CN110969834A - 处理方法、装置、计算机设备、存储介质及车辆调度系统 - Google Patents
处理方法、装置、计算机设备、存储介质及车辆调度系统 Download PDFInfo
- Publication number
- CN110969834A CN110969834A CN201911134407.2A CN201911134407A CN110969834A CN 110969834 A CN110969834 A CN 110969834A CN 201911134407 A CN201911134407 A CN 201911134407A CN 110969834 A CN110969834 A CN 110969834A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passenger
- data
- grid
- area
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- 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
- G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆运营数据的处理方法、装置、计算机设备、存储介质及车辆调度系统,通过获取各区域网格的车辆运营数据;所述车辆运营数据包括乘客订单数据和车辆运力数据,所述区域网格通过划分车辆的运营区域而得到;根据各所述区域网格的乘客订单数据和车辆运力数据,确定各所述区域网格的车辆需求数据;根据各所述区域网格的车辆需求数据,在各所述区域网格内进行车辆调度。在车辆运营区域内实现根据车辆的需求进行调度提升车辆的使用效率,解决传统技术中车辆调度时存在的车辆使用效率低下的技术问题。
Description
技术领域
本申请涉及计算机信息处理技术领域,特别是涉及一种车辆运营数据的处理方法、装置、计算机设备、存储介质及车辆调度系统。
背景技术
随着移动互联网技术的发展,出行平台广泛接入了共享单车、出租车、专车和顺风车等不同类型的交通工具,给人们出行带来了极大的便利。而同时,随着V2X(vehicle toeverything)技术、车联网技术的发展,大量的出租车、专车和顺风车均已接入一些V2X智慧出行平台系统。
V2X智慧出行平台系统包括车与车之间的直接通信(V2V)、车与行人通信(V2P)、车与道路基础设施通信(V2I)、车通过移动网络与出行平台通信(V2N)等;通过V2V可以进行车辆判断行车距离以提前预警。通过V2P车辆可以礼让行人,保障行人安全。通过V2I可以获取交通标志、交通信号灯、监控设备和停车位置等。通过V2N可以将车辆的行驶情况发送至平台服务端,从而平台服务端进行车辆的调度。
但是,在传统技术中,通过V2X智慧出行平台系统进行车辆调度时存在车辆使用效率低下的技术问题。
发明内容
基于此,有必要针对传统技术中通过V2X智慧出行平台系统进行车辆调度时存在的效率低下的技术问题,提供一种车辆运营数据的处理方法、装置、计算机设备、存储介质及车辆调度系统。
一种车辆运营数据的处理方法,所述方法包括:
获取各区域网格的车辆运营数据;所述车辆运营数据包括乘客订单数据和车辆运力数据,所述区域网格通过划分车辆的运营区域而得到;
根据各所述区域网格的乘客订单数据和车辆运力数据,确定各所述区域网格的车辆需求数据;
根据各所述区域网格的车辆需求数据,在各所述区域网格内进行车辆调度。
在其中一个实施例中,所述获取各区域网格内的车辆运营数据,包括:
获取各所述区域网格内当前时刻的实际乘客订单数据和历史订单数据;
根据各所述区域网格内的历史订单数据对所述当前时刻的实际乘客订单数据进行修正,确定各所述区域网格内的乘客订单数据;
获取各所述区域网格内当前时刻的车辆数量和各车辆所提供的座位数;
根据所述当前时刻的车辆数量和各所述车辆所提供的座位数确定各所述区域网格内的车辆运力数据。
在其中一个实施例中,各所述区域网格设有对应的效费比;所述方法还包括:
根据乘客订单的出发位置确定乘客所处的区域网格;
根据车辆的位置确定位于所述乘客所处的区域网格内的各车辆;
计算所述乘客所处的区域网格内的各车辆的效费比;
根据所述乘客所处的区域网格内的各车辆的效费比和所述乘客所处的区域网格的效费比确定接收所述乘客订单的车辆。
在其中一个实施例中,所述根据所述乘客所处的区域网格内的各车辆的效费比和所述乘客所处的区域网格的效费比确定接收所述乘客订单的车辆,包括:
将所述乘客所处的区域网格内的各车辆的效费比与所述乘客所处的区域网格的效费比进行比较;
当所述乘客所处的区域网格内存在效费比大于所述乘客所处的区域网格的效费比的车辆时,则在效费比大于所述乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收所述乘客订单的车辆;
当所述乘客所处的区域网格内的各车辆的效费比均小于所述乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收所述乘客订单的车辆。
在其中一个实施例中,所述乘客所处的区域网格内各所述车辆的效费比的确定,包括:
通过所述乘客所处的区域网格的神经网络模型,根据所述乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各所述车辆间的顺路度确定各所述车辆的效费比。
在其中一个实施例中,各所述区域网格的效费比的确定,包括:
通过各所述区域网格的神经网络模型,根据各所述区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据确定各所述区域网格的效费比。
在其中一个实施例中,所述神经网络模型的生成步骤,包括:
构建车辆运营数据样本集,并标注各车辆运营数据样本的效费比;
根据所述车辆运营数据样本集和各车辆运营数据样本的效费比训练所述神经网络模型,确定所述神经网络模型各边的权重参数。
在其中一个实施例中,所述车辆运营数据还包括天气情况数据、城市属性数据、路况数据、车辆司机收入数据中的至少一种。
在其中一个实施例中,所述方法还包括:
通过语音采集模块获取车辆内乘客的语音信息;
根据所述语音信息确定所述乘客的兴趣点,并向所述乘客所对应的终端推送广告信息。
一种车辆运营数据的处理装置,所述装置包括:
运营数据获取模块,用于获取各区域网格的车辆运营数据;所述车辆运营数据包括乘客订单数据和车辆运力数据,所述区域网格通过划分车辆的运营区域而得到;
需求数据确定模块,用于根据各所述区域网格的乘客订单数据和车辆运力数据,确定各所述区域网格的车辆需求数据;
车辆调度模块,用于根据各所述区域网格的车辆需求数据,在各所述区域网格内进行车辆调度。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例中所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例中所述方法的步骤。
一种车辆调度系统,所述调度系统包括采集单元、与所述采集单元连接的通信单元和与所述通信单元连接的服务平台单元;其中:
所述服务平台单元,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例中所述方法的步骤。
上述车辆运营数据的处理方法、装置、计算机设备、存储介质及车辆调度系统,通过获取各区域网格的车辆运营数据;所述车辆运营数据包括乘客订单数据和车辆运力数据,所述区域网格通过划分车辆的运营区域而得到;根据各所述区域网格的乘客订单数据和车辆运力数据,确定各所述区域网格的车辆需求数据;根据各所述区域网格的车辆需求数据,在各所述区域网格内进行车辆调度。在车辆运营区域内实现根据车辆的需求进行调度提升车辆的使用效率,解决传统技术中车辆调度时存在的车辆使用效率低下的技术问题。
附图说明
图1为一个实施例中车辆运营数据的处理方法的应用环境图;
图2为一个实施例中车辆运营数据的处理方法的流程示意图;
图3为一个实施例中车辆运营数据的处理方法的流程示意图;
图4为一个实施例中车辆运营数据的处理方法的流程示意图;
图5为一个实施例中车辆运营数据的处理方法的流程示意图;
图6为一个实施例中车辆运营数据的处理装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供一种车辆运营数据的处理方法,可以应用于图1所示的应用环境中。终端110通过网络与服务器120进行数据交互。服务器120获取各区域网格的车辆运营数据;车辆运营数据包括乘客订单数据和车辆运力数据,区域网格通过划分车辆的运营区域而得到;根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据;根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。
其中,终端110包括但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,终端110包括司机终端和乘客终端,司机终端和乘客终端分别安装有出行的应用程序。司机通过司机终端上的应用程序设置司机出发时刻、可提供座位数、顺路度、是否开启自动接单,还可以设置司机起点和司机终点等,通过触发确定按钮发布对应的司机订单。乘客通过乘客终端上的应用程序设置乘客出发时刻、乘车人数,还可以设置乘客起点和乘客终点等,通过触发确定按钮发布对应的乘客订单。终端110还包括用于采集并处理车辆信息的车辆终端。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,本申请提供了一种车辆运营数据的处理方法,以该方法应用于图1的应用环境中的服务器120为例进行说明,包括以下步骤:
S210、获取各区域网格的车辆运营数据。
其中,车辆运营数据是指出租车、顺风车、快车、专车等运营车辆在运营区域内因接收乘客订单所产生的运营数据。车辆运营数据包括乘客订单数据和车辆运力数据。乘客订单数据是指每个区域网格内的订单需求量。车辆运力数据是指每个区域网格内所有运营车辆所能够提供的座位数。区域网格通过划分车辆的运营区域而得到。运营区域是指需要使用共享车辆的第地理区域,可以是以省、市、县或区为单位的区域,比如运营区域可以是上海市,也可以是上海市宝山区等。可以根据运营区域的面积等可以将运营区域划分为多个区域网格,也可以通过GeoHash将运营区域进行划分得到多个区域网格。Geohash是由Gustavo Niemeyer提出的把空间划分为网格的地理编码,是一种分级的数据结构。本申请对运营区域和区域网格不作限制。
具体地,将车辆的运营区域划分为若干个区域网格,各个区域网格内的乘客订单数据和车辆运力数据不一定达成供需平衡。比如:有些区域网格内的乘客订单数据大于车辆运力数据,出现供不应求的情况;有些区域网格内的乘客订单数据小于车辆运力数据,出现供过于求的情况。因此,为了分析各个区域网格的供需情况以实现各个区域网格的供需平衡,可以从服务器本地或者从与服务器通信连接的服务器获取各区域网格的车辆运营数据,车辆运营数据包括乘客订单数据和车辆运力数据。
S220、根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据。
具体地,乘客订单数据可以反映各区域网格乘客所需要的运营车辆数量,车辆运力数据可以反映各区域网格所能够提供的运营车辆的供应量。针对每个区域网格,根据该区域网格的乘客订单数据和车辆运力数据进行计算,乘客订单数据与车辆运力数据之间的差异可以反映该区域网格真实的车辆需求数据。
S230、根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。
具体地,根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据。若车辆需求数据为正值,则说明该区域网格内的运营车辆是供不应求的。若车辆需求数据为负值,则说明该区域网格内的运营车辆是供大于求的。根据各个区域网格的地理位置,在地理位置较近的区域网格之间进行车辆调度,将供大于求的区域网格内的车辆调度至供不应求的区域网格,以实现各个区域网格的供需平衡,使得各运营车辆都得到有效使用,降低运营车辆的闲置时间,并有效环节热点地区的交通压力。
本实施例中,通过获取各区域网格的车辆运营数据;车辆运营数据包括乘客订单数据和车辆运力数据,区域网格通过划分车辆的运营区域而得到;根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据;根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。在车辆运营区域内实现根据车辆的需求进行调度提升车辆的使用效率,解决传统技术中车辆调度时存在的车辆使用效率低下的技术问题。
在一个实施例中,如图3所示,获取各区域网格内的车辆运营数据,包括以下步骤:
S310、获取各区域网格内当前时刻的实际乘客订单数据和历史订单数据;
S320、根据各区域网格内的历史订单数据对当前时刻的实际乘客订单数据进行修正,确定各区域网格内的乘客订单数据。
其中,历史订单数据是指当前时刻之前多个周期内某个时段的生成的订单数量实际值的平均值。比如,周期采用天,时段采用小时,对于某个局域网格来说,对最近一周内各天在8点至9点时段的订单数量实际值进行求平均,即得到该8点至9点时段的历史订单数量。具体地,由于每天各个时段所生成的乘客订单数据与时段、天气情况、是否节假日具有极大的关系,比如早高峰时段与晚高峰时段内会生成大量乘客订单,而平峰时段乘客订单数量会相对减少。下雨天气也会生成较多的乘客订单。与平时相较,节假日时段也会生成较多的乘客订单。进一步地,服务器在进行车辆调度的同时,某区域网格内会继续产生新的乘客订单。因此,为了保证乘客订单数据的准确性,一方面,可以参考历史订单数据反映乘客对运营车辆的真实需求;另一方面,获取当前时刻已经生成的实际乘客订单数据,则针对每个区域网格,需要获取当前时刻的实际乘客订单数据和历史订单数据,从而利用历史订单数据对当前时刻的实际订单数据进行修正,以确保修正后的实际订单数据是与实际情况相符的乘客订单数据。示例性地,可以根据经验设置修正系数对当前时刻的实际订单数据进行修改,也可以根据实际订单数据与历史订单数据之间的差异值对当前时刻的实际订单数据进行修改。
S330、获取各区域网格内当前时刻的车辆数量和各车辆所提供的座位数;
S340、根据当前时刻的车辆数量和各车辆所提供的座位数确定各区域网格内的车辆运力数据。
其中,运营车辆包括出租车、顺风车、专车、快车等多种类型的车辆。顺风车、快车可以提供拼座服务,提供拼座服务的顺风车和快车内的剩余座位均可以用于接收新的乘客订单,即每辆顺风车和快车可以提供的座位数为大于等于1。而出租车在一般情况下不提供拼座服务,即每辆出租车可以提供的座位数为1。具体地,针对每个区域网格,服务器对当前时刻位于该区域网格的车辆数量进行统计,得到当前时刻的车辆数量,并结合各车辆的类型确定各车辆所提供的座位数,从而可以根据当前时刻的车辆数量和各车辆所提供的座位数确定该区域网格内的车辆运力数据。
本实施例中,通过根据各区域网格内的历史订单数据对当前时刻的实际乘客订单数据进行修正,确定各区域网格内的乘客订单数据;并根据当前时刻的车辆数量和各车辆所提供的座位数确定各区域网格内的车辆运力数据,确保每个区域网格内的车辆运营数据的准确性,为车辆调度提供准确的数据基础,以提供各运营车辆的使用效率,减少车辆的闲置时间。
在一个实施例中,各区域网格设有对应的效费比。效费比是指每个区域网格中乘客订单的总金额与各车辆所对应的司机终端在平台服务器上的工作时长之间的比值,用于反映该区域网格内各车辆的平均使用效率。如图4所示,该方法还包括以下步骤:
S410、根据乘客订单的出发位置确定乘客所处的区域网格。
其中,乘客发起乘客订单时,服务器接收乘客订单信息,乘客订单信息包括乘客的出发位置。具体地,将车辆的运营区域划分为若干个区域网格,每个区域网格对应有各自的地理位置,因此,服务器可以根据乘客订单的出发位置确定乘客所处的区域网格。
S420、根据车辆的位置确定位于乘客所处的区域网格内的各车辆。
具体地,各车辆可以安装有定位装置,通过各车辆的定位装置将车辆的位置上传至服务器。服务器也可以获取司机终端的位置以确定车辆的位置。又,已知乘客所处的区域网格的地理位置,则服务器可以根据车辆的位置确定位于乘客所处的区域网格内的各车辆。
S430、计算乘客所处的区域网格内的各车辆的效费比。
具体地,服务器可以根据车辆的位置、乘客的出发位置、当前的路况等信息预测乘客所处的区域网格内的各车辆完成该乘客订单所需花费的工作时长。且可以预测该乘客订单的订单金额,则可以根据预测的工作时长和订单金额确定乘客所处的区域网格内的各车辆的效费比。
S440、根据乘客所处的区域网格内的各车辆的效费比和乘客所处的区域网格的效费比确定接收乘客订单的车辆。
具体地,已经根据乘客所处的区域网格内的历史车辆运营数据确定该区域网格的效费比,由于乘客订单的金额会在司机与服务器平台之间分配,一般情况下选择效费比较大的车辆接收乘客订单。可以将乘客所处的区域网格内的各车辆的效费比与乘客所处的区域网格的效费比进行比较。从而根据比较的结果,从乘客所处的区域网格内的各车辆中选择接收乘客订单的车辆。
进一步地,当乘客所处的区域网格内存在效费比大于乘客所处的区域网格的效费比的车辆时,则在效费比大于乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收乘客订单的车辆。示例性地,预设规则可以是在这些效费比大于乘客所处的区域网格的效费比的各车辆进行随机地选择。预设规则也可以是选择等级较高的司机接收乘客订单。预设规则也可以是选择效费比的中间值所对应的车辆为接收乘客订单的车辆。
为了确保司机和服务器平台的收徒,当乘客所处的区域网格内的各车辆的效费比均小于乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收乘客订单的车辆。
本实施例中,将乘客所处的区域网格的效费比与乘客所处的区域网格内的各车辆的效费比进行比较,并根据比较结果确定接收乘客订单的车辆,确保车辆的使用效率,提升司机的收入并保证服务器平台的收益。
在一个实施例中,乘客所处的区域网格内各车辆的效费比的确定,包括:通过乘客所处的区域网格的神经网络模型,根据乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各车辆间的顺路度确定各车辆的效费比。
其中,乘客所处的区域网格设有对应的神经网络模型,且乘客所处的区域网格内各车辆对应有实时的车辆运营数据。通过乘客所处的区域网格所对应的神经网络模型对该区域网格内各车辆的实时车辆运营数据进行计算,得到各车辆的效费比,且不同车辆可能对应有不同的效费比。具体地,可以将乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各车辆间的顺路度输入至乘客所处的区域网格所对应的神经网络模型,则乘客所处的区域网格所对应的神经网络模型输出各车辆的效费比。可以理解的是,各车辆对应的实时的车辆运营数据还可以包括各车辆与乘客之间的位置。实时路况数据可以是严重拥堵(比如导航地图显示的红色路段)拥堵(比如导航地图显示的黄色路段)、通畅(比如导航地图显示的绿色路段)。
在一个实施例中,各区域网格的效费比的确定,包括:通过各区域网格的神经网络模型,根据各区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据确定各区域网格的效费比。
其中,各区域网格设有对应的神经网络模型。可以将历史车辆运营数据输入至各区域网格所对应的神经网络模型,该神经网络模型输出对应的效费比。具体地,针对每个区域网格,将该区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据输入至对应的神经网络模型进行计算,该神经网络模型输出该区域网格的效费比。
在一个实施例中,神经网络模型的生成步骤,包括:构建车辆运营数据样本集,并标注各车辆运营数据样本的效费比;根据车辆运营数据样本集和各车辆运营数据样本的效费比训练神经网络模型,确定神经网络模型各边的权重参数。
具体地,通过服务器或者其他的计算机设备可设置神经网络模型的结构,构建车辆运营数据样本集,并标注各车辆运营数据样本的效费比;根据车辆运营数据样本集和各车辆运营数据样本的效费比训练神经网络模型。根据神经网络模型输出的结果与标签值之间的差异调整神经网络模型各边的权重参数并继续训练,直至满足训练停止条件时结束训练。示例性地,各区域网络的神经网络模型可以表示为:Y=W1*X1+W2*X2+W3*X3+W4*X4+...+Wn*Xn,神经元Y的输入值是X1,X2,...,Xn,神经网络模型各边的权重分别为W1,W2,...,Wn。通过大量的车辆运营数据特征值的输入和不断的迭代,模型可以学习到合理的权重参数W1,W2,...,Wn。
在一个实施例中,车辆运营数据还包括天气情况数据、城市属性数据、路况数据、车辆司机收入数据中的至少一种。
其中,天气情况数据就可以晴朗、小雨、大雨或者暴雨等。城市属性数据可以是一线城市、二线城市,也可以是城市中的旧城区或者新城区等。车辆司机收入数据可以是司机通过服务器平台接收乘客订单所产生的收入数据。具体地,服务器可以收运营区域内个运营车辆的车辆运营数据,对车辆运营数据进行数据挖掘处理,为出行平台提供高价值数据。服务器可以获取订单信息、车辆情报、传感器状态及音视频等数据,也可以获取乘客订单数据、车辆运力数据、天气情况数据、城市属性数据、路况数据、车辆司机收入数据、司机服务等级、车辆完成乘客订单的时长等。基于算法分析、大数据挖掘分析、音频视频分析(语音识别和图像识别)等技术对车辆运营数据进行处理,服务器实现对乘客订单的供需预测,对运营车辆进行智能调度和派单,为乘客提供合理的线路规划、精确的里程计费。
在一个实施例中,该方法还包括:通过语音采集模块获取车辆内乘客的语音信息;根据语音信息确定乘客的兴趣点,并向乘客所对应的终端推送广告信息。
具体地,通过语音采集模块采集车辆内乘客的语音信息,并应用语音识别技术对语音信息进行识别,获取乘客关心的热点信息,确定乘客的兴趣点,为乘客推送广告服务,节省乘客查询热点信息时间,也增加服务器平台的广告收入。
进一步地,可以应用语音识别技术接收语音采集模块发送的音频信息,对车内乘客进行行为分析。通过对语音当中敏感字的识别,快速定位出车内疑似争吵,进行高级语音分析,避免车内冲突升级。通过分析乘客语音信息中的高频关键字,获取乘客的关注点,可以使出行平台整体掌握乘客喜好,便于改进服务。
在一个实施例中,本申请提供了一种车辆运营数据的处理方法,如图5所示,该方法包括以下步骤:
S502、获取各区域网格内当前时刻的实际乘客订单数据和历史订单数据。
其中,区域网格通过划分车辆的运营区域而得到,各区域网格设有对应的效费比。具体地,通过各区域网格的神经网络模型,根据各区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据确定各区域网格的效费比。
S504、根据各区域网格内的历史订单数据对当前时刻的实际乘客订单数据进行修正,确定各区域网格内的乘客订单数据。
S506、获取各区域网格内当前时刻的车辆数量和各车辆所提供的座位数。
S508、根据当前时刻的车辆数量和各车辆所提供的座位数确定各区域网格内的车辆运力数据。
S510、根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据。
S512、根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。
S514、根据乘客订单的出发位置确定乘客所处的区域网格。
S516、根据车辆的位置确定位于乘客所处的区域网格内的各车辆。
S518、计算乘客所处的区域网格内的各车辆的效费比。
具体地,通过乘客所处的区域网格的神经网络模型,根据乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各车辆间的顺路度确定各车辆的效费比。
S520、将乘客所处的区域网格内的各车辆的效费比与乘客所处的区域网格的效费比进行比较。
S522、当乘客所处的区域网格内存在效费比大于乘客所处的区域网格的效费比的车辆时,则在效费比大于乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收乘客订单的车辆。
S524、当乘客所处的区域网格内的各车辆的效费比均小于乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收乘客订单的车辆。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种车辆运营数据的处理装置。该处理装置600包括运营数据获取模块610、需求数据确定模块620和车辆调度模块630。其中:
运营数据获取模块610,用于获取各区域网格的车辆运营数据;车辆运营数据包括乘客订单数据和车辆运力数据,区域网格通过划分车辆的运营区域而得到;
需求数据确定模块620,用于根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据;
车辆调度模块630,用于根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。
在一个实施例中,运营数据获取模块610,还用于获取各区域网格内当前时刻的实际乘客订单数据和历史订单数据;根据各区域网格内的历史订单数据对当前时刻的实际乘客订单数据进行修正,确定各区域网格内的乘客订单数据;获取各区域网格内当前时刻的车辆数量和各车辆所提供的座位数;根据当前时刻的车辆数量和各车辆所提供的座位数确定各区域网格内的车辆运力数据。
在一个实施例中,各区域网格设有对应的效费比;该装置包括:
区域网格确定模块,用于根据乘客订单的出发位置确定乘客所处的区域网格;
车辆确定模块,用于根据车辆的位置确定位于乘客所处的区域网格内的各车辆;
效费比计算模块,用于计算乘客所处的区域网格内的各车辆的效费比;
接单车辆确定模块,用于根据乘客所处的区域网格内的各车辆的效费比和乘客所处的区域网格的效费比确定接收乘客订单的车辆。
在一个实施例中,接单车辆确定模块,还用于将乘客所处的区域网格内的各车辆的效费比与乘客所处的区域网格的效费比进行比较;当乘客所处的区域网格内存在效费比大于乘客所处的区域网格的效费比的车辆时,则在效费比大于乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收乘客订单的车辆;当乘客所处的区域网格内的各车辆的效费比均小于乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收乘客订单的车辆。
关于车辆运营数据的处理装置的具体限定可以参见上文中对于车辆运营数据的处理方法的限定,在此不再赘述。上述车辆运营数据的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆运营数据的处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行计算机程序时实现以下步骤:
获取各区域网格的车辆运营数据;车辆运营数据包括乘客订单数据和车辆运力数据,区域网格通过划分车辆的运营区域而得到;
根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据;
根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取各区域网格内当前时刻的实际乘客订单数据和历史订单数据;
根据各区域网格内的历史订单数据对当前时刻的实际乘客订单数据进行修正,确定各区域网格内的乘客订单数据;
获取各区域网格内当前时刻的车辆数量和各车辆所提供的座位数;
根据当前时刻的车辆数量和各车辆所提供的座位数确定各区域网格内的车辆运力数据。
在一个实施例中,各区域网格设有对应的效费比;处理器执行计算机程序时还实现以下步骤:
根据乘客订单的出发位置确定乘客所处的区域网格;
根据车辆的位置确定位于乘客所处的区域网格内的各车辆;
计算乘客所处的区域网格内的各车辆的效费比;
根据乘客所处的区域网格内的各车辆的效费比和乘客所处的区域网格的效费比确定接收乘客订单的车辆。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将乘客所处的区域网格内的各车辆的效费比与乘客所处的区域网格的效费比进行比较;
当乘客所处的区域网格内存在效费比大于乘客所处的区域网格的效费比的车辆时,则在效费比大于乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收乘客订单的车辆;
当乘客所处的区域网格内的各车辆的效费比均小于乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收乘客订单的车辆。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
通过乘客所处的区域网格的神经网络模型,根据乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各车辆间的顺路度确定各车辆的效费比。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
通过各区域网格的神经网络模型,根据各区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据确定各区域网格的效费比。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取各区域网格的车辆运营数据;车辆运营数据包括乘客订单数据和车辆运力数据,区域网格通过划分车辆的运营区域而得到;
根据各区域网格的乘客订单数据和车辆运力数据,确定各区域网格的车辆需求数据;
根据各区域网格的车辆需求数据,在各区域网格内进行车辆调度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取各区域网格内当前时刻的实际乘客订单数据和历史订单数据;
根据各区域网格内的历史订单数据对当前时刻的实际乘客订单数据进行修正,确定各区域网格内的乘客订单数据;
获取各区域网格内当前时刻的车辆数量和各车辆所提供的座位数;
根据当前时刻的车辆数量和各车辆所提供的座位数确定各区域网格内的车辆运力数据。
在一个实施例中,各区域网格设有对应的效费比;计算机程序被处理器执行时还实现以下步骤:
根据乘客订单的出发位置确定乘客所处的区域网格;
根据车辆的位置确定位于乘客所处的区域网格内的各车辆;
计算乘客所处的区域网格内的各车辆的效费比;
根据乘客所处的区域网格内的各车辆的效费比和乘客所处的区域网格的效费比确定接收乘客订单的车辆。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将乘客所处的区域网格内的各车辆的效费比与乘客所处的区域网格的效费比进行比较;
当乘客所处的区域网格内存在效费比大于乘客所处的区域网格的效费比的车辆时,则在效费比大于乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收乘客订单的车辆;
当乘客所处的区域网格内的各车辆的效费比均小于乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收乘客订单的车辆。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过乘客所处的区域网格的神经网络模型,根据乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各车辆间的顺路度确定各车辆的效费比。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过各区域网格的神经网络模型,根据各区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据确定各区域网格的效费比。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
在一个实施例中,本申请提供一种车辆调度系统,该调度系统包括采集单元、与所述采集单元连接的通信单元和与所述通信单元连接的服务平台单元;其中:所述服务平台单元,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例中的方法步骤。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种车辆运营数据的处理方法,其特征在于,所述方法包括:
获取各区域网格的车辆运营数据;所述车辆运营数据包括乘客订单数据和车辆运力数据,所述区域网格通过划分车辆的运营区域而得到;
根据各所述区域网格的乘客订单数据和车辆运力数据,确定各所述区域网格的车辆需求数据;
根据各所述区域网格的车辆需求数据,在各所述区域网格内进行车辆调度。
2.根据权利要求1所述的方法,其特征在于,所述获取各区域网格内的车辆运营数据,包括:
获取各所述区域网格内当前时刻的实际乘客订单数据和历史订单数据;
根据各所述区域网格内的历史订单数据对所述当前时刻的实际乘客订单数据进行修正,确定各所述区域网格内的乘客订单数据;
获取各所述区域网格内当前时刻的车辆数量和各车辆所提供的座位数;
根据所述当前时刻的车辆数量和各所述车辆所提供的座位数确定各所述区域网格内的车辆运力数据。
3.根据权利要求1所述的方法,其特征在于,各所述区域网格设有对应的效费比;所述方法还包括:
根据乘客订单的出发位置确定乘客所处的区域网格;
根据车辆的位置确定位于所述乘客所处的区域网格内的各车辆;
计算所述乘客所处的区域网格内的各车辆的效费比;
根据所述乘客所处的区域网格内的各车辆的效费比和所述乘客所处的区域网格的效费比确定接收所述乘客订单的车辆。
4.根据权利要求3所述的方法,其特征在于,所述根据所述乘客所处的区域网格内的各车辆的效费比和所述乘客所处的区域网格的效费比确定接收所述乘客订单的车辆,包括:
将所述乘客所处的区域网格内的各车辆的效费比与所述乘客所处的区域网格的效费比进行比较;
当所述乘客所处的区域网格内存在效费比大于所述乘客所处的区域网格的效费比的车辆时,则在效费比大于所述乘客所处的区域网格的效费比的各车辆中,按照预设规则确定接收所述乘客订单的车辆;
当所述乘客所处的区域网格内的各车辆的效费比均小于所述乘客所处的区域网格的效费比时,选择效费比最大的车辆作为接收所述乘客订单的车辆。
5.根据权利要求3所述的方法,其特征在于,所述乘客所处的区域网格内各所述车辆的效费比的确定,包括:
通过所述乘客所处的区域网格的神经网络模型,根据所述乘客所处的区域网格的实时路况数据、实时乘客订单数据、实时车辆运力数据以及乘客与各所述车辆间的顺路度确定各所述车辆的效费比。
6.根据权利要求3所述的方法,其特征在于,各所述区域网格的效费比的确定,包括:
通过各所述区域网格的神经网络模型,根据各所述区域网格的历史乘客订单数据、历史车辆运力数据以及历史路况数据确定各所述区域网格的效费比。
7.根据权利要求6所述的方法,其特征在于,所述神经网络模型的生成步骤,包括:
构建车辆运营数据样本集,并标注各车辆运营数据样本的效费比;
根据所述车辆运营数据样本集和各车辆运营数据样本的效费比训练所述神经网络模型,确定所述神经网络模型各边的权重参数。
8.根据权利要求7所述的方法,其特征在于,所述车辆运营数据还包括天气情况数据、城市属性数据、路况数据、车辆司机收入数据中的至少一种。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述方法还包括:
通过语音采集模块获取车辆内乘客的语音信息;
根据所述语音信息确定所述乘客的兴趣点,并向所述乘客所对应的终端推送广告信息。
10.一种车辆运营数据的处理装置,其特征在于,所述装置包括:
运营数据获取模块,用于获取各区域网格的车辆运营数据;所述车辆运营数据包括乘客订单数据和车辆运力数据,所述区域网格通过划分车辆的运营区域而得到;
需求数据确定模块,用于根据各所述区域网格的乘客订单数据和车辆运力数据,确定各所述区域网格的车辆需求数据;
车辆调度模块,用于根据各所述区域网格的车辆需求数据,在各所述区域网格内进行车辆调度。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
13.一种车辆调度系统,其特征在于,所述调度系统包括采集单元、与所述采集单元连接的通信单元和与所述通信单元连接的服务平台单元;其中:
所述服务平台单元,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911134407.2A CN110969834B (zh) | 2019-11-19 | 2019-11-19 | 处理方法、装置、计算机设备、存储介质及车辆调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911134407.2A CN110969834B (zh) | 2019-11-19 | 2019-11-19 | 处理方法、装置、计算机设备、存储介质及车辆调度系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110969834A true CN110969834A (zh) | 2020-04-07 |
CN110969834B CN110969834B (zh) | 2021-03-30 |
Family
ID=70030855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911134407.2A Active CN110969834B (zh) | 2019-11-19 | 2019-11-19 | 处理方法、装置、计算机设备、存储介质及车辆调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969834B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815229A (zh) * | 2020-06-12 | 2020-10-23 | 北京顺达同行科技有限公司 | 订单信息的处理方法、装置、电子设备及存储介质 |
CN112465384A (zh) * | 2020-12-11 | 2021-03-09 | 深圳依时货拉拉科技有限公司 | 一种运力调度的方法、装置、计算机设备及计算机可读存储介质 |
CN112529279A (zh) * | 2020-12-02 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 一种生成接单指导信息的方法、装置、计算机设备和介质 |
CN112766679A (zh) * | 2021-01-09 | 2021-05-07 | 深圳市天龙世纪科技发展有限公司 | 基于移动通信执法仪的指挥调度方法及系统 |
CN113487108A (zh) * | 2021-07-28 | 2021-10-08 | 南京领行科技股份有限公司 | 一种车辆充电调度方法、装置、设备及存储介质 |
CN114091932A (zh) * | 2021-11-25 | 2022-02-25 | 南京领行科技股份有限公司 | 一种资源调度方法、装置、介质及电子设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19839525C1 (de) * | 1998-08-29 | 2000-04-13 | Daimler Chrysler Ag | Mobilitätsdienstesystem |
CN102393927A (zh) * | 2011-08-30 | 2012-03-28 | 张晓冬 | 公路运输力量优化配置系统 |
CN103491177A (zh) * | 2013-09-27 | 2014-01-01 | 南车株洲电力机车研究所有限公司 | 一种数据传输系统及方法 |
CN204496697U (zh) * | 2015-02-10 | 2015-07-22 | 北京东方车云信息技术有限公司 | 使用运营区域的用车热度来调整运力的用车系统 |
CN105608886A (zh) * | 2016-01-21 | 2016-05-25 | 滴滴出行科技有限公司 | 用于调度交通工具的方法和设备 |
CN105719019A (zh) * | 2016-01-21 | 2016-06-29 | 华南理工大学 | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 |
CN105825358A (zh) * | 2016-03-16 | 2016-08-03 | 上海久耶供应链管理有限公司 | 货物配送的车辆调度方法 |
CN106529781A (zh) * | 2016-11-02 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种航线运力评估系统及其工作方法 |
CN107679746A (zh) * | 2017-09-29 | 2018-02-09 | 飞友科技有限公司 | 一种计算航班运力的方法 |
CN107844886A (zh) * | 2017-09-15 | 2018-03-27 | 北京百度网讯科技有限公司 | 车辆调度方法、装置、设备及存储介质 |
CN108764800A (zh) * | 2018-06-05 | 2018-11-06 | 中国人民解放军国防科技大学 | 一种基于众包公共交通系统实现包裹快速递送的方法 |
CN108921388A (zh) * | 2018-06-08 | 2018-11-30 | 飞友科技有限公司 | 一种基于大数据统计分析的机场决策支持系统 |
CN110020215A (zh) * | 2017-07-19 | 2019-07-16 | 北京嘀嘀无限科技发展有限公司 | 找单推荐信息的推送方法及装置、电子设备 |
CN110110871A (zh) * | 2018-02-01 | 2019-08-09 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法和系统 |
CN110321095A (zh) * | 2019-07-23 | 2019-10-11 | 海南太美航空股份有限公司 | 用于显示航线信息的终端、系统及方法 |
-
2019
- 2019-11-19 CN CN201911134407.2A patent/CN110969834B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19839525C1 (de) * | 1998-08-29 | 2000-04-13 | Daimler Chrysler Ag | Mobilitätsdienstesystem |
CN102393927A (zh) * | 2011-08-30 | 2012-03-28 | 张晓冬 | 公路运输力量优化配置系统 |
CN103491177A (zh) * | 2013-09-27 | 2014-01-01 | 南车株洲电力机车研究所有限公司 | 一种数据传输系统及方法 |
CN204496697U (zh) * | 2015-02-10 | 2015-07-22 | 北京东方车云信息技术有限公司 | 使用运营区域的用车热度来调整运力的用车系统 |
CN105608886A (zh) * | 2016-01-21 | 2016-05-25 | 滴滴出行科技有限公司 | 用于调度交通工具的方法和设备 |
CN105719019A (zh) * | 2016-01-21 | 2016-06-29 | 华南理工大学 | 一种考虑用户预约数据的公共自行车高峰期需求预测方法 |
CN105825358A (zh) * | 2016-03-16 | 2016-08-03 | 上海久耶供应链管理有限公司 | 货物配送的车辆调度方法 |
CN106529781A (zh) * | 2016-11-02 | 2017-03-22 | 合肥飞友网络科技有限公司 | 一种航线运力评估系统及其工作方法 |
CN110020215A (zh) * | 2017-07-19 | 2019-07-16 | 北京嘀嘀无限科技发展有限公司 | 找单推荐信息的推送方法及装置、电子设备 |
CN107844886A (zh) * | 2017-09-15 | 2018-03-27 | 北京百度网讯科技有限公司 | 车辆调度方法、装置、设备及存储介质 |
CN107679746A (zh) * | 2017-09-29 | 2018-02-09 | 飞友科技有限公司 | 一种计算航班运力的方法 |
CN110110871A (zh) * | 2018-02-01 | 2019-08-09 | 北京嘀嘀无限科技发展有限公司 | 一种订单分配的方法和系统 |
CN108764800A (zh) * | 2018-06-05 | 2018-11-06 | 中国人民解放军国防科技大学 | 一种基于众包公共交通系统实现包裹快速递送的方法 |
CN108921388A (zh) * | 2018-06-08 | 2018-11-30 | 飞友科技有限公司 | 一种基于大数据统计分析的机场决策支持系统 |
CN110321095A (zh) * | 2019-07-23 | 2019-10-11 | 海南太美航空股份有限公司 | 用于显示航线信息的终端、系统及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815229A (zh) * | 2020-06-12 | 2020-10-23 | 北京顺达同行科技有限公司 | 订单信息的处理方法、装置、电子设备及存储介质 |
CN111815229B (zh) * | 2020-06-12 | 2024-01-23 | 北京顺达同行科技有限公司 | 订单信息的处理方法、装置、电子设备及存储介质 |
CN112529279A (zh) * | 2020-12-02 | 2021-03-19 | 北京嘀嘀无限科技发展有限公司 | 一种生成接单指导信息的方法、装置、计算机设备和介质 |
CN112465384A (zh) * | 2020-12-11 | 2021-03-09 | 深圳依时货拉拉科技有限公司 | 一种运力调度的方法、装置、计算机设备及计算机可读存储介质 |
CN112766679A (zh) * | 2021-01-09 | 2021-05-07 | 深圳市天龙世纪科技发展有限公司 | 基于移动通信执法仪的指挥调度方法及系统 |
CN113487108A (zh) * | 2021-07-28 | 2021-10-08 | 南京领行科技股份有限公司 | 一种车辆充电调度方法、装置、设备及存储介质 |
CN113487108B (zh) * | 2021-07-28 | 2023-12-26 | 南京领行科技股份有限公司 | 一种车辆充电调度方法、装置、设备及存储介质 |
CN114091932A (zh) * | 2021-11-25 | 2022-02-25 | 南京领行科技股份有限公司 | 一种资源调度方法、装置、介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110969834B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110969834B (zh) | 处理方法、装置、计算机设备、存储介质及车辆调度系统 | |
US11776391B2 (en) | Generating and transmitting parking instructions for autonomous and non-autonomous vehicles | |
Rahman et al. | Analysis of bus travel time distributions for varying horizons and real-time applications | |
Martinez et al. | Assessing the impacts of deploying a shared self-driving urban mobility system: An agent-based model applied to the city of Lisbon, Portugal | |
US9689693B2 (en) | Systems and methods for learning and displaying customized geographical navigational options | |
WO2019091108A1 (zh) | 一种交通出行调查数据处理方法 | |
WO2019237522A1 (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
CN110807921A (zh) | 车辆调度方法、装置、设备和存储介质 | |
CN106548246B (zh) | 一种电动车辆实时充电推荐方法及其系统 | |
CN112598169B (zh) | 交通运行态势评估方法、系统及装置 | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
US20220333937A1 (en) | Method for providing integratednavigation service using vehicle sharing network, and device and system for same | |
CN112749740B (zh) | 确定车辆目的地的方法、装置、电子设备及介质 | |
CN111341093B (zh) | 车队的控制方法、装置、设备及存储介质 | |
US20220341744A1 (en) | Order Management Method Applied to Electric Vehicle and Apparatus | |
CN111210537A (zh) | 一种油耗分析方法、装置、设备和存储介质 | |
CN111091215A (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
CN110610284A (zh) | 信息处理方法以及信息处理装置 | |
CN113424209A (zh) | 使用深度学习多预测器融合和贝叶斯优化的轨迹预测 | |
CN107862865B (zh) | 一种出行信息的预测方法及装置 | |
CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
CN113407871A (zh) | 上车点推荐方法、装置、电子设备和可读存储介质 | |
CN112185157B (zh) | 路边停车位检测方法、系统、计算机设备及存储介质 | |
Jakob et al. | Optimal parking occupancy with and without differentiated parking: A macroscopic analysis | |
US20190289474A1 (en) | Communication device and schedule creation method |
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 |