1.一种基于混合分层强化学习的网约车调度方法，其特征在于，包括以下步骤：

将网约车调度过程构建为马尔科夫过程；

基于所述网约车调度过程提取时间信息、司机分布和订单分布进行仿真处理，构建司机与订单的时空分布矩阵；

构建混合分层模型，所述混合分层模型学习高层决策和低层决策，为司机匹配订单获得调度结果；

将所述调度结果进行存储和学习，计算出所述高层决策和低层决策的奖励，更新模型；

计算出所述高层决策和低层决策的奖励，更新模型包括：采用off‑policy训练所述调度结果，计算所述高层决策和低层决策的奖励，获得组合决策值函数，计算每个时间片内所采用的每种调度所获得的收益，分配给两层决策，根据一天内所有的状态，奖励以及组合决策值更新模型；采用off‑policy的方式进行训练，在进行完一天的所有调度后，首先计算两个Q值的组合值，其中 计算过程如下：其中 代表第n个智能体组的Q值， 的计算过程也同上，每个智能体集的决策价值函数只需要自己的局部观测，因此整个系统在执行时是一个分布式的，通过局部值函数，选出累积期望奖励最大的动作执行；通过混合模块的输入2控制超参数权值都大于0，使组合决策值函数与每个局部值函数的单调性相同，使局部值函数取最大动作也就是使组合决策值函数最大，满足公式：然后计算出每个时间片内所采用的每种调度所获得的收益，分配给两层决策，最后将一天内所有的状态，奖励以及组合决策值存入经验池训练模型；

所述混合分层模型进行测试，获得订单响应率和订单收益，完成网约车调度。

2.如权利要求1所述的基于混合分层强化学习的网约车调度方法，其特征在于，所述网约车调度过程由一个元组G＝(N,S,R,A,P,γ)定义，其中，N,S,R,A,P,γ分别是智能体数、状态集、奖励函数、决策空间、转移概率函数、和折扣因子。

3.如权利要求2所述的基于混合分层强化学习的网约车调度方法，其特征在于，所述网约车调度过程具体定义包括：N的值相当于网格数量，将每个司机为一个智能体，同一时刻同一空间下的所有智能体为一个智能体集，同一个智能体集内的所有智能体有相同的决策；S包括为一天内所有时刻的全局状态与局部状态以及历史订单的分布，全局状态为某时刻的所有司机、订单的分布，局部状态为某时刻每个网格自己及相邻网格的司机、订单分布；R为做出每层决策后所服务的订单收益；A为两层决策，高层决策是管控司机是否参与定点热门区域的服务，低层决策是那些不参与热点服务订单的司机的调度；P为概率转移函数。

4.如权利要求3所述的基于混合分层强化学习的网约车调度方法，其特征在于，做出每层决策后所服务的订单收益，获得奖励，计算如下，其中，i表示第i个智能体集，R1,R2分别高层决策奖励与底层决策奖励，为第i个智能体集的高层决策， 为第i个智能体集的低层决策。

5.如权利要求1所述的基于混合分层强化学习的网约车调度方法，其特征在于，选取仿真区域，模拟生成所述仿真区域的蜂窝地图，对订单数据进行采样，提取时间信息、司机分布和订单分布并根据时间段映射到网格中，获取订单坐标与司机坐标；首先将订单坐标空间分布与司机坐标空间分布构建成两个一维矩阵O,D，用O‑D就可以得到当前可用车辆的空间分布矩阵D′，连接矩阵O与D′，再在每个维度补充时间信息，就得到了司机与订单时空分布矩阵。

6.如权利要求2所述的基于混合分层强化学习的网约车调度方法，其特征在于，学习高层决策的全局状态包括HOt+1,Dt,Ot，其中Ot与Dt表示t时刻下的订单与司机的空间分布，HOt+1表示过去20天内t+1时刻下的订单的空间分布，使用多头注意力机制提取三者之间的关系，公式为：MultiHead表示输出，h表示注意力的层数，w表示参数矩阵， 表比例因子，得到的结果经过前向传播、残差连接与归一化等操作后得到Q1，Q1将对每个智能体集做出高级决策，决定该智能体集是否参与附近热门地区的车辆调度。

7.如权利要求6所述的基于混合分层强化学习的网约车调度方法，其特征在于，学习低层决策的状态包括全局状态与局部状态两部分，全局状态为Ot，局部状态为智能体集所能观测到局部信息。