基于系统模拟的行为决策模型最优化分析

文章分别从出租车司机和机场管理者角度出发,建立出租车司机选择决策模型,给出司机的选择策略,再建立乘车区上车安排模型和优先排队模型,使机场调度安排方案能够尽可能提高乘车效率,且均衡各种出租车的收益。     

交通大数据驱动的地铁和出租车接驳出行规划

现有的城市居民常用出行工具为出租车、公交车和地铁,城市道路的拥挤使得机动车的便捷性大打折扣,地铁也难以覆盖城市各个角落。针对此问题提出了一种接驳出租车和地铁的出行方案,基于上海交通数据的详细分析,提取不同时段下每条道路的行驶时间,地铁线路的出行时间,并对城市分区域计算等车时间,给乘客提供不同时段的差异化线路规划服务和一个较为准确的出行时间。接驳地铁和出租车的出行方式能够在保证较低的出行时间条件下较为明显地降低乘客的出行价格,减少城市道路压力,降低社会的整体能耗,同时在某些拥堵线路上能够提供给乘客出行时间较少也较为准确的方案,增加了公共交通系统的覆盖范围。     

排队系统仿真及应用

根据排队论的单窗口和多窗口排队模型，利用MATLAB语言对模型进行仿真。仿真结果表明，多窗口混合制排队模型优于单窗口模型，适合在现代通信中加以应用。     

基于LightGBM的乘客候车路段推荐方法

目前城市出租车服务系统中出租车的营运效率普遍不高，一方面出租车有较高的空载率，另一方面由于乘客盲目选择打车地点而造成打车难的问题。针对上述问题，提出了一种基于LightGBM的乘客候车路段推荐方法。该方法从城市出租车的历史轨迹信息中提取影响空载的时空特征，利用LightGBM框架预测各个路段出租车的空载数量，并以此计算各个路段在未来一个时隙内成功打到空车的概率，最终根据乘客所处位置将其附近成功打车概率最高的路段推荐给乘客。仿真实验利用了西安市出租车数据对模型进行训练和验证，并将实验效果与SVR、GBDT等方法进行了对比。实验结果表明，所提方法的RMSE、MAE、MAPE等指标均优于其他方法，该模型对解决出租车与乘客人车矛盾有一定实用价值。     

基于增强学习的网格化出租车调度方法

高度信息化的网格化城市管理可以为出租车运营优化提供新的实时动态乘客需求信息和车辆位置信息。以此为契机,针对城市出租车空驶率高和司乘匹配率低的问题,提出了一种网格化的出租车实时动态调度的增强学习控制方法。通过为出租车提供空驶巡游的动态最佳路线,新的控制方法旨在提高出租车的服务效率,并降低乘客的等待时间。首先,以城市单元网格为基础,明确出租车调度的关键问题;其次,以空驶路线的动态调整为控制手段,建立调度的增强学习模型;最后,给出求解模型的Q学习算法,并通过算例验证新调度方法的有效性。研究表明新方法可以有效提高司乘匹配率、增加总的出租车运营收入、减少乘客平均等车时间和减少总的出租车空驶时间。     

基于Hadoop的出租车服务策略

出租车服务策略是出租车司机群体智慧的体现,隐藏在大规模的出租车GPS轨迹数据中.基于大数据分析工具,针对出租车GPS轨迹数据进行服务策略挖掘,提取好的服务策略指导司机营运可以提高司机收入和营运效率.乘客搜索策略是出租车服务策略的主要内容,在对GPS轨迹数据进行清洗之后导入HDFS,首先提取司机个人轨迹,并对其收入进行量化,然后对乘客搜索策略建模,根据模型利用hadoop平台统计出司机对各种策略的使用情况,结果表明,收入较高的司机在乘客搜索策略选择上与收入一般的司机有显著差异.     

基于MapReduce的出租车停泊点智能推荐算法

现有解决打车难问题的研究工作大部分是集中式地调度出租车,且大多方法在单一服务器上运行串行算法分析海量出租车GPS数据,计算量大,会遇到计算时间和计算资源的瓶颈。为此提出一种基于MapReduce的出租车停泊点智能推荐算法,为司机或乘客推荐更容易接到乘客或打到车的地点。算法通过挖掘大量出租车GPS轨迹数据,检测出停泊点,并生成停泊点知识库。再利用推荐模型为司机或乘客推荐最佳停泊点。实验分析了北京市真实出租车GPS轨迹数据,结果表明该算法能有效为司机和乘客推荐出停泊点,且在大数据量下具有较高的效率。     

需求演化排队模型研究

用定量手段研究需求演化需要相关方法加以指导。利用排队论来分析需求变化请求从提出到实现的整个过程所具有的排队模型特征。在M/M/1/m/m假设之下,改进了现有需求成熟度的计算方法,并通过实例计算了该排队模型的特征指标,分析了这些数量对评价需求分析的效率及需求工程师的能力所具有的借鉴意义,并指出排队论在指导用定量手段研究需求变化管理上的作用。     

城市出租车打车软件使用率对空驶率影响研究

为了计算在使用打车软件背景下城市出租车的空驶率,将乘客划分为两类,即传统的扬招乘客与使用打车软件的乘客,根据乘客类型特征分别提出了等待时间计算方法,建立了基于乘客等待时间与出租车空驶时间守恒关系的出租车打车软件使用率与空驶率量化关系模型。在城市路网特征及出租车相关运营参数固定的情况下,模型能客观反映城市出租车打车软件使用率与个体空驶率的对应关系。通过算例分析表明该模型具有有效性和可行性,数据分析能较好地反映实际情况,有助于管理部门衡量城市出租车系统的运营效率,也可为打车软件等新型电召服务模式的引导方式提供决策依据。     

机场出租车“待客-返程”决策支持模型——以南京禄口国际机场为例

针对机场出租车“待客-返程”决策模式，基于机会成本视角构建一种决策支持模型。综合考虑影响出租车司机决策的相关因素，构建旅客搭乘出租车的意愿函数和出租车司机机会成本的线性对数回归模型；定义“选择决策因子”,建立“待客-返程”决策支持模型，分析研究不同季节、时段的最优解；用南京禄口国际机场的数据进行模型训练，得到该机场出租车司机决策方案；采用敏感性分析法定量分析模型对决策因子的依赖性，以验证模型性能。实验结果表明，该模型决策方案可靠，对决策因子变化敏感，能有效提高机场的客流集散效率。     

语音“拼车”系统

语音“拼车”系统是一种安装在内视镜上的交通运输提示附加装置,主要由显示器和语音控制装置两部分组成。显示装置的内侧显示屏和外侧显示屏可同时显示目的地。显示器的外侧显示屏可让想要合乘出租车的乘客在远处就可以知道该出租车所去的方向是否与自己所去的地点相同,或是否经过自己所要去的地点,可以提前决定是否乘坐该出租车,同时节省乘客和司机面问的时间,从而大大提高交通效率。当出租车改变行进方向时,显示器的内侧显示屏会提醒司机及时更改显示屏上的内容,以方便顾客选乘。语音控制装置设置的开关可在达到时及时控制。     

出租车智能指挥调度系统实现

从城市出租车的现状出发,根据乘客的出行需求,设计并实现一个完整的出租车智能调度指挥系统。该系统可通过触摸屏或其他方式放置在公共场所或小区内,为用户的出行提供服务指导。根据乘客的出行需求,系统自动为乘客计算最优乘车线路,并在电子地图上将乘车路线彩色粗线显示,然后将乘客的乘车过程进行行驶模拟。出租车调度指挥中心在接到乘客的乘车呼叫后可在最快的时间内将乘客按最优线路送达目的地。     

基于位置服务的出租车调度系统的研究与设计

出租车作为城市居民出行的重要辅助交通工具,目前存在空驶率高、营运效率低下、乘客打车难等一系列问题。解决这些问题的关键在于科学合理地调度出租车,有效分配出租车的运能资源。基于位置服务和Google Maps等技术,设计一种以乘客为中心的出租车集中式调度算法和一种新的最短路径算法,在此基础上开发相应的智能调度系统。该系统的使用能有效提高出租车行业的运营效率,改善城市环保,解决现有出租车电召业务中所存在的问题。     

出租车上客区规模的Monte Carlo仿真计算方法

为确定出租车上客区的合理规模,分析其运行特征,同时存在乘客和出租车相互等待的情况,而不能采用停车场模型或排队论模型计算。采用Monte Carlo仿真方法,利用随机原理来拟合乘客与出租车的相互作用过程,给出了合理规模的确定流程。实例应用证明该方法具有很好的适用性;同时分析结果表明：（1）当出租车上客区泊位规模达到一定程度时,再增加并不能减少乘客等待时间;（2）高峰时段适当限制乘客的排队长度能够在较小比例的乘客损失下,极大地降低乘客的等待时间。     

门诊动态溢流排队系统感性和理性退出率分析

在现实医疗服务中,面对医生座席数量供不应求的现状,采用传统的双队列独立排队系统很难高效利用医院资源。对此,在不改变医院现有资源的情况下设置系统动态用来合理配比各门诊患者容量,在传统双队列独立排队系统的基础上建立动态溢流门诊排队生灭模型,并考虑患者在感性与理性因素下退出系统的概率,便于更准确地分析系统的真实状态。借助ProModel这一灵活、可靠的离散事件仿真软件,将模型可视化研究,并与传统的门诊排队模型进行对比分析。仿真结果显示,新型排队模型的队列平均长度、患者等待时间等服务指标均优于传统的排队模型。     

基于样本权重的出租车聚集区识别算法

聚类技术可以用于对具有动态、随机和异步并发特性的出租车对象进行分类。但是,现有的聚类技术认为每个出租车样本对聚类的贡献相同,没有考虑到不同样本的不同影响,这在一定程度上影响了聚类的精度。提出了一种基于样本权重的出租车聚集区识别算法--SFTA_IB算法,算法引入了样本权重来充分反映不同样本的贡献度。在此基础上,将出租车视为原变量X,出租车坐标数据视为相关变量Y,目标是寻求压缩变量T,在T中最大化保留相关变量的信息。实验表明,SFTA_IB算法可以准确识别目标样本周边的出租车聚集区,针对性地指导目标出租车个体的巡游线路,提高乘客搜寻效率。     

宽带城域网中节能机能I的性能分析

在移动宽带城域网中,如何获得更好的节能效果是移动设备面临的重要问题之一,IEEE 802.16e标准中提出称为休眠模式的节能机制。基于带有休眠延迟的节能类型I,建立带有休假延迟且休假长度指数变化的多重休假排队模型。通过嵌入Markov链方法及边界状态变体定理,对排队模型进行了分析,给出了系统切换率、能量节省率和平均响应时间等性能指标的解析表达式。通过理论分析和仿真实验刻画了不同系统负载下,系统性能指标与休眠延迟定时器长度的依赖关系。综合不同性能指标,构造成本函数,给出系统参数的优化设置方案。     

基于ZigBee技术的出租车调度系统

目前出租车呼叫调度系统大多依赖于人工调度中心第三方平台,由于需乘客、话务员、出租车司机三方交互,调度效率往往较低,不能及时解决乘客便捷快速的乘车需求。为此,提出一种基于ZigBee技术的自组网出租车调度系统。系统包含车载响应子系统、站牌预约点子系统和信号中继装置,乘客通过系统和进入自组网内的司机直接交流,无需经过调度中心等第三方平台,实现了出租车的"自助式"调度,即直接交互、快速响应,又节省乘客使用第三方平台的费用。系统采用的RFID刷卡预付约定金等措施,可有效解决乘客和出租车司机在预约出租车期间出现的爽约行为。     

URBAN-TAXI绿色自助呼叫系统

以GPRS／3G通信技术、嵌入式地图技术、GPS／基站组合定位技术、数据库技术、出租车匹配算法为核心,通过智能手机,将出租车、控制中心服务器和叫车乘客联系为一体。叫车乘客可通过系统实现一键叫车：出租车司机可在地图上查看叫车请求位置并应答叫车请求;同时控制中心提供管理查看界面,可对整个区域内车辆情况和叫车请求进行查看。使用本系统,可减少乘客叫车等待时间,降低出租车空驶率。     

基于载客数据的出租车热门区域功能发现

根据出租车行驶载客数据中提取的乘客出行模式和上下客热门区域,提出一种出租车热门区域功能发现方法。采用基于交通数据时空特性的出租车行驶数据聚类算法,实现热门区域划分。建立基于潜在Dirichlet分配的热门区域乘客出行特征发现模型,对具有相似乘客出行模式的出租车热门区域进行聚类。通过总结各热门区域的具体功能,发现在不同客流时间段内的区域功能与乘客出行模式间的关系。实验结果表明,该方法能够有效发现热门区域的功能特点。