原文传递
基于轨迹数据的无人驾驶出租车调度研究
| 论文题名： | 基于轨迹数据的无人驾驶出租车调度研究 |
| 关键词： | 无人驾驶出租车;免疫算法;XGBoost算法;遗传算法;路径规划 |
| 摘要： | 随着无人驾驶技术的发展，无人驾驶出租车出行服务应运而生。无人驾驶出行服务是未来出行服务的发展方向，但到目前为止，仅停留在试运行阶段。为推进无人驾驶出行服务，本课题研究无人驾驶出租车的调度机制，主要工作如下: 首先，对原始出租车轨迹数据进行预处理，获取乘客上下车位置点轨迹数据;利用K-means聚类和DBSCAN聚类的混合算法聚类乘客上下车位置点轨迹数据，获取研究区域内工作日和休息日的乘客出行热点区域及热点区域聚类中心，基于聚类中心选定无人驾驶出租车备选停放站点;建立无人驾驶出租车停放站点选址模型，以停车位的租赁成本和无人驾驶出租车的空驶成本之和最小构建目标函数，设计免疫算法对选址模型进行求解。在案例分析中，以成都市2014年8月的出租车轨迹数据为例，采用上述方法进行无人驾驶出租车停放站点选址研究，最终选取“天府广场”等5个站点作为无人驾驶出租车最终停放站点，并利用乘客的平均等车时间、停放站点数量和位置的部署依据对该选址方案进行了评价，阐述了该选址方案的合理性。 其次，利用基于密度的DBSCAN聚类算法聚类乘客上车点轨迹数据，识别载客热点区域并划定载客热点区域边界，结合无人驾驶出租车需求特性，利用未添加傅里叶特征值的XGBoost算法和添加傅里叶特征值的XGBoost算法分别进行载客热点区域的短时需求预测，通过比较平均绝对百分比误差(MAPE)值证明后者预测精度得到明显提高，因此在调度无人驾驶出租车前利用添加傅里叶特征值的XGBoost算法预测载客热点区域的需求量;以总调度距离最短为目标建立无人驾驶出租车调度模型，设计遗传算法进行模型求解，在考虑调度间隔的基础上选择总调度距离最短的无人驾驶出租车调度方案。在案例分析中，选取即时、间隔1min、间隔2min三种调度间隔进行调度分析，通过比较调度成本和无人驾驶出租车平均到达时间两个评价指标，最终选取调度间隔为2min的最优调度方案，最优调度方案减少了调度成本和乘客等待时间，提高了乘客满意度。 最后，研究了非合乘和合乘中的关键问题:非合乘主要考虑出租车和乘客之间的匹配关系，合乘问题主要考虑乘客和乘客之间的匹配关系;基于此，以全体无人驾驶出租车到乘客需求点距离最短构建非合乘派单模型，以合乘距离最短构建合乘派单模型，分别设计遗传算法进行模型求解。利用成都市原始出租车轨迹数据和求得的无人驾驶出租车停放站点进行案例分析，获得的最优方案减少了乘客的等待时间和无人驾驶出租车的运营成本。 |
| 作者： | 徐婷婷 |
| 专业： | 交通信息工程及控制 |
| 导师： | 吕文红;刘文江 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
