CN109800974A - 城市网格分配方法、装置及电子终端 - Google Patents
城市网格分配方法、装置及电子终端 Download PDFInfo
- Publication number
- CN109800974A CN109800974A CN201811650804.0A CN201811650804A CN109800974A CN 109800974 A CN109800974 A CN 109800974A CN 201811650804 A CN201811650804 A CN 201811650804A CN 109800974 A CN109800974 A CN 109800974A
- Authority
- CN
- China
- Prior art keywords
- grid
- packages
- case
- case number
- neighborhood
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 26
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种城市网格分配方法、装置及电子终端,涉及数据处理技术领域。本发明实施例通过获取管理员所在当前网格对应的案件数,以及,与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间;从而,根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1;进而,判断所述候选网格P1的案件数与当前网格的案件数对应的第一案件总和是否在预设范围内;若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。因此,本发明实施例提供的技术方案能够合理分配管理员的工作量。
Description
【技术领域】
本发明涉及数据处理技术领域,尤其涉及城市网格分配方法、装置及电子终端。
【背景技术】
城市管理对于城市的经济发展以及人们的生活都有着重要的影响,其是城市发展的客观要求。其中,为了便于对城市区域进行管理,现有技术提出了网格化城市管理,该网格化城市管理方式是将管理的目标地理区域划分成多个城市网格,然后对这些城市网格进行管理。
其中,对于城市管理主要是由管理员执行管理工作的,因此,如何为管理员分配管理区域,以保证为管理员分配工作的合理性是目前亟待解决的问题。
【发明内容】
有鉴于此,本发明实施例提供了一种城市网格分配方法、装置及电子终端,能够合理分配管理员的工作量。
第一方面,本发明实施例提供了一种城市网格分配方法,所述城市网格分配方法包括:
获取管理员所在当前网格对应的案件数,以及,获取与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间;
根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1;
判断所述候选网格P1的案件数与当前网格的案件数对应的第一案件总和是否在预设范围内;
若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,如果当前网格的邻域网格中筛选出行驶时间最短的邻域网格包括至少两个邻域网格,所述从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1,还包括:
基于案件数量,将所述行驶时间最短的邻域网格按照指定顺序进行排序,得到案件数序列;
根据所述案件数序列,获取案件数最多的邻域网格,并将该案件数最多的邻域网格确定为候选网格P1。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,当判断出所述第一案件总和小于所述预设范围的下限值时,所述方法还包括:
确定候选网格Pi为中心网格,其中,i为大于或等于1的正整数,当i=1时,所述中心网格为所述候选网格P1;
获取与所述中心网格相邻的每个周围网格对应的案件数和行驶时间,其中,所述中心网格的领域网格不包括候选网格Pi-1,其中,当i=1时,候选网格Pi-1为所述当前网格;
根据所述每个周围网格对应的案件数和行驶时间,从所述每个周围网格中筛选出行驶时间最短的邻域网格,得到候选网格Pi+1;
判断所有候选网格的案件总量以及当前网格的案件数的第二案件总和是否在所述预设范围内;
若判断出所述第二案件总和在所述预设范围内,将所述当前网格、所述所有候选网格分配给所述管理员;
若判断出所述第二案件总和小于所述预设范围的下限值,令i=i+1,执行所述确定候选网格Pi为中心网格的步骤。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,当判断出第一案件总和大于所述预设范围的上限值时,所述方法还包括:
获取在所述案件数序列中与案件数最多的领域网格相邻的备选网格;
将所述备选网格确定为重新选择的候选网格P1。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述方法还包括:
从所述邻域网格中筛选出案件数目为0的第一指定候选网格;和/或,从所述中心网格的周围网格中筛选出案件数目为0的第二指定候选网格;
将所述第一指定候选网格和/或第二指定候选网格分配给所述管理员。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,获取与所述当前网格相邻的每个邻域网格对应的行驶时间包括:
获取所述当前网格及其邻域网格的道路信息;
根据所述道路信息,获取所述管理员从所在的当前网格行驶到任一邻域网格所需要的第一时间;以及,
获取所述管理员行驶完所述任一邻域网格内所有道路所需要的第二时间;
获取所述第一时间和所述第二时间的总时间,并将所述总时间作为所述任一邻域网格对应的行驶时间。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,获取每个网格对应的案件数,包括:
获取每个网格在预测时间段之前的指定时段内案件数的历史数据;
根据所述指定时段内发生的历史案件数,通过预先建立的案件预测模型,对所述每个网格在所述预测时间段内的发生案件数进行预测。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,在根据所述指定时段内发生的历史案件数,通过预先建立的案件预测模型,对所述每个网格在所述预测时间段内的发生案件数进行预测之前,所述方法还包括:
获取每个网格在指定历史时间内包括的每个单位时间内的案件数,得到训练样本;
从所述指定历史时间中选择指定数量的单位时间,以作为预测时间段;
从所述训练样本中获取每个网格在所述预测时间段内发生的案件数,以每个网格在所述预测时间段内发生的案件数作为输出样本,以所述训练样本作为输入样本;
将所述输入样本以及所述输出样本输入到训练模型,通过机器学习对所述训练模型进行训练,得到所述案件预测模型。
第二方面,本发明实施例提供了一种城市网格分配装置,所述城市网格分配装置包括:
获取单元,用于获取管理员所在当前网格对应的案件数,以及,与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间;
选择单元,用于根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1;
判断单元,用于判断所述候选网格P1的案件数与当前网格的案件数对应的第一案件总和是否在预设范围内;
处理单元,用于若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。
第三方面,本发明实施例提供了一种电子终端,包括存储器、处理器以及存储在所述存储器中并可在所述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,所述处理器实现第一方面中任一项所述的城市网格分配方法。
第四方面,本发明实施例提供了一种非易失性计算机可读存储介质,其上存储有计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机实现上述任一项所述的城市网格分配方法。
上述技术方案具有如下有益效果:
本发明提供的技术方案,在为管理员分配对应的城市网格时,通过利用网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1,并且还利用预设范围,在确定候选网格P1的案件数与当前网格的案件数对应的第一案件总和在预设范围的情况下,将当前网格与候选网格P1分配给管理员。其中,利用行驶时间最短的这一条件对邻域网格进行筛选,保证管理员在最短时间内到达目的地,尽可能节省管理员的行驶时间,从而充分利用管理员的时间。另外,通过在判断出第一案件总和在预设范围内,将当前网格与候选网格P1分配给管理员,一定程度上限定了管理员分配得到的案件数,也在保证管理员在一定时间处理分配的案件数,实现合理分配管理员的工作量。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例所提供的一种城市网格分配方法的流程示意图;
图2是本发明实施例所提供的另一种城市网格分配方法的流程示意图;
图3是本发明实施例所提供的一种城市网格分配装置的功能框图;
图4是本发明实施例所提供的一种电子终端的功能框图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
本发明实施例给出一种城市网格分配方法。
具体的,请参考图1,其为本发明实施例所提供的城市网格分配方法的流程示意图,如图1所示,该方法包括以下步骤:
102、获取管理员所在当前网格对应的案件数,以及,获取与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间。
这里需要说明的是,上述对于网格对应的案件数和行驶时间的获取步骤可以是周期性执行。其中,该执行的周期可以根据需求设置几天,几周,几个月等。
其中,上述网格对应的案件数可以是该网格历史案件数的平均值,或者,为基于该网格历史案件数预测得到的,又或者,该案件数还可以是预定时间段内的经过统计处理得到的案件数,本实施例对于上述网格对应的案件数的具体形式不做限定。
例如,若上述网格对应的案件数为该网格历史案件数的平均值时,则获取网格对应的案件数可以为:获取网格在当前时间之前的指定时段内的历史总案件数,计算单位时间内对应的案件数,其中,本实施例对于指定时段和单位时间的具体值不作限定。又例如,若案件数是预定时间段内的经过统计处理得到的案件数时,则获取网格对应的案件数可以为:向案件统计设备发送获取请求,该获取请求中携带预定时间段,从而该案件统计设备基于该预定时间,统计该预定时间段内案件总量,并反馈该统计得到的案件总量。又例如,若案件数是基于网格历史案件数预测得到的时,则获取网格对应的案件数可以为:利用机器学习算法构建的案件预测模型对该网格的历史数据进行处理,从而得到预测的案件数。
这里需要说明的是,在利用案件预测模型预测每个网格的案件数之前需要先建立该案件预测模型。该案件预测模型是利用机器学习算法,经过对标记样本数据进行机器学习算法处理得到的。其中,建立该案件预测模型所使用的机器学习算法可以为回归算法、随机森林决策树算法、卷积神经网络学习算法、支持向量机等算法中的一种,本发明对于案件预测模型使用的机器学习算法不做限定。
具体建立过程为:首先,获取每个网格在指定历史时间内包括的每个单位时间内的案件数,得到训练样本;从指定历史时间中选择指定数量的单位时间,以作为预测时间段;从训练样本中获取每个网格在预测时间段内发生的案件数,以每个网格在预测时间段内发生的案件数作为输出样本,以训练样本作为输入样本;将输入样本以及输出样本输入到训练模型,通过机器学习对训练模型进行训练,得到案件预测模型。
其中,考虑到管理员由当前所在的当前网格到达任一邻域网格也需要一定时间,因此,每个邻域网格的行驶时间除了包括管理员经过网格内所有区域时所消耗的时间之外,还包括管理员由当前网格到达该邻域网格的行驶时间。针对于每个邻域网格的行驶时间的获取方式将在下文中具体阐述。
104、根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1。
106、判断所述候选网格P1的案件数与当前网格的案件数对应的第一案件总和是否在预设范围内。
108、若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。
这里需要说明的是,配置案件数目的预设范围是为了尽可能均衡每个管理员最终分配到的需要处理案件数量,从而有效避免出现某些管理员分配的案件数量过多或过少,造成分配案件数量过少的管理员完成工作后,分配案件数量过多的管理员还积压较多的案件未处理的情况的出现,进而在一定程度上提供人力资源利用率,提高案件处理效率。
本发明提供的技术方案,在为管理员分配对应的城市网格时,通过利用网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1,并且还利用预设范围,在确定候选网格P1的案件数与当前网格的案件数对应的第一案件总和在预设范围的情况下,将当前网格与候选网格P1分配给管理员。其中,利用行驶时间最短的这一条件对邻域网格进行筛选,保证管理员在最短时间内到达目的地,尽可能节省管理员的行驶时间,从而充分利用管理员的时间。另外,通过在判断出第一案件总和在预设范围内,将当前网格与候选网格P1分配给管理员,一定程度上限定了管理员分配得到的案件数,也在保证管理员在一定时间处理分配的案件数,实现合理分配管理员的工作量。
在本发明实施例中,每一个城市网格都有至少两个领域网格,也就是说,在实现步骤104从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格的过程中,可能得到至少两个满足行驶时间最短的领域网格的情况,针对于这种情况,为了尽可能保证管理员在一定时间内处理的案件数高,在确定哪个为候选领域网格时,可以进一步通过执行以下步骤来确定:首先,先确定这些行驶时间最短的领域网格的案件数;从而,基于案件数量,将行驶时间最短的邻域网格按照指定顺序进行排序,得到案件数序列;进而,根据所述案件数序列,获取案件数最多的邻域网格,并将该案件数最多的邻域网格确定为候选网格P1。具体的,该指定顺序可以是案件数量从小到大的顺序,或者,该指定顺序还可以为案件数量从小到大的顺序。若该案件数序列是基于从小到大的排序得到的,则将该案件数序列中排在最后一位对应的网格确定为候选网格P1;若该案件数序列是基于从大到小的排序得到的,则将该案件数序列中排在第一位对应的网格确定为候选网格P1。
进一步的,设定的案件数的预设范围包括上限值和下限值,第一案件总和不在预设范围包括两种情况,即第一案件总和超过预设范围对应的上限值或者第一案件总和未达到预设范围对应的下限值。当第一案件总和未达到预设范围的下限值时(即第一案件总和小于预设范围的下限值)时,本发明提供了另一种实现方式,如图2所示,在步骤106之后,还需要执行以下步骤:
201、确定候选网格Pi为中心网格,其中,i为大于或等于1的正整数,当i=1时,该中心网格为所述候选网格P1。
202、获取与所述中心网格相邻的每个周围网格对应的案件数和行驶时间,其中,所述中心网格的领域网格不包括候选网格Pi-1,其中,当i=1时,候选网格Pi-1为所述当前网格。
这里需要说明的是,候选网格Pi相邻的周围网格对应的案件数和行驶时间获取方式与前述步骤102中当前网格的邻域网格对应的案件数和行驶时间的获取方式相似,对于候选网格Pi相邻的周围网格对应的案件数和行驶时间的具体获取过程,本实施例在此不再赘述。
另外,还需要说明一下的是,中心网格为之前得到的候选网格Pi,因此该中心网格对应的案件数在经过上一次实现判断第一案件总和是否在预设范围内之前,就已经获知,在实现本次判断第二案件总和是否在所述预设范围内时,不需要再次执行获取该中心网格对应的案件数的操作。
203、根据所述每个周围网格对应的案件数和行驶时间,从所述每个周围网格中筛选出行驶时间最短的邻域网格,得到候选网格Pi+1。
204、判断所有候选网格的案件总量以及当前网格的案件数的第二案件总和是否在所述预设范围内。
205、若判断出所述第二案件总和在所述预设范围内,将所述当前网格以及得到的所有候选网格分配给所述管理员。
若判断出所述第二案件总和小于在所述预设范围的下限值,令i=i+1,执行步骤201确定候选网格Pi为中心网格的步骤。
如果得到的第二案件总和仍然小于预设范围的下限值,表明目前确定出的所有候选网格以及当前网格的案件数量相对较少,不能相对充分利用人力资源,因此,当得到的第二案件总和仍然小于预设范围的下限值时,则以得到的候选网格Pi+1为中心网格,循环执行上述步骤202-步骤204,直到得到的所有候选网格的案件总量以及当前网格对应的第二案件总和在该预设范围内,停止循环,并执行步骤205将当前网格以及得到的所有候选网格分配给该管理员。
另外,当判断出案件总和大于所述预设范围的上限值时,为了保证管理员在一定时间内能够处理所分配的网格内的案件,需要重新选择对应的候选网格,以调整得到案件总和,使得得到在案件总和在预设范围。具体的,当上述步骤中得到的行驶时间最短的领域网格只有一个时,重新选择对应的候选网格可以为:将这些领域网格,按照行驶时间从小到大的顺序对邻域网格进行排序,得到时间序列,将该时间序列中在当前候选网格之后且与该当前候选网格相邻下一位置对应的领域网格,确定为重新选择的候选网格P1。
可选的是,结合上述步骤104从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格的过程中,可能得到至少两个满足行驶时间最短的领域网格这一具体场景,当判断出第一案件总和大于所述预设范围的上限值时,在对这些行驶时间最短的领域网格按照案件数量指定顺序进行排序,得到案件数序列之后,获取在该案件数序列中与案件数最多的领域网格相邻下一位置对应的领域网格作为备选网格,并将该备选网格确定为重新选择的候选网格P1,如此类推,指定选择出的候选网格P1与当前网格的案件数之和小于或等于该预设范围上限值为止,或者,确定出案件数序列中所有的领域网格的都无法满足使得第一案件总和小于或等于预设范围的上限值,基于上述实施例中得到的时间序列,将该时间序列中在当前候选网格之后且与该当前候选网格相邻下一位置对应的领域网格,确定为重新选择的候选网格P1。
这里需要说明的是,在上述实施例中,当判断出第二案件总和大于预设范围的上限值时,可以根据上述重新选择候选网格P1的方式,重新选择其他候选网格。这里针对于其他候选网格的重新选择方式不再赘述,具体可参看上述重新选择候选网格P1的方式。
在一具体实施例中,如果某个网格内的案件数为0时,管理员不需要对该网格执行相关的管理,这种情况下,可以该案件数为0的网格分配给任何一个管理员。为了在一定程度上提高网格分配的效率,在得到对应邻域网格的案件数之后,还可以执行:从当前网格的邻域网格中筛选出案件数目为0的第一指定候选网格;和/或,从每个中心网格的周围网格中筛选出案件数目为0的第二指定候选网格;然后,得到的第一指定候选网格和第二指定候选网格也分配给该管理员。
可选的是,为了便于管理,同时保证每个城市网格中的案件能够及时处理,通过会为目标地理区域内的多个网格分配给多个管理员,而为了避免一个网格重复分配给多个管理员,在获取与每个邻域网格对应的案件数和行驶时间之前,需要先对这些邻域网格进行筛选,选择出未分配管理员的邻域网格,然后,再从将这些未分配管理员的邻域网格,分配给对应的管理员。基于此,在执行上述提供的城市网格分配方法前,还需要:判断所述当前网格的邻域网格是否已分配管理员,得到判断结果;其中,执行获取与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间可以包括:获取所述判断结果中指示为未分配管理员的邻域网格对应的案件数和行驶时间;而对于判断结果中指示已分配管理员的邻域网格不做处理。
本发明中,针对于获取与所述当前网格相邻的每个邻域网格对应的行驶时间的实现可以包括:首先,获取当前网格及其邻域网格的道路信息,然后,根据所述道路信息,获取所述当前网格到任一邻域网格所需要的第一时间;以及,获取管理员行驶完所述任一邻域网格内所有道路所需要的第二时间;从而,获取所述第一时间和所述第二时间的总时间,并将所述总时间作为所述任一邻域网格对应的行驶时间。其中,网格的道路信息获取可以为:获取每个网格对应的地图信息,然后,从得到的地图信息中提取出道路信息。其中,道路信息可以包括但不限于:道路数量、岔路口数量等。
具体的,在实现获取第一时间和第二时间时,可以基于机器学习算法,预先建立一个行驶时间预估模型,从而基于预设的行驶时间预估模型,根据网格的道路信息,获取预计行驶时间。例如,获取第一时间的方式为:首先,根据当前网格的道路信息以及其领域网格的道路信息,获取由该当前网格行驶到该领域网格的可行路线信息,然后将该可行路线信息输入到第一行驶时间预估模型中,经过该第一行驶时间预估模型处理后得到第一时间;例如,获取第二时间的方式为,将该邻域网格的道路信息输入到第二行驶时间预估模型,经过该第一行驶时间预估模型处理后得到第二时间。
上述第一行驶时间预估模型和第二行驶时间预估模型可以基于支持向量机、卷积神经网络、线性回归算法、马尔可夫决策算法或者梯度提升决策树(Gradient BoostingDecision Tree,GBDT)算法等机器学习算法建立。具体的,以第一行驶时间预估模型的建立为例,具体说明该时间预估模型建立的过程包括:步骤1,根据地图信息,获取两个相邻网格的连通路线信息,以作为训练样本的可行路线;步骤2,获取训练样本的可行路线中的每个路段的道路路况信息以及每个路段的实际行驶时间,其中,路段为两个岔路口之间的道路,或者,岔路口与起始点(终点)之间的道路,或者,起始点与终之间的道路;步骤3,利用深度学习算法模型,对每个路段的道路路况信息以及每个路段的实际行驶时间进行训练,得到行驶时间预估模型。
举例说明,假设两个相邻网格之间的一条连通道路(即可行道路)包括3个路段,分别获取每个路段15天的历史道路路况信息和实际行驶时间,将每个路段15天的历史道路路况信息作向量化处理,得到对应的特征向量,将得到特征向量输入到初始行驶时间预估模型中,进行学习训练,得到训练输出值,当得到训练输出值与实际行驶时间值之间的误差小于一定值时,结束该训练过程,得到该第一行驶时间预估模型。
进一步的,为了保证目标地理区域内的所有网格都有对应的管理员,为实现此目的,在按照上述实施例提供的方法为每一个管理员分配对应的网格之后,还需要执行:判断所述目标地理区域内的多个网格是否都已分配给对应的管理员;若判断出所述目标地理区域内的多个网格存在未分配管理员的指定网格,根据每个网格的道路信息,检测到达所述指定网格耗时满足预设时间阈值的目标备选网格;确定所述目标备选网格对应的候选管理员;将所述指定网格分配给所述候选管理员。
这里需要说明的是,到达所述指定网格耗时的获取方式与上述获取与所述当前网格相邻的每个邻域网格对应的行驶时间的方式相似,本实施例在此不在赘述。
下面结合一个具体场景描述上述技术方案。在该具体场景中目标城市区域被划分成多个指定大小的预设网格,且该目标城市区域分布有多个车险案件管理员。在保证让每个车险案件管理员的工作效率得到充分的利用的前提下,能够快速地准确地计算出将这些预设网格分配每个车险案件管理员的分配方式,可以以行驶时间最小为原则,构建最小化车险案件管理员的案件到达时间的目标函数,并且以每个预设网格都划分;以及,预设网格不重复划分给多个人;以及,每个车险案件管理员均有最小覆盖案件数和最大覆盖案件数;这3点作为约束条件,构建该目标函数的约束函数,从而,基于该约束函数,利用启发式算法或遗传算法对该目标函数进行求解,其得到的该目标函数的解能够表征上述划分的预设网格分配给对个车险案件管理员的具体分配方式。
具体的,在启发式算法或遗传算法对该目标函数进行求解时,可以将该目标函数和其对应的约束条件,构建一个车险案件管理员和预设网格的关联矩阵X,其中该关联矩阵X的行为车险案件管理员,列为预设网格,如果基于该约束条件,得出指定车险案件管理员与指定预设网格关联,则该关联矩阵X中与该指定车险案件管理员和指定预设网格对应的元素值为1,否则,该元素值为0。例如,目标城市区域中分布的车险案件管理员为5个,预设网格有50个,则构建的关联矩阵X是一个5*50维度的矩阵,该5*50维度的矩阵中的元素的具体数值基于设定目标函数和对应的约束条件得到,得到该5*50维度的矩阵后,通过该5*50维度的矩阵即可得到能够保证让每个车险案件管理员的工作效率得到充分的利用的预设网格分配方式。
结合上述实现方式,可选的是,当目标备选网格包括多个网格时,在所述确定所述目标备选网格对应的候选管理员之后,还可以执行:统计每个候选管理员当前待处理的案件总量;将所述当前待处理的案件总量最小的候选管理员确定为目标管理员;将所述指定网格分配给所述目标管理员。
需要说明的是,上述实施例的执行主体可以为城市网格分配装置,该装置可以位于本地终端的应用,或者还可以为位于本地终端的应用中的插件或软件开发工具包(Software Development Kit,SDK)等功能单元,本发明实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在终端上的应用程序(nativeApp),或者还可以是终端上的浏览器的一个网页程序(webApp),本发明实施例对此不进行限定。
基于上述实施例所提供的城市网格分配方法,本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
请参考图3,其为本发明实施例所提供的城市网格分配装置的功能方块图。如图3所示,该装置包括:获取单元31,选择单元32,判断单元33,处理单元34。其中,获取单元31,用于获取管理员所在当前网格对应的案件数,以及,获取与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间;选择单元32,用于根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1;判断单元33,用于判断所述候选网格P1的案件数与当前网格的案件数对应的第一案件总和是否在预设范围内;处理单元34,用于若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。
其中,上述网格对应的案件数可以是该网格历史案件数的平均值,或者,为基于该网格历史案件数预测得到的,又或者,该案件数还可以是预定时间段内的经过统计处理得到的案件数,本实施例对于上述网格对应的案件数的具体形式不做限定。
例如,若上述网格对应的案件数为该网格历史案件数的平均值时,则获取网格对应的案件数可以为:获取网格在当前时间之前的指定时段内的历史总案件数,计算单位时间内对应的案件数,其中,本实施例对于指定时段和单位时间的具体值不作限定。又例如,若案件数是预定时间段内的经过统计处理得到的案件数时,则获取网格对应的案件数可以为:向案件统计设备发送获取请求,该获取请求中携带预定时间段,从而该案件统计设备基于该预定时间,统计该预定时间段内案件总量,并反馈该统计得到的案件总量。又例如,若案件数是基于网格历史案件数预测得到的时,则获取网格对应的案件数可以为:利用机器学习算法构建的案件预测模型对该网格的历史数据进行处理,从而得到预测的案件数。
这里需要说明的是,在利用案件预测模型预测每个网格的案件数之前需要先建立该案件预测模型。该案件预测模型是利用机器学习算法,经过对标记样本数据进行机器学习算法处理得到的。其中,建立该案件预测模型所使用的机器学习算法可以为回归算法、随机森林决策树算法、卷积神经网络学习算法、支持向量机等算法中的一种,本发明对于案件预测模型使用的机器学习算法不做限定。
具体建立过程为:首先,获取每个网格在指定历史时间内包括的每个单位时间内的案件数,得到训练样本;从指定历史时间中选择指定数量的单位时间,以作为预测时间段;从训练样本中获取每个网格在预测时间段内发生的案件数,以每个网格在预测时间段内发生的案件数作为输出样本,以训练样本作为输入样本;将输入样本以及输出样本输入到训练模型,通过机器学习对训练模型进行训练,得到案件预测模型。
本发明中,可选的是,如果当前网格的邻域网格中筛选出行驶时间最短的邻域网格包括至少两个邻域网格,该选择单元32执行从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1,还包括:基于案件数量,将所述行驶时间最短的邻域网格按照指定顺序进行排序,得到案件数序列;以及,根据所述案件数序列,获取案件数最多的邻域网格,并将该案件数最多的邻域网格确定为候选网格P1。
本发明中,可选的是,该城市网格分类装置还包括确定单元(图3中未示出)当判断出所述第一案件总和小于所述预设范围的下限值时,该确定单元用于确定候选网格Pi为中心网格,其中,i为大于或等于1的正整数,当i=1时,所述中心网格为所述候选网格P1;该获取单元31还用于获取与所述中心网格相邻的每个周围网格对应的案件数和行驶时间,其中,所述中心网格的领域网格不包括候选网格Pi-1,其中,当i=1时,候选网格Pi-1为所述当前网格;该选择单元32还用于根据所述每个周围网格对应的案件数和行驶时间,从所述每个周围网格中筛选出行驶时间最短的邻域网格,得到候选网格Pi+1;该判断单元33还用于判断所有候选网格的案件总量以及当前网格的案件数的第二案件总和是否在所述预设范围内;若判断出所述第二案件总和在所述预设范围内,处理单元34用于将所述当前网格、所述所有候选网格分配给所述管理员;若判断出所述第二案件总和小于在所述预设范围的下限值,处理单元34用于令i=i+1,执行所述确定候选网格Pi为中心网格的步骤。
本发明中,可选的是,当判断出第一案件总和大于所述预设范围的上限值时,选择单元32具体还可以执行以下操作:获取在所述案件数序列中与案件数最多的领域网格相邻的备选网格;将所述备选网格确定为重新选择的候选网格P1。
本发明中,可选的是,选择单元32还用于从所述邻域网格中筛选出案件数目为0的第一指定候选网格;和/或,从所述中心网格的周围网格中筛选出案件数目为0的第二指定候选网格;从而,处理单元34还用于将将所述第一指定候选网格和/或第二指定候选网格分配给所述管理员。
本发明中,可选的是,获取单元31在执行获取与所述当前网格相邻的每个邻域网格对应的行驶时间,包括:获取当前网格及其邻域网格的道路信息;以及,根据所述道路信息,获取所述管理员从所在的当前网格行驶到任一邻域网格所需要的第一时间;以及,获取管理员行驶完所述任一邻域网格内所有道路所需要的第二时间;以及,获取所述第一时间和所述第二时间的总时间,并将所述总时间作为所述任一邻域网格对应的行驶时间。
本发明中,可选的是,当将目标地理区域内的多个网格分配给多个管理员时,在为每个管理员分配对应的网格之后,处理单元34还用于判断所述目标地理区域内的多个网格是否都已分配给对应的管理员;以及,若判断出所述目标地理区域内的多个网格存在未分配管理员的指定网格,根据所述每个网格的道路信息,检测到达所述指定网格耗时满足预设时间阈值的目标备选网格;以及,确定所述目标备选网格对应的候选管理员;以及,将所述指定网格分配给所述候选管理员。
本发明中,可选的是,当所述目标备选网格包括多个网格时,在所述确定所述目标备选网格对应的候选管理员之后,处理单元34还用于统计每个候选管理员当前待处理的案件总量;以及,将所述当前待处理的案件总量最小的候选管理员确定为目标管理员;以及,将所述指定网格分配给所述目标管理员。
由于本实施例中的各单元能够执行上述所述的方法,本实施例未详细描述的部分,可参考对上述城市网格分配方法的相关说明。
基于上述实施例所提供的城市网格分配方法,本发明实施例进一步给出实现上述方法实施例中各步骤及方法的电子终端。请参考图4,其为本发明实施例所提供的电子终端的功能方块图。如图4所示,该电子终端包括存储器41、处理器42以及存储在所述存储器41中并可在所述处理器42上运行的计算机程序,所述处理器42执行所述计算机程序时,所述处理器42实现上述任一项所述的城市网格分配方法。
本发明实施例还提供了一种非易失性计算机可读存储介质,其上存储有计算机可读指令,当计算机读取并执行所述计算机可读指令时,使得计算机实现上述任一项所述的城市网格分配方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种城市网格分配方法,其特征在于,所述城市网格分配方法包括:
获取管理员所在当前网格对应的案件数,以及,获取与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间;
根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1;
判断所述候选网格P1的案件数与当前网格的案件数的第一案件总和是否在预设范围内;
若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。
2.根据权利要求1所述的方法,其特征在于,如果当前网格的邻域网格中筛选出行驶时间最短的邻域网格包括至少两个邻域网格,所述从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1,包括:
基于案件数量,将所述行驶时间最短的邻域网格按照指定顺序进行排序,得到案件数序列;
根据所述案件数序列,获取案件数最多的邻域网格,并将该案件数最多的邻域网格确定为候选网格P1。
3.根据权利要求1所述的方法,其特征在于,当判断出所述第一案件总和小于所述预设范围的下限值时,所述方法还包括:
确定候选网格Pi为中心网格,其中,i为大于或等于1的正整数,当i=1时,所述中心网格为所述候选网格P1;
获取与所述中心网格相邻的每个周围网格对应的案件数和行驶时间,其中,所述中心网格的领域网格不包括候选网格Pi-1,其中,当i=1时,候选网格Pi-1为所述当前网格;
根据所述每个周围网格对应的案件数和行驶时间,从所述每个周围网格中筛选出行驶时间最短的邻域网格,得到候选网格Pi+1;
判断所有候选网格的案件总量以及当前网格的案件数的第二案件总和是否在所述预设范围内;
若判断出所述第二案件总和在所述预设范围内,将所述当前网格、所述所有候选网格分配给所述管理员;
若判断出所述第二案件总和小于所述预设范围的下限值,令i=i+1,执行所述确定候选网格Pi为中心网格的步骤。
4.根据权利要求2所述的方法,其特征在于,当判断出第一案件总和大于所述预设范围的上限值时,所述方法还包括:
获取在所述案件数序列中与案件数最多的领域网格相邻的备选网格;
将所述备选网格确定为重新选择的候选网格P1。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
从所述邻域网格中筛选出案件数目为0的第一指定候选网格;和/或,从所述中心网格的周围网格中筛选出案件数目为0的第二指定候选网格;
将所述第一指定候选网格和/或第二指定候选网格分配给所述管理员。
6.根据权利要求1所述的方法,其特征在于,获取与所述当前网格相邻的每个邻域网格对应的行驶时间包括:
获取所述当前网格及其邻域网格的道路信息;
根据所述道路信息,获取所述管理员从所在的所述当前网格行使到任一邻域网格所需要的第一时间;以及,
获取所述管理员行驶完所述任一邻域网格内所有道路所需要的第二时间;
获取所述第一时间和所述第二时间的总时间,并将所述总时间作为所述任一邻域网格对应的行驶时间。
7.根据权利要求1所述的方法,其特征在于,获取每个网格对应的案件数,包括:
获取每个网格在预测时间段之前的指定时段内案件数的历史数据;
根据所述指定时段内发生的历史案件数,通过预先建立的案件预测模型,对所述每个网格在所述预测时间段内的发生案件数进行预测。
8.根据权利要求7所述的方法,其特征在于,在根据所述指定时段内发生的历史案件数,通过预先建立的案件预测模型,对所述每个网格在所述预测时间段内的发生案件数进行预测之前,所述方法还包括:
获取每个网格在指定历史时间内包括的每个单位时间内的案件数,得到训练样本;
从所述指定历史时间中选择指定数量的单位时间,以作为预测时间段;
从所述训练样本中获取每个网格在所述预测时间段内发生的案件数,以每个网格在所述预测时间段内发生的案件数作为输出样本,以所述训练样本作为输入样本;
将所述输入样本以及所述输出样本输入到训练模型,通过机器学习对所述训练模型进行训练,得到所述案件预测模型。
9.一种城市网格分配装置,其特征在于,所述城市网格分配装置包括:
获取单元,用于获取管理员所在当前网格对应的案件数,以及,获取与所述当前网格相邻的每个邻域网格对应的案件数和行驶时间;
选择单元,用于根据所述每个邻域网格对应的行驶时间,从所述当前网格的邻域网格中筛选出行驶时间最短的邻域网格,得到候选网格P1;
判断单元,用于判断所述候选网格P1的案件数与当前网格的案件数对应的第一案件总和是否在预设范围内;
处理单元,用于若判断出所述第一案件总和在所述预设范围内,将所述当前网格与所述候选网格P1分配给所述管理员。
10.一种电子终端,包括存储器、处理器以及存储在所述存储器中并可在所述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,所述处理器实现如权利要求1-8任一项所述的城市网格分配方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811650804.0A CN109800974A (zh) | 2018-12-31 | 2018-12-31 | 城市网格分配方法、装置及电子终端 |
PCT/CN2019/091101 WO2020140391A1 (zh) | 2018-12-31 | 2019-06-13 | 城市网格分配方法、装置及电子终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811650804.0A CN109800974A (zh) | 2018-12-31 | 2018-12-31 | 城市网格分配方法、装置及电子终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109800974A true CN109800974A (zh) | 2019-05-24 |
Family
ID=66556971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811650804.0A Pending CN109800974A (zh) | 2018-12-31 | 2018-12-31 | 城市网格分配方法、装置及电子终端 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109800974A (zh) |
WO (1) | WO2020140391A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020140391A1 (zh) * | 2018-12-31 | 2020-07-09 | 平安科技(深圳)有限公司 | 城市网格分配方法、装置及电子终端 |
CN112070247A (zh) * | 2020-09-01 | 2020-12-11 | 上海钧正网络科技有限公司 | 一种运维网格的管理方法、装置、介质及电子设备 |
CN117151560A (zh) * | 2023-11-01 | 2023-12-01 | 南京万物互联科技发展有限公司 | 一种基于云平台的智慧养老数字化管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591955A (zh) * | 2011-12-29 | 2012-07-18 | 北京城市系统工程研究中心 | 网格化城市管理数据分析方法 |
US20120278344A1 (en) * | 2011-04-29 | 2012-11-01 | International Business Machines Corporation | Proximity grids for an in-memory data grid |
CN107330612A (zh) * | 2017-06-28 | 2017-11-07 | 北京惠赢天下网络技术有限公司 | 一种配送区域调整方法、系统及服务器 |
CN108257025A (zh) * | 2017-05-04 | 2018-07-06 | 平安科技(深圳)有限公司 | 孤儿保单分配方法和装置 |
CN108932553A (zh) * | 2017-05-25 | 2018-12-04 | 北京嘀嘀无限科技发展有限公司 | 确定交通工具需求数据的方法及装置 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107154954B (zh) * | 2016-03-04 | 2019-09-24 | 苏州俊峰伟业信息技术有限公司 | 上门服务排单方法和系统 |
CN106355325A (zh) * | 2016-08-30 | 2017-01-25 | 长威信息科技发展股份有限公司 | 一种警力资源与案件快速关联的方法及系统 |
CN109800974A (zh) * | 2018-12-31 | 2019-05-24 | 平安科技(深圳)有限公司 | 城市网格分配方法、装置及电子终端 |
CN109754185A (zh) * | 2018-12-31 | 2019-05-14 | 平安科技(深圳)有限公司 | 城市网格分配方法及装置、电子终端 |
-
2018
- 2018-12-31 CN CN201811650804.0A patent/CN109800974A/zh active Pending
-
2019
- 2019-06-13 WO PCT/CN2019/091101 patent/WO2020140391A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120278344A1 (en) * | 2011-04-29 | 2012-11-01 | International Business Machines Corporation | Proximity grids for an in-memory data grid |
CN102591955A (zh) * | 2011-12-29 | 2012-07-18 | 北京城市系统工程研究中心 | 网格化城市管理数据分析方法 |
CN108257025A (zh) * | 2017-05-04 | 2018-07-06 | 平安科技(深圳)有限公司 | 孤儿保单分配方法和装置 |
CN108932553A (zh) * | 2017-05-25 | 2018-12-04 | 北京嘀嘀无限科技发展有限公司 | 确定交通工具需求数据的方法及装置 |
CN107330612A (zh) * | 2017-06-28 | 2017-11-07 | 北京惠赢天下网络技术有限公司 | 一种配送区域调整方法、系统及服务器 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020140391A1 (zh) * | 2018-12-31 | 2020-07-09 | 平安科技(深圳)有限公司 | 城市网格分配方法、装置及电子终端 |
CN112070247A (zh) * | 2020-09-01 | 2020-12-11 | 上海钧正网络科技有限公司 | 一种运维网格的管理方法、装置、介质及电子设备 |
CN117151560A (zh) * | 2023-11-01 | 2023-12-01 | 南京万物互联科技发展有限公司 | 一种基于云平台的智慧养老数字化管理系统及方法 |
CN117151560B (zh) * | 2023-11-01 | 2024-01-30 | 南京万物互联科技发展有限公司 | 一种基于云平台的智慧养老数字化管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020140391A1 (zh) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105261217B (zh) | 一种基于密度聚类算法的城市交通拥堵状态检测方法 | |
Yao et al. | Transit network design based on travel time reliability | |
CN105898762B (zh) | 基站优化及部署方法和装置 | |
Halper et al. | The mobile facility routing problem | |
CN109800974A (zh) | 城市网格分配方法、装置及电子终端 | |
JP5941987B2 (ja) | 交通量予測装置および方法 | |
Boyce et al. | Multiclass combined models for urban travel forecasting | |
CN109886529A (zh) | 一种资源分配方法及装置、电子终端及存储介质 | |
US20160314554A1 (en) | Evacuation plan design | |
Neema et al. | Multitype green-space modeling for urban planning using GA and GIS | |
Fu et al. | Optimization of evacuation traffic management with intersection control constraints | |
CN106780064A (zh) | 一种区域划分方法、装置及网络设备 | |
Berghida et al. | EBBO: an enhanced biogeography-based optimization algorithm for a vehicle routing problem with heterogeneous fleet, mixed backhauls, and time windows | |
CN106228265A (zh) | 基于改进粒子群优化的总拖期运输计划调度算法 | |
Wang et al. | Optimizing capacity of signalized road network with reversible lanes | |
Jiang et al. | Transit network design: A hybrid enhanced artificial bee colony approach and a case study | |
Le Bras et al. | Robust network design for multispecies conservation | |
CN109284891A (zh) | 基于时空索引的充电桩维修调度方法 | |
Zhang | Simulation Optiisation and Markov Models for Dynamic Ambulance Redeployment | |
CN109359740A (zh) | 基于多生境遗传算法的机动路径优选方法及存储介质 | |
CN104299077A (zh) | 现场稽查路径规划及现场稽查问题处理方法 | |
Markovic et al. | A metaheuristic approach to the waste collection vehicle routing problem with stochastic demands and travel times | |
CN109325617A (zh) | 一种城市交通状态预测方法及装置 | |
CN109754185A (zh) | 城市网格分配方法及装置、电子终端 | |
Pel et al. | Optimizing evacuation instructions while anticipating traveler compliance behavior |
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 |