[发明专利]将情境博弈器与时间差学习集成，用于运输叫车平台的定价和调度

说明书

描述了配置为调度运输资源的系统和相关方法。该系统包括一个或多个数字设备，该一个或多个数字设备被配置为接收对到目的地的运输的价格的请求；接收目的地信息；以及接收出发地信息。该系统被配置为响应于价格请求，基于价格策略和调度策略来生成报价。该系统被配置为响应于所生成的报价，生成对价格请求的响应。并且，该系统被配置为通过网络传输该报价。

技术领域

本发明的实施方式涉及到运输系统。特别是，本发明的实施方式涉及用于运输叫车的平台和方法。

背景技术

在出租车行业，几十年来，出租车供应和出行需求的时空不平衡问题一直是系统效率(以及收入)的主要障碍。随着出租车行业从街头叫车到在线或电子叫车(“E叫车”)平台的快速革命，这种不平衡已经通过减少出租车的巡航时间和更复杂的出租车订单调度技术而得到缓解。然而，即使引入在线叫车平台，需求和供应仍然是高度不平衡的。

因此，目前的街头叫车和在线平台和方法未能有效地解决需求和供应问题，同时解决未来需求。此外，目前的街头叫车和在线平台和方法未能解决需求和供应问题，同时优化定价。

发明内容

描述有配置为调度运输资源的系统和相关方法。该系统包括一个或多个数字设备，该一个或多个数字设备被配置为接收对运输到目的地的价格的请求；接收目的地信息；以及接收出发地信息。该系统被配置为响应于价格请求，基于价格策略和调度策略来生成报价(price quote)。该系统被配置为响应于所生成的报价，生成对价格请求的响应。并且，该系统被配置为通过网络传输该报价。

从附图和下面的详细描述中可以看出各实施方式的其他特点和优点。

附图说明

在附图中，通过举例而非限制的方式展示本发明的各实施方式，其中类似的附图标记表示类似的元素，并且在其中：

图1展示根据一实施方式的运输叫车平台的框图；

图2展示一根据实施方式的实施联合定价和调度策略的方法的流程图；

图3展示根据一实施方式的用于实施联合定价和调度策略的方法的伪代码；

图4展示根据一实施方式的客户端的实施方式；以及

图5展示根据一实施方式的服务器的实施方式。

具体实施方式

运输-叫车平台(诸如汽车叫车平台)的实施方式和相关方法被配置为优化定价和优化调度运输。各实施方式实施学习框架，例如，集成的情境博弈器(contextual bandit)和时间差异学习(“InBEDE”)，以使优化定价和运输调度两者成为可能。根据一些实施方式，叫车平台包括情境博弈器部分，该情境博弈器部分响应于接收价格请求而部署，并动态更新。叫车平台还包括时间差(“TD”)学习部分，以估计定价策略以及调度策略的未来影响。对于一些实施方式，TD部分的更新频率低于情境博弈器部分，例如在一天结束的时候。

系统和方法的实施方式被配置为生成用于对用于汽车叫车的定价和调度进行联合优化的统一框架的首次尝试。此外，InBEDE被用来生成定价和调度策略。InBEDE以相互引导的方式将情境博弈器的训练与时间差异学习结合在一起。此外，该系统实施定价和调度策略，以优化该系统的定价和调度效率。

根据本文所述的实施方式的系统和方法与目前的汽车叫车平台和方法相比具有优势，因为定价和调度是被联合优化的。这与独立处理定价和调度的系统形成对比。此外，目前的系统依赖于在先到先得的基础上将驾驶员与乘客相匹配，而没有关于一个或多个地区的未来影响或利润最大化的任何投入。目前的系统还在旅行价格固定的假设下操作。因此，本文描述的系统和方法更有效地使用运输资源，并对运输需求的趋势做出更好的反应。运输资源包括但不限于带有车辆的驾驶员、自动驾驶车辆和其他用于运送乘客的资源。