1.一种客运中心出租车司机的智能决策方法,其特征在于:该智能决策方法包括如下步骤:步骤1、分析乘客分布特性,确定乘客出站时长分布参数;
步骤2、预测出站客流量;
步骤3、了解乘客对出租车选择比例随时间的变化;
步骤4、利用熵值法确定其他因素对出租车选择比例随时间变化的影响;
步骤5、经济成本预测;
步骤6、选择合适的载客策略;其中:在所述步骤1中,乘客出站时长分布参数由正态分布的相关公式确定:2
式中:t为乘客出站的时间,μt为各旅客出站时间平均值,σt为出站时间方差,计算公式如下:式中n为到达的旅客数,ti为到达的第i个旅客的出站用时;
旅客出站时间分布概率密度函数为:f(t)=0.3f1(t)+0.7f2(t)一班载客数为n的航班在降落后t时刻出站的旅客数量分布函数n(t)等于:n(t)=n×(0.3f1(t)+0.7f2(t))。
2.根据权利要求1所述一种客运中心出租车司机的智能决策方法,其特征在于:在所述步骤2中,在任意区间(T1,T2)内出站的乘客数量N的计算公式为:
3.根据权利要求1所述一种客运中心出租车司机的智能决策方法,其特征在于:在步骤
3中,把在一天内乘客选择出租车的比例J划分为迅速增长直至饱和期,快速衰减期,高峰期三段,迅速增长直至饱和期J的计算公式为式中,t1表示城市公共交通恢复运营的时间,快速衰减期J的计算公式为
式中,t2表示高峰期出现的时间,高峰期J的计算公式为
‑n|T‑t|
J=m1×e
式中t为J达到峰值的时间。
4.根据权利要求1所述一种客运中心出租车司机的智能决策方法,其特征在于:在所述步骤4中,对于影响出租车选择的因素,熵值法分析如下:①对选定指标进行标准化处理:
x′ji为第i个任务的第j个标准化指标, 与Sj分别为第j类指标的均值与标准差;
②计算各指标熵值:
m表示数据样本数量,计算出标准化的第i个任务第j项指标x′ji在第j项指标中所占比重Pij:计算出第j项指标的熵值ej,
③计算各项指标权重:
计算出第j项指标的差异系数dj
dj=1‑ej
dj反映了第j项指标的差异性,dj越大该项指标第j项指标越重要,故可据此计算出第j项指标的权重wj:k为指标数量,根据三项指标的权重即可得出第i个样本天气指数Bi的表达式:④函数修正:
乘坐出租车的乘客比例J随时间变化的函数修正为:式中B为某一时段内影响因素的指数,h(t)为出租车选择比例关于时间的变化函数。
5.根据权利要求1所述一种客运中心出租车司机的智能决策方法,其特征在于:在所述步骤5中,经济成本预测包括排队载客成本预测和空返成本预测;
①排队载客成本预测:
设出租车司机在T0时刻送客结束,td为出租车等待时间,司机通过出租车选择比例计算得到下一个时段内到达乘车区准备搭乘出租车的乘客人数时间分布:出租车客运量为p,载客次数为np,运营里程l,出租车平均载客人数为从T0开始到等待td后出租车完成排队时到达乘车区的旅客数量应等于前方出租车接走的旅客数量即:设司机时薪为S,司机每小时工作时间成本为ct、能耗成本为ce,出租车的平均行驶速度v,hy为平均每公里油耗,py为油价,出租车司机单位耗时的时间成本为:ct=S‑ce=S‑v·hy·py进入蓄车池排队等待的经济损失costw计算公式为:costw=ct×td;
②空返成本预测:
司机空返市区载客的成本costb为:S为司机时薪,tb为司机接到下一个乘客等待的时间,I为城市载客次数,u为空载里程,v为出租车平均车速。
6.根据权利要求1所述一种客运中心出租车司机的智能决策方法,其特征在于:所述步骤6中,载客策略为:选择策略一
当costb<costw时选择空返回市区载客,反之选择停留在机场排队载客;
选择策略二
由于策略方法一计算比较复杂,所以提出一种更简单的计算方法:在一定时间内计算到达乘车区的乘客数Nc与队列前面C辆出租车可搭载人数 即可做出合适的决策:当 时,实际等待时间td<t'd,排队载客的经济成本costw小于等待t'd时的经济成本costd,司机应该选择留在机场,进入蓄车池排队;
当 时,实际等待时间td>t'd,排队载客的经济成本costw大于等待t'd时的经济成本costd,司机应该选择空返市区载客;
当 时,司机实际等待时间td=t'd,两种方案的经济成本相同。
7.根据权利要求1‑6的任一项所述一种客运中心出租车司机的智能决策方法,其特征在于:该智能决策方法适用于火车站、高铁站以及机场出租车司机的决策。