CN116757459B - 用于自动驾驶出租车智慧调度方案及综合评价方法及*** - Google Patents
用于自动驾驶出租车智慧调度方案及综合评价方法及*** Download PDFInfo
- Publication number
- CN116757459B CN116757459B CN202311057656.2A CN202311057656A CN116757459B CN 116757459 B CN116757459 B CN 116757459B CN 202311057656 A CN202311057656 A CN 202311057656A CN 116757459 B CN116757459 B CN 116757459B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- taxi
- dispatching
- order
- mileage
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 64
- 230000029305 taxis Effects 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000008901 benefit Effects 0.000 claims abstract description 10
- 238000013461 design Methods 0.000 claims abstract description 10
- 238000011065 in-situ storage Methods 0.000 claims abstract description 8
- 230000008447 perception Effects 0.000 claims abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 206010039203 Road traffic accident Diseases 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000001351 cycling effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了用于自动驾驶出租车智慧调度方案及综合评价方法及***,涉及车路协同体系下自动驾驶出租车智能调度技术领域,包括:调度中心采集车辆和订单信息并向自动驾驶出租车分配订单;根据调度规则设计方案判断出租车当前状态实施包括原地等待模式、回家模式以及车辆巡航模式的调度策略;根据出租车运营效益以及乘客感知服务水平出发,选取用户平均等待时间、车辆有效里程、车辆有效行驶时间以及出行服务水平量化指标分析评价智慧调度策略。本发明在乘客满意度、降低运营成本和服务质量方面都取得更加良好的效果。
Description
技术领域
本发明涉及车路协同体系下自动驾驶出租车智能调度技术领域,具体为用于自动驾驶出租车智慧调度方案及综合评价方法及***。
背景技术
随着人工智能、大数据、区块链等新型技术在交通领域的普遍应用,极大提高了人们的出现服务质量的水平。但在车企出行服务业中,存在车辆管理不到位、信息化管理水平不高、服务智能化欠缺等问题,主要表现在车辆配置不合理,大部分车辆在人流密集区行驶,导致其他地方乘客预约等待时间较长;当车辆空载率高时,存在利用效率低,导致车辆运行成本较高;人流量较少的区域出现乘客打车难的现象,导致派遣出租车辆整体出行服务率低。
目前车路协同技术的日渐成熟,以百度、小马智行、Momenta为代表的智能驾驶企业在特定场景下对自动驾驶技术的应用迅速发力,进一步加速智能网联自动驾驶车辆商业化落地应用。聚焦自动驾驶出租车这一特殊场景,从用户平均等待时间、车辆有效里程、车辆有效行驶时间出发,综合评价自动驾驶出租车智慧调度后出行服务水平,为自动驾驶出租车特定区域内运行提供了一套合理的调度方案,但是自动出租车技术并不成熟,目前存在车辆调度成本较高,乘客等待时间久对自动出租车服务不满意等问题。
因此亟需一种用于自动驾驶出租车智慧调度方案及综合评价方法。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的自动驾驶出租车智慧调度方法存在调度成本高,乘客等待时间久,满意度不足,以及如何避免乘客满意度高于当前运营成本,导致资源浪费的优化问题。
为解决上述技术问题,本发明提供如下技术方案:一种用于自动驾驶出租车智慧调度方案及综合评价方法,包括:调度中心采集车辆和订单信息并向自动驾驶出租车分配订单;根据调度规则设计方案判断出租车当前状态实施包括原地等待模式、回家模式以及车辆巡航模式的调度策略;根据出租车运营效益以及乘客感知服务水平出发,选取用户平均等待时间、车辆有效里程、车辆有效行驶时间以及出行服务水平量化指标分析评价智慧调度策略。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价方法的一种优选方案,其中:所述采集车辆和订单信息并向自动驾驶出租车分配订单包括根据车辆剩余电量、车辆状态、车辆位置以及订单起始位置利用地图数据和算法引擎,通过改进的调度算法优化***制定自动驾驶出租车辆导航路线。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价方法的一种优选方案,其中:所述调度规则设计方案包括根据自动驾驶出租车车辆实时剩余里程信息确定出租车是否能完成下一次订单,当车辆实时剩余里程数小于完成一次订单总里程跟返回充电所耗里程总和时,车辆将要返回固定充电站点充电确保下次出租车辆正常调度;当车辆实时剩余里程数满足出行返回的里程总和或完成充电,判断是否存在特殊驾驶环境,当存在特殊驾驶环境时且剩余里程计算为实时剩余里程数大于完成一次订单总里程跟返回充电所耗里程总和时则自动驾驶出租车为怠速状态在继续行驶在当前路段,当存在特殊驾驶环境时且在上一次调度规则判断为剩余里程不足以完成充电则自动驾驶出租车内置线路规划模块选择最近路线离开特殊驾驶环境;所述特殊驾驶环境包括高峰拥堵路段和出现车祸路段。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价方法的一种优选方案,其中:所述根据出租车当前状态实施调度策略包括出租车当前订单完成以后,空闲车辆的驾驶行为状态,行驶状态包括原地等待模式、回家模式以及车辆巡航模式;当出租车处于原地等待模式时上下车点选择上线运营的固定点,在交通运营过程中选择顺序性派单模式,当车辆完成上一订单后,根据***预先输入条件进行等待,等待预设时间后转为回家模式,回家过程中接收到派单信息,从派单时的当前位置进行正常接单,循环直至完成运营时段内所有订单或电量不足转为回家模式,运营时段结束,***自动向车辆下达任务,调度车辆返回调度中心;当出租车处于回家模式时在交通运营过程中根据乘客订单序列顺序性进行派单,已完成订单的车辆和调度中心未出行的在线车辆作为预派车状态,根据车辆与上车点的行驶时间最优排序选取最优的车辆作为预派车,当车辆剩余里程满足完成订单并返回调度中心时则进行接单,循环直至完成运营时段内所有订单或电量不足;当出租车处于车辆巡航模式时,调度中心将1min内完成订单的车辆作为预派车辆,出租车在完成上一订单后选择顺序性派单模式接收订单,若完成订单后未接收到新的订单则根据调度中心预先输入的条件预测乘客需求热点区域,选择最近热点区域进行巡航,巡航过程中若电量不足完成一次订单则选择终点处于充电站范围内的订单,运营时段结束,***自动向车辆下达任务,调度车辆返回调度中心。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价方法的一种优选方案,其中:所述量化指标分析评价包括车辆有效里程和车辆有效行驶时间;所述车辆有效里程计算车辆有效里程占比,评价分析单次运营自动驾驶出租车辆的收益效率,表示为:
;
其中,为车辆完成送客总行驶里程的过程中路网中运营车辆产生收益,/>为前往接车辆的有效里程与总行驶里程之差的消费,/>为前一个订单和当前订单两个订单之间切换模式消耗里程的消费,当模式相同则不进行/>的计算;/>为电量不足需返回站点充电所行驶里程的消费;所述车辆有效行驶时间对比分析行程所需时间和行程实际时间,评价单次出行自动驾驶出租车辆的运营效率/>,表示为:
;
其中,为不同模式下车辆送客行程实际时间,/>为不同模式下车辆从接到订单到结束订单进行的总体运营时间。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价方法的一种优选方案,其中:所述出租车服务水平包括以乘客感知的服务水平的累加为评价标准,表示为:
;
其中,为车辆送客行程实际时间,/>为平均用户等待时间,/>为路网中实际运营车辆与***中派遣总车辆的占比,/>和/>为限制影响因子,/>,/>为平均用户等待时间/>的系数,/>,/>为路网中车辆利用率/>的系数。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价方法的一种优选方案,其中:所述出租车服务水平还包括以自动驾驶出租车出行服务质量水平最大为评价标准,表示为:
;
其中,为路网***中单个自动驾驶出租车车辆完成的总订单次数,/>为路网***中实际运营车辆的数量,完成评价计算后进行***优化,若最大出行服务质量水平低于乘客感知的服务水平,则视为乘客对服务感到满意,保持当前运维状态,若最大出行服务质量水平高于乘客感知的服务水平,则存在乘客未感受到当前的已超过乘客评价的运维状态,则配置每单完成后自动询问乘客的期望,去除乘客期望中未出现服务减少运营成本。
本发明的另外一个目的是提供一种用于自动驾驶出租车智慧调度方案及综合评价***,其能通过对比乘客感知的服务水平和出租车出行服务质量水平最大值对比,解决了服务水平和客户感知水平不对等的问题。
作为本发明所述的用于自动驾驶出租车智慧调度方案及综合评价***的一种优选方案,其中:包括数据采集模块,调度策略分配模块,评价分析模块;所述数据采集模块用于收集车辆和订单信息,利用地图数据和算法引擎,通过改进的调度算法优化***制定自动驾驶出租车的导航路线;所述调度策略分配模块根据调度规则设计方案和自动驾驶出租车的当前状态向自动驾驶出租车分配订单;所述评价分析模块用于计算乘客感知的服务水平和出行服务质量水平并进行评价优化。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序是实现用于自动驾驶出租车智慧调度方案及综合评价方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现用于自动驾驶出租车智慧调度方案及综合评价方法的步骤。
本发明的有益效果:本发明提供的用于自动驾驶出租车智慧调度方案及综合评价方法以用户等待时间、车辆行驶里程、车辆行驶时间等评价指标,同时考虑路网中实际运营车辆与路网中投入车辆的占比,更好的合理安排自动驾驶出租车辆,减少自动驾驶出租车辆运营成本并提高服务质量。考虑真实道路交通环境,针对不同场景分析车辆制定不同的调度策略,在降低运营成本的同时减少乘客等待时间,提高乘客满意度。不仅仅考虑***中乘客感知服务,也考虑自动驾驶车辆出行成本以及服务收益,综合考虑自动驾驶车辆出行服务质量。本发明在乘客满意度、降低运营成本和服务质量方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例提供的一种用于自动驾驶出租车智慧调度方案及综合评价方法的整体流程图。
图2为本发明第二个实施例提供的一种用于自动驾驶出租车智慧调度方案及综合评价方法的车少订单多工况下调度算法指标的对比示意图。
图3为本发明第二个实施例提供的一种用于自动驾驶出租车智慧调度方案及综合评价方法的车多订单少工况下调度算法指标的对比示意图。
图4为本发明第二个实施例提供的一种用于自动驾驶出租车智慧调度方案及综合评价方法的相同工况下乘客起终点位置随机指标对比示意图。
图5为本发明第二个实施例提供的一种用于自动驾驶出租车智慧调度方案及综合评价方法的相同工况下乘客起终点位置靠近热点区域指标对比示意图。
图6为本发明第三个实施例提供的一种用于自动驾驶出租车智慧调度方案及综合评价***的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
参照图1,为本发明的一个实施例,提供了一种用于自动驾驶出租车智慧调度方案及综合评价方法,包括:
S1:调度中心采集车辆和订单信息并向自动驾驶出租车分配订单。
更进一步的,采集车辆和订单信息并向自动驾驶出租车分配订单包括根据车辆剩余电量、车辆状态、车辆位置以及订单起始位置利用地图数据和算法引擎,通过改进的调度算法优化***制定自动驾驶出租车辆导航路线。
应说明的是,整体调度通过订单管理和车辆管理模块、统一调度子模块、算法模块三个模块来实现,订单管理和车辆管理模块,涵盖订单和车辆的信息查询及监控,能够实时查看当前各订单和车辆的状态、位置等信息。统一调度子模块,能够实时一键生成调度方案。除却算法自动推荐的调度方案外,管理员也能够基于外部信息对调度方案进行人工调整。算法模块,利用地图数据和算法引擎,通过改进的调度算法优化***中自动驾驶出租车辆导航路线,让自动驾驶出租车的调度更高效。
S2:根据调度规则设计方案判断出租车当前状态实施包括原地等待模式、回家模式以及车辆巡航模式的调度策略。
更进一步的,调度规则设计方案包括根据自动驾驶出租车车辆实时剩余里程信息确定出租车是否能完成下一次订单,当车辆实时剩余里程数小于完成一次订单总里程跟返回充电所耗里程总和时,车辆将要返回固定充电站点充电确保下次出租车辆正常调度;当车辆实时剩余里程数满足出行返回的里程总和或完成充电,判断是否存在特殊驾驶环境,当存在特殊驾驶环境时且剩余里程计算为实时剩余里程数大于完成一次订单总里程跟返回充电所耗里程总和时则自动驾驶出租车为怠速状态在继续行驶在当前路段,当存在特殊驾驶环境时且在上一次调度规则判断为剩余里程不足以完成充电则自动驾驶出租车内置线路规划模块选择最近路线离开特殊驾驶环境;特殊驾驶环境包括高峰拥堵路段和出现车祸路段。
应说明的是,根据出租车当前状态实施调度策略包括出租车当前订单完成以后,空闲车辆的驾驶行为状态,行驶状态包括原地等待模式、回家模式以及车辆巡航模式;当出租车处于原地等待模式时上下车点选择上线运营的固定点,在交通运营过程中选择顺序性派单模式,当车辆完成上一订单后,根据***预先输入条件进行等待,等待预设时间后转为回家模式,回家过程中接收到派单信息,从派单时的当前位置进行正常接单,循环直至完成运营时段内所有订单或电量不足转为回家模式,运营时段结束,***自动向车辆下达任务,调度车辆返回调度中心;当出租车处于回家模式时在交通运营过程中根据乘客订单序列顺序性进行派单,已完成订单的车辆和调度中心未出行的在线车辆作为预派车状态,根据车辆与上车点的行驶时间最优排序选取最优的车辆作为预派车,当车辆剩余里程满足完成订单并返回调度中心时则进行接单,循环直至完成运营时段内所有订单或电量不足;当出租车处于车辆巡航模式时,调度中心将1min内完成订单的车辆作为预派车辆,出租车在完成上一订单后选择顺序性派单模式接收订单,若完成订单后未接收到新的订单则根据调度中心预先输入的条件预测乘客需求热点区域,选择最近热点区域进行巡航,巡航过程中若电量不足完成一次订单则选择终点处于充电站范围内的订单,运营时段结束,***自动向车辆下达任务,调度车辆返回调度中心。
还应说明的是,在调度方案中,整个自动驾驶出租车需要完成“派单-寻找乘客-完成订单”操作流程。通过对天气数据、实时交通数据、出租车运营数据等数据合理分配订单任务给车辆,以乘客整体出行服务水平为目标,在运营范围合理分配车辆数量,高效调度车辆执行订单任务,并为车辆进行最有效路线导航来达到成本最优,时间最短,里程最短,各项均衡的调度目标。
S3:根据出租车运营效益以及乘客感知服务水平出发,选取用户平均等待时间、车辆有效里程、车辆有效行驶时间以及出行服务水平量化指标分析评价智慧调度策略。
更进一步的,用户平均等待时间,是指乘客订单以后,算法如何合理分配车辆,在规定时间内接送乘客,用户平均等待时间降低可有效提升客户满意度。
应说明的是,量化指标分析评价包括车辆有效里程和车辆有效行驶时间;车辆有效里程计算车辆有效里程占比,评价分析单次运营自动驾驶出租车辆的收益效率,表示为:
;
其中,为车辆完成送客总行驶里程的过程中路网中运营车辆产生收益,/>为前往接车辆的有效里程与总行驶里程之差的消费,/>为前一个订单和当前订单两个订单之间切换模式消耗里程的消费,当模式相同则不进行/>的计算;/>为电量不足需返回站点充电所行驶里程的消费;车辆有效行驶时间对比分析行程所需时间和行程实际时间,评价单次出行自动驾驶出租车辆的运营效率/>,表示为:
;
其中,为不同模式下车辆送客行程实际时间,/>为不同模式下车辆从接到订单到结束订单进行的总体运营时间。
还应说明的是,出租车服务水平包括以乘客感知的服务水平的累加为评价标准,表示为:
;
其中,为车辆送客行程实际时间,/>为平均用户等待时间,/>为路网中实际运营车辆与***中派遣总车辆的占比,/>和/>为限制影响因子,/>,/>为平均用户等待时间/>的系数,/>,/>为路网中车辆利用率/>的系数。
在本实施例中,为有效评估出行服务水平,取值0.6,/>取值0.4,/>取值0.75,/>取值0.2。
更进一步的,出租车服务水平还包括以自动驾驶出租车出行服务质量水平最大为评价标准,表示为:
;
其中,为路网***中单个自动驾驶出租车车辆完成的总订单次数,/>为路网***中实际运营车辆的数量,完成评价计算后进行***优化,若最大出行服务质量水平低于乘客感知的服务水平,则视为乘客对服务感到满意,保持当前运维状态,若最大出行服务质量水平高于乘客感知的服务水平,则存在乘客未感受到当前的已超过乘客评价的运维状态,则配置每单完成后自动询问乘客的期望,去除乘客期望中未出现服务减少运营成本。
实施例2
参照图2-图5,为本发明的一个实施例,提供了一种用于自动驾驶出租车智慧调度方案及综合评价方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
基于Python+Django框架搭建自动驾驶出租车自适应智慧调度可视化仿真平台。由于测试数据样本有限且测试工况组合有限,仅在有限的测试范围内得出以下的一般性结论。
图2和图3为不同工况下调度算法指标的对比。仿真实验中,选取乘客订单34个、车辆投入数不同时输出结果进行分析。我们可以看出运营模式下,假设设置车辆数为4、6、8、20、35、50。在车少订单多情况时,随着车辆数的增加,行驶有效里程、行驶有效时间在不断增加,用户等待时间不断减少。由表可以看出随着车辆数的投入增加,运营效率高,用户等待时间不断减少。通过对比当投入车辆数8辆时,出行服务水平是最高的。车多人少的运营模式下,假设设置车辆数为20、35、50,可以看出三种情况下行驶有效里程、行驶有效时间均相同,这是由于设置的车辆并未全部投入运营,以20辆车,34个订单为例,实际投入车辆为12辆。通过对比当投入车辆数20辆时,用户平均等待时间最少,且出行服务水平是最高的。
图4和图5为相同工况下不同调度规则算法指标对比。仿真实验中,初始设置条件,投入10辆车、10订单,分析评价三种调度规则的适用性。我们可以看出,当乘客起终点位置随机撒点时,不难发现当车辆完成订单以后,处于原地不动的调度规则时,在有效行驶时间占比、有效行驶距离占比上优于其他两种调度规则。选择车辆巡航模式相对比其他模式的用户等待时间最低,但车辆巡航模式实际启用的车辆要多于其他模式。当处于乘客终点位置靠近热点区域的条件,在整个调度规则中,我们设置的车辆数为10,订单数为10,但是实际投入的车辆数均为1辆,这是受到乘客订单进入时间的影响。原地不动模式的有效行驶时间占比、有效行驶距离占比上优于其他两种调度规则。选择车辆巡航模式相对比其他模式的用户等待时间最低。
实施例3
参照图6,为本发明的一个实施例,提供了一种用于自动驾驶出租车智慧调度方案及综合评价***,包括:数据采集模块,调度策略分配模块,评价分析模块。
其中,数据采集模块用于收集车辆和订单信息,利用地图数据和算法引擎,通过改进的调度算法优化***制定自动驾驶出租车的导航路线;调度策略分配模块根据调度规则设计方案和自动驾驶出租车的当前状态向自动驾驶出租车分配订单;评价分析模块用于计算乘客感知的服务水平和出行服务质量水平并进行评价优化。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.用于自动驾驶出租车智慧调度方案及综合评价方法,其特征在于,包括:
调度中心采集车辆和订单信息并向自动驾驶出租车分配订单;
根据调度规则设计方案判断出租车当前状态实施包括原地等待模式、回家模式以及车辆巡航模式的调度策略;
根据出租车运营效益以及乘客感知服务水平出发,选取用户平均等待时间、车辆有效里程、车辆有效行驶时间以及出行服务水平量化指标分析评价智慧调度策略;
所述根据出租车当前状态实施调度策略包括出租车当前订单完成以后,空闲车辆的驾驶行为状态,行驶状态包括原地等待模式、回家模式以及车辆巡航模式;
当出租车处于原地等待模式时上下车点选择上线运营的固定点,在交通运营过程中选择顺序性派单模式,当车辆完成上一订单后,根据***预先输入条件进行等待,等待预设时间后转为回家模式,回家过程中接收到派单信息,从派单时的当前位置进行正常接单,循环直至完成运营时段内所有订单或电量不足转为回家模式,运营时段结束,***自动向车辆下达任务,调度车辆返回调度中心;
当出租车处于回家模式时在交通运营过程中根据乘客订单序列顺序性进行派单,已完成订单的车辆和调度中心未出行的在线车辆作为预派车状态,根据车辆与上车点的行驶时间最优排序选取最优的车辆作为预派车,当车辆剩余里程满足完成订单并返回调度中心时则进行接单,循环直至完成运营时段内所有订单或电量不足;
当出租车处于车辆巡航模式时,调度中心将1min内完成订单的车辆作为预派车辆,出租车在完成上一订单后选择顺序性派单模式接收订单,若完成订单后未接收到新的订单则根据调度中心预先输入的条件预测乘客需求热点区域,选择最近热点区域进行巡航,巡航过程中若电量不足完成一次订单则选择终点处于充电站范围内的订单,运营时段结束,***自动向车辆下达任务,调度车辆返回调度中心;
所述量化指标分析评价包括车辆有效里程和车辆有效行驶时间;
所述车辆有效里程计算车辆有效里程占比,评价分析单次运营自动驾驶出租车辆的收益效率E,表示为:
其中,S1为车辆完成送客总行驶里程的过程中路网中运营车辆产生收益,S2为前往接车辆的有效里程与总行驶里程之差的消费,S3为前一个订单和当前订单两个订单之间切换模式消耗里程的消费,当模式相同则不进行S3的计算;S4为电量不足需返回站点充电所行驶里程的消费;
所述车辆有效行驶时间对比分析行程所需时间和行程实际时间,评价单次出行自动驾驶出租车辆的运营效率T,表示为:
其中,te为不同模式下车辆送客行程实际时间,tq为不同模式下车辆从接到订单到结束订单进行的总体运营时间;
所述出行服务水平包括以乘客感知的服务水平的累加为评价标准,表示为:
其中,te为车辆送客行程实际时间,ta为平均用户等待时间,ev为路网中实际运营车辆与***中派遣总车辆的占比,η和为限制影响因子,/>μ为平均用户等待时间ta的系数,μ∈[0.5,0.8],c为路网中车辆利用率ev的系数;
所述出行服务水平还包括以自动驾驶出租车出行服务质量水平最大为评价标准,表示为:
max Fa=∑0.6*te-(0.3*ta+0.08*ev)/100;
其中,max Fa表示一辆自动驾驶出租车在完成单一订单后的出行服务质量,max F表示整个路网中的实际运营车辆在完成全部订单后表达的综合出行服务水平,n表示订单总数;
完成评价计算后进行***优化,若最大出行服务质量水平低于乘客感知的服务水平,则视为乘客对服务感到满意,保持当前运维状态,若最大出行服务质量水平高于乘客感知的服务水平,则存在乘客未感受到当前的已超过乘客评价的运维状态,则配置每单完成后自动询问乘客的期望,去除乘客期望中未出现服务减少运营成本。
2.如权利要求1所述的用于自动驾驶出租车智慧调度方案及综合评价方法,其特征在于:所述采集车辆和订单信息并向自动驾驶出租车分配订单,包括根据车辆剩余电量、车辆状态、车辆位置以及订单起始位置利用地图数据和算法引擎,通过改进的调度算法优化***制定自动驾驶出租车辆导航路线。
3.如权利要求2所述的用于自动驾驶出租车智慧调度方案及综合评价方法,其特征在于:所述调度规则设计方案包括根据自动驾驶出租车车辆实时剩余里程信息确定出租车是否能完成下一次订单,当车辆实时剩余里程数小于完成一次订单总里程跟返回充电所耗里程总和时,车辆将要返回固定充电站点充电确保下次出租车辆正常调度;
当车辆实时剩余里程数满足出行返回的里程总和或完成充电,判断是否存在特殊驾驶环境,当存在特殊驾驶环境时且剩余里程计算为实时剩余里程数大于完成一次订单总里程跟返回充电所耗里程总和时则自动驾驶出租车为怠速状态在继续行驶在当前路段,当存在特殊驾驶环境时且在上一次调度规则判断为剩余里程不足以完成充电则自动驾驶出租车内置线路规划模块选择最近路线离开特殊驾驶环境;
所述特殊驾驶环境包括高峰拥堵路段和出现车祸路段。
4.一种采用如权利要求1~3任一所述的用于自动驾驶出租车智慧调度方案及综合评价方法的***,其特征在于:包括数据采集模块,调度策略分配模块,评价分析模块;
所述数据采集模块用于收集车辆和订单信息,利用地图数据和算法引擎,通过改进的调度算法优化***制定自动驾驶出租车的导航路线;
所述调度策略分配模块根据调度规则设计方案和自动驾驶出租车的当前状态向自动驾驶出租车分配订单;
所述评价分析模块用于计算乘客感知的服务水平和出行服务质量水平并进行评价优化。
5.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的用于自动驾驶出租车智慧调度方案及综合评价方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的用于自动驾驶出租车智慧调度方案及综合评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311057656.2A CN116757459B (zh) | 2023-08-22 | 2023-08-22 | 用于自动驾驶出租车智慧调度方案及综合评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311057656.2A CN116757459B (zh) | 2023-08-22 | 2023-08-22 | 用于自动驾驶出租车智慧调度方案及综合评价方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116757459A CN116757459A (zh) | 2023-09-15 |
CN116757459B true CN116757459B (zh) | 2023-12-01 |
Family
ID=87961354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311057656.2A Active CN116757459B (zh) | 2023-08-22 | 2023-08-22 | 用于自动驾驶出租车智慧调度方案及综合评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116757459B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094767A (zh) * | 2014-05-06 | 2015-11-25 | 华为技术有限公司 | 自动驾驶车辆调度方法、车辆调度服务器及自动驾驶车辆 |
CN108766008A (zh) * | 2018-04-27 | 2018-11-06 | 北京智行者科技有限公司 | 自动驾驶车辆的调度方法和*** |
CN111062629A (zh) * | 2019-12-20 | 2020-04-24 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
CN111133484A (zh) * | 2017-09-28 | 2020-05-08 | 北京嘀嘀无限科技发展有限公司 | 用于评估与指定的驾驶服务相关的调度策略的***和方法 |
CN113990093A (zh) * | 2021-11-22 | 2022-01-28 | 大连理工大学 | 一种无人驾驶电动出租车动态合乘调度***及方法 |
CN114493151A (zh) * | 2021-12-30 | 2022-05-13 | 上海赛可出行科技服务有限公司 | 一种自动驾驶出租车接单判定方法 |
EP4009256A2 (en) * | 2021-08-11 | 2022-06-08 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for unmanned vehicle dispatching management, device, storage medium and program |
CN115409346A (zh) * | 2022-08-22 | 2022-11-29 | 北京清丰智行科技有限公司 | 园区低速无人车的调度方法及***、管理云平台 |
CN116343514A (zh) * | 2023-03-30 | 2023-06-27 | 江苏大学 | 一种用于无人驾驶的车辆调度管理方法及*** |
CN116612654A (zh) * | 2023-07-21 | 2023-08-18 | 北京斯年智驾科技有限公司 | 一种无人驾驶车队调度方法、装置及电子设备 |
-
2023
- 2023-08-22 CN CN202311057656.2A patent/CN116757459B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105094767A (zh) * | 2014-05-06 | 2015-11-25 | 华为技术有限公司 | 自动驾驶车辆调度方法、车辆调度服务器及自动驾驶车辆 |
CN111133484A (zh) * | 2017-09-28 | 2020-05-08 | 北京嘀嘀无限科技发展有限公司 | 用于评估与指定的驾驶服务相关的调度策略的***和方法 |
CN108766008A (zh) * | 2018-04-27 | 2018-11-06 | 北京智行者科技有限公司 | 自动驾驶车辆的调度方法和*** |
CN111062629A (zh) * | 2019-12-20 | 2020-04-24 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
EP4009256A2 (en) * | 2021-08-11 | 2022-06-08 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for unmanned vehicle dispatching management, device, storage medium and program |
CN113990093A (zh) * | 2021-11-22 | 2022-01-28 | 大连理工大学 | 一种无人驾驶电动出租车动态合乘调度***及方法 |
CN114493151A (zh) * | 2021-12-30 | 2022-05-13 | 上海赛可出行科技服务有限公司 | 一种自动驾驶出租车接单判定方法 |
CN115409346A (zh) * | 2022-08-22 | 2022-11-29 | 北京清丰智行科技有限公司 | 园区低速无人车的调度方法及***、管理云平台 |
CN116343514A (zh) * | 2023-03-30 | 2023-06-27 | 江苏大学 | 一种用于无人驾驶的车辆调度管理方法及*** |
CN116612654A (zh) * | 2023-07-21 | 2023-08-18 | 北京斯年智驾科技有限公司 | 一种无人驾驶车队调度方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
基于多策略搜索的出租车服务仿真模型;慕晨,宣慧玉;***管理学报;第18卷(第3期);355-360 * |
Also Published As
Publication number | Publication date |
---|---|
CN116757459A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bischoff et al. | City-wide shared taxis: A simulation study in Berlin | |
Bischoff et al. | Simulation of city-wide replacement of private cars with autonomous taxis in Berlin | |
Barth et al. | Simulation model performance analysis of a multiple station shared vehicle system | |
CN112193116B (zh) | 一种考虑奖励机制的电动汽车充电优化引导策略 | |
Rigas et al. | Algorithms for electric vehicle scheduling in large-scale mobility-on-demand schemes | |
CN110111601B (zh) | 一种基于两阶段选择的区域停车位动态分配方法 | |
CN109784523B (zh) | 一种基于多目标优化的网约车智能分配订单方法 | |
Yang et al. | Distributed approach for temporal–spatial charging coordination of plug-in electric taxi fleet | |
CN111178716B (zh) | 一种竞拍式的自动驾驶出租车空车调度方法 | |
CN115345702A (zh) | 考虑用户特征的居住区私人共享停车匹配方法及*** | |
CN112949987B (zh) | 基于预测的出租车调度和匹配方法、***、设备及介质 | |
Wang et al. | Multi-objective optimization of customized bus routes based on full operation process | |
CN113442731B (zh) | 基于再生制动能量的智能列车控制方法、装置及电子设备 | |
CN114707891A (zh) | 一种公交车辆在线调度方法 | |
CN112149906B (zh) | 一种计及充电时间的电动车出行线路综合优化方法 | |
Bansal et al. | Performance evaluation and optimization of design parameters for electric vehicle-sharing platforms by considering vehicle dynamics | |
Nakayama et al. | Simulation Analysis for the Management of an Electric Vehicle–Sharing System: Case of the Kyoto Public-Car System | |
CN116757459B (zh) | 用于自动驾驶出租车智慧调度方案及综合评价方法及*** | |
Sundstroem et al. | Toward electric vehicle trip prediction for a charging service provider | |
CN117035357A (zh) | 一种电动出租车队在能源-交通中的充放电调度方法 | |
CN117132011A (zh) | 一种城际出行车辆路径确定方法、***、电子设备及介质 | |
Gao et al. | Charging autonomous electric vehicle fleet for mobility-on-demand services: Plug in or swap out? | |
US20230305568A1 (en) | System and method for managing fleet of electric vehicles | |
CN114881692A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
CN113222248B (zh) | 一种自动驾驶出租车充电桩选择方法 |
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 |