本发明涉及数据管理领域，更具体地涉及基于saas的公交枢纽停车场的网约车管理方法及系统。
背景技术：
1、saas是一种基于互联网的软件交付模式，在这种模式下，软件服务商将应用程序托管在云端服务器上，用户通过互联网访问和使用这些应用程序，而无需在本地安装、维护或管理软件，公交枢纽停车场是指位于城市交通枢纽或者公共交通重要节点的停车场，主要用于停放公共交通工具、私人车辆以及服务于公共交通出行的车辆，例如网约车、出租车等，这种停车场通常位于公交车站、地铁站、火车站等交通枢纽附近，为乘客提供换乘、停车等服务，方便他们进行公共交通出行。
2、现有的公交枢纽停车场的网约车管理方法是网约车司机在平台上接收到乘客的预约请求，根据预约时间和地点安排行程，到达停车场后停在网约车指定位置等待乘客上车，但是这种管理方法会导致当网约车已经到达停车地点等待乘客时，乘客取消订单，增大网约车的损失，降低了平台上网约车的使用体验。
3、针对上述问题，本发明提出一种解决方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明提供了基于saas的公交枢纽停车场的网约车管理方法及系统，以解决上述背景技术中存在的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、基于saas的公交枢纽停车场的网约车管理方法，包括以下步骤：
4、s001：网约车接收到乘客订单，并到达公交枢纽停车场，当乘客在出发时间前取消了订单，通过平台采集司机的意愿，若司机选择自愿离开，则不进行数据采集分析，并提示司机按照路线离开公交枢纽停车场，若司机选择继续在公交枢纽停车场内接单，则采集网约车信息；
5、s002：根据采集到的网约车信息，分析得到再次接单优先指数，将再次接单优先指数与预设阈值进行对比，若再次接单优先指数小于预设阈值，判定本次取消订单对司机影响较小，则指示司机离开公交枢纽停车场，在公交枢纽停车场外重新接单，若再次接单优先指数大于预设阈值，则判定本次取消订单对司机影响较大，则允许司机留在公交枢纽停车场，并进行停车场信息采集；
6、s003：根据停车场信息进行打车需求量的评估与判断，并将允许留在公交枢纽停车场的网约车分配至打车需求量最大的区域中继续接单。
7、优选的，所述再次接单优先指数计算步骤为：
8、通过gps定位装置得到网约车此次被取消订单的接客距离，并统计网约车此次被取消订单的路程耗时，将接客距离与路程耗时相乘计算得到网约车耗费系数；
9、通过网约车平台获取乘客取消订单的时间与行程出发时间的间隔，计算出时间意外系数，其计算公式为其中an表示为时间意外系数，t2与t1表示为行程出发时间与乘客取消订单的时间；
10、通过网约车平台获取时间段内该网约车被乘客取消订单的频率，记为被违约系数；
11、根据网约车耗费系数、时间意外系数以及被违约系数计算得到再次接单优先指数，其计算公式为ta＝a1×cm+a2×an+a3×cf，其中ta表示为再次接单优先指数，cm表示为网约车耗费系数，an表示为时间意外系数，cf表示为被违约系数，a1、a2、a3表示为网约车耗费系数、时间意外系数以及被违约系数的权重系数。
12、优选的，所述通过gps定位装置得到网约车此次被取消订单的接客距离步骤为：
13、通过网约车上安装的gps定位装置采集网约车此次被取消订单的起始位置与当前公交枢纽停车场的位置的经纬度，并记为起始位置与终点位置；
14、将起始位置与终点位置经纬度坐标转换为弧度表示；
15、使用havers i ne公式计算球面距离，其计算公式为其中sj表示为接客距离，δlat表示为起始位置与终点位置纬度差值的弧度表示，δlon表示为起始位置与终点位置经度差值的弧度表示，lat1与lat2分别表示为起始位置与终点位置弧度表示的纬度，r表示为地球半径。
16、优选的，所述根据停车场信息进行打车需求量的评估与判断步骤为：
17、将停车场平均划分为n份，记为子停车场区域，采集每个子停车场区域乘客上下车点的数据，所述数据包括上车点密度、下车点密度以及上下车点关联性，并根据乘客上下车点的数据计算得到打车热点度，其计算公式为其中pt表示为打车热点度，bd表示为上车点密度，所述上车点密度为子停车场区域重上车点数量与区域面积的比值，od表示为下车点密度，所述下车点密度为子停车场区域重下车点数量与区域面积的比值，rv表示为上下车点关联性；
18、采集客流量数据，对客流量数据进行分析，并计算得到客流量系数；
19、将计算得到的客流量系数作为聚类特征，对每个子停车场区域的客流量系数进行聚类处理，并根据聚类结果评估计算得到客流量分布系数；
20、根据车位占用率、打车热点度以及客流量分布系数计算得到打车需求指数，其计算公式为tx＝b1×pt+b2×pd，其中tx表示为打车需求指数，pt表示为打车热点度，pd表示为客流量分布系数，b1、b2表示为打车热点度与客流量分布系数的权重系数。
21、优选的，所述上下车点关联性计算步骤为：
22、采集所有子停车场区域的上车点数与下车点数，计算出平均上车点数与下车点数；
23、使用pearson相关系数的公式计算上下车点关联性，其计算公式为其中xg表示为上下车点关联性，x表示为上车点数，y表示为下车点数，表示为平均上车点数，表示为平均下车点数。
24、优选的，所述客流量系数计算步骤为：
25、统计每个子停车场区域车辆的进出次数，即检测时间段内车辆进入该区域的次数和离开该区域的次数，其计算公式为ntotal＝nin+nout，其中ntotal表示为每个子停车场区域车辆的进出次数，nin表示为检测时间段内进入子停车场区域的车辆数，nout表示为检测时间段内离开子停车场区域的车辆数；
26、统计检测时间段内在区域内的车辆总数量与车辆在区域内的停留时间，并将车辆总数量与车辆在区域内的停留时间进行比值计算，得到平均停留时间，所述车辆总数量包括已离开和未离开的车辆数；
27、将每个子停车场区域车辆的进出次数与检测时间段进行比值计算出每个子停车场区域的车流密度；
28、根据每个子停车场区域车辆的进出次数、平均停留时间以及车流密度评估得到每个子停车场区域客流量系数，其计算公式为其中pf表示为客流量系数，ntotal表示为每个子停车场区域车辆的进出次数，tavg表示为平均停留时间，density表示为车流密度，numpark表示为子停车场区域的停车位数量。
29、优选的，所述对每个子停车场区域的客流量系数进行聚类处理步骤为：
30、步骤1：将客流量系数作为聚类特征，每个子停车场区域的客流量系数作为数据点，得到一组数据集，使用肘部法确定最佳聚类数；
31、步骤2：随机选择相应确定个数的数据点作为初始的聚类中心，使用欧氏距离对数据集中的每个数据点，计算它与各个初始聚类中心的距离，其计算公式为其中，xik表示为xi在第k维特征上的取值，cjk表示初始聚类中心cj在第k维特征上的取值，n表示为数据集中数据点的数量，并将数据点分配到距离最近的聚类中心所在的簇；
32、步骤3：遍历数据集中所有的数据点，得到初始聚类簇，对于每个初始聚类簇，计算簇内所有数据点的平均值，得到新的聚类中心，其计算公式为其中vj表示为第j个初始聚类簇的新聚类中心，xi表示簇cj中的数据点，cj表示为初始聚类簇，|cj|表示为簇cj的数据点数量；
33、重复执行步骤2与步骤3，直至聚类中心不再发生变化，并得到最终聚类簇以及最终聚类中心
34、优选的，所述根据聚类结果评估计算得到客流量分布系数步骤为：
35、根据数据点总数与每个最终聚类簇中的数据点数，计算得到每个最终聚类簇的权重，其计算公式为其中wgj表示第j个最终聚类簇的权重，numj表示第j个最终聚类簇中的数据点数量，n表示为数据集中数据点的数量；
36、采集每个最终聚类簇的最终聚类中心，并根据最终聚类中心与最终聚类簇的权重计算得到客流量分布系数，其计算公式为pdj＝wgj×zxj，其中pdj表示为第j个最终聚类簇中客流量分布系数，则客流量分布系数为pd，wgj表示第j个最终聚类簇的权重，zxj表示为第j个最终聚类簇的最终聚类中心。
37、优选的，基于saas的公交枢纽停车场的网约车管理系统，所述系统包括：
38、司机意愿采集模块，用于采集被取消订单网约车司机的意愿，包括离开停车场与留在停车场继续接单；
39、网约车数据采集模块，用于采集选择停留在停车场继续接单网约车的相关数据信息；
40、网约车状态判断模块，用于根据网约车数据采集模块采集的网约车的相关数据信息进行综合评估，并根据评估结果对网约车去留进行判定；
41、停车场状态评估模块，用于采集停车场当前的数据信息，并根据停车场当前的数据信息进行停车场状态评估；
42、网约车分配模块，用于将判定留在停车场的网约车根据停车场状态，分配至打车需求最大的区域。
43、本发明的技术效果和优点：
44、通过平台采集司机的意愿，若司机选择继续在公交枢纽停车场内接单，则采集网约车信息，分析得到再次接单优先指数，根据再次接单优先指数与预设阈值进行网约车之后行动的判断，筛选出允许留在公交枢纽停车场内的网约车，根据停车场信息进行打车需求量的评估与判断，并将允许留在公交枢纽停车场的网约车分配至打车需求量最大的区域中继续接单，有效降低了网约车的损失，提高网约车司机的体验感。
1.基于saas的公交枢纽停车场的网约车管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述再次接单优先指数计算步骤为：
3.根据权利要求2所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述通过gps定位装置得到网约车此次被取消订单的接客距离步骤为：
4.根据权利要求1所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述根据停车场信息进行打车需求量的评估与判断步骤为：
5.根据权利要求4所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述上下车点关联性计算步骤为：
6.根据权利要求4所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述客流量系数计算步骤为：
7.根据权利要求4所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述对每个子停车场区域的客流量系数进行聚类处理步骤为：
8.根据权利要求4所述的基于saas的公交枢纽停车场的网约车管理方法，其特征在于：所述根据聚类结果评估计算得到客流量分布系数步骤为：
9.基于saas的公交枢纽停车场的网约车管理系统，其特征在于，所述系统包括：
