CN110986991B - 同出发点车辆共乘方法 - Google Patents

Abstract

本发明公开了一种同出发点车辆共乘方法，首先，对空间路网进行预处理，建立网格空间索引GSI，然后，预计算出司机个人的最优行驶路径，以及最优行驶路径的长度，并将司机依照最优行驶路径的长度降序排列，接着采用三级匹配策略匹配司机与乘客，同时利用优先级策略处理冲突乘客，并通过将司机的网格区域拓展对乘客进行增补。该同出发点车辆共乘方法可为具有共同出发点的司机与乘客快速提供最优的匹配方案，使总体行驶代价最小化。

Description

同出发点车辆共乘方法

技术领域

本发明属于乘车共享技术领域，特别提供了一种同出发点车辆共乘方法，旨在为在具有共同出发点的司机与乘客规划最优匹配方案，使得全局总行驶代价最小。

背景技术

随市民经济生活水平的提高，通勤者的私有车保有量与日俱增，导致交通境况日趋恶劣。在购车、养车成本居高不下的情况下，大公司内部以及其员工对共享乘车服务的需求量激增，越来越多的人开始关注并接受拼车出行方式。拼车出行不仅能减少出行成本，还能缓解交通压力，提高了运输效率，而且降低了能源消耗，是解决城市交通问题的有效解决方案。如今，乘车共享由于其低成本和强灵活性的特点，成为越来越多的上班族首选的出行方式。但其发展仍存在着诸多瓶颈：(1)基于位置的服务蓬勃发展，我们亲眼见证了大数据时代的到来。在大规模数据中，如何能及时的为每一位用户提供令人满意的拼车服务质量(QoS)，已经成为一个重要挑战。(2)司机在接收乘客请求后，因不熟悉乘客位置信息会耽误行程时间，导致司机以后会选择自己熟悉的愿意搭载的乘客，打消了顺风车司机的积极性。(3)有些单位或者住宅内部区域很大，通勤者离车站的距离很远，传统的拼车方式并不能解决乘客“最后一公里”的问题。因此，如何能有充分利用私人车这一庞大的资源来缓解交通压力，解决网络拼车的安全隐患，提升拼车效率与旅程的舒适度，已经成为当前乘车共享领域的热点研究问题。

乘车共享现有的主要研究工作主要分为两部分：(1)拼车匹配方案；(2)全局最优化。目前，用于解决拼车匹配方案的研究有很多，例如T-share，RSTR，SHAREK等的设计，主要目的是帮助乘客找到最佳的出租车，普遍采用的方式是通过剪枝技术缩小满足约束条件的候选集，加快乘客与司机间的快速匹配，但是这些研究工作仅适用于出租车拼车场景。

本领域技术人员重未考虑过如下共乘方式：司机与乘客有共同出发点，并且司机具有自己的目的地的，如何将司机与乘客进行匹配，以减少司机为乘客服务时的绕行距离，并减少乘客独自出行的可能性，通过最小化司机与未匹配乘客的总体行驶代价，来有效解决同出发点的车辆共乘问题。

发明内容

鉴于此，本发明的目的在于提供一种同出发点车辆共乘方法，以解决现有乘车共享方式存在的问题。

本发明提供的技术方案是：一种同出发点车辆共乘方法，包括如下步骤：

S1：对空间路网进行预处理，建立网格空间索引GSI：采用网格分割策略将空间路网划分为N*N个等规格的网格，为每个网格定义唯一的标识符网格号，记录并存储网格中具有的查询节点，所述查询节点包括司机目的地点、乘客目的地点；

S2：预计算出司机个人的最优行驶路径，以及最优行驶路径的长度，并将司机依照最优行驶路径的长度降序排列，将该顺序定义为sort_v；

S3：依sort_v序列将目的地与司机目的地位于同一网格中的乘客加入对应司机的乘客候选集中并按照乘客目的地点与出发点间的欧氏距离降序排列，定义该排序为sort_candiv；

S4：将目的地位于司机最优行驶路径上的乘客加入司机的乘客候选集中并按照乘客目的地点与出发点间的欧氏距离降序排列，更新sort_candiv，之后，将目的地位于司机最优行驶路径经过的网格中的乘客加入乘客候选集并将乘客按照乘客目的地点与出发点间的欧氏距离降序排列，更新sort_candiv；

S5：确定各个乘客候选集是否存在交集，若存在，则执行S6，若不存在，且乘客候选集中乘客的个数≤该车辆的最大载客量，则执行步骤S7，若不存在且乘客候选集中乘客的个数＞该车辆的最大载客量，则按照车辆的最大载客量选择sort_candiv中前n项，并执行S7，其中，n等于车辆的最大载客量；

S6：依照三级优先级处理策略对冲突乘客进行处理，为其选择司机并更新乘客候选集，之后，将乘客候选集中的乘客按照乘客目的地点与出发点间的欧氏距离降序排列，更新sort_candiv，其中，所述三级优先级处理策略如下：

(1)最高优先级：为冲突乘客选择目的地点与其目的地点位于同一网格内的司机；

(2)次级优先级：为冲突乘客选择最优行驶路径经过其目的地点的司机；

(3)末级优先级：为冲突乘客选择最优行驶路径所经过的网格包含其目的地点所在网格的司机；

之后，确定乘客候选集中乘客的个数是否≤该车辆的最大载客量，若是，执行S7，否则，按照车辆的最大载客量选择sort_candiv中前n项，并执行S7，其中，n等于车辆的最大载客量；

S7：乘客增补：更新当前的司机与乘客集合，将司机的网格区域拓展并重新分配剩余的乘客；

S8：利用1NN近邻查询技术，确定每辆车送达乘客顺序。

优选，S2中，司机个人的最优行驶路径基于坐标系定向的双向最短路径查询方法计算，包括如下步骤：

S21：确定出发点S与目标点D所在网格G_s与G_d，之后，分别以G_s与G_d为中心创建直角坐标系并将G_d所在象限中的网格定义为目标查询网格TQG；

S22：从G_s与G_d两端同时发起最短路径查询，直至出发点S与目标点D位于同一网格，之后，采用直接启发式方法查询最短路径，最终得到司机个人的最优行驶路径，其中，从出发点S向目标点D进行最短路径查询的方法如下：

计算出发点S到网格G_s的所有边界点的最短路径长度，并将其存入队列Pathlis1t中，之后，从Pathlist1中路径长度最小的节点继续拓展，若该节点的下一个拓展的节点所处的网格属于目标查询网格TGQ，则将其***Pathlist1，若不属于目标查询网格TGQ且其拓展代价大于Pathlist1中下一个待拓展节点的拓展代价，则不对其拓展；

从目标点D向出发点S进行最短路径查询的方法如下：

计算目标点D到网格G_d的所有边界点的最短路径长度，并将其存入队列Pathlist2中，之后，从Pathlist2中路径长度最小的节点继续拓展，若该节点的下一个拓展的节点所处的网格属于目标查询网格TGQ，则将其***Pathlist2，若不属于目标查询网格TGQ且其拓展代价大于Pathlist2中下一个待拓展节点的拓展代价，则不对其拓展。

进一步优选，S7中，更新当前的司机与乘客集合，将司机的网格区域拓展的方法如下：更新司机集合，将已经满载的司机从司机集合中删除，并更新sort_v；更新乘客集合，计算乘客目的地点与出发点间的欧氏距离D_E，并将剩余乘客依照D_E降序排列，定义序列为sort_p；之后，进行司机的网格区域拓展，并记录每个司机所属网格的网格号。

进一步优选，司机的网格区域拓展方法如下：

若司机目的地点所属网格与出发点所属网格位于不同行不同列，则拓展以司机目的地点所属网格的行列数与出发点所属网格的行列数为边界的中间方形区域；

若司机目的地点所属网格与出发点所属网格位于同行，则拓展该行的两个邻居行区域；同理，若位于同列，则拓展该列的邻居列区域。

进一步优选，S7中，重新分配剩余乘客的方法如下：依照剩余乘客的降序序列sort_p依次分配乘客，首先，确定乘客目的地点所属网格的网格号及该网格对应的司机，并将其加入对应的司机的乘客候选集，若乘客目的地点所属网格的网格号对应多个司机，则计算乘客目的地点与司机目的地点间的欧氏距离，就近搭乘，并更新最终匹配方案。

进一步优选，同出发点车辆共乘方法还包括S9：使用基于坐标系定向的双向最短路径查询技术计算总行驶距离

其中，D_min为总行驶距离，

为所有车辆的行驶距离，∑spath_p为乘客集合中未被搭载的乘客独自前往目的地行驶的距离。

本发明提供的同出发点车辆共乘方法，可为具有共同出发点的司机与乘客快速提供最优的匹配方案，使总体行驶代价最小化。

附图说明

下面结合附图及实施方式对本发明作进一步详细的说明：

图1为本发明提供的同出发点车辆共乘方法的流程图；

图2为基于坐标系定向的双向最短路径查询示意图；

图3为空间路网图，该空间路网图是由集合N，E，W构成的无向图，记为G＝(N,E,W)，其中，N＝{n₁,n₂,…,n_n}，是节点的有限集合；E＝{e＝(n_i,n_j)|n_i,n_j∈N,i≠j}，是连接N中两个不同节点的边的有限集合；W＝{w(n_i,n_j)|(n_i,n_j)∈E}，表示空间路网每条边的权值，即实际路段长度，点S代表共同出发点，v代表司机，p代表乘客。

具体实施方式

为了使本发明的目的、技术方案及优点更加清晰，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提供了一种同出发点车辆共乘方法，包括如下步骤：

S1：对空间路网进行预处理，建立网格空间索引GSI：采用网格分割策略将空间路网划分为N*N个等规格的网格，为每个网格定义唯一的标识符网格号(GID)，记录并存储网格中具有的查询节点，即：司机目的地点Dest(v)、乘客目的地点Dest(p)，如图3所示，将空间路网划分成网格G₁,G₂,…,G₉，记录每个网格中存储的节点，G₁(v₁,p₁)，G₂(p₅)，G₃(v₂,p₆)，G₄(p₂)，G₅(S,p₃)，G₆(p₇)，G₈(v₃,p₄)；

S2：预计算出司机个人的最优行驶路径spath_v，以及最优行驶路径spath_v的长度sd(spath_v)，并将司机依照最优行驶路径spath_v的长度sd(spath_v)降序排列，将该顺序定义为sort_v，如图3所示的实施例中，sort_v＝(v₁,v₂,v₃)；

优选，S2中，司机个人的最优行驶路径基于坐标系定向的双向最短路径查询方法计算，包括如下步骤：(查询示意图如图2所示)

S21：确定出发点S与目标点D所在网格G_s与G_d，之后，分别以G_s与G_d为中心创建直角坐标系并将G_d所在象限中的网格定义为目标查询网格TQG；

S22：从G_s与G_d两端同时发起最短路径查询，直至出发点S与目标点D位于同一网格，之后，采用直接启发式方法查询最短路径，最终得到司机个人的最优行驶路径，其中，从出发点S向目标点D进行最短路径查询的方法如下：

计算出发点S到网格G_s的所有边界点的最短路径长度，并将其存入队列Pathlis1t中，之后，从Pathlist1中路径长度最小的节点继续拓展，若该节点的下一个拓展的节点所处的网格属于目标查询网格TGQ，则将其***Pathlist1，若不属于目标查询网格TGQ且其拓展代价大于Pathlist1中下一个待拓展节点的拓展代价，则不对其拓展；

从目标点D向出发点S进行最短路径查询的方法如下：

计算目标点D到网格G_d的所有边界点的最短路径长度，并将其存入队列Pathlist2中，之后，从Pathlist2中路径长度最小的节点继续拓展，若该节点的下一个拓展的节点所处的网格属于目标查询网格TGQ，则将其***Pathlist2，若不属于目标查询网格TGQ且其拓展代价大于Pathlist2中下一个待拓展节点的拓展代价，则不对其拓展。

该最短路径查询方法基于坐标系定向后，使拓展方式不再是发散式，而是进行了方向判断。如果待拓展的网格是TQG中的网格，则进行拓展，若不在TQG中且拓展代价大于拓展TQG中的网格，则不拓展。该基于坐标系定向的最短路径查询可以减少节点的拓展量，使得路径查询的拓展方向趋近于目标点，同时减少不必要的拓展网格，提升路径查询效率。

S3：依sort_v序列将目的地与司机目的地位于同一网格中的乘客加入对应司机的乘客候选集中并按照乘客目的地点Dest(p)与出发点S点间的欧氏距离D_E降序排列：确定司机目的地点Dest(v)所在网格GID，之后，调用网格空间索引GSI，获得司机目的地点Dest(v)所在网格GID中存储的乘客目的地点Dest(p)，并将这些乘客加入对应司机的乘客候选集candi_v，之后，分别对每个司机的乘客候选集candi_v中的乘客按照乘客目的地点Dest(p)与出发点S点间的欧氏距离D_E降序排列，定义该排序为sort_candiv；

如图3所示的实施例中，G₁(p₁)，G₃(p₆)，G₈(p₄)，因此，sort_candiv1＝{p₁}，sort_candiv2＝{p₆}，sort_candiv3＝{p₄}，则当前匹配结果如表1所示。

表1：基于司机目的地网格匹配的结果

司机ID<sub>v</sub>	乘客候选集candi<sub>v</sub>
		v<sub>1</sub>	p<sub>1</sub>
v<sub>2</sub>	p<sub>6</sub>
		v<sub>3</sub>	p<sub>4</sub>

S4：将目的地位于司机最优行驶路径上的乘客加入司机的乘客候选集中并按照乘客目的地点Dest(p)与出发点S点间的欧氏距离D_E降序排列，更新sort_candiv：查询最优行使路径spath_v上的乘客目的地点Dest(p)，并将其加入对应的candi_v；之后，将目的地位于司机最优行驶路径经过的网格中的乘客加入乘客候选集并将乘客按照乘客目的地点Dest(p)与出发点S点间的欧氏距离D_E降序排列，更新sort_candiv：确定最优行使路径spath_v经过的网格GID，查询网格空间索引GSI，获得其中的乘客目的地点Dest(p)，将这些乘客加入该司机的乘客候选集candi_v并更新sort_candiv；

如图3所示的实施例中，spath_v1：S→p₂→p₁→v₁，spath_v2：S→p₅→p₆→v₂，spath_v3：S→p₃→v₃。

spath_v1经过的网格：G₅，G₄，G₁；spath_v2经过的网格：G₅，G₂，G₃；spath_v3经过的网格：G₅，G₈，因此，sort_candiv1＝{p₁,p₂,p₃}，sort_candiv2＝{p₆,p₅,p₃}，sort_candiv3＝{p₄,p₃}，则当前的匹配结果如表2所示。

表2：基于最优行驶路径和经过网格匹配的结果

司机ID<sub>v</sub>	乘客候选集candi<sub>v</sub>
		v<sub>1</sub>	p<sub>1</sub>，p<sub>2</sub>，p<sub>3</sub>
v<sub>2</sub>	p<sub>6</sub>，p<sub>5</sub>，p<sub>3</sub>
		v<sub>3</sub>	p<sub>4</sub>，p<sub>3</sub>

S5：确定各个乘客候选集candi_v是否存在交集，若存在，则执行S6，若不存在，且乘客候选集中乘客的个数count_v≤该车辆的最大载客量，则执行步骤S7，若不存在且乘客候选集中乘客的个数count_v＞该车辆的最大载客量，则按照车辆的最大载客量选择sort_candiv中前n项，并执行S7，其中，n等于车辆的最大载客量；

如图3所示的实施例中，由表2可知，乘客p₃同时被v₁，v₂，v₃搭载，执行则执行S6；

S6：依照三级优先级处理策略对冲突乘客进行处理，为其选择司机并更新乘客候选集，之后，将乘客候选集中的乘客按照乘客目的地点Dest(p)与出发点S点间的欧氏距离D_E降序排列，更新sort_candiv，其中，所述三级优先级处理策略如下：

(1)最高优先级：为冲突乘客选择目的地点Dest(v)与其目的地点Dest(p)位于同一网格内的司机；

(2)次级优先级：为冲突乘客选择最优行驶路径spath_v经过其目的地点Dest(p)的司机；

(3)末级优先级：为冲突乘客选择最优行驶路径spath_v所经过的网格包含其目的地点Dest(p)所在网格的司机；

如图3所示的实施例，p₃位于司机v₃的spath_v3上，优先级最高，所以将p₃从v₁，v₂的candi_v中删除，因此，sort_candiv1＝{p₁,p₂}，sort_candiv2＝{p₆,p₅}，sort_candiv3＝{p₄,p₃}则当前匹配结果如表3所示。

表3：冲突乘客处理后的结果

司机ID<sub>v</sub>	乘客候选集candi<sub>v</sub>
		v<sub>1</sub>	p<sub>1</sub>，p<sub>2</sub>
v<sub>2</sub>	p<sub>6</sub>，p<sub>5</sub>
		v<sub>3</sub>	p<sub>4</sub>，p<sub>3</sub>

之后，确定乘客候选集中乘客的个数count_v是否≤该车辆的最大载客量，若是，执行S7，否则，按照车辆的最大载客量选择sort_candiv中前n项，并执行S7，其中，n等于车辆的最大载客量；

如图3所示的实施例，由表3可知，v₁，v₂，v₃均小于4(假设车辆的最大载客量为4)，所以，执行S7；

S7：乘客增补：更新当前的司机与乘客集合，将司机的网格区域拓展并重新分配剩余的乘客；

其中，更新当前的司机与乘客集合，将司机的网格区域拓展的方法如下：更新司机集合V，将已经满载的司机从司机集合V中删除，并更新sort_v；更新乘客集合P，计算乘客目的地点Dest(p)与出发点S点间的欧氏距离D_E，并将剩余乘客依照D_E降序排列，定义序列为sort_p；之后，进行司机的网格区域拓展，并记录每个司机所属网格的网格的GID；

如图3所示的实施例，结合表3，sort_v＝(v₁,v₂,v₃)，sort_p＝(p₇)；

其中，司机的网格区域拓展方法如下：

若司机目的地点Dest(v)所属网格与出发点S所属网格位于不同行不同列，则拓展以司机目的地点Dest(v)所属网格的行列数与出发点S所属网格的行列数为边界的中间方形区域；

若司机目的地点Dest(v)所属网格与出发点S所属网格位于同行，则拓展该行的两个邻居行区域；同理，若位于同列，则拓展该列的邻居列区域。

如图3所示的实施例，v₁与S分别位于网格G₁与G₅，G₁位于第一行第一列，G₅位于第二行第二列，所以v₁拓展网格区域为(G₁,G₂,G₄,G₅)，同理可得v₂，v₃的拓展区域，v₂拓展网格区域为(G₂,G₃,G₅,G₆)，v₃拓展网格区域为(G₄,G₅,G₆,G₇,G₈,G₉)。

其中，重新分配剩余乘客的方法如下：依照剩余乘客的降序序列sort_p依次分配乘客，首先，确定乘客目的地点Dest(p)所属网格的网格号GID及该网格对应的司机，并将其加入对应的司机的乘客候选集candi_v，若乘客目的地点Dest(p)所属网格的网格号GID对应多个司机，则计算乘客目的地点Dest(p)与司机目的地点Dest(v)间的欧氏距离，就近搭乘，并更新最终匹配方案；

如图3所示的实施例，p₇位于网格G₆，G₆同时对应司机v₂，v₃，而Dest(p₇)与Dest(v₂)间距离较近，所以将p₇分配给v₂，此时，匹配过程结束，将最终匹配结果更新如表4所示。

表4：增补乘客后最终匹配结果

司机ID<sub>v</sub>	乘客候选集candi<sub>v</sub>
		v<sub>1</sub>	p<sub>1</sub>，p<sub>2</sub>
v<sub>2</sub>	p<sub>6</sub>，p<sub>5</sub>，p<sub>7</sub>
		v<sub>3</sub>	p<sub>4</sub>，p<sub>3</sub>

S8.利用1NN近邻查询技术，确定每辆车送达乘客顺序。

优选，该方法还包括S9：使用基于坐标系定向的双向最短路径查询技术计算总行驶距离

其中，D_min为总行驶距离，

为所有车辆的行驶距离，∑spath_p为乘客集合中未被搭载的乘客独自前往目的地行驶的距离，其中，车辆与司机对应。

如图3所示的实施例，通过以上步骤可得：plan_v1:S→p₂→p₁→v₁，plan_v2:S→p₅→p₆→p₇→v₂，plan_v3:S→p₃→p₄→v₃；sd(plan_v1)＝16，sd(plan_v2)＝29，sd(plan_v3)＝8；

由于没有独自出行的乘客，所以∑spath_p＝0。因此，D＝53。

该同出发点车辆共乘方法，在前期数据预处理阶段通过网格空间索引技术可方便空间数据信息的查询与管理，在确定匹配方案阶段提出了一种三级匹配策略，包括基于目的地网格匹配策略、基于行驶路线和网格匹配策略，以及一种乘客增补策略，本方法以司机独自行驶的路径为基准，在其周围近邻查询乘客目的地点进行匹配，目的是减少司机为乘客服务时的绕行距离，可以快速查询乘客与司机间的最优匹配方案。同时，该三级策略可以减少乘客独自出行的可能性。通过该方法，可以使得全局行驶代价(总行使距离)最小化，从而有效地解决同出发点车辆共乘问题。

上面结合附图对本发明的实施方式做了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (6)

1.同出发点车辆共乘方法，其特征在于，包括如下步骤：

S1：对空间路网进行预处理，建立网格空间索引GSI：采用网格分割策略将空间路网划分为N*N个等规格的网格，为每个网格定义唯一的标识符网格号，记录并存储网格中具有的查询节点，所述查询节点包括司机目的地点、乘客目的地点；

S2：预计算出司机个人的最优行驶路径，以及最优行驶路径的长度，并将司机依照最优行驶路径的长度降序排列，将该顺序定义为sort_v；

S3：依sort_v序列将目的地与司机目的地位于同一网格中的乘客加入对应司机的乘客候选集中并按照乘客目的地点与出发点间的欧氏距离降序排列，定义该排序为sort_candiv；

S4：将目的地位于司机最优行驶路径上的乘客加入司机的乘客候选集中并按照乘客目的地点与出发点间的欧氏距离降序排列，更新sort_candiv，之后，将目的地位于司机最优行驶路径经过的网格中的乘客加入乘客候选集并将乘客按照乘客目的地点与出发点间的欧氏距离降序排列，更新sort_candiv；

S5：确定各个乘客候选集是否存在交集，若存在，则执行S6，若不存在，且乘客候选集中乘客的个数≤该车辆的最大载客量，则执行步骤S7，若不存在且乘客候选集中乘客的个数＞该车辆的最大载客量，则按照车辆的最大载客量选择sort_candiv中前n项，并执行S7，其中，n等于车辆的最大载客量；

S6：依照三级优先级处理策略对冲突乘客进行处理，为其选择司机并更新乘客候选集，之后，将乘客候选集中的乘客按照乘客目的地点与出发点间的欧氏距离降序排列，更新sort_candiv，其中，所述三级优先级处理策略如下：

(1)最高优先级：为冲突乘客选择目的地点与其目的地点位于同一网格内的司机；

(2)次级优先级：为冲突乘客选择最优行驶路径经过其目的地点的司机；

(3)末级优先级：为冲突乘客选择最优行驶路径所经过的网格包含其目的地点所在网格的司机；

之后，确定乘客候选集中乘客的个数是否≤该车辆的最大载客量，若是，执行S7，否则，按照车辆的最大载客量选择sort_candiv中前n项，并执行S7，其中，n等于车辆的最大载客量；

S7：乘客增补：更新当前的司机与乘客集合，将司机的网格区域拓展并重新分配剩余的乘客；

S8：利用1NN近邻查询技术，确定每辆车送达乘客顺序。

2.按照权利要求1所述同出发点车辆共乘方法，其特征在于：S2中，司机个人的最优行驶路径基于坐标系定向的双向最短路径查询方法计算，包括如下步骤：

S21：确定出发点S与目标点D所在网格G_s与G_d，之后，分别以G_s与G_d为中心创建直角坐标系并将G_d所在象限中的网格定义为目标查询网格TQG；

S22：从G_s与G_d两端同时发起最短路径查询，直至出发点S与目标点D位于同一网格，之后，采用直接启发式方法查询最短路径，最终得到司机个人的最优行驶路径，其中，从出发点S向目标点D进行最短路径查询的方法如下：

计算出发点S到网格G_s的所有边界点的最短路径长度，并将其存入队列Pathlis1t中，之后，从Pathlist1中路径长度最小的节点继续拓展，若该节点的下一个拓展的节点所处的网格属于目标查询网格TGQ，则将其***Pathlist1，若不属于目标查询网格TGQ且其拓展代价大于Pathlist1中下一个待拓展节点的拓展代价，则不对其拓展；

从目标点D向出发点S进行最短路径查询的方法如下：

计算目标点D到网格G_d的所有边界点的最短路径长度，并将其存入队列Pathlist2中，之后，从Pathlist2中路径长度最小的节点继续拓展，若该节点的下一个拓展的节点所处的网格属于目标查询网格TGQ，则将其***Pathlist2，若不属于目标查询网格TGQ且其拓展代价大于Pathlist2中下一个待拓展节点的拓展代价，则不对其拓展。

3.按照权利要求1所述同出发点车辆共乘方法，其特征在于：S7中，更新当前的司机与乘客集合，将司机的网格区域拓展的方法如下：更新司机集合，将已经满载的司机从司机集合中删除，并更新sort_v；更新乘客集合，计算乘客目的地点与出发点间的欧氏距离D_E，并将剩余乘客依照D_E降序排列，定义序列为sort_p；之后，进行司机的网格区域拓展，并记录每个司机所属网格的网格号。

4.按照权利要求3所述同出发点车辆共乘方法，其特征在于：司机的网格区域拓展方法如下：

若司机目的地点所属网格与出发点所属网格位于不同行不同列，则拓展以司机目的地点所属网格的行列数与出发点所属网格的行列数为边界的中间方形区域；

若司机目的地点所属网格与出发点所属网格位于同行，则拓展该行的两个邻居行区域；同理，若位于同列，则拓展该列的邻居列区域。

5.按照权利要求3所述同出发点车辆共乘方法，其特征在于：S7中，重新分配剩余乘客的方法如下：依照剩余乘客的降序序列sort_p依次分配乘客，首先，确定乘客目的地点所属网格的网格号及该网格对应的司机，并将其加入对应的司机的乘客候选集，若乘客目的地点所属网格的网格号对应多个司机，则计算乘客目的地点与司机目的地点间的欧氏距离，就近搭乘，并更新最终匹配方案。

6.按照权利要求1所述同出发点车辆共乘方法，其特征在于：还包括S9：使用基于坐标系定向的双向最短路径查询技术计算总行驶距离

其中，D_min为总行驶距离，

为所有车辆的行驶距离，∑spath_p为乘客集合中未被搭载的乘客独自前往目的地行驶的距离。

Images