CN105575105B - 用于交通工具的调度方法和设备 - Google Patents
用于交通工具的调度方法和设备 Download PDFInfo
- Publication number
- CN105575105B CN105575105B CN201510990222.7A CN201510990222A CN105575105B CN 105575105 B CN105575105 B CN 105575105B CN 201510990222 A CN201510990222 A CN 201510990222A CN 105575105 B CN105575105 B CN 105575105B
- Authority
- CN
- China
- Prior art keywords
- potential
- vehicles
- regional
- increment
- conclusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
Abstract
本公开的实施例涉及一种用于交通工具的调度方法和设备。该调度方法包括确定多个所述交通工具的区域分布;基于所述区域分布计算针对各个区域的潜在调度量;基于针对各个区域的潜在调度量计算针对各个区域的潜在成交增量;以及基于针对各个区域的潜在成交增量计算最大潜在成交增量和;以及基于所述最大潜在成交增量和来确定针对各个区域的实际调度量。通过使用根据本公开的实施例的调度方法和设备,可以促进交通工具的使用率。
Description
技术领域
本公开的实施例总体涉及交通工具的领域,更具体地涉及交通工具的调度的方法和设备。
背景技术
诸如计程车之类的交通工具经常出现分布不均匀的情形,并且其分布随机性较大。相对地,需要乘坐交通工具的乘客也存在分布不均匀,并且其分布随机性也较大。
出于提高交通工具的使用率考虑,可以考虑对交通工具进行相应调度。然而,如何调度交通工具使得交通工具的总体利用率最大化一直难以解决。
发明内容
本公开的实施例总体涉及用于交通工具的调度方法和设备。
在第一方面,提供一种用于交通工具的调度方法,包括:确定多个所述交通工具的区域分布;基于所述区域分布计算针对各个区域的潜在调度量;基于针对各个区域的潜在调度量计算针对各个区域的潜在成交增量;以及基于针对各个区域的潜在成交增量计算最大潜在成交增量和;以及基于所述最大潜在成交增量和来确定针对各个区域的实际调度量。
在一些实施例中,计算所述潜在调度量包括基于以下项中的至少一项计算所述潜在调度量:交通工具总量不变、交通工具与订单比率、调度距离以及空闲时间。
在一些实施例中,计算针对各个区域的潜在成交增量包括基于针对所述区域的交通工具的数量、针对所述区域的订单数量和所述潜在调度量计算所述潜在成交增量。
在一些实施例中,根据所确定的实际调度量来调度交通工具。
在一些实施例中,根据爬山算法或遗传算法来计算所述最大潜在成交增量和。
在第二方面,提供一种用于交通工具的调度设备,包括处理器,所述处理器被配置用于:确定多个所述交通工具的区域分布;基于所述区域分布计算针对各个区域的潜在调度量;基于针对各个区域的潜在调度量计算针对各个区域的潜在成交增量;基于针对各个区域的潜在成交增量计算最大潜在成交增量和;以及基于所述最大潜在成交增量和确定针对各个区域的实际调度量。
可以理解,本部分并不旨在标识本公开的实施例的关键或重要特征,亦非旨在用于限制本公开的范围。本公开的实施例的其它特征将通过以下的描述变得容易理解。
附图说明
通过在所附附图中的本公开的一些实施例的更为详细的描述,本公开的实施例的以上和其它的优势、特征和目标将变得更为明显,其中:
图1是示出根据本公开的一个实施例的方法的流程图;以及
图2是示出根据本公开的一个实施例的设备的框图。
在所有附图中,相同或相似参考数字表示相同或相似元素。
具体实施方式
现在将参考一些示例实施例描述本公开的原理。可以理解,这些实施例仅出于说明并且帮助本领域的技术人员理解和实施例本公开的目的而描述,而非建议对本公开的范围的任何限制。在此描述的本公开的内容可以以下文描述的方式之外的各种方式实施。
如本文中所述,术语“包括”及其各种变体可以被理解为开放式术语,其意味着“包括但不限于”。术语“基于”可以被理解为“至少部分地基于”。术语“一个实施例”可以被理解为“至少一个实施例”。术语“另一实施例”可以被理解为“至少一个其它实施例”。
总体而言,本公开的一些实施例涉及用于调度交通工具的方法和设备,其主要用于促进交通工具的使用率,例如促进出租车的订单成交。本公开的一些实施例通过确定各个区域的交通工具数量,在不改变交通工具总量的情形下,通过调度交通工具来促进交通工具的使用,例如出租车的订单成交。
对于各个区域而言,直接确定成交量增量和交通工具的增量之间的关系比较困难,因为中间还涉及到订单量这一关键变量,但是本发明人通过研究发现成交率和司乘比(司机数/乘客数)之间有如下的函数关系:
其中,E表示成交率,k表示拟合系数,q表示司机数或是交通工具的数目,o表示订单量。可以理解,交通工具与司机数目通常一致,因此在本文中,司机数也可以与交通工具数交替使用。
通过对上述的公式(1)进行变换,可以得到下面的公式(2):
其中,S表示成交量,k表示拟合系数,q表示司机数或是交通工具的数目,o表示订单量。
如上所述,由于旨在不改变总的交通工具数目的基础上通过局部调度交通工具来促进使用率,因此需要的是针对单个区域的成交量增量与交通工具数据增量之间的关系。通过对上面的公式(2)进行微分,可以获得下面的公式(3):
可以通过公式(3)看出:1)成交量增量与订单量正相关,换言之,订单越多,则交通工具增量对成交量提升越明显;2)成交量增量与交通工具数量负相关,换言之,交通工具越少,则交通工具增量对成交量提升越明显;3)与司乘比负相关,换言之,交通工具相对越稀缺,则增交通工具增量对成交量提升越明显。
通过对公式(3)积分,可以得到成交量增量和交通工具增量之间的函数关系,其由下面的公式(4)表示:
公式(4)可以简记为下面的公式(5):
在得到成交量增量与交通工具增量的关系之后,可以使用该关系来获得成交量增量最大化的技术方案,具体参见下文。
参见图1,图1示出了根据本公开的一个实施例的方法100的流程图。在步骤102处,确定多个交通工具的分布。例如通过交通工具调度系统可以获得当前的交通工具在各个区域的分布情况。例如,当前共有m个交通工具,n个热点区域,可以定义如下矩阵:
其中,司机编号从1开始,区域编号从0开始,0代表不属于任何一个区域的边缘地带。
根据该区域分布,在步骤104处,可以计算针对各个区域的各种潜在调度量。例如用A′n×m表示调度前,交通工具在各个区域的分布;An×m表示调度后,交通工具在各个区域的分布,可以得到下面的公式(6):
其中表示每个区域经过调度后,交通共偶家的增量,即第i个区域经过调度后,交通工具增加Δqi,Δqi可正可负。
根据矩阵的基本运算,可以得到下面的公式(7):
其中,表示m维的单位列向量,
例如,在一个示例中,当前有4个交通工具适于使用,并且当前有1个热点区域。在调度前,交通工具1在区域0,交通工具2在区域0,交通工具3在区域0,交通工具4在区域1。在调度后,交通工具1在区域0,交通工具2在区域1,交通工具3在区域1,交通工具4在区域1。
此时,根据公式(6)和(7)可以得到:
这表示区域0中调出2个交通工具,区域1中调入2个交通工具。
上述的交通工具的调入和调出即为针对各个区域的潜在调度量,即,在该情形下,针对该区域的可能调度量。
在获得针对各个区域的潜在调度量之后,在步骤106处,基于针对各个区域的潜在调度量可以计算针对各个区域的潜在成交增量。例如通过本发明人所发现的如上所述的公式(4)和(5),可以获得针对各个区域的潜在成交增量。
当获得针对各个区域的潜在成交量增量之后,在步骤108处,可以基于针对各个区域的潜在成交量增量计算潜在成交量增量和。可以理解,对于不同组的潜在调度量而言,可以有不同的潜在成交增量,因此也可以有不同的潜在成交量增量和。本公开的实施例即在于寻找并且选择最大化的潜在成交量增量和。
在得到最大化的潜在成交量增量和时,在步骤110处,基于该最大潜在成交增量和来确定针对各个区域的实际调度量。即,此时选择与最大潜在成交增量对应的调度方案,并且将该调度方案实施为针对各个区域的实际调度方案。交通工具调度中心可以根据该实际调度方案对各个区域进行相应调度,例如通过奖励或是播报热点区域的方式促使交通工具的司机响应调度。
然而在实际调度过程中,为了确保交通工具的司机积极响应调度,从而确保调度成功性,可以在计算潜在调度量时进行若干约束。例如,对于任何一个潜在被调度的交通工具,其距离预期前往的区域的调度距离不能超过某一距离,例如不能超过4公里。又例如,对于任何一个潜在被调度的交通工具,该交通工具的司机必须在某一时间段内未执行载客任务,例如连续10分钟内未接收订单。再例如,对于单个区域而言,司机乘客比不能超过某一阈值:
通过在计算潜在调度量时进行如上的一些约束,可以排除掉一些实际操作效果较差的方案,节省计算资源。
在一些实施例中,对于上面的潜在成交量最大化的优化求解,可以使用一些智能搜索算法,例如遗传算法、蚁群算法等,这类算法不保证能找到最优解,但是能在非常接近线性复杂度的情况下,找到接近最优解98%以上的近似最优解,能满足绝大部分工业需求。
例如,在使用爬山算法求解时,可以根据上面的公式生成初始解,然后变换当前解的局部,生成新解;然后判断新解是否更优。如果新解更优,则使用新解替换当前解。如果新解并非更优,则输出当前解。
例如,在使用遗传算法求解时,根据规则及一定的随机性,生成初始解种群;种群中的解两两交叉,生成新解,此时种群规模翻倍;确定适应函数,采用种群的平均值,低于平均值的解淘汰;确定退出函数,达到一定迭代次数或结果收敛则退出,否则继续两两交叉生成新解;
图2示出了一个可以用来实施本公开的实施例的设备200的框图。如图所示,设备200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储单元208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有设备200操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
设备200中的多个部件连接至I/O接口205,包括:输入单元206,例如键盘、鼠标等;输出单元207,例如阴极射线管(CRT)、液晶显示器(LCD)、扬声器等;存储单元208,例如磁盘、光盘等;以及通信单元209,例如网卡、调制解调器等。通信单元209经由诸如因特网的网络执行通信处理。
上文所描述的过程和处理,例如方法100,可以由处理单元201执行。例如,在实施例中,实现方法100的过程可以被实现为计算机软件程序,其可被有形地包含在机器可读介质上。在这样的实施例中,该计算机程序可以通过通信单元209从网络上被下载和安装,和/或借助于存储单元208而被输入设备200以供处理单元201执行。
总体而言,本公开的各种实施例可以以硬件或专用电路、软件、逻辑或其任意组合实施。一些方面可以以硬件实施,而其它一些方面可以以固件或软件实施,该固件或软件可以由控制器、微处理器或其它计算设备执行。虽然本公开的各种方面被示出和描述为框图、流程图或使用其它一些绘图表示,但是可以理解本文描述的框、设备、系统、技术或方法可以以非限制性的方式以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其它计算设备或其一些组合实施。
此外,虽然操作以特定顺序描述,但是这不应被理解为要求这类操作以所示的顺序执行或是以顺序序列执行,或是要求所有所示的操作被执行以实现期望结果。在一些情形下,多任务或并行处理可以是有利的。类似地,虽然若干具体实现方式的细节在上面的讨论中被包含,但是这些不应被解释为对本公开的范围的任何限制,而是特征的描述仅是针对具体实施例。在分离的一些实施例中描述的某些特征也可以在单个实施例中组合地执行。相反对,在单个实施例中描述的各种特征也可以在多个实施例中分离地实施或是以任何合适的子组合的方式实施。
虽然本公开以具体结构特征和/或方法动作来描述,但是可以理解在所附权利要求书中限定的本公开并不必然限于上述具体特征或动作。而是,上述具体特征和动作仅公开为实施权利要求的示例形式。
Claims (10)
1.一种用于交通工具的调度方法,包括:
确定多个所述交通工具的区域分布;
基于所述区域分布计算针对各个区域的潜在调度量;
基于针对各个区域的潜在调度量计算针对各个区域的潜在成交增量;
基于针对各个区域的潜在成交增量计算最大潜在成交增量和;以及
基于所述最大潜在成交增量和来确定针对各个区域的实际调度量。
2.根据权利要求1所述的方法,其中计算所述潜在调度量包括基于以下项中的至少一项计算所述潜在调度量:
交通工具总量不变、交通工具与订单比率、调度距离以及空闲时间。
3.根据权利要求1所述的方法,其中计算针对各个区域的潜在成交增量包括基于针对所述区域的交通工具的数量、针对所述区域的订单数量和所述潜在调度量计算所述潜在成交增量。
4.根据权利要求1所述的方法,还包括:
根据所确定的实际调度量来调度交通工具。
5.根据权利要求1所述的方法,其中根据爬山算法或遗传算法来计算所述最大潜在成交增量和。
6.一种用于交通工具的调度设备,包括处理器,所述处理器被配置用于:
确定多个所述交通工具的区域分布;
基于所述区域分布计算针对各个区域的潜在调度量;
基于针对各个区域的潜在调度量计算针对各个区域的潜在成交增量;
基于针对各个区域的潜在成交增量计算最大潜在成交增量和;以及
基于所述最大潜在成交增量和确定针对各个区域的实际调度量。
7.根据权利要求6所述的设备,其中计算所述潜在调度量包括基于以下项中的至少一项计算所述潜在调度量:
交通工具总量不变、交通工具与订单比率、调度距离以及空闲时间。
8.根据权利要求6所述的设备,其中计算针对各个区域的潜在成交增量包括基于针对所述区域的交通工具的数量、针对所述区域的订单数量和所述潜在调度量计算所述潜在成交增量。
9.根据权利要求6所述的设备,所述处理器还被配置用于根据所确定的实际调度量来调度交通工具。
10.根据权利要求6所述的设备,所述处理器还被配置用于根据爬山算法或遗传算法来计算所述最大成交增量和。
Priority Applications (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510990222.7A CN105575105B (zh) | 2015-12-24 | 2015-12-24 | 用于交通工具的调度方法和设备 |
US15/550,169 US20180032928A1 (en) | 2015-02-13 | 2016-02-04 | Methods and systems for transport capacity scheduling |
PCT/CN2016/073559 WO2016127918A1 (zh) | 2015-02-13 | 2016-02-04 | 一种运力调度方法及系统 |
EP16748719.8A EP3258430A4 (en) | 2015-02-13 | 2016-02-04 | Transport capacity scheduling method and system |
KR1020177025673A KR20180011053A (ko) | 2015-02-13 | 2016-02-04 | 운송 능력 스케줄링을 위한 방법들 및 시스템들 |
KR1020197005368A KR20190020852A (ko) | 2015-02-13 | 2016-02-04 | 운송 능력 스케줄링을 위한 방법들 및 시스템들 |
SG11201706602RA SG11201706602RA (en) | 2015-02-13 | 2016-02-04 | Methods and systems for transport capacity scheduling |
PH12017501450A PH12017501450A1 (en) | 2015-02-13 | 2017-08-11 | Methods and system for transport capacity scheduling |
HK18106920.2A HK1247422A1 (zh) | 2015-02-13 | 2018-05-28 | 運力調度方法和系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510990222.7A CN105575105B (zh) | 2015-12-24 | 2015-12-24 | 用于交通工具的调度方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105575105A CN105575105A (zh) | 2016-05-11 |
CN105575105B true CN105575105B (zh) | 2018-03-23 |
Family
ID=55885180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510990222.7A Active CN105575105B (zh) | 2015-02-13 | 2015-12-24 | 用于交通工具的调度方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105575105B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109117428B (zh) * | 2017-06-26 | 2020-12-08 | 北京嘀嘀无限科技发展有限公司 | 数据存储方法及其装置、数据查询方法及其装置 |
CN108280569A (zh) * | 2018-01-05 | 2018-07-13 | 上海碧虎网络科技有限公司 | 车辆调度方法、装置和设备 |
CN110798800B (zh) * | 2018-08-02 | 2020-09-22 | 北京嘀嘀无限科技发展有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
CN111310956A (zh) * | 2018-12-11 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 调度策略的确定方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854472A (zh) * | 2012-12-05 | 2014-06-11 | 深圳先进技术研究院 | 出租车云智能调度方法及系统 |
CN103985247A (zh) * | 2014-04-24 | 2014-08-13 | 北京嘀嘀无限科技发展有限公司 | 基于城市叫车需求分布密度的出租车运力调度系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120239452A1 (en) * | 2011-03-17 | 2012-09-20 | Aarjav Trivedi | Fleet Management Systems and Processes |
-
2015
- 2015-12-24 CN CN201510990222.7A patent/CN105575105B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103854472A (zh) * | 2012-12-05 | 2014-06-11 | 深圳先进技术研究院 | 出租车云智能调度方法及系统 |
CN103985247A (zh) * | 2014-04-24 | 2014-08-13 | 北京嘀嘀无限科技发展有限公司 | 基于城市叫车需求分布密度的出租车运力调度系统 |
Non-Patent Citations (1)
Title |
---|
基于乘客需求及分布的出租车调度方法技术研究;贾婷;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131215(第12期);20-25页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105575105A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | How technological progress affects the carbon emission efficiency? Evidence from national panel quantile regression | |
CN105575105B (zh) | 用于交通工具的调度方法和设备 | |
Mlakar et al. | GP-DEMO: differential evolution for multiobjective optimization based on Gaussian process models | |
Ding et al. | Penetration effect of connected and automated vehicles on cooperative on‐ramp merging | |
Zhang et al. | A feedback-based dynamic tolling algorithm for high-occupancy toll lane operations | |
CN104239194A (zh) | 基于bp神经网络的任务完成时间预测方法 | |
CN103246985A (zh) | 一种广告点击率预测方法及装置 | |
Roy et al. | Micro-safe: Microservices-and deep learning-based safety-as-a-service architecture for 6G-enabled intelligent transportation system | |
CN106600044B (zh) | 一种车辆销售量预测模型确定的方法及装置 | |
Box et al. | An automated signalized junction controller that learns strategies from a human expert | |
CN104616173A (zh) | 预测用户流失的方法以及设备 | |
CN110782706A (zh) | 智能车辆驾驶风险的预警方法和装置 | |
Wang et al. | Graded-information feedback strategy in two-route systems under ATIS | |
Hao et al. | A hybrid differential evolution approach based on surrogate modelling for scheduling bottleneck stages | |
Zhang et al. | Vehicle dynamic dispatching using curriculum-driven reinforcement learning | |
Zhao et al. | Adaptive Swarm Intelligent Offloading Based on Digital Twin-assisted Prediction in VEC | |
KR20220115357A (ko) | 어텐션 메커니즘 기반의 미래 수요 예측 데이터 생성방법 및 장치 | |
US20170046387A1 (en) | Method and apparatus for querying nondeterministic graph | |
CN111260912B (zh) | 车辆编队的处理方法及装置 | |
Li et al. | Physics-augmented data-enabled predictive control for eco-driving of mixed traffic considering diverse human behaviors | |
Liu et al. | The ant colony algorithm based on logic time Petri nets and application in electronic-commerce logistics | |
CN106446308A (zh) | 基于稀疏贝叶斯的故障定位方法及系统 | |
CN106936611A (zh) | 一种预测网络状态的方法及装置 | |
Liu et al. | An agile vehicle‐based dynamic user equilibrium scheme for urban traffic signal control | |
CN112001570B (zh) | 数据处理方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201224 Address after: No.8, Dongbei Wangxi Road, Haidian District, Beijing 100193 Patentee after: BEIJING DIDI INFINITY TECHNOLOGY AND DEVELOPMENT Co.,Ltd. Address before: Room 219-22, 2nd floor, block D, Nangang Industrial Zone, Dagang District Economic and Technological Development Zone, Tianjin 300071 Patentee before: Didi (China) Technology Co.,Ltd. |