基于需求密度预测的网约车集约化调度方法

为提升网约车接单率和利润率、实现全局供需平衡,提出一种基于需求密度预测的网约车集约化调度方法。首先,根据历史数据设计基于多层混合感知野的深度时空残差感知网络结构,该网络基于需求频度划分历史时空数据,并通过卷积指数线性网络及残差单元对不同时空数据进行差异化处理。结合基于门控机制的融合及求和融合方法动态聚合时间、空间和外部特征,实现了对需求密度的准确预测,从而预估网约车需求密度集群效益。其次,基于网约车经济效益和需求密度集群效益,建立调度数学模型,设计传感邻域限制调度范围,提升搜索效率。将遗传算法与匈牙利算法相结合,提高算法寻优能力,避免基因缺失,通过改进选择和变异算子,增强遗传算法的局部随机搜索能力,规避早熟风险,从而得到网约车与乘客的最佳匹配结果,保证了全局供需平衡和总体盈利能力。最后,基于大规模真实数据集对预测模型的性能和调度算法的有效性进行验证,实验结果表明,预测模型精度可达到97%,调度算法的求解质量可达最优解的99%,可为网约车平台提供调度策略,保障交通系统稳定。