公开(公告)号：CN114970944A

公开(公告)日：2022-08-30

申请号：CN202210318631.2

申请日：2022-03-29

Applicant: 武汉大学

Inventor： 乐鹏 ,  徐明月 ,  杨璨

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/30 ,  G06N7/00 ,  G06N3/04 ,  G06N3/08 ,  G06F16/9537

Abstract: 本发明提出了一种基于多智能体强化学习的订单匹配和车辆重定位方法。本发明通过网约车平台获取多条订单数据和多个网约车司机的历史轨迹点数据；对该数据进行时空划分预处理；根据预处理后的数据构建司机初始分布向量和订单分布变化记录矩阵；构建订单匹配和车辆重定位马尔科夫决策过程；构建订单匹配模型和车辆重定位模型；交替训练订单匹配模型和车辆重定位模型；按照设定次数重复上述步骤，直到模型稳定，得到最终模型。本发明将两个任务建模在同一个马尔科夫决策过程中同时优化两个任务；本发明可以一对一的车辆调度并通过共享权重减少计算量；本发明对城市级别大规模车辆和订单之间的长期时空依赖关系进行建模，缓解网约车供需不平衡。

公开(公告)号：CN114970944B

公开(公告)日：2024-06-18

申请号：CN202210318631.2

申请日：2022-03-29

Applicant: 武汉大学

Inventor： 乐鹏 ,  徐明月 ,  杨璨

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/47 ,  G06N3/006 ,  G06N3/045 ,  G06N3/092 ,  G06N7/01 ,  G06F16/9537

Abstract: 本发明提出了一种基于多智能体强化学习的订单匹配和车辆重定位方法。本发明通过网约车平台获取多条订单数据和多个网约车司机的历史轨迹点数据；对该数据进行时空划分预处理；根据预处理后的数据构建司机初始分布向量和订单分布变化记录矩阵；构建订单匹配和车辆重定位马尔科夫决策过程；构建订单匹配模型和车辆重定位模型；交替训练订单匹配模型和车辆重定位模型；按照设定次数重复上述步骤，直到模型稳定，得到最终模型。本发明将两个任务建模在同一个马尔科夫决策过程中同时优化两个任务；本发明可以一对一的车辆调度并通过共享权重减少计算量；本发明对城市级别大规模车辆和订单之间的长期时空依赖关系进行建模，缓解网约车供需不平衡。

公开(公告)号：CN119293578A

公开(公告)日：2025-01-10

申请号：CN202411222481.0

申请日：2024-09-02

Applicant: 武汉大学

Inventor： 乐鹏 ,  万重山 ,  杨璨 ,  蔡传威

IPC: G06F18/241 ,  G06F18/213 ,  G06N3/042

Abstract: 本申请涉及智能交通信息技术领域，特别涉及一种基于轨迹数据的交叉口车道级拓扑检测方法、装置及设备，其中，方法包括：获取交叉口内部的轨迹数据；提取轨迹数据中轨迹的形状特征、方向特征和轨迹之间关系特征；根据形状特征、方向特征和轨迹之间关系特征构建轨迹关系图，将轨迹关系图输入图神经网络架构，图神经网络架构输出车道级交叉口拓扑。由此，解决了现有技术中数据源获取成本高、数据处理复杂度高、算法精度与鲁棒性不足，以及实时动态更新挑战等问题。

公开(公告)号：CN114418606B

公开(公告)日：2024-05-28

申请号：CN202111450423.X

申请日：2021-12-01

Applicant: 武汉大学

Inventor： 乐鹏 ,  罗啊玲 ,  张明达 ,  杨璨

IPC: G06Q30/0202 ,  G06Q50/47 ,  G06Q10/0631 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于时空卷积网络的网约车订单需求预测方法，包括以下步骤：(1)获取各种数据集并进行预处理；(2)将订单数据利用DPC聚类方法将城市划分为多个虚拟站点；将订单数据集按照指定的时间间隔进行切片，并进行标准化处理；将处理后的数据集划分为训练集、验证集和测试集；(3)构建基于时空卷积网络的订单需求预测模型；使用训练集训练模型，利用验证集选择出表现最好的预测模型；(4)在测试集上利用最优预测模型进行订单需求量预测。本发明能够有效地对影响网约车订单需求的时空因素和外部因素进行建模，提升订单需求预测的精度，同时能够缩短用户的候车时间，提升用户出行体验。

公开(公告)号：CN114418606A

公开(公告)日：2022-04-29

申请号：CN202111450423.X

申请日：2021-12-01

Applicant: 武汉大学

Inventor： 乐鹏 ,  罗啊玲 ,  张明达 ,  杨璨

IPC: G06Q30/02 ,  G06Q50/30 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/06

Abstract: 本发明公开了一种基于时空卷积网络的网约车订单需求预测方法，包括以下步骤：(1)获取各种数据集并进行预处理；(2)将订单数据利用DPC聚类方法将城市划分为多个虚拟站点；将订单数据集按照指定的时间间隔进行切片，并进行标准化处理；将处理后的数据集划分为训练集、验证集和测试集；(3)构建基于时空卷积网络的订单需求预测模型；使用训练集训练模型，利用验证集选择出表现最好的预测模型；(4)在测试集上利用最优预测模型进行订单需求量预测。本发明能够有效地对影响网约车订单需求的时空因素和外部因素进行建模，提升订单需求预测的精度，同时能够缩短用户的候车时间，提升用户出行体验。