多模式智慧出租车模型与算法(需求预测、人车匹配、车辆调度、优化合乘)

作者:发布时间:2020-01-14浏览次数:120


在出租车出行问题上,以滴滴为代表的一站式共享出行平台日均订单量超1100万,需要分析的数据量达到50TB。面对如此庞杂的数据,需要通过强大的云计算与大数据技术,从而保证数据分析及相关应用的稳定,实现高频出行下的运力均衡。供需预测就是其中的一个关键问题。如下图所示,团队不仅重点对供需预测进行群面分析,也进一步研究出租车运力调度算法和拼车匹配算法等。运力调度算法能够实现资源最优化分配,力求解决正在发生的以及潜在供需失衡的状况,提升平台效率的同时最大化利用交通运力,缓解城市拥堵。而通过实现高效的实时拼车订单的匹配算法,共享运力资源以及降低乘客出行成本。在不断提高拼成模型准确率的同时,优化拼车体验,提升服务效率。

另外,团队也致力于基于网约车数据进行城市交通拥堵识别的研究,通过对网格交通量,网格平均车速,网格交通流密度,网格交通延误进行定性识别与定量分析。通过网约车轨迹数据特征,计算网格交通拥堵指数,揭示交通拥堵的产生、发展、消散过程的拥堵机理,部分研究成果如下图所示。

基于上述研究成果,进一步研究城市交通拥堵的时空变化规律。结合深度学习方法,建立城市道路拥堵时空变化模型,捕捉路网结构的连接关系,以及网格交通流参数以及拥堵指数的空间相关性和分布特征,对未来交通拥堵进行精准预测。基于网约车数据的用户出行特征,利用LSTM算法,研究网约车出行需求逐日动态演变规律,揭示网约车需求与供给的逐日动态演变交互作用机理。重点分析不同区域(网格)、不同时段网约车需求的日变过程,从而深入剖析网约车需求逐日动态演变机理,使其更加符合实际交通环境,具有更强的工程应用价值。