CN111310956A - 调度策略的确定方法、装置及电子设备 - Google Patents

调度策略的确定方法、装置及电子设备 Download PDF

Info

Publication number
CN111310956A
CN111310956A CN201811513757.5A CN201811513757A CN111310956A CN 111310956 A CN111310956 A CN 111310956A CN 201811513757 A CN201811513757 A CN 201811513757A CN 111310956 A CN111310956 A CN 111310956A
Authority
CN
China
Prior art keywords
sub
target area
scheduling
service provider
current
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
Application number
CN201811513757.5A
Other languages
English (en)
Inventor
张凌宇
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.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development 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 Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN201811513757.5A priority Critical patent/CN111310956A/zh
Publication of CN111310956A publication Critical patent/CN111310956A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种调度策略的确定方法、装置及电子设备，方法包括：基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，所述目标区域包含多个子区域；对于每个所述候选调度策略：基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量；将每个所述子区域的订单成交量增量相加，得到所述候选调度策略对应的订单成交量总增量；基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略。本申请根据以订单成交量总增量为导向而确定的当前调度策略，对目标区域的服务提供方进行调度，能够实现订单成交量总增量的最大提升。

Description

调度策略的确定方法、装置及电子设备
技术领域
本申请涉及智能技术领域，尤其涉及一种调度策略的确定方法、装置及电子设备。
背景技术
目前，针对服务提供方的调度优化问题，现有技术中分别从车辆路径问题(vehicle routing problem，VRP)和二分图匹配问题(bipartite graph matchingproblem，BGMP)这两个角度出发进行建模研究。VPR的研究为每一辆车辆分配一系列的乘客；而基于BGMP的研究遵循就近原则匹配车辆和乘客。上述两种研究的共同之处在于均假设空载车辆的运行满足网络均衡、出行需求信息事先已知，并且车辆巡游速度给定。在这种均衡条件下，每一辆空载的车辆选择最近的可获得最大收益的区域作为形式目的地，没有车辆能通过单方面改变空载行驶路线获得更高收益。上述研究均忽略了车辆运行时间的随机性和乘客需求的随机性的影响，因此实用性不强，很难满足当前高度信息化市场发展的需求。
发明内容
有鉴于此，本申请实施例提供一种调度策略的确定方法、装置及电子设备，能够针对预先生成的目标区域中的多种候选调度策略，预算出每种候选调度策略下的订单成交量总增量，基于该订单成交量总增量确定出最佳的调度策略，以对服务提供方进行最优选的调度。
根据本申请的一个方面，提供一种调度策略的确定方法，包括：基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，所述目标区域包含多个子区域；对于每个所述候选调度策略：基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量；将每个所述子区域的订单成交量增量相加，得到所述候选调度策略对应的订单成交量总增量；基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略。
在一些实施例中，所述调度约束条件包括以下多项中的至少一项：被调度的服务提供方的调度距离小于预设距离阈值；被调度的服务提供方的连续未接单时长大于预设时间阈值；调度后每个所述子区域中的服务提供方变化率在预设范围内；调度过程中所述目标区域中的服务提供方数量恒定。
在一些实施例中，基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量的步骤，包括：获取每个子区域在所述候选调度策略下的服务提供方的变化量；获取每个所述子区域的当前订单量和当前服务提供方的数量；将多个所述子区域的当前订单量进行求和运算，得到所述目标区域的当前总订单量；利用下述算式计算所述子区域的订单成交量增量：
Figure BDA0001901448520000021
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
在一些实施例中，获取每个子区域在所述候选调度策略下的服务提供方的变化量的步骤，包括：获取所述目标区域内的服务提供方对应的初始分布矩阵；其中，所述初始分布矩阵表征服务提供方在所述目标区域的子区域内的分布情况；获取基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵；根据所述初始分布矩阵和所述预测分布矩阵，计算得到服务提供方变化量矩阵；其中，所述服务提供方变化量矩阵中的每个元素分别对应一个子区域在所述候选调度策略下的服务提供方的变化量。
在一些实施例中，获取所述目标区域内的服务提供方对应的初始分布矩阵的步骤，包括：获取目标区域内的服务提供方的数量和所述目标区域内子区域的数量；基于所述服务提供方的数量、所述子区域的数量及所述服务提供方所在的子区域，构造所述目标区域内的服务提供方对应的初始分布矩阵。
在一些实施例中，基于所述服务提供方的数量、所述子区域的数量及所述服务提供方所在的子区域，构造所述目标区域内的服务提供方对应的初始分布矩阵的步骤，包括：设置初始分布矩阵的大小为n×m，其中，n表示目标区域内子区域的数量，m表示目标区域内服务提供方的数量；设置初始分布矩阵中的元素为aij；其中，
Figure BDA0001901448520000031
基于所述初始分布矩阵大小及所述初始分布矩阵中的元素，确定所述初始分布矩阵An×m如下：
Figure BDA0001901448520000032
其中，j表示服务提供方，j＝1，2…m，i表示子区域，i＝0，1…n-1。
在一些实施例中，获取基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵的步骤，包括：根据所述候选调度策略，将所述初始分布矩阵An×m中的元素进行调整，得到基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵。
在一些实施例中，根据所述初始分布矩阵和所述预测分布矩阵，计算得到服务提供方变化量矩阵的步骤，包括：通过下式计算得到服务提供方变化量矩阵：
Figure BDA0001901448520000041
其中，An×m表示目标区域内的服务提供方对应的初始分布矩阵，A′n×m表示基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵，
Figure BDA0001901448520000042
为m维的单位列向量，
Figure BDA0001901448520000043
表示各个子区域在候选调度策略下的服务提供方的变化量，
Figure BDA0001901448520000044
Δqi为子区域i在候选调度策略下的服务提供方的变化量。
在一些实施例中，基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略的步骤，包括：将多个所述候选调度策略中，订单成交量总增量最大的候选调度策略作为所述目标区域的当前调度策略。
在一些实施例中，所述方法还包括：根据所述当前调度策略对所述目标区域内的所述服务提供方进行调度。
根据本申请的另一方面，提供一种调度策略的确定装置，包括：候选调度策略生成模块，用于基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，所述目标区域包含多个子区域；订单成交量总增量计算模块，用于对于每个所述候选调度策略：基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量；将每个所述子区域的订单成交量增量相加，得到所述候选调度策略对应的订单成交量总增量；当前调度策略确定模块，用于基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略。
在一些实施例中，所述调度约束条件包括以下多项中的至少一项：被调度的服务提供方的调度距离小于预设距离阈值；被调度的服务提供方的连续未接单时长大于预设时间阈值；调度后每个所述子区域中的服务提供方变化率在预设范围内；调度过程中所述目标区域中的服务提供方数量恒定。
在一些实施例中，所述订单成交量总增量计算模块包括：数据获取模块，用于获取每个子区域在所述候选调度策略下的服务提供方的变化量；并获取每个所述子区域的当前订单量和当前服务提供方的数量；计算模块，用于将多个所述子区域的当前订单量进行求和运算，得到所述目标区域的当前总订单量；并利用下述算式计算所述子区域的订单成交量增量：
Figure BDA0001901448520000051
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
在一些实施例中，所述数据获取模块还用于：获取所述目标区域内的服务提供方对应的初始分布矩阵；其中，所述初始分布矩阵表征服务提供方在所述目标区域的子区域内的分布情况；获取基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵；根据所述初始分布矩阵和所述预测分布矩阵，计算得到服务提供方变化量矩阵；其中，所述服务提供方变化量矩阵中的每个元素分别对应一个子区域在所述候选调度策略下的服务提供方的变化量。
在一些实施例中，所述数据获取模块还用于：获取目标区域内的服务提供方的数量和所述目标区域内子区域的数量；基于所述服务提供方的数量、所述子区域的数量及所述服务提供方所在的子区域，构造所述目标区域内的服务提供方对应的初始分布矩阵。
在一些实施例中，所述数据获取模块还用于：设置初始分布矩阵的大小为n×m，其中，n表示目标区域的子区域的数量，m表示目标区域内服务提供方的数量；设置初始分布矩阵中的元素为aij；其中，
Figure BDA0001901448520000061
基于所述初始分布矩阵大小及所述初始分布矩阵中的元素，确定所述初始分布矩阵An×m如下：
Figure BDA0001901448520000062
其中，j表示服务提供方，j＝1，2…m，i表示子区域，i＝0，1…n-1。
在一些实施例中，所述数据获取模块还用于：根据所述候选调度策略，将所述初始分布矩阵An×m中的元素进行调整，得到基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵。
在一些实施例中，所述数据获取模块还用于：通过下式计算得到服务提供方变化量矩阵：
Figure BDA0001901448520000063
其中，An×m表示目标区域内的服务提供方对应的初始分布矩阵，A′n×m表示基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵，
Figure BDA0001901448520000064
为m维的单位列向量，
Figure BDA0001901448520000065
表示各个子区域在候选调度策略下的服务提供方的变化量，
Figure BDA0001901448520000066
Δqi为子区域i在候选调度策略下的服务提供方的变化量。
在一些实施例中，所述当前调度策略确定模块还用于：将多个所述候选调度策略中，订单成交量总增量最大的候选调度策略作为所述目标区域的当前调度策略。
在一些实施例中，所述装置还包括：调度模块，用于根据所述当前调度策略对所述目标区域内的所述服务提供方进行调度。
根据本申请的另一个方面，提供一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如上述调度策略的确定方法中的一个或多个方法的步骤。
根据本申请的另一个方面，提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述调度策略的确定方法中的一个或多个方法的步骤。
上述任一方面所述的调度策略的确定方法和装置中，首先基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，目标区域包含多个子区域；对于每个候选调度策略：基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量，计算子区域的订单成交量增量；将每个子区域的订单成交量增量相加，得到候选调度策略对应的订单成交量总增量；基于每个候选调度策略对应的订单成交量总增量，确定目标区域的当前调度策略，从而对服务提供方进行最优选的调度，这种调度策略确定方式以最终订单成交量总增量为导向，更贴近实际情况，更加合理有效。
为使本申请实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例所提供的一种调度策略的确定系统的框图；
图2示出了本申请实施例所提供的一种调度策略的确定方法的流程图；
图3示出了本申请实施例所提供的一种调度策略的确定方法中示子区域的司乘比的拆线示意图；
图4示出了本申请实施例所提供的一种调度策略的确定方法中示子区域的订单成交率的拆线示意图；
图5示出了本申请实施例所提供的一种调度策略的确定装置的结构示意图；
图6示出了本申请实施例所提供的另一种调度策略的确定装置的结构示意图；
图7示出了本申请实施例所提供的一种电子设备的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“网约车服务场景”，给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕网约车支付场景进行描述，但是应该理解，这仅是一个示例性实施例。本申请可以应用于任何其他需要对服务提供方进行调度的服务场景。在网约车服务场景中，本申请可以应用于以下交通工具：可以包括出租车、私家车、顺风车、公共汽车、或无人驾驶车辆等，或其任意组合。本申请的系统或方法的应用可以包括网页、浏览器的插件、客户端终端、定制系统、内部分析系统、或人工智能机器人等，或其任意组合。
需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
图1是本申请提供的一种调度策略的确定系统的框图。例如，调度策略的确定系统可以是用于诸如出租车、代驾服务、快车、拼车、公共汽车服务、驾驶员租赁、或班车服务之类的运输服务、或其任意组合的在线运输服务平台。调度策略的确定系统可以包括服务器110、网络120、服务请求方终端130、服务提供方终端140和数据库150中的一种或多种，服务器110中可以包括执行指令操作的处理器。
在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是分布式系统)。在一些实施例中，服务器110相对于终端，可以是本地的、也可以是远程的。例如，服务器110可以经由网络120访问存储在服务请求方终端130、服务提供方终端140、或数据库150、或其任意组合中的信息和/或数据。作为另一示例，服务器110可以直接连接到服务请求方终端130、服务提供方终端140和数据库150中至少一个，以访问存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、多云(multi-cloud)等，或者它们的任意组合。
在一些实施例中，服务器110可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据，以执行本申请中描述的一个或多个功能。例如，处理器可以基于从服务请求方终端130获得的服务请求来确定目标车辆。在一些实施例中，处理器可以包括一个或多个处理核(例如，单核处理器(S)或多核处理器(S))。
网络120可以用于信息和/或数据的交换。在一些实施例中，调度策略的确定系统中的一个或多个组件(例如，服务器110，服务请求方终端130，服务提供方终端140和数据库150)可以向其他组件发送信息和/或数据。例如，服务器110可以经由网络120从服务请求方终端130获取服务请求。在一些实施例中，网络120可以是任何类型的有线或者无线网络，或者是他们的结合。在一些实施例中，网络120可以包括一个或多个网络接入点。例如，网络120可以包括有线或无线网络接入点，例如基站和/或网络交换节点，调度策略的确定系统的一个或多个组件可以通过该接入点连接到网络120以交换数据和/或信息。
在一些实施例中，服务请求方终端130的用户可以是除服务实际需求者之外的其他人。例如，服务请求方终端130的用户A可以使用服务请求方终端130来为服务实际需求者B发起服务请求(比如，用户A可以为自己的朋友B叫车)，或者从服务器110接收服务信息或指令等。在一些实施例中，服务提供方终端140的用户可以是服务实际提供者，也可以是除服务实际提供者之外的其他人。例如，服务提供方终端140的用户C可以使用服务提供方终端140接收由服务实际提供者D提供服务的服务请求(比如用户C可以为自己雇用的服务提供方D接单)，和/或来自服务器110的信息或指令。在一些实施例中，“服务请求方”和“服务请求方终端”可以互换使用，“服务提供方”和“服务提供方终端”可以互换使用。
在一些实施例中，服务请求方终端130可以包括移动设备、平板计算机、膝上型计算机、或机动车辆中的内置设备等，或其任意组合。在一些实施例中，移动设备可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、或增强现实设备等，或其任意组合。
在一些实施例中，服务请求方终端130可以是具有用于定位服务请求方和/或服务请求方终端的位置的定位技术的设备。服务提供方终端140可以是与服务请求方终端130类似或相同的设备。在一些实施例中，服务提供方终端140可以是具有定位技术的设备，用于定位服务提供方和/或服务提供方终端的位置。在一些实施例中，服务请求方终端130和/或服务提供方终端140可以与其他定位设备通信以确定服务请求方、服务请求方终端130、服务提供方、或服务提供方终端140、或其任意组合的位置。在一些实施例中，服务请求方终端130和/或服务提供方终端140可以将定位信息发送给服务器110。
数据库150可以存储数据和/或指令。在一些实施例中，数据库150可以存储从服务请求方终端130和/或服务提供方终端140获得的数据。在一些实施例中，数据库150可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中，数据库150可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器(Read-Only Memory，ROM)等，或其任意组合。在一些实施例中，数据库150可以在云平台上实现。仅作为示例，云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等，或其任意组合。
在一些实施例中，数据库150可以连接到网络120以与调度策略的确定系统(例如，服务器110，服务请求方终端130，服务提供方终端140等)中的一个或多个组件通信。调度策略的确定系统中的一个或多个组件可以经由网络120访问存储在数据库150中的数据或指令。在一些实施例中，数据库150可以直接连接到调度策略的确定系统中的一个或多个组件(例如，服务器110，服务请求方终端130，服务提供方终端140等)；或者，在一些实施例中，数据库150也可以是服务器110的一部分。
在一些实施例中，调度策略的确定系统中的一个或多个组件(例如，服务器110，服务请求方终端130，服务提供方终端140等)可以具有访问数据库150的权限。在一些实施例中，当满足一定条件时，调度策略的确定系统中的一个或多个组件可以读取和/或修改与服务请求方、服务提供方、或公众、或其任意组合有关的信息。例如，服务器110可以在接收服务请求之后读取和/或修改一个或多个用户的信息。
基于上述系统，图2提供了一种调度策略的确定方法的流程图，该方法可以应用于上述服务器中，该服务器可以是诸如网约车服务系统中的服务器，其中，调度策略对应的调度对象为服务提供方，服务提供方可以是出租车司机、专车司机、顺风车司机等等，参见图2，该调度策略的确定方法具体包括以下步骤：
步骤S202，基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，目标区域包含多个子区域。
在具体实施中，首先需要确定调度策略对应的调度约束条件，该调度约束条件可以包括一种或多种，比如：(1)被调度的服务提供方的调度距离小于预设距离阈值；(2)调度的服务提供方的连续未接单时长大于预设时间阈值；(3)调度后每个子区域中的服务提供方变化率在预设范围内；(4)调度过程中目标区域中的服务提供方数量恒定。
一般来说，约束条件数量越多，确定出的候选调度策略越合理，越有效。在上述预设的调度约束条件的基础上，首先生成目标区域对应的多个候选调度策略，即每一个候选调度策略均符合上述调度约束条件。目标区域预先按照一定的规则划分为了多个子区域，比如：按照地图围栏方式、或者按照经纬度划分等。由于多个子区域中的订单数量和服务提供方数量的不均衡，因此，上述多个候选调度策略中均包括对目标区域中多个子区域中服务提供方的调度信息。比如：由子区域A向子区域B调度两个服务提供方，由子区域D向子区域F调度1个服务提供方等。
步骤S204，对于每个候选调度策略：基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量，计算子区域的订单成交量增量；将每个子区域的订单成交量增量相加，得到候选调度策略对应的订单成交量总增量。
本申请以通过调度策略的调度后实现最大的订单成交量增量为目标，因此，在上述生成满足预设的调度约束条件的多个候选调度策略后，进一步，计算每个候选调度策略对应的订单成交量总增量，具体的，首先计算在每个候选调度策略下，目标区域中每个子区域的订单成交量增量，然后将多个子区域的订单成交量增量相加，即可得到该候选调度策略对应的订单成交量总增量。
计算在每个候选调度策略下，目标区域中每个子区域的订单成交量增量时，需要基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量这三种信息进行，通过获取的每个子区域的当前订单量、当前服务提供方的数量以及在候选调度策略下的服务提供方的变化量进行计算，可以使计算结果更加准确。
步骤S206，基于每个候选调度策略对应的订单成交量总增量，确定目标区域的当前调度策略。
在计算出每个候选调度策略对应的订单成交量总增量后，再根据订单成交量总增量的大小确定出最佳的调度策略，一般来说，可以将订单成交量总增量最大的那个候选调度策略作为当前调度策略，或者也可以将订单成交量总增量排名第二的候选调度策略作为当前调度策略。
本申请所提供的调度策略的确定方法中，首先基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，目标区域包含多个子区域；然后针对每个候选调度策略：基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量，计算子区域的订单成交量增量，并将每个子区域的订单成交量增量相加，得到候选调度策略对应的订单成交量总增量；最后基于每个候选调度策略对应的订单成交量总增量，确定目标区域的当前调度策略，从而对服务提供方进行最优选的调度策略，这种调度策略确定方式以最终订单成交量总增量为导向，更贴近实际情况，更加合理有效，根据以订单成交量总增量为目标而确定出的目标区域的当前调度策略，对目标区域的服务提供方进行调度，能够调整目标区域内的局部供需不平衡，从而实现订单成交量总增量的最大提升。
为了提高调度策略确定的准确性，首先得提高订单成交量增量的计算准确性，下面详细的阐述上述步骤S204中的计算过程：
基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量，计算子区域的订单成交量增量的过程具体包括以下步骤：
(1)获取每个子区域在候选调度策略下的服务提供方的变化量。
(2)获取每个子区域的当前订单量和当前服务提供方的数量。
(3)将多个子区域的当前订单量进行求和运算，得到目标区域的当前
总订单量。
(4)利用下述算式计算子区域的订单成交量增量：
Figure BDA0001901448520000141
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
上述步骤(1)的具体计算过程如下：
a.获取目标区域内的服务提供方对应的初始分布矩阵。
其中，初始分布矩阵表征服务提供方在目标区域的子区域内的分布情况。具体的，首先获取目标区域内的服务提供方的数量和目标区域的子区域的数量；然后基于服务提供方的数量、子区域的数量及服务提供方所在的子区域，构造目标区域内的服务提供方对应的初始分布矩阵。
具体的初始分布矩阵构造方式如下：
设置初始分布矩阵的大小为n×m，其中，n表示目标区域的子区域的数量，m表示目标区域内服务提供方的数量；
设置初始分布矩阵中的元素为aij；其中，
Figure BDA0001901448520000151
基于初始分布矩阵大小及初始分布矩阵中的元素，确定初始分布矩阵An×m如下：
Figure BDA0001901448520000152
其中，j表示服务提供方，j＝1，2…m，i表示子区域，i＝0，1…n-1。
b.获取基于候选调度策略进行调度后的目标区域内的服务提供方对应的预测分布矩阵。
具体的，根据候选调度策略，将上述初始分布矩阵An×m中的元素进行调整，也就是按照候选调度策略调度后，服务提供方在各个子区域的新的分布情况，调整初始分布矩阵中的元素的0、1状态，从而得到基于候选调度策略进行调度后的目标区域内的服务提供方对应的预测分布矩阵。
c.根据初始分布矩阵和预测分布矩阵，计算得到服务提供方变化量矩阵；其中，服务提供方变化量矩阵中的每个元素分别对应一个子区域在候选调度策略下的服务提供方的变化量。
具体的，通过下式计算得到服务提供方变化量矩阵：
Figure BDA0001901448520000161
其中，An×m表示目标区域内的服务提供方对应的初始分布矩阵，A′n×m表示基于候选调度策略进行调度后的目标区域内的服务提供方对应的预测分布矩阵，
Figure BDA0001901448520000162
为m维的单位列向量，
Figure BDA0001901448520000163
表示各个子区域在候选调度策略下的服务提供方的变化量，
Figure BDA0001901448520000164
Δqi为子区域i在候选调度策略下的服务提供方的变化量。
下面对本申请的调度策略算法的设计过程进行详细阐述：
本申请的调度策略算法的总体目标是通过调整局部区域的供需不平衡，来实现订单成交量的最大提升。而调整局部区域供需不平衡的手段是将服务提供方从一个热点区域调往另一个热点区域，整个过程中，服务提供方的总数量保持恒定，没有减少也没有增加，对于服务提供方比较充足的区域，减少一定的服务提供方的数量，其订单成交率下降相对较少，而对于服务提供方比较稀缺的区域，增加一定量的服务提供方的数量，其订单成交率将有较大提升，进而使整体订单成交率有绝对的提升。
下面通过大数据分析，确定订单成交率和服务提供方的变化量之间的关系：
以北京1小时时间段为例来进行举例分析：
提取北京18：00-19：00订单和空闲司机(即服务提供方)数据，其中，订单总数为：104804，空闲司机总数为：603637(如果10分钟后同一司机若出现空闲状态，仍考虑在内)。选取的子区域包括：区域1(司机相对稀疏区域)和区域2(司机相对密集区域)。
为了提高计算的准确性，首先对上述数据进行一个筛选过程，去掉无效订单(如北京总无效订单量为23096，区域1的无效订单量为3007，区域2的无效订单量为777)，由公式订单成交率＝(订单总量-无效订单量)/订单总量可知：
北京平均订单成交率＝(104804-23096)/104804＝77.96％；
区域1订单成交率＝(10271-3007)/10271＝70.72％；
区域2订单成交率＝(4661-777)/4661＝83.33％。
采用上述计算方式，可以分别得到区域1和区域2对应的不同时段的订单成交率，如表1所示，另外，还需要计算出司乘比，司乘比为司机数量与乘客数量的比值，即司机数量与订单数量的比值，如表2所示。图3和图4分别为表1和表2对应的拆线图，从中可以看出，订单成交率与司乘比为正相关关系。
表1
Figure BDA0001901448520000171
表2
Figure BDA0001901448520000172
在上述基础上进一步分析订单成交量增量和服务提供方的变化量间的函数关系，直接拟合订单成交量增量和服务提供方的变化量间的函数关系比较困难，因为中间还涉及到订单量这一关键变量；而根据以前的经验，成交率和司乘比之间有很好的函数关系，如下：
Figure BDA0001901448520000181
其中，E为订单成交率，k为经验系数，q为服务提供方的数量，o为乘客呼叫订单数，简称订单量；将上面公式变换，得到成交订单量，即订单成交量s的函数关系为：
Figure BDA0001901448520000182
由于需要得到订单成交量增量和服务提供方的变化量间的关系，简单的对上式(1.2)进行微分，得：
Figure BDA0001901448520000183
可以从式(1.3)中看出3个很好的性质，这三个性质也非常符合常识：
(1)该函数与订单量o正相关，也就是订单越多，增加服务提供方对订单成交量提升越明显；
(2)与服务提供方q的数量负相关，也就是服务提供方越少，增加服务提供方的数量对订单成交量提升越明显；
(3)与司乘比
Figure BDA0001901448520000184
负相关，也就是服务提供方相对越稀缺，增加服务提供方的数量对订单成交量提升越明显。
下面用式(1.3)推导出一个很重要的公式，也就是订单成交量增量和服务提供方的变化量间的函数关系：
Figure BDA0001901448520000185
上式中，记
Figure BDA0001901448520000186
得：
Figure BDA0001901448520000191
基于上述分析过程，得到上述实施例中用到的算式：
Figure BDA0001901448520000192
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
进一步，将调度服务提供方的转移(抽象化为矩阵An×m)与服务提供方的变化量Δq关联起来，假设当前目标区域共有m个服务提供方，n个子区域(n-1个热点区域和一个边缘地带)，定义如下几个矩阵：
Figure BDA0001901448520000193
其中，
Figure BDA0001901448520000194
其中，服务提供方编号从1开始，j＝1，2…m，子区域编号从0开始，i＝0，1…n-1，0代表不属于任何一个区域的边缘地带。
用An×m表示调度前，服务提供方在各个区域的分布；A′n×m表示调度后，服务提供方在各个子区域的分布。
Figure BDA0001901448520000195
Figure BDA0001901448520000196
表示每个子区域经过调度后，服务提供方数量的增量，即第i个子区域经过调度后，服务提供方的变化量为Δqi,Δqi可正可负。
显然，根据矩阵的基本运算，有下面的关系：
Figure BDA0001901448520000197
其中，
Figure BDA0001901448520000198
为m维的单位列向量，
Figure BDA0001901448520000199
举个简单的例子，比如目标区域有4个服务提供方，分别为A、B、C和D，2个子区域，分别为：子区域0、子区域1，在调度前，服务提供方A在区域0，服务提供方B在区域0，服务提供方C在区域0，服务提供方D在区域1；在调度后，服务提供方A在区域0，服务提供方B在区域1，服务提供方C在区域1，服务提供方D在区域1；
此时，
Figure BDA0001901448520000201
带入上面的公式(2.1)得：
Figure BDA0001901448520000202
由上式可知，区域0调出2个服务提供方，区域1调入2个服务提供方。
公式(2.1)将服务提供方的调度转移用矩阵的方法，表示为每个子区域的调度增量，即服务提供方的变化量，有了调度矩阵和调度增量，再结合上述服务提供方的变化量与订单成交量增量的关系，就可以对问题进行建模。
进一步，将上述几个关键公式联立即可得到本申请实施例的优化模型如下：
模型的目标函数:
Figure BDA0001901448520000211
Figure BDA0001901448520000212
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，
o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，
oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的
服务提供方的变化量；
Figure BDA0001901448520000213
Figure BDA0001901448520000214
Figure BDA0001901448520000215
An×m表示调度前，服务提供方在各个子区域的分布矩阵；
A′n×m表示调度后，服务提供方在各个子区域的分布矩阵；
Figure BDA0001901448520000216
为m维的单位列向量，
Figure BDA0001901448520000217
Figure BDA0001901448520000218
Figure BDA0001901448520000219
表示每个区域经过调度后，服务提供方的变化量，即第i个子区域经过调度后，服务提供方数量的变化量为Δqi；
Figure BDA00019014485200002110
上述模型中的调度距离和未听单的联系时间仅仅是一种举例，实际应用中，可以根据需要修改上述参数。上述模型的最优解，可以选择一些智能搜索算法，如爬山法、遗传算法、蚁群算法等，这类算法能满足绝大部分使用需求。
比如：爬山法求解，爬山法是一种局部搜索算法，也属一种启发式方法。下面给出的是一种简单迭代的爬山法。
开始时，根据规则生成初始解，初始解的所有可能邻域都被考虑，并且将邻域中最好评估值的解与初始解作比较。如果邻域中最好评估值的解比当前解差，则输出当前解，作为山峰最高点，如果邻域中最好评估值的解比当前解好，则将邻域中最好评估值的解为当前解，继续执行上述步骤：将邻域中最好评估值的解与初始解作比较，如此循环直到达到山峰最高点，即得到模型的最优解。应用于本申请实施例，上述初始解和领域中的解对应于本申请中的多个候选调度策略，也就是从多个候选调度策略中不断地选出其订单成交量总增量相对最优的候选调度策略作为当前调度策略。
再比如，遗传算法求解，遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。遗传算法的搜索过程如下：
首先组成一组候选解，如本申请实施例中的多个候选调度策略，然后依据某些适应性条件测算这些候选解的适应度，也就是分别计算在每个候选调度策略下的目标区域的订单成交量总增量，然后根据适应度保留某些候选解，放弃其他候选解，也就是根据上述订单成交量总增量先从多个候选调度策略中选出几个订单成交量总增量较高的候选调度策略，最后对保留的候选解进行某些操作，生成新的候选解，比如，将约束条件限定地更精准一些，得到这几个候选调度策略的新的候选策略，以此类推，不断地缩小候选调度策略的范围，最终得到相对最优解。
本申请实施例通过上述爬山法、遗传算法或蚁群算法等，均可以求得上述模型的相对最优解，即以最终订单成交量总增量为导向，本申请根据以订单成交量总增量为目标而确定出的目标区域的当前调度策略，对目标区域的服务提供方进行调度，能够调整目标区域内的局部供需不平衡，从而实现订单成交量总增量的最大提升，这种方式更贴近实际情况，更加合理有效。
图5示出了本申请实施例所提供的一种调度策略的确定装置的框图，该调度策略的确定装置实现的功能对应上述调度策略的确定方法执行的步骤。该调度策略的确定装置可以理解为上述服务器，或服务器的处理器，也可以理解为独立于上述服务器或处理器之外的在服务器控制下实现本申请功能的组件，如图5所示，该调度策略的确定装置包括：候选调度策略生成模块502、订单成交量总增量计算模块504和当前调度策略确定模块506。
其中，候选调度策略生成模块502，用于基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，目标区域包含多个子区域；订单成交量总增量计算模块504，用于对于每个候选调度策略：基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量，计算子区域的订单成交量增量；将每个子区域的订单成交量增量相加，得到候选调度策略对应的订单成交量总增量；当前调度策略确定模块506，用于基于每个候选调度策略对应的订单成交量总增量，确定目标区域的当前调度策略。
本申请所提供的调度策略的确定装置中，首先通过候选调度策略生成模块502，基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，目标区域包含多个子区域；然后通过订单成交量总增量计算模块504，针对每个候选调度策略：基于每个子区域的当前订单量、当前服务提供方的数量和在候选调度策略下的服务提供方的变化量，计算子区域的订单成交量增量，并将每个子区域的订单成交量增量相加，得到候选调度策略对应的订单成交量总增量；最后通过当前调度策略确定模块506，基于每个候选调度策略对应的订单成交量总增量，确定目标区域的当前调度策略。这种调度策略确定方式以最终订单成交量总增量为导向，更贴近实际情况，更加合理有效，根据以订单成交量总增量为目标而确定出的目标区域的当前调度策略，对目标区域的服务提供方进行调度，能够调整目标区域内的局部供需不平衡，从而实现订单成交量总增量的最大提升。
图6示出了本申请实施例所提供的另一种调度策略的确定装置的框图，该调度策略的确定装置中除了包括与上一实施例所提供的装置类似的：候选调度策略生成模块602、订单成交量总增量计算模块604和当前调度策略确定模块606外，还包括：调度模块608，该调度模块608用于根据当前调度策略对目标区域内的服务提供方进行调度。
在一些实施例中，上述调度约束条件包括以下多项中的至少一项：
被调度的服务提供方的调度距离小于预设距离阈值；
被调度的服务提供方的连续未接单时长大于预设时间阈值；
调度后每个子区域中的服务提供方变化率在预设范围内；
调度过程中目标区域中的服务提供方数量恒定。
在一些实施例中，上述订单成交量总增量计算模块604包括：数据获取模块6042和计算模块6044。
其中，数据获取模块6042，用于获取每个子区域在候选调度策略下的服务提供方的变化量；并获取每个子区域的当前订单量和当前服务提供方的数量；计算模块6044，用于将多个子区域的当前订单量进行求和运算，得到目标区域的当前总订单量；并利用下述算式计算子区域的订单成交量增量：
Figure BDA0001901448520000241
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
在一些实施例中，上述数据获取模块6042还用于：获取目标区域内的服务提供方对应的初始分布矩阵；其中，初始分布矩阵表征服务提供方在目标区域的子区域内的分布情况；获取基于候选调度策略进行调度后的目标区域内的服务提供方对应的预测分布矩阵；根据初始分布矩阵和预测分布矩阵，计算得到服务提供方变化量矩阵；其中，服务提供方变化量矩阵中的每个元素分别对应一个子区域在候选调度策略下的服务提供方的变化量。
在一些实施例中，上述数据获取模块6042还用于：获取目标区域内的服务提供方的数量和目标区域的子区域的数量；基于服务提供方的数量、子区域的数量及服务提供方所在的子区域，构造目标区域内的服务提供方对应的初始分布矩阵。
在一些实施例中，上述数据获取模块6042还用于：设置初始分布矩阵的大小为n×m，其中，n表示目标区域的子区域的数量，m表示目标区域内服务提供方的数量；设置初始分布矩阵中的元素为aij；其中，
Figure BDA0001901448520000251
基于初始分布矩阵大小及初始分布矩阵中的元素，确定初始分布矩阵An×m如下：
Figure BDA0001901448520000252
其中，j表示服务提供方，j＝1，2…m，i表示子区域，i＝0，1…n-1。
在一些实施例中，上述数据获取模块6042还用于：根据候选调度策略，将初始分布矩阵An×m中的元素进行调整，得到基于候选调度策略进行调度后的目标区域内的服务提供方对应的预测分布矩阵。
在一些实施例中，上述数据获取模块6042还用于：通过下式计算得到服务提供方变化量矩阵：
Figure BDA0001901448520000253
其中，An×m表示目标区域内的服务提供方对应的初始分布矩阵，A′n×m表示基于候选调度策略进行调度后的目标区域内的服务提供方对应的预测分布矩阵，
Figure BDA0001901448520000254
为m维的单位列向量，
Figure BDA0001901448520000255
表示各个子区域在候选调度策略下的服务提供方的变化量，
Figure BDA0001901448520000256
Δqi为子区域i在候选调度策略下的服务提供方的变化量。
在一些实施例中，上述当前调度策略确定模块606还用于：将多个候选调度策略中，订单成交量总增量最大的候选调度策略作为目标区域的当前调度策略。
上述模块可以经由有线连接或无线连接彼此连接或通信。有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接，或其任意组合。两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元。
为便于理解，图7示出根据本申请的一些实施例的可以实现本申请思想的电子设备700的示例性硬件和软件组件的示意图。例如，处理器720可以用于电子设备700上，并且用于执行本申请中的功能。
电子设备700可以是通用计算机或特殊用途的计算机，两者都可以用于实现本申请的异常行驶行为的识别方法。本申请尽管仅示出了一个计算机，但是为了方便起见，可以在多个类似平台上以分布式方式实现本申请描述的功能，以均衡处理负载。
例如，电子设备700可以包括连接到网络的网络端口710、用于执行程序指令的一个或多个处理器720、通信总线730和不同形式的存储介质740，例如，磁盘、ROM或RAM，或其任意组合。示例性地，计算机平台还可以包括存储在ROM、RAM或其他类型的非暂时性存储介质或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。电子设备700还包括计算机与其他输入输出设备(例如键盘、显示屏)之间的输入/输出(Input/Output，I/O)接口750。
为了便于说明，在电子设备700中仅描述了一个处理器。然而，应当注意，本申请中的电子设备700还可以包括多个处理器，因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，若电子设备700的处理器执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一处理器和第二处理器共同执行步骤A和B。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任一调度策略的确定方法的步骤。
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，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请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。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，又例如，多个模块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通信接口，装置或模块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模块可以是或者也可以不是物理上分开的，作为模块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，在本申请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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
另外，在本申请实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
在本申请的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (22)

1.一种调度策略的确定方法，其特征在于，包括：
基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，所述目标区域包含多个子区域；
对于每个所述候选调度策略：基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量；将每个所述子区域的订单成交量增量相加，得到所述候选调度策略对应的订单成交量总增量；
基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略。
2.根据权利要求1所述的方法，其特征在于，所述调度约束条件包括以下多项中的至少一项：
被调度的服务提供方的调度距离小于预设距离阈值；
被调度的服务提供方的连续未接单时长大于预设时间阈值；
调度后每个所述子区域中的服务提供方变化率在预设范围内；
调度过程中所述目标区域中的服务提供方数量恒定。
3.根据权利要求1所述的方法，其特征在于，基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量的步骤，包括：
获取每个子区域在所述候选调度策略下的服务提供方的变化量；
获取每个所述子区域的当前订单量和当前服务提供方的数量；
将多个所述子区域的当前订单量进行求和运算，得到所述目标区域的当前总订单量；
利用下述算式计算所述子区域的订单成交量增量：
Figure FDA0001901448510000021
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
4.根据权利要求3所述的方法，其特征在于，获取每个子区域在所述候选调度策略下的服务提供方的变化量的步骤，包括：
获取所述目标区域内的服务提供方对应的初始分布矩阵；其中，所述初始分布矩阵表征服务提供方在所述目标区域的子区域内的分布情况；
获取基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵；
根据所述初始分布矩阵和所述预测分布矩阵，计算得到服务提供方变化量矩阵；其中，所述服务提供方变化量矩阵中的每个元素分别对应一个子区域在所述候选调度策略下的服务提供方的变化量。
5.根据权利要求4所述的方法，其特征在于，获取所述目标区域内的服务提供方对应的初始分布矩阵的步骤，包括：
获取目标区域内的服务提供方的数量和所述目标区域的子区域的数量；
基于所述服务提供方的数量、所述子区域的数量及所述服务提供方所在的子区域，构造所述目标区域内的服务提供方对应的初始分布矩阵。
6.根据权利要求5所述的方法，其特征在于，基于所述服务提供方的数量、所述子区域的数量及所述服务提供方所在的子区域，构造所述目标区域内的服务提供方对应的初始分布矩阵的步骤，包括：
设置初始分布矩阵的大小为n×m，其中，n表示目标区域的子区域的数量，m表示目标区域内服务提供方的数量；
设置初始分布矩阵中的元素为aij；其中，
Figure FDA0001901448510000031
基于所述初始分布矩阵大小及所述初始分布矩阵中的元素，确定所述初始分布矩阵An×m如下：
Figure FDA0001901448510000032
其中，j表示服务提供方，j＝1，2…m，i表示子区域，i＝0，1…n-1。
7.根据权利要求6所述的方法，其特征在于，获取基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵的步骤，包括：
根据所述候选调度策略，将所述初始分布矩阵An×m中的元素进行调整，得到基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵。
8.根据权利要求4所述的方法，其特征在于，根据所述初始分布矩阵和所述预测分布矩阵，计算得到服务提供方变化量矩阵的步骤，包括：
通过下式计算得到服务提供方变化量矩阵：
Figure FDA0001901448510000033
其中，An×m表示目标区域内的服务提供方对应的初始分布矩阵，A′n×m表示基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵，
Figure FDA0001901448510000034
为m维的单位列向量，
Figure FDA0001901448510000035
Figure FDA0001901448510000036
表示各个子区域在候选调度策略下的服务提供方的变化量，
Figure FDA0001901448510000037
Figure FDA0001901448510000038
Δqi为子区域i在候选调度策略下的服务提供方的变化量。
9.根据权利要求1所述的方法，其特征在于，基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略的步骤，包括：
将多个所述候选调度策略中，订单成交量总增量最大的候选调度策略作为所述目标区域的当前调度策略。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述当前调度策略对所述目标区域内的所述服务提供方进行调度。
11.一种调度策略的确定装置，其特征在于，包括：
候选调度策略生成模块，用于基于预设的调度约束条件，生成目标区域对应的多个候选调度策略；其中，所述目标区域包含多个子区域；
订单成交量总增量计算模块，用于对于每个所述候选调度策略：基于每个所述子区域的当前订单量、当前服务提供方的数量和在所述候选调度策略下的服务提供方的变化量，计算所述子区域的订单成交量增量；将每个所述子区域的订单成交量增量相加，得到所述候选调度策略对应的订单成交量总增量；
当前调度策略确定模块，用于基于每个所述候选调度策略对应的订单成交量总增量，确定所述目标区域的当前调度策略。
12.根据权利要求11所述的装置，其特征在于，所述调度约束条件包括以下多项中的至少一项：
被调度的服务提供方的调度距离小于预设距离阈值；
被调度的服务提供方的连续未接单时长大于预设时间阈值；
调度后每个所述子区域中的服务提供方变化率在预设范围内；
调度过程中所述目标区域中的服务提供方数量恒定。
13.根据权利要求11所述的装置，其特征在于，所述订单成交量总增量计算模块包括：
数据获取模块，用于获取每个子区域在所述候选调度策略下的服务提供方的变化量；并获取每个所述子区域的当前订单量和当前服务提供方的数量；
计算模块，用于将多个所述子区域的当前订单量进行求和运算，得到所述目标区域的当前总订单量；并利用下述算式计算所述子区域的订单成交量增量：
Figure FDA0001901448510000051
其中，Δsi表示子区域i的订单成交量增量，k为经验系数，o为目标区域的当前总订单量，qi为子区域i的当前服务提供方的数量，oi为子区域i的当前订单量，Δqi为子区域i在候选调度策略下的服务提供方的变化量。
14.根据权利要求13所述的装置，其特征在于，所述数据获取模块还用于：
获取所述目标区域内的服务提供方对应的初始分布矩阵；其中，所述初始分布矩阵表征服务提供方在所述目标区域的子区域内的分布情况；
获取基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵；
根据所述初始分布矩阵和所述预测分布矩阵，计算得到服务提供方变化量矩阵；其中，所述服务提供方变化量矩阵中的每个元素分别对应一个子区域在所述候选调度策略下的服务提供方的变化量。
15.根据权利要求14所述的装置，其特征在于，所述数据获取模块还用于：
获取目标区域内的服务提供方的数量和所述目标区域的子区域的数量；
基于所述服务提供方的数量、所述子区域的数量及所述服务提供方所在的子区域，构造所述目标区域内的服务提供方对应的初始分布矩阵。
16.根据权利要求15所述的装置，其特征在于，所述数据获取模块还用于：
设置初始分布矩阵的大小为n×m，其中，n表示目标区域的子区域的数量，m表示目标区域内服务提供方的数量；
设置初始分布矩阵中的元素为aij；其中，
Figure FDA0001901448510000061
基于所述初始分布矩阵大小及所述初始分布矩阵中的元素，确定所述初始分布矩阵An×m如下：
Figure FDA0001901448510000062
其中，j表示服务提供方，j＝1，2…m，i表示子区域，i＝0，1…n-1。
17.根据权利要求16所述的装置，其特征在于，所述数据获取模块还用于：
根据所述候选调度策略，将所述初始分布矩阵An×m中的元素进行调整，得到基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵。
18.根据权利要求14所述的装置，其特征在于，所述数据获取模块还用于：
通过下式计算得到服务提供方变化量矩阵：
Figure FDA0001901448510000063
其中，An×m表示目标区域内的服务提供方对应的初始分布矩阵，A′n×m表示基于所述候选调度策略进行调度后的所述目标区域内的服务提供方对应的预测分布矩阵，
Figure FDA0001901448510000064
为m维的单位列向量，
Figure FDA0001901448510000065
Figure FDA0001901448510000066
表示各个子区域在候选调度策略下的服务提供方的变化量，
Figure FDA0001901448510000067
Figure FDA0001901448510000068
Δqi为子区域i在候选调度策略下的服务提供方的变化量。
19.根据权利要求11所述的装置，其特征在于，所述当前调度策略确定模块还用于：
将多个所述候选调度策略中，订单成交量总增量最大的候选调度策略作为所述目标区域的当前调度策略。
20.根据权利要求11所述的装置，其特征在于，所述装置还包括：
调度模块，用于根据所述当前调度策略对所述目标区域内的所述服务提供方进行调度。
21.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如权利要求1至10任一所述的调度策略的确定方法的步骤。
22.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至10任一所述的调度策略的确定方法的步骤。
CN201811513757.5A 2018-12-11 2018-12-11 调度策略的确定方法、装置及电子设备 Pending CN111310956A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811513757.5A CN111310956A (zh) 2018-12-11 2018-12-11 调度策略的确定方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811513757.5A CN111310956A (zh) 2018-12-11 2018-12-11 调度策略的确定方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN111310956A true CN111310956A (zh) 2020-06-19

Family

ID=71161233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811513757.5A Pending CN111310956A (zh) 2018-12-11 2018-12-11 调度策略的确定方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111310956A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001570A (zh) * 2020-09-29 2020-11-27 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、电子设备和可读存储介质
CN112633743A (zh) * 2020-12-30 2021-04-09 北京嘀嘀无限科技发展有限公司 调整资源配置的方法、装置、计算机设备、介质和产品
CN112950063A (zh) * 2021-03-29 2021-06-11 国网河北省电力有限公司经济技术研究院 区域能源互补方法和装置
CN113253736A (zh) * 2021-06-17 2021-08-13 上海思岚科技有限公司 多机器人调度方法及设备
CN113763695A (zh) * 2021-09-07 2021-12-07 北京航迹科技有限公司 一种自动驾驶车辆的调度方法和系统
CN115061786A (zh) * 2022-05-16 2022-09-16 北京嘀嘀无限科技发展有限公司 资源调度的方法、装置、电子设备、介质和程序产品
CN117391359A (zh) * 2023-10-19 2024-01-12 北京嘀嘀无限科技发展有限公司 用于资源调度的方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011125059A2 (en) * 2010-04-08 2011-10-13 Way Better Ltd Public transport optimization
CN105575105A (zh) * 2015-12-24 2016-05-11 滴滴（中国）科技有限公司 用于交通工具的调度方法和设备
WO2016127918A1 (zh) * 2015-02-13 2016-08-18 北京嘀嘀无限科技发展有限公司 一种运力调度方法及系统
CN106447121A (zh) * 2016-10-12 2017-02-22 上海节点供应链管理有限公司 一种基于城市配送的智能优化调度方法
CN108494861A (zh) * 2018-03-28 2018-09-04 北京三快在线科技有限公司 用于服务资源调配的方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011125059A2 (en) * 2010-04-08 2011-10-13 Way Better Ltd Public transport optimization
WO2016127918A1 (zh) * 2015-02-13 2016-08-18 北京嘀嘀无限科技发展有限公司 一种运力调度方法及系统
CN105575105A (zh) * 2015-12-24 2016-05-11 滴滴（中国）科技有限公司 用于交通工具的调度方法和设备
CN106447121A (zh) * 2016-10-12 2017-02-22 上海节点供应链管理有限公司 一种基于城市配送的智能优化调度方法
CN108494861A (zh) * 2018-03-28 2018-09-04 北京三快在线科技有限公司 用于服务资源调配的方法、装置及电子设备

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112001570A (zh) * 2020-09-29 2020-11-27 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、电子设备和可读存储介质
CN112633743A (zh) * 2020-12-30 2021-04-09 北京嘀嘀无限科技发展有限公司 调整资源配置的方法、装置、计算机设备、介质和产品
CN112633743B (zh) * 2020-12-30 2024-09-24 北京嘀嘀无限科技发展有限公司 调整资源配置的方法、装置、计算机设备、介质和产品
CN112950063A (zh) * 2021-03-29 2021-06-11 国网河北省电力有限公司经济技术研究院 区域能源互补方法和装置
CN112950063B (zh) * 2021-03-29 2023-05-09 国网河北省电力有限公司经济技术研究院 区域能源互补方法和装置
CN113253736A (zh) * 2021-06-17 2021-08-13 上海思岚科技有限公司 多机器人调度方法及设备
CN113253736B (zh) * 2021-06-17 2021-11-09 上海思岚科技有限公司 多机器人调度方法及设备
CN113763695A (zh) * 2021-09-07 2021-12-07 北京航迹科技有限公司 一种自动驾驶车辆的调度方法和系统
CN115061786A (zh) * 2022-05-16 2022-09-16 北京嘀嘀无限科技发展有限公司 资源调度的方法、装置、电子设备、介质和程序产品
CN117391359A (zh) * 2023-10-19 2024-01-12 北京嘀嘀无限科技发展有限公司 用于资源调度的方法、装置、电子设备和存储介质
CN117391359B (zh) * 2023-10-19 2024-04-16 北京嘀嘀无限科技发展有限公司 用于资源调度的方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN111310956A (zh) 调度策略的确定方法、装置及电子设备
KR102696072B1 (ko) 에너지 자원 집계
CN108985694B (zh) 用于确定配送中心地址的方法和装置
CA2982710A1 (en) Fare determination system for on-demand transport arrangement service
US10593005B2 (en) Dynamic forecasting for forward reservation of cab
CN110188970B (zh) 共享车辆管理装置以及共享车辆管理方法
CN110741402A (zh) 用于运力调度的系统和方法
Asadi et al. A Markov decision process approach for managing medical drone deliveries
CN112182430B (zh) 一种地点推荐的方法、装置、电子设备及存储介质
CN110517479A (zh) 一种城市道路交通预测方法、装置及电子设备
CN111859172B (zh) 信息推送方法、装置、电子设备和计算机可读存储介质
CN111353092A (zh) 服务推送方法、装置、服务器及可读存储介质
JPWO2019146263A1 (ja) 情報処理システム、情報処理装置、および情報処理方法
CN113327035A (zh) 一种电量分配方法、装置、电子设备和存储介质
CN111476389A (zh) 一种预估接单等待时长的方法及装置
CN112819507B (zh) 一种服务推送方法、装置、电子设备以及可读存储介质
CN111753386B (zh) 一种数据处理方法及装置
CN111353093B (zh) 问题推荐方法、装置、服务器及可读存储介质
CN114862065B (zh) 社工任务规划方法、装置、电子设备及存储介质
CN111798283A (zh) 订单派发方法、装置、电子设备及计算机可读存储介质
Pauer et al. Comparing system optimum-based and user decision-based traffic models in an autonomous transport system
CN116011663A (zh) 接单时间测算方法、装置、电子设备及存储介质
CN111612286A (zh) 一种订单分配方法、装置、电子设备及存储介质
KR101831003B1 (ko) 차량 쉐어링 시스템에서 유전 알고리즘을 이용한 차량 재배치를 스케쥴링하는 방법 및 장치
CN111612198B (zh) 预测拼单成功率的方法、装置和电子设备

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200619