CN112964266B - 一种网约服务拼单路线规划方法及存储介质 - Google Patents

一种网约服务拼单路线规划方法及存储介质 Download PDF

Info

Publication number
CN112964266B
CN112964266B CN202110156527.3A CN202110156527A CN112964266B CN 112964266 B CN112964266 B CN 112964266B CN 202110156527 A CN202110156527 A CN 202110156527A CN 112964266 B CN112964266 B CN 112964266B
Authority
CN
China
Prior art keywords
information
node
network
path
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.)
Active
Application number
CN202110156527.3A
Other languages
English (en)
Other versions
CN112964266A (zh
Inventor
王欣
毛林冉
曲博婷
冯筠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwest University
Original Assignee
Northwest University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northwest University filed Critical Northwest University
Priority to CN202110156527.3A priority Critical patent/CN112964266B/zh
Publication of CN112964266A publication Critical patent/CN112964266A/zh
Application granted granted Critical
Publication of CN112964266B publication Critical patent/CN112964266B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • 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
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • 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
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种网约服务拼单路线规划方法及存储介质。该方法通过获取乘客出行需求信息，构建拼单数据的时空拓扑关系，并根据时空拓扑关系规划车辆拼车的出行路线。基本步骤包括：获取城市路网信息，城市交通信息和行车信息并根据交通信息与路网信息，生成交通加权路网；获取所有乘客出行请求，根据所述交通加权路网生成乘客出行路网数据；建立乘客间的可拼车关系，生成拼单数据；构建拼单数据的时空拓扑关系图；生成拼车路线。本发明的路线规划方式能够在满足所有客户服务需求的前提下，使通行成本达到最低、降低区域交通压力。尤其适用于网约车、无人自动驾驶服务行业、快递拼单路线规划。

Description

一种网约服务拼单路线规划方法及存储介质
技术领域
本发明属于智能交通领域，涉及一种基于时空拓扑关系的网约服务拼单路线规划方法及***。
背景技术
随着城市化建设推进，城市人口数量与日俱增，同时人们的出行、网购目的性增强，例如：网约车服务和快递、外卖等在日常生活中越来越普及。但现有技术中关于最小化预约服务通行工具成本的拼车路线规划存在研究空缺。
发明内容
针对现有技术的缺陷或不足，本发明提供了一种网约服务拼单路线规划方法。
为此，本发明提供的方法包括：
步骤1，将目标区域的历史通行数据添加到该目标区域的路网数据中，获得目标区域的包含节点与节点之间通行所需时长信息的路网信息，得到目标区域的交通时间加权路网；
步骤2，获取目标区域总时间段内客户网约服务信息，并将各客户网约服务信息与交通时间加权路网匹配，得到所有客户网约服务路网信息，任一一个客户网约服务路网信息至少包含起始节点vo、目的节点vd、预约服务时间和最长等待时长tw；
步骤3，建立客户间的可拼单关系，拼单信息列表R
步骤3.1将所有客户网约服务路网信息按照预约服务时间从早到晚进行排序，并将排序后的客户网约服务路网信息依次划分至总时间段的相应时间步内，且在各时间步内保留所述排序；
步骤3.2依次对各时间步内的各客户网约服务路网信息执行以下步骤，直至最后一个时间步内的最后一个客户网约服务路网信息：
3.2.1对于当前时间步s的当前客户网约服务路网信息xm，利用单源最短路径算法，在交通时间加权路网上获取从xm的起始节点xm.vo在搜索时间范围内可达到的节点集Vm，其中搜索时间范围取xm的最大等待时长xm.tw，执行步骤3.2.2；如当前时间步内没有客户网约服务路网信息，执行3.2.7；s为大于等于1的自然数；
3.2.2将当前通行工具信息列表L内当前位置节点属于节点集Vm、且承载量有余的通行工具信息加入xm的候选通行工具集合xm.C，xm.C初始为空，L初始为空；若xm.C内存在相同距离的通行工具，则随机删除相同距离的通行工具只保留其中一条信息，执行步骤3.2.3，所述距离为通行工具的当前位置节点与xm.vo的距离；
3.2.3若xm.不为空，则执行3.2.5，若xm.为空，执行3.2.4；
3.2.4生成一条新的通行工具信息y′，通行工具信息y′至少包括最大承载量y′.cpty、服务的客户网约服务路网信息集合
Figure BDA0002933763270000023
行驶过的路网节点序列y′.path、生成时的时间步y′.ts、行驶至y′.path中最后一个节点的时间步y′.tstay和计划行程节点序列y′.pathschedule，
Figure BDA0002933763270000021
Figure BDA0002933763270000022
为节点xm.vo到节点xm.vd的最短路径节点序列中除去节点xm.vo的路径序列；将y′存入L，获得更新后的通行工具信息列表L，之后对当前时间步内的下一个客户xm+1执行步骤3.2.1，若当前时间步内所有客户均执行完，则执行3.2.7；
3.2.5在xm.内选取与当前客户xm距离最近的通行工具为当前客户的配给通行工具ym，将该客户xm信息加入该配给通行工具的
Figure BDA0002933763270000031
中，计算当前客户从起始节点xm.vo到目的节点xm.vd的最短路径节点序列
Figure BDA0002933763270000032
Figure BDA0002933763270000033
xm.vi为最短路径节点序列
Figure BDA0002933763270000034
中的任一节点，执行3.2.6；
3.2.6选取配给通行工具的ym.pathschedule中与
Figure BDA0002933763270000035
中的公共节点，并选取公共节点中距离当前客户起始节点xm.vo最远的公共节点，将
Figure BDA0002933763270000036
中最远公共节点后面的节点序列加入配给通行工具的ym.pathschedule中的最远公共节点与该最远公共节点的下一个节点之间，即对该配给通行工具的ym.pathschedule进行了更新，获得更新后的通行工具信息列表Ls；之后对当前时间步内的下一个客户xm+1，执行步骤3.2.1；若当前时间步内客户均执行完，则执行3.2.7；
3.2.7检查当前通行工具信息列表L中各通行工具信息内当前位置节点与其服务的所有客户的目的节点是否相同，删除目的节点与通行工具当前位置节点相同的客户信息，获得更新后的通行工具信息列表，执行3.2.8；
3.2.8检查当前通行工具列表L中各通行工具信息的
Figure BDA0002933763270000037
中是否包含客户信息，生成当前通行工具列表L中不包含客户信息通行工具的拼单信息，任一不包含客户信息的通行工具yu的拼单信息ru＝(pathu,ts,u,te,u)，其中，pathu＝yu.path,ts,u＝yu.ts,te,u＝s，并将生成的拼单信息加入拼单信息列表R中，获得更新后的拼单信息列表R，初始为空，te,u为通行工具yu从L中删除时的时间步；从当前通行工具列表中删除不包含客户信息的通行工具，获得更新后的通行工具信息列表L，执行3.2.9；如当前当前通行工具列表L中所有通行工具都包含客户信息，则执行3.2.9；
3.2.9对于当前通行工具信息列表中的每一个通行工具，获取任一通行工具yq当前位置节点到达其当前yq.pathschedule中第一个节点的时间e，当t≥e时，t＝s-yq.tstay，将通行工具当前yq.pathschedule中第一个节点删除并将该删除的第一个节点加入该通行工具当前yq.path中，并作为yq.path中的最后一个节点，同时将该通行工具的yq.tstay更新为s+1；若t<e，则不更新；对所有通行工具执行完后获得更新后的通行工具信息列表L，进入下一个时间步，对下一个时间步的第一个客户需求服务信息执行步骤3.2.1；
所有时间步执行完后输出拼单信息列表R；
步骤4，利用拼单信息列表R构建时空拓扑网络，其中任一拼单信息ru＝(pathu,ts,u,te,u)对应时空拓扑网络中的一个节点vsp,u＝(vs,u,ve,u,ts,u,te,u,pathu)，vs,u为pathu中的第一节点,ve,u为pathu中的最后一个节点；
对于时空拓扑网络中任意两个节点vsp,u到vsp,λ进行连线操作，如ve,u到vs,λ最短距离的时间小于|te,u-ts,λ|时则连接vsp,u到vsp,λ；对所有任意两个节点进行完连线操作后构建得时空拓扑网络；
步骤5，求解时空拓扑网络的最小不相交路径覆盖，得到相关拼单信息之间的最优路径解，将相关拼单信息的pathu按最优路径解连接后得最终拼单路线。
优选的，3.2.2将当前通行工具信息列表L内当前位置节点属于节点集Vm、且承载量有余的通行工具信息加入xm的候选通行工具集合xm.C，xm.C初始为空，L初始为空；之后对xm.C内的通行工具按照各自当前位置节点与xm.vo的距离从近到远进行排序，若存在相同距离的通行工具，则随机删除相同距离的通行工具只保留其中一条信息，执行步骤3.2.3；
可选的，所述步骤3.2.4中，新通行工具信息y′的y′.cpty取值为大于等于1的整数。
可选的，步骤4中vr,u到vs,λ最短距离采用单源最短路径算法获得。
可选的，所述单源最短路径算法采取迪杰斯特拉算法、Bellman-Ford算法、SPFA(Shortest Path Faster Algorithm)算法、深度或广度优先搜索算法。
可选的，步骤5中采用用Hopcroft-Karp或匈牙利算法求解时空拓扑网络的最小不相交路径覆盖。
本发明提供同时提供一种存储介质，所述存储介质上存储有计算机可执行的程序代码，所述程序代码被计算机***的一个或多个处理器执行时，所述季璇玑***执行上述方法。
本发明的路线规划方式能够在满足所有客户服务需求的前提下，使通行成本成本达到最低、降低区域交通压力。尤其适用于网约车、无人自动驾驶服务行业、快递拼单路线规划。
附图说明
图1为实施例路径规划示例图；
图2为本发明方法与W/O-Sharing方法效果对比图。
具体实施方式
除非有特殊说明，本文中的术语根据相关领域普通技术人员的认识理解。
本文所述目标区域泛指某一地理区域，例如一县、行政区、市、省等行政区域；所述目标区域的历史通行数据指目标区域的通行工具包括交通工具、运输工具通行数据，如机动车辆(包括无人驾驶车辆)行车数据、也可是行驶速度相当的机动车辆和非机动车辆的行车数据、无人机通行数据等，该类数据中至少包含节点与节点的通行时长、节点的地理位置信息，该类数据可从目标区域的交通管理部门、车辆管理部门、运输公司或快递公司获取；所述目标区域的路网数据包含有目标区域的节点集合(如GPS节点信息集合)以及节点与节点之间的关系边集，具体可以表示为一个加权有向图G＝(V,E)，V代表路段连接节点的集合，节点之间关系边集，节点之间关系边可以理解为一条从任一节点A到另一任一节点B的边，节点A到节点B均属于集合V；如历史通行数据中节点A到节点B通行所需平均时长为ct，包含ct的加权有向图G即为本发明所述交通时间加权路网的一种表示方式。
本发明方案中所述客户与客户网约服务信息可指代相同含义，是指客户如乘客、网购消费者或寄件者在互联网上提前要约的服务需求，例如出行需求、寄件需求、网购需求的相关信息，需求信息至少包括了客户的现处地址、目的地址、需求服务的时间和最长等待时长。将客户网约服务信息与所述的交通加权路网进行匹配，具体是将两者的节点信息进行匹配，得到本发明的所述的所有客户网约服务路网信息，每个客户的网约服务路网信息至少包含该客户的起始节点节点vo、目的节点vd、预约服务时间和最长等待时长tw，其中任一客户网约服务路网信息xm(下标m表示任一客户，可取自然数或其他能够区别表示客户的代码或符号)的起始节点节点表示为xm.vo、目的节点表示为xm.vd、预约服务时间和最长等待时长表示为xm.tw，其他客户的依次类推。
本发明所述时间步是指将总时间段划分等分为时间序列，例如将一天按照时间步长5分钟进行划分，得到576个时间序列即576个时间步；所述时间段可以是一天、一个昼夜、一个白天、半天、连续的48小时、连续的24小时、连续的12小时或连续的6个小时等，具体可根据实际需求确定；所述时间步长可取数秒、数分钟等，根据算法精度要求具体确定。
本发明方案中所称的通行工具与通行工具信息为相同含义，均至少包含最大承载量cpty、服务的客户网约服务路网信息集合
Figure BDA0002933763270000071
行驶过的路网节点序列path、生成时的时间步ts、行驶至path中最后一个节点的时间步tstay和计划行程节点序列pathschedule；所述通行工具的当前位置节点是指path中的最后一个节点；对于任一通行工具的yq的相关参数表示为：最大承载量yq.cpty、服务的客户网约服务路网信息集合
Figure BDA0002933763270000072
行驶过的路网节点序列yq.path、生成时的时间步yq.ts、行驶至yq.path中最后一个节点的时间步yq.tstay和计划行程节点序列yq.pathschedule，其他通行工具的依次类推。各参数的具体取值由方案中所述的生成内容或相关更新内容确定，其中最大承载量cpty取值可根据通行工具的相关承载计数习惯确定，例如对于出租车辆或网约车，其可取大于等于1的乘客数，对于快递可取大于等于合理数值的吨数；path可表示为行驶过的一连串的路网节点。本文中采用yu、yq、yε、yω表示任一通行工具，其下标可取自然数或其他可区别通行工具的代码或符号。
需要解释说明的是，上述内容中的“至少”是指还存在一些方案，这些方案中，上述信息或数据除了已定义的要素外，还可能根据总体数据量设置相应编号，编号可取自然数或其他方便数据管理与跟踪的符号或代码。
本发明的拼单信息列表中的“相关性”取决于步骤5所得的最小不相交路径覆盖，根据本领域技术人员的常识，最小不相交路径覆盖包含多条路径，本发明将处于最小不相交路径覆盖中的同一路径上的拼单信息定义为相关拼单信息。
实施例：
该实施例基于本发明的在武汉市(目标区域)三环内的路网数据和2013-10-13～2013-10-25的乘客出行数据集(客户网约服务信息)上进行仿真实施；所用单源最短路径算法采取迪杰斯特拉算法；
所用历史行车数据和乘客出行数据均来自武汉交管局；该实施例所用数据如表1所示：
表1
地区 维度范围 经度范围 网约乘客出行数量 日期
武汉 30.43～30.62 114.25～114.77 329503 2013-10-23～2013-10-25
将表1所述日期内的数据分成3个总时间段，采用本发明的方法进行路径规划，每个总时间段为1天，每个时间步设置为1秒，每个乘客出行的最大等待时长是为5分钟，每辆车的最大载客量为4；
采用本发明方法规划后的结果如表2所示：
表2
Figure BDA0002933763270000081
Figure BDA0002933763270000091
其中一条相关拼单信息路线如图1所示，具体为2013-10-23日下午19：00-19：30期间相关拼单信息规划路线：
其中，用户0在19：01分发出请求，无法被当前时间步的任一车辆服务(步骤3.2.1输出)，采用本发明方法为其创建一个虚拟车辆yε(步骤3.2.4输出)，车辆yε在服务用户0的过程中没有服务别的用户，在19：08送达用户0下车后，车辆yε被删除并生成拼单信息r0(步骤3.2.7、3.2.8输出)；
用户1在19：14发出请求无法被当前时间步的任一车辆服务(步骤3.2.1输出)，采用本发明方法为其创建一个虚拟车辆yω(步骤3.2.4输出)，之后车辆yω又服务了用户2，用户3，在19：27用户3下车后，车辆yω被删除并生成拼单信息r1(步骤3.2.7、3.2.8输出).
经过构建拼单拓扑关系并解最小不相交路径后，拼单信息r0与r1被连接，构成出行路线pathu；则根据路线pathu出行的车辆的服务过程为：(1)用户0上车→(2)用户0下车→(3)用户1上车→(4)用户3上车→(5)用户1下车→(6)用户2上车→(7)用户2下车→(8)用户3下车。
进一步，采用W/O-Sharing(2018年发表自Nature上《Addressing the minimumfleet problem in on-demand urban mobility》)对相同数据进行路径规划，结果如表2所示，同时统计两种方法日均各个小时所需车辆数，结果见图2，图示本发明方法的曲线(或W/O-Sharing的曲线)是将本发明方法规划的每天每个小时的路径数量进行统计，则每天需要对24小时中每个小时的路径数量进行统计，然后将三天统计结果，对每个小时的路径数量进行均值化，得到各个小时三天平均下来的所需出行路径数量。

Claims (7)

1.一种网约服务拼单路线规划方法，其特征在于，所述方法包括：
步骤1，将目标区域的历史通行数据添加到该目标区域的路网数据中，获得目标区域的包含节点与节点之间通行所需时长信息的路网信息，得到目标区域的交通时间加权路网；
步骤2，获取目标区域总时间段内客户网约服务信息，并将各客户网约服务信息与交通时间加权路网匹配，得到所有客户网约服务路网信息，任一一个客户网约服务路网信息至少包含起始节点vo、目的节点vd、预约服务时间和最长等待时长tw；
步骤3，建立客户间的可拼单关系，拼单信息列表R：
步骤3.1将所有客户网约服务路网信息按照预约服务时间从早到晚进行排序，并将排序后的客户网约服务路网信息依次划分至总时间段的相应时间步内，且在各时间步内保留所述排序；
步骤3.2依次对各时间步内的各客户网约服务路网信息执行以下步骤，直至最后一个时间步内的最后一个客户网约服务路网信息：
步骤3.2.1对于当前时间步s的当前客户网约服务路网信息xm，利用单源最短路径算法，在交通时间加权路网上获取从xm的起始节点xm.vo在搜索时间范围内可达到的节点集Vm，其中搜索时间范围取xm的最大等待时长xm.tw，执行步骤3.2.2；如当前时间步内没有客户网约服务路网信息，执行3.2.7；s为大于等于1的自然数；
步骤3.2.2将当前通行工具信息列表L内当前位置节点属于节点集Vm、且承载量有余的通行工具信息加入xm的候选通行工具集合xm.C，xm.C初始为空，L初始为空；若xm.C内存在相同距离的通行工具，则随机删除相同距离的通行工具只保留其中一条信息，执行步骤3.2.3，所述距离为通行工具的当前位置节点与xm.vo的距离；
步骤3.2.3若xm.C不为空，则执行3.2.5，若xm.C为空，执行3.2.4；
步骤3.2.4生成一条新的通行工具信息y′，通行工具信息y′至少包括最大承载量y′.cpty、服务的客户网约服务路网信息集合
Figure FDA0003709333750000021
行驶过的路网节点序列y′.path、生成时的时间步y′.ts、行驶至y′.path中最后一个节点的时间步y′.tstay和计划行程节点序列y′.pathschedule，
Figure FDA0003709333750000022
y′.path＝{xm.vo}，y′.ts＝s，y′.tstay＝s，y′.pathschedule为xm的起始节点xm.vo到xm的目的节点xm.vd的最短路径节点序列中除去节点xm.vo的路径序列；将y′存入L，获得更新后的通行工具信息列表L，之后对当前时间步内的下一个客户xm+1执行步骤3.2.1，若当前时间步内所有客户均执行完，则执行3.2.7；
步骤3.2.5在xm.C内选取与当前客户网约服务路网信息xm距离最近的通行工具为当前客户的配给通行工具ym，将该客户xm信息加入该配给通行工具的
Figure FDA0003709333750000023
中，计算当前客户从xm的起始节点xm.vo到xm的目的节点xm.vd的最短路径节点序列
Figure FDA0003709333750000024
xm.vi为最短路径节点序列
Figure FDA0003709333750000025
中的任一节点，执行3.2.6；
步骤3.2.6选取配给通行工具的ym.pathschedule中与
Figure FDA0003709333750000026
的公共节点，并选取公共节点中距离当前客户起始节点最远的公共节点，将
Figure FDA0003709333750000027
中最远公共节点后面的节点序列加入配给通行工具的ym.pathschedule中的最远公共节点与该最远公共节点的下一个节点之间，即对该配给通行工具的ym.pathschedule进行了更新，获得更新后的通行工具信息列表Ls；之后对当前时间步内的下一个客户网约服务路网信息xm+1，执行步骤3.2.1；若当前时间步内客户均执行完，则执行3.2.7；
步骤3.2.7检查当前通行工具信息列表L中各通行工具信息内当前位置节点与其服务的所有客户的目的节点是否相同，删除目的节点与通行工具当前位置节点相同的客户信息，获得更新后的通行工具信息列表，执行3.2.8；
步骤3.2.8检查当前通行工具信息列表L中各通行工具信息的服务的客户网约服务路网信息集合
Figure FDA0003709333750000031
中是否包含客户信息，生成当前通行工具信息列表L中不包含客户信息通行工具的拼单信息，任一不包含客户信息的通行工具yu的拼单信息ru＝(pathu，ts，u，te，u)，其中，pathu＝yu.path，ts，u＝yu.ts，te，u＝s，并将生成的拼单信息加入拼单信息列表R中，获得更新后的拼单信息列表R，R初始为空，te，u为通行工具yu从L中删除时的时间步；从当前通行工具列表中删除不包含客户信息的通行工具，获得更新后的通行工具信息列表L，执行3.2.9；如当前通行工具信息列表L中所有通行工具都包含客户信息，则执行3.2.9；
步骤3.2.9对于当前通行工具信息列表中的每一个通行工具，获取任一通行工具yq当前位置节点到达其当前yq.pathschedule中第一个节点的时间e，当t≥e时，t＝s-yq.tstay，将通行工具当前yq.pathschedule中第一个节点删除并将该删除的第一个节点加入该通行工具当前yq.path中，并作为yq.path中的最后一个节点，同时将该通行工具的yq.tstay更新为s+1；若t＜e，则不更新；对所有通行工具执行完后获得更新后的通行工具信息列表L，进入下一个时间步，对下一个时间步的第一个客户需求服务信息执行步骤3.2.1；
所有时间步执行完后输出拼单信息列表R；
步骤4，利用拼单信息列表R构建时空拓扑网络，其中任一拼单信息ru＝(pathu，ts，u，te，u)对应时空拓扑网络中的一个节点vsp，u＝(vs，u，ve，u，ts，u，te，u，pathu)，vs，u为pathu中的第一节点，ve，u为pathu中的最后一个节点；
对于时空拓扑网络中任意两个节点vsp，u到vsp，λ进行连线操作，如ve，u到vs，λ最短距离的时间小于|te，u-ts，λ|时则连接vsp，u到vsp，λ；对所有任意两个节点进行完连线操作后构建得时空拓扑网络；
步骤5，求解时空拓扑网络的最小不相交路径覆盖，得到相关拼单信息之间的最优路径解，将相关拼单信息的pathu按最优路径解连接后得最终拼单路线。
2.如权利要求1所述的网约服务拼单路线规划方法，其特征在于，3.2.2将当前通行工具信息列表L内当前位置节点属于节点集Vm、且承载量有余的通行工具信息加入xm的候选通行工具集合xm.C，xm.C初始为空，L初始为空；之后对xm.C内的通行工具按照各自当前位置节点与xm.vo的距离从近到远进行排序，若存在相同距离的通行工具，则随机删除相同距离的通行工具只保留其中一条信息，执行步骤3.2.3。
3.如权利要求1所述的网约服务拼单路线规划方法，其特征在于，所述步骤3.2.4中，新通行工具信息y′的y′.cpty取值为大于等于1的整数。
4.如权利要求1所述的网约服务拼单路线规划方法，其特征在于，步骤4中ve，u到vs，λ最短距离采用单源最短路径算法获得。
5.如权利要求1或4所述的网约服务拼单路线规划方法，其特征在于，所述单源最短路径算法采取迪杰斯特拉算法、Bellman-Ford算法、SPFA算法、深度或广度优先搜索算法中的任一种。
6.如权利要求1所述的网约服务拼单路线规划方法，其特征在于，步骤5中采用Hopcroft-Karp或匈牙利算法求解时空拓扑网络的最小不相交路径覆盖。
7.一种存储介质，所述存储介质上存储有计算机可执行的程序代码，其特征在于，所述程序代码被计算机***的一个或多个处理器执行时，所述计算机***执行所述程序代码用于实现权利要求1-6任一权利要求所述的网约服务拼单路线规划方法。
CN202110156527.3A 2021-02-04 2021-02-04 一种网约服务拼单路线规划方法及存储介质 Active CN112964266B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110156527.3A CN112964266B (zh) 2021-02-04 2021-02-04 一种网约服务拼单路线规划方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110156527.3A CN112964266B (zh) 2021-02-04 2021-02-04 一种网约服务拼单路线规划方法及存储介质

Publications (2)

Publication Number Publication Date
CN112964266A CN112964266A (zh) 2021-06-15
CN112964266B true CN112964266B (zh) 2022-08-19

Family

ID=76273930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110156527.3A Active CN112964266B (zh) 2021-02-04 2021-02-04 一种网约服务拼单路线规划方法及存储介质

Country Status (1)

Country Link
CN (1) CN112964266B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105489002A (zh) * 2016-01-05 2016-04-13 深圳大学 一种基于智能匹配和路径优化的拼车方法及***
CN109040241A (zh) * 2018-08-02 2018-12-18 成都秦川物联网科技股份有限公司 基于车联网的网约无人驾驶车辆方法及车联网***
CN110009455A (zh) * 2019-04-02 2019-07-12 长安大学 一种基于网络表示学习的网约共享出行人员匹配方法
CN111307164A (zh) * 2020-02-25 2020-06-19 西北大学 一种低采样率轨迹地图匹配方法
CN111383073A (zh) * 2018-12-31 2020-07-07 北京嘀嘀无限科技发展有限公司 一种多用户共乘方法及其***
CN111489564A (zh) * 2020-04-23 2020-08-04 新石器慧通（北京）科技有限公司 无人驾驶交通工具的驾驶方法、装置及***
CN111712863A (zh) * 2018-02-13 2020-09-25 本田技研工业株式会社 运行管理装置、运行管理方法以及运行管理***
CN111854779A (zh) * 2020-02-25 2020-10-30 北京嘀嘀无限科技发展有限公司 一种路线规划方法、装置、电子设备及可读存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9459622B2 (en) * 2007-01-12 2016-10-04 Legalforce, Inc. Driverless vehicle commerce network and community
EP2556335A2 (en) * 2010-04-08 2013-02-13 Way Better Ltd. Public transport optimization
JP6488906B2 (ja) * 2015-06-19 2019-03-27 日産自動車株式会社 共用車両管理装置及び共用車両管理方法
US11378408B2 (en) * 2018-03-02 2022-07-05 Uber Technologies, Inc. Route coordination and navigation based on user proximity to points of interest
CN111932040A (zh) * 2020-09-29 2020-11-13 广州宸祺出行科技有限公司 一种拼车路线规划的方法和***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105489002A (zh) * 2016-01-05 2016-04-13 深圳大学 一种基于智能匹配和路径优化的拼车方法及***
CN111712863A (zh) * 2018-02-13 2020-09-25 本田技研工业株式会社 运行管理装置、运行管理方法以及运行管理***
CN109040241A (zh) * 2018-08-02 2018-12-18 成都秦川物联网科技股份有限公司 基于车联网的网约无人驾驶车辆方法及车联网***
CN111383073A (zh) * 2018-12-31 2020-07-07 北京嘀嘀无限科技发展有限公司 一种多用户共乘方法及其***
CN110009455A (zh) * 2019-04-02 2019-07-12 长安大学 一种基于网络表示学习的网约共享出行人员匹配方法
CN111307164A (zh) * 2020-02-25 2020-06-19 西北大学 一种低采样率轨迹地图匹配方法
CN111854779A (zh) * 2020-02-25 2020-10-30 北京嘀嘀无限科技发展有限公司 一种路线规划方法、装置、电子设备及可读存储介质
CN111489564A (zh) * 2020-04-23 2020-08-04 新石器慧通（北京）科技有限公司 无人驾驶交通工具的驾驶方法、装置及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Xiangjie Kong ; Menglin Li ; Tao Tang ; etc..Shared Subway Shuttle Bus Route Planning Based on Transport Data Analytics.《IEEE Transactions on Automation Science and Engineering》.2018,全文. *
大规模拼车算法研究进展;徐毅，童咏昕，李未;《计算机研究与发展》;20200131(第1期);全文 *

Also Published As

Publication number Publication date
CN112964266A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
Tafreshian et al. Frontiers in service science: Ride matching for peer-to-peer ride sharing: A review and future directions
Vansteenwegen et al. A survey on demand-responsive public bus systems
Agatz et al. Optimization for dynamic ride-sharing: A review
US8738286B2 (en) Transit routing system for public transportation trip planning
RU2717114C2 (ru) Система для контроля совместных поездок ни транспортном средстве (варианты) и способ контроля совместных поездок на транспортном средстве
TWI735292B (zh) 一種為從源頭位置到目標位置的旅程提供路線的方法
CN109344529A (zh) 一种基于两阶段启发式算法的定制公交线路设计方法
Sharma et al. Park-and-ride lot choice model using random utility maximization and random regret minimization
Sohoni et al. Mode shift behavior of commuters due to the introduction of new rail transit mode
Bessler et al. Routing EV users towards an optimal charging plan
Ferrari et al. The car pooling problem: Heuristic algorithms based on savings functions
Huang et al. Schedule-based path-finding algorithms for transit trip-planning systems
Wang et al. A dynamic graph-based many-to-one ride-matching approach for shared autonomous electric vehicles
CN112964266B (zh) 一种网约服务拼单路线规划方法及存储介质
CN106022504A (zh) 用于创建用户活动的时间序列的设备、方法和计算机程序
Janoš et al. Smart urban transport
Alisoltani et al. Data-oriented approach for the dial-a-ride problem
Hashi et al. A heuristic solution of the Vehicle Routing Problem to optimize the office bus routing and scheduling using Clarke & Wright's savings algorithm
CN114877906A (zh) 配送计划生成方法、装置、***及计算机可读存储介质
Perera et al. Genetic algorithm based dynamic scheduling of EV in a demand responsive bus service for first mile transit
Vateekul et al. Recurrent Neural‐Based Vehicle Demand Forecasting and Relocation Optimization for Car‐Sharing System: A Real Use Case in Thailand
Sebayang et al. Implementations of Dijkstra Algorithm for Searching the Shortest Route of Ojek Online and a Fuzzy Inference System for Setting the Fare Based on Distance and Difficulty of Terrain (Case Study: in Semarang City, Indonesia)
Šego et al. Methods of Goods Delivery to the Historic Core of the City of Šibenik During the Tourist Season
US20200217674A1 (en) Meeting Coordinator Minimizing Joint Driving Time
Srivastava et al. XGBoost-based dynamic ride-sharing model for New York City.

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