本发明涉及移动轨迹挖掘技术、路径规划技术，特别是包裹投递路径优化技术。
背景技术：
网络购物的流行，促使了物流行业的飞速发展，但同时也面临诸多瓶颈，如何在提升物流效率的同时降低物流成本，并兼顾可持续发展因素是物流行业发展待解决的重要问题。目前的物流的形式还是传统物流形式，不能解决上述问题，而出租车是公共运输工具，具有富有余力能够加以利用，如果将出租车和包裹投递相结合，将形成一种新的物流配送模式，同时具有高效低成本的特点，然而这种新的配送模式将依附于一种基于出租车群的城市包裹递送路线规划系统，要求该系统能够解决上诉问题，最终实现将随机的出租车路线串联成特定的包裹投递路径。
技术实现要素：
为了克服现有的一些问题，本发明提出了一个基于出租车群的城市包裹递送路线规划系统，在不降低乘客服务体验的前提下，提议让包裹搭乘载有乘客的出租车，在满足乘客和包裹的约束情况下，为包裹和乘客推荐近似最优的包裹运输路线。载客出租车递送包裹路线规划系统包含两个阶段：第一阶段，用非均匀泊松过程模型挖掘历史出租车gps行车轨迹，出租车行驶轨迹是一连串代表乘客行程的gps点；第二阶段，挖掘出租车的历史轨迹数据发现出租车的时空模式，主要包括乘客乘坐出租车的频率和不同时刻下出租车在中转站间行驶所需的时间，构建包裹递送路由图和路由表找到任意包裹的最短递送路径。
具体而言，本发明一种基于出租车群的城市包裹递送路线规划系统采用的方案为：
一种基于出租车群的城市包裹递送路线规划的推荐系统，其特征是：包括数据预处理模块,离线轨迹数据挖掘模块。其中，给定的数据预处理模块是通过包裹中转站数据和路网数据来对实际可能需要的包裹中转站进行删选，并且将带有时间戳的gps点映射到路网上；给定的离线轨迹数据挖掘模块是通过过去某个时间段的出租车的轨迹数据来发现出租车的时空模式，主要包括乘客乘坐出租车的频率和在不同时段各个中转站之间所需的行驶时间。
进一步的，本发明一种基于出租车群的城市包裹递送路线规划方法中的离线数据源包括包裹中转站数据，路网数据，出租车轨迹数据。
进一步的，本发明一种基于出租车群的城市包裹递送路线规划方法中的数据预处理模块，包括以下步骤：
步骤1：根据地理位置确认和选择包裹中转站；
步骤2：将带有时间戳的gps点映射到路网上。
进一步的，本发明一种基于出租车群的城市包裹递送路线规划方法中的离线轨迹数据挖掘模块，包括以下步骤：
步骤1：将时间划分为工作时段和休息时段，再将工作时段细划分为3个时段(夜间时段、白天时段、高峰时段)，休息时段细划分为2个时段(夜间时段和白天时段)；
步骤2：基于历史出租车载客gps轨迹数据，求得任意一对候选中转站之间的出租车乘客历史客流量；
步骤3：将不同包裹中转站间的等待时间和行驶时间的总和设为时间开销，由步骤2给定的客流量来计算时间开销；
步骤4：将时间开销较小且更有效率的路径设为递送热线，一些递送热线可以进一步的连接在一起，则两节点间具有一条虚拟递送热线。构建由包裹中转站为节点，递送热线和虚拟递送热线为边的路由图；
步骤5：构建基于时间的路由表，方便找到任意一对源节点和目标节点之间的最短时间路径。
附图说明
图1为本发明的系统框图，系统框图主要分为2个模块：数据预处理模块，离线轨迹数据挖掘模块；
图2是本发明的路网示意图，五角星标志即包裹中转站的地理位置；
图3为本发明的时间开销的直方图；
图4为本发明的行驶时间和等待时间的累计分布函数图。
图5为本发明实施的场景图，出租车将具有相同起始地与目的地的乘客和包裹从a点运送到b点。
具体实施方式
下面结合附图对本发明进一步说明。
本系统的系统框架主要包括两个模块：数据预处理模块，离线轨迹数据挖掘模块，图1所示的是本发明的系统框图，其中：
数据预处理模块，包括以下步骤：
步骤1：如图2所示，根据包裹中转站数据和路网数据对包裹中转站进行筛选；根据地理位置与路网数据进行初步处理并预先滤掉一部分包裹中转站。采用以下俩个基本原则筛选合适的包裹中转站：1)包裹中转站靠近路段。这一原则主要保证出租车司机可以较为容易地到达站定进行包裹中转传输任务。2)同一路段的相同行驶方向最多只能有一个包裹中转站优，对于任意一条街道，可以有2个包裹中转站，每一个站点对应一个行驶方向。
步骤2：一个出租车轨迹是由一系列对应着乘客行程的gps点组成的，每一个gps点包含时间标签ti，经度xi和纬度yi，即pi＝(ti,xi,yi)。将带有时间戳的gps点映射到路网上。
进一步的，离线轨迹数据挖掘模块，包括以下步骤：
步骤1：由于乘客在不同时间段对出租车的需求和不同时间段的道路的拥挤程度，不同交换站的包裹递送时间有差异，而在高峰时段，出租车是不进行包裹递送任务的。该步骤把时间划分为工作时段和休息时段，再将工作时段细划分为3个时段(夜间时段、白天时段、高峰时段)，将休息时段细划分为2个时段(夜间时段和白天时段)；
步骤2：基于历史出租车载客gps轨迹数据，可以获得任意一对候选中转站之间的出租车乘客历史客流量的分布。以候选中转站csi和csj为例，满足以下两式的出租车载客轨迹数量即为csi到csj的历史客流量。
ddist(tri.o,loc(csi))＜δ----------(1)
ddist(tri.d,loc(csj))＜δ----------(2)
其中ddist()得到两点之间的行驶距离；loc()得到候选中转站的位置信息(即经纬度)；tri.o与trj.o分别表示载客轨迹起始地与目的地的经纬度；δ为给定距离阈值，δ值越大会导致客流量变大，一定范围内的包裹中转站增加，乘客的等待时间增加。在本系统中，为了控制额外的等待时间，δ值设为500；
步骤3：将不同包裹中转站间的等待时间和行驶时间的总和设为时间开销，为了计算时间开销，对等待时间和行驶时间进行计算。两个节点之间的等待时间被定义为包裹等到合适的载客出租车的时间，行驶时间被定义为出租车在2个节点间的行驶时间。
根据统计的乘客流量，对包裹中转站的不同时段的等待时间进行计算。在泊松假设下，可以推导出下一个合适的载客出租车的等待时间的概率分布p{tnext≤t}：
p{tnext≤t}＝1-p{tnext＞t}＝1-p{n(t)＝0}＝1-e-λ*t---------(3)
其中tnext代表一名乘客乘坐出租车的事件；n(t)代表发生在t时间内的事件的数量，其中p{n(t)＝0的计算公式为
tnext的概率密度函数是p{tnext}的派生函数，计算tnext的概率密度函数，得到公式(4)：
p(t)＝λ·e-λ·t-----------(4)；
通过公式(4)求得tnext的期望，得到公式(5)：
公式(5)中的λ是模型中乘客乘坐出租车从csi到csj的频率，公式(6)即λ的计算方式:
其中
通过公式(6)求得等待时间，得到公式(7)：
从以上几式可知行驶时间，得到公式(8)：
其中n代表被观察的时间段内搭乘出租车的乘客数量，te-ts是对应的乘坐出租车的成本；
将边的时间开销设为tc，将公式(7)和公式(8)相加得到时间开销，即公式(9)：
步骤4：时间成本的相对降低，将时间开销较小且更有效率的路径设为递送热线，一些递送热线可以进一步的连接在一起，则两节点间具有一条虚拟递送热线，虚拟递送热线的时间开销是父递送热线之和加上转运时间成本。但是并非所有递送热线都能组成虚拟递送热线，需要满足以下4个标准：
标准一：空间上靠近,即：ddist(hlij.d,hlmn.o)＜β，一条递送热线的目的地与另一条递送热线的起始地的距离要小于β，β是一个指定的参数，β的值设为500；
标准二：每一次递送都向目的地进一步地靠近，即：dist(hij.o,hij.d)＜dist(hij.o,hmn.d)；
标准三：需要限制经过的包裹中转站的数量，即：|parent(vhl)|-1≤c，|parent(.)|是所得到的虚拟热线的父热线的数量，c是用户指定的常量；
标准四：保证虚拟热线的最小时间成本，即：argmintc(vhlin)。
找到递送热线和虚拟递送热线，构建由包裹中转站为节点，递送热线和虚拟递送热线为边的路由图；
步骤5：建立基于时间开销排序的路由表，找到任意一对源节点和目标节点之间的最短时间路径,最短路径都会包含递送热线和虚拟递送热线，而对于包含虚拟递送热线的的路径，进一步检索其父递送热线和中转站点，最终所得到的最短路径是一连串的包裹中转站。而如果在源节点和目标节点之间没有有效路径，则先分别得到源节点和目标节点的时间开销前k个最小时间开销的包裹中转站；然后在这些包裹中转站中找到最短路径。