买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉辽宁工程技术大学申请的专利一种基于需求密度预测的无人驾驶出租车集约化调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115438868B 。

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211126102.9，技术领域涉及：G06Q10/04；该发明授权一种基于需求密度预测的无人驾驶出租车集约化调度方法是由孙宁;丁文婧;郭羽含设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种基于需求密度预测的无人驾驶出租车集约化调度方法在说明书摘要公布了：本发明提供一种基于需求密度预测的无人驾驶出租车集约化调度方法，涉及需求预测与调度技术领域。该方法首先聚合无人驾驶出租车需求在不同需求频度以及不同时间层上的属性特征；并提取无人驾驶出租车需求的外部特征；再将无人驾驶出租车需求的时空特征和外部特征进行融合，获取不同领域无人驾驶出租车需求的预测值；然后从时间层和外部特征预测无人驾驶出租车需求；最后在预测的无人驾驶出租车需求的基础上，采用启发式遗传算法实现无人驾驶出租车与乘客的匹配。该方法消除了无人驾驶出租车需求密度对某一特征的过度依赖，可将无人驾驶出租车及时调度到具有高收益潜力的区域，提升了无人驾驶出租车接单率和利润率，实现了全局供需平衡。

本发明授权一种基于需求密度预测的无人驾驶出租车集约化调度方法在权利要求书中公布了：1.一种基于需求密度预测的无人驾驶出租车集约化调度方法，其特征在于：包括以下步骤： 步骤1：动态聚合无人驾驶出租车需求在不同需求频度以及不同时间层上的属性特征； 步骤1.1：将无人驾驶出租车需求按照时间尺度划分为邻近层、周期层、近趋势层和远趋势层四个时间层； 步骤1.2：将每个时间层的无人驾驶出租车需求按照需求频度划分为三个感知域； 将一个地区划分成PxQ个空间网格，每个网格都有对应的无人驾驶出租车历史需求数据，则将4个时间层对应的无人驾驶出租车历史需求数据记为张量，用于表示四个时间层，表示实数；再将每个时间层的无人驾驶出租车需求按照需求频度划分为三个感知域，如下公式所示： 1； 其中，表示时间层对应的第g个感知域，，I为无人驾驶出租车需求；为动态确定的需求边界； 步骤1.3：针对4个时间层，设计CELU网络结构捕获无人驾驶出租车需求的全范围时空相关性； 所述CELU网络结构由卷积层Conva、L层残差单元以及卷积层Convb组成，能够动态聚合无人驾驶出租车需求在不同需求频度以及不同时间层上的属性特征，具体方法为： 1针对每个时间层内的需求频度，将不同区域历史时段的需求转换成双通道图像状矩阵，通过卷积层Conva进行初步特征提取，输出结果记为，如下公式所示： 2； 其中，分别为卷积层Conva的权重和偏置，用于调整不同时间层对结果预测的重要程度；表示卷积算子； 2将卷积层Conva输出的特征映射送入l个连续的残差单元，每个残差单元计算结果如下公式所示： 3； 其中，是残差函数，为残差单元的输入；表示第l个残差单元中所有需学习的参数； 所述残差单元为三层结构，其中第一层和第二层均为层卷积层Conv和激活函数ELU的结构组合，第三层在第二层的基础上叠加Dropout层； 3经过第L个残差单元后的输出记为，将其送至卷积层Convb进行数据规格的统一，从而得到一个时间层的无人驾驶出租车需求输出，记为，如下公式所示： 4； 其中，是激活函数；和分别为卷积层Convb的权重和偏置； 步骤2：提取无人驾驶出租车需求的外部特征；所述外部特征包括外部环境特征和兴趣点特征； 步骤2.1：提取无人驾驶出租车需求的外部环境特征； 对每个时段分别提取一组无人驾驶出租车需求的外部环境特征向量，包含气象、星期向量，，是整数、工作日和节假日；并将不同时段的特征向量拼接为矩阵的形式，记为，再将该矩阵送入全连接层进行特征提取，得到基于、、和的外部环境特征，记为，如下公式所示： 5； 其中，表示矩阵的乘法，和分别代表外部环境特征的权重和偏置； 步骤2.2：使用卷积神经网络结合全连接层来提取无人驾驶出租车需求的兴趣点特征，得到基于兴趣点的兴趣点特征，记为，如下公式所示： 6； 其中，和分别代表兴趣点特征的权重和偏置，其值取决于各兴趣点对无人驾驶出租车需求的影响程度； 步骤3：将无人驾驶出租车需求的时空特征和外部特征进行融合，使二者进行协同训练以获取不同领域无人驾驶出租车需求的预测值； 步骤3.1：采用基于参数矩阵的融合方式，从4个不同的时间层上挖掘无人驾驶出租车需求的时空信息，得到时段无人驾驶出租车需求的时空特征，记为，如下公式所示： 7； 此处的融合分为两个部分，首先是每个时间层内的3种不同需求频度感知域融合，得到的融合向量记为，之后是4个时间层之间的融合，计算公式如式8、9所示： 8； 9； 其中，是Hadamard乘积；，，分别表示3个需求频度感知域的权重矩阵；，，，分别表示4个时间层的权重矩阵；为偏置； 步骤3.2：将外部环境特征和兴趣点特征进行融合，得到无人驾驶出租车需求的外部特征，记为，如式10所示： 10； 其中，，，均为可调整的权重参数； 步骤3.3：将无人驾驶出租车需求的时空特征和外部特征进行融合，使二者进行协同训练以获取不同领域无人驾驶出租车需求的预测值； 利用两种不同的融合方法对时空特征和外部特征进行融合；采用求和融合方法来表征逐步变化的需求，而对于突然变化的需求，则应用基于门控机制的融合方法进行融合；最后通过Tanh函数将融合的特征映射到[-1,1]，得到无人驾驶出租车需求的预测值，如下公式所示： 11； 其中，为时段无人驾驶出租车需求的预测值，为门控激活函数sigmoid； 步骤4：从时间层和外部特征预测无人驾驶出租车需求； 步骤5：在步骤4预测的无人驾驶出租车需求的基础上，采用启发式遗传算法实现无人驾驶出租车与乘客的匹配。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人辽宁工程技术大学，其通讯地址为：123000 辽宁省葫芦岛市龙湾南大街188号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。