[发明专利]一种出租车智能寻客方法

说明书

本发明公开了一种出租车智能寻客方法，包括：载客量预测：基于出租车历史轨迹数据对城市中的载客热点区域的载客量作预测，根据预测结果筛选出历史数据中与当天载客量相似的日期，将筛选出的日期生成时空Index；构建寻客指标数据库：基于出租车历史轨迹数据建立载客热点区域的寻客效率数据库和热点间驾驶时间数据库，所述寻客效率数据库包括热点的寻客时间、载客概率和载客收入；载客热点筛选：根据步骤一生成的时空Index从步骤二中筛选出对应日期的寻客效率数据库和热点间驾驶时间数据库，并对出租车前往不同热点的寻客效率进行均衡，筛选出最佳的热点区域。本发明的方法包含线上和线下两种处理过程，能够极大缩短推荐服务的计算时间。

技术领域

本发明结合出租车历史轨迹数据和实时的交通信息，提出了一种出租车智能寻客方法。

背景技术

近年来，随着通信技术和计算机技术的快速发展，智能交通系统(IntelligentTransportation System,ITS)受到了很多研究学者的青睐，智能出租车技术作为智能交通系统的重要组成部分，受到了研究人员的广泛关注。同时，乘客对出租车的需求也不仅仅停留在等待出租车上，更多的智能化匹配服务相继被提出，如：出租车预约服务、拼车服务、最优驾驶路线服务等，这些服务的提供都离不开对出租车历史轨迹数据的分析。由于每天都会产生大量的出租车历史轨迹数据，因此为了满足每项服务的实时性，快速的数据分析成为当务之急。虽然大数据平台是增加分析效率的重要手段，但对出租车历史轨迹数据的分析策略更为关键，很多研究人员采用线下的历史轨迹处理方式和线上的服务推荐方式满足推荐的实时性。

针对出租车与乘客智能匹配这一问题，研究的方向主要有两种，第一种是从乘客的角度为乘客推荐最佳的寻客位置，为提高乘客寻客效率，并提供出租车预期到达时间及其到达概率。第二种是从司机的角度为司机推荐最佳寻客路线，为了节约司机的寻客成本，对出租车附近的载客热点区域进行分析，分析出租车前往不同热点的预期寻客时间及其寻客概率，根据上述两种因素筛选载客热点并推荐。由于每天产生的出租车历史数据都有所不同，导致选择不同的出租车历史数据对推荐服务的准确性有很大的影响，目前在该领域采用比较多的方式是将出租车历史数据分为工作日数据和非工作日数据，然而这种分割方法并不够细致。影响人们出行的方式有很多种，比如天气、假期、时间等因素，为了合理的选取历史数据实现推荐服务，应该综合考虑这些因素，实时、动态的选取合理的历史数据，而不是单一的考虑某一种因素。

由于出租车在寻找乘客的过程中，驾驶经验丰富的司机能够有效的寻找到火车站、电影院等载客热点区域，而这些区域内的乘客数量是随着时间变化的，而不能单一的将载客热点区域推荐给司机。而载客热点内乘客数量的变化以及出租车司机不明显的寻客方案都隐藏在出租车历史轨迹数据内。因此，我们综合出租车历史轨迹数据的线下处理过程和实时交通信息线上处理过程，提出了TCSFP寻客策略。

发明内容

本发明的目的是提出一种出租车智能寻客方法，以解决解决城市中出租车与乘客匹配“难”这一问题，结合出租车历史轨迹数据和实时的交通信息，提出了一种基于载客量预测的出租车寻客策略(Taxi Cruising Strategy Based on Forecasting PassengerVolume,TCSFP)。

本发明通过以下技术方案实现：一种出租车智能寻客方法，所述出租车智能寻客方法包括以下步骤：

步骤一：载客量预测：基于出租车历史轨迹数据对城市中的载客热点区域的载客量作预测，根据预测结果筛选出历史数据中与当天载客量相似的日期，将筛选出的日期生成时空Index；

步骤二：构建寻客指标数据库：基于出租车历史轨迹数据建立载客热点区域的寻客效率数据库和热点间驾驶时间数据库，所述寻客效率数据库包括热点的寻客时间、载客概率和载客收入；

步骤三：载客热点筛选：根据步骤一生成的时空Index从步骤二中筛选出对应日期的寻客效率数据库和热点间驾驶时间数据库，并对出租车前往不同热点的寻客效率进行均衡，筛选出最佳的热点区域，筛选原则如公式(1)所示：