[发明专利]通勤私家车动态拼车推荐方法

摘要

本发明公开了一种通勤私家车动态拼车推荐方法，包括，输入车牌自动识别数据，对其进行预处理，生成车辆轨迹集；基于城市车辆轨迹集，结合通勤私家车出行时空规律的高度重复性和周期性，设计一种工作日通勤私家车识别算法；结合通勤私家车的家‑工作地址、通勤时间窗口和工作日动态影响因素(天气、事故和交通)，实现对影响通勤私家车拼车的关键特征提取；基于通勤车辆时空特征，匹配具有相似通勤时空规律的通勤车辆，并结合动态影响因素对驾驶人拼车意愿的影响，将这些动态因素与用户在时空维度的拼车需求有效结合，实现基于用户意愿的动态拼车匹配，为通勤私家车提供一种长期稳定的拼车机制，并在早晚高峰时段明显减少私家车车辆数。

主权项

1.通勤私家车动态拼车推荐方法，其特征在于，包括以下步骤：S1、输入VLPR数据集，对VLPR数据集进行预处理，生成城市车辆轨迹数据集；S2、基于通勤私家车出行时空规律的高度重复性，从城市车辆轨迹数据集中滤除活跃度低的非通勤车辆，对余下的车辆进行家地址与工作地址的分析，将同时拥有家‑工作地址的车辆判定为通勤私家车；S3、结合通勤私家车的家‑工作地址、通勤时间窗口和工作日动态影响因素分别实现对影响通勤私家车拼车的空间特征、时间特征及动态影响因素特征提取，所述动态影响因素包括天气、事故及交通流状况；S4、基于通勤车辆的空间特征与时间特征，匹配具有相似通勤时空规律的通勤车辆，并结合动态影响因素对驾驶人拼车意愿的影响，将这些动态因素与用户在时空维度的拼车需求有效结合，实现基于用户意愿的动态拼车匹配；其中，步骤S4具体包括以下步骤：S41、将每辆通勤私家车的空间特征和时间特征为描述通勤私家车通勤规律的时空特征向量，运用k‑means算法对通勤私家车进行粗粒度聚类，使具有相似通勤规律的通勤车辆聚为一类；S42、根据动态影响因素来确定驾驶人向乘客提供拼车服务的意愿因子IF，具体为，IF＝ω₁×isMonday+ω₂×(‑visibility)+ω₃×rainfall+ω₄×accident其中，isMonday表示是否周一，是为1，否为0；visibility表示早高峰能见度；rainfall表示早高峰降雨量；accident表示早高峰交通事故总数；ω₁，ω₂，ω₃，与ω₄分别代表四个因素对通勤私家车出行规律的影响程度，其中能见度visibility与影响因子呈负相关，故系数为负；S43、在不同的意愿因子作用下，结合不同的共享座位数seats∈[1，4]，运用递归AGNES算法，生成不同共享座位数下的通勤私家车拼车组合；其中，步骤S43中为求得不同动态影响因素下最佳共享座位数，首先定义一个能量函数E，其公式如下，E(IF，seats)＝D(IF，seats)+αS(IF，seats)式中，IF为意愿因子，seats为愿意共享座位数量，数据项D(IF，seats)为拼车后减少车辆数，平滑项S(IF，seats)为拼车准确度与乘客平均等待时间对最终拼车效果的影响，α为平衡因子，α∈[0，1]；数据项D(IF，seats)和平滑项S(IF，seats)的计算公式如下，D(IF，seats)＝N‑M(IF，seats)；式中，N为总车辆数，M(IF，seats)为车辆组合个数，WT(IF，seats)为乘客平均等待时间，RA(IF，seats)为平均拼车准确度，与β为可调参数，用来决定拼车准确度与乘客等待时间影响拼车效果的权重；对每一个意愿因子IF，取seats为使得能量函数E(IF，seats)为最大值的共享座位数，则有，seats＝argmaxE(IF，seats)，seats∈[1，4]。