The present invention relates to a deep reinforcement learning-based taxi dispatching method and system. The system comprises a region construction module, a demand prediction module, a vehicle dispatching module, and a simulator. The method comprises: S1: forming a region network; S2: predicting the number of possible orders in any region at any time; S3: calculating a total vehicle supply of one region, and acquiring a demand/supply state of each region; and S4: inputting the state of a region where any idle vehicle is located and the states of neighboring regions into a trained taxi dispatching model to obtain a dispatching strategy of the vehicle, so as to determine whether the vehicle continuously remains in the current region or is to be dispatched to a neighboring region specified by the system. The present invention achieves dispatching of idle taxis, increases the success rate of order matching, reduces the waiting time of passengers, and improves the usage of taxis.

    La présente invention concerne un procédé et un système de répartition de taxis basés sur un apprentissage par renforcement profond. Le système comprend un module de construction de région, un module de prédiction de demande, un module de répartition de véhicules et un simulateur. Le procédé comprend : S1 : la formation d'un réseau de régions ; S2 : la prédiction du nombre de réservations possibles dans n'importe quelle région à tout moment ; S3 : le calcul d'une offre totale de véhicules d'une région, et l'acquisition d'un état de demande/d'offre de chaque région ; et S4 : l'entrée de l'état d'une région dans laquelle un véhicule inactif est situé et les états de régions voisines dans un modèle de répartition de taxis entraîné afin d'obtenir une stratégie de répartition de véhicules, de manière à déterminer si le véhicule doit demeurer dans la région actuelle ou doit être envoyé dans une région voisine spécifiée par le système. La présente invention permet d'obtenir une répartition des taxis inactifs, d'augmenter le taux de réussite de la mise en correspondance des réservations, de réduire le temps d'attente des passagers et d'améliorer l'utilisation des taxis.

    本发明涉及一种基于深度强化学习的出租车调度方法及系统,所述系统包括:区域构建模块、需求预测模块、车辆调度模块、模拟器;所述方法包括:S1:形成区域网络;S2:预测任意区域在任意的时间中将会出现的订单数量;S3:计算出一个区域总的车辆供应;获取每个区域的需求/供应状态;S4:将任意空闲车辆所在区域和邻居区域的状态输入训练好的出租车调度模型中,得到该车辆的调度策略,确定该车是继续留在当地区域还是调度到系统指定的邻居区域中。本发明实现对空闲出租车进行调度,增加了订单匹配成功率,减少了乘客的等待时间,提高了出租车使用率。


    Access

    Download


    Export, share and cite



    Title :

    DEEP REINFORCEMENT LEARNING-BASED TAXI DISPATCHING METHOD AND SYSTEM


    Additional title:

    PROCÉDÉ ET SYSTÈME DE RÉPARTITION DE TAXIS BASÉS SUR UN APPRENTISSAGE PAR RENFORCEMENT PROFOND
    一种基于深度强化学习的出租车调度方法及系统


    Contributors:
    LIU ZHIDAN (author) / LI JIANGZHOU (author) / WU KAISHUN (author)

    Publication date :

    2021-12-16


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    Chinese


    Classification :

    IPC:    G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS



    Context-Aware Taxi Dispatching at City-Scale Using Deep Reinforcement Learning

    Liu, Zhidan / Li, Jiangzhou / Wu, Kaishun | IEEE | 2022


    Taxi dispatch control system and method for taxi dispatching

    NAKAMURA KAZUTO | European Patent Office | 2021

    Free access

    TAXI DISPATCH CONTROL SYSTEM AND METHOD FOR TAXI DISPATCHING

    NAKAMURA KAZUTO | European Patent Office | 2019

    Free access


    TAXI DISPATCH CONTROL SYSTEM AND METHOD FOR TAXI DISPATCHING

    NAKAMURA KAZUTO | European Patent Office | 2023

    Free access