一种竞拍式的自动驾驶出租车空车调度方法与流程

本发明涉及交通运输技术领域，具体涉及一种竞拍式的自动驾驶出租车空车调度方法。

背景技术：

城市人口激增与日益增长的出行需求是造成城市交通拥堵的原因之一。近年来各地鼓励交通出行者使用公共交通服务。随着人工智能与自动驾驶技术的蓬勃发展，未来的交通方式将转变为以自动驾驶的出租车服务为主的共享交通模式。区别于传统的出租车，自动驾驶出租车必须依靠有效的调度算法决定空载车辆的分布以及空车分配的乘客。

出租车车队调度问题的两个主要优化目标是：1、减少响应时间，即乘客发布请求至出租车到达乘客所在地之间的时间；2、减少空车行驶的成本，而空车调度是实现上述两个目标的关键问题之一。

目前，已存在以下空车调度方案：

(1)《基于真实轨迹的出租车智能调度系统研究》通过分析乘客出行的历史数据，发现乘客出现的模型服从泊松过程，即将短时间内使用同一车辆的所有乘客都视为“一名乘客”，并绘制乘客出现的频率直方图，发现乘客出现的模型服从泊松过程；通过最大似然估计泊松过程的特征值，即这段时间内历史数据中平均每分钟乘客出现的数量。将乘客出现较多的区域定义为热点，出租车规划路线时经过多个热点，并通过迪杰斯特拉算法得出行驶距离最短的一条作为出租车空车行驶路线，在行驶途中监听乘客是否出现；

(2)《城市自助式公共出租车的调度问题探讨》以出租车的整体费用之和为目标函数，建立不完全满足的确定性空车调配模型，通过时空上的分解将空车调配问题简化为若干前后关联的时空阶段，利用函数逼近法得出最优解即最优调度方案；

(3)《智能出租车调度系统的设计与实现》通过分析过去历史调度乘客的分布情况来指导空车在城市的分布，创建出租车mas组织优化平台来找到计算全局分布的最优公式；

(4)《taxidispatchingsystemanddispatchingmethod》出租车客户使用手机发送请求，控制中心将请求发送给满足调度的出租车司机，出租车司机对此进行报价，直至最后控制中心选择一个最佳的司机来向客户通知调度情况。

但是，上述方案具有如下缺陷：

(1)该调度系统使用的历史数据都是静态的，随着时间的推移，历史数据与真实数据偏差会增大，缺乏一个机制动态更新历史数据；

(2)用线性函数逼近是一种近似算法，其精度不能达到较高水准，与真实解的误差较大；

(3)过度依赖于历史数据，缺乏自主反馈与更正机制；

(4)需要司机的人为参与，调度效率低。

值得注意的是，未来智慧城市的交通方式以自动驾驶出租车的共享交通为主。车辆与乘客都会在每个时刻发生动态变化，这种高度动态的车队称之为开放车队。以上的调度方案不能很好的用于开放车队，原因在于以上方案只能确定某一时刻是静态最优的，但在短暂的时间之后，可能存在一种更佳的调度方案，这就意味着某一车辆可以拒绝先前的乘客转而去服务另一个乘客。

技术实现要素：

本发明的目的在于克服现有技术的缺点与不足，提供一种竞拍式的自动驾驶出租车空车调度方法，该方法考虑车辆与乘客在时空上的动态的不确定性，提供一种在调度周期内任何时刻都为最佳的调度方案；动态分配车辆，减少乘客整体等待时间与车辆空驶距离；依赖较少的历史数据，通过竞拍式的模型智能决策调度方案。

本发明的目的通过下述技术方案实现：

一种竞拍式的自动驾驶出租车空车调度方法，包括下述步骤：

设路网中存在n辆车，分别编号t1，t2…..ti，i≤n，存在m个乘客别编号c1，c2…..cj，j≤m；每个车辆ti和每个乘客cj都执行以下流程：

乘客端步骤1：使用a*算法，搜索所有车辆到乘客cj的最短距离或时间di,j，并寻找最快和第二快到乘客cj的两辆车，分别标记为t1,i,j，t2,i,j；乘客c1标记t1为t1,1,1，t2为t2,2,1；

乘客端步骤2：计算出价“虚拟”价格pi,j；其中出价“虚拟”价格为：

设α＝0，β＝1元/公里，乘客c1对t1的出价价格p1,1＝1元，乘客c2对t1的出价价格p1,2＝6元；

乘客端步骤3：乘客cj以步骤2的“虚拟”价格pi,j对寻找到的t1,i,j出价，即对t1,i,j发生竞拍信号，发送后等待车辆端返回配对状态信号，等待的信号分为拒绝和接受，若乘客接收的为拒绝信号，则返回乘客端步骤1处执行即返回调度池，若乘客接收的为接受信号即可开始出租车服务；

车辆端步骤1：初始化车辆，车辆ti初始化pi＝0，并等待乘客竞拍；

车辆端步骤2：车辆ti接收所有乘客竞拍ti的竞拍的信号，逐一比对所有出价价格，对出价价格最高的乘客发送接受信号，其余乘客发生拒绝信号，若此时还有更高的出价者，车辆ti可以对已发送接受信号的乘客进行取消服务从而转向服务于新的出价者；乘客c1和c2都将对t1发生竞拍信号，但乘客c1对t1的出价价格p1,1＝1元，乘客c2对t1的出价价格p1,2＝6元，t1将会最终选择乘客c2开始服务，c1则重新回到调度池；

为应对乘客和车辆在时空上的不确定性的情况，则有如下过程：

(1)新的乘客加入；新的乘客加入从乘客端步骤1开始执行即可；

(2)新的车辆加入；每个乘客从乘客端步骤1开始，若标记的t1,i,j或t2,i,j与原先的不同，将继续从乘客端步骤2往下执行，若相同则保持原来的状态即可；

为防止车辆端在无限循环监听状态，调度算法的结束条件为：

(1)路网中所有乘客都已分配；

(2)给定的调度周期的时间已结束。

本发明与现有技术相比具有以下的有益效果：

(1)本发明综合考虑车辆与乘客在时空上的不确定性的动态情况，提出的竞拍式以尽可能减少整体乘客等待时间为目标，动态调整车辆调度情况；

(2)本发明提出的竞拍式算法依赖较少的历史数据，根据路网现状动态的智能调整调度方案；

(3)本发明的竞拍式算法中出价价格的选取依据于乘客与车辆之间的重要性，保证调度方案是最优的。

附图说明

图1为本发明的变量和符号示意图；

图2为本发明的出租车和乘客分布示意图；

图3为本发明车辆端的基本流程图；

图4为本发明乘客端的基本流程图；

图5为本发明算例的路网图；

图6为本发明算例的车辆与乘客位置分布图(从左到右依次为6个乘客、10个乘客、20个乘客、30个乘客的乘客与车辆的位置分布图)；

图7为本发明的算例结果图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1～7所示，本发明公开了一种竞拍式的自动驾驶出租车空车调度方法，首先将调度池的车辆分别编号t1，t2…..ti,i≤n，n是调度池中所有车辆的总数目，乘客分别编号c1,c2…..cj，j≤m，m是调度池中所有乘客的总数目；

初始，每辆出租车都有“虚拟”价格pi，i代表车辆编号；此“虚拟”价格有别于乘客进行出租车服务所支付的现实价格，此“虚拟”价格的意义是反映当前乘客选择某出租车的迫切程度，该定义只生效于本算法之中；所有的出租车“虚拟”价格都初始为0，即所有乘客都选择该车的迫切程度为0或所有乘客对选择此车的迫切程度都一样；

本算法的核心司乘匹配机制是为车辆匹配最迫切需要此车的乘客；在每次的迭代中，进行投标和分配；在乘客竞标阶段，当前未分配给任何出租车的每个客户cj都确定两辆出租车，两辆出租车的选取取决于出租车到乘客的预期行驶距离或时间，设为di，j，将乘客选定某辆车标记为ta,i,j，a表示乘客cj选择车辆ti的优先级，值为1，2，3….，1代表最高优先级，i表示车辆ti，j表示乘客cj，则ta,i,j表示乘客cj选定车辆ti，优先级为a；乘客cj将找到能在最快的时间或者最短的距离到达该乘客的车辆ti，最快的的优先级为1，次快的优先级为2，只需要寻找如此的两辆并分别标记为t1,i,j和t2,i,j；例如在路网系统中存在n辆出租车，m个乘客，以其中的部分车辆和部分乘客为例，它们的状态如图2所示，乘客c1将会标记t1为t1,1,1，标记t2为t2,2,1；设乘客cj对车辆ti出价为pi,j，现给出乘客出价的计算公式：

常数α用于设定起拍“虚拟”价格，即最小“虚拟”价格增量，提升客户间对t1,i,j重要性的差距，常数β为一种比例系数，单位为元/公里或时间，其值可任取除0以外的任何正数，下述默认规定β＝1元/公里；此“虚拟”价格可以衡量客户cj在两辆出租车的选择中，选择ti的重要性，乘客将总是对t1,i,j出价；以图2为例进一步解释上述出价公式的原理(为简单起见，设α＝0)，计算得到p1,1＝1元，p1,2＝6元，此公式用于对t1,i,j的竞争，倘若竞争失败，乘客将会去选择t2,i,j，一旦如此做，该乘客就会花费更多的等待时间，出价pi,j便是可以准确体现这种“多出的消耗”的变量，由例可见p1,2>p1,1，因此将t1分配给c2才能使调配显得更加合理；

此后，在所有未分配的乘客都发出投标后，车辆将会寻找最高的出价者，重复投标过程直到所有的乘客都分配到出租车，从而确保整个调度周期内的最终方案将是最优的；竞拍过程本身获得一个“静态”分配，代表给定时刻的最佳分配，在此先给出车辆与乘客在时空上动态发生变化的概念，车辆或乘客在任何时间任何地点都有可能发生加入或离开的情况，我们就认为在该路网中车辆或乘客发生了动态变化，因此为了使其适应动态环境，只要监听到车辆或乘客发生动态变化时，就会重复竞拍过程，这种动态策略将确保全局分配在系统的每个实例中是最佳的。

本发明中出现的公式、字段或符号等解释如图1所示。

本发明核心运作于乘客端与车辆端，对于每个乘客和车辆的客户端实例，都运行此算法，交通中心处理乘客和车辆端的状态和交互信息。

具体来说，一种竞拍式的自动驾驶出租车空车调度方法，包括下述步骤：

设路网中存在n辆车，分别编号t1，t2…..ti，i≤n，存在m个乘客别编号c1，c2…..cj，j≤m；每个车辆ti和每个乘客cj都执行以下流程：

乘客端步骤1：使用a*算法，搜索所有车辆(所有车辆包括还未分配到乘客的和已分配到乘客但还未到达乘客上车点的)到乘客cj的最短距离或时间di,j，并寻找最快和第二快(即对于乘客cj来说的最小的di,j和第二小的di,j)到乘客cj的两辆车，分别标记为t1,i,j，t2,i,j；如图2所示，乘客c1标记t1为t1,1,1，t2为t2,2,1；

乘客端步骤2：计算出价“虚拟”价格pi,j；其中出价“虚拟”价格为：

如图2所示，设α＝0，β＝1元/公里，乘客c1对t1的出价价格p1,1＝1元，乘客c2对t1的出价价格p1,2＝6元；

乘客端步骤3：乘客cj以步骤2的“虚拟”价格pi,j对寻找到的t1,i,j出价，即对t1,i,j发生竞拍信号，发送后等待车辆端返回配对状态信号，等待的信号分为拒绝和接受，若乘客接收的为拒绝信号，则返回乘客端步骤1处执行即返回调度池，若乘客接收的为接受信号即可开始出租车服务；

车辆端步骤1：初始化车辆，车辆ti初始化pi＝0，并等待乘客竞拍；

车辆端步骤2：车辆ti接收所有乘客竞拍ti的竞拍的信号，逐一比对所有出价价格，对出价价格最高的乘客发送接受信号，其余乘客发生拒绝信号，若此时还有更高的出价者，车辆ti可以对已发送接受信号的乘客进行取消服务从而转向服务于新的出价者；如图2所示，乘客c1和c2都将对t1发生竞拍信号，但乘客c1对t1的出价价格p1,1＝1元，乘客c2对t1的出价价格p1,2＝6元，t1将会最终选择乘客c2开始服务，c1则重新回到调度池；

为应对乘客和车辆在时空上的不确定性的情况，则有如下过程：

(1)新的乘客加入；新的乘客加入从乘客端步骤1开始执行即可；

(2)新的车辆加入；每个乘客从乘客端步骤1开始，若标记的t1,i,j或t2,i,j与原先的不同，将继续从乘客端步骤2往下执行，若相同则保持原来的状态即可；

为防止车辆端在无限循环监听状态，调度算法的结束条件为：

(1)路网中所有乘客都已分配；

(2)给定的调度周期的时间已结束。

图3和图4给出了调度算法的基本框架。

如图5所示，为模拟现实情况而又能突显本算法的特性，假设存在10*10的路网，每个节点之间的距离为0.5公里，车辆与乘客分布如图5所示；设定α为0.05，调度周期时间为10s，算例测试结果为图7所示。

本发明综合考虑车辆与乘客在时空上的不确定性的动态情况，提出的竞拍式以尽可能减少整体乘客等待时间为目标，动态调整车辆调度情况；提出的竞拍式算法依赖较少的历史数据，根据路网现状动态的智能调整调度方案；竞拍式算法中出价价格的选取依据于乘客与车辆之间的重要性，保证调度方案是最优的。

上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。