[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

说明书

本发明公开了一种基于区域内订单供需关系的车辆派单方法，该方法主要包括以下步骤：步骤一：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；步骤二：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等待时间；步骤三：结合司机完成订单后的等待时间与订单里程数来分析订单的空闲率，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。本发明还公开了一种基于区域内订单供需关系的司机派单系统。本发明在为司机分派订单时考虑到了未来的订单信息对当前派单的影响，能够最大化所有司机的总收益。

技术领域

本发明属于智能算法技术领域，涉及一种众包中的车辆派单方法，更为具体地讲，涉及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。

背景技术

随着移动互联网的大规模普及，人们的出行模式也逐渐发生着翻天覆地的变化。人们可以在一些打车平台上发布自己的订单信息，然后平台派遣司机前往乘客所在地将乘客送往目的地。因为乘客的耐心是有限的，他们在等待一段时间后可能会取消订单，选择其他的交通工具前往目的地。平台需要在乘客取消订单前，安排司机处理订单。平台需要合理的分派订单，尽可能地最大化所有司机的总收益。

在解决派单问题上，最常见的算法就是贪心算法。贪心算法每次在分配订单时，都会选择一个在当前贪心策略下的最优订单分配给司机。例如，当我们选择以最近邻作为贪心策略时，每当有司机完成当前订单准备接下一单或者刚准备接单时，就为他分派离他最近的一个订单；每当有新的订单出现时，就挑选离它最近的空闲的司机前来接单。同样的，当我们以最大化报酬作为贪心策略时，每次都要优先选择报酬最高的订单。批处理也是解决出租车派单问题常用方法之一。不同于贪心算法，批处理并不是在新的司机或新的订单出现时为司机分派订单，而是将连续的时间分成多个时间段，在每个时间段末尾为这个时间段新出现的订单和司机进行匹配。每个阶段的匹配可以使用二分图匹配方法，选择出收益最大的派单组合，然后为每个司机分派对应的订单。这种派单方法可以做到局部最优，保证每个时间段都能达到最大收益。

目前存在的几类派单算法有以下不足之处：首先这些工作只考虑了当下的订单，并没有结合未来的订单信息，导致无法获得全局最优解；其次，这些工作的优化目标在于尽可能地服务更多的订单，然而事实上不同的订单的收益是不同的，因此最大化服务订单的数量并不意味着最大化所有司机的总收益；最后，这些工作并没有考虑到区域内订单的供需关系对于派单的影响，当订单的目的地是一个订单供小于求的区域时，司机在完成订单后，将等待较长的一段时间才能接单下一份订单，这就间接性地降低了之前订单的价值。

发明内容

为了解决现有技术存在的不足，本发明的目的是提供一种基于区域内订单供需关系的车辆派单方法。通过使用深度学习模型来预测未来某一时间段某个区域的订单数量，然后结合计算得到的司机数量分析该区域的订单供需关系，继而通过排队论分析得到司机在完成订单后的期望等待时间。最后分析订单的空闲率作为区域内供需关系的指标来指导派单过程。

本发明的具体步骤包括如下：

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等待的时间；

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；所述空闲率是指空载时间占空载时间+司机载客时间的比值。

本发明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。