[发明专利]一种基于实时数据的计价车客流集散点载客决策方法和系统

说明书

本发明提供了一种基于实时数据的计价车客流集散点载客决策方法和系统，该方法包括：(S1)建立决策值随需求因素、返回收益因素、等待收益因素和个人能力因素变化的多元线性回归模型；(S2)对所述多元线性回归模型进行初始化，基于当前的需求因素、返回收益因素、等待收益因素和个人能力因素根据所述多元线性回归模型为司机提供决策，根据决策后司机反馈的决策满意度样本训练多元线性回归模型；(S3)用训练后的多元线性回归模型为司机提供决策；该系统根据上述方法向计价车司机提供决策建议。本发明能够以较高的准确率实现实时预测供求关系，以帮助司机做出决策，提高了旅客出行效率和司机收益效率。

技术领域

本发明涉及一种决策方法及系统，尤其是涉及一种基于实时数据的计价车客流集散点载客决策方法及系统。

背景技术

出租车司机在将乘客送达机场后，往往需要判断是留在机场接载抵港旅客还是返回市区寻找客源。现有技术通常借助乘客通过APP发出的需求，让计价车司机据此来判断是否接单。此种方式弊端在于这种类型的APP一般难以实时预测供求关系，导致司机接单后的反应时间和效率较之司机随着供求关系自行前往略为低下。只有实现实时预测供求关系，才能够保证大型旅客集散地的客流与出租车司机供求较为平衡，从而保证出租车实时满足旅客需求。

申请号为201911036243.X的发明专利申请公开了一种机场出租车载客问题的决策方法。该方法通过建立收益最大化模型，比较出租车司机的等待净收益和返回净收益，选择净收益最大的决策。然而，该申请仅考虑了客观因素，如航班和季节因素以及收益因素(包括等待净收益和返回净收益)，但完全没有考虑到在相同客观因素下司机载客能力和决策倾向的个体差异因素。相对于客观因素，司机的个体差异因素往往较难把握，但个体差异因素直接导致不同个体在同一决策下获得的收益存在显著差异。例如，司机的个人载客能力可以通过空载率直观体现。空载率越大，表明其平常越难拉到客、通过载客赚取的钱越少，空载率越大司机可能更倾向于留在机场获取较为稳定的收益。此外，该申请提供的决策方法过于理性缺乏弹性，无法根据司机的体验和反馈对各因素的决策比重进行调节。

发明内容

发明目的：为克服现有技术的缺陷，本发明旨在提供一种基于实时数据的出租车计价车路线规划建议方法。

本发明还提供一种基于实时数据的计价车路线规划建议系统。

技术方案：一方面中，本发明公开了一种基于实时数据的计价车客流集散点载客决策方法。该方法包括如下步骤：

(S1)建立多元线性回归模型:

其中，p为决策值，当p＜0.5时将为司机做出等待决策，当p＞0.5时将为司机做出返回市区决策；X₁、X₂、X₃、X₄分别对应需求因素、返回收益因素、等待收益因素和个人能力因素，β₀、β₁、β₂、β₃、β₄分别为第一至第五决策因子；所述需求因素为考虑天气影响后的客流量；所述返回收益因素为司机从所在客流集散点返回市区的预期返回净收益B_{返回_净}；所述等待收益因素为司机从所在客流集散点返回市区的预期等待净收益B_{等待_净}；所述个人能力因素为司机空载率；