CN110766244A - 资源部署方法和装置、计算机可读存储介质 - Google Patents

资源部署方法和装置、计算机可读存储介质 Download PDF

Info

Publication number
CN110766244A
CN110766244A CN201810822683.7A CN201810822683A CN110766244A CN 110766244 A CN110766244 A CN 110766244A CN 201810822683 A CN201810822683 A CN 201810822683A CN 110766244 A CN110766244 A CN 110766244A
Authority
CN
China
Prior art keywords
current
resource
deployment
redeployment
time slice
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
Application number
CN201810822683.7A
Other languages
English (en)
Other versions
CN110766244B (zh
Inventor
阮思捷
鲍捷
郑宇�
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.)
JD Digital Technology Holdings Co Ltd
Original Assignee
JD Digital Technology Holdings 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 JD Digital Technology Holdings Co Ltd filed Critical JD Digital Technology Holdings Co Ltd
Priority to CN201810822683.7A priority Critical patent/CN110766244B/zh
Publication of CN110766244A publication Critical patent/CN110766244A/zh
Application granted granted Critical
Publication of CN110766244B publication Critical patent/CN110766244B/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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (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)

Abstract

本发明公开一种资源部署方法和装置、计算机可读存储介质。该方法包括：获取当前人流数据和当前环境数据；根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值；根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署；在当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。本发明可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。

Description

资源部署方法和装置、计算机可读存储介质
技术领域
本发明涉及资源部署领域，特别涉及一种资源部署方法和装置、计算机可读存储介质。
背景技术
公共资源的部署策略，比如自动贩卖机，垃圾桶的放置等等，是政府以及公共设施服务行业关心的问题。一个好的部署方案，能够在有限的资源个数下，服务到更多的人，从而达到节约成本，增加营收等目的。
传统的做法是领域专家根据经验(如人口分布，先验知识等)规划部署策略。
发明内容
申请人发现：相关技术也有一些做法根据人类移动性数据来进行资源选址，以便于能够覆盖尽可能多的人。
相关解决方案中，公共资源的部署是静态的，位置固定后，便不会再做调整。而在现实场景中，人的空间分布会随着一天的时间产生变化。比如在北京欢乐谷，有一些园区只在上午开放，而有一些表演在下午演出。这就导致了人的空间分布会随着时间产生变化。而静态的部署方案，要满足全天候的覆盖，势必要增加资源个数，而且每个资源也不能在不同时间都达到最高的利用率，造成资源的浪费。
随着无人车行业的兴起，公共资源在不久的将来可以实现自主移动。但根据人的移动性来动态分配资源这一问题尚未被解决。
鉴于以上技术问题，本发明提供了一种资源部署方法和装置、计算机可读存储介质，能够为公共资源动态部署提供指导。
根据本发明的一个方面，提供一种资源部署方法，包括：
获取当前人流数据和当前环境数据；
根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值；
根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署；
在当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
在本发明的一些实施例中，所述根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否进行资源重部署包括：
根据当前时间片的人流量、当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署。
在本发明的一些实施例中，所述在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署包括：
在整个当前部署周期人流覆盖率最大化的情况下，确定需要进行资源重部署的时间片；
判断需要进行资源重部署的时间片是否包括当前时间片；
在需要进行资源重部署的时间片包括当前时间片的情况下，判定当前时间片需要进行资源重部署。
在本发明的一些实施例中，所述按照预定重部署策略进行资源的重部署包括：
获取所有资源的当前空间位置和当前能耗；
获取所有资源的重部署后的空间位置；
根据所有资源的当前空间位置、当前能耗以及重部署后的空间位置，按照预定重部署策略进行资源的重部署。
在本发明的一些实施例中，所述预定重部署策略为最小化当前部署周期的总能耗、或最小化当前部署周期内最大单个资源的能耗。
在本发明的一些实施例中，所述资源部署方法还包括：
通过离线训练，根据预定区域的人流数据和环境数据，建立时空人流预测模型。
在本发明的一些实施例中，所述人流数据为人类流动性数据。
在本发明的一些实施例中，所述环境数据包括气象数据和空气质量数据中的至少一项。
在本发明的一些实施例中，所述部署周期为一天。
根据本发明的另一方面，提供一种资源部署装置，包括：
实时数据获取模块，用于获取当前人流数据和当前环境数据；
人流预测模块，用于根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值；
资源重部署决策模块，用于根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署；
重部署模块，用于在资源重部署决策模块判定当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
在本发明的一些实施例中，所述资源部署装置用于执行实现如上述任一实施例所述的资源部署方法的操作。
根据本发明的另一方面，提供一种资源部署装置，包括存储器和处理器，其中：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述资源部署装置执行实现如上述任一实施例所述的资源部署方法的操作。
根据本发明的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的资源部署方法。
本发明可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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他的附图。
图1为本发明资源部署方法一些实施例的示意图。
图2为本发明资源部署方法另一些实施例的示意图。
图3为本发明一个实施例中位置匹配的示意图。
图4为本发明资源部署方法一些实施例的示意图。
图5为本发明资源部署装置另一些实施例的示意图。
图6为本发明资源部署装置又一些实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。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他实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本发明资源部署方法一些实施例的示意图。优选的，本实施例可由本发明资源部署装置执行。该方法包括以下步骤：
步骤11，获取当前人流数据和当前环境数据。
在本发明的一些实施例中，所述人流数据可以为人类流动性数据。
在本发明的一些实施例中，所述环境数据可以包括气象数据和空气质量数据等环境数据中的至少一项。
步骤12，根据当前人流数据和当前环境数据、以及预定时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值。
在本发明的一些实施例中，所述部署周期可以为1天或1周等时间段。
在本发明的一些实施例中，所述时间片可以为小于部署周期的时间段。
例如：在所述部署周期为1天的情况下，所述时间片可以为1小时。
步骤13，根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署。
在本发明的一些实施例中，所述资源可以为自动贩卖机，垃圾桶等公共资源。
在本发明的一些实施例中，步骤13可以包括：根据当前时间片的人流量、当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署。
在本发明的一些实施例中，所述在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署的步骤可以包括：
步骤131，在整个当前部署周期人流覆盖率最大化的情况下，确定需要进行资源重部署的时间片。
步骤132，判断需要进行资源重部署的时间片是否包括当前时间片。
步骤133，在需要进行资源重部署的时间片包括当前时间片的情况下，判定当前时间片需要进行资源重部署。
步骤14，在当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
在本发明的一些实施例中，步骤14中，所述按照预定重部署策略进行资源的重部署的步骤可以包括：
步骤141，获取所有资源的当前空间位置和当前能耗。
步骤142，获取所有资源的重部署后的空间位置。
步骤143，根据所有资源的当前空间位置、当前能耗以及重部署后的空间位置，按照预定重部署策略进行资源的重部署。
在本发明的一些实施例中，所述预定重部署策略可以为最小化当前部署周期的总能耗、或最小化当前部署周期内最大单个资源的能耗。
基于本发明上述实施例提供的资源部署方法，是一种基于人类移动性的公共资源部署方案。本发明上述实施例可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。本发明上述实施例能够给公共资源动态部署提供指导，从而更有效地服务人群，降低成本和资源浪费。
图2为本发明资源部署方法另一些实施例的示意图。优选的，本实施例可由本发明资源部署装置执行。该方法包括以下步骤：
步骤20，通过离线训练，根据预定区域的人流数据和环境数据，建立时空人流预测模型。
在本发明的一些实施例中，步骤20可以包括：
步骤201，设定需要动态部署的空间区域为R。
步骤202，设定区域R内过去m天的人类移动性数据为(H1,H2,…,Hn)m，其中，H1,H2,…,Hn为全天t1,t2,…,tn，n个时间片分别对应的人类移动性数据。
步骤203，设定区域R内过去m天的气象数据为(M1,M2,…,Mn)m，其中，M1,M2,…,Mn为全天t1,t2,…,tn，n个时间片分别对应的气象数据。
步骤204，设定区域R内过去m天的空气质量数据为(A1,A2,…,An)m，其中，A1,A2,…,An为全天t1,t2,…,tu，n个时间片分别对应的空气质量数据。
步骤205，利用时空人流预测模型，包括但不限于STResNet等建模函数，根据预定时间段内(m天)的人流数据、气象数据、空气质量数据，对人流的时空动态变化进行建模。
步骤21，获取当前人流数据和当前环境数据。
在本发明的一些实施例中，所述当前人流数据可以为当前时刻移动性数据Hcur。
在本发明的一些实施例中，所述当前环境数据可以包括当前时刻气象数据Mcur和当前时刻空气质量数据Acur等环境数据中的至少一项。
在本发明的一些实施例中，步骤21可以包括：获取当前时刻移动性数据Hcur、当前时刻气象数据Mcur和当前时刻空气质量数据Acur。
步骤22，根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值。
在本发明的一些实施例中，部署周期可以为1天。
在本发明的一些实施例中，步骤22可以包括：
步骤221，根据离线训练得到的时空人流预测模型，以及当前时刻的人流数据Hcur，气象Mcur以及空气质量Acur作为输入，预测后续时间片tcur+1到当天资源服务时间结束时间tn，每个时间片的人流量预测值。
步骤222，将当前时间片tcur真实人流量也考虑其中，得到序列
Figure BDA0001741699350000081
步骤23，根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署。
在本发明的一些实施例中，步骤23可以包括：
步骤230，进行相关设定。
1、设定单个资源i在tj时刻覆盖的空间范围
Figure BDA0001741699350000087
单个资源i在tj时刻所覆盖的空间范围所述空间范围
Figure BDA0001741699350000089
是以该资源在tj时刻所处中心位置为圆心，r为每个资源的辐射半径，所覆盖的空间区域。
2、设定所有资源在tj时间片人流覆盖率I(tj)。
空间区域人流量的统计，常规的做法是将空间区域栅格化。在栅格化的计算方法下，所有资源在tj时间片人流覆盖率I(tj)由以下公式给出。
Figure BDA0001741699350000083
其中，I(tj)计算的是空间区域R被所有资源覆盖到的区域内人流量的总和。ct(g)代表栅格g内,tj时刻的人流量。II(g)是一个指示函数，如果该栅格g被至少一个资源覆盖到，则值为1，否则为0。
3、设定动态资源部署方案全天人流覆盖率I(t1,tn)为如下公式：
Figure BDA0001741699350000084
动态资源部署方案全天人流覆盖率I(t1,tn),为全天t1,…,tnn个时间片，每个时间片覆盖率的总和。
4、设定单个资源i重部署一次能耗
Figure BDA0001741699350000085
为如下公式：
Figure BDA0001741699350000086
其中，单个资源i重部署一次能耗
Figure BDA0001741699350000091
可以认为是从上一次重部署后的位置
Figure BDA0001741699350000092
到本次重部署后的位置
Figure BDA0001741699350000093
的移动开销。
能耗可以定义为
Figure BDA0001741699350000095
到之间的距离。根据具体问题不同，所述距离可以是欧氏距离、曼哈顿距离、路网距离等等。
步骤231，根据步骤222得到的从tcur到tn的人流量预测值，计算在(根据当前时刻预估的)全天人流覆盖率I(t1,tn)最大的情况下，需要发生资源重部署的(S-1)个时间片，其中，S为一天允许调度次数，1为当前已调度次数。
在本发明的一些实施例中，所述方法还可以包括重部署后k个新位置。
在本发明的一些实施例中，所述重部署后k个新位置的计算方法可以包括：在发生重部署的时间片先选择辐射半径内人数最多的栅格中心，删除辐射半径内用户后；用同样方法，选择下一个栅格中心，直到选出k个栅格中心。
由于在tn时刻且已经重部署S次后覆盖率的最大值，可以通过在之前某一个时刻tτ重部署S-1次覆盖率最大值的方案计算而来。所以该问题存在最优子结构，可以用动态规划求解。
其中，所述动态规划(Dynamic programming，简称DP)指的是一种在数学、管理科学、计算机科学、经济学和生物信息学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。
步骤232，判断需要进行资源重部署的时间片是否包括当前时间片。
步骤233，在需要进行资源重部署的(S-l)个时间片包括当前时间片的情况下，判定当前时间片需要进行资源重部署。否则，计算结束。
步骤24，在当前时间片tcur需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
在步骤23决定当前时间片tcur需要重部署的情况下，重部署后k个资源的位置(L1,L2,…,Lk)可以由步骤23计算得知。
在本发明的一些实施例中，步骤24还包括：获取当前所有资源的空间位置
Figure BDA0001741699350000102
以及当前所有资源的能耗
图3为本发明一个实施例中位置匹配的示意图。如图3所示，步骤24的资源重部署过程可以包括：计算当前时刻重部署前k个位置
Figure BDA0001741699350000104
到重新部署后k个位置(L1,L2,…,Lk)的一种位置分配方式。
所述位置匹配问题可以抽象为计算机图论中寻找二分图的一个完美匹配问题。当前时刻重部署前k个位置到重部署后k个位置的完美匹配，存在k！种可能。
其中，所述二分图的完美匹配指的是：如果图中点可以被分为两组，并且使得所有边都跨越组的边界，则这就是一个二分图。在图论中，一个匹配是一个边的集合，其中任意两条边都没有公共顶点。如果一个图的某个匹配中，所有的顶点都是匹配点，那么所述匹配就是一个完美匹配。
由于空间位置的不同，不同种匹配方式，即不同资源被分配去不同的位置时，资源消耗的能量是不同的(这里假设一个资源去一个位置消耗的能量为该资源距离匹配的位置的距离)。故本发明可以采用两种优化目标(重部署策略)，供不同需求的用户选择。
在本发明的一些实施例中，可以采用最小化(根据tcur预估的)全天总能量消耗minEtotal(t1,tn)的重部署方案。
设定资源动态部署全天总能耗Etotal(t1,tn)为如下公式：
Figure BDA0001741699350000101
其中，资源动态部署全天总能耗E(t1,tn)，定义为k个资源调度S次消耗能量的总和。
Figure BDA0001741699350000105
和
Figure BDA0001741699350000106
分别代表资源i在第1次调度前和调度后的位置。
如果要最小化全天总能量消耗，则对于每一次调度，最小化单次匹配的总能耗即可。例如：通过执行诸如KM的算法，可以在O(k3)的时间复杂度内计算出最小代价完美匹配方案。
其中，KM算法指的是Kuhn-Munkres算法，是高效求解二分图最佳完美匹配的算法，即二分图完美匹配中使边权和最大/最小的匹配。
在本发明的另一些实施例中，可以采用最小化(根据tcur预估的)全天最大单个资源能耗minEmax(t1,tn)的重部署方案。
设定资源动态部署全天单个资源最大能耗Emax(t1,tn)为如下公式：
其中，资源动态部署全天单个资源最大能耗Emax(t1,tn)，为k个资源全天能耗中最高的值。
最小化全天总能耗的目标，没有考虑单个资源的能耗情况，可能会发生某些资源能耗很大(甚至能量耗尽)，某些资源能耗很小的情况。而采用最小化全天最大单个资源能耗minEmax(t1,tn)的重部署方案，则可以保证所有资源的能耗都不会特别大。所述问题是一个NP-hard(Non-Deterministic Polynomial hard，非确定多项式难)问题，通过动态规划暴力求解，该方法的时间复杂度为O(Sk！)。考虑到时间复杂度较大，在计算力有限的情况下，该问题也可以用贪心算法求近似解。将k个资源当天能耗从大到小排序。将距离最近的位置安排给已消耗能量最多的资源，以此类推，时间复杂度为O(k2)。
本发明上述实施例可以利用实时人流数据，结合气象，空气质量数据来动态重部署公共资源的方案。实现方法是通过历史数据，对人流的时序变化建模。根据实时数据的输入，对未来人流时空变化做出预测，来指导重部署的决策，以及计算重部署方案。
本发明上述实施例可以根据当天未来(预测的)人流动态变化，以及当天剩余可调度的次数，利用动态规划的方法，要使全天人流覆盖率最大化，做出当前时刻是否进行重部署的决策。
本发明上述实施例可以根据全天(预计)调度消耗的能耗最小，或者全天(预计)能耗最多的资源能耗最小，两个不同的需求，利用动态规划的方法，计算最优调度方案。
因此本发明上述实施例可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。本发明上述实施例能够给公共资源动态部署提供指导，从而更有效地服务人群，降低成本和资源浪费。
图4为本发明资源部署方法一些实施例的示意图。如图4所示，所述资源部署装置可以包括实时数据获取模块41、人流预测模块42、资源重部署决策模块43和重部署模块44，其中：
实时数据获取模块41，用于获取当前人流数据和当前环境数据。
在本发明的一些实施例中，所述人流数据可以为人类流动性数据。
在本发明的一些实施例中，所述环境数据可以包括气象数据和空气质量数据等环境数据中的至少一项。
在本发明的一些实施例中，所述当前人流数据可以为当前时刻移动性数据Hcur。
在本发明的一些实施例中，所述当前环境数据可以包括当前时刻气象数据Mcur和当前时刻空气质量数据Acur等环境数据中的至少一项。
人流预测模块42，用于根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值。
在本发明的一些实施例中，所述部署周期可以为1天或1周等时间段。
在本发明的一些实施例中，所述时间片可以为小于部署周期的时间段。
例如：在所述部署周期为1天的情况下，所述时间片可以为1小时。
资源重部署决策模块43，用于根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署。
在本发明的一些实施例中，所述资源可以为自动贩卖机，垃圾桶等公共资源。
在本发明的一些实施例中，资源重部署决策模块43可以用于根据当前时间片的人流量、当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署。
在本发明的一些具体实施例中，资源重部署决策模块43可以用于在整个当前部署周期人流覆盖率最大化的情况下，确定需要进行资源重部署的时间片；判断需要进行资源重部署的时间片是否包括当前时间片；在需要进行资源重部署的时间片包括当前时间片的情况下，判定当前时间片需要进行资源重部署。
重部署模块44，用于在资源重部署决策模块43判定当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
在本发明的一些实施例中，所述预定重部署策略可以为最小化当前部署周期的总能耗、或最小化当前部署周期内最大单个资源的能耗。
在本发明的一些实施例中，重部署模块44可以用于获取所有资源的当前空间位置和当前能耗；获取所有资源的重部署后的空间位置；根据所有资源的当前空间位置、当前能耗以及重部署后的空间位置，按照预定重部署策略进行资源的重部署。
基于本发明上述实施例提供的资源部署装置，是一种基于人类移动性的公共资源部署方案。本发明上述实施例可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。本发明上述实施例能够给公共资源动态部署提供指导，从而更有效地服务人群，降低成本和资源浪费。
图5为本发明资源部署装置另一些实施例的示意图。与图4所示实施例相比，在图5所示实施例中，所述资源部署装置还可以包括离线训练模块40，其中：
离线训练模块40，用于通过离线训练，根据预定区域的人流数据和环境数据，建立时空人流预测模型。
在本发明的一些实施例中，离线训练模块40用于设定需要动态部署的空间区域为R；设定区域R内过去m天的人类移动性数据为(H1,H2,…,Hn)m，其中，H1,H2,…,Hn为全天t1,t2,…,tn，n个时间片分别对应的人类移动性数据；设定区域R内过去m天的气象数据为(M1,M2,…,Mn)m，其中，M1,M2,…,Mn为全天t1,t2,…,tn，n个时间片分别对应的气象数据；设定区域R内过去m天的空气质量数据为(A1,A2,…,An)m，其中，A1,A2,…,An为全天t1,t2,…,tn，n个时间片分别对应的空气质量数据；以及利用时空人流预测模型，包括但不限于STResNet等建模函数，根据预定时间段内(m天)的人流数据、气象数据、空气质量数据，对人流的时空动态变化进行建模。
实时数据获取模块41，用于获取当前时刻移动性数据Hcur、当前时刻气象数据Mcur和当前时刻空气质量数据Acur。
人流预测模块42，用于根据离线训练得到的时空人流预测模型，以及当前时刻的人流数据Hcur，气象Mcur以及空气质量Acur作为输入，预测后续时间片tcur+1到当天资源服务时间结束时间tn，每个时间片的人流量预测值；将当前时间片tcur真实人流量也考虑其中，得到序列
资源重部署决策模块43，用于根据步骤222得到的从tcur到tn的人流量预测值，计算在(根据当前时刻预估的)全天人流覆盖率I(t1,tn)最大的情况下，需要发生资源重部署的(S-l)个时间片，其中，S为一天允许调度次数，l为当前已调度次数；判断需要进行资源重部署的时间片是否包括当前时间片。
重部署模块44，用于在当前时间片tcur需要进行资源重部署的情况下，获取当前所有资源的空间位置以及当前所有资源的能耗采用最小化当前部署周期的总能耗、或最小化当前部署周期内最大单个资源的能耗的重部署策略，计算当前时刻重部署前k个位置
Figure BDA0001741699350000151
到重新部署后k个位置(L1,L2,…,Lk)的一种位置分配方式。
在本发明的一些实施例中，图4或图5的资源部署装置用于执行实现如上述任一实施例(例如图1-图3任一实施例)所述的资源部署方法的操作。
本发明上述实施例可以利用实时人流数据，结合气象，空气质量数据来动态重部署公共资源的方案。实现方法是通过历史数据，对人流的时序变化建模。根据实时数据的输入，对未来人流时空变化做出预测，来指导重部署的决策，以及计算重部署方案。
由此可以使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。本发明上述实施例能够给公共资源动态部署提供指导，从而更有效地服务人群，降低成本和资源浪费。
图6为本发明资源部署装置又一些实施例的示意图。如图6所示，所述资源部署装置可以包括存储器61和处理器62，其中：
存储器61，用于存储指令。
处理器62，用于执行所述指令，使得所述资源部署装置执行实现如上述任一实施例(例如图1-图3任一实施例)所述的资源部署方法的操作。
本发明上述实施例可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。本发明上述实施例能够给公共资源动态部署提供指导，从而更有效地服务人群，降低成本和资源浪费。
根据本发明的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例(例如图1-图3任一实施例)所述的资源部署方法。
基于本发明上述实施例提供的计算机可读存储介质，是一种基于人类移动性的公共资源部署方案。本发明上述实施例可以根据人空间分布的实时变化，综合外部气象，空气质量等因素，预测未来人流的动向，在资源个数有限的情况下，动态调整资源的部署位置，使得预计全天的覆盖的人数最大化，同时尽可能降低能源的消耗。本发明上述实施例能够给公共资源动态部署提供指导，从而更有效地服务人群，降低成本和资源浪费。
在上面所描述的资源部署装置可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (11)

1.一种资源部署方法，其特征在于，包括：
获取当前人流数据和当前环境数据；
根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值；
根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署；
在当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
2.根据权利要求1所述的资源部署方法，其特征在于，所述根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否进行资源重部署包括：
根据当前时间片的人流量、当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署。
3.根据权利要求2所述的资源部署方法，其特征在于，所述在整个当前部署周期人流覆盖率最大化的情况下，判断当前时间片是否进行资源重部署包括：
在整个当前部署周期人流覆盖率最大化的情况下，确定需要进行资源重部署的时间片；
判断需要进行资源重部署的时间片是否包括当前时间片；
在需要进行资源重部署的时间片包括当前时间片的情况下，判定当前时间片需要进行资源重部署。
4.根据权利要求1-3中任一项所述的资源部署方法，其特征在于，所述按照预定重部署策略进行资源的重部署包括：
获取所有资源的当前空间位置和当前能耗；
获取所有资源的重部署后的空间位置；
根据所有资源的当前空间位置、当前能耗以及重部署后的空间位置，按照预定重部署策略进行资源的重部署。
5.根据权利要求4所述的资源部署方法，其特征在于，
所述预定重部署策略为最小化当前部署周期的总能耗、或最小化当前部署周期内最大单个资源的能耗。
6.根据权利要求1-3中任一项所述的资源部署方法，其特征在于，还包括：
通过离线训练，根据预定区域的人流数据和环境数据，建立时空人流预测模型。
7.根据权利要求1-3中任一项所述的资源部署方法，其特征在于，
所述人流数据为人类流动性数据；
和/或，
所述环境数据包括气象数据和空气质量数据中的至少一项；
和/或，
所述部署周期为一天。
8.一种资源部署装置，其特征在于，包括：
实时数据获取模块，用于获取当前人流数据和当前环境数据；
人流预测模块，用于根据当前人流数据和当前环境数据、以及时空人流预测模型，获取当前部署周期内后续至少一个时间片的人流量预测值；
资源重部署决策模块，用于根据当前部署周期内后续至少一个时间片的人流量预测值、以及当前部署周期的剩余可调度次数，判断当前时间片是否需要进行资源重部署；
重部署模块，用于在资源重部署决策模块判定当前时间片需要进行资源重部署的情况下，按照预定重部署策略进行资源的重部署。
9.根据权利要求8所述的资源部署装置，其特征在于，所述资源部署装置用于执行实现如权利要求1-7中任一项所述的资源部署方法的操作。
10.一种资源部署装置，其特征在于，包括存储器和处理器，其中：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述资源部署装置执行实现如权利要求1-7中任一项所述的资源部署方法的操作。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如权利要求1-7中任一项所述的资源部署方法。
CN201810822683.7A 2018-07-25 2018-07-25 资源部署方法和装置、计算机可读存储介质 Active CN110766244B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810822683.7A CN110766244B (zh) 2018-07-25 2018-07-25 资源部署方法和装置、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810822683.7A CN110766244B (zh) 2018-07-25 2018-07-25 资源部署方法和装置、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110766244A true CN110766244A (zh) 2020-02-07
CN110766244B CN110766244B (zh) 2024-02-09

Family

ID=69326913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810822683.7A Active CN110766244B (zh) 2018-07-25 2018-07-25 资源部署方法和装置、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110766244B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930524A (zh) * 2020-10-10 2020-11-13 上海兴容信息技术有限公司 一种计算资源分配的方法和系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1173678A (zh) * 1996-07-08 1998-02-18 美国电报电话公司 对资源分配进行动态优化的设备、方法和介质
US20140012992A1 (en) * 2012-04-17 2014-01-09 Siemens Aktiengesellschaft Computational Resource Allocation System, A Code Analysis Framework, And A Method For Computational Resource Allocation System
CN103987055A (zh) * 2014-05-27 2014-08-13 北京农业信息技术研究中心 一种无线传感器网络节点部署及供电方法
CN104066097A (zh) * 2014-06-11 2014-09-24 沈阳中科博微自动化技术有限公司 一种智能抄表系统设备现场布置方法
CN105892321A (zh) * 2016-04-28 2016-08-24 京东方科技集团股份有限公司 一种清洁机器人的调度方法及调度装置
CN105960081A (zh) * 2016-07-26 2016-09-21 厦门华泉智慧能源科技有限公司 一种调节灯光亮度的方法及装置
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
CN106355345A (zh) * 2016-09-08 2017-01-25 京东方科技集团股份有限公司 自动售货机器人智能调度系统及方法
CN107070968A (zh) * 2016-12-27 2017-08-18 中国人民解放军空军预警学院监控系统工程研究所 对监控区域部署传感器的方法
CN107292454A (zh) * 2017-07-27 2017-10-24 国网江西省电力公司南昌供电分公司 面向共享的电力资源优化配置管理方法
CN107341029A (zh) * 2017-05-27 2017-11-10 北京奇艺世纪科技有限公司 系统资源部署策略的获取方法、装置及电子设备
US20180012164A1 (en) * 2016-07-08 2018-01-11 Conduent Business Services, Llc Method of planning for deployment of facilities and apparatus associated therewith
US20180032931A1 (en) * 2016-07-27 2018-02-01 Koninklijke Philips N.V. Resource monitoring method and system
US9928473B1 (en) * 2013-01-30 2018-03-27 Target Brands, Inc. Booster centric resource allocation
US10009775B1 (en) * 2017-03-14 2018-06-26 Aruba Networks, Inc. Network deployment

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1173678A (zh) * 1996-07-08 1998-02-18 美国电报电话公司 对资源分配进行动态优化的设备、方法和介质
US20140012992A1 (en) * 2012-04-17 2014-01-09 Siemens Aktiengesellschaft Computational Resource Allocation System, A Code Analysis Framework, And A Method For Computational Resource Allocation System
US9928473B1 (en) * 2013-01-30 2018-03-27 Target Brands, Inc. Booster centric resource allocation
CN103987055A (zh) * 2014-05-27 2014-08-13 北京农业信息技术研究中心 一种无线传感器网络节点部署及供电方法
CN104066097A (zh) * 2014-06-11 2014-09-24 沈阳中科博微自动化技术有限公司 一种智能抄表系统设备现场布置方法
CN105892321A (zh) * 2016-04-28 2016-08-24 京东方科技集团股份有限公司 一种清洁机器人的调度方法及调度装置
US20180012164A1 (en) * 2016-07-08 2018-01-11 Conduent Business Services, Llc Method of planning for deployment of facilities and apparatus associated therewith
CN105960081A (zh) * 2016-07-26 2016-09-21 厦门华泉智慧能源科技有限公司 一种调节灯光亮度的方法及装置
US20180032931A1 (en) * 2016-07-27 2018-02-01 Koninklijke Philips N.V. Resource monitoring method and system
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
CN106355345A (zh) * 2016-09-08 2017-01-25 京东方科技集团股份有限公司 自动售货机器人智能调度系统及方法
CN107070968A (zh) * 2016-12-27 2017-08-18 中国人民解放军空军预警学院监控系统工程研究所 对监控区域部署传感器的方法
US10009775B1 (en) * 2017-03-14 2018-06-26 Aruba Networks, Inc. Network deployment
CN107341029A (zh) * 2017-05-27 2017-11-10 北京奇艺世纪科技有限公司 系统资源部署策略的获取方法、装置及电子设备
CN107292454A (zh) * 2017-07-27 2017-10-24 国网江西省电力公司南昌供电分公司 面向共享的电力资源优化配置管理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930524A (zh) * 2020-10-10 2020-11-13 上海兴容信息技术有限公司 一种计算资源分配的方法和系统
CN111930524B (zh) * 2020-10-10 2021-02-12 上海兴容信息技术有限公司 一种计算资源分配的方法和系统

Also Published As

Publication number Publication date
CN110766244B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
Kaur et al. Net load forecasting for high renewable energy penetration grids
Marinescu et al. Prediction-based multi-agent reinforcement learning in inherently non-stationary environments
US10126771B2 (en) Localized weather prediction through utilization of cameras
CN110739696B (zh) 智能配网环境中需求侧资源与可再生能源的集成调度方法
CN111466063A (zh) 储能管理及控制方法、系统、计算机设备、存储介质
Watari et al. Multi-time scale energy management framework for smart PV systems mixing fast and slow dynamics
CN104864548A (zh) 一种空调运行的控制方法及系统
AU2020264320B2 (en) Automatic generation of reference curves for improved short term irradiation prediction in PV power generation
TW202028898A (zh) 用於估計和預測太陽能發電的技術
US20220376499A1 (en) System and method for load and source forecasting for increasing electrical grid component longevity
GB2506401A (en) Method for allocating electrical energy in a smart grid
CN108321796A (zh) 家庭能量管理系统与方法
CN109803285A (zh) 一种小区处理方法、装置及网络设备
Guo et al. Real-time self-dispatch of a remote wind-storage integrated power plant without predictions: Explicit policy and performance guarantee
He et al. Online delay-guaranteed workload scheduling to minimize power cost in cloud data centers using renewable energy
Fioriti et al. Multiple design options for sizing off-grid microgrids: A novel single-objective approach to support multi-criteria decision making
Aslan et al. Realization of Turkey’s energy demand forecast with the improved arithmetic optimization algorithm
Veluchamy et al. A new energy management technique for microgrid system using muddy soil fish optimization algorithm
WO2021033024A1 (en) Hybrid machine learning and simulation based system for forecasting in electricity systems
US20200379824A1 (en) Hybrid spatial-temporal event probability prediction method
CN110766244A (zh) 资源部署方法和装置、计算机可读存储介质
Moreno et al. Daily scheduling of small hydro power plants dispatch with modified particles swarm optimization
Bruno et al. A microforecasting module for energy consumption in smart grids
US10931108B2 (en) Scheduling the activities of daily living (ADLs) with minimum power usage cost on smart grid network
Potapov et al. Short-Term Forecast of Electricity Load for LLC" Omsk Energy Retail Company" Using Neural Network

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
CB02 Change of applicant information

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant