[发明专利]一种基于神经网络的共享汽车智能寻优决策方法和系统

权利要求书

1.一种基于神经网络的共享汽车智能寻优决策方法，其特征在于，包括以下步骤：

(1)获取设定数量的训练样本对，各训练样本对包括输入训练样本和对应的输出值，输入训练样本包括以下输入参量：当前位置、始发位置、终点位置、能接受的最近取车点距离范围、能接受的最高起步价、最高每公里或每小时的单价、节假日价格优惠比例、最高时速、最低时速、舒适度、车型、座位数和颜色，输出值包括以下输出参量：最近的取车点位置、最喜欢的车型、最优的驾驶路线、最经济的消费总价和终点还车点位置；

(2)建立BP神经网络，利用各训练样本对对BP神经网络进行迭代训练，以得到智能寻优决策模型；

(3)将待检测的输入参量输入到智能寻优决策模型中，以得到对应的最近的取车点位置、最喜欢的车型、最优的驾驶路线、最经济的消费总价和终点还车点位置。

2.根据权利要求1所述的基于神经网络的共享汽车智能寻优决策方法，其特征在于，获取设定数量的修正样本对，各修正样本对包括输入修正样本和对应的输出期望值，输入修正样本包括以下输入参量：当前位置、始发位置、终点位置、能接受的最近取车点距离范围、能接受的最高起步价、最高每公里或每小时的单价、节假日价格优惠比例、最高时速、最低时速、舒适度、车型、座位数和颜色，输出期望值包括以下输出参量：最近的取车点位置、最喜欢的车型、最优的驾驶路线、最经济的消费总价和终点还车点位置；利用各修正样本对对得到的智能寻优决策模型进行修正，使模型的实际输出值与对应的输出期望值之间的误差在设定范围内。

3.根据权利要求1或2所述的基于神经网络的共享汽车智能寻优决策方法，其特征在于，在利用各训练样本对对BP神经网络进行迭代训练之前，对各种输入参量进行归一化处理。

4.根据权利要求2所述的基于神经网络的共享汽车智能寻优决策方法，其特征在于，所述BP神经网络包括输入层、隐含层和输出层，设定输入层任一神经元到隐含层任一神经元之间的连接权值为第一连接权值，设定隐含层任一神经元到输出层任一神经元之间的连接权值为第二连接权值，设定隐含层任一神经元的阈值为第一阈值，设定输出层任一神经元的阈值为第二阈值；在修正智能寻优决策模型过程中，当根据修正样本对中的输入修正样本得到的实际输出值与对应的输出期望值之间的误差在设定范围之外时，将误差值反向传播至输入层，并修正所述第一连接权值、第二连接权值、第一阈值和第二阈值，直至误差在设定范围内。

5.根据权利要求1或2所述的基于神经网络的共享汽车智能寻优决策方法，其特征在于，将输入训练样本中的能接受的最近取车点距离范围、能接受的最高起步价、最高每公里或每小时的单价、节假日价格优惠比例、最高时速、最低时速、舒适度、车型、座位数和颜色十种参量分为四种类型，分别是：

效益型数据，涉及到的输入参量为节假日价格优惠比例；

成本型数据，涉及到的输入参量为能接受的最近取车点距离范围、能接受的最高起步价、最高每公里或每小时的单价；

区间型数据，涉及到的输入参量为最高时速、最低时速和座位数；

定性数据，涉及到的输入参量为舒适度、车型和颜色；

对上述四种类型的输入参量按照对应的归一化方法进行归一化处理。

6.一种基于神经网络的共享汽车智能寻优决策系统，其特征在于，包括用于执行以下智能寻优决策策略的智能寻优决策模块：

(1)获取设定数量的训练样本对，各训练样本对包括输入训练样本和对应的输出值，输入训练样本包括以下输入参量：当前位置、始发位置、终点位置、能接受的最近取车点距离范围、能接受的最高起步价、最高每公里或每小时的单价、节假日价格优惠比例、最高时速、最低时速、舒适度、车型、座位数和颜色，输出值包括以下输出参量：最近的取车点位置、最喜欢的车型、最优的驾驶路线、最经济的消费总价和终点还车点位置；

(2)建立BP神经网络，利用各训练样本对对BP神经网络进行迭代训练，以得到智能寻优决策模型；

(3)将待检测的输入参量输入到智能寻优决策模型中，以得到对应的最近的取车点位置、最喜欢的车型、最优的驾驶路线、最经济的消费总价和终点还车点位置。