述预估可用车辆集合/>是指/>时段内在城市A报班未经过城际出入口/>且车上剩余容量/>的车辆集合；
其中，在时，/>;
在本实施例中，通过相同的原理可构建城市B的真实可用车辆集合和预估可用车辆集合/>，本发明在此不做赘述。
S4，以城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>及预出城车辆集合/>；以城市B的车辆/>在/>时刻经过城际出入口/>为触发事件，构建城市B的途中车辆集合/>及预出城车辆集合/>。
如图2所示，在本实施例中，根据所述城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>，保留第一预计送达时间/>的车辆，以城际出入口/>至最后一名乘客下车点的距离和车辆/>的当前速度/>计算第一预计送达时间/>，若/>，将车辆/>加入城市A的途中车辆集合/>，/>。
如图3所示，在本实施例中，根据所述真实可用车辆集合，遍历/>中已用容量的所有车辆/>，构建城市A的预出城车辆集合/>，以车辆/>的当前位置/>至城际出入口/>的距离和车辆/>的当前速度/>计算第二预计送达时间/>，若/>，将车辆/>加入预出城车辆集合/>。
在本实施例中，构建城市B的途中车辆集合和预出城车辆集合/>同理，本发明在此不做赘述。
S5，根据在时刻的真实可用车辆集合/>和/>、途中车辆集合/>和/>、预出城车辆集合/>和/>，更新城市A的预估可用车辆集合/>和城市B的预估可用车辆集合/>，以所述车辆出城为触发事件，实时更新/>和/>。
其中，预估可用车辆集合存储的是城市A在/>时段内各个时刻的车辆集合，预估可用车辆集合/>存储的是城市B在/>时段内各个时刻的车辆集合。
如图4所示，在本实施例中，根据城市A的真实可用车辆集合，令/>时段内城市A的可用车辆集合/>=/>，即/>。
遍历城市B的途中车辆集合，车辆/>,将车辆/>同步至城市A的预估可用车辆集合/>各个时刻的车辆集合中，将同步后的车辆/>中的已用容量/>置为0，删除车内乘客信息。
遍历城市A的预出城车辆集合，在城市A的预估可用车辆集合中各个时刻的车辆集合中删除车辆/>。
在本实施例中，城市B的预估可用车辆集合的更新过程与城市A同理，本发明在此不做赘述。
S6，基于所述预估可用车辆集合和/>、途中车辆集合/>和/>，预估城市A和城市B在/>时段内的运力分布情况。
在本实施例中，根据所述实时更新的预估可用车辆集合和/>，可以预估城市A和城市B在/>时段内各个时刻的运力可用情况，包括可用车辆数、可用座位数、车辆位置等；基于所述途中车辆集合/>和/>可用获取城际往返途中的车辆信息；基于此，可以预估城市A和城市B在/>时段内的运力分布情况。
此外，本实施例的方法可适用于同一线路中不同额定容量的异构车型的混合调度，这些方案也在本发明的保护范围之内。
为验证本发明所提的模型及模型求解的有效性，下面将以一实际的例子来说明本发明的应用。
其中，选取某公司的城际网约车某条线路的某天订单数据作为研究对象，订单信息为2022年9月8日的数据。对城市A和城市B的真实可用运力集合、预估可用运力集合、途中运力集合、预出城运力集合分别建模，分钟。其中，城市A和城市B的订单数据量如表1所示。
表1. A城市和B城市历史订单数据量
一天调度结束后，对每个出城时刻的预估结果用的评价指标为均方根误差（RMSE）和平均绝对误差（MAE），对称平均绝对百分比误差（SMAPE），RMSE、MAE、SMAPE的值越低说明模型的预估精度越好，公式如下所示。
其中，是运力数据的真实可用车辆数（或真实可用座位数），/>是预估可用车辆数（或预估可用座位数）。
另外，由于每个触发事件的出城时刻节点并不是均匀分布的，假设城市A真实可用车辆集合有如下例子：
则认为相邻时刻的运力分布不变，即[15:21,15:33)这个时段内各个时刻的真实可用车辆数均为15辆，并以此计算相应的评价指标，总误差结果如表2所示。
表2. A城市和B城市预估误差
将一天的预估结果与真实结果用每30分钟进行对比，结果如图5及图6所示。
从图5和图6可以看出，预估车辆数与真实车辆数具有高度的相似性，这证实了本实施例在城际网约车短期运力分布预估上的可行性，且验证了本实施例的求解质量高，能满足运营商在工程上的需求。
请参阅图7，本发明第二实施例还提供了一种城际网约车辆未来短期时刻分布估计装置，其包括：
车辆集合及出口构建单元210，用于根据实时获取的城际网约车在预定线路的乘客下单出行数据，构建车辆集合，根据道路网络信息构建指定的城市A的城际出入口/>和城市B的城际出入口/>；
车辆报班集合构建单元220，用于根据所述车辆集合构建城市A的车辆报班集合和城市B的车辆报班集合/>；
可用车辆集合构建单元230，用于根据城市A的车辆报班集合构建城市A的真实可用车辆集合/>和预估可用车辆集合/>,/>为预估步长，/>；根据城市B的车辆报班集合/>构建城市B的真实可用车辆集合/>和预估可用车辆集合，/>；
预出城车辆集合构建单元240，用于以城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>及城市A的预出城车辆集合/>；以城市B的车辆/>在/>时刻经过城际出入口/>为触发事件，构建城市B的途中车辆集合/>及预出城车辆集合/>；
更新单元250，用于根据在时刻的真实可用车辆集合/>和/>、途中车辆集合和/>、预出城车辆集合/>和/>，更新城市A的预估可用车辆集合/>和城市B的预估可用车辆集合/>，以所述车辆出城为触发事件，实时更新/>和；
分布预估单元260，用于基于所述预估可用车辆集合和/>、途中车辆集合/>和/>，预估城市A和城市B在/>时段内的运力分布情况。
本发明第三实施例还提供了一种城际网约车辆未来短期时刻分布估计设备，其包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如上述的城际网约车辆未来短期时刻分布估计方法。
本文中应用了具体个例，但以上描述仅是对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；本领域的技术人员应该理解，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种城际网约车辆未来短期时刻分布估计方法，其特征在于，包括：
S1，根据实时获取的城际网约车在预定线路的乘客下单出行数据，构建车辆集合，根据道路网络信息构建指定的城市A的城际出入口/>和城市B的城际出入口/>；
S2，根据所述车辆集合构建城市A的车辆报班集合/>和城市B的车辆报班集合/>；
S3，根据城市A的车辆报班集合构建在t到t+n时刻城市A的真实可用车辆集合/>和预估可用车辆集合/>,/>为预估步长，/> ；根据城市B的车辆报班集合/>构建在t到t+n时刻城市B的真实可用车辆集合/>和预估可用车辆集合/>，；
S4，以城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合及预出城车辆集合/>；以城市B的车辆/>在/>时刻经过城际出入口/>为触发事件，构建城市B的途中车辆集合/>及预出城车辆集合/>；
S5，根据在时刻的真实可用车辆集合/>和/>、途中车辆集合/>和/>、预出城车辆集合/>和/>，更新城市A的预估可用车辆集合/>和城市B的预估可用车辆集合/>，以所述车辆出城为触发事件，实时更新预估可用车辆集合/>和/>；
S6，基于所述预估可用车辆集合和/>、途中车辆集合/>和/>，预估城市A和城市B在/>时段内的运力分布情况。
2.根据权利要求1所述的城际网约车辆未来短期时刻分布估计方法，其特征在于，在步骤S1中：
根据城际网约车在预定线路的司机人数，构建与司机人数相同数量的车辆，组成车辆集合；
根据该预定线路的道路网络信息分别构建两城的城际出入口和/>；其中，高速道路左右两端分别连接两个城市唯一的城际出入口，城际网约车通过城际出入口出城，途径高速道路，再通过另一城市的城际出入口抵达另一城市。
3.根据权利要求1所述的城际网约车辆未来短期时刻分布估计方法，其特征在于，步骤S2具体包括：
根据城市A的司机人数构建城市A的车辆报班集合，根据城市B的司机人数构建城市B的车辆报班集合/>；其中，在/>时，/>，所述车辆/>报班即表示该车辆/>能够用于接下来的调度，车辆/>在送达最后一名乘客后即加入到所在城市的车辆报班集合，所述车辆在/>时刻拥有额定容量/>、已用容量/>、乘客集合/>、位置/>、速度/>。
4.根据权利要求3所述的城际网约车辆未来短期时刻分布估计方法，其特征在于，步骤S3具体包括：
根据城市A的车辆报班集合构建城市A的真实可用车辆集合/>和预估可用车辆集合，所述真实可用车辆集合/>是指/>时刻在城市A报班未经过城际出入口/>且车上剩余容量/>的车辆集合，所述预估可用车辆集合/>是指/>时段内在城市A报班未经过城际出入口/>且车上剩余容量/>的车辆集合， 且在/>时，;
同理构建城市B的真实可用车辆集合和预估可用车辆集合/>。
5.根据权利要求3所述的城际网约车辆未来短期时刻分布估计方法，其特征在于，步骤S4具体包括：
以所述城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>，保留第一预计送达时间/>的车辆，以城际出入口/>至最后一名乘客下车点的距离和车辆/>的当前速度/>计算预计送达时间/>，若/>，将车辆/>加入城市A的途中车辆集合/>，/>；/>为恒等符号；
遍历真实可用车辆集合中已用容量/>的所有车辆/>，构建城市A的预出城车辆集合，以车辆/>的当前位置/>至城际出入口/>的距离和车辆/>的当前速度/>计算第二预计送达时间/>，若/>，将车辆/>加入预出城车辆集合/>；
同理构建城市B的途中车辆集合和预出城车辆集合/>。
6.根据权利要求1所述的城际网约车辆未来短期时刻分布估计方法，其特征在于，步骤S5具体包括：
根据城市A的真实可用车辆集合，令/>时段内城市A的可用车辆集合/>=/>，即/>;
遍历城市B的途中车辆集合，车辆/>，将车辆/>同步至城市A的预估可用车辆集合/>各个时刻的车辆集合中，将同步后的车辆/>中的已用容量置为0，删除车内乘客信息；其中，途中车辆集合存储的是预计送达时刻和所对应的车辆，车辆/>预计在/>时刻会送完最后一名乘客，并在城市A报班；
遍历城市A的预出城车辆集合，在城市A的预估可用车辆集合/>中各个时刻的车辆集合中删除车辆/>；
同理更新城市B的预估可用车辆集合。
7.根据权利要求1所述的城际网约车辆未来短期时刻分布估计方法，其特征在于，在步骤S6中，所述运力分布情况包括可用车辆数、可用座位数、车辆位置。
8.一种城际网约车辆未来短期时刻分布估计装置，其特征在于，包括：
车辆集合及出口构建单元，用于根据实时获取的城际网约车在预定线路的乘客下单出行数据，构建车辆集合，根据道路网络信息构建指定的城市A的城际出入口/>和城市B的城际出入口/>；
车辆报班集合构建单元，用于根据所述车辆集合构建城市A的车辆报班集合/>和城市B的车辆报班集合/>；
可用车辆集合构建单元，用于根据城市A的车辆报班集合构建在t到t+n时刻城市A的真实可用车辆集合/>和预估可用车辆集合/>,/>为预估步长， ；根据城市B的车辆报班集合/>构建在t到t+n时刻城市B的真实可用车辆集合/>和预估可用车辆集合/>，/>；
预出城车辆集合构建单元，用于以城市A的车辆在/>时刻经过城际出入口/>为触发事件，构建城市A的途中车辆集合/>及城市A的预出城车辆集合/>；以城市B的车辆/>在/>时刻经过城际出入口/>为触发事件，构建城市B的途中车辆集合/>及预出城车辆集合/>；
更新单元，用于根据在时刻的真实可用车辆集合/>和/>、途中车辆集合/>和、预出城车辆集合/>和/>，更新城市A的预估可用车辆集合/>和城市B的预估可用车辆集合/>，以所述车辆出城为触发事件，实时更新/>和/>；
分布预估单元，用于基于所述预估可用车辆集合和/>、途中车辆集合/>和/>，预估城市A和城市B在/>时段内的运力分布情况。
9.一种城际网约车辆未来短期时刻分布估计设备，其特征在于，包括存储器以及处理器，所述存储器内存储有计算机程序，所述计算机程序能够被所述处理器执行，以实现如权利要求1至7任意一项所述的城际网约车辆未来短期时刻分布估计方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410060664.0A CN117593043B (zh) | 2024-01-16 | 2024-01-16 | 城际网约车辆未来短期时刻分布估计方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410060664.0A CN117593043B (zh) | 2024-01-16 | 2024-01-16 | 城际网约车辆未来短期时刻分布估计方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117593043A true CN117593043A (zh) | 2024-02-23 |
| CN117593043B CN117593043B (zh) | 2024-04-09 |
Family
ID=89911854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410060664.0A Active CN117593043B (zh) | 2024-01-16 | 2024-01-16 | 城际网约车辆未来短期时刻分布估计方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117593043B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708679A (zh) * | 2012-05-29 | 2012-10-03 | 孙健 | 一种城市信号交叉口短时交通流预测方法 |
| CN109461311A (zh) * | 2018-12-19 | 2019-03-12 | 哈尔滨工业大学（深圳） | 一种面向智能交通和智能驾驶的路网交通流时空预测方法 |
| CN109948854A (zh) * | 2019-03-21 | 2019-06-28 | 华侨大学 | 一种基于多目标优化的城际网约车订单分配方法 |
| WO2020110144A1 (en) * | 2018-12-01 | 2020-06-04 | ANI Technologies Private Limited | Allocation of vehicles for inter-city rides |
| CN111553530A (zh) * | 2020-04-27 | 2020-08-18 | 华侨大学 | 一种城际网约车包车出行运力预测与出行推荐方法及系统 |
| CN112585069A (zh) * | 2018-06-12 | 2021-03-30 | 自动存储科技股份有限公司 | 用于控制服务于自动储存和取回系统的容器搬运车辆和专用车辆的操作的方法和系统 |
| CN116524705A (zh) * | 2023-05-19 | 2023-08-01 | 中约(厦门)汽车有限公司 | 一种城际出行车辆的调度方法及终端 |
-
2024
- 2024-01-16 CN CN202410060664.0A patent/CN117593043B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102708679A (zh) * | 2012-05-29 | 2012-10-03 | 孙健 | 一种城市信号交叉口短时交通流预测方法 |
| CN112585069A (zh) * | 2018-06-12 | 2021-03-30 | 自动存储科技股份有限公司 | 用于控制服务于自动储存和取回系统的容器搬运车辆和专用车辆的操作的方法和系统 |
| WO2020110144A1 (en) * | 2018-12-01 | 2020-06-04 | ANI Technologies Private Limited | Allocation of vehicles for inter-city rides |
| CN109461311A (zh) * | 2018-12-19 | 2019-03-12 | 哈尔滨工业大学（深圳） | 一种面向智能交通和智能驾驶的路网交通流时空预测方法 |
| CN109948854A (zh) * | 2019-03-21 | 2019-06-28 | 华侨大学 | 一种基于多目标优化的城际网约车订单分配方法 |
| CN111553530A (zh) * | 2020-04-27 | 2020-08-18 | 华侨大学 | 一种城际网约车包车出行运力预测与出行推荐方法及系统 |
| CN116524705A (zh) * | 2023-05-19 | 2023-08-01 | 中约(厦门)汽车有限公司 | 一种城际出行车辆的调度方法及终端 |
Non-Patent Citations (2)
| Title |
|---|
| 代宗;陈喜群;姜锐;丁中俊;: "曼哈顿网络中的网约车共乘系统的建模与优化", 合肥工业大学学报(自然科学版), no. 08, 28 August 2020 (2020-08-28) * |
| 张惠臻 等: "基于循环神经网络的城市轨道交通短时客流预测", 《吉林大学学报(工学版)》, 5 December 2021 (2021-12-05) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117593043B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220172175A1 (en) | Transportation system and method for allocating frequencies of transit services therein | |
| Maciejewski et al. | Towards multi-agent simulation of the dynamic vehicle routing problem in matsim | |
| CN107944611B (zh) | 面向个性化出行需求的跨模式组合出行规划方法 | |
| CN107103383A (zh) | 一种基于打车热点的动态拼车调度方法 | |
| CN104424812B (zh) | 一种公交到站时间预测系统和方法 | |
| CN110276474A (zh) | 一种城市轨道交通车站短时客流预测方法 | |
| Lin et al. | Optimal demand-aware ride-sharing routing | |
| CN111932925A (zh) | 一种公共交通站点的出行客流的确定方法、装置及系统 | |
| CN112906980B (zh) | 订单处理方法、装置、系统及可读存储介质 | |
| Häll et al. | A modeling system for simulation of dial-a-ride services | |
| CN108876064B (zh) | 基于客流量的城市轨道交通网络关键车站识别方法 | |
| Qiu et al. | An exploration of the demand limit for flex-route as feeder transit services: a case study in Salt Lake City | |
| CN115049156B (zh) | 一种交通线网运行图衔接优化方法、电子设备及存储介质 | |
| CN114298559A (zh) | 换电站的换电方法、换电管理平台及存储介质 | |
| CN111291321A (zh) | 基于大数据的城市交通模型构建方法 | |
| CN115860594A (zh) | 一种应用于智能公交排班调度的仿真系统及方法 | |
| CN114372830A (zh) | 一种基于时空多图神经网络的网约车需求预测方法 | |
| CN117593043B (zh) | 城际网约车辆未来短期时刻分布估计方法、装置及设备 | |
| DE102017212334A1 (de) | Transportsystem und verfahren zur zuordnung von frequenzen von transitservices darin | |
| CN116739213A (zh) | 基于代理模型辅助算法的地铁接驳公交优化方法 | |
| Vateekul et al. | Recurrent Neural‐Based Vehicle Demand Forecasting and Relocation Optimization for Car‐Sharing System: A Real Use Case in Thailand | |
| CN116307580A (zh) | 运力调度方法、装置、电子设备及存储介质 | |
| CN115762131A (zh) | 一种应用于公共交通的智能行车计划编制方法及系统 | |
| CN113129102B (zh) | 一种延迟派单方法、装置、电子设备及存储介质 | |
| CN113657768A (zh) | 基于共享电动汽车随机电量需求的移动并行充电服务方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |