[发明专利]一种拼车匹配方法

摘要

一种拼车匹配方法：步骤一：根据出发时间约束筛选司机；步骤二：根据欧式PickUp距离约束筛选司机；步骤三：利用最晚时间约束和费用约束筛选司机(欧式距离)；步骤四：利用PickUp最短路距离约束筛选司机；步骤五：利用最晚时间约束和费用约束筛选司机(最短路距离)；步骤六：执行匹配。适用于拼车系统的快速匹配。

主权项

1.一种拼车匹配方法，包括如下步骤：步骤一：根据出发时间约束筛选司机筛掉那些不满足条件的司机，将剩下的全部满足乘客出发时间约束的司机放入一个新的司机集合D₁中；根据司机的出发时间，将出发时间在同一时间段内的司机纳入同一个时间索引中；筛选时，从当前系统时间所对应的时间索引开始将对应的司机取出，一直取到乘客最晚出发时间对应的时间索引，根据时间索引快速地筛选符合出发时间约束的司机；步骤二：根据欧式PickUp距离约束筛选司机对于集合D₁中的司机，尽管已经满足了出发时间的约束条件，但是若司机起点和乘客起点的距离太远，无法按时接到乘客，那么他们也是不应该匹配的，需要根据司机起点到乘客起点的距离来筛选司机；由于实际最短路距离的计算开销十分大，而欧式距离的计算开销较小，所以先根据欧式距离筛选掉一部分司机，后根据实际距离筛选，欧式距离即直线距离；时间乘一个代表平均时速的常数换算成距离，距离＝速度*时间；根据乘客提供的出发时间区间，计算出从当前时间点开始多少距离范围区间内的司机可以到达接乘客；设最远距离为d_max(r)，最近距离为d_min(r)，以乘客的起始位置为圆心，分别以d_min(r)和d_max(r)为半径做两个圆，那么起始位置落在两个圆之间的司机就是符合欧式PickUp距离约束的司机；如果将D₁中的司机一个个取出来计算欧式PickUp距离并比较的话效率较为低下，因此采用了网格索引的方法，即将地图划分为n*m个大小相等的小矩形，那么每个司机的起始位置均能归属于某一个小矩形当中；筛选时，先根据乘客的起点位置找到对应的小矩形，然后从这个小矩形开始向旁边的小矩形扩展，找出所有包含在两个圆之间或和圆相交的小矩形，根据网格索引将小矩形内的司机全部取出来，然后对取出来的每一个司机，利用其实际出发时间和乘客出发时间区间来计算实际的欧式距离区间，判断司机和乘客间的欧式PickUp距离是否在距离区间中；剩余的小矩形中的司机均不可能符合条件，不予计算；同样的，与时间索引相同，司机在发送拼车请求时，系统即可根据接收到的起始位置将其纳入相应的网格索引中，即网格索引的建立过程和实际匹配计算过程也是分开的；将经过步骤二筛选后仍符合约束条件的司机放入新集合D₂；步骤三：在计算欧式距离基础上，利用最晚时间约束和最大费用约束筛选司机对于集合D₂中的司机，若由于总路程太远导致司机无法在最晚到达时间之前到达目的地，或者由于总路程太远导致乘车费用过高，则也是无法匹配的；所以可以先计算出总路程，再根据司机的最晚时间约束和乘客的最大费用约束来筛选司机；同样的，为了减少计算开销，可以先计算欧式距离筛选，后计算实际距离筛选；对拼车的费用做一个设计：定义某一次拼车的拼车费用为Price(d,r)＝RiderTrip(r)+Detour(d,r)    ①其中d代表司机；r代表乘客；RiderTrip(r)为乘客从起点到终点的实际路网距离；Detour(d,r)为司机为了接客改变路线所造成的绕路距离；而Detour(d,r)又可定义为：Detour(d,r)＝Pickup(d,r)+RiderTrip(r)+Return(d,r)‑DriverTrip(d)    ②其中Pickup(d,r)为司机从司机起点到乘客起点的接客距离，Return(d,r)为司机从乘客终点到司机终点的回程距离，DriverTrip(d)为司机从司机起点到司机终点的距离，即Detour(d,r)为司机当前的路线与原路线的所经过的距离之差；由上面两式可得Price(d,r)＝Pickup(d,r)+2*RiderTrip(r)+Return(d,r)‑DriverTrip(d)   ③其中RiderTrip(r)和DriverTrip(d)在乘客和司机将位置信息发送到拼车系统时直接计算；对于D₂中的每一名司机，计算司机终点与乘客终点的欧式Return距离，则加上步骤二求出的欧式PickUp距离和预先求出的RiderTrip(r)距离可求得一个总距离，同时利用预先求出的DriverTrip(d)距离可以预估乘客的乘车花费，此时判断是否满足司机最晚时间约束max_time(d)以及乘客的最大费用约束；将经过步骤三筛选后仍符合约束条件的司机放入新集合D₃；步骤四：利用最短路PickUp距离约束筛选司机由于实际最短路距离总是大于等于欧式距离的，所以满足了欧式距离并不代表能满足实际最短路距离；为了避免了欧式距离很近但是绕路距离很远的情况，对于D₃中的司机，利用最短路算法计算每个司机起点与乘客起点之间的最短路PickUp距离，然后利用司机实际出发时间和乘客出发时间区间来计算实际的欧式距离区间，判断司机和乘客间的最短路PickUp距离是否在距离区间中；将经过步骤四筛选后仍符合约束条件的司机放入新集合D₄；步骤五：在计算最短路距离的基础上，利用最晚时间约束和最大费用约束筛选司机D4集合中的司机都是可以满足在规定时间内接到乘客这个条件的，现在需要考虑的是司机在将乘客送达目的地后，自己是否能够在限定的时间内到达自己的目的地，以及乘客的费用约束；利用最短路算法计算D₄中每个司机终点与乘客终点之间的最短路Return长度，用计算结果和步骤四中计算所得的最短路PickUp距离代替步骤三中的欧式Return距离和欧式PickUp距离，检查D₄中每个司机是否满足司机的最晚时间约束和乘客的最大费用约束，将符合约束条件的司机放入集合D₅中；步骤六：执行匹配重复前5个步骤，对每一个乘客进行匹配，计算出所有乘客各自对应的可以匹配的司机集合，直到所有的乘客都进行完毕；然后建立一张二分图，图的左边节点代表司机，右边节点代表乘客，左边一节点d_i和右边一节点r_j有边相连当且仅当司机d_i在乘客r_j的可匹配司机集合中，边的权值为对应的绕路距离Detour(d_i,r_j)，对于建立好的图，利用KM算法计算带权最优匹配并返回匹配结果，所述的带权最优匹配是使得所有乘客所匹配的司机的绕路距离总和最小。