申请/专利权人：哈尔滨工业大学

申请日：2023-02-21

公开（公告）日：2024-03-08

公开（公告）号：CN116090785B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q50/40;G06Q10/047;G06F18/232;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.08#授权;2023.05.26#实质审查的生效;2023.05.09#公开

摘要：针对大型活动散场场景两阶段的定制公交规划方法，本发明涉及针对大型活动散场场景两阶段的定制公交规划方法。本发明的目的是为了应对大型活动散场时出现的交通拥堵及观众乘车难的问题。过程为：S1.采集原始数据并进行预处理；S2.识别出出租车数据中的潜在定制公交需求；S3.通过数据驱动的方式生成备选定制公交站点；S4.向用户发送备选站点及到达站点预估的定制公交出行费用，预计的定制公交行程时间，等待用户决策；S5.确定S4中被乘客选中的各个站点及各个站点包含的订单需求量；S6.生成具有最大运营商利润的定制公交线路；S7.向用户发送定制公交线路信息，等待乘客完成出行。本发明用于智能交通技术领域。

主权项：1.针对大型活动散场场景两阶段的定制公交规划方法，其特征在于：所述方法具体过程为：S1.采集活动当天大型活动入场阶段相关的出租车和网约车数据并进行预处理，作为定制公交需求识别的原始数据；所述大型活动为活动参加者数量大于5000人；S2.基于网约车订单数据中下车地点信息识别出其中参加大型活动的相关订单，建立基于图半监督学习的潜在需求识别模型，利用识别出的网约车观众到达时间、到达位置数据训练图半监督学习的潜在需求识别模型，对出租车数据进行识别标记，识别出抵达场馆参加大型活动的出租车出行记录，进而挖掘出网约车、出租车数据中的潜在定制公交需求；S3.通过数据驱动的方式生成备选定制公交站点；S4.预估定制公交出行成本，预计定制公交行程时间；向用户发送S3得到的备选站点及预估出行费用和行程时间，等待用户决策；S5.云计算中心统计在截止时间内的乘客所有订单，根据最终的乘客需求，确定S4中被乘客选中的各个站点及各个站点包含的订单需求量；S6.基于S5确定的S4中被乘客选中的各个站点及其包含的订单需求量，构建多车型开放式车辆路径规划模型，生成具有最大运营商利润的定制公交线路；S7.向用户发送定制公交线路信息，定制公交线路信息包括：集合上车的位置、下车站点位置、车型、所乘坐定制公交车辆的车牌号，以等待乘客完成出行；所述S1中采集活动当天大型活动入场阶段相关的出租车和网约车数据并进行预处理，作为定制公交需求识别的原始数据；具体过程为：采集活动当天大型活动入场阶段相关的出租车和网约车数据包括：智能交通运行监测中心的数据资源平台所提供的出租车的实时定位数据、网约车的车辆定位数据、网约车的订单数据、网约车的经营数据、网约车的里程数据、路网数据、土地利用数据、POI数据；对活动当天大型活动入场阶段相关的出租车和网约车数据进行预处理，具体过程为：过滤交易中记录错误的数据，字段缺失的数据，全部字段完全重复的数据，明显偏离运行轨迹的数据；所述S2中基于网约车订单数据中下车地点信息识别出其中参加大型活动的相关订单，建立基于图半监督学习的潜在需求识别模型，利用识别出的网约车观众到达时间、到达位置数据训练图半监督学习的潜在需求识别模型，对出租车数据进行识别标记，识别出抵达场馆参加大型活动的出租车出行记录，进而挖掘出网约车、出租车数据中的潜在定制公交需求；具体过程为：基于图半监督学习的潜在需求识别模型的目标函数为根据有标记标签样本对未标记标签样本进行标记，将未标记标签样本贴上与其最相似的标签： 其中，wi,j为站点i和站点j之间边的权重系数；h为标签映射函数；Eh为相似程度衡量参数；ai为乘客在站点i下车经度，i＝1,2,…,n，n为站点总数；aj为乘客在站点j下车经度，j＝1,2,…,n；bi为乘客在站点i下车纬度，i＝1,2,…,n，bj为乘客在站点j下车纬度，j＝1,2,…,n；ci为乘客在站点i下车时间，i＝1,2,…,n，cj为乘客在站点j下车时间，j＝1,2,…,n；所述有标记标签的样本为网约车数据的到达时间、到达地点；所述未标记标签的样本为出租车数据的到达时间、到达地点；基于图半监督学习的潜在需求识别模型约束条件为：约束1表示站点i和站点j之间边的权重由高斯函数定义； 式中，σ为函数带宽；为取二范数平方；wi,j为站点i和站点j之间边的权重；约束2为标签映射函数在有标记标签样本上的学习结果和真实标签一致；hai,bi,ci＝yi,i＝1,2,…,l2式中，yi为样本i的标签；l为有标记标签样本的数量；右侧为真实标签，左侧为标签映射函数得到的标签；约束3为无标记标签样本上的能量输出与输入相等，保持能量守恒； 约束4为有标记标签样本上的能量输入与输出相等，保持能量守恒； 所述S3中通过数据驱动的方式生成备选定制公交站点；具体过程为：S31.构建CSDBSCAN算法对定制公交需求识别结果进行处理，生成聚集类型备选定制公交站点；过程为：S311.采用基于密度聚类原理的DBSCAN算法，根据需求位置并考虑乘客步行可达性及实际路网距离，将较为聚集的需求识别出来生成对应的类簇；S312.针对基于密度的聚类算法密度相连可能导致类簇过大，进一步考虑定制公交站点的步行可达距离，对生成的对应的类簇进行检验分割，生成最终的聚集类型备选定制公交站点；S32.基于CLSDD算法对聚集类型备选定制公交站点处理，生成离散类型备选定制公交站点；则最终备选定制公交站点为聚集类型备选定制公交站点与离散类型备选定制公交站点的合集；所述S32中基于CLSDD算法对聚集类型定制公交站点处理，生成离散类型备选定制公交站点；具体过程为：根据离散需求的位置不同，离散类型定制公交备选站点生成分为三种情况：1当离散需求点P与场馆O至聚集类型的定制公交站点A的经验路径上任意一点i的距离小于步行可达距离，则认定离散需求点P可以顺路搭乘定制公交，将离散需求点P保留下来，并在i处设置离散类型备选定制公交站点；所述经验路径为时间最短路径或距离最短路径；2当离散需求点P与两个聚集类型定制公交站点间的经验路径上任意点i的距离小于步行可达距离，且满足乘客乘坐定制公交返回目的地的路径与乘客乘坐出租车直接返回目的地时路径的距离之比在用户可接受的阈值之内，则离散需求点P可以顺路搭乘定制公交，将离散需求点P保留下来，并在i处设置离散类型备选定制公交站点；3当离散需求点P不属于上述两种情况，但聚集类型定制公交站点A与离散需求点P间的距离小于设置的定制公交站点最大间距阈值，且满足乘客乘坐定制公交返回目的地的路径与乘客乘坐出租车直接返回目的地时的路径距离之比在用户可接受的阈值之内，认为离散需求点P可以顺路搭乘定制公交，将离散需求点P保留下来，并在离散需求点P处设置离散类型备选定制公交站点；4对于不符合上述三种情况的离散需求点P，认为离散需求点P不满足距离可达性合乘条件将离散需求点P舍弃。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 针对大型活动散场场景两阶段的定制公交规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD