[发明专利]一种基于逆强化学习的价格激励共享电动汽车调度方法

权利要求书

1.一种基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，包括：

收集用户的历史出行数据，基于所述历史出行数据，根据调度场景构建车辆调度模型；

基于所述历史出行数据和逆强化学习算法对用户的出行策略和行为偏好进行评估，获得区域服务价值；

根据区域服务价值，结合用户用车需求，制定价格激励车辆调度策略；

基于所述车辆调度模型，通过价格激励车辆调度策略与众包调度方式完成车辆调度。

2.根据权利要求1所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，基于所述历史出行数据，根据调度场景构建车辆调度模型的过程包括，

基于用户历史出行数据在共享汽车情境下的马尔可夫决策过程，将所有车辆视为同质智能体进行建模，根据调度场景获得车辆调度模型。

3.根据权利要求1所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，

基于所述历史出行数据和逆强化学习算法对用户的出行策略和行为偏好进行评估，获得区域服务价值的过程包括，

基于所述车辆调度模型中的模型元素，将用户的历史出行数据按照运行时间段进行分组，构建用户出行模型；基于改进的动态规划算法对所述用户出行模型进行策略评估，获得区域服务价值。

4.根据权利要求3所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，

所述车辆调度模型中的模型元素包括，状态元素、动作元素、收益元素、策略元素、折扣因子元素；

其中，所述状态元素为车辆的时空二位变量，包括时间维度状态元素、空间维度状态元素；

所述动作元素为在特定时段内车辆从一个区域行驶到另一个区域的过程元素；

所述收益元素为用户使用共享电动汽车所产生的费用定义为车辆的收益元素；

所述策略元素为客户选择区域转移时所采取的概率矩阵。

5.根据权利要求3所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，

基于所述车辆调度模型，通过价格激励车辆调度策略与众包调度方式完成车辆调度之前还包括对所述车辆调度模型进行优化；

所述优化过程包括，基于所述区域服务价值获得调度成本参数；

根据调度场景构建车辆调度模型，基于所述调度成本参数对所述车辆调度模型进行优化，获得目标调度模型；基于所述目标调度模型，通过价格激励车辆调度策略与众包调度方式完成车辆调度。

6.根据权利要求1所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，

基于价格激励车辆调度策略与众包调度方式完成车辆调度的过程包括，获取运营商的调度车辆成本、充电成本、未满足需求的惩罚成本，基于所述调度车辆成本、充电成本、未满足需求的惩罚成本获得确定化需求情景下的最小化成本目标函数；基于所述最小化成本目标函数进行车辆调度。

7.根据权利要求6所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，

基于所述最小化成本目标函数进行车辆调度的过程包括，获得每个阶段中车辆数目的状态转移方程以及调度车辆的约束条件，基于所述每个阶段中车辆数目的状态转移方程以及调度车辆的约束条件进行车辆调度。

8.根据权利要求7所述的基于逆强化学习的价格激励共享电动汽车调度方法，其特征在于，

所述调度车辆的约束条件包括，每个服务区域内的总车辆数小于等于该地区的停车位数量限制；在任何阶段，运营商在每一地区能够调度的车辆数小于等于该地区的可用车辆数；任意阶段内运营商在每一地区能够调度的车辆数小于等于该地区能够激励的人群数量；运营商租赁的车辆数小于等于该地区的需求数以及调度后的可用车辆数。