基于需求密度预测的网约车集约化调度方法

郭羽含; 丁文婧

doi:10.11907/rjdk.231463

您当前的位置：

首页 >

文章列表页 >

基于需求密度预测的网约车集约化调度方法

人工智能 | 更新时间：2024-05-16

- 基于需求密度预测的网约车集约化调度方法
- Intensive Scheduling Method of Ride-Sharing Based on Demand Density Prediction
- “科技新闻记者报道，网约车领域迎来新突破。研究团队提出基于需求密度预测的集约化调度方法，通过深度时空残差感知网络准确预测需求密度，并结合经济效益设计调度模型。实验验证，预测模型精度高达97%，调度算法质量接近最优解，有望显著提升网约车接单率和利润率，实现全局供需平衡，为交通系统稳定提供有力支持。”
  
  ”
- 软件导刊 2024年23卷第4期页码：21-30
- 作者机构：
  
  1.辽宁工程技术大学软件学院，辽宁葫芦岛 125105
  2.浙江科技学院理学院，浙江杭州 310023
- 作者简介：
  
  郭羽含（1983-），男，博士，辽宁工程技术大学软件学院副教授、硕士生导师，研究方向为智能搜索算法、车辆调度问题、供应链优化问题
  丁文婧（1998-），女，辽宁工程技术大学软件学院硕士研究生，研究方向为车辆调度问题。。
- 基金信息：
  
  国家自然科学基金项目(61404069)
- DOI：10.11907/rjdk.231463
  中图分类号： TP302
- 纸质出版日期：2024-04-15，
  
  收稿日期：2023-05-04，
扫描看全文
郭羽含,丁文婧.基于需求密度预测的网约车集约化调度方法[J].软件导刊,2024,23(04):21-30.

GUO Yuhan,DING Wenjing.Intensive Scheduling Method of Ride-Sharing Based on Demand Density Prediction[J].Software Guide,2024,23(04):21-30.
郭羽含,丁文婧.基于需求密度预测的网约车集约化调度方法[J].软件导刊,2024,23(04):21-30. DOI： 10.11907/rjdk.231463.

GUO Yuhan,DING Wenjing.Intensive Scheduling Method of Ride-Sharing Based on Demand Density Prediction[J].Software Guide,2024,23(04):21-30. DOI： 10.11907/rjdk.231463.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进遗传算法的混合流水车间批量调度问题求解

基于最优交叉的广泛学习粒子群优化

基于分支进化理论的路径测试用例生成方法

融合反向学习与Metropolis准则求解TSP的遗传算法

基于需求密度预测的网约车集约化调度方法

Intensive Scheduling Method of Ride-Sharing Based on Demand Density Prediction

DOI：10.11907/rjdk.231463