[发明专利]一种基于强化学习模型的共享汽车平衡方法

说明书

本发明公开了一种基于强化学习模型的共享汽车平衡方法，包括：S1，接收用户的待用车请求或者待还车请求；S2，将待用车请求或者待还车请求输入预先建立好的强化学习模型，强化学习模型输出各个站点的用车奖励金或者还车奖励金；S3，用户遍历包含他自身的预设网格区域，在提供奖励金最多的站点进行取车或者还车。本发明能主动平衡共享汽车系统，由此可以大量减少人工调度成本，更好地平衡各站点的车辆分布，增加用户的用车体验，提到商家的服务率。

技术领域

本发明涉及深度学习和强化学习技术领域，具体涉及一种基于强化学习模型的共享汽车平衡方法。

背景技术

随着共享经济的蓬勃发展，越来越多的共享产品进入人们的视野当中，例如共享充电宝、共享单车、共享汽车。共享经济的发展，为人们的生活带来了很多便利，特别是共享汽车，为人们的出行方式提供了多样的选择。共享汽车与传统的租车行业有很大不同，共享汽车会有更多的租赁站点，更方便的取还车模式，更合理的分时计费方式等。

但是在共享汽车的运营当中也存在着一些问题，由于用户相似的出行模式，在共享汽车的租赁系统，车辆分布的不平衡，特别是在高峰时间段。例如，在早高峰期间，多数用户倾向于在生活区取车，并将车还至工作区或者商业区，导致了生活区车辆数很稀少，工作区车辆数量达到顶峰。这种车辆分布的不平衡不仅降低了用户的用车体验，同时也一定程度上减少了商家的收入。如何平衡车辆的分布是共享汽车亟待解决的一大问题。

目前缓解汽车分时租赁系统供需不平衡的解决办法主要有以下几种方案：一种是人工调度，员工将车辆从车辆富裕的站点调到车辆稀缺的站点；另一种是自适应调度，以价格为杠杆，调节各站点的需求量。

基于上述方案，现有的用于共享汽车系统平衡问题的方法是基于人工或者规则来调控，人工调度需要耗费大量的人力和时间成本，当车辆数增多时，人工调度成本也会大幅度增加；基于价格调控的方法是一种基于规则的调控方法，也需要人力来设定具体定价，也会耗费一点的人力资源，并且难以自适应的设置车辆分时价格。

因此，行业内急需研发一种能自适应平衡共享汽车系统的方法，以此可以大量减少人工调度成本，更好地平衡各站点的车辆分布，增加用户的用车体验。

发明内容

本发明的目的是为了克服以上现有技术存在的不足，提供了一种能自适应平衡共享汽车系统的基于强化学习模型的共享汽车平衡方法。

本发明的目的通过以下的技术方案实现：

一种基于强化学习模型的共享汽车平衡方法，包括：

S1，接收用户的待用车请求或者待还车请求；

S2，将待用车请求或者待还车请求输入预先建立好的强化学习模型，强化学习模型输出各个站点的用车奖励金或者还车奖励金；

S3，用户遍历包含他自身的预设网格区域，在提供奖励金最多的站点进行取车或者还车。为了避免高峰时间段存在取车难以及还车难的情况发生，从而提升共享汽车的服务率进而提升商家的收入，需要为用户提供一定的奖励来激励用户主动平衡共享汽车系统。即设计了取车奖励以及换车奖励的两种奖励方法：对于每一个用户，在用户选择车辆时，在每一个时间段，为了刺激用户平衡共享汽车系统，商家在车辆数目较多的站点提供较高的奖励金，以此来激励用户去该区域取车；在用户还车时，商家在车辆数目较少的站点提供较高的奖励金，以此来激励用户去该区域还车。

优选地，建立强化学习模型包括：将共享汽车的租赁区域划分为网格状，其中每一个网格代表一个共享汽车的租赁点；其中每个网格中有固定的共享汽车停放数目，并且将s作为该站点的剩余车辆的数目；其中，各个站点的共享汽车数目都在动态地变化。