一种网联车系统的智能调度方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841229A(43)申请公布日2023.03.24(21)申请号202211542739.6(22)申请日2022.12.02(71)申请人北京邮电大学地址100876北京市海淀区西土城路10号(72)发明人王强胡兴洪徐琛张文琦(74)专利代理机构北京永创新实专利事务所11121专利代理师易卜(51)Int.Cl.G06Q10/0631(2023.01)G06Q50/30(2012.01)权利要求书2页说明书10页附图6页(54)发明名称一种网联车系统的智能调度方法(57)摘要本发明公开了一种网联车系统的智能调度方法，属于智慧交通领域；具体包括：首先，获取真实的道路网络信息，构建交通网络图；基于分区模型把交通网络图划分为多个不相交的区域；然后，获取实时的车辆密度信息，将其输入至神经网络中，输出每对相邻区域的预估行驶时间，进一步计算每个区域到达相邻区域及其自身的权重；获取各个区域服务范围内的实时供需信息，将其输入至匹配模型，输出车辆与乘客匹配的结果并执行；将各区域剩余的供需信息和权重信息输入强化学习调度模型中，输出车辆的调度策略并执行；本发明考虑了实时区域间行驶时间，以提高调度模型在真实环境中的应用性能，包括车辆服务水平及其收益。CN115841229ACN115841229A权利要求书1/2页1.一种网联车系统的智能调度方法，其特征在于，通过考虑区域间行驶时间，把实际的道路网络融合到基于网格的方法中，具体包括：首先，针对网联车待服务的地区，获取真实的道路网络信息，构建交通网络图；并基于分区模型把交通网络图划分为多个不相交的区域，得到分簇矩阵；然后，获取实时的车辆密度信息，将其输入至已训练好的神经网络模型中，结合分簇矩阵输出车辆从当前六边形区域到达相邻六边形区域的预估行驶时间；基于相邻六边形区域间的预估行驶时间，计算车辆从各区域到达相邻区域及其自身的权重；接着，获取各个六边形区域服务范围内的实时供需信息，将其输入至匹配模型，输出车辆与乘客匹配的结果并执行；最后，将各六边形区域的车辆与乘客匹配后，剩余的供需信息和权重信息输入已训练的强化学习调度模型中，输出车辆的调度策略并执行。2.如权利要求1所述的一种网联车系统的智能调度方法，其特征在于，所述道路网络信息包括：路口的位置信息、道路与路口的连接关系、道路的长度、道路的车道数量；交通网络图构建方法如下：以道路为节点，以道路中点为节点位置；连接两个相邻路口作为边，以道路的长度和车道数量为节点属性。3.如权利要求1所述的一种网联车系统的智能调度方法，其特征在于，所述分簇矩阵的获取过程为：按照实际服务地区的大小，构建若干半径可调节的六边形区域，使得所有六边形区域的总范围完整地包含交通网络图；计算交通网络图中每个节点与所有六边形区域中心的距离；将各节点划分到距离最近的六边形区域；节点与六边形区域的包含关系定义为分簇矩阵。4.如权利要求1所述的一种网联车系统的智能调度方法，其特征在于，所述神经网络包括：图卷积网络和门控循环单元组成的时间图卷积网络，图池化以及多层感知器；输出预估行驶时间的具体过程为：首先、将实时车辆密度信息输入时间图卷积网络，提取表征车辆密度信息的隐特征；其中，所述车辆密度信息为：每条道路上车辆的数量与道路长度的比值；然后、将隐特征和分簇矩阵输入图池化函数中，输出每个六边形区域的隐特征；最后、将各六边形区域的隐特征输入多层感知器中，输出每对相邻六边形区域的预估行驶时间。5.如权利要求1所述的一种网联车系统的智能调度方法，其特征在于，所述计算车辆从各区域到达相邻区域及其自身的权重，具体为：首先，对于车辆所在的当前区域，收集到达各相邻区域的估计行驶时间，从中选择最小值etamin，并与特定于城市和业务的系数α相乘，作为该车辆从当前区域到达自身的行驶时间；然后，把每个到达自身区域及相邻区域的行驶时间作为输入，利用成本型的归一化模型，计算车辆从当前区域到达每个相邻区域及其自身区域的权重。6.如权利要求1所述的一种网联车系统的智能调度方法，其特征在于，所述供需信息包括：当前时隙每个区域车辆和乘客的位置和数量；2CN115841229A权利要求书2/2页所述匹配模型为任意适合车辆与乘客匹配的模型。7.如权利要求1所述的一种网联车系统的智能调度方法，其特征在于，所述剩余供需信息包括：当前时隙每个六边形区域及其相邻区域的未被匹配车辆和乘客的数量；输出车辆的调度策略的具体过程为：首先，将各六边形区域的剩余供需信息输入估计Q网络，输出每个六边形区域到达相邻区域及其自身区域的估计价值；然后，将各六边形区域到达相邻区域及自身区域的权重信息与各自相应的估计价值相乘，输出各自到达相邻区域及其自身区域的估计加权价值；最后，将各区域到达相