[发明专利]一种基于区域内订单供需关系的车辆派单方法及派单系统

权利要求书

1.一种基于区域内订单供需关系的车辆派单方法，其特征在于，包括以下步骤：

步骤(1)、划分空间区域，并对区域内未来一段时间出现的订单数量进行预测；

步骤(2)、结合预测的订单数量与司机数量，分析特定区域的订单供需关系并利用排队论分析司机在完成订单后的空载时间，所述空载时间是指司机完成订单后到接到下一个订单前所需要的时间；

步骤(3)、结合司机完成订单后的空载时间与订单里程数来分析订单的空闲率，所述空闲率指司机在接送乘客的过程中，空载时间占总时间的比值；根据空闲率来为司机派单以保证所有司机的总收益最大化。

2.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，所述车辆派单方法以一天为完整的派单周期，将一天中24小时分为多个时间段，在每个时间段结束时统一派遣空闲的司机处理当前时间段内生成的订单。

3.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(1)中，所述划分空间区域是指根据预先设定好的网格参数n，将空间划分成一样大小的n×n个矩形网格或区域，使每个网格或区域的边长为2公里；通过空间左上角顶点和右下角顶点经纬度的差计算出空间的长度和宽度，再将长度和宽度除以网格参数n计算出每个子区域矩形的长度和宽度。

4.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(1)中，所述订单数量的预测是指结合区域的历史订单数据，使用深度学习模型来预测给定时间段内区域的订单数量；通过当前区域司机数量再加上待预测时间段内所服务的订单的目的地是当前区域的司机数量得到这段时间区域内的司机数量。

5.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(2)中，所述供需关系及司机等待时间分析是指假定未来一段时间订单目的区域的司机生成速率为μ和订单生成速率为λ；如果μ大于λ，说明该区域订单的供小于求，司机的期望等待时间较长；反之，则说明订单的供大于求，司机的期望等待时间较短。

6.根据权利要求1所述的基于区域内订单供需关系的车辆派单方法，其特征在于，在步骤(3)中，所述司机总收益最大化是指在司机接客时单位时间收益不变的情况下最大化司机的总收益，等价于最小化空闲率；所述最小化空闲率的派单算法为局部搜索算法。

7.根据权利要求4所述的基于区域内订单供需关系的车辆派单方法，其特征在于，所述深度学习模型是DeepST，并通过城市的订单分布数据进行训练；所述订单分布数据包含以下信息：订单id，订单出现时间，订单完成时间，经度，纬度，订单收益，订单最大等待时间。

8.根据权利要求6所述的基于区域内订单供需关系的车辆派单方法，其特征在于，所述局部搜索算法先通过面向空闲率的贪心算法计算出一个候选的派单方案；因为对当前的订单进行分派会影响到司机到达订单目的地时该区域的司机数量，最终导致后续订单空闲率的计算出现偏差；因此，局部搜索算法会遍历候选派单方案中的每一个司机，为其选择空闲率更小的订单。

9.根据权利要求8所述的基于区域内订单供需关系的车辆派单方法，其特征在于，所述面向空闲率的贪婪算法是指对每一个订单计算其空闲率，然后通过将订单按照空闲率从小到大进行排序，优先派遣可用的司机处理空闲率小的订单；在为订单分派司机的过程中，需要为订单分派离它尽可能近的订单。

10.根据权利要求9所述的基于区域内订单供需关系的车辆派单方法，其特征在于，所述可用的司机代表当前时刻没有服务任何订单，且在距离目标订单不超过给定距离的司机；所述给定距离设置为两公里以内。

11.一种实现如权利要求1-10之任一项所述车辆派单方法的车辆派单系统，其特征在于，所述系统包括：

区域划分模块，其用于对总预测区域进行划分；

预测模块，其用于预测一个区域未来某一时间段的订单数量和司机数量；

需求分析模块，其用于分析区域内订单的供求关系并预测司机的等待时间；

派单模块，在每个时间段结束使用派单算法调度空闲的司机去处理当前时间段生成的订单。