公开(公告)号：CN107038858B

公开(公告)日：2019-05-28

申请号：CN201710380104.3

申请日：2017-05-25

Applicant: 厦门大学

Inventor： 范晓亮 ,  唐方 ,  李军 ,  王程 ,  陈龙彪 ,  臧彧 ,  程明

IPC: G08G1/00 ,  G06Q50/30

Abstract: 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。

公开(公告)号：CN108985475A

公开(公告)日：2018-12-11

申请号：CN201810609232.5

申请日：2018-06-13

Applicant: 厦门大学

Inventor： 范晓亮 ,  肖璐菁 ,  王程 ,  陈龙彪

IPC: G06Q10/02 ,  G06Q10/04 ,  G06Q10/06 ,  G06N3/04

Abstract: 本发明公开了一种基于深度神经网络的网约车召车需求预测方法，包括：S1、对城市路网进行区域划分，并计算统计各个区域的网约车召车需求量；S2、设计网约车召车需求预测模型：基于深度神经网络，学习和训练召车需求时空特征，并结合天气影响因素对网约车用户召车意愿的影响因子，预测下一时间段的区域召车需求量；S3、根据历史数据对区域召车需求预测模型进行训练，再利用训练好的模型对各个区域的网约车召车需求量进行预测。本方法通过融合外部因素和时空相关性，利用深度神经网络来表达网约车召车需求量的复杂的非线性时空相关性特征，能够取得较高的预测精度。

公开(公告)号：CN107038858A

公开(公告)日：2017-08-11

申请号：CN201710380104.3

申请日：2017-05-25

Applicant: 厦门大学

Inventor： 范晓亮 ,  唐方 ,  李军 ,  王程 ,  陈龙彪 ,  臧彧 ,  程明

IPC: G08G1/00 ,  G06Q50/30

CPC classification number: G08G1/00 ,  G06Q50/30

Abstract: 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。