CN111291935A - 一种基于区域块分割的接驾时长预估方法 - Google Patents
一种基于区域块分割的接驾时长预估方法 Download PDFInfo
- Publication number
- CN111291935A CN111291935A CN202010105152.3A CN202010105152A CN111291935A CN 111291935 A CN111291935 A CN 111291935A CN 202010105152 A CN202010105152 A CN 202010105152A CN 111291935 A CN111291935 A CN 111291935A
- Authority
- CN
- China
- Prior art keywords
- estimated
- time length
- area
- congestion
- pickup time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000011218 segmentation Effects 0.000 title claims abstract description 19
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Remote Sensing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于区域块分割的接驾时长预估方法,包括:S1)将网约车运行经过的地理区域划分为多个区域块;S2)获取不同区域块不同时段内拥堵情况的历史数据并分成多个拥堵等级;S3)对每个区域块获得不同拥堵等级下对应所有订单预估接驾时长和实际接驾时长的差值;S4)获取不同区域块不同拥堵等级下所有订单实际接驾时长和预估接驾时长差值的某一分位值作为预估接驾时长缓冲修正值;S5)将当前拥堵等级下网约车运行经过的所有区域块的预估接驾时长加上相应的缓冲修正值作为本次接驾时长预估值。本发明利用统计规律对不同拥堵程度下的预估接驾时长分区域块进行补偿,可以大大提升算法的精确度,让预估接驾时长和实际接驾时长的差值进一步减少。
Description
技术领域
本发明涉及一种接驾时长预估方法,尤其涉及一种基于区域块分割的接驾时长预估方法,用于网约车平台。
背景技术
随着互联网技术的发展,人们在出行的时候使用网络打车平台的频率越来越高。网约车在给人们带来出行便利的同时,也出现了一些乘客端或者司机端对于平台体验的问题,比如司机往往无法按照预估接驾时长赶往乘客的上车点,而且乘客也会因为预估接驾时长不准确而影响服务体验。而目前绝大多数的网约车公司使用的预估接驾时长都是第三方地图公司提供,对于车辆的实际运行状况往往因为掌握的数据不全而导致误判。因此,网约车在行进的过程中往往因为道路拥堵或者天气的原因导致车辆不能按照预估接驾时长到达乘客的上车点接乘客,一方面会让司机承担非己原因造成的迟到责任,另一方面也会降低乘客端的服务体验。
由于大多数网约车平台公司在预估司机接驾时长的时候都是依赖第三方地图公司提供,但是这些第三方公司在预估接驾时长的时候并不能根据实时的交通状况或者天气状况给出准确的预估接驾时长。因此,为了弥补第三方地图公司提供的预估接驾时长不准的问题,有必要对现有的接驾时长预估方法进行改进。
发明内容
本发明所要解决的技术问题是提供一种基于区域块分割的接驾时长预估方法,能够解决第三方地图软件提供的预估接驾时长不准的问题,减少司机由于预估时间不准而承担迟到责任情况的发生,另一方面也可以提升乘客端的出行服务体验。
本发明为解决上述技术问题而采用的技术方案是提供一种基于区域块分割的接驾时长预估方法,包括如下步骤:S1)将网约车运行经过的地理区域划分为多个区域块;S2)通过网约车平台数据库获取不同区域块不同时段内拥堵情况的历史数据,并将拥堵情况分成多个拥堵等级;S3)对每个区域块,通过网约车平台数据库获得不同拥堵等级下对应所有订单预估接驾时长和实际接驾时长的差值;S4)对每个区域块,取每一拥堵等级下所有订单实际接驾时长和预估接驾时长差值的分位值作为该区域块该拥堵等级下的预估接驾时长缓冲修正值;S5)确定当前拥堵等级,并将该拥堵等级下网约车运行经过的所有区域块的预估接驾时长加上相应的缓冲修正值,作为本次接驾时长预估值。
上述的基于区域块分割的接驾时长预估方法,其中,所述步骤S1)将网约车运行经过的地理区域划分为多个正六边形区域块。
上述的基于区域块分割的接驾时长预估方法,其中,所述六边形为边长为1.22km,面积为5.16km2。
上述的基于区域块分割的接驾时长预估方法,其中,所述步骤S1)将拥堵等级分成5级,所述步骤S4)对每个区域块,取每个拥堵等级下所有订单实际接驾时长和预估接驾时长差值的25分位值作为该区域块该拥堵等级下的预估接驾时长缓冲修正值。
本发明对比现有技术有如下的有益效果:本发明提供的基于区域块分割的接驾时长预估方法,利用统计出来的规律对不同拥堵程度下的预估接驾时长分区域块进行补偿,可以大大提升算法的精确度,让预估接驾时长和实际接驾时长的差值进一步减少,避免司机承担因预估接驾时长不准造成的迟到责任;此外,本发明不涉及人工智能算法,运算时间较短,易于推广应用。
附图说明
图1为本发明基于区域块分割的接驾时长预估过程示意图;
图2为采用本发明提供的用于区分交通拥堵程度的六边形区域划分方法。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明基于区域块分割的接驾时长预估过程示意图。
请参见图1,本发明提供的基于区域块分割的接驾时长预估方法,包括步骤如下:
S1)将网约车运行经过的地理区域划分为多个区域块;优选使用正六边形分割使得相邻区域的定义更加明确,拥有更大的边缘或者面积比例,显著的各项同性,如图2所示;为了方便起见,划分后的区域块记为其中i表示哪个区域,d表示具体哪一天,t表示一天中的哪个时间段;采用根据区域块推算区域单元预估接驾时长缓冲修正值的方法并取平均值,可以提升算法的精确度。
S2)通过网约车平台数据库获取不同区域块不同时段内拥堵情况的历史数据,并将拥堵情况分成多个拥堵等级;不同时段时主要分为工作日、非工作日、出行高峰时段、出行平峰时段等,一般来说,可将拥堵情况分成5个拥堵等级。
S3)对每个区域块,通过网约车平台数据库获得不同拥堵等级下对应所有订单预估接驾时长和实际接驾时长的差值。
S4)对每个区域块,取每一拥堵等级下所有订单实际接驾时长和预估接驾时长差值的分位值作为该区域块该拥堵等级下的预估接驾时长缓冲修正值。
S5)确定当前拥堵等级,并将该拥堵等级下网约车运行经过的所有区域块的预估接驾时长加上缓冲修正值,作为本次接驾时长预估值。
本发明提供的基于区域块分割的接驾时长预估方法,具有如下优点:1)此算法不涉及人工智能算法,运算时间较短;2)此方法只是对预估接驾时间的增加,可以避免司机承担因非己原因造成的迟到责任;3)此算法根据大量的历史数据来统计出第三方地图公司提供的预估接驾时长在不同接驾里程下的偏差规律,利用统计出来的规律对不同拥堵程度下的预估接驾时长进行补偿,可以进一步的让预估接驾时长和实际接驾时长的差值减少。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。
Claims (4)
1.一种基于区域块分割的接驾时长预估方法,其特征在于,包括如下步骤:
S1)将网约车运行经过的地理区域划分为多个区域块;
S2)通过网约车平台数据库获取不同区域块不同时段内拥堵情况的历史数据,并将拥堵情况分成多个拥堵等级;
S3)对每个区域块,通过网约车平台数据库获得不同拥堵等级下对应所有订单预估接驾时长和实际接驾时长的差值;
S4)对每个区域块,取每一拥堵等级下所有订单实际接驾时长和预估接驾时长差值的分位值作为该区域块该拥堵等级下的预估接驾时长缓冲修正值;
S5)确定当前拥堵等级,并将该拥堵等级下网约车运行经过的所有区域块的预估接驾时长加上相应的缓冲修正值,作为本次接驾时长预估值。
2.如权利要求1所述的基于区域块分割的接驾时长预估方法,其特征在于,所述步骤S1)将网约车运行经过的地理区域划分为多个正六边形区域块。
3.如权利要求1所述的基于区域块分割的接驾时长预估方法,其特征在于,所述六边形为边长为1.22km,面积为5.16km2。
4.如权利要求1所述的基于区域块分割的接驾时长预估方法,其特征在于,所述步骤S1)将拥堵等级分成5级,所述步骤S4)对每个区域块,取每个拥堵等级下所有订单实际接驾时长和预估接驾时长差值的25分位值作为该区域块该拥堵等级下的预估接驾时长缓冲修正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010105152.3A CN111291935B (zh) | 2020-02-20 | 2020-02-20 | 一种基于区域块分割的接驾时长预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010105152.3A CN111291935B (zh) | 2020-02-20 | 2020-02-20 | 一种基于区域块分割的接驾时长预估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111291935A true CN111291935A (zh) | 2020-06-16 |
CN111291935B CN111291935B (zh) | 2023-12-29 |
Family
ID=71024686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010105152.3A Active CN111291935B (zh) | 2020-02-20 | 2020-02-20 | 一种基于区域块分割的接驾时长预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111291935B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2863387A1 (fr) * | 2003-12-04 | 2005-06-10 | Bouygues Telecom Sa | Solution pour l'estimation avec intervalle de confiance du temps d'attente en vue de l'annoncer au client |
CN101154317A (zh) * | 2006-09-27 | 2008-04-02 | 株式会社查纳位资讯情报 | 交通状况预测装置 |
CN103093611A (zh) * | 2011-10-27 | 2013-05-08 | 株式会社电装 | 拥堵预测装置及拥堵预测*** |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105469602A (zh) * | 2015-12-31 | 2016-04-06 | 北京航空航天大学 | 一种基于ic卡数据的公交乘客候车时间范围的预测方法 |
KR20170101491A (ko) * | 2016-02-29 | 2017-09-06 | 주식회사 씨엘 | 셔틀버스 도착예정안내 및 노선 최적화 방법 |
CN108734948A (zh) * | 2017-04-13 | 2018-11-02 | 宁波轩悦行电动汽车服务有限公司 | 结合交通拥堵情况的电量匹配预约租车***及方法 |
JP2018205190A (ja) * | 2017-06-06 | 2018-12-27 | 富士通株式会社 | 移動時間出力プログラム、移動時間出力装置、及び移動時間出力方法 |
CN110189518A (zh) * | 2019-05-20 | 2019-08-30 | 深圳市众行网科技有限公司 | 预测公交到站时间的方法、装置、计算机设备及存储介质 |
-
2020
- 2020-02-20 CN CN202010105152.3A patent/CN111291935B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2863387A1 (fr) * | 2003-12-04 | 2005-06-10 | Bouygues Telecom Sa | Solution pour l'estimation avec intervalle de confiance du temps d'attente en vue de l'annoncer au client |
CN101154317A (zh) * | 2006-09-27 | 2008-04-02 | 株式会社查纳位资讯情报 | 交通状况预测装置 |
CN103093611A (zh) * | 2011-10-27 | 2013-05-08 | 株式会社电装 | 拥堵预测装置及拥堵预测*** |
CN104933860A (zh) * | 2015-05-20 | 2015-09-23 | 重庆大学 | 基于gps数据的公交车堵车延误时间预测方法 |
CN105469602A (zh) * | 2015-12-31 | 2016-04-06 | 北京航空航天大学 | 一种基于ic卡数据的公交乘客候车时间范围的预测方法 |
KR20170101491A (ko) * | 2016-02-29 | 2017-09-06 | 주식회사 씨엘 | 셔틀버스 도착예정안내 및 노선 최적화 방법 |
CN108734948A (zh) * | 2017-04-13 | 2018-11-02 | 宁波轩悦行电动汽车服务有限公司 | 结合交通拥堵情况的电量匹配预约租车***及方法 |
JP2018205190A (ja) * | 2017-06-06 | 2018-12-27 | 富士通株式会社 | 移動時間出力プログラム、移動時間出力装置、及び移動時間出力方法 |
CN110189518A (zh) * | 2019-05-20 | 2019-08-30 | 深圳市众行网科技有限公司 | 预测公交到站时间的方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
罗霞;曹阳;刘博;李演洪;: "基于浮动车数据的城市道路行程时间估计", no. 02, pages 5 - 12 * |
龚越;罗小芹;王殿海;杨少辉;: "基于梯度提升回归树的城市道路行程时间预测", no. 03, pages 46 - 53 * |
Also Published As
Publication number | Publication date |
---|---|
CN111291935B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111452619B (zh) | 电动车辆在线能耗预测方法及*** | |
CN108074414B (zh) | 一种基于用户行为的常走路径交通信息提醒方法及*** | |
CN102737504B (zh) | 一种基于驾驶特性的公交车到站时间实时估计方法 | |
CN104112361B (zh) | 路网交通中常发瓶颈和偶发瓶颈的识别方法 | |
US9513151B2 (en) | Fuel waste variable identification and analysis system | |
US9728015B2 (en) | Fuel savings scoring system with remote real-time vehicle OBD monitoring | |
CN110428621B (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
EP3162651A1 (en) | Driver profiling system and method | |
WO2011079707A1 (zh) | 交通路况信息填补方法和*** | |
CN108154261B (zh) | 一种最优加油站的推荐方法及装置 | |
CN105096642B (zh) | 考虑gps数据延迟影响的实时公交到站时间预测方法 | |
CN113962450B (zh) | 一种核算城市道路交通逐日二氧化碳排放量的方法及其*** | |
CN110103773A (zh) | 一种电动汽车续驶里程预测方法和*** | |
CN113313357A (zh) | 一种基于高斯过程回归分析的交通道路安全评价方法 | |
CN115935672A (zh) | 一种融合工况预测信息的燃料电池汽车能耗计算方法 | |
CN113673756A (zh) | 车辆的推荐车速确定方法、装置及计算机设备 | |
CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
CN111291935A (zh) | 一种基于区域块分割的接驾时长预估方法 | |
Axer et al. | Signal timing estimation based on low frequency floating car data | |
CN109887285B (zh) | 一种停车原因的确定方法及装置 | |
CN116749774A (zh) | 续航里程确定方法、装置、电子设备及可读存储介质 | |
CN116580565A (zh) | 一种基于云计算的政务大数据分析*** | |
CN112257936A (zh) | 一种接单区域的推荐方法、装置、电子设备及存储介质 | |
JP2000259978A (ja) | 旅行時間情報処理装置 | |
CN111710156B (zh) | 一种道路交通流量预测方法、***、介质及设备 |
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 |