一种基于CUBE数据的交通载物辅助调度方法及系统与流程

一种基于cube数据的交通载物辅助调度方法及系统
技术领域
1.本发明涉及于技术领域，尤其涉及一种基于cube数据的交通载物辅助调度方法及系统。


背景技术：

2.随着车载gps数据技术的不断发展，产生了大量的位置轨迹数据，对这些位置轨迹数据进行有效的挖掘与分析，对人们生活水平的提高有较大的促进作用，特别是出租车gps的应用与普及，其gps数据很大地反映居民的出行情况。
3.出租车作为交通载物工具之一，是城市交通分流的重要组成部分，但是由于乘客与出租车驾驶人之间的信息严重不对称性，从而导致乘客四处寻找出租车，出租车驾驶人盲目寻找乘客来提高载客率，结果造成严重的公共资源的浪费，出租车空载率较高，公众出行效率较低。


技术实现要素：

4.为了现有技术存在的上述技术缺陷，本发明提供了一种基于cube数据的交通载物辅助调度方法及系统，可以有效解决背景技术中的问题。
5.为了解决上述技术问题，本发明提供的技术方案具体如下：
6.本发明实施例公开了一种基于cube数据的交通载物辅助调度方法，包括以下步骤：
7.步骤一：对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，根据客流量的差别将地图划分为不同的网格区域；
8.步骤二：建立出租车成本及盈利模型算法，并建立出租车巡游成本模型；
9.步骤三：根据不同网格区域的客流量差别，对出租车进行调度；
10.步骤四：根据出租车巡游成本模型及载客概率计算出租车巡游最优路径。
11.在上述任一方案中优选的是，在对不同地区的客流量进行调查时，调查的内容包括：乘客的乘车点、乘客的乘车时间、乘客的乘车路径长短及乘客的乘车的下车点，其中，乘客的乘车点和乘客的下车点均通过gps定位系统获取坐标点。
12.在上述任一方案中优选的是，在对乘客的乘车路径长短进行调查时，首先利用gps定位系统获取出租车在乘客乘车时，出租车车辆的若干组坐标点1、2、3/4
……
n，再根据获取的出租车车辆的若干组坐标点并通过公式对乘客的乘车路径长短进行计算，其中，si为第i个坐标点至第i+1个坐标点的距离，s为乘客的乘车总路程。
13.在上述任一方案中优选的是，在对乘客的乘车点及下车点进行调查时，若gps定位系统在一定时间间隔t内采集到的出租车车辆位置变化小于阈值，且出租车停止在一定位置保持在时间阈值之上，且所在位置为非路口位置，则判定为堵车或者乘客乘车、下车，再根据附近车辆数量进行判断，若50m内的车辆数量小于阈值，则判断该位置为乘客的乘车点或下车点，并根据车辆之前的状态判断该位置的具体状态。
14.在上述任一方案中优选的是，在利用gps定位系统对不同地区的客流量进行调查时，首先对获取的出租车gps数据进行预处理。
15.在上述任一方案中优选的是，在对获取的出租车gps数据进行预处理时，包括以下步骤：
16.步骤一：根据时空特性剔除出租车gps数据中的不合理数据，其中，当出租车的gps数据显示出租车的位置在非交通道路上时，将该gps数据进行剔除，当出租车的gps数据显示出租车距离上一个位置点的距离大于阈值时，将该gps数据进行剔除；
17.步骤二：当出租车的gps数据显示出租车在一天内均为空载巡游状态时，对数据进行复核处理；
18.步骤三：当出租车一直停止在一定位置上且持续时间大于时间阈值后，对数据进行剔除。
19.在上述任一方案中优选的是，在计算坐标点之间的距离时，通过公式对第i个坐标点与第i+1个坐标点之间的距离进行计算；其中，lati为第i个坐标点的gps坐标，a＝lati×
π/180-lat
i+1
×
π/180,b＝lngti×
π/180-lngt
i+1
×
π/180，其中，lati表示点i的纬度，lat
i+1
表示点i+1的纬度,lngti表示点i的经度，lngt
i+1
表示点i+1的经度。
20.在上述任一方案中优选的是，在对出租车司机的盈利进行计算时，包括以下步骤：
21.步骤一：对出租车司机的总收入进行计算；
22.步骤二：对出租车司机所花费的成本进行计算；
23.步骤三：计算出租车的盈利。
24.在上述任一方案中优选的是，通过公式对出租车搭载一个客人的收入，其中，c为出租车的起步价，d为乘客的行驶轨迹的长度，e为起步公里数，f为二次收费价格，g为二次收费公里数，h为三次收费价格。
25.在上述任一方案中优选的是，在对出租车司机所花费的成本进行计算时，将出租车司机所花费的成本划分为车辆固定成本、车辆运输成本和车辆巡游成本。
26.在上述任一方案中优选的是，在对出租车司机所花费的成本进行计算时，通过公式x＝车辆折旧费+车辆保险费用+车辆管理费用+车辆维修费用+出租车司机的工资福利对车辆固定成本进行计算；其中，x为车辆的固定成本。
27.在上述任一方案中优选的是，在对出租车司机所花费的成本进行计算时，通过公式对车辆的运输成本进行计算；其中，z为出租车总辆数，β为任一车辆的载客总数，s
αz
为第z辆出租车搭载第α个乘客时所行驶的路径长度，c为每单位距离出租车的运输成本。
28.在上述任一方案中优选的是，在对出租车司机所花费的成本进行计算时，通过公
式对车辆的巡游成本进行计算；其中，y’为车辆的巡游总成本，z为出租车总辆数，s’z
为第z辆出租车的总巡游路程。
29.在上述任一方案中优选的是，在根据不同网格区域的客流量差别对出租车进行调度时，包括以下步骤：
30.步骤一：计算所有网格的空载及载客概率，并计算所有网格的载客能力；
31.步骤二：利用蚁群算法对出租车调度方法进行统计和预测；
32.步骤三：对经过蚁群算法统计和预测之后的调度方法进行筛选。
33.第二方面，一种基于cube数据的交通载物辅助调度系统，所述系统包括：
34.收集模块，用于对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，以及根据客流量的差别将地图划分为不同的网格区域；
35.生成模块，用于建立出租车成本及盈利模型算法，并建立出租车巡游成本模型；
36.调度模块，用于根据不同网格区域的客流量差别，对出租车进行调度；
37.辅助模块，用于根据出租车巡游成本模型及载客概率计算出租车巡游最优路径，完成辅助调度。
38.与现有技术相比，本发明的有益效果：
39.1、本发明通过利用蚁群算法对出租车的巡游路径进行预测和筛选，可以增加出租车的载客概率，增加出租车的净利润。
40.2、本发明通过利用蚁群算法对出租车的巡游路径进行预测和筛选，可以更好的将载客能力分发至不同区域，减少乘客的等车时间，方便乘客出行。
附图说明
41.附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
42.图1是本发明实施例所提供的基于cube数据的交通载物辅助调度方法的流程图；
43.图2是本发明实施例所提供的基于cube数据的交通载物辅助调度系统的流程图。
具体实施方式
44.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
45.需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
46.在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
47.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
48.为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
49.如图1所示，一种基于cube数据的交通载物辅助调度方法，包括以下步骤：
50.步骤一：对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，根据客流量的差别将地图划分为不同的网格区域；
51.步骤二：建立出租车成本及盈利模型算法，并建立出租车巡游成本模型；
52.步骤三：根据不同网格区域的客流量差别，对出租车进行调度；
53.步骤四：根据出租车巡游成本模型及载客概率计算出租车巡游最优路径。
54.具体的，在对不同地区的客流量进行调查时，调查的内容包括：乘客的乘车点、乘客的乘车时间、乘客的乘车路径长短及乘客的乘车的下车点，其中，乘客的乘车点和乘客的下车点均通过gps定位系统获取坐标点。
55.进一步的，在对乘客的乘车路径长短进行调查时，首先利用gps定位系统获取出租车在乘客乘车时，出租车车辆的若干组坐标点1、2、3/4
……
n，再根据获取的出租车车辆的若干组坐标点并通过公式对乘客的乘车路径长短进行计算，其中，si为第i个坐标点至第i+1个坐标点的距离，s为乘客的乘车总路程。
56.首先，根据时间序列的出租车轨迹，识别第1个状态为“3”的轨迹点作为载客点，然后提取出租车状态为连续的“3”的最后一个点作为下客点。如果连续的“3”的点的数量大于等于3，则从第一个“3”点到最后一个“3”点之间的轨迹则为出租车载客轨迹。除此之外，将一天的时间分为24等份，分别标记为0-23。
57.进一步的，在对乘客的乘车点及下车点进行调查时，若gps定位系统在一定时间间隔t内采集到的出租车车辆位置变化小于阈值，且出租车停止在一定位置保持在时间阈值之上，且所在位置为非路口位置，则判定为堵车或者乘客乘车、下车，再根据附近车辆数量进行判断，若50m内的车辆数量小于阈值，则判断该位置为乘客的乘车点或下车点，并根据车辆之前的状态判断该位置的具体状态。
58.进一步的，在利用gps定位系统对不同地区的客流量进行调查时，首先对获取的出租车gps数据进行预处理。
59.进一步的，在对获取的出租车gps数据进行预处理时，包括以下步骤：
60.步骤一：根据时空特性剔除出租车gps数据中的不合理数据，其中，当出租车的gps数据显示出租车的位置在非交通道路上时，将该gps数据进行剔除，当出租车的gps数据显示出租车距离上一个位置点的距离大于阈值时，将该gps数据进行剔除；
61.步骤二：当出租车的gps数据显示出租车在一天内均为空载巡游状态时，对数据进行复核处理；
62.步骤三：当出租车一直停止在一定位置上且持续时间大于时间阈值后，对数据进行剔除。
63.进一步的，在计算坐标点之间的距离时，通过公式对第i个坐标点与第i+1个坐标点之间的距离进行计算；其中，lati为第i个坐标点的gps坐标，a＝lati×
π/180-lat
i+1
×
π/180,b＝lngti×
π/180-lngt
i+1
×
π/180，其中，lati表示点i的纬度，lat
i+1
表示点i+1的纬度,lngti表示点i的经度，lngt
i+1
表示点i+1的经度。
64.具体的，在对出租车司机的盈利进行计算时，包括以下步骤：
65.步骤一：对出租车司机的总收入进行计算；
66.步骤二：对出租车司机所花费的成本进行计算；
67.步骤三：计算出租车的盈利。
68.进一步的，通过公式对出租车搭载一个客人的收入，其中，c为出租车的起步价，d为乘客的行驶轨迹的长度，e为起步公里数，f为二次收费价格，g为二次收费公里数，h为三次收费价格。
69.进一步的，在对出租车司机所花费的成本进行计算时，将出租车司机所花费的成本划分为车辆固定成本、车辆运输成本和车辆巡游成本。
70.进一步的，在对出租车司机所花费的成本进行计算时，通过公式x＝车辆折旧费+车辆保险费用+车辆管理费用+车辆维修费用+出租车司机的工资福利对车辆固定成本进行计算；其中，x为车辆的固定成本。
71.c代表出租车单位距离的运输成本，通常在出租车运输成本中，这一部分费用主要包括燃油费、车辆维护与保养费用等。尽管这些费用都与载客量有关，但是影响较小，所以在研究中通常并不考虑载客量变化对成本的影响。
72.进一步的，在对出租车司机所花费的成本进行计算时，通过公式对车辆的运输成本进行计算；其中，z为出租车总辆数，β为任一车辆的载客总数，s
αz
为第z辆出租车搭载第α个乘客时所行驶的路径长度，c为每单位距离出租车的运输成本。
73.车辆运输成本费用主要包括车辆的保养费用和燃油费；其中，燃油价格可以根据油价及出租车百公里油耗计算，保养费需根据实际情况计算。
74.进一步的，在对出租车司机所花费的成本进行计算时，通过公式进一步的，在对出租车司机所花费的成本进行计算时，通过公式对车辆的巡游成本进行计算；其中，y’为车辆的巡游总成本，z为出租车总辆数，s’z
为第z辆出租车的总巡游路程。
75.具体的，在根据不同网格区域的客流量差别对出租车进行调度时，包括以下步骤：
76.步骤一：计算所有网格的空载及载客概率，并计算所有网格的载客能力；
77.步骤二：利用蚁群算法对出租车调度方法进行统计和预测；
78.步骤三：对经过蚁群算法统计和预测之后的调度方法进行筛选。
79.当载客数量较低时，网格载客能力与网格载客可能性却较高，可能因为，当载客数
量较高时，易发生交通堵塞，因此导致载客数量较高区域的载客可能性降低。
80.进一步的，在计算网格的载客能力时，通过公式进一步的，在计算网格的载客能力时，通过公式计算网格的载客能力进行计算；其中，θ为该网格内的空载出租车数量，θ1为经过网格的空载出租车数量，θ2为网格外的空载出租车数量，d
θi
为网格外的空载出租车距离网格的欧式距离。
81.进一步的，在对经过蚁群算法统计和预测之后的调度方法进行筛选时，出租车在完成一次载客后巡游的距离小于等于五千米。
82.空载出租车起点与潜在收益网格的距离若无限增大，则出租车的巡游成本也会随之增大，所以空载出租车的起点与潜在收益网格的距离需有一定的限制，根据实际经验与调研数据，出租车完成一次服务行为后，距离下一次载客事件时间大约为15min，按照出租车的巡游平均速度进行计算，平均寻有速度为二十千米每小时，大概巡游长度为五千米。
83.进一步的，在对经过蚁群算法统计和预测之后的调度方法进行筛选时，同一时间段网格内存在的出租车数量小于预测的该网格内的总乘车人数。
84.网格载客能力有限，所以每个网格经过的出租车的数量也是有限的，网格载客率约束代表了经过网格的空载出租车的数量的限制。
85.进一步的，在对经过蚁群算法统计和预测之后的调度方法进行筛选时，网格的载客能力大于等于预测的该网格内的总乘车人数的百分之八十。
86.当网格的载客能力大于等于预测的该网格内的总乘车人数的百分之八十时，乘客可以在等待十分钟之内搭乘到出租车，在不影响乘客出行的同时，可以增加出租车的净利润。
87.进一步的，所述蚁群算法包括以下步骤：
88.步骤一：初始蚁群各个参数，并且使起始迭的代次数为0，初始时刻为0；
89.步骤二:：采用最近邻域法，搜索每个潜在收益网格周围空载出租车，并分配给每个潜在收益网格一定的空载出租车；
90.步骤三：采用最近邻域法产生一个空载出租车所在网格的初始解，将m只蚂蚁放置在产生的初始解网格中，并根据预测的不同网格内的总乘车人数赋予设定每个网格上的信息素浓度；
91.步骤四：对每只蚂蚁建立禁忌表；
92.步骤五：计算各蚂蚁的路径长度，并计算各个网格上的信息素增加；
93.步骤六：进行统计，并进入下一次循环。
94.如图2所示，本发明还提供了一种基于cube数据的交通载物辅助调度系统，所述系统包括：
95.收集模块，用于对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，以及根据客流量的差别将地图划分为不同的网格区域；
96.生成模块，用于建立出租车成本及盈利模型算法，并建立出租车巡游成本模型；
97.调度模块，用于根据不同网格区域的客流量差别，对出租车进行调度；
98.辅助模块，用于根据出租车巡游成本模型及载客概率计算出租车巡游最优路径，完成辅助调度。
99.与现有技术相比，本发明提供的有益效果是：
100.1、本发明通过利用蚁群算法对出租车的巡游路径进行预测和筛选，可以增加出租车的载客概率，增加出租车的净利润。
101.2、本发明通过利用蚁群算法对出租车的巡游路径进行预测和筛选，可以更好的将载客能力分发至不同区域，减少乘客的等车时间，方便乘客出行。
102.以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于cube数据的交通载物辅助调度方法，其特征在于：包括以下步骤：对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，以及根据客流量的差别将地图划分为不同的网格区域；建立出租车成本及盈利模型算法，并建立出租车巡游成本模型；根据不同网格区域的客流量差别，对出租车进行调度；根据出租车巡游成本模型及载客概率计算出租车巡游最优路径，完成辅助调度。2.根据权利要求1所述的基于cube数据的交通载物辅助调度方法，其特征在于：所述对不同地区的客流量进行调查包括：乘客的乘车点调查、乘客的乘车时间调查、乘客的乘车路径长短调查及乘客的乘车的下车点调查，其中，乘客的乘车点调查和乘客的下车点调查均通过gps定位系统获取坐标点。3.根据权利要求2所述的基于cube数据的交通载物辅助调度方法，其特征在于：所述乘客的乘车路径长短调查，包括：利用gps定位系统获取出租车在乘客乘车时，出租车车辆的若干组坐标点1、2、3/4
……
n；根据获取的出租车车辆的若干组坐标点并通过公式对乘客的乘车路径长短进行计算，其中，s
i
为第i个坐标点至第i+1个坐标点的距离，s为乘客的乘车总路程。4.根据权利要求3所述的基于cube数据的交通载物辅助调度方法，其特征在于：所述不同地区的客流量进行调查还包括：对获取的出租车gps数据进行预处理，所述对获取的出租车gps数据进行预处理，包括以下步骤：根据时空特性剔除出租车gps数据中的不合理数据，其中，当出租车的gps数据显示出租车的位置在非交通道路上时，将该gps数据进行剔除，当出租车的gps数据显示出租车距离上一个位置点的距离大于阈值时，将该gps数据进行剔除；当出租车的gps数据显示出租车在一天内均为空载巡游状态时，对数据进行复核处理；当出租车一直停止在一定位置上且持续时间大于时间阈值后，对数据进行剔除。5.根据权利要求4所述的基于cube数据的交通载物辅助调度方法，其特征在于：所述根据获取的出租车车辆的若干组坐标点对乘客的乘车路径长短进行计算包括计算坐标点之间的距离，其中，通过公式对第i个坐标点与第i+1个坐标点之间的距离进行计算；其中，lati为第i个坐标点的gps坐标，a＝lat
i
×
π/180-lat
i+1
×
π/180,b＝lngt
i
×
π/180-lngt
i+1
×
π/180，其中，lat
i
表示点i的纬度，lat
i+1
表示点i+1的纬度,lngt
i
表示点i的经度，lngt
i+1
表示点i+1的经度。6.根据权利要求5所述的基于cube数据的交通载物辅助调度方法，其特征在于：在对出租车司机的盈利进行计算时，包括以下步骤：步骤一：对出租车司机的总收入进行计算；步骤二：对出租车司机所花费的成本进行计算；步骤三：计算出租车的盈利。7.根据权利要求6所述的基于cube数据的交通载物辅助调度方法，其特征在于：在所述
对出租车司机所花费的成本进行计算中，通过公式对出租车搭载一个客人的收入进行计算，其中，c为出租车的起步价，d为乘客的行驶轨迹的长度，e为起步公里数，f为二次收费价格，g为二次收费公里数，h为三次收费价格。8.根据权利要求7所述的基于cube数据的交通载物辅助调度方法，其特征在于：在所述对出租车司机所花费的成本进行计算中，将出租车司机所花费的成本划分为车辆固定成本、车辆运输成本和车辆巡游成本。9.根据权利要求8所述的基于cube数据的交通载物辅助调度方法，其特征在于：所述根据不同网格区域的客流量差别对出租车进行调度时，包括以下步骤：计算所有网格的空载及载客概率，并计算所有网格的载客能力；利用蚁群算法对出租车调度方法进行统计和预测；对经过蚁群算法统计和预测之后的调度方法进行筛选。10.根据权利要求1至9任一项所述的基于cube数据的交通载物辅助调度系统，所述系统包括：收集模块，用于对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，以及根据客流量的差别将地图划分为不同的网格区域。

技术总结
本发明涉及一种基于CUBE数据的交通载物辅助调度方法及系统，包括以下步骤：对不同地区的客流量进行调查，并将市区的地图根据不同的客流量进行划分，以及根据客流量的差别将地图划分为不同的网格区域；建立出租车成本及盈利模型算法，并建立出租车巡游成本模型；根据不同网格区域的客流量差别，对出租车进行调度；根据出租车巡游成本模型及载客概率计算出租车巡游最优路径，完成辅助调度。本发明能够对出租车的巡游路径进行预测和筛选，可以增加出租车的载客概率，可以更好的将载客能力分发至不同区域，减少乘客的等车时间，方便乘客出行。行。行。


技术研发人员：吴建兵 王青 徐亚娟 徐晶晶 张鹏鹏
受保护的技术使用者：南通市市政工程设计院有限责任公司
技术研发日：2022.12.19
技术公布日：2023/5/25