CN108288101A - 基于拍卖机制的网约车预约服务车辆资源分配和定价方法 - Google Patents
基于拍卖机制的网约车预约服务车辆资源分配和定价方法 Download PDFInfo
- Publication number
- CN108288101A CN108288101A CN201810360967.9A CN201810360967A CN108288101A CN 108288101 A CN108288101 A CN 108288101A CN 201810360967 A CN201810360967 A CN 201810360967A CN 108288101 A CN108288101 A CN 108288101A
- Authority
- CN
- China
- Prior art keywords
- user
- node
- vehicle
- indicate
- time
- 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.)
- Granted
Links
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
- G06Q30/08—Auctions
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于拍卖机制的网约车预约服务车辆资源分配和定价方法,网约车平台发布车辆使用信息,用户提交预约信息对车辆进行竞价,网约车平台对用户预约信息进行汇总,根据用户预约信息构建相关矩阵,基于矩阵构建车辆资源分配的图模型,求解得到车辆分配方案,再求解每个用户的支付价格。本发明通过拍卖方式实现动态的价格机制,提高车辆利用率及收益,并满足更多用户的用车需求,降低用户的车辆使用成本。
Description
技术领域
本发明属于网约车技术领域,更为具体地讲,涉及一种基于拍卖机制的网约车预约服务车辆资源分配和定价方法。
背景技术
共享经济模式已经对人们的生活方式产生巨大影响,例如网约车、共享教育、共享医疗,其主要特征是整合闲置资源,按需提供给用户使用。其中,网约车模式就是共享经济的典型应用。在中国,共享汽车的市场巨大,据《2017年中国互联出行白皮书分析报告》统计,以滴滴、神州、优步为代表的网约车企业年收入总额已达千亿元。
目前网约车经济模式中,都是采用定价的方式,在市场发展的初期,这种方式的确简洁高效,但随着市场的扩大,弊端也逐渐出现。一般来说,市场网约车的保有量是固定的,但是市场需求随时间变化很大,这样会造成车辆资源的冗余,例如上下班高峰期用车人数很多,但是其余时间用车人数很少,在这种情况下,如果都采用固定的价格使用车辆,会损害用户积极并影响到最终收益和利润。而动态价格能够让用户支付价格随市场供需情况而定,更加适应目前的情况,基于拍卖机制的定价方式就是动态价格中的一种。
拍卖机制下网约车服务模式与传统网约车服务模式最大的区别在于传统服务模式下的车辆使用价格是车辆提供商采用定价方式给出,最终支付价格通过车辆行驶时间以及行驶路程,结合固定单价综合计算得出,但固定的单价会导致高峰期无车可座,而平时无人打车,主要原因在于价格没有随市场供需情况变动,目前虽然有一些车辆提供商可以动态的调整价格,但是定价的决定权还是掌握在车辆提供商手中,并不是正真意义上的动态。而在拍卖机制中,用户可以通过综合考虑自己的行程并提交一个意愿估值,车辆提供商通过搜集用户需求及估值来决定服务哪些用户,实现了真正意义上的动态价格。
目前网约车服务模式中,预约服务模式是其中一种主要类型,此服务模式下,用户需要提前一段时间预约车辆,系统会指派合适的车辆在用户预约的时间到达,目前这网约车预约服务模式采用定价机制,相比其他公共交通方式,价格要高出很多,降低了用户的积极性,也容易造成车辆闲置,资源浪费。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于拍卖机制的网约车预约服务车辆资源分配和定价方法,通过拍卖方式实现动态的价格机制,提高车辆利用率及收益,并满足更多用户的用车需求,降低用户的车辆使用成本。
为实现上述发明目的,本发明基于拍卖机制的网约车预约服务车辆资源分配和定价方法包括以下步骤:
S1:网约车平台发布其在预设时间段T内的闲置车辆信息,记闲置车辆数量为M,记闲置车辆的单位时间成本为tc,闲置车辆的单位距离成本为dc,每辆闲置车辆的初始位置记为posk,k=1,2,…,M;
S2:用户查看时间段T内的闲置车辆信息,根据自身需求预约车辆,向网约车平台提交预约信息,包括上车时间、上车地点、下车地点以及对此次行程的竞价;
S3:网约车平台对所有的用户预约信息进行汇总,然后对于每个用户,计算其上车地点到下车地点的车辆运行时间和车辆运行距离;将用户按照上车时间升序排列,将用户i的预约信息记为θi=(si,srci,dsti,ei,di,bi),其中si表示第i个用户的上车时间,srci表示用户i的上车地点,dsti表示用户i的下车地点,ei表示用户i的上车地点与下车地点之间的车辆运行时间,di表示用户i的上车地点与下车地点之间的车辆运行距离,bi表示用户i对此次行程的竞价,i=1,2,…,N,N表示用户数量;
S4:根据用户预约信息,构建得到以下四个矩阵:
N阶的用户时间间隔矩阵UT:
其中,utii′表示从用户i的下车地点到用户i′的上车地点所需要的时间,i,i′=1,2,…,N;当用户i的上车时间晚于等于用户i′的上车时间,令utii′=+∞;
N阶的用户距离间隔矩阵UD:
其中,udii′表示从用户i的下车地点到用户i′的上车地点之间的距离,当用户i的上车时间晚于等于用户i′的上车时间,令udii′=+∞;
M×N的车辆与用户的时间间隔矩阵CT:
其中,ctki表示从车辆k的初始位置posk到用户i的上车地点所需要的时间;
M×N的车辆与用户的距离间隔矩阵CD:
其中,cdki表示从车辆k的初始位置posk到用户i的上车地点之间的距离;
S5:根据步骤S4中的矩阵采用以下方法构建车辆资源分配的图模型:
构造用户子图G(VU,EU),其中VU表示用户节点集合,其元素vui表示用户i对应的节点,用户节点vui所包含的信息为用户预约信息θi=(si,srci,dsti,ei,di,bi);EU表示两个用户节点之间的边的集合,若用户i的行程结束时刻加上车辆从用户i下车地点到用户j上车地点所需时间早于等于用户j的上车时刻,则在边集合EU中加入用户节点vui到vuj的边euij,边euij包含的信息为用户i的下车地点到用户j的上车地点所需时间和路程信息,即euij=(utij,udij),否则不作任何操作;
然后在用户子图G(VU,EU)中加入车辆节点及相应的边,构成完整的图模型G(VU,EU,VC,EC),其中VC表示车辆节点集合,其元素vck表示车辆k对应的节点;EC表示起点在车辆、终点在用户的边的集合,对VC中任意一个车辆节点vck添加N条边分别连接到VU集合中N个用户节点vui,得到N条边将其加入边集合EC,边包含的信息为车辆k从初始位置posk赶到用户i上车地点所需的时间和路程信息,即
S6:根据步骤S5得到的图模型,以及车辆的单位时间成本tc和单位距离成本为dc,求得起点分别为各个车辆节点vck的M条最优路径,每条最优路径上所包含的用户节点表示对应的车辆节点vck按顺序服务的用户,这M条最优路径需要满足以下条件:M条路径没有公共节点,且这M条路径需要经过尽可能多的用户节点,且根据这M条路径所得到的整体收益最大;根据所求得的M条路径,即可得到车辆资源分配方案,每条最优路径上所包含的用户节点表示对应的车辆节点vck按顺序服务的用户;
S7:根据步骤S6得到的车辆资源分配方案,求解每个用户的支付价格。
本发明基于拍卖机制的网约车预约服务车辆资源分配和定价方法,网约车平台发布车辆使用信息,用户提交预约信息对车辆进行竞价,网约车平台对用户预约信息进行汇总,根据用户预约信息构建相关矩阵,基于矩阵构建车辆资源分配的图模型,求解得到车辆分配方案,再求解每个用户的支付价格。本发明通过拍卖方式实现动态的价格机制,提高车辆利用率及收益,并满足更多用户的用车需求,降低用户的车辆使用成本。
附图说明
图1是本发明基于拍卖机制的网约车预约服务车辆资源分配和定价方法的具体实施方式流程图;
图2是本实施例中车辆资源分配图模型的示例图;
图3是图2所示车辆资源分配图模型的最优路径示意图;
图4是本实施例中基于最小费用路径的最优路径求解算法的流程图;
图5是图2所示车辆资源分配图模型扩展得到的图模型;
图6是图5所示图模型中车辆1对应的子图;
图7是图6所示子图进行边赋权后的子图;
图8是本实施例中最小费用路径搜索方法的流程图;
图9是图7所示子图的实例化子图;
图10是图9所示子图搜索得到的最小费用路径图;
图11是图5所示图模型根据图10所示路径更新后的图模型;
图12是本发明中基于二分法的定价算法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明基于拍卖机制的网约车预约服务车辆资源分配和定价方法的具体实施方式流程图。如图1所示,本发明基于拍卖机制的网约车预约服务车辆资源分配和定价方法的具体步骤包括:
S101:发布闲置车辆信息:
网约车平台发布其在预设时间段T内的闲置车辆信息,记闲置车辆数量为M,记闲置车辆的单位时间成本为tc,闲置车辆的单位距离成本为dc,每辆闲置车辆的初始位置记为posk,k=1,2,…,M。
S102:用户预约车辆:
用户查看时间段T内的闲置车辆信息,根据自身需求预约车辆,向网约车平台提交预约信息,包括上车时间、上车地点、下车地点以及对此次行程的竞价。
S103:用户预约信息汇总:
网约车平台对所有的用户预约信息进行汇总,然后对于每个用户,计算其上车地点到下车地点的车辆运行时间和车辆运行距离,由于本发明涉及的是预约用车,无法准确得知确切的行驶情况,所以预设车辆都是匀速行驶。将用户按照上车时间升序排列,将用户i的预约信息记为θi=(si,srci,dsti,ei,di,bi),其中si表示第i个用户的上车时间,srci表示用户i的上车地点,dsti表示用户i的下车地点,ei表示用户i的上车地点与下车地点之间的车辆运行时间,di表示用户i的上车地点与下车地点之间的车辆运行距离,bi表示用户i对此次行程的竞价,i=1,2,…,N,N表示用户数量。
S104:构造用户预约信息相关矩阵:
本发明中,为了尽量提高车辆资源的利用率,进行了以下假设:
1.一辆车在时间不冲突的情况下可以为多位用户服务;
2.车辆必须在用户预约的用车时刻准点到达;
3.车辆服务第一位乘客时,是从车辆初始位置出发,前往第一位乘客的始发地;
4.车辆在结束完上一位用户的旅程后,若离下一位用户的用车时刻还有富余的时间,车辆停止在当前位置,停止时不产生任何费用,到达车辆最晚出发时刻时,车辆会从上一位用户结束地点出发赶往下一位用户出发地点。
为了使车辆资源分配结果满足以上假设,因此根据用户预约信息,构建得到四个矩阵:
N阶的用户时间间隔矩阵UT:
其中,utii′表示从用户i的下车地点到用户i′的上车地点所需要的时间,i,i′=1,2,…,N。本发明中,是按照用户的上车时间进行车辆分配的,即同一辆车在服务不同用户时,是按照上车时间的顺序实施的,因此当用户i的上车时间晚于等于用户i′的上车时间,令utii′=+∞。在实际应用时,+∞设置为绝对大值。
N阶的用户距离间隔矩阵UD:
其中,udii′表示从用户i的下车地点到用户i′的上车地点之间的距离,类似地,当用户i的上车时间晚于等于用户i′的上车时间,令udii′=+∞。
对于每辆车而言,去接第一个用户时,是从车辆初始位置行驶到第一位用户的上车地点,基于此,构建M×N的车辆与用户的时间间隔矩阵CT:
其中,ctki表示从车辆k的初始位置posk到用户i的上车地点所需要的时间,k=1,2,…,M;
构建M×N的车辆与用户的距离间隔矩阵CD:
其中,cdki表示从车辆k的初始位置posk到用户i的上车地点之间的距离。
本实施例中,假设预设时间段T内闲置车辆包括车辆1和车辆2,其初始位置分别记为pos1和pos2,对预设时间段T内的闲置车辆进行预约的用户包括用户1,2,3,每个用户提交的预约信息分别为θ1=(1,src1,dst1,3,8,30)、θ2=(6,src2,dst2,6,10,40)、θ3=(10,src3,dst3,5,12,50),其中每个车辆的初始位置posk以及用户上车地点srci和下车地点dsti保存的是地图上的经纬度信息。
根据用户预约信息构建的四个矩阵如下:
用户时间间隔矩阵
用户距离间隔矩阵
车辆与用户的时间间隔矩阵
车辆与用户的距离间隔矩阵
S105:构建车辆资源分配图模型:
接下来根据步骤S104中生成的矩阵构建车辆资源分配图模型,分两步构建,首先构造用户子图G(VU,EU),G(VU,EU)是有向无环图,其中VU(vertex of users)表示用户节点集合,其元素vui表示用户i对应的节点,用户节点vui所包含的信息为用户预约信息θi=(si,srci,dsti,ei,di,bi);EU(edge between users)表示两个用户节点之间的边的集合,若用户i的行程结束时刻加上车辆从用户i下车地点到用户j上车地点所需时间早于等于用户j的上车时刻,则在边集合EU中加入用户节点vui到vuj的边euij,边euij包含的信息为用户i的下车地点到用户j的上车地点所需时间和路程信息,即euij=(utij,udij),否则不作任何操作。
然后在用户子图G(VU,EU)中加入车辆节点及相应的边,构成完整的图模型G(VU,EU,VC,EC),G(VU,EU,VC,EC)也是有向无环图。其中VC(vertex of cars)表示车辆节点集合,其元素vck表示车辆k对应的节点;EC(edge between cars and users)表示起点在车辆、终点在用户的边的集合,对VC中任意一个车辆节点vck添加N条边分别连接到VU集合中N个用户节点vui,得到N条边将其加入集合EC,边代表的是车辆k服务的第一个用户是用户i,其包含的信息为车辆k从初始位置posk赶到用户i上车地点所需的时间和路程信息,即
图2是本实施例中车辆资源分配图模型的示例图。如图2所示,由于用户2的行程结束时刻为12,大于用户3的上车时间10,因此图2中用户节点vu2到用户节点vu3之间没有有向边。
S106:车辆资源分配:
根据步骤S105得到的车辆资源分配图模型,以及车辆的单位时间成本tc和单位距离成本为dc,求得起点分别为各个车辆节点vck的M条最优路径,这M条最优路径需要满足以下条件:M条最优路径没有公共节点,且这M条最优路径需要经过尽可能多的用户节点,且根据这M条最优路径所得到的整体收益最大;根据所求得的M条路径,即可得到车辆资源分配方案,每条最优路径上所包含的用户节点表示对应的车辆节点vck按顺序服务的用户。
基于上述说明,可以构建得到如下基于图模型的车辆资源分配模型:
定义集合Pk为车辆资源分配图模型中车辆k所有可能路径的集合其中Rk表示车辆k的可能路径数量。
定义为第r条以车辆节点vck为起始的路径,r=1,2,...,Rk,包含的各个顶点序列为其中vukd表示路径中第d个用户节点,d=1,2,...,Dr,Dr表示路径中用户节点数量。定义为路径中所包含的顶点集合定义函数为路径上的收益;当选中路径作为最优路径,其对应标识否则
基于以上定义,所求收益最大化的表达式可以表示为:
(a)表明任意两条选中的最优路径中没有节点重复;(b)表示对于车辆k来说,最多有一条路径被选中;(c)表示车辆k的第r条路径只能有选中或者没有选中两种情况。
由于在实际分配中无法得知同一车辆是否可以服务所有用户,所以对于以上最优路径的求解可以采用Brute-force算法(穷举算法)来计算,即遍历所有车辆的所有可能路径,并找出其中可以使得收益最大的节点不交的路径组合。本实施例中定义收益为用户的竞价减去相应车辆运行成本,假设车辆单位时间运行成本和单位距离运行成本均为1,采用Brute-force算法求得两条最优路径。图3是图2所示车辆资源分配图模型的最优路径示意图。如图3所示,这两条最优路径分别为vc1→vu1→vu3、vc2→vu2,即车辆资源分配的最优方案为车辆1依次服务用户1和用户3,车辆2服务用户2。由此可以计算车辆1的收益pc1为:
pc1=b1+b3-1·(ct11+cd11)-1·(e1+l1)-1·(ut13+ud13)-1·(e3+l3)
=30+50-(4+5)-(3+8)-(3+2)-(5+12)=38
车辆2的收益pc2为:
pc2=b2-1·(ct22+cd22)-1·(e2+l2)=40-(4+5)-(6+10)=15
可知系统的总收益为38+15=53。
以上方法虽然理论上可行,但是其计算复杂度为O(M·N!),在实际应用中需要更高效率的算法。因此,针对车辆资源分配问题,本实施例中提出了基于最小费用路径的最优路径求解算法。图4是本实施例中基于最小费用路径的最优路径求解算法的流程图。如图4所示,本实施例中基于最小费用路径的最优路径求解算法的具体步骤包括:
S401:车辆资源分配图模型扩展:
基于最小费用路径的静态车辆资源分配算法是一种静态的分配算法,即通过搜集所有用户的行程信息后进行车辆资源分配。在分配算法中不仅需要考虑到用户起始结束行程的地点和时间,还需要考虑到车辆位置以及去接用户所耗费的时间和路程,所以不能直接使用最小费用路径算法,还需要先对车辆资源分配图模型进行一些适应性修改,即在车辆资源分配图模型的基础上进行如下扩展:
添加虚拟的起点A和终点B;起点A分别与车辆节点集合VC内的所有节点连接;将用户节点集合VU内的每个用户节点vui分为两个节点:用户行程开始节点和用户行程结束节点并从用户行程开始节点添加一条有向边连接到用户行程结束节点原所有进入用户节点vui的边改为进入用户行程开始节点原所有离开用户节点vui的边改为从用户行程结束节点离开,为用户行程开始节点到用户行程结束节点的边添加信息(ei,di,bi);将用户i的上车时间si添加到用户节点上;将所有节点添加一条边连接到终点B。
图5是图2所示车辆资源分配图模型扩展得到的图模型。如图5所示,添加了虚拟的起点A和终点B,每个用户节点都被划分成了两个节点。
S402:初始化参数:
初始化车辆节点集合C=VC,用户节点集合U=VU,总收益P=0,最优路径集合
S403:获取车辆节点子图:
对于车辆节点集合C中的每个车辆节点,以A点为起点寻找以该车辆节点发出的边构成的子图。图6是图5所示图模型中车辆1对应的子图。
S404:为每个子图的边赋权:
对于步骤S303得到的每个子图,为子图每一条边赋予权重(τ,ω),τ表示边的起始节点到终止节点的车辆运行时间,ω表示边的起始节点到终止节点的费用,可根据运行时间及运行距离来计算。主要分为以下几种情况:
1)对于车辆节点vck到用户行程开始节点的边,令其权重为(ctki,ctki·tc+cdki·dc),ctki表示车辆k从初始位置posk到用户i的上车地点srci所需要耗费的时间,cdki表示车辆k从初始位置posk到用户i的上车地点srci的距离,ctki·tc+cdki·dc表示这段路程相应的费用。
2)对于用户行程开始节点到用户行程结束节点的边,令其权重为(ei,ei·tc+di·dc-bi),其中ei表示用户i的上车地点与下车地点之间的车辆运行时间,,di表示用户i的上车地点与下车地点之间的车辆运行距离,ei·tc+di·dc-bi表示用户i的上车地点与下车地点所需要的费用。
3)对于用户行程结束节点到用户行程开始节点的边,令其权重为(utij,utij·tc+udij·dc),其中utij表示从用户i的下车地点到用户j的上车地点的车辆运行时间,udij表示从用户i的下车地点到用户j的上车地点之间的距离,utij·tc+udij·dc表示这段路程相应的费用。
4)对于从起点A发出的边以及连接到终点B的边,令其权重为(0,0)。
图7是图6所示子图进行边赋权后的子图。接下来需要基于每个子图,进行最小费用路径的搜索。
S405:搜索每个子图的最小费用路径:
分别搜索每个子图中的最小费用路径,其具体算法可以根据需要来设置。本实施例中所采用的最小费用路径搜索方法是在Dijkstra(迪杰斯特拉)算法的基础上进行改进得到的,以使其能够适应带有负权的边。该费用最小路径搜索方法的算法思想是设G=(V,E)为一个带权有向无环图,记起点为A,终点为B,V表示节点集合,E为边的集合。定义x,y∈V,若节点x、y之间有边连接,那么定义τ(x,y)表示边运行时间,ω(x,y)表示边费用。对于图中每一个节点x,用标记法记录从起点A到节点x最小费用路径记录集合。节点x的标记记为Lablex=(prevx,tx,cx),其中prevx表示到达节点x的最小费用路径的上一个节点,用于回溯,tx、cx表示路径记录中到达节点x的时间和费用。从起点A出发,采用标记法对图中每一个点进行记录。待所有节点处理完毕后,选择终点B的最小费用记录,采用回朔法查找最小路径。
图8是本实施例中最小费用路径搜索方法的流程图。如图8所示,本实施例中最小费用路径搜索方法的具体步骤包括:
S801:初始化起点标记:
初始化起点A的标记LableA=(0,0,0)。
S802:选择一个入度为0的节点:
在子图中选择一个入度为0的节点,记为x。
S803:更新相邻节点标记:
更新节点x每个相邻节点的标记,更新标记的具体方法为:
记相邻节点为y,节点x的标记为Lablex=(prevx,tx,cx),prevx表示到达节点x的最小费用路径的上一个节点,tx、cx表示最小费用路径中到达节点x的时间和费用,节点x到节点y的边的权重为(τ(x,y),ω(x,y));
如果节点x为车辆节点,则令节点y根据节点x更新得到的标记其中如果节点x不为车辆节点,则进一步判断节点y是否存在对应的上车时间sy,如果是,则继续判断是否sy≥tx+τ(x,y),如果是,则令节点y根据节点x更新得到的标记其中如果sy<tx+τ(x,y),则说明车辆不能及时赶到,则节点x的记录不会更新至节点y;如果节点y不存在对应的上车时间sy,则令节点y根据节点x更新得到的标记其中
判断节点y是否已经存在标记Labley=(prevy,ty,cy),如果不存在,则令否则进一步判断是否如果是,则令否则不作任何操作。
S804:更新子图:
删除节点x及其对应的边。
S805:判断当前子图中是否仅剩下终点B,如果是,进入步骤S805,否则返回步骤S802。
S806:回溯得到最小费用路径:
从终点B开始,根据节点的标记回溯得到最小费用路径,终点B标记中的费用即为最小费用路径中对应的费用。
为了对最小费用路径的搜索方法进行示例说明,根据本实施例中的数据计算图7所示子图的各项公式的具体数值。图9是图7所示子图的实例化子图。接下来对该子图采用本实施例中的最小费用路径搜索方法搜索其最小费用路径。
1)首先选择入度为0的节点,即起点A,标记LableA=(0,0,0),其相邻节点为vc1。
由于起点A不是车辆节点,需要判断节点vc1是否存在上车时间,显然节点vc1不存在对应的上车时间,因此根据起点A更新得到标记节点vc1尚不存在标记,因此令节点vc1的标记为
删除起点A及其关联的边。
2)此时入度为0的节点为节点vc1,标记其相邻节点为
由于节点vc1是车辆节点,因此无需判断相邻节点是否存在上车时间。对于节点根据节点vc1更新得到的标记节点尚不存在标记,因此令节点的标记为
对于节点根据节点vc1更新得到的标记节点尚不存在标记,因此令节点的标记为
对于节点根据节点vc1更新得到的标记节点尚不存在标记,因此令节点的标记为
删除节点vc1及与其关联的边。
3)此时入度为0的节点为节点标记其相邻节点为
由于节点不是车辆节点,需要判断节点是否存在上车时间。
对于节点不存在上车时间,因此根据节点更新得到的标记节点尚不存在标记,因此令节点的标记为
删除节点及与其关联的边。
4)此时入度为0的节点为节点标记其相邻节点为和B。
由于节点不是车辆节点,需要判断节点和B是否存在上车时间。
对于节点其上车时间为6,等于4+2,因此根据节点更新得到的标记此时节点已存在标记费用-5<14,因此令
对于节点其上车时间为10,大于4+3,因此根据节点更新得到的标记此时节点已存在标记费用-5<8,因此令
对于节点B,不存在上车时间,因此根据节点更新得到的标记此时节点B尚不存在标记,因此令
删除节点及与其关联的边。
5)此时入度为0的节点为节点和选择节点标记其相邻节点为
由于节点不是车辆节点,需要判断节点是否存在上车时间。
对于节点不存在上车时间,因此根据节点更新得到的标记此时节点尚不存在标记,因此令
删除节点及与其关联的边。
6)此时入度为0的节点为节点和选择节点标记其相邻节点为B。
由于节点不是车辆节点,需要判断节点B是否存在上车时间。
对于节点B,不存在上车时间,因此根据节点更新得到的标记此时节点B已存在标记费用-29<-10,因此令
删除节点及与其关联的边。
7)此时入度为0的节点为节点标记其相邻节点为
由于节点不是车辆节点,需要判断节点是否存在上车时间。
对于节点不存在上车时间,因此根据节点更新得到的标记此时节点尚不存在标记因此令
删除节点及与其关联的边。
8)此时入度为0的节点为节点标记其相邻节点为B。
由于节点不是车辆节点,需要判断节点B是否存在上车时间。
对于节点B,不存在上车时间,因此根据节点更新得到的标记此时节点B已存在标记费用-38<-29,因此令
删除节点及与其关联的边。
9)此时仅余终点B,因此最小费用路径搜索结束。从终点B开始,根据节点的标记回溯得到最小费用路径,查询终点B的标记为得知上一个节点为查询节点的标记为得知上一个节点为查询节点得的标记得知上一节点为查询节点的标记得知上一节点为查询节点的标记得知上一节点为起点A,可知最小费用路径为终点B标记中的费用-38即为最小费用路径中对应的费用。图10是图9所示子图搜索得到的最小费用路径图。
S406:选取最优路径:
从每个子图的最小费用路径中选取最小费用的路径,将其中用户对应的两个节点恢复成一个用户节点,将得到的路径作为对应车辆节点的最优路径加入最优路径集合MCP,将该最优路径的车辆节点从车辆节点集合C删除,将该最优路径上的用户节点从用户节点集合U删除,将该最优路径的车辆节点和用户节点从车辆资源分配图模型中删除,并删除相应的边,对车辆资源分配图模型进行更新。记该路径的费用为q,令总收益P=P-q。这是因为在车辆分配资源图模型中,每条边对应的费用为负,因此收益应当为费用的相反数。
假设图10中最小费用路径即为此时最小费用的路径,对用户节点进行恢复,即可得到路径A→vc1→vu1→vu3→B,该路径即为此时的最优路径,那么根据该路径对车辆资源分配图模型进行更新。图11是图5所示图模型根据图10所示路径更新后的图模型。
S407:判断是否车辆节点集合或用户节点集合如果不是,返回步骤S403,否则最优路径求取结束。
S107:计算支付价格:
支付价格计算是在车辆资源分配结果的基础上计算出每位用户需要支付的费用,可以基于VCG(Vickrey-Clark-Groves)机制设计最优支付算法,VCG机制的核心是用户i最后所需支付的价格和自己的出价没有关系,这样也就消除了用户企图使用虚假报价来不当得利的意图。VCG机制在最优分配的前提下已被证明为满足可信性的。基于VCG的最优支付算法模型如下:
其中,为第i位用户不参与的情况下时最大的收益,(V-bi+tc·ei+dc·di)为第i位用户参与时的最大收益减去用户i提供的收益,第i位用户需要支付的价格pi为两部分相减。在该最优支付算法中,因为要计算收益,所以需要多次调用分配算法来求解,计算复杂度为O(m·n·n!),计算时间不可预测,所以在实际中无法使用。因此本实施例提出了一种基于二分法的定价算法,来计算每个用户的支付价格。
图12是本发明中基于二分法的定价算法的流程图。如图12所示,本发明中基于二分法的定价算法的具体步骤包括:
S1201:获取已分配用户集合:
根据车辆资源分配方案,获取已分配用户集合Z;
S1202选取已分配用户:
从已分配用户集合Z中选取一个用户作为当前用户z。
S1203:初始化支付价格:
令用户z的支付价格pz=bz,支付价格最小值pz′=0,bz表示用户z的竞价。
S1204:更新用户竞价:
令用户z的竞价bz=(pz+pz′)/2。
S1205:判断是否|pz-pz′|>ε,ε表示预设阈值,如果是,进入步骤S1206,否则进入步骤S1208。
S1206:重新进行车辆资源分配:
按照用户z的当前竞价bz,其余参数不变,重新进行车辆资源分配,得到当前的车辆分配方案。
S1207:更新支付价格参数:
判断步骤S1206中得到的车辆分配方案中用户z以当前竞价bz的情况下是否可以被分配车辆资源使用,如果可以,令pz=bz、否则令pz′=bz、返回步骤S1205。
S1208:确定支付价格:
将pz作为用户z所需支付的价格,标识用户z已处理,从已分配用户集合Z删除。
S1209:判断已分配用户集合Z是否为空,如果是,支付价格计算结束,否则返回步骤S1202。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (4)
1.一种基于拍卖机制的网约车预约服务车辆资源分配和定价方法,其特征在于,包括以下步骤:
S1:网约车平台发布其在预设时间段T内的闲置车辆信息,记闲置车辆数量为M,记闲置车辆的单位时间成本为tc,闲置车辆的单位距离成本为dc,每辆闲置车辆的初始位置记为posk,k=1,2,…,M;
S2:用户查看时间段T内的闲置车辆信息,根据自身需求预约车辆,向网约车平台提交预约信息,包括上车时间、上车地点、下车地点以及对此次行程的竞价;
S3:网约车平台对所有的用户预约信息进行汇总,然后对于每个用户,计算其上车地点到下车地点的车辆运行时间和车辆运行距离;将用户按照上车时间升序排列,将用户i的预约信息记为θi=(si,srci,dsti,ei,di,bi),其中si表示第i个用户的上车时间,srci表示用户i的上车地点,dsti表示用户i的下车地点,ei表示用户i的上车地点与下车地点之间的车辆运行时间,di表示用户i的上车地点与下车地点之间的车辆运行距离,bi表示用户i对此次行程的竞价,i=1,2,…,N,N表示用户数量;
S4:根据用户预约信息,构建得到以下四个矩阵:
N阶的用户时间间隔矩阵UT:
其中,utii′表示从用户i的下车地点到用户i′的上车地点所需要的时间,i,i′=1,2,…,N;当用户i的上车时间晚于等于用户i′的上车时间,令utii′=+∞;
N阶的用户距离间隔矩阵UD:
其中,udii′表示从用户i的下车地点到用户i′的上车地点之间的距离,当用户i的上车时间晚于等于用户i′的上车时间,令udii′=+∞;
M×N的车辆与用户的时间间隔矩阵CT:
其中,ctki表示从车辆k的初始位置posk到用户i的上车地点所需要的时间;
M×N的车辆与用户的距离间隔矩阵CD:
其中,cdki表示从车辆k的初始位置posk到用户i的上车地点之间的距离;
S5:根据步骤S4中的矩阵采用以下方法构建车辆资源分配的图模型:
构造用户子图G(VU,EU),其中VU表示用户节点集合,其元素vui表示用户i对应的节点,用户节点vui所包含的信息为用户预约信息θi=(si,srci,dsti,ei,di,bi);EU表示两个用户节点之间的边的集合,若用户i的行程结束时刻加上车辆从用户i下车地点到用户j上车地点所需时间早于等于用户j的上车时刻,则在边集合EU中加入用户节点vui到vuj的边euij,边euij包含的信息为用户i的下车地点到用户j的上车地点所需时间和路程信息,即euij=(utij,udij),否则不作任何操作;
然后在用户子图G(VU,EU)中加入车辆节点及相应的边,构成完整的图模型G(VU,EU,VC,EC),其中VC表示车辆节点集合,其元素vck表示车辆k对应的节点;EC表示起点在车辆、终点在用户的边的集合,对VC中任意一个车辆节点vck添加N条边分别连接到VU集合中N个用户节点vui,得到N条边将其加入边集合EC,边包含的信息为车辆k从初始位置posk赶到用户i上车地点所需的时间和路程信息,即
S6:根据步骤S5得到的图模型,以及车辆的单位时间成本tc和单位距离成本为dc,求得起点分别为各个车辆节点vck的M条最优路径,每条最优路径上所包含的用户节点表示对应的车辆节点vck按顺序服务的用户,这M条最优路径需要满足以下条件:M条路径没有公共节点,且这M条路径需要经过尽可能多的用户节点,且根据这M条路径所得到的整体收益最大;根据所求得的M条路径,即可得到车辆资源分配方案,每条最优路径上所包含的用户节点表示对应的车辆节点vck按顺序服务的用户;
S7:根据步骤S6得到的车辆资源分配方案,求解每个用户的支付价格。
2.根据权利要求1所述的网约车预约服务车辆资源分配和定价方法,其特征在于,所述步骤S6中最优路径采用基于最小费用路径的最优路径求解算法获取,其具体步骤包括:
S6.1:在车辆资源分配图模型的基础上进行如下扩展:
添加虚拟的起点A和终点B;起点A分别与车辆节点集合VC内的所有节点连接;将用户节点集合VU内的每个用户节点vui分为两个节点:用户行程开始节点和用户行程结束节点并从用户行程开始节点添加一条有向边连接到用户行程结束节点原所有进入用户节点vui的边改为进入用户行程开始节点原所有离开用户节点vui的边改为从用户行程结束节点离开,为用户行程开始节点到用户行程结束节点的边添加信息(ei,di,bi);将用户i的上车时间si添加到用户节点上;将所有节点添加一条边连接到终点B;
S6.2:初始化车辆节点集合C=VC,用户节点集合U=VU,总收益P=0,最优路径集合
S6.3:对于车辆节点集合C中的每个车辆节点,以A点为起点寻找以该车辆节点发出的边构成的子图;
S6.4:对于步骤S6.3得到的每个子图,为子图每一条边赋予权重(τ,ω),τ表示边的起始节点到终止节点的车辆运行时间,ω表示边的起始节点到终止节点的费用;具体方法为:
1)对于车辆节点vck到用户行程开始节点的边,令其权重为(ctki,ctki·tc+cdki·dc),ctki表示车辆k从初始位置posk到用户i的上车地点srci所需要耗费的时间,cdki表示车辆k从初始位置posk到用户i的上车地点srci的距离,ctki·tc+cdki·dc表示这段路程相应的费用;
2)对于用户行程开始节点到用户行程结束节点的边,令其权重为(ei,ei·tc+di·dc-bi),其中ei表示用户i的上车地点与下车地点之间的车辆运行时间,,di表示用户i的上车地点与下车地点之间的车辆运行距离,ei·tc+di·dc-bi表示用户i的上车地点与下车地点所需要的费用;
3)对于用户行程结束节点到用户行程开始节点的边,令其权重为(utij,utij·tc+udij·dc),其中utij表示从用户i的下车地点到用户j的上车地点的车辆运行时间,udij表示从用户i的下车地点到用户j的上车地点之间的距离,utij·tc+udij·dc表示这段路程相应的费用;
4)对于从起点A发出的边以及连接到终点B的边,令其权重为(0,0);
S6.5:分别搜索每个子图中的最小费用路径;
S6.6:从每个子图的最小费用路径中选取最小费用的路径,将其中用户对应的两个节点恢复成一个用户节点,将得到的路径作为对应车辆节点的最优路径加入最优路径集合MCP,将该最优路径的车辆节点从车辆节点集合C删除,将该最优路径上的用户节点从用户节点集合U删除,将该最优路径的车辆节点和用户节点从车辆资源分配图模型中删除,并删除相应的边,从而对车辆资源分配图模型进行更新;记该路径的费用为q,令总收益P=P-q;
S6.7:判断是否车辆节点集合或用户节点集合如果不是,返回步骤S6.3,否则最优路径求取结束。
3.根据权利要求2所述的网约车预约服务车辆资源分配和定价方法,其特征在于,所述步骤S6.5中最小费用路径搜索方法的具体步骤包括:
S6.5.1:初始化起点A的标记LableA=(0,0,0);
S6.5.2:在子图中选择一个入度为0的节点,记为x;
S6.5.3:更新节点x每个相邻节点的标记,更新标记的具体方法为:
记相邻节点为y,节点x的标记为Lablex=(prevx,tx,cx),prevx表示到达节点x的最小费用路径的上一个节点,tx、cx表示最小费用路径中到达节点x的时间和费用,节点x到节点y的边的权重为(τ(x,y),ω(x,y));
如果节点x为车辆节点,则令节点y根据节点x更新得到的标记其中如果节点x不为车辆节点,则进一步判断节点y是否存在对应的上车时间sy,如果是,则继续判断是否sy≥tx+τxy,如果是,则令节点y根据节点x更新得到的标记其中如果sy<tx+τxy,则说明车辆不能及时赶到,则节点x的记录不会更新至节点y;如果节点y不存在对应的上车时间sy,则令节点y根据节点x更新得到的标记其中
判断节点y是否已经存在标记Labley=(prevy,ty,cy),如果不存在,则令否则进一步判断是否如果是,则令否则不作任何操作;
S6.5.4:删除节点x及其对应的边;
S6.5.5:如果当前子图中仅剩下终点B,进入步骤S6.5.6,否则返回步骤S6.5.2;
S6.5.6:从终点B开始,根据节点的标记回溯得到最小费用路径,终点B标记中的费用即为最小费用路径对应的费用。
4.根据权利要求1所述的网约车预约服务车辆资源分配和定价方法,其特征在于,用户的支付价格采用以下方法计算:
S7.1:根据车辆资源分配方案,获取已分配用户集合Z;
S7.2:从已分配用户集合Z中选取一个用户作为当前用户z;
S7.3:令用户z的支付价格pz=bz,支付价格最小值p′z=0,bz表示用户z的竞价。
S7.4:令用户z的竞价bz=(pz+p′z)/2;
S7.5:判断是否|pz-p′z|>ε,ε表示预设阈值,如果是,进入步骤S7.6,否则进入步骤S7.8;
S7.6:按照用户z的当前竞价bz,其余参数不变,重新进行车辆资源分配,得到当前的车辆分配方案;
S7.7:判断步骤S7.6中得到的车辆分配方案中用户z以当前竞价bz的情况下是否可以被分配车辆资源使用,如果可以,令否则令p′z=bz、返回步骤S7.5;
S7.8:将pz作为用户z所需支付的价格,标识用户z已处理,从已分配用户集合Z删除;
S7.9:判断已分配用户集合Z是否为空,如果是,支付价格计算结束,否则返回步骤S7.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360967.9A CN108288101B (zh) | 2018-04-20 | 2018-04-20 | 基于拍卖机制的网约车预约服务车辆资源分配和定价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360967.9A CN108288101B (zh) | 2018-04-20 | 2018-04-20 | 基于拍卖机制的网约车预约服务车辆资源分配和定价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108288101A true CN108288101A (zh) | 2018-07-17 |
CN108288101B CN108288101B (zh) | 2021-05-14 |
Family
ID=62834569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810360967.9A Active CN108288101B (zh) | 2018-04-20 | 2018-04-20 | 基于拍卖机制的网约车预约服务车辆资源分配和定价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108288101B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110996396A (zh) * | 2019-12-06 | 2020-04-10 | 成都龙腾中远信息技术有限公司 | 一种基于在线组合拍卖的移动边缘网络资源分配方法 |
CN111178686A (zh) * | 2019-12-10 | 2020-05-19 | 杭州优行科技有限公司 | 一种网约车的分配方法、装置、电子设备及存储介质 |
WO2021136399A1 (en) * | 2019-12-31 | 2021-07-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for bidding-based ridesharing |
CN113538117A (zh) * | 2021-07-09 | 2021-10-22 | 云南大学 | 基于区块链的车联网资源分配拍卖方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170177650A1 (en) * | 2015-12-18 | 2017-06-22 | Ca, Inc. | Dynamic virtual service |
CN107368904A (zh) * | 2017-07-12 | 2017-11-21 | 乐山易通天下网络科技有限公司 | 一种及时出行网约车订单分配方法及系统 |
CN107590722A (zh) * | 2017-09-15 | 2018-01-16 | 中国科学技术大学苏州研究院 | 基于反向拍卖的移动打车服务系统的订单分配方法 |
-
2018
- 2018-04-20 CN CN201810360967.9A patent/CN108288101B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170177650A1 (en) * | 2015-12-18 | 2017-06-22 | Ca, Inc. | Dynamic virtual service |
CN107368904A (zh) * | 2017-07-12 | 2017-11-21 | 乐山易通天下网络科技有限公司 | 一种及时出行网约车订单分配方法及系统 |
CN107590722A (zh) * | 2017-09-15 | 2018-01-16 | 中国科学技术大学苏州研究院 | 基于反向拍卖的移动打车服务系统的订单分配方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110996396A (zh) * | 2019-12-06 | 2020-04-10 | 成都龙腾中远信息技术有限公司 | 一种基于在线组合拍卖的移动边缘网络资源分配方法 |
CN110996396B (zh) * | 2019-12-06 | 2023-02-03 | 成都工业学院 | 一种基于在线组合拍卖的移动边缘网络资源分配方法 |
CN111178686A (zh) * | 2019-12-10 | 2020-05-19 | 杭州优行科技有限公司 | 一种网约车的分配方法、装置、电子设备及存储介质 |
CN111178686B (zh) * | 2019-12-10 | 2023-06-27 | 杭州优行科技有限公司 | 一种网约车的分配方法、装置、电子设备及存储介质 |
WO2021136399A1 (en) * | 2019-12-31 | 2021-07-08 | Beijing Didi Infinity Technology And Development Co., Ltd. | System and method for bidding-based ridesharing |
CN113538117A (zh) * | 2021-07-09 | 2021-10-22 | 云南大学 | 基于区块链的车联网资源分配拍卖方法 |
CN113538117B (zh) * | 2021-07-09 | 2022-10-18 | 云南大学 | 基于区块链的车联网资源分配拍卖方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108288101B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11887030B2 (en) | Interactive network and method for securing conveyance services | |
Ma et al. | Real-time city-scale taxi ridesharing | |
Pelzer et al. | A partition-based match making algorithm for dynamic ridesharing | |
CN108288101A (zh) | 基于拍卖机制的网约车预约服务车辆资源分配和定价方法 | |
Zheng et al. | Auction-based order dispatch and pricing in ridesharing | |
US20150242944A1 (en) | Time dependent inventory asset management system for industries having perishable assets | |
US20200104761A1 (en) | Payment card for multi-leg journey | |
US20140351037A1 (en) | Travel planning | |
Lin et al. | Optimal demand-aware ride-sharing routing | |
CN110942198A (zh) | 一种用于轨道交通运营的乘客路径识别方法和系统 | |
Gao et al. | Park-and-ride service design under a price-based tradable credits scheme in a linear monocentric city | |
Li et al. | Top-$ k $ k Vehicle Matching in Social Ridesharing: A Price-Aware Approach | |
CN110570656B (zh) | 定制公共交通线路方法及装置 | |
Chiu et al. | A multi-modal agent based mobile route advisory system for public transport network | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
US20130290056A1 (en) | Schedule optimisation | |
US20080086383A1 (en) | Rule-based shopping | |
CN114358808A (zh) | 基于多源数据融合的公交od估计及分配方法 | |
WO2021186211A1 (en) | Methods, systems, and devices for managing service requests and pricing policies for services provided by service providers to users | |
CN110414737A (zh) | 公共交通行程处理方法、装置、电子设备及存储介质 | |
US20230196227A1 (en) | Interactive network and method for securing conveyance services | |
KR102455030B1 (ko) | 렌터카 계약 관리 시스템 | |
US11733051B2 (en) | Communications server apparatus, method and communications system for managing request for transport-related services | |
Zhou et al. | Optimal matching for coexisting ride-hailing and ridesharing services considering pricing fairness and user choices | |
RU2648561C2 (ru) | Динамическая система формирования транспортных потоков |
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 |