[发明专利]基于双目标线性规划的网约车在线订单匹配方法和装置

说明书

本发明提供一种基于双目标线性规划的网约车在线订单匹配方法和装置，其中方法针对真实的网约车历史订单数据构建网约车司机可重用双目标在线二分图匹配模型，并且分别获得司机收益和乘客公平性的线性规划离线最优分数解，并且设定用于权衡司机收益和乘客公平性的参数a，灵活地在司机收益和乘客公平性之间进行权衡；根据历史订单数据的估计，来完成探测‑提交的两阶段匹配策略，充分考虑乘客请求的耐心，更切合实际，具有适用性；将被占用的资源标记为不可用，等一段时间被释放后，重新回收利用，符合资源被占用一段时间后重新投入使用的真实场景。

技术领域

本发明属于在线资源调度技术领域，尤其涉及一种基于双目标线性规划的网约车在线订单匹配方法和装置。

背景技术

目前在网络共享出行领域中，一个关键的环节是给网络上打车的每个乘客分配合适的司机去接单。不同的分配算法，会影响到司机的收入、网约车平台的单量、乘客的体验。司机分配算法应同时兼顾乘客的满意度和司机的满意度，促使接单的司机和打车的乘客增多，从而推动网约车平台订单量的提升。

在网约车的应用场景下，对于打车平台，乘客的订单请求并非是已知的，而是在线到达的。打车平台的任务就是为在线到达的行程订单匹配相应的司机。打车平台需要在短时间内做出匹配决定，并且这个匹配过程是不可逆的，即一旦将订单匹配给某个司机，这个操作就不可以撤销了。

网约车的匹配问题可以抽象为一个二分图，司机作为二分图的一类节点，行程订单(或乘客)作为二分图的另一类节点，两类节点之间的边则表示是否允许该司机与该订单(或该乘客)匹配。过去的研究者们提出过“匈牙利算法”、“最大流算法”等算法来解决二分图匹配问题。但在网约车的应用场景下，这些传统的“离线”算法都不再适用，因为这些算法需要在匹配前对二分图有一个完整的认知，而网约车场景需要在线匹配，当某个订单到达时，平台无法确切的知道下一个订单的类型。另一方面，由于匹配操作不可撤销，所以类似匈牙利算法这种“尝试性匹配”的思路也不再适用。

发明内容

本发明针对现有技术中的不足，提供一种基于双目标线性规划的网约车在线订单匹配方法和装置。

第一方面，本发明供一种基于双目标线性规划的网约车在线订单匹配方法，包括：

对真实网约车历史订单数据进行分析，获得不同网约车司机占用时间的分布，以及在线到达请求类型的分布，建模得到网约车司机可重用双目标在线二分图匹配模型；所有司机构成的集合抽象成点集U，所有在线乘客构成的集合抽象成点集V，每个司机u所能接到的乘客v受距离的限制，如果u和v的距离不超出限制，即构成一条边(u，v),所有边的集合抽象成边集E，得到在线二分图匹配模型G＝(U，V，E)：当一个在线乘客v请求类型到达时，以一定的概率匹配离线的司机u；

设定乘客公平性和司机收益两个优化目标，并建立线性规划约束；采用matlab求解线性规划，得到司机收益和乘客公平性的离线最优分数解；

设定一个参数a输入至二分图匹配模型，以平衡司机收益和乘客公平性；参数a越大，匹配结果倾向于司机收益，参数a越小，匹配结果倾向于乘客公平性；

在线乘客请求到来后，探测一个可行的离线司机资源与当前请求匹配，在线乘客如果不满意，则拒绝当前匹配，重新探测下一个可行的离线司机资源与在线乘客请求做匹配，并且对在线乘客请求设置耐心约束，当探测次数超过P(v)次，在线乘客选择离开；如果匹配成功，则匹配结果将会提交，且不可撤销；当一个离线司机资源与在线乘客完成最终的匹配后，被占用的离线司机资源为不可用状态，一段时间后被占用的离线司机资源可能被释放，并且允许被重新使用。

进一步地，所述线性规划约束需加入司机被占用时长的分布。

进一步地，所述线性规划约束包括容量约束和耐心约束；所述容量约束包括司机被使用次数约束和乘客在线请求类型的出现次数约束；所述耐心约束为乘客对探测次数容忍程度的约束。