CN107341553B - 一种车辆调度方法及装置，电子设备 - Google Patents
一种车辆调度方法及装置，电子设备 Download PDFInfo
- Publication number
- CN107341553B CN107341553B CN201710382102.8A CN201710382102A CN107341553B CN 107341553 B CN107341553 B CN 107341553B CN 201710382102 A CN201710382102 A CN 201710382102A CN 107341553 B CN107341553 B CN 107341553B
- Authority
- CN
- China
- Prior art keywords
- order
- vehicle
- space
- timeslice
- destination
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种车辆调度方法，属于车辆调度领域，用于解决现有技术中存在的运力利用率低下的问题。所述方法，包括：根据订单信息，确定所述订单的到达属性是否为热区热时，若所述到达属性为热区热时，则优先通过派单模式调度车辆；若所述到达属性非热区热时，则通过抢单模式调度车辆。本申请实施例公开的车辆调度方法，通过对订单需求量较大的目的地，即接单难度低的目的地，施行先派单再抢单的调度模式，而对接单难度高的目的地施行抢单模式，避免接单车辆空驶返回，提高了整体运力利用效率。
Description
技术领域
本申请涉及车辆调度领域，特别是涉及一种车辆调度方法及装置，电子设备。
背景技术
随着互联网技术的发展，网约车应用为用户的出行带来了很大方便，网约车用户越来越多。而网约车系统的车辆调度方法对车辆的调度效率起着决定性作用。现有技术中的网约车调度方法主要有三种：抢单模式、派单模式以及抢单和派单结合的模式。而现有技术中抢单和派单结合的模式主要调度策略为：根据乘客终端的位置信息和司机终端的车辆信息进行数据分析，并对司机到达乘客的出发地的难度较小且司机到达乘客目的地意愿较高的打车申请执行抢单模式向所述司机终端发送抢单需求，反之则执行派单模式向所述司机终端发送派单需求。可见，现有技术中的车辆调度方法对于目的地接单较困难的订单进行派单，会增大司机到达目的地后无单可接、空驶返回的概率，降低了运力利用率。
发明内容
本申请实施例提供一种车辆调度方法，解决现有技术中车辆调度方法存在的运力利用率低下的问题。
为了解决上述问题，第一方面，本申请实施例提供了一种车辆调度方法，包括：
根据订单信息，确定所述订单的到达属性是否为热区热时；
若所述到达属性为热区热时，则优先通过派单模式调度车辆；
若所述到达属性非热区热时，则通过抢单模式调度车辆。
第二方面，本申请实施例提供了一种车辆调度装置，包括：
热区热时确定模块，用于根据订单信息，确定所述订单的到达属性是否为热区热时；
第一判断调度模块，用于若所述热区热时确定模块确定所述到达属性为热区热时，则优先通过派单模式调度车辆；
第二判断调度模块，用于若所述热区热时确定模块确定所述到达属性非热区热时，则通过抢单模式调度车辆。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的车辆调度方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请实施例所述的车辆调度方法的步骤。
本申请实施例公开的车辆调度方法，通过根据订单信息，确定所述订单的到达属性是否为热区热时，若所述到达属性为热区热时，则优先通过派单模式调度车辆；若所述到达属性非热区热时，则通过抢单模式调度车辆，解决了现有技术中的车辆调度方法存在的运力利用率低下的问题。通过对订单需求量较大的目的地，即接单难度低的目的地，施行先派单再抢单的调度模式，而对接单难度高的目的地施行抢单模式，避免接单车辆空驶返回，提高了整体运力利用效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例一的车辆调度方法的流程图；
图2是本申请实施例二的车辆调度方法一个步骤的具体流程图；
图3是本申请实施例二的车辆调度方法另一个步骤的具体流程图；
图4是本申请实施例三的车辆调度装置结构示意图；
图5是本申请实施例三的车辆调度装置一个模块的具体结构示意图；
图6是本申请实施例三的车辆调度装置另一个模块的具体结构示意图；
图7是本申请实施例中公开的电子设备的结构示意图；
图8是本申请实施例中公开的计算机可读存储介质的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都属于本申请保护的范围。
实施例一
本申请公开的一种车辆调度方法，如图1所示，该方法包括：步骤100至步骤120。
步骤100，根据订单信息，确定所述订单的到达属性是否为热区热时。
优选的，所述到达属性包括订单的目的地所处空间区域、到达所述目的地的时间片；所述热区热时为订单需求量大于预设阈值的空间区域和时间片组合。
当用户通过应用程序或者电话等方式约车或打车时，车辆调度系统会生成一个订单，其中，订单信息包括：出发地、目的地，出发时间等基本信息。然后，车辆调度系统根据订单信息和预先划分的“空间区域”和“时间片”，预估到达订单的目的地时的时间片，并根据预估的目的地所处空间区域在相应时间片的订单需求量，进一步确定该订单的到达属性是否为“热区热时”。
具体实施时，首先，根据预先划分的空间区域确定目的地所处的空间区域。然后，根据订单信息中用户的出发地，并结合历史数据，预估接单车辆由出发地到达目的地所需时间，进一步确定接单车辆到达目的地的时间，并根据预先划分的时间片，确定接单车辆到达目的地的时间所属时间片。至此，确定了目的地对应的空间区域和时间片的组合。
然后，结合历史订单数据，通过预设的需求量预测模型，预估目的地对应的空间区域和时间片的组合对应的订单需求量。当目的地对应的空间区域和时间片的组合对应的订单需求量大于预设阈值时，确定该订单的到达属性，即所述目的地对应的空间区域和时间片的组合为热区热时。当目的地对应的空间区域和时间片的组合对应的订单需求量小于或等于预设阈值时，确定该订单的到达属性，即所述目的地对应的空间区域和时间片的组合非热区热时。
具体实施时，根据“订单需求量”判断某一空间区域和时间片的组合是否为“热区热时”时，所述预设阈值根据实际的业务数据进行调整，且会随着实际情况的变化而调整。
步骤110，若所述到达属性为热区热时，则优先通过派单模式调度车辆。
当根据订单信息中的出发地、目的地和出发时间确定该订单的到达属性为热区热时时，优先过派单模式调度车辆。即，优先将订单分派给待调度车辆，例如：距离出发地一定距离内的所有待调度车辆，或距离出发地一定距离内且司机为全职司机的车辆，或者，距离出发地一定距离内且符合一定条件的待调度车辆，再或者，距离出发地一定距离内且司机为全职司机、并且符合一定条件的车辆。如果没有前述车辆或者前述车辆的司机接单失败，如司机掉线，则进一步通过抢单模式，将订单发布到订单系统，由所有在线司机进行抢单。
步骤120，若所述到达属性非热区热时，则通过抢单模式调度车辆。
当根据订单信息中的出发地、目的地和出发时间确定该订单的到达属性非热区热时时，通过抢单模式调度车辆。即，将订单发布到订单系统，由所有在线司机进行抢单。
本申请实施例公开的车辆调度方法，通过根据订单信息，确定所述订单的到达属性是否为热区热时，若所述到达属性为热区热时，则优先通过派单模式调度车辆；若所述到达属性非热区热时，则通过抢单模式调度车辆，解决了现有技术中的车辆调度方法存在的运力利用率低下的问题。通过对订单需求量较大的目的地，即接单难度低的目的地，施行先派单再抢单的调度模式，而对接单难度高的目的地施行抢单模式，避免接单车辆空驶返回，提高了整体运力利用效率，对于供不应求的市场情况更为适用。
实施例二
基于实施例一，本申请公开的一种车辆调度方法的另一具体实施例中，在根据订单信息，确定所述订单的到达属性是否为热区热时的步骤之前，首先需要对车辆调度地图进行空间区域划分得到多个空间区域，以及，按照预设规则将一天的调度时间划分为多个时间片。
具体实施时，可以根据调度需求选择合适的空间区域划分方法。例如：根据经纬度坐标，在车辆调度地图中划分正方形、长方形或六边形等各种形状的网格，然后将每个网格作为一个空间区域。或者，根据空间索引编码(geohash)方法在车辆调度地图中划分网络，每个网格作为一个空间区域。还可以根据社会人文条件，将车辆调度地图划分为不同商圈，将每个商圈作为一个空间区域。具体实施时，还可以通过其他方法对车辆调度地图进行空间区域划分，得到至少一个空间区域，本实施例中不再一一例举。具体实施时，划分的得到的空间区域彼此独立，不重叠。
在将一天的调度时间划分为多个时间片时，可以根据具体业务需求定义时间片的长度，例如，定义时间片长度为半小时，则一天可以划分为48个时间片。如果定义时间片长度为1小时，则一天可以划分为24个时间片。具体实施时，如果车辆调度系统对热区热时判断精确度要求较高，则可以将时间片的长度设置短些，如5分钟；如果车辆调度系统对热区热时判断精确度要求略低，则可以将时间片的长度设置长些，如1小时。
假设划分得到了G个空间区域和T个时间片，将每个所述空间区域和每个所述时间片分别组合，得到G*T个空间区域和时间片的组合。进一步的，对于得到的G*T个空间区域和时间片的组合，根据车辆调度系统的历史数据，分别确定每个组合对应的订单需求量，即分别确定每个组合在不同时间片的订单需求量。然后，根据确定的所述每个组合在不同时间片的订单需求量设置需求量阈值，用于判断某一空间区域和时间片的组合是否为热区热时。例如，对于空间区域1，若根据历史数据得到在5月4日的第1个时间片的订单需求量为100，在5月5日的第1个时间片的订单需求量为110，在5月6日的第1个时间片的订单需求量为120，则可以根据历史的订单需求量100、110和120设置需求量阈值。本申请的实施例中，需求量可以为订单请求量，即用户发起用车请求的数量。
具体实施时，根据订单需求量判断某一空间区域和时间片的组合是否是“热区热时”时，所述预设阈值根据实际的业务数据进行调整，且会随着实际情况的变化而调整。在已知每个空间区域和时间片的组合对应的历史平均需求量的情况下，设置不同的阈值，将会导致热区热时的数量不同，同时也会导致热区热时所能覆盖的订单请求量占总体订单请求量的比例不同。在设置阈值时，可以根据业务需要，即希望热区热时的订单请求量能够覆盖总体订单请求量的百分比，然后反推确定对应的阈值。
假设划分得到的空间区域和时间片的组合共有4个，分别记为：A、B、C、D，车辆调度系统中订单请求量分别为：A＝10,B＝5,C＝3，D＝2，共20单。如果阈值设为10，则只有A是热区热时，能覆盖50％的订单请求量；如果阈值设为5，则A、B二个是热区热时，能覆盖75％的订单请求量。依次类推，设置不同的阈值，热区热时的数量不同，热区热时覆盖的订单请求量占比也不同。如果业务需求希望热区热时的订单请求量能至少覆盖70％的订单请求量，则阈值应该设为5。
阈值设置得越高，热区热时的订单请求量能覆盖的总订单请求量就越少。但阈值设置得越低，将会有更多实际并不热的空间区域和时间片的组合被当作热区热时，对于调度效率的提高将起不到明显作用。
具体实施时，根据订单信息，确定所述订单的到达属性是否为热区热，包括：根据订单信息确定所述订单的目的地所处空间区域；根据订单信息确定待调度车辆到达所述订单的目的地时的时间片；预测所述空间区域在所述时间片的订单需求量；若所述订单需求量大于预设阈值需求量，则确定所述订单的到达属性为热区热时；否则，确定所述订单的到达属性非热区热时。其中，所述到达属性包括订单的目的地所处空间区域、到达所述目的地的时间片；所述热区热时为订单需求量大于预设阈值的空间区域和时间片组合。
当用户通过应用程序或者电话等方式约车或打车时，车辆调度系统会生成一个订单，其中，订单信息包括：出发地、目的地，出发时间等基本信息。然后，车辆调度系统根据订单信息和预先划分的空间区域和时间片，确定订单的到达属性是否为“热区热时”。
首先，根据订单信息确定所述订单的目的地所处空间区域。具体实施时，在将车辆调度地图划分为空间区域时，可以记录每个空间区域的坐标范围，当用户发起订单请求时，根据订单的目的地的地理位置坐标和每个空间区域的坐标范围，确定目的地所处的空间区域。
然后，根据订单信息中的出发地、目的地以及出发时间，基于车辆调度历史数据，确定待调度车辆到达所述订单的目的地时的时间片。具体实施时，根据订单信息确定待调度车辆到达所述订单的目的地时的时间片，包括：根据订单信息，预估订单行程时长；根据车辆调度历史数据预估调度时长和待调度车辆的接驾时长；将所述订单的下单时间与所述预估订单行程时长、所述调度时长和待调度车辆的接驾时长的和，作为到达目的地的预估时间；基于预先划分的时间片，将所述预估时间对应的时间片，确定为待调度车辆到达所述订单的目的地时的时间片。
具体实施时，可以根据订单的出发地和目的地的坐标信息，向地理服务系统请求预估行程时长，记为t2。并且，根据车辆调度历史数据，预估调度时长和待调度车辆的接驾时长。具体实施时，所述预估调度时长可以为平均调度时长，记为t0。所述出发地所在空间区域在出发时间所属时间片的平均接驾时长记为t1。假设当前时间点(即订单生成时间)为T0，则待调度车辆到达目的地的预估时间点为T1＝T0+t0+t1+t2。然后，基于预先划分的时间片，将T1所属时间片，确定为待调度车辆到达所述订单的目的地时的时间片。
最后，预测所述空间区域在所述时间片的订单需求量，若所述订单需求量大于预设阈值需求量，则确定所述订单的到达属性为热区热时，否则，确定所述订单的到达属性非热区热时。
具体实施时，预测所述空间区域在所述时间片的订单需求量，包括：提取所述空间区域和所述时间片组合对应的时空特征；根据所述时空特征，通过预先训练的订单需求量模型预测所述空间区域在所述时间片的订单需求量；其中，所述时空特征包括：历史时空特征和实时时空特征。其中，所述历史时空特征为从车辆调度历史数据中提取的目的地所处空间区域和到达该目的地的时间片相关的特征，包括以下至少一个维度：按照时间片先后顺序排列的空间区域的历史需求量、历史天气、是否交通高峰、是否工作日、是周几；所述实时时空特征为预估的与到达所述订单的目的地的时间相关的特征，包括以下至少一个维度：所述时间片对应的预测天气、是否交通高峰、是否工作日、是周几。
具体实施时，可以通过线性回归模型预测所述空间区域在所述时间片的订单需求量。首先，提取所述空间区域和所述时间片组合对应的时空特征。
具体实施时，所述时空特征可以包括历史时空特征，如：按照时间片先后顺序排列的空间区域的历史需求量，所述历史需求量包括昨天之前的数据以及当天到当前时刻的数据。假设当前时间为5月11日的第5个时间片，则按照时间片先后顺序排列的空间区域的历史需求量数据包括：5月10日的第5个时间片的订单需求量、5月9日的第5个时间片的订单需求量、5月8日的第5个时间片的订单需求量、5月7日的第5个时间片的订单需求量……通过对历史需求量建模，例如，通过将5月7日的第5个时间片的订单需求量和5月8日的第5个时间片的订单需求量作为一条训练样本；将5月8日的第5个时间片的订单需求量和5月9日的第5个时间片的订单需求量作为一条训练样本；将5月9日的第5个时间片的订单需求量和5月10日的第5个时间片的订单需求量作为一条训练样本训练模型，可以实现通过5月10日的第5个时间片的订单需求量预测5月11日的第5个时间片的订单需求量。
具体实施时，所述历史时空特征还可以包括：历史天气。所述时空特征还包括实时时空特征，如预测时间片的天气预报、预测日期是周几、工作日还是休息日，预测时间片是否早晚高峰等维度。所述时空特征还包括空间区域和时间片特征维度。具体实施时，各个维度的特征按照一定格式组合，构成空间区域和时间片组合的时空特征。
具体实施时，各个维度的特征的取值根据实际需要设置，例如，历史天气维度的取值可以为1、2、3，其中1表示晴天，2表示阴天、3表示下雨。本申请对时空特征的各个维度的具体取值和提取方法不做限定。
提取到时空特征之后，将所述时空特征，输入预先训练的订单需求量模型，即可预测所述空间区域在所述时间片的订单需求量。
所述订单需求量模型在进行模型训练时，同样需要根据历史调度数据提取上述时空特征。预测订单需求量的过程实际上是根据历史数据的变化趋势训练模型，再基于历史数据和训练好的模型预测当前数据的过程。下面以根据按照时间片先后顺序排列的空间区域的历史需求量、预测时间片的天气预报和预测日期是周几3个维度的特征为例说明训练订单需求量模型的过程。对于一个空间区域，可以将相邻两天的同一时间片的历史需求量按照时间片先后顺序排列得到两个维度的时空特征，将相邻两天该时间片的历史天气按照时间片先后顺序排列得到两个维度的时空特征，再将这两天对应的是周几的特征按照时间片先后顺序排列得到两个维度的时空特征，可以得到6个维度的时空特征。按照此方法，分别提取该空间区域在过去20天内每天的这个时间片的6个维度的时空特征，得到20条训练样本，基于这20条训练样本训练订单需求量模型。然后，在对当前时间片进行订单需求量预估时，相应的，提取前一天该时间片的历史需求量、前一天该时间片的历史天气和该时间片的天气预报、前一天是周几的特征和今天是周几的特征，得到6维特征向量，输入训练好的订单需求量模型，即可以预测出今天还时间片的订单需求量。订单需求量模型可以采用线性回归模型，或者现有技术中的其他模型，本申请对此不做限定。
当通过订单需求量模型预测得到所述空间区域在所述时间片的订单需求量之后，将预测得到的订单需求量和预设阈值进行比较，若所述订单需求量大于预设阈值，则确定所述空间区域和时间片组合为热区热时，即到达属性为热区热时，则优先通过派单模式调度车辆。否则，所述到达属性非热区热时，则通过抢单模式调度车辆。
具体实施时，如图2所示，若所述到达属性为热区热时，所述优先通过派单模式调度车辆的步骤，包括：子步骤1101至子步骤1104。
子步骤1101，获取距离所述订单的出发地预设范围内的待调度车辆。
所述待调度车辆包括以下任意一种：所有在线车辆、司机为全职司机的车辆；司机的订单匹配度得分大于预设阈值得分的车辆；司机为全职司机的车辆且司机的订单匹配度得分大于预设阈值得分的车辆。优选的，所述待调度车辆为司机为全职司机，且司机的订单匹配度得分大于预设阈值得分的车辆，所述全职司机为服务质量、服务时长、接受派单模式中的任意一项或多项匹配预设要求的司机。具体实施时，司机的服务质量可以通过成单量、成单率、用户评价等调度数据确定；司机的服务时长根据车辆调度系统记载的历史调度数据确定；接受派单模式根据车辆调度系统中记录的司机个人信息确定，司机可以选择订单接受模式为派单模式或抢单模式。车辆调度系统中，除全职司机以外的司机全部定义为兼职司机。
具体实施时，可以首先根据订单信息中的出发地以及车辆调度系统中的处于服务状态的车辆的位置信息，确定距离出发地预设范围内的处于服务状态的车辆。然后，进一步根据车辆调度系统中记录的车辆的司机信息，搜索出其中的全职司机。最后，根据预设司机特征预估每个车辆的订单匹配度得分。
具体实施时，所述司机的订单匹配度得分根据预设司机特征进行预估，所述预设司机特征包括以下至少一项：司机接驾距离、预估司机接驾时间、司机接驾距离与订单行程距离的比值、预估司机接驾时间与预估订单行程时间的比值、司机的历史成单量和成单率。具体实施时，可以从车辆调度历史数据中提取上述司机特征，并训练订单匹配度得分预估模型，然后，对于当前确定的每个全职司机的车辆，将提取的预设司机特征输入至订单匹配度得分预估模型，得到该全职司机的订单匹配度得分。
以预设司机特征包括：司机接驾距离f_dist、预估司机接驾时间f_etp，司机的历史成单量f_ordercnt这三个特征为例，三项特征的数值分别为：f_dist＝0.8,f_etp＝0.6,f_ordercnt＝0.3，订单匹配度得分预估模型为：y＝sigmoid(w1*f_dist+w2*f_etp+w3*f_ordercnt+b)，若w1＝0.5，w2＝0.7，w3＝0.2，b＝0.1，则所述订单匹配度得分预估模型预估的订单匹配度得分为y＝sigmoid(0.5*f_dist+0.7*f_etp+0.2*f_ordercnt+0.1)＝0.727，其中sigmoid(x)＝1/(1+exp(-x))，是通用的函数。
子步骤1102，判断是否存在待调度车辆。
即判断待调度车辆的数量是否大于0，如果是，说明存在待调度车辆。
子步骤1103，若存在待调度车辆，则依次调度所述待调度车辆。
具体实施时，可以依次向所述待调度车辆派单，直至派单成功或者全部待调度车辆均已派单，但是该订单没有被成功接收。
优选的，按照订单匹配度得分由高到低的顺序依次调度所述待调度车辆。
假设待调度车辆有3辆，分别为C1，C2和C3，它们的订单匹配度得分为C1>C2>C3。首先将订单派单至车辆C1，如果车辆C1接单，则本次车辆调度完成。如果车辆C1拒绝接单或者退出了车辆调度系统，或者取消了订单，导致订单没有成功派单至车辆C1，则进一步将订单派单至车辆C2。依此类推，直至车辆C2或车辆C3接单，或者全部派单失败。
子步骤1104，若不存在待调度车辆，则通过抢单模式调度车辆。
若没有搜索到待调度车辆，则通过抢单模式调度车辆。
具体实施时，为了进一步提高调度成功率，在依次调度所述待调度车辆的步骤之后，如图3所示，所述优先通过派单模式调度车辆的步骤还包括：
子步骤1105，若调度待调度车辆失败，则通过抢单模式调度车辆。
如果所有待调度司机都接单失败，如司机掉线等情况发生，待调度车辆将调度失败。在这种情况下，为了提高调度成功率和调度效率，进一步施行抢单模式。
具体实施时，首先判断调度待调度车辆是否失败，如果失败，进一步通过抢单模式，将订单发布到订单系统，由所有在线司机进行抢单。如果派单成功，则结束当前订单的调度工作。
在本申请的优选实施例中，根据司机群体不同，采用不同策略。对全职司机进行派单，保障全职司机的收入。对兼职司机进行抢单，尊重兼职司机的自主选择权。形成良好的业务生态。
本申请实施例公开的车辆调度方法，通过根据订单信息，确定所述订单的到达属性是否为热区热时，若所述到达属性为热区热时，则优先通过派单模式调度车辆；若所述到达属性非热区热时，则通过抢单模式调度车辆，解决了现有技术中的车辆调度方法存在的运力利用率低下的问题。通过对订单需求量较大的目的地，即接单难度低的目的地，施行先派单再抢单的调度模式，而对接单难度高的目的地施行抢单模式，避免接单车辆空驶返回，提高了整体运力利用效率，对于供不应求的市场情况更为适用。进一步的，对于派单模式，如果派单不成功，则进一步施行抢单模式，以提高订单成功率，进一步提高运力利用率。通过结合调度历史数据和司机特征确定派单的车辆范围，仅对匹配条件的司机进行派单，可以有效的提高派单成功率。
实施例三
相应的，本申请实施例公开的一种车辆调度装置，如图4所示，所述装置包括：
热区热时确定模块400，用于根据订单信息，确定所述订单的到达属性是否为热区热时；
第一判断调度模块410，用于若所述热区热时确定模块400确定所述到达属性为热区热时，则优先通过派单模式调度车辆；
第二判断调度模块420，用于若所述热区热时确定模块确定所述到达属性非热区热时，则通过抢单模式调度车辆。
可选的，如图5所示，所述第一判断调度模块410包括：
待调度车辆获取单元4101，用于获取距离所述订单的出发地预设范围内的待调度车辆；
判断单元4102，用于判断是否存在所述待调度车辆；
第一调度单元4103，用于若存在所述待调度车辆，则依次调度所述待调度车辆；
第二调度单元4104，用于若不存在所述待调度车辆，则通过抢单模式调度车辆。
可选的，如图5所示，所述所述第一判断调度模块410包括还包括：
第三调度单元4105，用于若调度所述待调度车辆失败，则通过抢单模式调度车辆。
可选的，如图6所示，所述热区热时确定模块400包括：
空间区域确定单元4001，用于根据订单信息确定所述订单的目的地所处空间区域；
时间片确定单元4002，用于根据订单信息确定待调度车辆到达所述订单的目的地时的时间片；
订单需求量预测单元4003，用于预测所述空间区域在所述时间片的订单需求量；
判断确定单元4004，用于若所述订单需求量大于预设阈值需求量，则确定所述订单的到达属性为热区热时；否则，确定所述订单的到达属性非热区热时。
可选的，所述时间片确定单元4002进一步用于：
根据订单信息，预估订单行程时长；
根据车辆调度历史数据预估调度时长和待调度车辆的接驾时长；
将所述订单的下单时间与所述预估订单行程时长、所述调度时长和待调度车辆的接驾时长的和，作为到达目的地的预估时间；
基于预先划分的时间片，将所述预估时间对应的时间片，确定为待调度车辆到达所述订单的目的地时的时间片。
可选的，如图6所示，所述订单需求量预测单元4003包括：
时空特征提取子单元40031，用于提取所述空间区域和所述时间片组合对应的时空特征；
需求量预测子单元40032，用于根据所述时空特征，通过预先训练的订单需求量模型预测所述空间区域在所述时间片的订单需求量；
其中，所述时空特征包括：历史时空特征和实时时空特征。所述历史时空特征包括以下至少一个维度：按照时间片先后顺序排列的空间区域的历史需求量、历史天气、是否交通高峰、是否工作日、是周几；所述实时时空特征包括以下至少一个维度：所述时间片对应的预测天气、是否交通高峰、是否工作日、是周几。
可选的，所述待调度车辆包括以下任意一种：所有在线车辆、司机为全职司机的车辆；司机的订单匹配度得分大于预设阈值得分的车辆；司机为全职司机的车辆且司机的订单匹配度得分大于预设阈值得分的车辆。优选的，所述待调度车辆为：司机为全职司机，且司机的订单匹配度得分大于预设阈值得分的车辆。所述全职司机为服务质量、服务时长、接受派单模式中的任意一项或多项匹配预设要求的司机。
可选的，所述司机的订单匹配度得分根据预设司机特征进行预估，所述预设司机特征包括以下至少一项：司机接驾距离、预估司机接驾时间、司机接驾距离与订单行程距离的比值、预估司机接驾时间与预估订单行程时间的比值、司机的历史成单量和成单率。
本申请实施例公开的车辆调度装置，通过根据订单信息，确定所述订单的到达属性是否为热区热时，若所述到达属性为热区热时，则优先通过派单模式调度车辆；若所述到达属性非热区热时，则通过抢单模式调度车辆，解决了现有技术中的车辆调度方法存在的运力利用率低下的问题。通过对订单需求量较大的目的地，即接单难度低的目的地，施行先派单再抢单的调度模式，而对接单难度高的目的地施行抢单模式，避免接单车辆空驶返回，提高了整体运力利用效率。进一步的，对于派单模式，如果派单不成功，则进一步施行抢单模式，以提高订单成功率，进一步提高运力利用率。通过结合调度历史数据和司机特征确定派单的车辆范围，仅对匹配条件的司机进行派单，可以有效的提高派单成功率。
相应的，本申请还公开了一种电子设备，如图7所示，所示电子设备包括存储器700、处理器710及存储在所述存储器700上并可在处理器710上运行的计算机程序，所述处理器710执行所述计算机程序时实现如本申请实施例一和实施例二所述的车辆调度方法。存储器700可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器700具有存储空间701，所述存储空间701用于存储执行上述方法中的任何方法步骤的程序代码7011。例如，所述存储空间701可以包括分别用于实现上面的方法中的各种步骤的各个程序代码7011。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。本申请还公开了一种计算机可读存储介质，如图8所示，所述计算机可读存储介质800具有存储空间801，所述存储空间801上存储有计算机程序，该程序被处理器执行时实现如本申请实施例一和实施例二所述的车辆调度方法的步骤。所述计算机可读存储介质包括：诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器，还可以包括：诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请提供的一种车辆调度方法及装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
Claims (8)
1.一种车辆调度方法，其特征在于，包括：
根据订单信息，确定所述订单的到达属性是否为热区热时；
若所述到达属性为热区热时，则优先通过派单模式调度车辆；
若所述到达属性非热区热时，则通过抢单模式调度车辆；
所述根据订单信息，确定所述订单的到达属性是否为热区热时的步骤，包括：
根据订单信息确定所述订单的目的地所处空间区域；
根据订单信息确定待调度车辆到达所述订单的目的地时的时间片；
预测所述空间区域在所述时间片的订单需求量；
若所述订单需求量大于预设阈值需求量，则确定所述订单的到达属性为热区热时；否则，确定所述订单的到达属性非热区热时；
其中，所述预测所述空间区域在所述时间片的订单需求量的步骤，包括：
提取所述空间区域和所述时间片组合对应的时空特征；
根据所述时空特征，通过预先训练的订单需求量模型预测所述空间区域在所述时间片的订单需求量；
其中，所述时空特征包括历史时空特征和实时时空特征；所述历史时空特征为从车辆调度历史数据中提取的目的地所处空间区域和到达该目的地的时间片相关的特征，包括以下至少一个维度：按照时间片先后顺序排列的空间区域的历史需求量、历史天气、是否交通高峰、是否工作日、是周几；所述实时时空特征为预估的与到达所述订单的目的地的时间相关的特征，包括以下至少一个维度：所述时间片对应的预测天气、是否交通高峰、是否工作日、是周几。
2.根据权利要求1所述的方法，其特征在于，所述若所述到达属性为热区热时，则优先通过派单模式调度车辆的步骤，包括：
获取距离所述订单的出发地预设范围内的待调度车辆；
判断是否存在所述待调度车辆；
若存在所述待调度车辆，则依次调度所述待调度车辆；
若不存在所述待调度车辆，则通过抢单模式调度车辆。
3.根据权利要求2所述的方法，其特征在于，所述依次调度所述待调度车辆的步骤之后，还包括：
若调度所述待调度车辆失败，则通过抢单模式调度车辆。
4.根据权利要求2或3所述的方法，其特征在于，所述待调度车辆包括以下任意一种：
所有在线车辆；
司机为全职司机的车辆；
司机的订单匹配度得分大于预设阈值得分的车辆；
司机为全职司机的车辆且司机的订单匹配度得分大于预设阈值得分的车辆。
5.根据权利要求1所述的方法，其特征在于，所述根据订单信息确定待调度车辆到达所述订单的目的地时的时间片的步骤，包括：
根据订单信息，预估订单行程时长；
根据车辆调度历史数据预估调度时长和待调度车辆的接驾时长；
将所述订单的下单时间与所述预估订单行程时长、所述调度时长和待调度车辆的接驾时长的和，作为到达目的地的预估时间；
基于预先划分的时间片，将所述预估时间对应的时间片，确定为待调度车辆到达所述订单的目的地时的时间片。
6.一种车辆调度装置，其特征在于，包括：
热区热时确定模块，用于根据订单信息，确定所述订单的到达属性是否为热区热时；
第一判断调度模块，用于若所述热区热时确定模块确定所述到达属性为热区热时，则优先通过派单模式调度车辆；
第二判断调度模块，用于若所述热区热时确定模块确定所述到达属性非热区热时，则通过抢单模式调度车辆；
其中，所述热区热时确定模块进一步包括：
空间区域确定单元，用于根据订单信息确定所述订单的目的地所处空间区域；
时间片确定单元，用于根据订单信息确定待调度车辆到达所述订单的目的地时的时间片；
订单需求量预测单元，用于预测所述空间区域在所述时间片的订单需求量；
判断确定单元，用于若所述订单需求量大于预设阈值需求量，则确定所述订单的到达属性为热区热时；否则，确定所述订单的到达属性非热区热时；
其中，所述时空特征包括历史时空特征和实时时空特征；所述历史时空特征为从车辆调度历史数据中提取的目的地所处空间区域和到达该目的地的时间片相关的特征，包括以下至少一个维度：按照时间片先后顺序排列的空间区域的历史需求量、历史天气、是否交通高峰、是否工作日、是周几；所述实时时空特征为预估的与到达所述订单的目的地的时间相关的特征，包括以下至少一个维度：所述时间片对应的预测天气、是否交通高峰、是否工作日、是周几。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任意一项权利要求所述的车辆调度方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至5任意一项所述的车辆调度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710382102.8A CN107341553B (zh) | 2017-05-26 | 2017-05-26 | 一种车辆调度方法及装置，电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710382102.8A CN107341553B (zh) | 2017-05-26 | 2017-05-26 | 一种车辆调度方法及装置，电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107341553A CN107341553A (zh) | 2017-11-10 |
| CN107341553B true CN107341553B (zh) | 2019-07-12 |
Family
ID=60220338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710382102.8A Active CN107341553B (zh) | 2017-05-26 | 2017-05-26 | 一种车辆调度方法及装置，电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107341553B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108494861A (zh) * | 2018-03-28 | 2018-09-04 | 北京三快在线科技有限公司 | 用于服务资源调配的方法、装置及电子设备 |
| CN108280614A (zh) * | 2018-04-24 | 2018-07-13 | 丹阳飓风物流股份有限公司 | 智能调度系统 |
| CN108596484A (zh) * | 2018-04-24 | 2018-09-28 | 徐漫洋 | 一种基于网点属性分析的共享汽车调度方法和系统 |
| CN109034455B (zh) * | 2018-06-28 | 2024-06-07 | 清华大学 | 用车调度方法、系统、服务器及计算机可读存储介质 |
| 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 |
| CN110490501B (zh) * | 2018-09-18 | 2022-04-26 | 北京京东振世信息技术有限公司 | 一种运力状态管理方法和装置 |
| CN110969497A (zh) * | 2018-09-28 | 2020-04-07 | 北京嘀嘀无限科技发展有限公司 | 订单处理方法、装置、设备与计算机可读存储介质 |
| CN109377023A (zh) * | 2018-09-28 | 2019-02-22 | 北京三快在线科技有限公司 | 订单的分配方法、装置及电子设备 |
| CN109598401B (zh) * | 2018-10-17 | 2023-11-28 | 顺丰科技有限公司 | 车辆调度方法、装置、设备及其存储介质 |
| CN111353676B (zh) * | 2018-12-24 | 2022-09-09 | 北京嘀嘀无限科技发展有限公司 | 订单分配方法、系统、计算机设备和计算机可读存储介质 |
| CN109740938A (zh) * | 2019-01-04 | 2019-05-10 | 杭州卓凯科技有限公司 | 基于订单分布密度的网约货运汽车平台运力调度系统及方法 |
| CN109887268B (zh) * | 2019-03-27 | 2022-01-25 | 腾讯科技（深圳）有限公司 | 车辆调度方法、装置及存储介质 |
| CN110246329A (zh) * | 2019-04-07 | 2019-09-17 | 武汉理工大学 | 一种出租车载客数量预测方法 |
| CN111950832A (zh) * | 2019-05-17 | 2020-11-17 | 拉扎斯网络科技（上海）有限公司 | 调度方法、装置、服务器、服务器集群和存储介质 |
| CN111027811A (zh) * | 2019-11-18 | 2020-04-17 | 上海钧正网络科技有限公司 | 基于难度系数的车辆工单管理和评价方法、装置、终端、介质 |
| CN112949967B (zh) * | 2019-11-26 | 2023-08-18 | Jvc建伍株式会社 | 车辆调度处理装置、车辆调度方法和车辆调度程序 |
| CN111047859A (zh) * | 2019-11-28 | 2020-04-21 | 刘宏隆 | 一种无人驾驶出租车运营方法 |
| CN111582590B (zh) * | 2020-05-12 | 2021-12-21 | 上海乐享似锦科技股份有限公司 | 一种调度预测方法、装置、设备及存储介质 |
| CN111882186B (zh) * | 2020-07-15 | 2022-04-26 | 赛可智能科技(上海)有限公司 | 出行订单分配方法及装置 |
| CN112017009A (zh) * | 2020-08-31 | 2020-12-01 | 北京百度网讯科技有限公司 | 订单处理方法、装置、电子设备和可读存储介质 |
| CN112257936B (zh) * | 2020-10-27 | 2022-06-07 | 南京领行科技股份有限公司 | 一种接单区域的推荐方法、装置、电子设备及存储介质 |
| CN113065921A (zh) * | 2021-04-13 | 2021-07-02 | 上海钧正网络科技有限公司 | 出行订单分配和发起方法、装置、终端及存储介质 |
| CN114898544A (zh) * | 2022-04-29 | 2022-08-12 | 熊赵军 | 一种基于网络的交通接驳方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139228A (zh) * | 2015-08-20 | 2015-12-09 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法及装置 |
| CN106373387A (zh) * | 2016-10-25 | 2017-02-01 | 先锋智道（北京）科技有限公司 | 一种车辆调度方法、装置及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103218769A (zh) * | 2013-03-19 | 2013-07-24 | 王兴健 | 出租车订单分配方法 |
-
2017
- 2017-05-26 CN CN201710382102.8A patent/CN107341553B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105139228A (zh) * | 2015-08-20 | 2015-12-09 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法及装置 |
| CN106373387A (zh) * | 2016-10-25 | 2017-02-01 | 先锋智道（北京）科技有限公司 | 一种车辆调度方法、装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107341553A (zh) | 2017-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107341553B (zh) | 一种车辆调度方法及装置，电子设备 | |
| US11062415B2 (en) | Systems and methods for allocating networked vehicle resources in priority environments | |
| Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
| CN103177575B (zh) | 城区出租车动态在线调度优化系统及其方法 | |
| CN107103383A (zh) | 一种基于打车热点的动态拼车调度方法 | |
| CN109673165A (zh) | 用于调度车辆的系统和方法 | |
| CN110869953A (zh) | 推荐交通出行服务的系统和方法 | |
| GB2535718A (en) | Resource management | |
| CN110998568A (zh) | 寻觅乘客的可搭载车辆的导航确定系统和方法 | |
| CN111553530B (zh) | 一种城际网约车包车出行运力预测与出行推荐方法及系统 | |
| CN109118752A (zh) | 信息处理方法、信息处理系统以及程序 | |
| CN110118567A (zh) | 出行方式推荐方法及装置 | |
| CN108596484A (zh) | 一种基于网点属性分析的共享汽车调度方法和系统 | |
| CN113672846A (zh) | 网约车调度方法、装置、电子设备及存储介质 | |
| CN110020215A (zh) | 找单推荐信息的推送方法及装置、电子设备 | |
| CN115130779A (zh) | 一种基于移动充电桩的智能调度方法 | |
| CN116324838A (zh) | 用于通过叫车平台调度共享乘车的系统和方法 | |
| CN113085638B (zh) | 共享充电方法及系统 | |
| CN110657817A (zh) | 行程路线的推荐方法及装置 | |
| CN111626801A (zh) | 一种订单派发方法、装置、电子设备和计算机存储介质 | |
| CN114925911A (zh) | 一种基于无人驾驶公交车精准客流预测的自适应动态排班方法及系统 | |
| CN111738646A (zh) | 配送安排系统以及配送安排方法 | |
| CN113129102B (zh) | 一种延迟派单方法、装置、电子设备及存储介质 | |
| Martínez-Estupiñan et al. | Improving the performance of headway control tools by using individual driving speed data | |
| CN114493236A (zh) | 服务车辆分派方法、装置、设备、介质及程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |