(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111525998.3 (22)申请日 2021.12.14 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 张艳伟　胡典雅　谭永庆　胡俊峰　 杨鹏强　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 代理人 许美红 (51)Int.Cl. G06F 16/9537(2019.01) G06F 16/29(2019.01) G06K 9/62(2022.01) G06N 3/12(2006.01)G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/30(2012.01) (54)发明名称 带容量限制的网约车服务网点选址方法及 系统 (57)摘要 本发明公开了一种带容量限制的网约车服 务网点选址方法， 该方法包括： 利用网约车上装 配的GPS采集订单数据； 采用K ‑means与FCM相结 合的改进算法划分交通小区； 建立预测模型预测 各个交通小区网约车停车需求量； 确定备选服务 网点的数量和位置； 建立带容量限制的网约车服 务网点选址问题的数学模型； 利用遗传算法对模 型进行编码求解。 通过上述方法， 可确定某区域 内应布设的服务网点数量和位置， 标准化、 规范 化网约车服务网点的管理， 提高网约车运营效 率。 权利要求书4页 说明书8页 附图3页 CN 114186146 A 2022.03.15 CN 114186146 A 1.一种带容 量限制的网约车服 务网点选 址方法， 其特 征在于， 包括 步骤： S1、 利用网约车 上装配的GP S采集订单数据； S2、 利用K ‑means与FC M相结合的改进算法划分交通小区； S3、 利用各个交通小区的高峰停车数与网约车出发地的O点数目、 高峰停车数与网约车 目的地的D点数目进行一元线性回归和 二次多项式回归分析并拟合函数， 依据拟合函数 的 拟合优度R方， 选择最优的拟合 函数建立停车需求预测模型； S4、 根据停车需求预测模型确定的各个交通小区停车需求量， 以及服务网点的容量限 制得到各个交通小区应设置的备选服务网点个数， 并结合服务网点选址主要遵循的原则确 定备选服 务网点的位置； S5、 根据备选服务网点个数和选址位置， 并以到达、 接受服务、 离去3个过程时间和目的 地交通小区的乘客需求量为主要影响因素， 以网约车到达服务站点的总行驶时间最短为目 标， 建立带容 量限制的优化选 址模型； S6、 利用遗传算法对带容 量限制的优化选 址模型进行编码求 解。 2.根据权利要求1所述的带容量限制的网约车服务网点选址方法， 其特征在于， 步骤S1 具体为： 根据车辆上安装的定位GPS定位仪检测车辆的标识信息、 经纬度信息和时间信息， 并将检测到的信息发送给服务器， 服务器将接收到的车辆定位发送过来的信息进 行筛选过 滤处理， 去除无用属性、 去除日期格式， 最终得到车辆的起 点和终点信息 。 3.根据权利要求1所述的带容量限制的网约车服务网点选址方法， 其特征在于， 步骤S2 具体包括以下分步骤： S21、 基于模糊C均值聚类算法选取值在0， 1之间的随机数初始化网约车起讫点的隶属 矩阵U； S22、 根据隶属矩阵U计算交通小区的个数c及中心； S23、 代入隶属矩阵U、 交通小区个数c、 网约车起讫点的距离计算代价函数， 如果代价函 数相较于上一次运 算的结果差别小于给定阈值， 则转至步骤S25， 否则进行步骤S24； S24、 更新网约车起讫点的隶属度矩阵U， 并返回步骤S2 2； S25、 将计算得到的交通小区的个数c及中心作为K ‑means的初始化参数， 利用K ‑means 精细划分各个交通小区。 4.根据权利要求1所述的带容量限制的网约车服务网点选址方法， 其特征在于， 服务网 点选址原则为： (1)在城市干道50米范围内； (2)距离学校周围200m外； (3)公共停车场周围 100m外； (4)在配建停车场主体周围20 0m～300m范围内。 5.根据权利要求1所述的带容量限制的网约车服务网点选址方法， 其特征在于， 步骤S6 具体包括以下步骤： S61、 获取 带容量限制的优化选 址模型的数据； S62、 采用0 ‑1编码对带容 量限制的优化选 址模型中的决策变量进行编码处 理； S63、 对特定的选址个数w进行遗传操作 ①选择操作:依据概率进行基因集的选择与复 制；②交叉操作： 设定交叉概率 随机变换解集编码位信息； ③变异操作： 依概率选择个体进 行变异操作； S64、 判断最优个体的适应度是否到达到给定的阈值， 如果是， 对确定的选址个数w输出 计算结果， 包括选址布局方案、 服务网点的容量、 最优化时间， 并令w＝w+1； 否则， 执行步骤权　利　要　求　书 1/4 页 2 CN 114186146 A 2S63； S65、 比较选址个数w与备选服务网点个数M的大小， 如果w≤M， 则执行步骤S63； 否则， 算 法结束； S66、 比较不同的选 址方案的时间， 取时间最短的为 最佳选址方案。 6.根据权利要求1所述的带容量限制的网约车服务网点选址方法， 其特征在于， 网约车 服务站点优化选 址模型为： M≤P xik≥0， ykj≥0 其中， A为交通小区个数， Ai为交通小区i的网约车服务需求量， N为备选站点集合， M为从 备选服务站点集合N中选择的服务站点的个数， Dj小区j的网约车乘客需求量， tk为网约车在 服务站点接受服务 的时间， xik为从小区i到服务站点k的网约车服务需求量， tik为从小区i 到服务站点k的行驶时间， ykj为从服务站点k到交通小区j的网约车数量， tkj为从服务站点k 到交通小区j的行驶时间， P为网约车服务网点允许建设个数 的上限， 为服务站 点k的最大、 最小规模限制， 7.一种带容 量限制的网约车服 务网点选 址系统， 其特 征在于， 包括： 数据采集模块， 用于利用网约车 上装配的GP S采集订单数据； 交通小区划分模块， 用于利用K ‑means与FC M相结合的改进算法划分交通小区； 停车需求预测模型构建模块， 用于利用各个交通小区的高峰停车数与网约车出发地的 O点数目、 高峰停车数与网约车目的地的D点数目进 行一元线性回归和二次多项式回归分析 并拟合函数， 依据拟合 函数的拟合优度R方， 选择最优的拟合 函数建立停车需求预测模型； 服务网点确定模块， 用于根据停车需求预测模型确定的各个交通小区停车需求量， 以 及服务网点的容量限制得到各个交通小区应设置的备选服务网点个数， 并结合服务网点选 址主要遵循的原则确定备选服 务网点的位置； 优化选址模型构建模块， 用于根据备选服务网点个数和选址位置， 并以到达、 接受服 务、 离去3个过程时间和目的地交通小区的乘客需求量为主要影响因素， 以网约车到达服务权　利　要　求　书 2/4 页 3 CN 114186146 A 3