[发明专利]一种基于强化学习的不同合乘意愿下出租车调度方法

说明书

本发明公开一种基于强化学习的不同合乘意愿下出租车调度方法，包括以下步骤：通过历史数据预测下一时段车辆需求数，得到预测数据，基于所述预测数据对车辆进行提前调度，得到提前调度的车辆数据；基于强化学习的方法采用区域栅格化构建车辆调度模型；基于提前调度的车辆数据和客户的意愿信息，构建乘客合乘模型；通过所述车辆调度模型和所述乘客合乘模型，得到车辆调度结果。该方案提出了基于强化学习方法的，考虑不同合乘意愿的出租车调度策略，解决了传统出租车调度方法中存在的调度滞后性问题，引入出租车预测部分进行提前调度，采用强化学习的方法提高了模型的精度。

技术领域

本发明涉及车辆调度技术领域，主要涉及一种基于强化学习的不同合乘意愿下出租车调度方法。

背景技术

随着当代城市化进程的推进，城市内公共交通系统的建设也日趋完备。搭乘公共交通也成为了城市居民日常出行首选出行方式之一。出租车为城市居民出行提供了诸多便利，但随着近年来城市人口与私家车保有量的激增，出租车供需不平衡、城市交通拥堵、空气污染等问题也日趋明显。而“合乘”模式是解决上述问题的一种有效手段。出租车合乘的概念最早由德国和瑞士人提出，Jung等人将模拟退火算法中随机哈尔滨工业大学工学硕士学位论文生成新状态的机制替换为利用插入算法进行生成，提高了原算法的优化效果；Golpayegani和Clarke重点考虑了如何匹配不同的乘客进行合乘；Rasulkhani等人考虑合乘行为在大型交通枢纽或场站周边发生的性质，重点考虑了在交通场站周边进行合乘的调度方法，但目前仍存在以下几点不足：调度模型运行结果受模型搭建效果限制、响应式的车辆调度与需求的产生存在滞后问题、合乘行为“一刀切”，未考虑出行者的个人意愿等。

发明内容

本发明目的就是提供一种基于强化学习的不同合乘意愿下出租车调度方法，对出租车需求进行预测，并且进行提前调度，之后采用强化学习的方法进行调度模型的构建，结合合乘模型，针对不同意愿进行分析得到不同的调度结果，并且进行仿真验证，取得较好的调度效果。

本发明提供一种基于强化学习的不同合乘意愿下出租车调度方法，包括以下步骤：

S1、通过历史数据预测下一时段车辆需求数，得到预测数据，基于所述预测数据对车辆进行提前调度，得到提前调度的车辆数据；

S2、基于强化学习的方法采用区域栅格化构建车辆调度模型；

S3、基于提前调度的车辆数据和客户的意愿信息，构建乘客合乘模型；

S4、通过所述车辆调度模型和所述乘客合乘模型，得到车辆调度结果。

优选地，所述S1通过将所述历史数据通过LightGBM算法计算后得到预测数据。

优选地，所述车辆调度模型包括：车辆调度状态模型、车辆调度动作模型、车辆调度奖励模型，建车辆调度模型步骤包括：

基于提前调度的车辆数据和空闲车辆数，采用强化学习方法分别构建车辆调度状态模型、车辆调度动作模型、车辆调度奖励模型。

优选地，所述S3构建乘客合乘模型的方法包括：基于提前调度的车辆数据和客户的意愿信息，得到合乘前的合乘条件和合乘调度后的合乘结果，基于合乘条件和合乘结果构建所述乘客合乘模型。

优选地，基于乘客合乘模型得到不同意愿下的车辆调度方法包括：

对于无合乘意愿的乘客，基于合乘模型得到无意愿车辆调度方法；

对于有合乘意愿的乘客，基于合乘模型得到有意愿车辆调度方法。

优选地，基于无意愿车辆调度方法和有意愿车辆调度方法得到所述车辆调度结果。

优选地，还包括通过仿真验证乘客对调度结果的影响度。

优选地，采用Python进行车辆运行仿真，对乘客对调度结果的影响度进行验证。