[发明专利]基于时间和安全性的车辆派单方法、系统、计算机及介质

说明书

本发明公开了基于时间和安全性的车辆派单方法、系统、计算机及介质，方法包括S1、进行多源数据预处理，得到多源数据融合的特征向量；S2、将多源数据融合的特征向量作为输入，通过训练好的神经网络模型预测路网中每条道路的平均速度在未来一段时间内的预测值；S3、基于步骤S2预测得到的路网中每条道路的平均速度在未来一段时间内的预测值，结合改进的Dijkstra算法规划出一条等待时间最短的路径；S4、结合司机驾驶行为和步骤S3得到的等待时间最短的路径，对车辆派单做出决策。本发明对车辆派单策略进行了优化，既考虑了道路拥堵情况，又考虑了司机的驾驶行为，大大提高了女性乘客夜间出行的安全性。

技术领域

本发明涉及物联网的技术领域，尤其涉及到基于时间和安全性的车辆派单方法、系统、计算机及介质。

背景技术

随着社会的发展和科技的进步，越来越多的人使用手机APP进行叫车服务，而出租车到达乘客位置的等待时间也越来越为人们所重视。关于出租车派单策略的研究，目的是针对乘客需求安排合理的出租车来为乘客提供服务，以提高交通出行者的满意度。同时考虑到夜间女性乘客的打车，如何规划一条从出租车到达乘客位置的最快捷同时也是安全性最高的路径就显得尤其重要。沙开芳提出了一种能够实现基于位置匹配的出租车智能调度派单系统，通过车载模块发送车辆的位置信息和车辆信息，后台数据处理中心据此搜索乘客一定范围内的车辆来判断司机是否在设定范围内，最终决定是否派单。Lingyu Zhang提出了一种新的订单调度模型，该模型已部署在滴滴出行的在线系统中。提出的模型旨在最大限度地提高全局成功率，从而优化整体效率，并提供最佳的用户体验。

由于现有的技术仅考虑了车辆与乘客的距离，或者订单匹配成功率等，而没有考虑实际的交通状况和司机的驾驶行为评级，所以车辆派单策略有待进一步改进。

发明内容

本发明的目的在于克服现有技术的不足，提供基于时间和安全性的车辆派单方法。

为实现上述目的，本发明所提供的技术方案为：

基于时间和安全性的车辆派单方法，包括以下步骤：

S1、进行多源数据预处理，得到多源数据融合的特征向量；

S2、将多源数据融合的特征向量作为输入，通过训练好的神经网络模型预测路网中每条道路的平均速度在未来一段时间内的预测值；

S3、基于步骤S2预测得到的路网中每条道路的平均速度在未来一段时间内的预测值，结合改进的Dijkstra算法规划出一条等待时间最短的路径；

S4、结合司机驾驶行为和步骤S3得到的等待时间最短的路径，对车辆派单做出决策。

进一步地，所述步骤S1中，预处理时先对各数据源的原始数据进行单独的特征提取，然后对各特征信息进行关联融合。

进一步地，所述数据源包括出租车GPS轨迹数据、路网数据、气象数据；

其中，出租车GPS轨迹数据和路网数据的关联匹配过程如下：

首先采用几何匹配算法，将需要匹配的出租车GPS轨迹数据以几何投影的方式映射到相邻路段上，并根据轨迹点与映射点之间的欧几里德距离选取匹配路段；然后通过轨迹方向与道路方向的夹角判断其相应的轨迹点属于哪一条道路，接着进行相应的地图匹配。

进一步地，所述步骤S2中，采用的神经网络模型为LSTM神经网络模型；

在LSTM动态门结构中，遗忘门通过以概率的大小来控制当前时刻记忆模块是否对上一层的隐藏状态进行保留，来读取上一时刻的输出h_t-1和当前时刻的输入x_t；f_t输出一个在0到1之间的数值，0表示完全丢弃，1表示完全保留；f_t的计算如式(5)所示：