[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

摘要

本发明涉及一种基于神经网络的共享汽车智能寻优决策方法和系统，首先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期望值，然后建立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，最后将待检测的各输入参量输入到训练好的BP神经网络中，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。帮助人们综合评判出行参数，决策合理路线，从而达到寻求最佳驾驶体验、改善车辆选择方式的目的，有效避免了选车和出行的盲目性、随机性。

主权项

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。