[发明专利]基于订单预测的代驾司机的调度方法

说明书

本发明提供了一种基于订单预测的代驾司机的调度方法，其包括步骤S1‑S8。采用步骤S1到步骤S8中的代驾司机的调度方法，能够实现任意城市中的订单热点区域与司机过剩区域之间的司机调度，由此提高了司机运力的利用率；同时，基于步骤S1到步骤S8中的代驾司机的调度方法，还可以将司机运力进行重新分布以实现运力分布最优化，从而满足更多代驾需求，进而提高司机运力的利用率。并且，由于本方法采用实时数据进行运力调度、并对调度指令执行状态进行持续跟踪，从而减少了数据滞后及指令失效对调度准确性的影响，由此保证了司机调度的准确性。此外，由于本方法的综合成本模型中涉及多种参数因子，由此提高了调度指令的有效性和准确性。

技术领域

本发明涉及出行运力运筹技术领域，尤其涉及一种基于订单预测的代驾司机的调度方法。

背景技术

随着人们安全意识的不断提高，喝酒不开车已经成为了共识，代驾服务逐渐被大众所熟知。据不完全统计每年代驾服务可以避免超过300万起因酒驾导致的交通事故的发生，代驾已经形成一种新经济业态，并且成为治理酒驾、降低交通安全事故的有效手段。随着移动互联网的飞速发展，智能手机已经成了生活必备品，智能手机上叫代驾，代驾平台派单，代驾司机用智能手机接单，已经成了代驾服务的常规流程。

代驾平台作为联系用户和代驾司机的纽带，一方面要迅速响应用户的代驾需求，一方面又要保证司机能服务更多订单，获得更多收入，但在现实中存在很多不确定性，如代驾司机上线时间，上线地点，订单何时产生，这些不确定性造成了代驾运力的不均衡。如何实时的引导司机出现在订单热点区域，提高司机运力的利用率，成为代驾业界的亟待解决的问题。

发明内容

鉴于背景技术中存在的问题，本发明的目的在于提供一种基于订单预测的代驾司机的调度方法，其能实现任意城市中的订单热点区域与司机过剩区域之间的司机调度以及司机运力分布最优化，从而满足更多代驾需求，进而提高司机运力的利用率。

为了实现上述目的，本发明提供了一种基于订单预测的代驾司机的调度方法，其包括步骤S1-S8。S1，对城市进行网格划分并获得城市网格地图。S2，采用GeoHash算法对所述城市网格地图上的所有网格进行地理位置编号。S3，将一天划分为多个时段并对所述多个时段进行编号，基于各网格在一天当中的各个时段的历史订单数据进行分析并构建各网格的差分整合移动平均自回归模型，并基于构建的差分整合移动平均自回归模型预测出各网格在各时段的订单量并记为，其中表示网格的编号、表示各时段的编号。S4，对于各网格在一天中的任意时段，采集各网格中的司机在当前时段的位置数据、并获得各网格在当前时段的空闲司机的数量为。

S5，计算出各网格在当前时段的实时运力值，则，且

。

S6，将当前时段运力值过剩的网格中的部分司机调度到运力值不足的网格中，且调度过程包括步骤S61-S65。S61，计算出当前时段每个运力值过剩的网格中各司机与网格中心点的地理距离并按地理距离长短进行排序，且将地理距离长的处于末尾位司机进行标记以作为可调度司机。S62，将当前时段所有运力值过剩的网格中被标记的可调度司机定义为集合A。S63，将当前时段所有运力值不足的网格定义为集合B。S64，构建出集合A中的司机从当前网格移动到集合B中的网格的综合成本模型并记为，且

；

其中，为集合A中的司机与集合B中的网格之间的地理距离，为司机的移动速度，、分别为司机在历史时期执行调度指令成功的数量和失败的数量,为最大调度距离，分别为和的权重系数。S65，计算出综合成本模型 中的所有最优调度方案。

S7，根据步骤S65中的所有最优调度方案向对应的可调度司机派发调度指令。S8，对步骤S7中的各可调度司机的指令执行状态进行实时跟踪、并记录各可调度司机的所述调度指令是否成功。