公开(公告)号：CN119783915B

公开(公告)日：2025-05-13

申请号：CN202510272065.X

申请日：2025-03-10

Applicant: 同济大学

Inventor： 苏子诚 ,  郭宇航 ,  杨佳琪 ,  俞春辉 ,  安琨 ,  马万经

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/47 ,  G06F18/213

Abstract: 本发明涉及一种基于端到端预测的网约车辆调度优化方法、设备及存储介质，方法步骤包括：根据子区域和时间片划分，构建基于历史供需特征和时空特征的供需预测模型，得到各子区域每个时间片的网约车发单数和司机数；以各子区域和时间片的发单数与初始司机数为未知参数，最大化平台总交易额为优化目标构建车辆调度优化模型，输出车辆调度方案；并采用以决策遗憾值最小为目标的损失函数，根据最优解违反约束的程度设置惩罚项，利用零阶估计对损失函数关于预测参数的梯度进行估计，返回预测模型实现端到端训练。与现有技术相比，本发明通过将预测模型的训练与调度的决策目标进行耦合，实现了预测模型和优化模型的端到端建模，提高调度决策收益。

公开(公告)号：CN119783915A

公开(公告)日：2025-04-08

申请号：CN202510272065.X

申请日：2025-03-10

Applicant: 同济大学

Inventor： 苏子诚 ,  郭宇航 ,  杨佳琪 ,  俞春辉 ,  安琨 ,  马万经

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/47 ,  G06F18/213

Abstract: 本发明涉及一种基于端到端预测的网约车辆调度优化方法、设备及存储介质，方法步骤包括：根据子区域和时间片划分，构建基于历史供需特征和时空特征的供需预测模型，得到各子区域每个时间片的网约车发单数和司机数；以各子区域和时间片的发单数与初始司机数为未知参数，最大化平台总交易额为优化目标构建车辆调度优化模型，输出车辆调度方案；并采用以决策遗憾值最小为目标的损失函数，根据最优解违反约束的程度设置惩罚项，利用零阶估计对损失函数关于预测参数的梯度进行估计，返回预测模型实现端到端训练。与现有技术相比，本发明通过将预测模型的训练与调度的决策目标进行耦合，实现了预测模型和优化模型的端到端建模，提高调度决策收益。