一种基于多目标优化的网约车智能分配订单方法与流程

本发明属于网络技术领域，具体涉及一种基于多目标优化的网约车智能分配订单方法。

背景技术：

近年来互联网打车平台改变了我们传统的出行方式。它凭借着自身独有的优势，给人们带来便利出行的体验，将人和出租车、私家车等连接起来，形成一个“人——车”统一的服务网。在不增加出租车供应的前提下，更多资源得到了有效利用。

网约车平台的出现，极大的缓解了城市交通出行压力，为传统的出租车市场注入了新鲜血液。随着互联网的发展，通过网约车平台，人们在没有私家车的情况下依然可以方便出行。目前市场上主要存在的两个问题是：一是如何快速地给乘客分配到合适的车辆，也就是更好地匹配乘客的需求；而是手机打车平台开发商及运营商的盈利需求。

随着互联网的发展，通过打车平台连接乘客方与司机方，使乘车过程更加简单方便，但是对于部分偏远区域或是有特殊要求的乘客，也存在司机不愿接单的情形，造成了乘客无法找到合适司机的结果。

技术实现要素：

本发明针对现有技术中在网约打车过程中乘客无法找到合适司机的问题，提供一种基于多目标优化的网约车智能分配订单方法，该方法可针对不同的客户需求，给客户分配不同的网约车，提高乘客的满意度和网约车分配效率，具体技术方案如下：

一种基于多目标优化的网约车智能分配订单方法，所述方法包括步骤：

s1、乘客通过指定网约车软件发出订单消息，服务端获取所述订单消息，并根据所述订单消息与司机端的维度选取一定数目的司机端；

s2、服务端根据乘客的定位城市和定位的区域信息获取网约车软件平台数据库中相应的数据，构建多目标优化模型：

目标函数：约束条件：式中，i为所在时刻，j为车辆编号，p为每位乘客愿意付出的价格，c为每个司机接单后的完成情况判定，w为每位司机的接受任务阈值，为吸引度函数，用于获取为每位乘客发出寻车要求后对每位司机的吸引程度wij，其中，a、b为吸引度系数，l为乘客与该时刻所有可提供服务的各司机的距离，p为每位乘客需要的花费；belong函数是将wij最大的司机分配给该乘客；

s3、求解所述多目标优化模型，得到最优打车方案，服务端将所述打车方案发送至司机端，并获取乘客端反馈，调整吸引度函数中的吸引度系数a、b。

进一步的，所述订单信息包括出发地和目的地。

进一步的，司机端的所述维度包括出租车司机的实时位置、乘客的定位城市和定位区域中可选网约车数目以及司机端的跨区域接单数目。

进一步的，所述数据包括乘客定位城市的出租车服务平均价格，定位城市过去两年时间内网约车的平均价格以及乘客瞬时的网约车需求量和空闲网约车数量。

进一步的，所述阈值w由定位城市的经济水平、网约车平均价格、乘客需求量以及网约车司机总量共同确定。

进一步的，所述多目标优化模型采用matlab进行求解。

本发明的基于多目标优化的网约车智能分配订单方法，通过对乘客的订单消息进行范围性的司机端选择，并根据乘客所在地，即乘客所在城市和区域信息进行多目标优化模型构建，通过求解多目标优化模型构建实现最优打车方案的求取；与现有技术相比，本发明可最大程度上提高网约车的最终收益，并且针对不同的乘客需求选择最合适的司机，一方面可提高网约车辆任务的完成度，另一方面提升了乘客对网约车的满意程度和网约车的分配效率。

附图说明

图1为本发明实施例中所述基于多目标优化的网约车智能分配订单方法的运行系统结构框图示意；

图2为本发明实施例中所述基于多目标优化的网约车智能分配订单方法的流程图示意。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明实施例中，提供了一种基于多目标优化的网约车智能分配订单方法，参阅图1，本发明的网约车打车平台智能分配订单的运行系统包括服务端、乘客端、司机端，乘客端以网约车软件，即app的形式安装移动终端上。由乘客端提出出行需求，服务端接受乘客端得出行需求，并且通过服务端对乘客方的订单进行数据处理后接收乘客端附近的司机端的信息，得到可为乘客服务的司机的信息，将订单信息推送到乘客端附近的司机端服务端。出行结束后，乘客方通过乘客端上app进行付款；本发明乘客端发送出行信息后，服务端选择最佳的司机端为其提供服务，提高网约车的质量与效率。

参阅图2，本发明的基于多目标优化的网约车智能分配订单方法具体包括步骤如下：

步骤一、服务端获取网约车订单信息；

具体的，当乘客需要进行网约车出现时，通过乘客端上指定的网约车软件，即通过如手机等移动客户端上的app下单，服务端在接收到乘客端发送的订单消息后，根据乘客的要求确定乘客的信息和目的地信息，在指定的范围内进行司机端信息搜索；其中，在指定范围内根据订单消息与司机端的维度选取一定数目的司机端。

在实施例中，订单信息包括乘客的出发地和目的地的定位信息；而司机端的维度包括出租车司机的实时位置、乘客的定位城市和定位区域中可选网约车数目以及司机端的跨区域接单数目；例如在一些实施例中，订单信息中乘客需从a地前往b地，则服务端根据司机端的实时位置选取a地5公里范围内的所有司机端；在另一些实例中，根据乘客的特殊要求，可以进行跨区域调车。

步骤二、服务端结合订单信息以及乘客的定位城市和定位的区域信息获取网约车软件平台数据库中相应的数据选择网约车的分配方案；

在实施例中，服务端根据乘客的定位城市和定位的区域信息获取网约车软件平台数据库中相应的数据，构建多目标优化模型：

目标函数：其中，max∑p表示网约车的利润最大化，max∑c表示网约车的服务完成度最高；约束条件：式中，i为所在时刻，j为车辆编号，p为每位乘客愿意付出的价格，c为每个司机接单后的完成情况判定，w为每位司机的接受任务阈值；wij为每位乘客发出寻车要求后对每位司机的吸引程度，由吸引度函数计算得到，其中a、b为吸引度系数，l为乘客与该时刻所有可提供服务的各司机的距离，p为每位乘客需要的花费；belong函数是将wij最大的司机分配给该乘客。

在本发明实施例中，服务端根据乘客的定位城市和定位的区域信息获取网约车软件平台数据库中相应的数据包括乘客定位城市的出租车服务平均价格，定位城市过去两年时间内网约车的平均价格以及乘客瞬时的网约车需求量和空闲网约车数量。

优选的，阈值w由定位城市的经济水平、网约车平均价格、乘客需求量以及网约车司机总量共同确定；若吸引度wij大于阈值w，就表示司机端接收相应的乘客订单；当一订单被完成时，其阈值w至少低于该订单对一个司机的吸引度wij，当一订单未被完成时，其阈值高于该订单对每一司机的吸引度wij；通过在小范围地区内进行试点，记录比较每一订单的完成情况，并计算相应订单对每一司机的吸引度，即可确定阈值w，具体可通过公式计算得到。

步骤三、获取最佳打车方案；

具体的，通过matlab对多目标优化模型进行求解，得到最优打车方案，根据得到的最优打车方案，服务端将分配好的任务发送给司机端确认并向乘客端发出信息，并且服务端将订单信息进行规划，按照乘客的需求将网约车分配乘客，向网约车发送乘客的出发点信息，订单完成后，乘客发送确认信息给服务端，对相关的参数进行修正；其中，通过matlab求解多目标优化模型具体包括如下步骤：

首先，服务端获取在乘客通过网约车软件进行打车订单发出时所有可提供服务的司机端，并计算司机端与乘客的距离以及乘客需要的花费，由吸引度计算公式得到每一个订单对可能接单司机的吸引度矩阵；然后，服务端实时遍历每一订单的吸引度矩阵，找到最大吸引度对应的司机端，同时判断是否存在吸引度相等的冲突情况，若发生冲突，优先将订单派送给用户评价高的司机，得到最优司机端；同时，本发明还可通过改变吸引度系数的值，对一周之内在不同的时间出现的所有任务进行遍历，得到最理想的收益情况与订单完成度情况，进而得到在该地区当前环境下的的可以获得最大收益与订单完成度的吸引度系数的值，进行修改并运用于下一次的吸引度计算中。

本发明的基于多目标优化的网约车智能分配订单方法，通过对乘客的订单消息进行范围性的司机端选择，并根据乘客所在地，即乘客所在城市和区域信息进行多目标优化模型构建，通过求解多目标优化模型构建实现最优打车方案的求取；与现有技术相比，本发明可最大程度上提高网约车的最终收益，并且针对不同的乘客需求选择最合适的司机，一方面可提高网约车辆任务的完成度，另一方面提升了乘客对网约车的满意程度和网约车的分配效率。

以上仅为本发明的较佳实施例，但并不限制本发明的专利范围，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本发明专利保护范围之内。