CN110543699B - 共享车辆出行数据仿真、共享车辆调度方法、装置及设备 - Google Patents

共享车辆出行数据仿真、共享车辆调度方法、装置及设备 Download PDF

Info

Publication number
CN110543699B
CN110543699B CN201910754684.7A CN201910754684A CN110543699B CN 110543699 B CN110543699 B CN 110543699B CN 201910754684 A CN201910754684 A CN 201910754684A CN 110543699 B CN110543699 B CN 110543699B
Authority
CN
China
Prior art keywords
station
simulation
vehicle
moment
travel
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
Application number
CN201910754684.7A
Other languages
English (en)
Other versions
CN110543699A (zh
Inventor
赵星
向东
林怿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201910754684.7A priority Critical patent/CN110543699B/zh
Publication of CN110543699A publication Critical patent/CN110543699A/zh
Application granted granted Critical
Publication of CN110543699B publication Critical patent/CN110543699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本说明书实施例提供一种共享车辆出行数据的仿真、共享车辆调度方法、装置及设备，在共享车辆出行数据的仿真方法中，获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率。对于多个预定站点中任意的第一站点以及多个时刻中任意的第一时刻，至少基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，生成仿真出行事件。基于仿真周期中各个时刻下针对各个预定站点生成的仿真出行事件，形成仿真样本。

Description

共享车辆出行数据仿真、共享车辆调度方法、装置及设备
技术领域
本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种共享车辆出行数据的仿真、共享车辆调度方法、装置及设备。
背景技术
随着共享车辆在人们日常生活中的普遍流行，共享车辆的种类也越来越多，比如，现有的共享车辆有共享自行车、共享汽车以及共享电动车等等。然而这些共享车辆中的部分种类车辆通常需要停放在指定小区域。该指定小区域也可以称为车辆的停放站点(简称站点)。为了提升这些停放在站点的共享车辆的重复使用率，通常需要在各个站点间进行共享车辆的调度。
传统技术中，通常会先基于预先训练好的模型来预测各个站点的车辆重复使用率(简称使用率)。之后，基于各个站点的使用率，在各个站点间进行共享车辆的调度。比如，把车辆从使用率低的站点调度到使用率高的站点。然而，由于站点的使用率通常与多方面的因素相关。因此，当通过模型来预测站点的使用率时，通常需要基于大量训练样本，才能将模型训练准确。而在实际当中，所收集的训练样本的数量通常不能达到训练准确的预测模型所需的样本数量。因此，传统技术中通常不能准确预测各站点的使用率，进而也无法实现各个站点间共享车辆的准确调度。
发明内容
本说明书一个或多个实施例描述了一种共享车辆出行数据的仿真、共享车辆调度方法、装置及设备，可以实现站点间共享车辆的准确调度，进而可以大大提升共享车辆的使用率。
第一方面，提供了一种共享车辆出行数据的仿真方法，包括：
获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率；
对于所述多个预定站点中任意的第一站点以及所述多个时刻中任意的第一时刻，至少基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件；
基于所述仿真周期中各个时刻下针对所述各个预定站点生成的仿真出行事件，形成仿真样本。
第二方面，提供了一种共享车辆调度方法，包括：
获取共享车辆出行数据的仿真样本，所述仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成；
基于所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率；
基于所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，对所述各个预定站点的车辆进行调度。
第三方面，提供了一种共享车辆出行数据的仿真装置，包括：
获取单元，用于获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率；
生成单元，用于对于所述多个预定站点中任意的第一站点以及所述多个时刻中任意的第一时刻，至少基于所述获取单元获取的所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件；
所述生成单元，还用于基于所述仿真周期中各个时刻下针对所述各个预定站点生成的仿真出行事件，形成仿真样本。
第四方面，提供了一种共享车辆调度装置，包括：
获取单元，用于获取共享车辆出行数据的仿真样本，所述仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成；
确定单元，用于基于所述获取单元获取的所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率；
调度单元，用于基于所述确定单元确定的所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，对所述各个预定站点的车辆进行调度。
第五方面，提供了一种共享车辆出行数据的仿真设备，包括：
存储器；
一个或多个处理器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：
获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率；
对于所述多个预定站点中任意的第一站点以及所述多个时刻中任意的第一时刻，至少基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件；
基于所述仿真周期中各个时刻下针对所述各个预定站点生成的仿真出行事件，形成仿真样本。
第六方面，提供了一种共享车辆调度设备，包括：
存储器；
一个或多个处理器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：
获取共享车辆出行数据的仿真样本，所述仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成；
基于所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率；
基于所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，对所述各个预定站点的车辆进行调度。
本说明书一个或多个实施例提供的共享车辆出行数据的仿真、共享车辆调度方法、装置及设备，获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率。对于多个预定站点中任意的第一站点以及多个时刻中任意的第一时刻，至少基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，生成仿真出行事件。基于仿真周期中各个时刻下针对各个预定站点生成的仿真出行事件，形成仿真样本。基于本说明书提供的方案，可以准确地对共享车辆的出行数据进行仿真。此外，基于该仿真样本可以实现站点间共享车辆的准确调度，进而可以大大提升共享车辆的使用率。
附图说明
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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说明书的一些实施例，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为本说明书提供的共享车辆的调度方法应用场景示意图；
图2为本说明书一个实施例提供的共享车辆出行数据的仿真方法流程图；
图3为本说明书提供的仿真样本生成过程示意图；
图4为本说明书一个实施例提供的共享车辆的调度方法流程图；
图5为本说明书一个实施例提供的共享车辆出行数据的仿真装置示意图；
图6为本说明书一个实施例提供的共享车辆的调度装置示意图；
图7为本说明书一个实施例提供的共享车辆出行数据的仿真设备示意图。
具体实施方式
下面结合附图，对本说明书提供的方案进行描述。
在描述本说明书提供的方案之前，先对本方案的发明构思作以下说明。
为了避免复杂模型的学习过程，在本说明书中，可以通过仿真系统预先生成仿真样本，该仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成。之后，基于该仿真样本，计算各个预定站点在仿真周期中各个时刻下的车辆重复使用率(也称翻台率)，并基于该车辆重复使用率进行站点间车辆的调度。
需要说明的是，上述仿真样本的生成可以分为两个步骤：第一，车辆重复使用率影响因素的获取。这里的影响因素可以包括但不限于各个预定站点在仿真周期中各个时刻下的车辆需求量以及站点之间的站点转移概率。第二，基于获取的影响因素，生成各个预定站点在仿真周期中各个时刻的仿真出行事件，以形成仿真样本。
关于上述第一方面，首先，车辆需求量在空间和时间上是基本独立的，与其他时间和其他站点基本没有关系，而且比较稳定。因此，可以基于回归模型(后续说明)对其进行预测。当然，也可以基于概率分布的分析方法得到。此外，站点转移概率也是相对稳定和独立的因素，因此，可以基于统计模型(后续说明)对其进行预测。当然，也可以基于概率分布的分析方法得到。
关于上述第二方面，上述仿真样本的生成可以执行多个轮次。其中，在不同的仿真轮次中，车辆需求量以及站点转移概率等影响因素不同。基于每个仿真样本，计算各个预定站点在仿真周期中各个时刻下的车辆重复使用率，并对基于多个仿真样本的计算结果进行综合，以得到各个预定站点在仿真周期中各个时刻下的使用率均值。之后，可以基于该使用率均值来实现各站点间车辆的调度。总之，通过该仿真过程，可以避免复杂的模型训练过程，从而可以提升车辆重复使用率预测的准确性以及效率。
以上就是本说明书提供的发明构思，基于该发明构思就可以得到本说明书提供的方案，以下对本方案进行详细阐述。
图1为本说明书提供的共享车辆的调度方法应用场景示意图。图1中，仿真系统102用于基于车辆重复使用率影响因素，生成各个预定站点在仿真周期中各个时刻的仿真出行事件，以形成仿真样本。调度系统104用于基于该仿真样本，确定各个预定站点在仿真周期中各个时刻下的车辆重复使用率，并基于该车辆重复使用率，进行站点间车辆的调度。
根据以上的发明构思可知，本说明书一个或多个实施例提供的共享车辆的调度方法是基于与仿真周期对应的仿真样本来实现的，因此，在描述该调度方法之前，先对仿真样本的生成过程描述如下。
图2为本说明书一个实施例提供的共享车辆出行数据的仿真方法流程图。所述方法的执行主体可以为具有处理能力的设备：服务器或者系统或者装置，如，可以为图1中的仿真系统102等。如图2所示，所述方法具体可以包括：
步骤202，获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率。
上述多个时刻可以是人为预先划分好的。以上述仿真周期为一天为例来说，上述多个时刻可以为一天内的24个时刻，分别表示为：1点、2点、…、24点。当然，在其他例子中，上述多个时刻也可以为一天内的12个时刻等等，本说明书对此不作限定。
此外，上述各个预定站点的车辆需求量可以是基于回归模型预测得到，这里的回归模型例如可以为梯度提升决策树(Gradient Boosting Decision Tree，GBDT)模型等。或者，该各个预定站点的车辆需求量也可以基于概率分布的分析方法得到。
若各个预定站点的车辆需求量基于回归模型预测得到，那么该回归模型的输入可以包括但不限于：当前时刻、天气信息、附件站点信息、历史需求量以及节假日信息等。
再者，上述各个预定站点之间的站点转移概率是基于统计模型预测得到，这里的统计模型可以包括但不限于一般线性模型、广义线性模型以及混合模型等。或者，各个预定站点之间的站点转移概率基于概率分布的分析方法得到。
若各个预定站点之间的站点转移概率基于统计模型预测得到，那么该统计模型的输入可以包括但不限于历史上发生车辆转移的站点对以及转移数量等等。
步骤204，对于多个预定站点中任意的第一站点以及多个时刻中任意的第一时刻，至少基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，生成仿真出行事件。
在一个例子中，上述仿真出行事件的生成过程可以为：确定第一站点在第一时刻下的停放车辆的数量。之后，基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，从第一站点的停放车辆中确定出对应的出行车辆以及出行车辆的目的站点，由此生成第一站点在第一时刻的仿真出行事件。最后，基于出行车辆的数量，对第一站点在第一时刻下的停放车辆的数量进行第一调整。
基于上述仿真出行事件的生成过程可以看出，所生成的仿真出行事件具有对应的出行车辆以及目的站点。此外，该仿真出行事件还可以具有对应的起始时刻和起始站点与目的站点之间的行程时间。以在第一时刻下针对第一站点生成的仿真出行事件为例来说，对应的起始时刻可以为第一时刻，起始站点可以为第一站点，第一站点与目的站点之间的行程时间可以基于回归模型预测得到，也可以是基于概率分布的分析方法得到。需要说明的是，这里的起始站点与目的站点之间的行程时间也可以作为车辆重复使用率的影响因素。
以下对上述仿真出行事件的生成过程所涉及的各个步骤进行逐一说明：
首先，对于上述确定第一站点在第一时刻下的停放车辆的数量的步骤，其具体可以为：获取第一站点在上一时刻进行第一调整(后续说明)后的停放车辆的第一数量。获取未处理的仿真出行事件，该未处理的仿真出行事件的起始时刻和行程时间之和在上一时刻与第一时刻之间。根据未处理的仿真出行事件中目的站点与第一站点相匹配的事件数目，对第一数量进行第二调整，以得到第一站点在第一时刻下的停放车辆的数量。这里的第二调整可以是指将第一数量加上相匹配的事件数目。
这里，之所以对第一数量进行第二调整，是因为当仿真出行事件的起始时刻和行程时间之和在上一时刻与第一时刻之间时，说明该仿真出行事件的出行车辆在第一时刻已到达目的站点，因此，要调整目的站点的停放车辆的数量。具体地，对于某一站点，所到达的出行车辆的数目即为该站点停放车辆的调整量，而所到达的出行车辆的数目基于相匹配事件的数目确定。因此，在对第一数量进行第一调整时，可以将第一数量加上相匹配的事件数目。
其次，对于上述从第一站点的停放车辆中确定出对应的出行车辆以及出行车辆的目的站点的步骤，其可以通过如下两种方式来实现：
在一种实现方式中，可以从第一站点的停放车辆中随机确定出与车辆需求量的数量相符的出行车辆。对于确定出的出行车辆中的每个出行车辆，基于第一站点与其他站点之间的站点转移概率，从各个预定站点中确定出对应的目的站点。
在另一种实现方式中，可以基于第一站点与其他站点之间的站点转移概率，从各个预定站点中确定出与车辆需求量的数量相符的目的站点。之后，从第一站点的停放车辆中依次选取与车辆需求量的数量相符的出行车辆，并针对每次选取的车辆，从上述确定出的目的站点中随机选取对应的目的站点。
最后，对于对第一站点在第一时刻下的停放车辆的数量进行第一调整的步骤。这里之所以进行第一调整，是因为当生成第一站点在第一时刻的仿真出行事件时，该第一站点的停放车辆的数量就会相应减少，其减少量即为出行车辆的数量，因此这里的第一调整可以是将第一站点停放车辆的数量减去出行车辆的数量。
在一个例子中，该第一调整可以表示为如下公式：
S1i＝S0i-Di
其中，S1i为站点i调整后的停放车辆的数量，S0i为站点i调整前的停放车辆的数量，Di为站点i的出行车辆的数量。
需要说明的是，上述各个预定站点在各个时刻下的停放车辆的数量可以是基于回归模型预测得到，也可以是基于概率分布的分析方法得到。另外，停放车辆的数量也可以作为车辆重复使用率的影响因素。
步骤206，基于仿真周期中各个时刻下针对各个预定站点生成的仿真出行事件，形成仿真样本。
可以理解的是，在针对各个预定站点生成对应的仿真出行事件之后，就可以得到与仿真周期对应的一个仿真样本。
需要说明的是，在实际应用中，上述步骤202-步骤206可以重复执行多次，以得到与一个仿真周期对应的多个仿真样本。在形成该多个仿真样本的过程中，其车辆需求量以及站点转移概率等影响因素可以不同。
还需要说明的是，在实际应用中，通常会生成与多个连续的仿真周期各自对应的仿真样本，比如，可以生成连续两天或者两天以上的仿真样本。其中，与每个仿真周期的仿真样本的生成方法类似，在此不复赘述。
总之，本说明提供的共享车辆出行数据的仿真方法，由于考虑了多方面的影响因素，因此可以准确地对共享车辆的出行数据进行仿真。
以下结合具体例子，对与一个仿真周期对应的仿真样本的生成过程进行说明。
首先，将一个仿真周期中的多个时刻分别表示为：t0时刻-tn时刻。在t0时刻，处理t0时刻的各个预定站点的车辆需求。以站点A为例来说，假设站点A在t0时刻的车辆需求量为D。那么可以从站点A的停放车辆中随机确定出D个出行车辆。对于D个出行车辆中的每个出行车辆，基于站点A与其他站点之间的站点转移概率，从各个预定站点中确定出相应的目的站点，由此就生成了站点A在t0时刻的仿真出行事件。这里所生成的仿真出行事件的起始站点可以为：站点A，起始时刻可以为：t0，行程时间可以为：tij，其中，tij为站点A与目的站点之间的车辆转移时间。可以理解的是，在t0时刻的各个预定站点的车辆需求处理结束后，可以生成多个仿真出行事件。这些仿真出行事件将在后续各个时刻进行处理。
在t1时刻，获取未处理的仿真出行事件，该未处理的仿真出行事件的起始时刻和行程时间之和在t0与t1之间。之后处理该未处理的仿真出行事件，例如，可以将该仿真出行事件的目的站点停放车辆的数量加1。之后，处理t1时刻的各个预定站点的车辆需求，其处理方法与t0时刻类似，在此不复赘述。可以理解的是，在t1时刻的各个预定站点的车辆需求处理结束后，又可以生成多个仿真出行事件。之后，进入下一时刻，以此类推，直至进入tn时刻，并处理完成tn时刻的各个预定站点的车辆需求。
需要说明的是，以上就是与一个仿真周期对应的仿真样本的生成过程。基于该仿真样本，在给定站点i和时刻t，可以统计出站点i在时刻t的停放车辆的数量以及基于这些车辆在时刻t开始的预设时长内生成的仿真出行事件的数目，从而计算出站点i在时刻t下的车辆重复使用率。
以下结合站点i，对仿真样本的生成过程进行简单表述。
图3为本说明书提供的仿真样本生成过程示意图。图3中，Si(t0)为站点i在t0时刻的停放车辆的数量、Di(t0)为站点i在t0时刻的车辆需求量以及Pij(t0)为站点i在t0时刻与其他站点之间的站点转移概率，j＝1,2,…,N-1，其中，N为站点个数。在t0时刻生成仿真出行事件t0之后，站点i的停放车辆的数量将被调整。此外，Si(t1)为站点i在t1时刻的停放车辆的数量、Di(t1)为站点i在t1时刻的车辆需求量以及Pij(t1)为站点i在t1时刻与其他站点之间的站点转移概率，j＝1,2,…,N-1，其中，N为站点个数。在t1时刻生成仿真出行事件t1之后，站点i的停放车辆的数量将再次被调整，依次类推。可以理解的是，基于上述过程生成的仿真样本，可以得到站点i的车辆重复使用率Fi(t)。
图3中，Fi(t)具体可以表示为:Fi(t)＝f(Si(t0),Di(t0),…,Di(tn),Pij(t0),…,Pij(tn),tij)。其中，tij为站点i与站点j之间的行程时间。由此可以看出，车辆重复使用率的影响因素是多方面的，其可以包括但不限于各个站点在各个时刻的车辆需求量、站点转移概率、停放车辆的数量以及站点间的行程时间等等。
以上是对仿真样本生成过程的表述，以下结合图4对基于仿真样本而实现的共享车辆的调度方法进行说明。
图4为本说明书一个实施例提供的共享车辆的调度方法流程图。所述方法的执行主体可以为具有处理能力的设备：服务器或者系统或者装置，如，可以为图1中的调度系统104等。如图4所示，该方法具体可以包括如下步骤：
步骤402，获取共享车辆出行数据的仿真样本。
如，可以是基于图2中的各步骤获取共享车辆出行数据的仿真样本。
步骤404，基于仿真样本，确定各个预定站点在仿真周期中各个时刻下的车辆重复使用率。
由于各个预定站点在各个时刻下的车辆重复使用率的计算过程相似，因此，以下以各个预定站点中任意的第一站点，各个时刻中任意的第一时刻为例，描述车辆重复使用率的确定过程。
首先，可以基于仿真样本，统计第一站点在第一时刻下的停放车辆的数量，并统计在第一时刻开始的预设时长内所生成的、与停放车辆相对应的仿真出行事件的数目。
由上述仿真样本的生成过程可知，仿真出行事件是在仿真周期中的各个时刻生成的，也就是说，仿真出行事件具有对应的生成时间。此外，仿真出行事件还与出行车辆相对应。在具体实现中，可以基于各个仿真出行事件的生成时间以及出行车辆，统计上述仿真出行事件的数目。
在一个例子中，该统计过程可以为：先基于第一时刻以及预设时长，确定截止统计时刻。之后，基于仿真样本，确定出在第一时刻与截止统计时刻之间所生成的仿真出行事件。从确定出的仿真出行事件中筛选出行车辆为第一站点停放车辆的目标出行事件，并统计该目标出行事件的数目。
需要说明的是，在执行上述统计过程中，在确定出截止统计时刻之后，可以先判断该截止统计时刻是否在仿真周期内，若是，则直接基于与当前仿真周期对应的仿真样本，确定在第一时刻与截止统计时刻之间所生成的仿真出行事件。否则，获取与当前仿真周期的下一仿真周期对应的仿真样本。并基于与当前仿真周期对应的仿真样本以及与下一仿真周期对应的仿真样本，确定在第一时刻与截止统计时刻之间所生成的仿真出行事件。
举例来说，假设当前仿真周期为2018年8月4日这一天，那么若第一时刻为2018年8月4日上午11点，预设时长为24小时，则所确定的截止统计时刻为：2018年8月5日上午11点。因为2018年8月5日上午11点不在仿真周期内，因此可以获取与2018年8月5日对应的仿真样本。之后，基于该两天的仿真样本，确定在2018年8月4日上午11点与2018年8月5日上午11点之间所生成的仿真出行事件。
在另一例子中，上述统计通过也可以为：先基于仿真样本，确定出行车辆为第一站点停放车辆的仿真出行事件。之后，再从确定出的仿真出行事件中筛选在第一时刻与截止统计时刻之间所生成的目标出行事件，并统计该目标出行事件的数目，本说明书对此不作限定。
其次，基于第一站点在第一时刻下的停放车辆的数量以及统计的仿真出行事件的数目，确定第一站点在第一时刻下的车辆重复使用率。
在一个例子中，上述车辆重复使用率的公式可以为：
Fi(tk)＝Ti(tk)/Si(tk)
其中，Fi(tk)为站点i在tk时刻的车辆重复使用率,Ti(tk)为站点i在tk时刻的停放车辆在后续预设时长内生成的目标出行事件的数目，Si(tk)站点i在tk时刻下的停放车辆的数量。
步骤406，基于各个预定站点在仿真周期中各个时刻下的车辆重复使用率，对各个预定站点的车辆进行调度。
如前述仿真样本的生成过程所述，可以得到与一个仿真周期对应的多个仿真样本。可以理解的是，若获取到多个仿真样本，那么基于该多个仿真样本，可以确定各个预定站点在仿真周期中每个时刻下的多个车辆重复使用率。之后，可以对每个时刻下的多个车辆重复使用率进行综合，如，求平均或者求加权平均，以得到各个预定站点在仿真周期中各个时刻下的车辆重复使用率均值，并基于该使用率均值，对各个预定站点的车辆进行调度。
当然，在实际应用中，在某时刻，在多个预定站点间进行车辆的调度时，通常不仅可以选取出使用率均值高的站点，还可以对该站点的稳定性进行判断。站点的稳定性判断可以通过统计概率分布来实现。比如，针对某一时刻，统计各个站点在该时刻下的多个车辆重复使用率的概率分布。之后，基于统计的车辆重复使用率的概率分布，来选取稳定性高的站点。
综上所述，本说明书实施例提供的方案用模型或者概率统计的分析方法预测站点需求量和站点转移概率等影响因素，然后用仿真系统模拟仿真样本，并基于模拟的仿真样本，计算站点车辆重复使用率。这样产出的站点车辆重复使用率理论上会更加准确，因为考虑了多方面的影响因素，而且对这些影响因素之间的关系也通过仿真样本进行了比较准确的描述。此外，本方案通过大量的采样计算回避了学习复杂概率函数关系的问题。也就是仿真系统可以比较准确地模拟复杂函数关系，不需要训练模型来学习。因此，该方案可以高效地计算出站点车辆重复使用率，进而可以大大提升共享车辆的调度效率。
与上述共享车辆出行数据的仿真方法对应地，本说明书一个实施例还提供的一种共享车辆出行数据的仿真装置，如图5所示，该装置可以包括：
获取单元502，用于获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率。
其中，各个预定站点的车辆需求量可以基于回归模型预测得到。或者，各个预定站点的车辆需求量也可以基于概率分布的分析方法得到。
此外，各个预定站点之间的站点转移概率可以基于统计模型预测得到。或者，各个预定站点之间的站点转移概率也可以基于概率分布的分析方法得到。
生成单元504，用于对于多个预定站点中任意的第一站点以及多个时刻中任意的第一时刻，至少基于获取单元502获取的第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，生成仿真出行事件。
生成单元504具体可以用于：
确定第一站点在第一时刻下的停放车辆的数量。
基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，从第一站点的停放车辆中确定出对应的出行车辆以及出行车辆的目的站点，由此生成第一站点在第一时刻的仿真出行事件。
基于出行车辆的数量，对第一站点在所述第一时刻下的停放车辆的数量进行第一调整。
可选地，上述仿真出行事件可以具有对应的起始时刻、起始站点与目的站点之间的行程时间。
生成单元504还具体可以用于：
获取第一站点在上一时刻进行第一调整后的停放车辆的第一数量。
获取未处理的仿真出行事件，该未处理的仿真出行事件的起始时刻和行程时间之和在上一时刻与第一时刻之间。
根据未处理的仿真出行事件中目的站点与第一站点相匹配的事件数目，对第一数量进行第二调整，以得到第一站点在第一时刻下的停放车辆的数量。
最后，生成单元504还具体可以用于：
从第一站点的停放车辆中随机确定出与车辆需求量的数量相符的出行车辆。
对于确定出的出行车辆中的每个出行车辆，基于第一站点与其他站点之间的站点转移概率，从各个预定站点中确定出对应的目的站点。
生成单元504，还用于基于仿真周期中各个时刻下针对各个预定站点生成的仿真出行事件，形成仿真样本。
本说明书上述实施例装置的各功能模块的功能，可以通过上述方法实施例的各步骤来实现，因此，本说明书一个实施例提供的装置的具体工作过程，在此不复赘述。
本说明书一个实施例提供的共享车辆出行数据的仿真装置，获取单元502获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率。生成单元504对于多个预定站点中任意的第一站点以及多个时刻中任意的第一时刻，至少基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，生成仿真出行事件。生成单元504基于仿真周期中各个时刻下针对各个预定站点生成的仿真出行事件，形成仿真样本。由此，可以准确地对共享车辆的出行数据进行仿真。
本说明书一个实施例提供的共享车辆出行数据的仿真装置可以为图1中仿真系统102的一个模块或者单元。
与上述共享车辆调度方法对应地，本说明书一个实施例还提供的一种共享车辆调度装置，如图6所示，该装置可以包括：
获取单元602，用于获取共享车辆出行数据的仿真样本，该仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成。
确定单元604，用于基于获取单元602获取的仿真样本，确定各个预定站点在仿真周期中各个时刻下的车辆重复使用率。
这里的多个预定站点可以包括第一站点，多个时刻可以包括第一时刻。
确定单元604具体可以用于：
对于第一站点，基于仿真样本，统计第一站点在第一时刻下的停放车辆的数量，并统计在第一时刻开始的预设时长内所生成的、与停放车辆对应的仿真出行事件的数目。
基于第一站点在第一时刻下的停放车辆的数量以及统计的仿真出行事件的数目，确定第一站点在第一时刻下的车辆重复使用率。
确定单元604还具体可以用于：
基于第一时刻以及预设时长，确定截止统计时刻。
基于仿真样本，确定在第一时刻与截止统计时刻之间所生成的仿真出行事件。
从确定出的仿真出行事件中筛选与停放车辆对应的仿真出行事件，并统计该仿真出行事件的数目。
确定单元604还具体可以用于：
判断截止统计时刻是否在仿真周期内。
若否，则获取与仿真周期的下一仿真周期对应的仿真样本。
基于与仿真周期对应的仿真样本以及与下一仿真周期对应的仿真样本，确定在第一时刻与截止统计时刻之间所生成的仿真出行事件。
调度单元606，用于基于确定单元604确定的各个预定站点在仿真周期中各个时刻下的车辆重复使用率，对各个预定站点的车辆进行调度。
本说明书上述实施例装置的各功能模块的功能，可以通过上述方法实施例的各步骤来实现，因此，本说明书一个实施例提供的装置的具体工作过程，在此不复赘述。
本说明书一个实施例提供的共享车辆调度装置，获取单元602获取共享车辆出行数据的仿真样本，该仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成。确定单元604基于仿真样本，确定各个预定站点在仿真周期中各个时刻下的车辆重复使用率。调度单元606基于各个预定站点在仿真周期中各个时刻下的车辆重复使用率，对各个预定站点的车辆进行调度。由此，可以实现站点间共享车辆的准确调度，进而可以大大提升共享车辆的使用率。
本说明书一个实施例提供的共享车辆调度装置可以为图1中调度系统104的一个模块或者单元。
与上述共享车辆出行数据的仿真方法对应地，本说明书实施例还提供了一种共享车辆出行数据的仿真设备，如图7所示，该设备可以包括：存储器702、一个或多个处理器704以及一个或多个程序。其中，该一个或多个程序存储在存储器702中，并且被配置成由一个或多个处理器704执行，该程序被处理器704执行时实现以下步骤：
获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率。
对于多个预定站点中任意的第一站点以及多个时刻中任意的第一时刻，至少基于第一站点在第一时刻下的车辆需求量，以及第一站点与其他站点之间的站点转移概率，生成仿真出行事件。
基于仿真周期中各个时刻下针对各个预定站点生成的仿真出行事件，形成仿真样本。
本说明书一个实施例提供的共享车辆出行数据的仿真设备，可以准确地对共享车辆的出行数据进行仿真。
需要说明的是，图7所示的共享车辆出行数据的仿真设备也同样适用于共享车辆的调度设备，即该共享车辆的调度设备可以包括：存储器702、一个或多个处理器704以及一个或多个程序。其中，该一个或多个程序存储在存储器702中，并且被配置成由一个或多个处理器704执行。所不同的是，该程序被处理器704执行时实现以下步骤：
获取共享车辆出行数据的仿真样本，该仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成。
基于仿真样本，确定各个预定站点在仿真周期中各个时刻下的车辆重复使用率。
基于各个预定站点在仿真周期中各个时刻下的车辆重复使用率，对各个预定站点的车辆进行调度。
本说明书一个实施例提供的共享车辆调度设备，可以实现站点间共享车辆的准确调度，进而可以大大提升共享车辆的使用率。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，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。
结合本说明书公开内容所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于服务器中。当然，处理器和存储介质也可以作为分立组件存在于服务器中。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述的具体实施方式，对本说明书的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本说明书的具体实施方式而已，并不用于限定本说明书的保护范围，凡在本说明书的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书的保护范围之内。

Claims (22)

1.一种共享车辆出行数据的仿真方法，包括：
获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率；
对于所述多个预定站点中任意的第一站点以及所述多个时刻中任意的第一时刻，至少基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件；
基于所述仿真周期中各个时刻下针对所述各个预定站点生成的仿真出行事件，形成仿真样本。
2.根据权利要求1所述的方法，所述各个预定站点的车辆需求量基于回归模型预测得到；或者，所述各个预定站点的车辆需求量基于概率分布的分析方法得到。
3.根据权利要求1所述的方法，所述各个预定站点之间的站点转移概率基于统计模型预测得到；或者，所述各个预定站点之间的站点转移概率基于概率分布的分析方法得到。
4.根据权利要求1所述的方法，所述至少基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件，包括：
确定所述第一站点在所述第一时刻下的停放车辆的数量；
基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，从所述第一站点的停放车辆中确定出对应的出行车辆以及所述出行车辆的目的站点，由此生成所述第一站点在所述第一时刻的仿真出行事件；
基于所述出行车辆的数量，对所述第一站点在所述第一时刻下的停放车辆的数量进行第一调整。
5.根据权利要求4所述的方法，所述仿真出行事件具有对应的起始时刻、起始站点与目的站点之间的行程时间；所述确定所述第一站点在所述第一时刻下的停放车辆的数量，包括：
获取所述第一站点在上一时刻进行所述第一调整后的停放车辆的第一数量；
获取未处理的仿真出行事件，所述未处理的仿真出行事件的起始时刻和所述行程时间之和在所述上一时刻与所述第一时刻之间；
根据所述未处理的仿真出行事件中目的站点与所述第一站点相匹配的事件数目，对所述第一数量进行第二调整，以得到所述第一站点在所述第一时刻下的停放车辆的数量。
6.根据权利要求4所述的方法，所述基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，从所述第一站点的停放车辆中确定出对应的出行车辆以及所述出行车辆的目的站点，包括：
从所述第一站点的停放车辆中随机确定出与所述车辆需求量的数量相符的出行车辆；
对于确定出的出行车辆中的每个出行车辆，基于所述第一站点与其他站点之间的站点转移概率，从所述各个预定站点中确定出对应的目的站点。
7.一种共享车辆的调度方法，包括：
获取共享车辆出行数据的仿真样本，所述仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成；其中，任意的第一时刻下任意的第一站点的仿真出行事件，基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率生成；
基于所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率；
基于所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，对所述各个预定站点的车辆进行调度。
8.根据权利要求7所述的方法，所述基于所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，包括：
对于所述第一站点，基于所述仿真样本，统计所述第一站点在所述第一时刻下的停放车辆的数量，并统计在所述第一时刻开始的预设时长内所生成的、与所述停放车辆对应的仿真出行事件的数目；
基于所述第一站点在所述第一时刻下的停放车辆的数量以及统计的仿真出行事件的数目，确定所述第一站点在所述第一时刻下的车辆重复使用率。
9.根据权利要求8所述的方法，所述统计在所述第一时刻开始的预设时长内所生成的、与所述停放车辆对应的仿真出行事件的数目，包括：
基于所述第一时刻以及所述预设时长，确定截止统计时刻；
基于所述仿真样本，确定在所述第一时刻与所述截止统计时刻之间所生成的仿真出行事件；
从确定出的仿真出行事件中筛选与所述停放车辆对应的仿真出行事件，并统计该仿真出行事件的数目。
10.根据权利要求9所述的方法，在所述基于所述仿真样本，确定在所述第一时刻与所述截止统计时刻之间所生成的仿真出行事件之前，还包括：
判断所述截止统计时刻是否在所述仿真周期内；
若否，则获取与所述仿真周期的下一仿真周期对应的仿真样本；
所述基于所述仿真样本，确定在所述第一时刻与所述截止统计时刻之间所生成的仿真出行事件，包括：
基于与所述仿真周期对应的仿真样本以及与下一仿真周期对应的仿真样本，确定在所述第一时刻与所述截止统计时刻之间所生成的仿真出行事件。
11.一种共享车辆出行数据的仿真装置，包括：
获取单元，用于获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率；
生成单元，用于对于所述多个预定站点中任意的第一站点以及所述多个时刻中任意的第一时刻，至少基于所述获取单元获取的所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件；
所述生成单元，还用于基于所述仿真周期中各个时刻下针对所述各个预定站点生成的仿真出行事件，形成仿真样本。
12.根据权利要求11所述的装置，所述各个预定站点的车辆需求量基于回归模型预测得到；或者，所述各个预定站点的车辆需求量基于概率分布的分析方法得到。
13.根据权利要求11所述的装置，所述各个预定站点之间的站点转移概率基于统计模型预测得到；或者，所述各个预定站点之间的站点转移概率基于概率分布的分析方法得到。
14.根据权利要求11所述的装置，所述生成单元具体用于：
确定所述第一站点在所述第一时刻下的停放车辆的数量；
基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，从所述第一站点的停放车辆中确定出对应的出行车辆以及所述出行车辆的目的站点，由此生成所述第一站点在所述第一时刻的仿真出行事件；
基于所述出行车辆的数量，对所述第一站点在所述第一时刻下的停放车辆的数量进行第一调整。
15.根据权利要求14所述的装置，所述仿真出行事件具有对应的起始时刻、起始站点与目的站点之间的行程时间；
所述生成单元还具体用于：
获取所述第一站点在上一时刻进行所述第一调整后的停放车辆的第一数量；
获取未处理的仿真出行事件，所述未处理的仿真出行事件的起始时刻和所述行程时间之和在所述上一时刻与所述第一时刻之间；
根据所述未处理的仿真出行事件中目的站点与所述第一站点相匹配的事件数目，对所述第一数量进行第二调整，以得到所述第一站点在所述第一时刻下的停放车辆的数量。
16.根据权利要求14所述的装置，所述生成单元还具体用于：
从所述第一站点的停放车辆中随机确定出与所述车辆需求量的数量相符的出行车辆；
对于确定出的出行车辆中的每个出行车辆，基于所述第一站点与其他站点之间的站点转移概率，从所述各个预定站点中确定出对应的目的站点。
17.一种共享车辆的调度装置，包括：
获取单元，用于获取共享车辆出行数据的仿真样本，所述仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成；其中，任意的第一时刻下任意的第一站点的仿真出行事件，基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率生成；
确定单元，用于基于所述获取单元获取的所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率；
调度单元，用于基于所述确定单元确定的所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，对所述各个预定站点的车辆进行调度。
18.根据权利要求17所述的装置，所述确定单元具体用于：
对于所述第一站点，基于所述仿真样本，统计所述第一站点在所述第一时刻下的停放车辆的数量，并统计在所述第一时刻开始的预设时长内所生成的、与所述停放车辆对应的仿真出行事件的数目；
基于所述第一站点在所述第一时刻下的停放车辆的数量以及统计的仿真出行事件的数目，确定所述第一站点在所述第一时刻下的车辆重复使用率。
19.根据权利要求18所述的装置，所述确定单元还具体用于：
基于所述第一时刻以及所述预设时长，确定截止统计时刻；
基于所述仿真样本，确定在所述第一时刻与所述截止统计时刻之间所生成的仿真出行事件；
从确定出的仿真出行事件中筛选与所述停放车辆对应的仿真出行事件，并统计该仿真出行事件的数目。
20.根据权利要求19所述的装置，所述确定单元还具体用于：
判断所述截止统计时刻是否在所述仿真周期内；
若否，则获取与所述仿真周期的下一仿真周期对应的仿真样本；
基于与所述仿真周期对应的仿真样本以及与下一仿真周期对应的仿真样本，确定在所述第一时刻与所述截止统计时刻之间所生成的仿真出行事件。
21.一种共享车辆出行数据的仿真设备，包括：
存储器；
一个或多个处理器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：
获取在仿真周期中的多个时刻下，共享车辆的多个预定站点中各个预定站点的车辆需求量，以及各个预定站点之间的站点转移概率；
对于所述多个预定站点中任意的第一站点以及所述多个时刻中任意的第一时刻，至少基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率，生成仿真出行事件；
基于所述仿真周期中各个时刻下针对所述各个预定站点生成的仿真出行事件，形成仿真样本。
22.一种共享车辆的调度设备，包括：
存储器；
一个或多个处理器；以及
一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：
获取共享车辆出行数据的仿真样本，所述仿真样本基于仿真周期中各个时刻下针对共享车辆的多个预定站点中各个预定站点生成的仿真出行事件形成；其中，任意的第一时刻下任意的第一站点的仿真出行事件，基于所述第一站点在所述第一时刻下的车辆需求量，以及所述第一站点与其他站点之间的站点转移概率生成；
基于所述仿真样本，确定所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率；
基于所述各个预定站点在所述仿真周期中各个时刻下的车辆重复使用率，对所述各个预定站点的车辆进行调度。
CN201910754684.7A 2019-08-15 2019-08-15 共享车辆出行数据仿真、共享车辆调度方法、装置及设备 Active CN110543699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910754684.7A CN110543699B (zh) 2019-08-15 2019-08-15 共享车辆出行数据仿真、共享车辆调度方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910754684.7A CN110543699B (zh) 2019-08-15 2019-08-15 共享车辆出行数据仿真、共享车辆调度方法、装置及设备

Publications (2)

Publication Number Publication Date
CN110543699A CN110543699A (zh) 2019-12-06
CN110543699B true CN110543699B (zh) 2023-06-13

Family

ID=68711633

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910754684.7A Active CN110543699B (zh) 2019-08-15 2019-08-15 共享车辆出行数据仿真、共享车辆调度方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110543699B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036615A (zh) * 2020-08-17 2020-12-04 上海钧正网络科技有限公司 一种车辆调度方法、装置、设备和存储介质
CN113011790A (zh) * 2021-04-23 2021-06-22 上海汽车集团股份有限公司 共享汽车调度仿真方法、装置、电子设备及存储介质
CN116227889B (zh) * 2023-05-05 2023-07-25 北京阿帕科蓝科技有限公司 共享车辆的挪车方法、装置、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106030628A (zh) * 2014-01-31 2016-10-12 布鲁汽车共享公司 使用于车辆的共享使用的设施再平衡的方法和系统和实施所述方法和/或系统的设施
CN107239883A (zh) * 2017-05-12 2017-10-10 同济大学 一种汽车共享系统车辆的调度方法
CN108776852A (zh) * 2018-06-22 2018-11-09 北京京东金融科技控股有限公司 无桩车辆调度方法和系统
CN108876056A (zh) * 2018-07-20 2018-11-23 广东工业大学 一种共享自行车需求量预测方法、装置、设备及存储介质
CN109544690A (zh) * 2018-10-18 2019-03-29 华南理工大学 共享单车出行影响因素识别方法、系统及存储介质
JP2019109826A (ja) * 2017-12-20 2019-07-04 日産自動車株式会社 情報管理方法及び情報管理装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106030628A (zh) * 2014-01-31 2016-10-12 布鲁汽车共享公司 使用于车辆的共享使用的设施再平衡的方法和系统和实施所述方法和/或系统的设施
CN107239883A (zh) * 2017-05-12 2017-10-10 同济大学 一种汽车共享系统车辆的调度方法
JP2019109826A (ja) * 2017-12-20 2019-07-04 日産自動車株式会社 情報管理方法及び情報管理装置
CN108776852A (zh) * 2018-06-22 2018-11-09 北京京东金融科技控股有限公司 无桩车辆调度方法和系统
CN108876056A (zh) * 2018-07-20 2018-11-23 广东工业大学 一种共享自行车需求量预测方法、装置、设备及存储介质
CN109544690A (zh) * 2018-10-18 2019-03-29 华南理工大学 共享单车出行影响因素识别方法、系统及存储介质

Also Published As

Publication number Publication date
CN110543699A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
CN110543699B (zh) 共享车辆出行数据仿真、共享车辆调度方法、装置及设备
CN109214584B (zh) 用于预测客流量的方法和装置
Xue et al. Short-term bus passenger demand prediction based on time series model and interactive multiple model approach
CN111033535B (zh) 用于乘车订单调度的系统和方法
CN111066048B (zh) 用于乘车订单分派的系统和方法
CN108091166B (zh) 可用停车位数目变化的预测方法、装置、设备及存储介质
US11443335B2 (en) Model-based deep reinforcement learning for dynamic pricing in an online ride-hailing platform
CN112508173A (zh) 交通时空序列多步预测方法、系统及存储介质
CN109920248B (zh) 一种基于gru神经网络的公交到站时间预测方法
CN113287124A (zh) 用于搭乘订单派遣的系统和方法
CN111832869A (zh) 一种车辆调度方法、装置、电子设备及存储介质
CN108416619B (zh) 一种消费间隔时间预测方法、装置及可读存储介质
CN111415027A (zh) 构建件量预测模型的方法和装置
CN111859172B (zh) 信息推送方法、装置、电子设备和计算机可读存储介质
JP2004023114A (ja) 通信トラヒック予測方法およびその装置
US11507896B2 (en) Method and system for spatial-temporal carpool dual-pricing in ridesharing
CN110910191A (zh) 拼车订单生成方法及设备
CN113129102B (zh) 一种延迟派单方法、装置、电子设备及存储介质
CN114066079A (zh) 一种基于多租户的网约车供需差预测方法及装置
CN112785044B (zh) 公共交通工具的实时满载率预测方法、装置、设备和介质
CN115660156A (zh) 一种用于交通站点客流拥堵延误预测的方法及系统
US20220327650A1 (en) Transportation bubbling at a ride-hailing platform and machine learning
CN113065803A (zh) 站间行车数据处理方法、装置、电子设备及存储介质
CN111754050A (zh) 配送对象配送画像的预测方法及装置
CN109325625A (zh) 一种基于二元高斯非齐次泊松过程的单车数量预测方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant before: Advanced innovation technology Co.,Ltd.

Effective date of registration: 20200925

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant