基于云平臺的智能出租車調(diào)度系統(tǒng)設(shè)計方案

基于云平臺的智能出租車調(diào)度系統(tǒng)設(shè)計方案高天行，樊付星，卞微知南京航空航天大學(xué)引言隨著科技的進步，現(xiàn)在越來越多的出租車開始內(nèi)嵌GPS傳感器，這些出租車還裝有一個傳感器，讓調(diào)度中心知道乘客上下車的信息。出租車公司在出租車上部署GPS傳感器的主要目的是為了幫助車輛調(diào)度和管理。然而現(xiàn)行的出租車行業(yè)GPS解決方案普遍對車載GPS數(shù)據(jù)的利用較膚淺，智能程度較低。本文將以車載GPS數(shù)據(jù)為基礎(chǔ)，使用數(shù)據(jù)挖掘方法，實現(xiàn)出租車的智能調(diào)度，提高出租車的工作效率，降低出租車的空載率，減少乘客的平均等待時間。方案概述乘客終端云服務(wù)器乘客終端云服務(wù)器調(diào)度發(fā)布信息出租車終端監(jiān)控中心本設(shè)計方案的核心思想是盡可能的利用歷史GPS和當(dāng)前的動態(tài)GPS數(shù)據(jù)預(yù)測出當(dāng)前各路段存在等車乘客的概率，并將相關(guān)信息直觀的呈現(xiàn)給出租車司機，從而使出租車司機能夠優(yōu)化行車路線，降低空載率。一個路段存在等車乘客的概率可依據(jù)歷史GPS數(shù)據(jù)和路段的當(dāng)前狀態(tài)來進行預(yù)測。路段的當(dāng)前狀態(tài)包括：當(dāng)前時間，上一個空車經(jīng)過的時間，當(dāng)前天氣、當(dāng)天是否為工作日等。由于這些因素與乘客存在概率之間的關(guān)系復(fù)雜，難以找到有效的數(shù)學(xué)模型來進行刻畫，所以我們采用對非線性復(fù)雜關(guān)系具有很強的擬合能力的神經(jīng)網(wǎng)絡(luò)模型。乘客手機端軟件則為系統(tǒng)提供了一些更加確切的乘客信息，進一步提高了出租車的工作效率，并且改變了乘客只能被動等車的情況，增加了乘客與司機之間的互動。云計算簡介云計算（cloudcomputing）是基于互聯(lián)網(wǎng)的相關(guān)服務(wù)的增加、使用和交付模式，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴展且經(jīng)常是虛擬化的資源。云是網(wǎng)絡(luò)、互聯(lián)網(wǎng)的一種比喻說法。云計算可以認(rèn)為包括以下幾個層次的服務(wù)：軟件即服務(wù)（SaaS）），平臺即服務(wù)（PaaS）和基礎(chǔ)設(shè)施即服務(wù)（IaaS。本系統(tǒng)主要采用微軟提供的云服務(wù)SAAS：軟件即服務(wù)SaaS是Software-as-a-service（軟件即服務(wù)）。SaaS在業(yè)內(nèi)的叫法是軟件運營，或稱軟營。是一種基于互聯(lián)網(wǎng)提供軟件服務(wù)的應(yīng)用模式。一種隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和應(yīng)用軟件的成熟，在21世紀(jì)開始興起的完全創(chuàng)新的軟件應(yīng)用模式，是軟件科技發(fā)展的最新趨勢。SaaS提供商為企業(yè)搭建信息化所需要的所有網(wǎng)絡(luò)基礎(chǔ)設(shè)施及軟件、硬件運作平臺，并負(fù)責(zé)所有前期的實施、后期的維護等一系列服務(wù)，企業(yè)無需購買軟硬件、建設(shè)機房、招聘IT人員，即可通過互聯(lián)網(wǎng)使用信息系統(tǒng)。就像打開自來水龍頭就能用水一樣，企業(yè)根據(jù)實際需要，向SaaS提供商租賃軟件服務(wù)。SaaS是一種軟件布局模型，其應(yīng)用專為網(wǎng)絡(luò)交付而設(shè)計，便于用戶通過互聯(lián)網(wǎng)托管、部署及接入。SaaS應(yīng)用軟件的價格通常為“全包”費用，囊括了通常的應(yīng)用軟件許可證費、軟件維護費以及技術(shù)支持費，將其統(tǒng)一為每個用戶的月度租用費。對于廣大中小型企業(yè)來說，SaaS是采用先進技術(shù)實施信息化的最好途徑。但SaaS絕不僅僅適用于中小型企業(yè)，所有規(guī)模的企業(yè)都可以從SaaS中獲利。PAAS：平臺即服務(wù)PaaS是Platform-as-a-Service的縮寫，意思是平臺即服務(wù)。把服務(wù)器平臺作為一種服務(wù)提供的商業(yè)模式。通過網(wǎng)絡(luò)進行程序提供的服務(wù)稱之為SaaS(SoftwareasaService)，而云計算時代相應(yīng)的服務(wù)器平臺或者開發(fā)環(huán)境作為服務(wù)進行提供就成為了PaaS(PlatformasaService)。所謂PaaS實際上是指將軟件研發(fā)的平臺（計世資訊定義為業(yè)務(wù)基礎(chǔ)平臺）作為一種服務(wù)，以SaaS的模式提交給用戶。因此，PaaS也是SaaS模式的一種應(yīng)用。PaaS對于SaaS運營商來說，可以幫助他進行產(chǎn)品多元化和產(chǎn)品定制化。例如Salesforce的PaaS平臺讓更多的ISV成為其平臺的客戶，從而開發(fā)出基于他們平臺的多種SaaS應(yīng)用，使其成為多元化軟件服務(wù)供貨商（MultiApplicationVendor），而不再只是一家CRM隨選服務(wù)提供商。而國內(nèi)的SaaS廠商800app通過PAAS平臺，改變了僅是CRM供應(yīng)商的市場定位，實現(xiàn)了BTO(Builttoorder:按訂單生產(chǎn))，和在線交付流程。使用800app的PAAS開發(fā)平臺，用戶不再需要任何編程即可開發(fā)包括CRM、OA、HR、SCM、進銷存管理等任何企業(yè)管理軟件，而且不需要使用其他軟件開發(fā)工具并立即在線運行。IAAS：基礎(chǔ)設(shè)施即服務(wù)IaaS(InfrastructureasaService)基礎(chǔ)設(shè)施即服務(wù)。通過Internet可以從完善的計算機基礎(chǔ)設(shè)施獲得服務(wù)。這類服務(wù)稱為基礎(chǔ)設(shè)施即服務(wù)（InfrastructureasaService，IaaS）?；贗nternet的服務(wù)（如存儲和數(shù)據(jù)庫）是IaaS的一部分。Internet上其他類型的服務(wù)包括平臺即服務(wù)（PlatformasaService，PaaS）和軟件即服務(wù)（SoftwareasaService，SaaS）。PaaS提供了用戶可以訪問的完整或部分的應(yīng)用程序開發(fā)，SaaS則提供了完整的可直接使用的應(yīng)用程序，比如通過Internet管理企業(yè)資源。IaaS分為兩種用法：公共的和私有的。AmazonEC2在基礎(chǔ)設(shè)施云中使用公共服務(wù)器池。更加私有化的服務(wù)會使用企業(yè)內(nèi)部數(shù)據(jù)中心的一組公用或私有服務(wù)器池。如果在企業(yè)數(shù)據(jù)中心環(huán)境中開發(fā)軟件，那么這兩種類型都能使用，而且使用EC2臨時擴展資源的成本也很低—比方說測試。結(jié)合使用兩者可以更快地開發(fā)應(yīng)用程序和服務(wù)，縮短開發(fā)和測試周期?；贐P神經(jīng)網(wǎng)絡(luò)的路段等車乘客存在概率預(yù)測BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)ANN(ArtificialNeuralNetwork)是20世紀(jì)80年代中期迅速興起的一門非線性科學(xué)，是國內(nèi)外學(xué)者關(guān)注的前沿研究領(lǐng)域。它是人們模擬人腦信息處理、貯存的檢索機制而構(gòu)造的，是由大量人工神經(jīng)元密集連接而成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)具有并行處理、自適應(yīng)性、聯(lián)想記憶、容錯性強及魯棒性等特點，具有很好的非線性擬合及預(yù)測能力，因而受到眾多領(lǐng)域?qū)W者的關(guān)注。它在模式識別、數(shù)據(jù)處理及自動控制等領(lǐng)域已經(jīng)獲得了初步應(yīng)用。BP(BackPropagation)神經(jīng)網(wǎng)絡(luò)，即誤差反傳誤差反向傳播算法的學(xué)習(xí)過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變化能力的需求，中間層可以設(shè)計為單隱層或者多隱層結(jié)構(gòu)；最后一個隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，此過程一直進行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)路段等車乘客存在概率預(yù)測的原理和步驟解決路段等車乘客存在概率預(yù)測問題，實際上就是要找到一個從當(dāng)前路段信息參數(shù)到路段有乘客等車的概率之間的映射函數(shù)。這個映射函數(shù)存在的依據(jù)是這樣一個常識：在一段時期內(nèi)，一個路段每天產(chǎn)生的等車乘客的概率分布是相似的。BP神經(jīng)網(wǎng)絡(luò)的一個主要應(yīng)用就是用一組已知的輸入向量和輸出向量訓(xùn)練一個網(wǎng)絡(luò)使其逼近目標(biāo)函數(shù)。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定BP神經(jīng)網(wǎng)絡(luò)實際上是一個多級向前神經(jīng)網(wǎng)絡(luò)。而在實際應(yīng)用中通常采用二級網(wǎng)絡(luò)結(jié)構(gòu)。Kolmogorov定理已經(jīng)證明，充分學(xué)習(xí)二級BP神經(jīng)網(wǎng)絡(luò)已經(jīng)足以模擬輸入與輸出之間的非線性映射關(guān)系。輸入層和輸出層的節(jié)點個數(shù)取決于具體問題的輸入向量和輸出向量的維數(shù)。在本問題中，輸入向量應(yīng)包含如下參數(shù)：“當(dāng)前時間”、“上一次空車經(jīng)過且沒有拉到乘客的時間”、“上一次有出租車在此路段拉到乘客的時間”、“當(dāng)時的天氣狀況”和“當(dāng)天是否為工作日”。其中“當(dāng)時的天氣狀況”和“當(dāng)天是否為工作日”兩個參數(shù)需進行量化。實際上天氣狀況可用“適宜出行指數(shù)”來代替。是否為工作日可用“工作飽和度”來代替。下圖為本例的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖：訓(xùn)練樣本的準(zhǔn)備選擇過去3個月的GPS數(shù)據(jù)，從中提煉出訓(xùn)練樣本。每個空車經(jīng)過一個路段都會形成一個訓(xùn)練樣本。如果空車恰在這個路段拉到了客人，則對應(yīng)的樣本輸出為1，否則樣本輸出為0。此外，為了反映最近的樣本比早先的樣本更重要，可適當(dāng)?shù)膶⒆罱挠?xùn)練樣本多復(fù)制幾份參與訓(xùn)練。復(fù)制操作的具體規(guī)模和尺度應(yīng)根據(jù)神將網(wǎng)絡(luò)的實際預(yù)測效果進行調(diào)整。然后對樣本的輸入變量進行歸一化處理。神經(jīng)網(wǎng)絡(luò)的輸入變量按如下方式歸一化：式中是第個輸入變量的評價結(jié)果，表示第個輸入變量歸一化處理后作為神經(jīng)網(wǎng)絡(luò)的實際輸入值，和表示第個輸入變量的下限和上限。這里輸入變量的上限統(tǒng)一取100，下限取全體樣本輸入變量的最小值。激活函數(shù)的選擇BP神經(jīng)網(wǎng)絡(luò)一般選擇S型函數(shù)作為其激活函數(shù)?？蛇x擇S型函數(shù)的最簡形式：訓(xùn)練神經(jīng)網(wǎng)絡(luò)。使用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練GPS樣本數(shù)據(jù)的步驟如下：(1)網(wǎng)絡(luò)訓(xùn)練開始時連接權(quán)值為未知數(shù)，一般用較小的隨機數(shù)作為各層連接權(quán)值的初始值，隨機初始化各層連接權(quán)值和閾值；(2)計算隱含層各單元的輸入、輸出。用輸入層的輸出、連接權(quán)值和閾值計算中間層各單元的輸入，再用通過激活函數(shù)計算中間層各單元的輸出：，(=1,2,…,)；(3)計算輸出層各單元的輸入、輸出。用中間層的輸出、連接權(quán)值和閾值計算輸出層各單元的輸入，然后用通過激活函數(shù)計算輸出層各單元的輸出：=；(4)使用以下誤差函數(shù)，計算網(wǎng)絡(luò)性能的均方差：；(5)計算輸出層各單元的一般化誤差。用期望輸出和網(wǎng)絡(luò)實際輸出，計算輸出層各單元的一般化誤差：=()；(6)計算隱含層各單元的一般化誤差。用連接權(quán)值、輸出層的一般化誤差和中間層各單元的輸出，計算中間層各單元的一般化誤差：其中表示輸出層結(jié)點的誤差通過權(quán)值向隱含層結(jié)點傳播成為隱含層結(jié)點的誤差。(7)調(diào)整隱含層和輸出層的連接權(quán)值，以及輸出層閾值。用輸出層各單元的一般化誤差、中間層各單元的輸出修正連接權(quán)值和閾值：調(diào)整各連接權(quán)值：(8)調(diào)整輸入層和隱含層的連接權(quán)值及隱含層閾值。用中間層各單元的一般化誤差、輸入層各單元的輸入修正連接權(quán)值和閾值：按下式調(diào)整各連接權(quán)值：(9)判斷學(xué)習(xí)模式是否訓(xùn)練完。若是，轉(zhuǎn)(10)；否則，轉(zhuǎn)(2)；(10)計算全局誤差。判斷是否達到指定的誤差范圍內(nèi)，若是，轉(zhuǎn)(11)；否則，轉(zhuǎn)(2)；(11)結(jié)束學(xué)習(xí)。網(wǎng)絡(luò)訓(xùn)練結(jié)束，確定當(dāng)前網(wǎng)絡(luò)權(quán)值和閾值。系統(tǒng)功能設(shè)計出租車輔助選路功能設(shè)計出租車輔助選路功能的目的是把從全局?jǐn)?shù)據(jù)中挖掘出的有用信息呈獻給出租車司機，以幫助出租車司機更好的規(guī)劃自己的行車路線。所以最好的方式是當(dāng)前的道路狀態(tài)以量化的方式形象的呈現(xiàn)給司機，最終的選擇權(quán)仍在司機那里，司機可以結(jié)合自己的經(jīng)驗和本功能提供的信息作出綜合決策。本功能主要向司機提供下述3類信息：在車輛空載期間，出租車終端顯示設(shè)備始終顯示上一個空車經(jīng)過同一地點距離現(xiàn)在的時間間隔。通過這一信息出租車司機可以判斷出自己是否正在尾隨其它空車。在空車接近路口時，重點顯示設(shè)備會顯示出下面的可選路段存在客人的概率，以及上一個空吃經(jīng)過的時間。司機可以將終端顯示窗口切換到全局地圖模式，并可以觀察所有路段當(dāng)前有客人在等車的概率。概率越到的路段，其在地圖上的亮度也越大。通過這一信息，司機可以了解全市范圍內(nèi)哪些區(qū)域的等車乘客密度較高。智能手機叫車服務(wù)功能設(shè)計出租車的對于一個城市的地位相當(dāng)于第二公交車，能夠方便市民的出行。但是由于出租車的移動性很強，所以乘客叫車已經(jīng)成了一個問題，特別是在陌生的地方，想要快速的坐上出租車更不是一件易事?；谶@個需求我們設(shè)計了手機智能叫車系統(tǒng)?，F(xiàn)在已經(jīng)有部分出租車公司已經(jīng)具有了叫車的功能，但是出租車叫車系統(tǒng)大多基于電話叫車和短信叫車。這種叫車方式存在較多問題：1） 需要部分人工操作，浪費人力。2） 用戶體驗不佳，沒有辦法及時得到車輛的反饋。3） 出租車司機也不能及時獲取顧客信息，來更快速的完成接客。為了解決以上問題我們設(shè)計了在智能手機上運行的智能叫車系統(tǒng)?？蛻艚K端具有叫車功能，需要打開手機定位功能，發(fā)送乘客位置，乘客人員，和乘客忍受等待時間等信息到云端服務(wù)器。出租車終端也需要隨時像云服務(wù)器發(fā)送移動地理位置，是否載客信息。云服務(wù)器在已知每個出租車的位置的和是否載客的情況下，得到了客戶的叫車信息后，就像最近的n（n由過往的載客經(jīng)驗，和總出租車量確定）輛出租車。由于車輛行駛是需要集中注意力，我們設(shè)計了語音系統(tǒng)。提示和操作都是通過語音來執(zhí)行，盡量最小化對司機注意力的分散。司機在得到乘客叫車信息后，可以用語音進行應(yīng)答，如果有人應(yīng)答，這個乘客的請求進入處理狀態(tài)，其他司機則不需要再前往接取乘客，到此這則乘客叫車信息預(yù)處理完成，司機和乘客建立連接，相互轉(zhuǎn)發(fā)對方的地址。乘客可以直觀的看到出租車司機的動向，出租車司機也可以更方便的找到乘客的位置。如果規(guī)定時間無人應(yīng)答，云服務(wù)器自動擴大發(fā)送范圍，直到有人應(yīng)答。乘客在得到了司機的行動軌跡后也能放心等待，不必承受等車的焦慮。但是同時考慮到司機的切身利益，我們需要限制乘客的移動范圍。我們會在一定間隔獲取乘客的地理位置，如果移動范圍超過了我們預(yù)定的MAXMOVE（最大的移動范圍值），服務(wù)器會告知司機這次接客終止，司機收到終止信息后也不需要盲目的繼續(xù)尋找該乘客了。系統(tǒng)是需要注冊使用的，所以乘客的乘坐成功與否，和司機的接送成功與否都會影響自己的置信度。乘客信息預(yù)發(fā)布功能設(shè)計乘客除了可以發(fā)布自己的即時乘車信息以外，還可以發(fā)布預(yù)乘車信息，比如，某乘客下午五點開會結(jié)束需要乘車，在4點時候可以預(yù)發(fā)布自己的乘車需求。需要發(fā)布自己將要乘車的位置和時間。云端服務(wù)器記錄該請求，在接近乘客預(yù)定的時間時，云服務(wù)器查詢出附近的出租車發(fā)送請求，告訴司機在某地點有很大可能有乘客用戶。和手機叫車不同的地方是，該服務(wù)是開放性服務(wù)，不是一對一。司機可以根據(jù)自己的需求選擇去或者不去。云端只是分析該地點客戶存在的可能性。乘客也可發(fā)布群體預(yù)乘車信息，比如晚上9點某演唱會結(jié)束，到時候個會有大量的乘客需要乘車服務(wù)，再者監(jiān)控中心也可以根據(jù)自己得到的信息更佳的發(fā)布預(yù)乘車信息。到了群體預(yù)乘車信息時間點的時候云端，分析乘客密度，計算出需調(diào)度車輛數(shù)。發(fā)送請求，告訴附近司機在該地有演唱會，會有可能有大量客戶，為司機提供提示服務(wù)，司機自行選擇是否前往接客。技術(shù)可行性分析從硬件角度看，智能手機和手機上網(wǎng)已經(jīng)普及，出租車GPS終端設(shè)備也已經(jīng)在部分城市開始使用