基于多元信息交互的电动出租车个体行为分析决策系统

摘要

本发明公开了基于多元信息交互的电动出租车个体行为分析决策系统，涉及大数据分析领域，解决了现有技术中对电动出租车无法进行准确历史分析导致行为决策准确性低的技术问题，对电动出租车的实时主观环境进行分析，从而判断电动出租车历史的行为受人为主观意识影响降低，提高了电动出租车历史行为分析；对行驶行为进行状态转化分析和收益分析，分析电动出租车在历史行驶行为中状态转化和收益，从而对实时行为决策提供准确依据，提高了分析决策的准确性，从而控制电动出租车的行驶行为以及对应行驶行为的状态转化，提高了电动出租车的收益率以及运营效率。

权利要求

1.基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，包括分析决策平台，分析决策平台内设置有主观环境分析单元、行驶行为管理单元、充电行为管理单元、状态转化单元、收益转化单元、影响因素分析单元、决策间隙分析单元以及实时行为决策单元；

分析决策平台用于根据历史电动出租车的行为进行分析，从而为实时电动出租车的行为进行决策；通过主观环境分析单元对电动出租车的实时主观环境进行分析；通过分析生成行驶行为管理信号和充电行为管理信号并将行驶行为管理信号和充电行为管理信号分别发送至行驶行为管理单元和充电行为管理单元；行驶行为管理单元接收到行驶行为管理信号后，生成行驶状态转化信号和行驶收益分析信号并将行驶状态转化信号和行驶收益分析信号分别发送至状态转化单元和收益分析单元；通过状态转化单元对电动出租车的历史行驶行为的状态转化进行采集；通过将电动出租车在历史分析时间段内行驶行为的收益进行分析；

充电行为管理单元接收到充电行为管理信号后，生成充电状态转化信号和充电收益分析信号并将充电状态转化信号和充电收益分析信号分别发送至状态转化单元和收益分析单元；通过状态转化单元对电动出租车的历史充电行为的状态转化进行采集；通过收益分析单元将电动出租车在历史分析时间段内充电行为的收益进行分析；

通过影响因素分析单元为对应的电动出租车的影响因素进行分析；通过决策间隙分析单元对电动出租车进行决策间隙分析；通过实时行为决策单元对电动出租车进行实时行为决策；

主观环境分析单元的主观环境分析过程如下：将电动出租车设置标号i，i为大于1的自然数，采集到各个电动出租车选择行为时对应实时电量以及实时订单增加速度，并将各个电动出租车选择行为时对应实时电量以及实时订单增加速度分别标记为DLi和SDi；通过分析获取到电动出租车历史主观环境分析系数Xi；

将电动出租车历史主观环境分析系数与主观环境分析系数阈值范围进行比较：若电动出租车历史主观环境分析系数处于主观环境分析系数阈值范围，则判定主观环境影响小，则生成非主观信号同时对电动出租车的历史行为进行分析，生成行驶行为管理信号和充电行为管理信号并将行驶行为管理信号和充电行为管理信号分别发送至行驶行为管理单元和充电行为管理单元；若电动出租车历史主观环境分析系数非处于主观环境分析系数阈值范围，则判定主观环境影响大，则生成主观信号并将对应电动出租车在主观环境下的历史行为不做分析。

2.根据权利要求1所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，行驶行为管理单元生成行驶状态转化信号和行驶收益分析信号并将行驶状态转化信号和行驶收益分析信号分别发送至状态转化单元和收益分析单元；

状态转化单元接收到行驶状态转化信号后，将行驶行为的状态划分寻客状态和载客状态，将进行分析的电动出租车设置为分析对象，并对分析对象设置历史分析时间段，获取到分析对象在历史分析时间段内的所有寻客状态和载客状态，并将分析对象对应寻客状态和载客状态按照历史分析时间段的时间顺序进行排序，构建行驶行为历史状态子集，对各个相邻子集间的状态转化进行分析，将相邻子集间的状态转化分为位置状态转化、时间状态转化以及耗能状态转化，将位置状态转化对应转化距离标记为位置状态转化的位置数据；

将时间状态转化对应转化时间标记为时间状态转化的时间数据，将耗能状态转化对应消耗的电量标记为耗能状态转化的耗能数据；并将位置数据、时间数据以及耗能数据发送至收益分析单元和影响因素分析单元。

3.根据权利要求2所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，收益分析单元接收到行驶收益分析信号后，将电动出租车对应位置状态转化的位置数据、时间状态转化的时间数据以及耗能状态转化的耗能数据统一标记为成本数据，将成本数据对应的电量损耗、时间损耗以及人工损耗标记为成本数据对应成本，并将对应电动出租车的行驶行为历史状态子集内所有成本数据对应成本进行汇总；

将电动出租车对应载客状态的成本进行采集，并将其标记为刚需成本，将刚需成本与成本数据对应成本进行汇总得到电动出租车的总成本；将电动出租车对应载客状态的收益标记为总收益；若电动出租车的总收益大于总成本，则将电动出租车的行驶行为标记为正收益行为，若电动出租车的总收益未大于总成本，则将电动出租车的行驶行为标记为负收益行为；并将正收益行为或者负收益行为以及对应的电动出租车发送至影响因素分析单元。

4.根据权利要求1所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，充电行为管理单元生成充电状态转化信号和充电收益分析信号并将充电状态转化信号和充电收益分析信号分别发送至状态转化单元和收益分析单元；

状态转化单元将充电行为的状态划分为待充状态和充电状态，获取到分析对象在历史时间段内所有的待充状态和充电状态，并将分析对象对应待充状态和充电状态按照历史分析时间段的时间顺序进行排序，构建充电行为历史状态子集，对各个相邻子集间的状态转化进行分析，将相邻子集间的状态转化分为待充状态转化和充能状态转化，将待充状态转化对应驶至充电站的距离和排队充电的时长标记为待充状态转化的待充数据，将充电状态转化对应补充的电量标记为充能状态转化的充能数据；并将待充数据和充能数据发送至收益分析单元和影响因素分析单元。

5.根据权利要求4所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，收益分析单元接收到充电收益分析信号后，将电动出租车对应待充状态转化的待充数据内驶至充电站的距离和排队充电的时长标记为充电成本，将电动出租车对应充能状态转化的充能数据内补充电量预计收益标记为充电收益，同时将电动出租车在充电行为内路况状态转化进行分析，分析对应路况状态的数量状态转化和拥堵状态转化，将数据状态转化对应的道路平均车流量增加速度标记为流量状态数据，将拥堵状态转化对应道路车辆平均耗时增加量标记为拥堵状态数据，且流量状态数据为拥堵状态数据的自变数据，拥堵状态数据为流量状态数据的因变数据，若存在流量状态数据则存在拥堵状态数据，反之不存在流量状态数据则不存在拥堵状态数据；将拥堵状态数据内道路车辆平均耗时增加量对应消耗电量标记为风险收益；

将电动出租车的充电收益和风险收益标记为充电行为收益，将电动出租车的充电成本与充电行为收益进行比较：若电动出租车的充电成本超过充电行为收益，则将对应充电行为标记为高风险收益行为；若电动出租车的充电成本未超过充电行为收益，则将对应充电行为标记为低风险收益行为；并将高风险收益行为和低风险收益行为以及对应电动出租车发送至影响因素分析单元。

6.根据权利要求1所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，影响因素分析单元的影响因素分析过程如下：将电动出租车行驶行为中位置数据、时间数据以及耗能数据以及充电行为中待充数据和充能数据均标记为预设影响因素，将负收益行为和高风险收益行为对应的电动出租车标记为异常对象，采集到历史分析时间中异常对象的预设影响因素出现次数和频率，若历史分析时间中异常对象的预设影响因素出现次数和频率均超过对应阈值，则将对应预设影响因素标记为选中影响因素，并将选中影响因素发送至决策间隙分析单元；若历史分析时间中异常对象的预设影响因素出现次数和频率均未超过对应阈值，则将对应预设影响因素标记为风险影响因素，并将风险影响因素发送至决策间隙分析单元。

7.根据权利要求1所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，决策间隙分析单元的决策间隙分析过程如下：将行驶行为历史状态子集和充电行为历史状态子集内对应相邻子集状态转化过程标记为决策间隙，将电动出租车存在收益异常和不存在收益异常的决策间隙分别标记为异常间隙和正常间隙，采集到异常间隙的出现次数和频率以及正常间隙次数与异常间隙的比值，若异常间隙的出现次数和频率均超过对应阈值，且正常间隙次数与异常间隙的比值小于比值阈值，则判定对应电动出租车对应人为因素的影响超过风险影响因素的影响，并将对应电动出租车标记为人为出租车；若异常间隙的出现次数和频率均未超过对应阈值，且正常间隙次数与异常间隙的比值大于比值阈值，则判定对应电动出租车对应人为因素的影响未超过风险影响因素的影响，并将对应电动出租车标记为风险出租车；

将人为出租车和风险出租车发送至实时行为决策单元。

8.根据权利要求1所述的基于多元信息交互的电动出租车个体行为分析决策系统，其特征在于，实时行为决策单元的对人为出租车和风险出租车进行实时行为决策分析，当实时电动出租车周边环境存在风险影响因素时，若实时电动出租车为人为出租车，则生成行为转化风险信号；若实时电动出租车为风险出租车，则生成行为转化安全信号；当实时电动出租车周边环境不存在风险影响因素时，若实时电动出租车为人为出租车，则生成行为转化建议信号；若实时电动出租车为风险出租车，则生成行为及时转化信号。

说明书

基于多元信息交互的电动出租车个体行为分析决策系统

技术领域

[0001] 本发明涉及行为分析决策技术领域，具体为基于多元信息交互的电动出租车个体行为分析决策系统。

背景技术

[0002] 电动出租车聚合商对其管理范围内电动出租车负荷特性的掌握，是聚合商进行功率需求水平、调节容量的预测和调控的基础，电动出租车聚合负荷的功率需求和调节容量
取决于多方面因素，如车辆数量、可用性、电池类型和存储容量，更为细节的因素，还有能量
消耗率、到达和离开充电站的时间、行驶距离、初始SOC、电池退化和充放电功率等，主要原
因在于，相比于私人电动车、电动公交车，电动出租车有更为复杂的行为目标和不确定的行
为时空特性，由此电动出租车的行为分析决策显得尤其重要；

[0003] 但是在现有技术中，在电动出租车历史分析时无法准确排除司机的主观意识，导致历史分析的准确性降低，影响电动出租车的行为分析；在分析中不能够对电动出租车的
行为和收益进行准确分析，以至于无法确定电动出租车的影响因素；

[0004] 针对上述的技术缺陷，现提出一种解决方案。

发明内容

[0005] 本发明的目的就在于为了解决的问题，而提出基于多元信息交互的电动出租车个体行为分析决策系统，对电动出租车的实时主观环境进行分析，从而判断历史电动出租车
的行为受人为主观意识影响降低，主观存在的电动出租车的所属环境表示为环境不因电动
出租车主观的观察或者认识而改变，提高了电动出租车历史行为分析；对行驶行为进行状
态转化分析和收益分析，分析电动出租车在历史行驶行为中状态转化和收益，从而对实时
行为决策提供准确依据，提高了分析决策的准确性，从而控制电动出租车的行驶行为对应
状态转化，提高了电动出租车的收益率以及运营效率。

[0006] 本发明的目的可以通过以下技术方案实现：

[0007] 基于多元信息交互的电动出租车个体行为分析决策系统，包括分析决策平台，分析决策平台内设置有主观环境分析单元、行驶行为管理单元、充电行为管理单元、状态转化
单元、收益转化单元、影响因素分析单元、决策间隙分析单元以及实时行为决策单元；

[0008] 分析决策平台用于根据历史电动出租车的行为进行分析，从而为实时电动出租车的行为进行决策；通过主观环境分析单元对电动出租车的实时主观环境进行分析；通过分
析生成行驶行为管理信号和充电行为管理信号并将行驶行为管理信号和充电行为管理信
号分别发送至行驶行为管理单元和充电行为管理单元；行驶行为管理单元接收到行驶行为
管理信号后，生成行驶状态转化信号和行驶收益分析信号并将行驶状态转化信号和行驶收
益分析信号分别发送至状态转化单元和收益分析单元；通过状态转化单元对电动出租车的
历史行驶行为的状态转化进行采集；通过将电动出租车在历史分析时间段内行驶行为的收
益进行分析；

[0009] 充电行为管理单元接收到充电行为管理信号后，生成充电状态转化信号和充电收益分析信号并将充电状态转化信号和充电收益分析信号分别发送至状态转化单元和收益
分析单元；通过状态转化单元对电动出租车的历史充电行为的状态转化进行采集；通过收
益分析单元将电动出租车在历史分析时间段内充电行为的收益进行分析；

[0010] 通过影响因素分析单元为对应的电动出租车的影响因素进行分析；通过决策间隙分析单元对电动出租车进行决策间隙分析；通过实时行为决策单元对电动出租车进行实时
行为决策。

[0011] 作为本发明的一种优选实施方式，主观环境分析单元的主观环境分析过程如下：

[0012] 将电动出租车设置标号i，i为大于1的自然数，采集到各个电动出租车选择行为时对应实时电量以及实时订单增加速度，并将各个电动出租车选择行为时对应实时电量以及
实时订单增加速度分别标记为DLi和SDi；通过分析获取到电动出租车历史主观环境分析系
数Xi；

[0013] 将电动出租车历史主观环境分析系数与主观环境分析系数阈值范围进行比较：若电动出租车历史主观环境分析系数处于主观环境分析系数阈值范围，则判定主观环境影响
小，则生成非主观信号同时对电动出租车的历史行为进行分析，生成行驶行为管理信号和
充电行为管理信号并将行驶行为管理信号和充电行为管理信号分别发送至行驶行为管理
单元和充电行为管理单元；若电动出租车历史主观环境分析系数非处于主观环境分析系数
阈值范围，则判定主观环境影响大，则生成主观信号并将对应电动出租车在主观环境下的
历史行为不做分析。

[0014] 作为本发明的一种优选实施方式，行驶行为管理单元生成行驶状态转化信号和行驶收益分析信号并将行驶状态转化信号和行驶收益分析信号分别发送至状态转化单元和
收益分析单元；

[0015] 状态转化单元接收到行驶状态转化信号后，将行驶行为的状态划分寻客状态和载客状态，将进行分析的电动出租车设置为分析对象，并对分析对象设置历史分析时间段，获
取到分析对象在历史分析时间段内的所有寻客状态和载客状态，并将分析对象对应寻客状
态和载客状态按照历史分析时间段的时间顺序进行排序，构建行驶行为历史状态子集，对
各个相邻子集间的状态转化进行分析，将相邻子集间的状态转化分为位置状态转化、时间
状态转化以及耗能状态转化，将位置状态转化对应转化距离标记为位置状态转化的位置数
据；将时间状态转化对应转化时间标记为时间状态转化的时间数据，将耗能状态转化对应
消耗的电量标记为耗能状态转化的耗能数据；并将位置数据、时间数据以及耗能数据发送
至收益分析单元和影响因素分析单元。

[0016] 作为本发明的一种优选实施方式，收益分析单元接收到行驶收益分析信号后，将电动出租车对应位置状态转化的位置数据、时间状态转化的时间数据以及耗能状态转化的
耗能数据统一标记为成本数据，将成本数据对应的电量损耗、时间损耗以及人工损耗标记
为成本数据对应成本，并将对应电动出租车的行驶行为历史状态子集内所有成本数据对应
成本进行汇总；

[0017] 将电动出租车对应载客状态的成本进行采集，并将其标记为刚需成本，将刚需成本与成本数据对应成本进行汇总得到电动出租车的总成本，刚需成本包括电动出租车在载
客状态下的电量消耗以及耗时等成本；将电动出租车对应载客状态的收益标记为总收益；
若电动出租车的总收益大于总成本，则将电动出租车的行驶行为标记为正收益行为，若电
动出租车的总收益未大于总成本，则将电动出租车的行驶行为标记为负收益行为；并将正
收益行为或者负收益行为以及对应的电动出租车发送至影响因素分析单元。

[0018] 作为本发明的一种优选实施方式，充电行为管理单元生成充电状态转化信号和充电收益分析信号并将充电状态转化信号和充电收益分析信号分别发送至状态转化单元和
收益分析单元；

[0019] 状态转化单元将充电行为的状态划分为待充状态和充电状态，获取到分析对象在历史时间段内所有的待充状态和充电状态，并将分析对象对应待充状态和充电状态按照历
史分析时间段的时间顺序进行排序，构建充电行为历史状态子集，对各个相邻子集间的状
态转化进行分析，将相邻子集间的状态转化分为待充状态转化和充能状态转化，将待充状
态转化对应驶至充电站的距离和排队充电的时长标记为待充状态转化的待充数据，将充电
状态转化对应补充的电量标记为充能状态转化的充能数据；并将待充数据和充能数据发送
至收益分析单元和影响因素分析单元。

[0020] 作为本发明的一种优选实施方式，收益分析单元接收到充电收益分析信号后，将电动出租车对应待充状态转化的待充数据内驶至充电站的距离和排队充电的时长标记为
充电成本，将电动出租车对应充能状态转化的充能数据内补充电量预计收益标记为充电收
益，同时将电动出租车在充电行为内路况状态转化进行分析，分析对应路况状态的数量状
态转化和拥堵状态转化，将数据状态转化对应的道路平均车流量增加速度标记为流量状态
数据，将拥堵状态转化对应道路车辆平均耗时增加量标记为拥堵状态数据，且流量状态数
据为拥堵状态数据的自变数据，拥堵状态数据为流量状态数据的因变数据，若存在流量状
态数据则存在拥堵状态数据，反之不存在流量状态数据则不存在拥堵状态数据；将拥堵状
态数据内道路车辆平均耗时增加量对应消耗电量标记为风险收益；

[0021] 将电动出租车的充电收益和风险收益标记为充电行为收益，将电动出租车的充电成本与充电行为收益进行比较：若电动出租车的充电成本超过充电行为收益，则将对应充
电行为标记为高风险收益行为；若电动出租车的充电成本未超过充电行为收益，则将对应
充电行为标记为低风险收益行为；并将高风险收益行为和低风险收益行为以及对应电动出
租车发送至影响因素分析单元。

[0022] 作为本发明的一种优选实施方式，影响因素分析单元的影响因素分析过程如下：

[0023] 将电动出租车行驶行为中位置数据、时间数据以及耗能数据以及充电行为中待充数据和充能数据均标记为预设影响因素，将负收益行为和高风险收益行为对应的电动出租
车标记为异常对象，采集到历史分析时间中异常对象的预设影响因素出现次数和频率，若
历史分析时间中异常对象的预设影响因素出现次数和频率均超过对应阈值，则将对应预设
影响因素标记为选中影响因素，并将选中影响因素发送至决策间隙分析单元；若历史分析
时间中异常对象的预设影响因素出现次数和频率均未超过对应阈值，则将对应预设影响因
素标记为风险影响因素，并将风险影响因素发送至决策间隙分析单元。

[0024] 作为本发明的一种优选实施方式，决策间隙分析单元的决策间隙分析过程如下：

[0025] 将行驶行为历史状态子集和充电行为历史状态子集内对应相邻子集状态转化过程标记为决策间隙，将电动出租车存在收益异常和不存在收益异常的决策间隙分别标记为
异常间隙和正常间隙，采集到异常间隙的出现次数和频率以及正常间隙次数与异常间隙的
比值，若异常间隙的出现次数和频率均超过对应阈值，且正常间隙次数与异常间隙的比值
小于比值阈值，则判定对应电动出租车对应人为因素的影响超过风险影响因素的影响，并
将对应电动出租车标记为人为出租车；若异常间隙的出现次数和频率均未超过对应阈值，
且正常间隙次数与异常间隙的比值大于比值阈值，则判定对应电动出租车对应人为因素的
影响未超过风险影响因素的影响，并将对应电动出租车标记为风险出租车；

[0026] 将人为出租车和风险出租车发送至实时行为决策单元。

[0027] 作为本发明的一种优选实施方式，实时行为决策单元的对人为出租车和风险出租车进行实时行为决策分析，当实时电动出租车周边环境存在风险影响因素时，若实时电动
出租车为人为出租车，则生成行为转化风险信号；若实时电动出租车为风险出租车，则生成
行为转化安全信号；当实时电动出租车周边环境不存在风险影响因素时，若实时电动出租
车为人为出租车，则生成行为转化建议信号；若实时电动出租车为风险出租车，则生成行为
及时转化信号。

[0028] 与现有技术相比，本发明的有益效果是：

[0029] 1、本发明中，对电动出租车的实时主观环境进行分析，从而判断历史电动出租车的行为受人为主观意识影响降低，主观存在的电动出租车的所属环境表示为环境不因电动
出租车主观的观察或者认识而改变，提高了电动出租车历史行为分析；对行驶行为进行状
态转化分析和收益分析，分析电动出租车在历史行驶行为中状态转化和收益，从而对实时
行为决策提供准确依据，提高了分析决策的准确性，从而控制电动出租车的行驶行为对应
状态转化，提高了电动出租车的收益率以及运营效率；

[0030] 2、本发明中，对充电行为进行状态转化分析和收益分析，分析电动出租车在历史充电行为中状态转化和收益，从而对实时行为决策提供准确依据，提高了分析决策的准确
性；通过充电行为的收益分析判断充电行为的可行性和合理性；

[0031] 3、本发明中，对负收益行为和高风险收益行为对应的电动出租车的影响因素进行分析，准确分析出电动出租车的影响因素，从而提高实时行为决策的准确性能；对行驶行为
历史状态子集和充电行为历史状态子集进行决策间隙分析，从而判断电动出租车收益异常
的原因为人为因素还是影响因素，准确分析影响因素对电动出租车的影响。

附图说明

[0032] 为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

[0033] 图1为本发明的原理框图。

具体实施方式

[0034] 下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普
通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的
范围。

[0035] 请参阅图1所示，基于多元信息交互的电动出租车个体行为分析决策系统，包括分析决策平台，分析决策平台内设置有主观环境分析单元、行驶行为管理单元、充电行为管理
单元、状态转化单元、收益转化单元、影响因素分析单元、决策间隙分析单元以及实时行为
决策单元；

[0036] 分析决策平台用于根据历史电动出租车的行为进行分析，从而为实时电动出租车的行为进行决策，电动出租车的行为分为行驶行为和充电行为；

[0037] 主观环境分析单元用于对电动出租车的实时主观环境进行分析，从而判断历史电动出租车的行为受人为主观意识影响降低，主观存在的电动出租车的所属环境表示为环境
不因电动出租车主观的观察或者认识而改变，提高了电动出租车历史行为分析，具体主观
环境分析过程如下：

[0038] 将电动出租车设置标号i，i为大于1的自然数，采集到各个电动出租车选择行为时对应实时电量以及实时订单增加速度，并将各个电动出租车选择行为时对应实时电量以及
实时订单增加速度分别标记为DLi和SDi；通过分析获取到电动出租车历史主观环境分析系
数Xi；

[0039] 将电动出租车历史主观环境分析系数与主观环境分析系数阈值范围进行比较：

[0040] 若电动出租车历史主观环境分析系数处于主观环境分析系数阈值范围，则判定主观环境影响小，则生成非主观信号同时对电动出租车的历史行为进行分析，生成行驶行为
管理信号和充电行为管理信号并将行驶行为管理信号和充电行为管理信号分别发送至行
驶行为管理单元和充电行为管理单元；

[0041] 若电动出租车历史主观环境分析系数非处于主观环境分析系数阈值范围，则判定主观环境影响大，则生成主观信号并将对应电动出租车在主观环境下的历史行为不做分
析；

[0042] 行驶行为管理单元接收到行驶行为管理信号后，生成行驶状态转化信号和行驶收益分析信号并将行驶状态转化信号和行驶收益分析信号分别发送至状态转化单元和收益
分析单元，对行驶行为进行状态转化分析和收益分析，分析电动出租车在历史行驶行为中
状态转化和收益，从而对实时行为决策提供准确依据，提高了分析决策的准确性，从而控制
电动出租车的行驶行为对应状态转化，提高了电动出租车的收益率以及运营效率；

[0043] 状态转化单元接收到行驶状态转化信号后，对电动出租车的历史行驶行为的状态转化进行采集，并通过采集状态转化获取到状态转化产生的数据变动，从而准确采集到收
益分析的判定标准，提高了收益分析准确性，具体状态转化过程如下：

[0044] 将行驶行为的状态划分寻客状态和载客状态，将进行分析的电动出租车设置为分析对象，并对分析对象设置历史分析时间段，获取到分析对象在历史分析时间段内的所有
寻客状态和载客状态，并将分析对象对应寻客状态和载客状态按照历史分析时间段的时间
顺序进行排序，构建行驶行为历史状态子集，对各个相邻子集间的状态转化进行分析，将相
邻子集间的状态转化分为位置状态转化、时间状态转化以及耗能状态转化，将位置状态转
化对应转化距离标记为位置状态转化的位置数据；将时间状态转化对应转化时间标记为时
间状态转化的时间数据，将耗能状态转化对应消耗的电量标记为耗能状态转化的耗能数
据；并将位置数据、时间数据以及耗能数据发送至收益分析单元和影响因素分析单元；

[0045] 收益分析单元接收到行驶收益分析信号后，将电动出租车在历史分析时间段内行驶行为的收益进行分析，通过行驶行为的收益分析判断行驶行为的可行性以及行为效率，
具体收益分析过程如下：

[0046] 将电动出租车对应位置状态转化的位置数据、时间状态转化的时间数据以及耗能状态转化的耗能数据统一标记为成本数据，将成本数据对应的电量损耗、时间损耗以及人
工损耗标记为成本数据对应成本，并将对应电动出租车的行驶行为历史状态子集内所有成
本数据对应成本进行汇总；

[0047] 将电动出租车对应载客状态的成本进行采集，并将其标记为刚需成本，将刚需成本与成本数据对应成本进行汇总得到电动出租车的总成本，刚需成本包括电动出租车在载
客状态下的电量消耗以及耗时等成本；将电动出租车对应载客状态的收益标记为总收益；
若电动出租车的总收益大于总成本，则将电动出租车的行驶行为标记为正收益行为，若电
动出租车的总收益未大于总成本，则将电动出租车的行驶行为标记为负收益行为；并将正
收益行为或者负收益行为以及对应的电动出租车发送至影响因素分析单元；

[0048] 充电行为管理单元接收到充电行为管理信号后，生成充电状态转化信号和充电收益分析信号并将充电状态转化信号和充电收益分析信号分别发送至状态转化单元和收益
分析单元；对充电行为进行状态转化分析和收益分析，分析电动出租车在历史充电行为中
状态转化和收益，从而对实时行为决策提供准确依据，提高了分析决策的准确性；

[0049] 状态转化单元接收到充电状态转化信号后，对电动出租车的历史充电行为的状态转化进行采集，判断充电状态转化产生的数据变动，从而准确提高了收益分析准确性，具体
状态转化过程如下：

[0050] 将充电行为的状态划分为待充状态和充电状态，获取到分析对象在历史时间段内所有的待充状态和充电状态，并将分析对象对应待充状态和充电状态按照历史分析时间段
的时间顺序进行排序，构建充电行为历史状态子集，对各个相邻子集间的状态转化进行分
析，将相邻子集间的状态转化分为待充状态转化和充能状态转化，将待充状态转化对应驶
至充电站的距离和排队充电的时长标记为待充状态转化的待充数据，将充电状态转化对应
补充的电量标记为充能状态转化的充能数据；并将待充数据和充能数据发送至收益分析单
元和影响因素分析单元；

[0051] 收益分析单元接收到充电收益分析信号后，将电动出租车在历史分析时间段内充电行为的收益进行分析，通过充电行为的收益分析判断充电行为的可行性和合理性，具体
收益分析过程如下：

[0052] 将电动出租车对应待充状态转化的待充数据内驶至充电站的距离和排队充电的时长标记为充电成本，将电动出租车对应充能状态转化的充能数据内补充电量预计收益标
记为充电收益，同时将电动出租车在充电行为内路况状态转化进行分析，分析对应路况状
态的数量状态转化和拥堵状态转化，将数据状态转化对应的道路平均车流量增加速度标记
为流量状态数据，将拥堵状态转化对应道路车辆平均耗时增加量标记为拥堵状态数据，且
流量状态数据为拥堵状态数据的自变数据，拥堵状态数据为流量状态数据的因变数据，若
存在流量状态数据则存在拥堵状态数据，反之不存在流量状态数据则不存在拥堵状态数
据；将拥堵状态数据内道路车辆平均耗时增加量对应消耗电量标记为风险收益；本申请中
风险收益和充电收益均以对应电动出租车和实时道路的历史数据求平均值获取到，与手机
地图预计时间原理相同具备可靠性；

[0053] 将电动出租车的充电收益和风险收益标记为充电行为收益，将电动出租车的充电成本与充电行为收益进行比较：若电动出租车的充电成本超过充电行为收益，则将对应充
电行为标记为高风险收益行为；若电动出租车的充电成本未超过充电行为收益，则将对应
充电行为标记为低风险收益行为；并将高风险收益行为和低风险收益行为以及对应电动出
租车发送至影响因素分析单元；

[0054] 影响因素分析单元用于对负收益行为和高风险收益行为对应的电动出租车的影响因素进行分析，准确分析出电动出租车的影响因素，从而提高实时行为决策的准确性能，
具体影响因素分析过程如下：

[0055] 将电动出租车行驶行为中位置数据、时间数据以及耗能数据以及充电行为中待充数据和充能数据均标记为预设影响因素，将负收益行为和高风险收益行为对应的电动出租
车标记为异常对象，采集到历史分析时间中异常对象的预设影响因素出现次数和频率，若
历史分析时间中异常对象的预设影响因素出现次数和频率均超过对应阈值，则将对应预设
影响因素标记为选中影响因素，并将选中影响因素发送至决策间隙分析单元；若历史分析
时间中异常对象的预设影响因素出现次数和频率均未超过对应阈值，则将对应预设影响因
素标记为风险影响因素，并将风险影响因素发送至决策间隙分析单元；

[0056] 决策间隙分析单元用于对行驶行为历史状态子集和充电行为历史状态子集进行决策间隙分析，从而判断电动出租车收益异常的原因为人为因素还是影响因素，准确分析
影响因素对电动出租车的影响，具体决策间隙分析过程如下：

[0057] 将行驶行为历史状态子集和充电行为历史状态子集内对应相邻子集状态转化过程标记为决策间隙，将电动出租车存在收益异常和不存在收益异常的决策间隙分别标记为
异常间隙和正常间隙，采集到异常间隙的出现次数和频率以及正常间隙次数与异常间隙的
比值，若异常间隙的出现次数和频率均超过对应阈值，且正常间隙次数与异常间隙的比值
小于比值阈值，则判定对应电动出租车对应人为因素的影响超过风险影响因素的影响，并
将对应电动出租车标记为人为出租车；若异常间隙的出现次数和频率均未超过对应阈值，
且正常间隙次数与异常间隙的比值大于比值阈值，则判定对应电动出租车对应人为因素的
影响未超过风险影响因素的影响，并将对应电动出租车标记为风险出租车；

[0058] 将人为出租车和风险出租车发送至实时行为决策单元；

[0059] 实时行为决策单元用于对人为出租车和风险出租车进行实时行为决策分析，当实时电动出租车周边环境存在风险影响因素时，若实时电动出租车为人为出租车，则生成行
为转化风险信号；若实时电动出租车为风险出租车，则生成行为转化安全信号；当实时电动
出租车周边环境不存在风险影响因素时，若实时电动出租车为人为出租车，则生成行为转
化建议信号；若实时电动出租车为风险出租车，则生成行为及时转化信号。

[0060] 上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

[0061] 本发明在使用时，通过分析决策平台根据历史电动出租车的行为进行分析，从而为实时电动出租车的行为进行决策；通过主观环境分析单元对电动出租车的实时主观环境
进行分析；行驶行为管理单元生成行驶状态转化信号和行驶收益分析信号并将行驶状态转
化信号和行驶收益分析信号分别发送至状态转化单元和收益分析单元；通过状态转化单元
对电动出租车的历史行驶行为的状态转化进行采集；通过将电动出租车在历史分析时间段
内行驶行为的收益进行分析；

[0062] 充电行为管理单元生成充电状态转化信号和充电收益分析信号并将充电状态转化信号和充电收益分析信号分别发送至状态转化单元和收益分析单元；通过状态转化单元
对电动出租车的历史充电行为的状态转化进行采集；通过收益分析单元将电动出租车在历
史分析时间段内充电行为的收益进行分析；通过影响因素分析单元为对应的电动出租车的
影响因素进行分析；通过决策间隙分析单元对电动出租车进行决策间隙分析；通过实时行
为决策单元对电动出租车进行实时行为决策。

[0063] 以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作
很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原
理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权
利要求书及其全部范围和等效物的限制。