[发明专利]一种考虑路径重复系数的出租车寻客方法及系统

说明书

本发明公开了一种考虑路径重复系数的出租车寻客方法及系统，该方法先获取上客位置信息与下客位置信息；然后采用聚类算法对上、下客位置信息进行聚类，计算各类的聚类中心，并在第一层决策中应用哈夫模型构建上客区对出租车司机的吸引力分布，即吸引力模型；在第二层决策中，在实际路网的基础上，考虑路径行程时间、路径重复系数、交叉口延误值和路径距离这四类出行效用，构建出租车司机的Logit路径选择行为模型；再将上述模型组合构建出租车寻客行为双层决策模型；最后根据出租车空车状态时的位置信息及出租车寻客行为双层决策模型确定最优寻客路径。因此，采用本发明提供的方法或系统，能够使出租车司机在空车状态下快速确定最优寻客路径。

技术领域

本发明涉及城市交通技术领域，特别涉及一种考虑路径重复系数的出租车寻客方法及系统。

背景技术

在城市交通系统中，出租车是一种重要的出行方式，在满足市内出行需求起到了关键作用。相较于其他出行方式，出租车更加便捷，舒适和高效，在满足人们对于中长距离出行需求上是富有竞争力的出行方式。然而，目前城市出租车服务面临着进退两难的境地。一方面，乘客在高峰时段很难叫到出租车。另一方面，出租车司机的无目的巡游行加剧了交通拥堵，并造成不必要的污染。因此，构建有效的出租车寻客行为模型极为关键。有效的出租车寻客行为模型为出租车司机在空车状态下快速寻找到客源，为确定最优寻客路径提供理论支撑，并最终提升出租车行业的整体效益，增加居民出行便利性。

在过去，研究人员针对出租车所产生的以上问题提出了有效且实用的方法。这些方法可分为四类：(1)系统最优法；这类方法集中讨论如何提升乘客对出租车的满意度，如何提升出租车行业的运营效率，以及如何管理出租车规模；(2)经济建模；该类研究应用各种可控政策来提高出租车系统的运营效率；(3)网络建模；该类模型考虑出行的布、拥堵情况，模型校准效率和市场空间结构对供需平衡的影响；(4)路径选择行为；许多研究应用logit模型和probit模型来分析出租车司机在有客状态下的路径选择行为以及无客状态下的路径选择行为。上述方法虽然均有效的减少随机寻客行为带来的损失并将效益最大化。但是实践发现，之前的成果存在两个局限：(1)区域划分和单元划分法假定路径选择仅是区域之间或单元之间的移动，因此这两种方法都不能精准描述出租车司机在实际道路上的寻客路径选择行为。(2)传统的多项Logit模型广泛应用于司机路径选择行为研究中，由于出租车寻客过程中，出行范围一般不会很大，会存在不同路径之间的路段重复现象，而常规的Logit模型无法将这种路径重叠问题融合到路径选择效用综合函数中。

发明内容

针对上述两个问题，本发明的目的是提供了一种考虑路径重复系数的出租车寻客方法及系统，通过构建考虑路径行程时间、路径重复系数、交叉口延误和路径距离四类出行效用的出租车寻客行为双层决策模型，能够精准描述出租车司机在实际道路上的寻客路径选择行为，使出租车司机在空车状态下能够快速确定最优寻客路径，提升出租车行业的整体效益，增加居民出行便利性。

为实现上述目的，本发明提供了如下方案：

一种考虑路径重复系数的出租车寻客方法，所述出租车寻客方法包括：

获取出租车乘客的上客位置信息和下客位置信息；

对所述上客位置信息和所述下客位置信息进行聚类分析，确定上客聚类中心和下客聚类中心；

根据所述上客聚类中心和所述下客聚类中心，采用哈夫模型，建立吸引力模型；所述吸引力模型为上客区对出租车司机的吸引力分布；

计算路径行程时间、路径重复系数、交叉口延误值以及路径距离；

根据所述路径行程时间、所述路径重复系数、所述交叉口延误值以及所述路径距离，计算路径选择效用综合函数，确定Logit路径选择行为模型；