[发明专利]货车停车调度的方法及装置

权利要求书

1.一种货车停车调度的方法，其特征在于，所述方法包括如下步骤：

基于道路数据和全量货车实时轨迹数据，统计货车可行驶道路上各个路段的拥堵情况，进而构建拥堵时长预测模型；

对货车从出发地到目的地进行路径规划，基于所述拥堵时长预测模型判断车辆前往目的地的各个路径的行驶时间和拥堵状况，并结合所述各个路径上是否具有停车场入口进行停车调度，包括：

根据用户车辆位置和目的地位置，根据距离进行路线规划，选择最短距离路线和两倍最短距离路线里程范围之间的路线；

将选择的路线放到一个列表中，查看所述列表中的路线里是否有全程不拥堵的路线，如果有则直接选择最短的不拥堵路线，引导用户依照所述最短的不拥堵路线前往目的地；如果各个路线都拥堵，则预估各路线的全程拥堵时间，并判断路线上是否有停车场入口；

如果各个路线都没有停车场入口，则引导用户依照拥堵时间最短路线前往目的地；否则选择当前位置到停车场用时短排序和停车场到目的地用时长排序进行加权后排序最前的路线，引导用户前往该排序最前的路线上的停车场；

对每个停车场中的车辆的目的地进行查询，如果找到停车场到目的地最短路线全程不拥堵，则按照该停车场前往该目的地车辆先进先出的规则调度车辆前往目的地；如果停车场到目的地最短路线全程拥堵，则结束循环。

2.根据权利要求1所述的方法，其特征在于，

所述基于道路数据和全量货车实时轨迹数据，统计货车可行驶道路上各个路段的拥堵情况，进而构建拥堵时长预测模型，包括：

统计近一周内车辆行驶轨迹，确定货车可行驶道路；

统计所述货车可行驶道路上各个路段车辆拥堵情况；

统计三个路口以内，通往各个路段的路线的车辆拥堵状态和时间，以及路线的转向关系；

生成数据集，其中特征数据为5，10，15，20分钟内，三个路口内左转、直行、右转三个方向路线的拥堵状态；类别数据为不拥堵、拥堵5分钟内、10分钟内、15分钟内、20分钟内、超过20分钟；

基于LSTM深度学习网络，构建拥堵时长预测模型。

3.根据权利要求2所述的方法，其特征在于，

所述LSTM深度学习网络采用两个LSTM层和两个Dropout层，训练生成所述拥堵时长预测模型。

4.根据权利要求2所述的方法，其特征在于，

所述LSTM深度学习网络包括5层，依次是第一LSTM层、第一Dropout层、第二LSTM层、第二Dropout层、全连接层。

5.根据权利要求1所述的方法，其特征在于，

所述选择最短距离路线和两倍最短距离路线里程范围之间的路线，包括：先找最短距离路线，然后从可通行路网中去掉所述最短距离路线中间1/3部分，再找当前最短距离路线，直到路线长度超过所述最短距离路线的两倍。

6.根据权利要求1所述的方法，其特征在于，

所述加权的计算方式为：假设路线在当前位置到停车场用时短排序的序号是i，权重是w₁，在停车场到目的地用时长排序的序号是j，权重是w₂，w₁+w₂＝1，则加权排序的序号就是i*w₁+j*w₂，将各个路线进行加权后排序最前的路线，作为最终的选择路线。