[发明专利]一种出租车空载巡航路线推荐的方法、装置和系统

权利要求书

1.一种出租车空载巡航路线推荐的方法，其特征在于，该方法包括区域营运收益分析步骤、未来轨迹预测分析步骤以及优选巡航路线分析步骤；

所述区域营运收益分析步骤包括如下步骤：

S11：获取各出租车的历史订单记录；

S12：根据所述历史订单记录，统计客人上车下车区域概率矩阵HPM；

HPM={HP(i,j)|i∈[1,N], j∈[1,N]}；

S13：根据所述历史订单记录，统计客人上车下车区域收益矩阵BM；

BM={B(i,j)|i∈[1,N], j∈[1,N]}；

S14：将所述客人上车下车区域概率矩阵HPM输入至图神经网络，得到客人上车下车区域预期矩阵PPM={PP(i,j)|i∈[1,N], j∈[1,N]}；

S15：根据所述客人上车下车区域预期矩阵PPM和所述客人上车下车区域收益矩阵BM计算区域营运收益集VS={vx(i)|i∈[1,N]}；

其中，HPM表示为客人上车下车区域概率矩阵；HP(i,j)表示为客人在第i区域上车后在第j区域下车的概率；BM表示为客人上车下车区域收益矩阵；B(i,j)表示为客人在第i区域上车后在第j区域下车所产生的平均收益；PPM表示为客人上车下车区域预期矩阵；PP(i,j)表示为客人在第i区域上车后在第j区域下车的预期概率；VS表示为区域营运收益集；vx(i)表示为客人在第i区域上车后所产生的预期收益：

vx (i)=PP(i,1)×B(i,1)+ PP(i,2)×B(i,2)+ PP(i,3)×B(i,3)+…+ PP(i,N)×B(i,N)；

所述未来轨迹预测分析步骤包括如下步骤：

S21：获取待分析的出租车的历史轨迹；

S22：提取所述出租车的历史轨迹中空载时段的轨迹，然后将空载时段的轨迹转换成空载轨迹序列NLTS={NLT(k) |k∈[1,Pn]}；其中，NLT(k)表示出租车空载轨迹序列中的第k个出租车位置信息；Pn为出租车空载轨迹序列中出租车位置信息的数目；

S23：选取出租车空载轨迹序列中出租车位置信息数目不少于Nc的空载轨迹序列输入至长短时记忆循环神经网络模型计算得到预测的未来轨迹序列FT={ ft(t)| t∈[1,Pt]}；其中，ft(t)表示预测的未来轨迹序列中第t个出租车预测的位置信息；Pt为预测的未来轨迹序列中出租车位置信息的数目；

S24：根据所述预测的未来轨迹序列FT中的出租车预测的位置信息，计算该预测的未来轨迹序列所涉及的区域，得到预期区域集合PS={ px(j)| j∈[1,K]}；其中，px(j)表示预期区域集合PS中第j个区域，K为预期区域集合PS中的区域数，K∈[1,N]；

所述优选巡航路线分析步骤包括如下步骤：

S31：根据所述区域营运收益集VS确定预期区域集合PS中各个区域可能营收，得到可能运营收益集{ pv(i) |i∈[1,N]}；pv(i)表示第i区域可能营收，若i∈预期区域集合PS，则pv(i)=vx(i)，否则pv(i)=0；

S32：从区域可能营收集合{ pv(i) |i∈[1,N]}中选取区域可能营收最大的若干区域作为优选巡航路线；

其中，所述N为区域数；所述区域由人工预先划分而确定。

2.如权利要求1所述的出租车空载巡航路线推荐的方法，其特征在于，该方法涉及服务器和出租车终端；所述区域营运收益分析步骤执行于所述服务器；所述未来轨迹预测分析步骤和优选巡航路线分析步骤执行于所述出租车终端。

3.如权利要求1所述的出租车空载巡航路线推荐的方法，其特征在于，所述S23的步骤包括：

S231：载入持续化存储的长短时记忆循环神经网络模型数据，并提取存储所述长短时记忆循环神经网络模型数据的时间Ts；

S232：选取时间Ts之后的出租车空载轨迹序列中出租车位置信息数目不少于Nc的空载轨迹序列输入至长短时记忆循环神经网络模型计算得到预测的未来轨迹序列FT={ ft(t)|t∈[1,Pt]}；

S233：提取所述长短时记忆循环神经网络模型数据持续化存储，并记录持续化存储所述长短时记忆循环神经网络模型数据的时间Ts。