本技术涉及拼车调度，具体地，涉及一种基于深度学习的接驳网约拼车调度方法。
背景技术：
1、随着城市化进程的加速，城市交通压力不断增加，特别是在高峰时段。在乘客出行时，通常需要换乘多个交通工具，因此，接驳服务尤为重要。接驳通常指的是在交通运输领域中，将不同交通工具或线路之间进行衔接和连接，以便乘客能够顺利地从一个交通工具或线路转移到另一个交通工具或线路，实现连续的出行。接驳服务的目的是提供便利的换乘方式，减少乘客的等待时间和转乘成本，提高整体出行效率和舒适度。
2、接驳服务通常发生在不同交通系统之间，比如地铁与公交、公交与出租车、轻轨与火车等。通过良好的接驳服务，乘客可以在不同交通工具之间实现平稳、高效的转换，从而更便捷地抵达目的地。接驳服务在城市交通规划和公共交通系统中扮演着重要的角色，可以有效缓解交通拥堵问题，提高城市交通运输的整体效率。
3、在网约拼车领域，接驳服务也是一种重要的形式，通过接驳网约拼车，能够将乘客和司机进行有效连接和衔接，实现共享出行模式，提高车辆利用率，减少交通拥堵，同时为乘客提供更便捷、经济的出行选择。然而，传统接驳网约拼车调度方案常常依赖于简单的规则或静态算法，采用固定的路线和固定的车辆，无法实时响应司机的行车状况和乘客需求的变化，导致调度效率不高。此外，传统的接驳网约拼车调度方案可能无法充分利用所有可用资源，导致某些区域的车辆过剩，而另一些区域则车辆不足。
4、因此，期望一种优化的接驳网约拼车调度方案。
技术实现思路
1、提供该
技术实现要素：
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、第一方面，本技术提供了一种基于深度学习的接驳网约拼车调度方法，所述方法包括：
3、获取拟在同一地铁站点下车的所有乘客的乘客出行信息以得到乘客出行信息的集合，其中，所述乘客出行信息包括起始点、目的地、出发时间、到达时间，以及，是否打车前行目的地；
4、对所述乘客出行信息的集合进行基于打车前行同目的地的信息汇总以得到多个同目的地打车乘客出行汇总信息，其中，所述同目的地打车乘客出行汇总信息包括起始点、目的地、出发时间、到达时间和乘客数量；
5、对所述多个同目的地打车乘客出行汇总信息中的各个同目的地打车乘客出行汇总信息进行语义编码以得到多个同目的地打车乘客出行汇总信息语义编码特征向量；
6、构造所述所有目的地之间的空间拓扑矩阵，并基于所述空间拓扑矩阵对所述多个同目的地打车乘客出行汇总信息语义编码特征向量进行空间拓扑调制以得到多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量；
7、获取司机的行车信息，其中，所述行车信息包括车辆类型、座位数、当前位置、行驶速度和所述当前位置与所述地铁站点之间的距离；
8、对所述司机的行车信息进行语义编码以得到司机行车信息语义编码特征向量；
9、将所述多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量中的各个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量分别输入均衡门限特征向量自适应融合模块以得到多个出行需求-行车信息语义交互匹配融合特征向量；
10、基于所述多个出行需求-行车信息语义交互匹配融合特征向量，确定多个调度适配概率值；
11、响应于所述多个适配概率值中存在某个适配概率值超过预设阈值，将所述司机的车辆纳入派单备选车辆队列。
12、可选地，对所述乘客出行信息的集合进行基于打车前行同目的地的信息汇总以得到多个同目的地打车乘客出行汇总信息，包括：基于所述乘客出行信息中的是否打车前行目的地，对所述乘客出行信息的集合进行筛选以得到打车乘客出行信息的集合；基于所述乘客出行信息中的目的地，对所述打车乘客出行信息的集合进行子集划分以得到多个同目的地打车乘客出行信息的子集；对所述多个同目的地打车乘客出行信息的子集中的各个同目的地打车乘客出行信息的子集进行信息汇总以得到所述多个同目的地打车乘客出行汇总信息，其中，所述同目的地打车乘客出行汇总信息包括起始点、目的地、出发时间、到达时间和乘客数量。
13、可选地，构造所述所有目的地之间的空间拓扑矩阵，并基于所述空间拓扑矩阵对所述多个同目的地打车乘客出行汇总信息语义编码特征向量进行空间拓扑调制以得到多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量，包括：构造所述所有目的地之间的空间拓扑矩阵，其中，所述空间拓扑矩阵中非对角线位置上的各个位置的值为相应两个目的地之间的导航距离；将所述空间拓扑矩阵与所述多个同目的地打车乘客出行汇总信息语义编码特征向量中的各个同目的地打车乘客出行汇总信息语义编码特征向量进行矩阵相乘以得到所述多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量。
14、可选地，将所述多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量中的各个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量分别输入均衡门限特征向量自适应融合模块以得到多个出行需求-行车信息语义交互匹配融合特征向量，包括：对每个所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量进行基于不同线性变换和融合方式的门限约束以得到第一激活线性变换出行需求-行车信息语义关联特征向量、第二激活线性变换出行需求-行车信息语义关联特征向量和第三激活线性变换出行需求-行车信息语义关联特征向量；以所述第一激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第一门限值，以所述第二激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第二门限值，以所述第三激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第三门限值，计算所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量的加权和以得到所述出行需求-行车信息语义交互匹配融合特征向量。
15、可选地，对每个所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量进行基于不同线性变换和融合方式的门限约束以得到第一激活线性变换出行需求-行车信息语义关联特征向量、第二激活线性变换出行需求-行车信息语义关联特征向量和第三激活线性变换出行需求-行车信息语义关联特征向量，包括：将所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量进行级联以得到第一出行需求-行车信息语义关联特征向量；计算所述第一出行需求-行车信息语义关联特征向量和第一变换矩阵的矩阵乘法后，再将得到的特征向量与第一偏置向量进行按位置相加以得到第一线性变换出行需求-行车信息语义关联特征向量；使用激活函数对所述第一线性变换出行需求-行车信息语义关联特征向量进行激活以得到所述第一激活线性变换出行需求-行车信息语义关联特征向量；将所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量进行按位置相加以得到第二出行需求-行车信息语义关联特征向量；计算所述第二出行需求-行车信息语义关联特征向量和第二变换矩阵的矩阵乘法后，再将得到的特征向量与第二偏置向量进行按位置相加以得到第二线性变换出行需求-行车信息语义关联特征向量；使用激活函数对所述第二线性变换出行需求-行车信息语义关联特征向量进行激活以得到所述第二激活线性变换出行需求-行车信息语义关联特征向量；将所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量进行按位置点乘以得到第三出行需求-行车信息语义关联特征向量；计算所述第三出行需求-行车信息语义关联特征向量和第三变换矩阵的矩阵乘法后，再将得到的特征向量与第三偏置向量进行按位置相加以得到第三线性变换出行需求-行车信息语义关联特征向量；使用激活函数对所述第三线性变换出行需求-行车信息语义关联特征向量进行激活以得到所述第三激活线性变换出行需求-行车信息语义关联特征向量。
16、可选地，以所述第一激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第一门限值，以所述第二激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第二门限值，以所述第三激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第三门限值，计算所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量的加权和以得到所述出行需求-行车信息语义交互匹配融合特征向量，包括：计算所述第一门限值、所述第二门限值和所述第三门限值之间的均值以得到门限均值；计算所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量中各个位置的特征值与一减去所述门限均值的乘积以得到加权项空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量；计算所述司机行车信息语义编码特征向量中各个位置的特征值与所述门限均值的乘积以得到加权项司机行车信息语义编码特征向量；将所述加权项空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述加权项司机行车信息语义编码特征向量进行按位置相加以得到所述出行需求-行车信息语义交互匹配融合特征向量。
17、可选地，基于所述多个出行需求-行车信息语义交互匹配融合特征向量，确定多个调度适配概率值，包括：将所述多个出行需求-行车信息语义交互匹配融合特征向量分别输入基于分类器的调度适配器以得到所述多个适配概率值。
18、采用上述技术方案，通过获取拟在同一地铁站点下车的所有乘客的乘客出行信息，对其进行基于打车前行同目的地的信息汇总并进行语义编码；然后，构造所有目的地之间的空间拓扑矩阵并进行空间拓扑调制以得到多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量；获取司机的行车信息并进行语义编码以得到司机行车信息语义编码特征向量；将得到的两个语义编码特征向量分别输入均衡门限特征向量自适应融合模块以得到多个出行需求-行车信息语义交互匹配融合特征向量，进而确定多个调度适配概率值。这样，实现多人共享一辆车的出行模式，从而提高交通效率和减少交通拥堵。
19、本技术的其他特征和优点将在随后的具体实施方式部分予以详细说明。
1.一种基于深度学习的接驳网约拼车调度方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的接驳网约拼车调度方法，其特征在于，对所述乘客出行信息的集合进行基于打车前行同目的地的信息汇总以得到多个同目的地打车乘客出行汇总信息，包括：
3.根据权利要求2所述的基于深度学习的接驳网约拼车调度方法，其特征在于，构造所述所有目的地之间的空间拓扑矩阵，并基于所述空间拓扑矩阵对所述多个同目的地打车乘客出行汇总信息语义编码特征向量进行空间拓扑调制以得到多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量，包括：
4.根据权利要求3所述的基于深度学习的接驳网约拼车调度方法，其特征在于，将所述多个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量中的各个空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量分别输入均衡门限特征向量自适应融合模块以得到多个出行需求-行车信息语义交互匹配融合特征向量，包括：
5.根据权利要求4所述的基于深度学习的接驳网约拼车调度方法，其特征在于，对每个所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量进行基于不同线性变换和融合方式的门限约束以得到第一激活线性变换出行需求-行车信息语义关联特征向量、第二激活线性变换出行需求-行车信息语义关联特征向量和第三激活线性变换出行需求-行车信息语义关联特征向量，包括：
6.根据权利要求5所述的基于深度学习的接驳网约拼车调度方法，其特征在于，以所述第一激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第一门限值，以所述第二激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第二门限值，以所述第三激活线性变换出行需求-行车信息语义关联特征向量中的各个位置特征值作为第三门限值，计算所述空间拓扑调制下同目的地打车乘客出行汇总信息语义编码特征向量和所述司机行车信息语义编码特征向量的加权和以得到所述出行需求-行车信息语义交互匹配融合特征向量，包括：
7.根据权利要求6所述的基于深度学习的接驳网约拼车调度方法，其特征在于，基于所述多个出行需求-行车信息语义交互匹配融合特征向量，确定多个调度适配概率值，包括：将所述多个出行需求-行车信息语义交互匹配融合特征向量分别输入基于分类器的调度适配器以得到所述多个适配概率值。
