CN107036617A - 一种出租车与地铁组合的出行路线规划方法及*** - Google Patents
一种出租车与地铁组合的出行路线规划方法及*** Download PDFInfo
- Publication number
- CN107036617A CN107036617A CN201710348800.6A CN201710348800A CN107036617A CN 107036617 A CN107036617 A CN 107036617A CN 201710348800 A CN201710348800 A CN 201710348800A CN 107036617 A CN107036617 A CN 107036617A
- Authority
- CN
- China
- Prior art keywords
- subway
- taxi
- route
- combined
- station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种出租车与地铁组合的出行路线规划方法及***,方法包括:接收用户设备发送的路线规划请求,路线规划请求包括:出发地、目的地;根据出发地和目的地获取所有的能够到达目的地的组合出行方式,每一种组合出行方式为采用出租车和地铁两种交通工具组合的方式;根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;将最优路线发送用户设备,用户能够方便的通过手机等智能设备获取本发明***发送的最优出行路线,达到优化出行路线、缩短出行时间、提高出行时间的可预测性的效果。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种出租车与地铁组合的出行路线规划方法及***。
背景技术
城市轨道交通因其速度高、容量大、时间准等优点,已成为很多市民出行的首选。但是作为一种骨架交通方式,城市轨道交通具有线网密度相对较低、地铁站的分布比较稀疏的特点,产生了“最后一公里”的问题,因此需要与其他交通方式有效衔接才能发挥其运输优势。然而乘坐地面公共交通工具至地铁站的出行时间的可控性较低,可能导致整体出行时间变长。所以对于出行时间要求较高的人群来说,缩短出行时间、提高出行时间的可预测性是迫切需要解决的问题。
现有的软件都是以公交+地铁的组合出行推荐为主,不适合对出行时间有较高要求的人群(例如赶时间去开会、赶时间去火车站、去机场等情况),现有的软件推荐的线路是几种可行方案的简单组合,缺少对以时间最优为目标的整体优化方案的支持。另外,现有技术还提供一种基于打车软件的出行方式的组合,比如:出租车、专车、快车、顺风车和大巴车等以乘客订单为主的单纯的打车优化,没有结合地铁等公共交通工具,组合方式单一,不能满足各类乘客的需求。
在缺乏大数据分析支撑的情况下,传统的公交+地铁和出租车+地铁的出行方式通常都会选择最近的地铁站作为地铁衔接点,但是去最近的地铁站不一定是使整套出行方案最省时的方式,例如,如果去最近的地铁站的路线发生拥堵,会使乘客不能尽快到达地铁站,或者最近的地铁站人流量过大,会使乘客不能按时乘上地铁,这都将导致整套出行方案的时间增加。同理,在离目的地最近的地铁站下车也不一定是最省时的方式。
发明内容
(一)要解决的技术问题
针对现有存在的技术问题,本发明提供一种出租车与地铁组合的出行路线规划方法及***,该方法提供一种地铁和出租车结合的组合出行路线,通过该方法可缩短用户的出行时间或费用,满足用户的出行需求。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案如下:
第一方面,本发明提供一种出租车与地铁组合的出行路线规划方法,包括:
接收用户设备发送的路线规划请求,所述路线规划请求包括:用户输入的出发地、目的地;
根据所述路线规划请求中的出发地,确定与出发地距离最近的出发地铁乘车站,根据所述路线规划请求中的目的地,确定与目的地距离最近的目的地铁乘车站;
根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,每一种组合出行方式均为至少采用出租车和地铁两种交通工具组合的方式,M、N均为大于等于1的参数;
根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;所述最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;
将最优路线发送用户设备。
可选地,获取所有的能够到达目的地的组合出行方式的步骤之后,采用出行路线优化模型确定所有组合出行方式中的最优路线之前,所述方法还包括:
判断每一种组合出行方式中每一个选坐出租车的起始点是否属于最佳打车区域;
若是,则根据每一个最佳打车区域内的预设时间段内的历史打车数据,确定每一个起始点对应的等待出租车的等待时间;
相应地,时间最短路线中包括该路线中每一个选坐出租车的起始点的等待时间。
可选地,若至少一种组合出行方式中除出发地之外的每一个选坐出租车的起始点均属于最佳打车区域,则所述方法还包括:
根据所述出发地,确定与出发地距离最近的最佳打车区域;
确定出发地至该最佳打车区域的通行时间;
相应地,时间最短路线中包括该路线中每一个选坐出租车的起始点的等待时间和所述通行时间。
可选地,所述通行时间为预先根据用户设备的历史数据确定的步行时间,或者通行时间为预先根据用户设备的历史数据确定的单车通行时间。
可选地,所述费用最少路线为:与时间最短路线的时间差值在预设范围内的费用最少的路线。
可选地,根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线,包括:
针对每一组合出行方式,若交通工具确定为出租车,则获取该出租车起始点、终止点之间的实时交通路况,根据实时交通路况预估出租车从起始点至终止点的通行时间,以及通行时间对应的费用;
若交通工具确定为地铁,则获取该地铁的起始点、终止点之间的通行时间及费用;
根据每一组合出行方式中每一出租车的通行时间、费用,地铁的通行时间、费用,所述出租车的等待时间和/或步行时间、单车通行时间,计算出该组合出行方式的时间及费用;
根据所有组合出行方式的时间及费用,采用出行路线优化模型确定所有组合出行方式中的最优路线。
可选地,若所述路线规划请求包括:时间最短需求信息,则发送用户设备的最优路线为时间最短路线;
若所述路线规划请求包括:费用最少需求信息,则发送用户设备的最优路线为费用最少路线。
可选地,最佳打车区域为预先根据预设时间段内的预设范围内承载客户的出租车的起始点和位置确定的热点区域。
可选地,所述方法还包括:
将最优路线之外的其他路线按照费用最少方式进行排序或按照时间最短方式进行排序;
将排序后的其他路线发送用户设备;
所述用户设备展示最优路线,以及展示其他路线。
可选地,所述根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,包括:
将所述N个地铁站中每一地铁站到达M个地铁站中每一个地铁站之间为乘坐地铁的交通工具;
将出发地到达N个地铁站中每一个地铁站之间为乘坐出租车的交通工具或步行或单车通行;
将M个地铁站中每一个地铁站到达目的地之间为乘坐出租车的交通工具或步行或单车通行。
第二方面,本发明还提供一种出租车与地铁组合的出行路线规划***,包括:用户设备,与用户设备通信的云平台;
其中,云平台包括:存储服务器、计算服务器;
所述存储服务器中存储有用户设备所属城市的交通数据、地图资源,以及还存储有通过多个用户设备的历史数据确定的最佳打车区域、每一最佳打车区域的等待时间、使用规划***的每一用户设备的通行数据;
所述计算服务器与所述存储服务器交互,并执行如下步骤:
接收用户设备发送的路线规划请求,所述路线规划请求包括:用户输出的出发地、目的地;
根据所述路线规划请求中的出发地,确定与出发地距离最近的出发地铁乘车站,根据所述路线规划请求中的目的地,确定与目的地距离最近的目的地铁乘车站;
根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,每一种组合出行方式为至少采用出租车和地铁两种交通工具组合的方式,M、N均为大于等于1的参数;
根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;所述最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;
将最优路线发送用户设备。
(三)有益效果
本发明提供的出租车与地铁组合的出行路线规划方法及***,可以在接收用户输入的出发地和目的地之后,根据当前出发地到目的地的地铁+出租车的任一组合方式计算时间最短或费用最少的最优路线,进而将确定的最优路线发送用户设备,以便用户设备展示该最优路线,使得用户可根据自己需求选择符合自己需求的路线出行,由此,可针对城市中长距离出行,发挥了地铁的作用,同时提高了出行的可预测性。
附图说明
图1为本发明***的组合出行方式的选择方法的流程示意图;
图2为本发明一实施例提供的最优路线的示意图;
图3为本发明的组合出行方式的规划***的结构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
如图1所示,图1示出了本发明一实施例提供的方法流程图,本实施例的方法的执行主体可为与用户设备通信连接的云平台。本实施例的方法可包括下述步骤:
101、接收用户设备发送的路线规划请求,所述路线规划请求包括:用户输入的出发地、目的地。
本实施例中,用户可通过用户设备如手机、PAD等展示的出行APP的界面输入出发地和目的地。进而用户设备将用户输入的出发地和目的地生成路线规划请求,将生成的路线规划请求发送云平台。
应说明的是,路线规划请求可包括用户设备的标识。
在其他实施例中,该路线规划请求还可包括费用最少需求信息,或者出行时间最短的需求信息等,本实施例仅为举例说明路线规划请求,不对该路线规划请求进行限定。
102、根据所述路线规划请求中的出发地,确定与出发地距离最近的出发地铁乘车站,根据所述路线规划请求中的目的地,确定与目的地距离最近的目的地铁乘车站。
本实施例提供的是出租车+地铁组合的出行方式,为此,需要根据出发地确定与出发地地理位置距离最近的出发地铁乘车站,与目的地地理位置距离最近的目的地铁乘车站。
103、根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式。
该步骤中,每一种组合出行方式均为至少采用出租车和地铁两种交通工具组合的方式,上述M、N均为大于等于1的参数即整数。。
本步骤中是获取所有可能的地铁+出租车的组合出行方式,例如,出发地采用出租车交通工具到达出发地铁乘车站,乘坐地铁到达目的地;
或者,出发地采用出租车交通工具到达中间地铁乘车站,乘坐地铁到达目的地;该中间地铁乘车站为出发地铁乘车站至目的地铁乘车站之间的任一地铁站。
优选地,将所述N个地铁站中每一地铁站到达M个地铁站中每一个地铁站之间为乘坐地铁的交通工具;
将出发地到达N个地铁站中每一个地铁站之间为乘坐出租车的交通工具或步行或单车通行;
将M个地铁站中每一个地铁站到达目的地之间为乘坐出租车的交通工具或步行或单车通行。
例如,N等于2、M等于2时,出行方式中乘坐地铁的出发站可包括:出发地铁乘车站、沿地铁运行方向的出发地乘车站的上一站、下一站;出行方式中乘坐地铁的目的站可包括:目的地铁乘车站、沿地铁运行方向的目的地铁乘车站的上一站、下一站。也就是说,在出发站的可选中、目的站的可选中任意搭配,但均是乘坐地铁到达。
进而出发地到出发站之间可选择出租车或步行或共享单车等、目的站到达目的地之间可选择出租车或步行或共享单车等。
上述到达目的地的组合出行方式可简化云平台的计算能力,提高运算效率。
104、根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;所述最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线。
在具体实现过程中,费用最少路线可为:与时间最短路线的时间差值在预设范围内的费用最少的路线。
105、将最优路线发送用户设备,以使用户设备向用户展示最优路线,如图2所示。
在实际应用中,若所述路线规划请求包括:时间最短需求信息,则发送用户设备的最优路线为时间最短路线;
若所述路线规划请求包括:费用最少需求信息,则发送用户设备的最优路线为费用最少路线。
本实施例中的最优路线可包括某一段路线的交通工具,及该交通工具的费用及预计时间等内容。
在实际应用中,上述步骤103可理解为从出发地乘坐出租车到最优的地铁站即地铁出发站。可通过获取出发地附近的N个地铁站(获取用户的位置,再计算该用户到N个地铁站的距离)、分析出发地所在区域的打车热点至地铁出发站的路线,进而计算出发地所在区域的打车热点至地铁出发站的时间,以及计算打车热点至地铁出发站的费用后给用户推荐最优的地铁站及出租车到最优的地铁站的行驶路线。
在实际应用中,可能存在从出发地去距离出发地最近的地铁站不一定是使整套出行方案最省时的方式,例如,如果去最近的地铁站的路线发生拥堵,会使乘客不能尽快到达地铁站,或者最近的地铁站人流量过大,会使乘客不能按时乘上地铁,为此,本发明实施例中采用与出发地铁乘车站关联的N个地铁站进行选择,进而计算获取最优的路线。
相应地,前述选择目的地的M个地铁站也是为更好的提供最优的路线。
进一步地,为较好的提升用户的使用体验,上述图1所示的方法还可包括下述的图中未示出的步骤106和步骤107:
106、将最优路线之外的其他路线按照费用最少方式进行排序或按照时间最短方式进行排序;
107、将排序后的其他路线发送用户设备,以使用户设备展示最优路线,以及展示其他路线。
本实施例中,上述方法可以在接收用户输入的出发地和目的地之后,根据当前出发地到目的地的地铁+出租车的任一组合方式计算时间最短或费用最少的最优路线,进而将确定的最优路线发送用户设备,以便用户设备展示该最优路线,使得用户可根据自己需求选择符合自己需求的路线出行,由此,可针对城市中长距离出行,发挥了地铁的作用,同时提高了出行的可预测性。
在一种可选的实现方式中,上述步骤103之后,步骤104之前,上述图1所示的方法还可包括下述的图中未示出的步骤103a:
103a、判断每一种组合出行方式中每一个选坐出租车的起始点是否属于最佳打车区域;若是,则根据每一个最佳打车区域内的预设时间段内的历史打车数据,确定每一个起始点对应的等待出租车的等待时间;
相应地,前述步骤104中计算每一个组合出行方式的出行时间时需要计算该出租车的等待时间,进而确定时间最短路线。
也就是说,时间最短路线中包括该路线中每一个选坐出租车的起始点的等待时间。
可理解的是,若至少一种组合出行方式中存在选坐出租车的起始点不属于最佳打车区域,此时,还需要计算从起始点到达最佳打车区域的通行时间,将该通行时间计算到所属的组合出行方式的总时间中。
此时,本实施例的方法的步骤可为:101-102-103-103a-104-105。
该步骤中提及的最佳打车区域可理解为预先根据预设时间段内的预设范围内承载客户的出租车的起始点和位置确定的热点区域。
特别说明的是,最优路线中推荐的打车区域或者是换乘出租车的区域均可为最佳打车区域,即云平台通过城市中出租车的停靠位置、接客位置等分析确定的最佳打车区域。
在另一种可选的实现方式中,上述步骤103之后,步骤104之前,上述图1所示的方法还可包括下述的图中未示出的步骤103b:若至少一种组合出行方式中除出发地之外的每一个选坐出租车的起始点均属于最佳打车区域,此时,
可根据所述出发地,确定与出发地距离最近的最佳打车区域;进而确定出发地至该与出发地距离最近的最佳打车区域的通行时间。
相应地,前述步骤104中计算每一个组合出行方式的出行时间时需要计算该出租车的等待时间和103b中的通行时间,进而确定时间最短路线。
需要说明的是,步骤103b中的通行时间可为预先根据用户设备的历史数据确定的步行时间,或者通行时间可为预先根据用户设备的历史数据确定的单车通行时间。
为更好的理解上述图1所示的方法,针对上述的步骤104,举例说明如下:
举例来说,步骤104可包括下述的图中未示出的子步骤:
1041、针对每一组合出行方式,若交通工具确定为出租车,则获取该出租车起始点、终止点之间的实时交通路况,根据实时交通路况预估出租车从起始点至终止点的通行时间,以及通行时间对应的费用;
1042、若交通工具确定为地铁,则获取该地铁的起始点、终止点之间的通行时间及费用;
1043、根据每一组合出行方式中每一出租车的通行时间、费用,地铁的通行时间、费用,所述出租车的等待时间和/或步行时间、单车通行时间,计算出该组合出行方式的时间及费用;
1044、根据所有组合出行方式的时间及费用,采用出行路线优化模型确定所有组合出行方式中的最优路线。
本实施例的出行路线优化模型可举例说明如下
出行路线的优化目标是使得出行的时间尽可能的短,并在时间尽可能短的条件下使得出行费用尽可能低的多目标优化问题,为了使出行路线为最优解,建立如下出行路线优化模型:
假设从打车点到每个候选地铁站的路线为n条,候选站为m个。xij为从打车点(即出租车起始点)到地铁上车站(即出租车终止点)的路线,i为路线起始点,j为地铁上车站起点;ykL为地铁上车站到地铁下车站的路线,k为地铁上车站,l为地铁下车站;zpq为地铁下车站到目的地的路线,p为地铁下车站,q为出行路线目的地。tij表示从地始点i到到达该段路线的终止点j所需的时间,cij表示从地始点i到达该段路线的终止点j所需的费用,以此类推tkl、tpq,ckl、cpq分别表示相应路段所需的时间和费用。
优化目标是根据用户的偏好来选择,比如当用户选择尽可能短的时间为偏好时则将时间作为最主要的优化目标,为了得出最优解集可以适当上调成本,比如增加20%以后所有可能的选择;以此类推当用户选择以节约出行成本为偏好时则将出行成本作为主要的优化目标,为了得出最优解集可以适当上调出行时间,比如增加20%以后所有可能的选择;所有的价格差以元为单位,所有的时间差以分钟为单位,将结果按时间+价格为标准量排序后推荐给用户。
本实施例中,云平台可预先分析出租车、地铁、人群及气象等相关数据,构建出租车密度区域即上述的最佳打车区域,并依据各个城市的出租车路线、时间及费用等计算每一城市出租车的费用,同时从时间最优且相对费用成本较低的角度出发,实现从出发地至目的地的出租车+地铁整体组合出行优化路线推荐方式,使得用户能够方便的通过手机等智能用户设备获取推荐的出行最优路线,以达到优化出行路线、缩短出行时间、提高出行时间的可预测性。
另外,本发明实施例还提供一种出租车与地铁组合的出行路线规划***,该***可包括:用户设备,与用户设备通信的云平台,如图3所示;
其中,云平台包括:存储服务器、计算服务器;
所述存储服务器中存储有用户设备所属城市的交通数据、地图资源,以及还存储有通过多个用户设备的历史数据确定的最佳打车区域、每一最佳打车区域的等待时间、使用规划***的每一用户设备的通行数据;
所述计算服务器与所述存储服务器交互,并执行如下步骤:
接收用户设备发送的路线规划请求,所述路线规划请求包括:用户输出的出发地、目的地;
根据所述路线规划请求中的出发地,确定与出发地距离最近的出发地铁乘车站,根据所述路线规划请求中的目的地,确定与目的地距离最近的目的地铁乘车站;
根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,每一种组合出行方式均为至少采用出租车和地铁两种交通工具组合的方式,M、N均为大于等于1的参数;
根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;所述最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;
将最优路线发送用户设备,以使用户设备向用户展示最优路线。
也就是说,本实施例中用户通过用户设备将所需路线的出发地和目的地信息输入到用户设备展示的APP中。用户设备将信息通过无线网络发送到出租-地铁推荐***即组合出行方式的规划***的云平台进行路线规划。
云平台中的计算服务器可根据接收到的出发地和目的地信息结合存储服务器中的城市、交通和地图数据进行分析和路线规划,并按照用户所选择的路线偏好分类及排序,将最优路线的结果返回到用户设备如手机,每一种路线的规划都包括推荐最佳打车位置、推荐乘坐出租车到最优的地铁上车站的行车路线或步行到最优的地铁上车站的路线(出发地离地铁站很近)、推荐地铁到达站、推荐地铁到达站至目的地的出租车路线或地铁到达站至目的地的步行路线(目的地离下车地铁站很近)等内容。
在实际应用中,云平台可返回至少两种的推荐路线,该用户设备可以将云平台返回的推荐路线以地图结合路线信息的形式进行显示,并将各分段路线的起止点位置、换乘车站、预计距离、时间、费用等详细信息展现给用户,如图2所示。
在图2中示出的是出租车+地铁组合出行推荐模式示意图,其中,
①最佳打车位置推荐②乘坐出租车到最优的地铁站③地铁到达站推荐④地铁到达站至目的地的出租车路线推荐。
本实施例的组合出行方式的规划***可以为任意城市内中长距离出行推荐最合适的组合出行方式,该组合出行方式为地铁+出租车的出行方式,实现充分发挥地铁的作用,可以有效缓解交通拥堵;同时体现了基于大数据的智能交通对出行的协助作用。
另外,上述的规划***还可以提供出行路线推荐服务接口,供各种各样的***调用,增强现有***的功能。
以上结合具体实施例描述了本发明的技术原理,这些描述只是为了解释本发明的原理,不能以任何方式解释为对本发明保护范围的限制。基于此处解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (10)
1.一种出租车与地铁组合的出行路线规划方法,其特征在于,包括:
接收用户设备发送的路线规划请求,所述路线规划请求包括:用户输入的出发地、目的地;
根据所述路线规划请求中的出发地,确定与出发地距离最近的出发地铁乘车站,根据所述路线规划请求中的目的地,确定与目的地距离最近的目的地铁乘车站;
根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,每一种组合出行方式均为至少采用出租车和地铁两种交通工具组合的方式,M、N均为大于等于1的参数;
根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;所述最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;
将最优路线发送用户设备,以使用户设备向用户展示最优路线。
2.根据权利要求1所述的方法,其特征在于,获取所有的能够到达目的地的组合出行方式的步骤之后,采用出行路线优化模型确定所有组合出行方式中的最优路线之前,所述方法还包括:
判断每一种组合出行方式中每一个选坐出租车的起始点是否属于最佳打车区域;
若是,则根据每一个最佳打车区域内的预设时间段内的历史打车数据,确定每一个起始点对应的等待出租车的等待时间;
相应地,时间最短路线中包括该路线中每一个选坐出租车的起始点的等待时间。
3.根据权利要求2所述的方法,其特征在于,若至少一种组合出行方式中除出发地之外的每一个选坐出租车的起始点均属于最佳打车区域,则所述方法还包括:
根据所述出发地,确定与出发地距离最近的最佳打车区域;
确定出发地至该与出发地距离最近的最佳打车区域的通行时间;
相应地,时间最短路线中包括该路线中每一个选坐出租车的起始点的等待时间和所述通行时间。
4.根据权利要求3所述的方法,其特征在于,所述通行时间为预先根据用户设备的历史数据确定的步行时间,或者通行时间为预先根据用户设备的历史数据确定的单车通行时间。
5.根据权利要求1所述的方法,其特征在于,所述费用最少路线为:与时间最短路线的时间差值在预设范围内的费用最少的路线。
6.根据权利要求4所述的方法,其特征在于,根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线,包括:
针对每一组合出行方式,若交通工具确定为出租车,则获取该出租车起始点、终止点之间的实时交通路况,根据实时交通路况预估出租车从起始点至终止点的通行时间,以及通行时间对应的费用;
若交通工具确定为地铁,则获取该地铁的起始点、终止点之间的通行时间及费用;
根据每一组合出行方式中每一出租车的通行时间、费用,地铁的通行时间、费用,所述出租车的等待时间和/或步行时间、单车通行时间,计算出该组合出行方式的时间及费用;
根据所有组合出行方式的时间及费用,采用出行路线优化模型确定所有组合出行方式中的最优路线。
7.根据权利要求1所述的方法,其特征在于,若所述路线规划请求包括:时间最短需求信息,则发送用户设备的最优路线为时间最短路线;
若所述路线规划请求包括:费用最少需求信息,则发送用户设备的最优路线为费用最少路线;
和/或,
所述方法还包括:
将最优路线之外的其他路线按照费用最少方式进行排序或按照时间最短方式进行排序;
将排序后的其他路线发送用户设备;
所述用户设备展示最优路线,以及展示其他路线。
8.根据权利要求2或3所述的方法,其特征在于,最佳打车区域为预先根据预设时间段内的预设范围内承载客户的出租车的起始点和位置确定的热点区域。
9.根据权利要求1所述的方法,其特征在于,所述根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,包括:
将所述N个地铁站中每一地铁站到达M个地铁站中每一个地铁站之间为乘坐地铁的交通工具;
将出发地到达N个地铁站中每一个地铁站之间为乘坐出租车的交通工具或步行或单车通行;
将M个地铁站中每一个地铁站到达目的地之间为乘坐出租车的交通工具或步行或单车通行。
10.一种出租车与地铁组合的出行路线规划***,其特征在于,包括:用户设备,与用户设备通信的云平台;
其中,云平台包括:存储服务器、计算服务器;
所述存储服务器中存储有用户设备所属城市的交通数据、地图资源,以及还存储有通过多个用户设备的历史数据确定的最佳打车区域、每一最佳打车区域的等待时间、使用规划***的每一用户设备的通行数据;
所述计算服务器与所述存储服务器交互,并执行如下步骤:
接收用户设备发送的路线规划请求,所述路线规划请求包括:用户输出的出发地、目的地;
根据所述路线规划请求中的出发地,确定与出发地距离最近的出发地铁乘车站,根据所述路线规划请求中的目的地,确定与目的地距离最近的目的地铁乘车站;
根据所述出发地、出发地铁乘车站、目的地、目的地铁乘车站、与出发地铁乘车站关联的N个地铁站、与目的地铁乘车站关联的M个地铁站,获取所有的能够到达目的地的组合出行方式,每一种组合出行方式为至少采用出租车和地铁两种交通工具组合的方式,M、N均为大于等于1的参数;
根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;所述最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;
将最优路线发送用户设备,以使用户设备向用户展示最优路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710348800.6A CN107036617B (zh) | 2017-05-17 | 2017-05-17 | 一种出租车与地铁组合的出行路线规划方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710348800.6A CN107036617B (zh) | 2017-05-17 | 2017-05-17 | 一种出租车与地铁组合的出行路线规划方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107036617A true CN107036617A (zh) | 2017-08-11 |
CN107036617B CN107036617B (zh) | 2020-04-14 |
Family
ID=59537614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710348800.6A Expired - Fee Related CN107036617B (zh) | 2017-05-17 | 2017-05-17 | 一种出租车与地铁组合的出行路线规划方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107036617B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766987A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术(上海)有限公司 | 航班动态延误信息推送方法、***、存储介质和电子设备 |
CN107886189A (zh) * | 2017-10-19 | 2018-04-06 | 东南大学 | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 |
CN107977723A (zh) * | 2017-12-29 | 2018-05-01 | 深圳市智搜信息技术有限公司 | 一种基于人工智能的城际交通出行的调度方法及*** |
CN108122052A (zh) * | 2017-12-19 | 2018-06-05 | 携程旅游网络技术(上海)有限公司 | 航班延误信息的推送方法、***、存储介质和电子设备 |
CN108332765A (zh) * | 2018-01-18 | 2018-07-27 | 维沃移动通信有限公司 | 拼车出行路线生成方法及装置 |
CN108827332A (zh) * | 2018-06-29 | 2018-11-16 | 爱驰汽车有限公司 | 驾车与地铁的路径组合规划方法、***、设备及存储介质 |
WO2018219337A1 (en) * | 2017-06-01 | 2018-12-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for route planning |
CN109034451A (zh) * | 2018-06-15 | 2018-12-18 | 杭州后博科技有限公司 | 一种基于费用的组合交通方案推荐方法及*** |
CN109598372A (zh) * | 2018-11-21 | 2019-04-09 | 山东师范大学 | 基于绿色共享交通的出行方案规划方法和共享交通*** |
CN110608749A (zh) * | 2019-09-06 | 2019-12-24 | 中国安全生产科学研究院 | 路径的确定方法、装置及存储介质 |
CN110705800A (zh) * | 2019-10-10 | 2020-01-17 | 北京百度网讯科技有限公司 | 混合出行路线确定方法、装置、设备及存储介质 |
CN111089599A (zh) * | 2018-10-24 | 2020-05-01 | 北京嘀嘀无限科技发展有限公司 | 一种路线规划方法及装置 |
CN111121802A (zh) * | 2018-10-30 | 2020-05-08 | 丰田自动车株式会社 | 路线搜索装置、路线搜索方法以及存储有路线搜索程序的非瞬时性存储介质 |
CN111340673A (zh) * | 2020-01-09 | 2020-06-26 | 北京航空航天大学 | 一种基于空铁耦合网络的出行耗时计算方法 |
CN113160597A (zh) * | 2021-03-23 | 2021-07-23 | 广州宸祺出行科技有限公司 | 一种拥塞路段优化下车点的推送方法及装置 |
CN113340320A (zh) * | 2021-08-09 | 2021-09-03 | 江西鹭鹭行科技有限公司 | 结合地铁和出租车出行的路线规划方法及*** |
CN113536112A (zh) * | 2021-06-11 | 2021-10-22 | 五邑大学 | 一种乘客接驳预测方法、装置及存储介质 |
CN113837455A (zh) * | 2021-09-09 | 2021-12-24 | 北京百度网讯科技有限公司 | 打车方法、装置、电子设备和可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587650A (zh) * | 2009-07-10 | 2009-11-25 | 叶松 | Gps公交车换乘导航方法及其*** |
CN101634570A (zh) * | 2009-07-31 | 2010-01-27 | 深圳市凯立德计算机***技术有限公司 | 一种gps导航***及其使用的导航方法 |
CN101769749A (zh) * | 2010-02-01 | 2010-07-07 | 深圳市凯立德计算机***技术有限公司 | 导航方法及设备 |
US8639439B2 (en) * | 2010-03-26 | 2014-01-28 | Hon Hai Precision Industry Co., Ltd. | Electronic device and transportion information management method utilized thereby |
CN104864879A (zh) * | 2014-02-25 | 2015-08-26 | 高德软件有限公司 | 导航路径规划方法及装置 |
-
2017
- 2017-05-17 CN CN201710348800.6A patent/CN107036617B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587650A (zh) * | 2009-07-10 | 2009-11-25 | 叶松 | Gps公交车换乘导航方法及其*** |
CN101634570A (zh) * | 2009-07-31 | 2010-01-27 | 深圳市凯立德计算机***技术有限公司 | 一种gps导航***及其使用的导航方法 |
CN101769749A (zh) * | 2010-02-01 | 2010-07-07 | 深圳市凯立德计算机***技术有限公司 | 导航方法及设备 |
US8639439B2 (en) * | 2010-03-26 | 2014-01-28 | Hon Hai Precision Industry Co., Ltd. | Electronic device and transportion information management method utilized thereby |
CN104864879A (zh) * | 2014-02-25 | 2015-08-26 | 高德软件有限公司 | 导航路径规划方法及装置 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018219337A1 (en) * | 2017-06-01 | 2018-12-06 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for route planning |
CN107886189B (zh) * | 2017-10-19 | 2021-06-15 | 东南大学 | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 |
CN107886189A (zh) * | 2017-10-19 | 2018-04-06 | 东南大学 | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 |
CN107766987A (zh) * | 2017-10-27 | 2018-03-06 | 携程旅游网络技术(上海)有限公司 | 航班动态延误信息推送方法、***、存储介质和电子设备 |
CN108122052A (zh) * | 2017-12-19 | 2018-06-05 | 携程旅游网络技术(上海)有限公司 | 航班延误信息的推送方法、***、存储介质和电子设备 |
CN107977723A (zh) * | 2017-12-29 | 2018-05-01 | 深圳市智搜信息技术有限公司 | 一种基于人工智能的城际交通出行的调度方法及*** |
CN108332765A (zh) * | 2018-01-18 | 2018-07-27 | 维沃移动通信有限公司 | 拼车出行路线生成方法及装置 |
CN109034451A (zh) * | 2018-06-15 | 2018-12-18 | 杭州后博科技有限公司 | 一种基于费用的组合交通方案推荐方法及*** |
CN108827332A (zh) * | 2018-06-29 | 2018-11-16 | 爱驰汽车有限公司 | 驾车与地铁的路径组合规划方法、***、设备及存储介质 |
CN111089599A (zh) * | 2018-10-24 | 2020-05-01 | 北京嘀嘀无限科技发展有限公司 | 一种路线规划方法及装置 |
CN111121802A (zh) * | 2018-10-30 | 2020-05-08 | 丰田自动车株式会社 | 路线搜索装置、路线搜索方法以及存储有路线搜索程序的非瞬时性存储介质 |
CN109598372A (zh) * | 2018-11-21 | 2019-04-09 | 山东师范大学 | 基于绿色共享交通的出行方案规划方法和共享交通*** |
CN110608749A (zh) * | 2019-09-06 | 2019-12-24 | 中国安全生产科学研究院 | 路径的确定方法、装置及存储介质 |
CN110608749B (zh) * | 2019-09-06 | 2022-04-22 | 中国安全生产科学研究院 | 路径的确定方法、装置及存储介质 |
CN110705800A (zh) * | 2019-10-10 | 2020-01-17 | 北京百度网讯科技有限公司 | 混合出行路线确定方法、装置、设备及存储介质 |
US20210108931A1 (en) * | 2019-10-10 | 2021-04-15 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for determining hybrid travel route, device and storage medium |
CN110705800B (zh) * | 2019-10-10 | 2022-06-10 | 北京百度网讯科技有限公司 | 混合出行路线确定方法、装置、设备及存储介质 |
CN111340673A (zh) * | 2020-01-09 | 2020-06-26 | 北京航空航天大学 | 一种基于空铁耦合网络的出行耗时计算方法 |
CN113160597A (zh) * | 2021-03-23 | 2021-07-23 | 广州宸祺出行科技有限公司 | 一种拥塞路段优化下车点的推送方法及装置 |
CN113536112A (zh) * | 2021-06-11 | 2021-10-22 | 五邑大学 | 一种乘客接驳预测方法、装置及存储介质 |
CN113340320A (zh) * | 2021-08-09 | 2021-09-03 | 江西鹭鹭行科技有限公司 | 结合地铁和出租车出行的路线规划方法及*** |
CN113837455A (zh) * | 2021-09-09 | 2021-12-24 | 北京百度网讯科技有限公司 | 打车方法、装置、电子设备和可读存储介质 |
CN113837455B (zh) * | 2021-09-09 | 2023-08-15 | 北京百度网讯科技有限公司 | 打车方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107036617B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107036617A (zh) | 一种出租车与地铁组合的出行路线规划方法及*** | |
US20220246044A1 (en) | Determining VTOL Departure Time in an Aviation Transport Network for Efficient Resource Management | |
CN105070037B (zh) | 一种综合管理播报的公共交通信息平台及运行控制方法 | |
Cats et al. | Effect of real-time transit information on dynamic path choice of passengers | |
CN107101643B (zh) | 一种拼车匹配方法 | |
CN105279955B (zh) | 一种拼车方法及设备 | |
CN109598372A (zh) | 基于绿色共享交通的出行方案规划方法和共享交通*** | |
Qiu et al. | Demi-flexible operating policies to promote the performance of public transit in low-demand areas | |
CN104864879A (zh) | 导航路径规划方法及装置 | |
CN107545320A (zh) | 一种基于图论的城市轨道交通乘客路径规划方法及*** | |
CN108151756A (zh) | 一种城市公共交通***的行程时间计算方法和装置 | |
CN109612488B (zh) | 基于大数据微服务的混合出行方式路径规划***及方法 | |
CN104881710A (zh) | 一种基于车辆自组网的城市快递配送方法 | |
Yu et al. | Demand-responsive transit circulator service network design | |
CN108106622A (zh) | 一种乘车路线规划方法及*** | |
CN107194128A (zh) | 基于中心辐射型网络框架的多模式公共交通网络设计方法 | |
CN111144618A (zh) | 一种基于两阶段优化模型的需求响应型定制公交网络规划方法 | |
CN112561249B (zh) | 面向实时需求的城市定制公交调度方法 | |
CN108734950A (zh) | 拼车方法及装置、网络约车方法及装置 | |
Jung et al. | High-coverage point-to-point transit: study of path-based vehicle routing through multiple hubs | |
Cats et al. | Effect of real-time transit information on dynamic passenger path choice | |
Wei et al. | Optimal integrated model for feeder transit route design and frequency‐setting problem with stop selection | |
Hosapujari et al. | Development of a hub and spoke model for bus transit route network design | |
CN107063279A (zh) | 一种道路交通网络复合式诱导路线生成装置及路线生成方法 | |
Calabrò et al. | Comparing the performance of demand responsive and schedule-based feeder services of mass rapid transit: an agent-based simulation approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200414 |