CN111564053B - 车辆调度方法、装置、车辆调度设备和存储介质 - Google Patents
车辆调度方法、装置、车辆调度设备和存储介质 Download PDFInfo
- Publication number
- CN111564053B CN111564053B CN202010331564.9A CN202010331564A CN111564053B CN 111564053 B CN111564053 B CN 111564053B CN 202010331564 A CN202010331564 A CN 202010331564A CN 111564053 B CN111564053 B CN 111564053B
- Authority
- CN
- China
- Prior art keywords
- scheduling
- station
- scheduled
- determining
- vehicle
- 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
Links
Images
Classifications
-
- 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
-
- 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
Abstract
本申请涉及一种车辆调度方法、装置、车辆调度设备和存储介质。所述方法通过获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,并根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,从而根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益,进而根据调度效益确定对待调度站点进行调度的调度结果,其实现了对各调度站点的供需平衡,并使得各个共享车辆都得到了有效利用,且极大的提高了调度效率。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种车辆调度方法、装置、车辆调度设备和存储介质。
背景技术
随着共享经济的发展,共享车辆成为一种重要的出行方式。目前共享车辆主要包括共享单车、共享电单车和长租电摩等。共享车辆给人们的出行带来了极大的便利,但是,随着共享车辆的增加,对共享车辆进行有效的调度则显得尤为重要。
传统技术中,对于共享车辆的调度一般通过人工实现,例如,对于热点区域一般通过增加车辆调度的频度来提高车辆利用率,如增加运维人员定时、定点维护来保障共享车辆效益。
然而,上述通过人工管理进行调度的方式,不仅运维成本高,且效率低下。
发明内容
基于此,有必要针对上述通过人工管理进行调度的方式效率低的问题,提供一种较高效的车辆调度方法、装置、车辆调度设备和存储介质。
根据本申请的第一方面,提供了一种车辆调度方法,所述方法包括:
获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量;
根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益;
根据调度效益确定对待调度站点进行调度的调度结果。
在其中一个实施例中,获取与各调度站点对应的车辆需求量,包括:获取各调度站点内行人终端的蓝牙状态信息,其中,行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的;根据行人终端的蓝牙状态信息估计调度站点内的行人数量;根据行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
在其中一个实施例中,根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,包括:根据各调度站点内空闲车辆的数量以及对应的车辆需求量的比值,确定各调度站点的车辆饱和度;根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点。
在其中一个实施例中,根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点,包括:将车辆饱和度小于第一设定值的调度站点确定为待调度站点;将车辆饱和度大于第二设定值的调度站点确定为候选调度站点。
在其中一个实施例中,确定待调度站点以及候选调度站点之后,所述方法还包括:根据待调度站点的车辆需求量与对应的空闲车辆的数量之间的差值,确定待调度站点的待调度车辆数量;根据候选调度站点的空闲车辆的数量与对应的车辆需求量之间的差值,确定候选调度站点的可调度数量;根据待调度车辆数量和可调度数量确定候选调度站点的目标调度数量。
在其中一个实施例中,根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益,包括:根据待调度站点的待调度车辆数量、候选调度站点的可调度数量、候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,通过训练后的学习模型得到调度路径对应的调度效益。
在其中一个实施例中,学习模型的生成方法包括:获取历史调度数据,所述历史调度数据中标注有历史调度效益,所述历史调度数据包括历史调度路径对应的待调度车辆数量、可调度车辆数量以及相应的历史空间时序数据;根据标注有历史调度效益的历史调度数据,采用反向传播算法训练深度学习网络模型,直到模型参数收敛,以获得学习模型。
在其中一个实施例中,根据调度效益确定对待调度站点进行调度的调度结果,包括:确定调度效益是否大于第三设定值;若是,则将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果。
在其中一个实施例中,所述方法还包括:若否,则确定对待调度站点进行调度的调度结果为不需要调度车辆。
在其中一个实施例中,将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果之后,所述方法还包括:将调度结果发送至运维人员对应的终端。
根据本申请的第二方面,提供了一种车辆调度装置,所述装置包括:
数据获取模块,用于获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量;
调度站点确定模块,用于根据各调度站点内空闲车辆的数量以及各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
调度效益确定模块,用于根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益;
调度结果确定模块,用于根据调度效益确定对待调度站点进行调度的调度结果。
根据本申请的第三方面,提供了一种车辆调度设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时执行第一方面的任一项实施例中所述的车辆调度方法。
根据本申请的第四方面,提供了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执行第一方面的任一项实施例中所述的车辆调度方法。
上述车辆调度方法、装置、车辆调度设备和存储介质,通过获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,并根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,从而根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益,进而根据调度效益确定对待调度站点进行调度的调度结果,其实现了对各调度站点的供需平衡,并使得各个共享车辆都得到了有效利用,且极大的提高了调度效率。
附图说明
图1为一个实施例中车辆调度方法的应用环境图;
图2为一个实施例中车辆调度方法的流程示意图;
图3为一个实施例中获取车辆需求量的步骤的流程示意图;
图4为一个实施例中确定调度站点的步骤的流程示意图;
图5为一个实施例中确定调度数量的步骤的流程示意图;
图6为一个实施例中确定调度结果的步骤的流程示意图;
图7为另一个实施例中车辆调度方法的流程示意图;
图8为一个实施例中车辆调度装置的结构框图;
图9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。
本申请提供的车辆调度方法,可以应用于如图1所示的应用环境中。其中,服务器102与各调度站点内的采集终端104通过网络进行通信。各调度站点内的采集终端104分别用于采集信号覆盖范围内的车辆广播信息以及行人终端的蓝牙状态信息等数据,并周期性向服务器102上报所采集的数据。服务器102则基于对各采集终端104的上报数据进行分析,从而得到各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,并根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,进而根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益,从而根据调度效益确定对待调度站点进行调度的调度结果。其中,服务器102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,采集终端104则是具有数据采集功能的终端设备,例如,可以是蓝牙嗅探装置。
在一个实施例中,如图2所示,提供了一种车辆调度方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤210,获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量。
其中,调度站点可以是指人流量较大、共享车辆的使用率较高、且安装有采集终端的区域,也可以是按城市中的街道或路标划分的且安装有采集终端的区域。调度站点对应的区域范围则可以是对应采集终端的信号覆盖范围。调度站点内空闲车辆的数量是指调度站点对应的信号覆盖范围内车辆运营状态为空闲状态的车辆的数量(即可以被使用的车辆的数量),与调度站点对应的车辆需求量是指预估的该调度站点当前需要的车辆的数量。
在本实施例中,调度站点通过采集终端采集信号覆盖范围内的车辆广播信息以及行人终端的蓝牙状态信息等数据,其中,车辆广播信息是指安装在共享车辆上的智能锁通过低功耗蓝牙(Bluetooth Low Energy,简称BLE)周期性向外广播的车辆身份信息、车辆运营状态信息(例如运营状态或空闲状态)、智能锁电量以及故障报警等信息。行人终端的蓝牙状态信息则是调度站点的采集终端周期性采集的,信号覆盖范围内行人所携带的智能手机、平板电脑和便携式可穿戴设备的蓝牙状态信息。
具体的,服务器接收各调度站点的采集终端分别采集的信号覆盖范围内的车辆广播信息以及行人终端的蓝牙状态信息等数据,并进行数据分析处理,从而得到各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量。
步骤220,根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点。
其中,待调度站点是指对应的车辆需求量存在缺口的调度站点,即空闲车辆供不应求的调度站点。候选调度站点是指对应的空闲车辆供大于求的调度站点,即可以向其他待调度站点调度多余的空闲车辆。
具体的,对于某一个调度站点,可以根据该调度站点内空闲车辆的数量以及对应的车辆需求量确定是否存在需求量缺口,例如,若该调度站点内空闲车辆的数量大于对应的车辆需求量,则表示该调度站点内的共享车辆是供大于求的,表示该调度站点可以向其他待调度站点调度多余的空闲车辆,因此,可以确定该调度站点为候选调度站点;若该调度站点内空闲车辆的数量小于对应的车辆需求量,则表示该调度站点内的共享车辆是供不应求的,因此,表示该调度站点内存在需求量缺口,从而可以确定该调度站点为待调度站点。在本实施例中,对所有调度站点的数据经过上述分析后,即可确定存在供不应求的待调度站点以及供大于求的候选调度站点。
步骤230,根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益。
其中,调度效益是指预估的根据调度路径执行调度所能带来的利益或利润。空间时序数据是指当前时刻对应的时间段、天气状况、调度路径对应的距离以及路况信息等。具体的,时间段可以按照上午、下午划分,也可以按照等时间间隔划分,例如从0点开始,每6个小时为一个时间段;还可以按照对车辆的需求量进行划分,例如上述7点至9点为一个时间段,9点至下午4点为一个时间段,下午4点至晚上8点为一个时间段等,从而确定当前时刻对应的时间段。天气状况则可以是阴、晴、雨、雪以及风速等。路况信息则可以是对应时刻的路况复杂程度,如简单、中等、复杂、拥堵或瘫痪等。在本实施例中,根据上述空间时序数据以及对应的调度路径,通过训练后的学习模型,即可得到调度路径对应的调度效益。
步骤240,根据调度效益确定对待调度站点进行调度的调度结果。
其中,调度结果可以是需要调度车辆或不需要调度车辆的结果,在需要调度车辆时,调度结果中还可以包括对应的调度路径、调度数量等。
上述车辆调度方法,通过获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,并根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,从而根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益,进而根据调度效益确定对待调度站点进行调度的调度结果,其实现了对各调度站点的供需平衡,并使得各个共享车辆都得到了有效利用,且极大的提高了调度效率。
在一个实施例中,如图3所示,获取与各调度站点对应的车辆需求量,具体可以包括如下步骤:
步骤310,获取各调度站点内行人终端的蓝牙状态信息。
其中,行人终端是指行人所携带的智能手机、平板电脑和便携式可穿戴设备等。本实施例中行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的。具体的,当行人终端的蓝牙状态开启时,则会被信号覆盖范围内的蓝牙嗅探装置所采集到,进而向服务器上报采集的行人终端的蓝牙状态信息,可以理解的是,蓝牙嗅探装置在上报数据时同时还会携带自身信息或对应的调度站点信息,例如,携带该蓝牙嗅探装置的设备标识或所在调度站点对应的站点标识等,以用于区分不同调度站点的信息。
步骤320,根据行人终端的蓝牙状态信息估计调度站点内的行人数量。
具体的,服务器通过对各调度站点上报的行人终端的蓝牙状态信息进行统计,从而得到各调度站点中行人终端的蓝牙状态为开启的行人终端的数量,并将某一调度站点上报的行人终端的蓝牙状态为开启的行人终端的数量估计为对应调度站点的行人数量,从而得到各调度站点的行人数量。
步骤330,根据行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
其中,调度站点内的车辆需求量是指预估的该调度站点当前需要的车辆的数量。设定的行人车辆需求率是通过对历史数据进行分析后得到并预先设置的。具体的,行人车辆需求率可以结合外部环境因素而设定不同的值,例如,当某一调度站点的行人数量为X1时,结合当前上下班高峰、恶劣天气、附近交通拥堵程度等因素,选择对应的行人车辆需求率,计算对应调度站点的车辆需求量为Y1;当某一调度站点的行人数量为X2时,结合当前的外部环境因素而确定对应的行人车辆需求率,计算对应调度站点的车辆需求量为Y2。从而得到每一个调度站点的车辆需求量。
上述实施例根据调度站点内行人终端的蓝牙状态信息而得到对应的车辆需求量,进而根据车辆需求量进行调度,从而能够有效缓解热点地区的用车需求,以实现对各调度站点的供需平衡。
在一个实施例中,如图4所示,根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,具体可以包括如下步骤:
步骤410,根据各调度站点内空闲车辆的数量以及对应的车辆需求量的比值,确定各调度站点的车辆饱和度。
其中,调度站点的车辆饱和度是指该调度站点内空闲车辆的数量与对应的车辆需求量的比值,其反映的是该调度站点对应的空闲车辆是供大于求还是供不应求。例如,当通过计算得到的车辆饱和度大于1时,则表示该调度站点对应的空闲车辆供大于求,当车辆饱和度小于1时,则表示该调度站点对应的空闲车辆供不应求。
步骤420,根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点。
具体的,可以将车辆饱和度小于第一设定值的调度站点确定为待调度站点,将车辆饱和度大于第二设定值的调度站点确定为候选调度站点。其中,待调度站点是指对应的车辆需求量存在缺口的调度站点,也即对应的空闲车辆供不应求的调度站点。候选调度站点是指对应的空闲车辆供大于求的调度站点,即可以向其他待调度站点调度多余的空闲车辆。
由于当某一调度站点的车辆需求量缺口数较少时,若对其进行调度,会导致调度成本高于调度总收益。同理,当某一调度站点的车辆可调度数量较少时,若对其进行调度,会导致调度成本高于调度总收益。因此,在本实施例中,通过预先设定车辆饱和度对应的第一设定值,从而确定可以对哪些供不应求的调度站点进行调度,并将车辆需求量缺口数较少的调度站点过滤掉。例如,当某一调度站点的车辆饱和度小于第一设定值时,则可以将该调度站点确定为待调度站点。同理,通过预先设定车辆饱和度对应的第二设定值,从而确定可以从哪些供大于求的调度站点进行调度,并将可调度数量较少的调度站点过滤掉。例如,当某一调度站点的车辆饱和度大于第二设定值时,则可以将该调度站点确定为候选调度站点。具体的,第一设定值和第二设定值可以根据实际需要确定。
上述实施例通过将车辆饱和度小于第一设定值的调度站点确定为待调度站,点,将车辆饱和度大于第二设定值的调度站点确定为候选调度站点,从而避免了调度成本高于调度总收益的情况发生,且提高了对车辆调度的管理效率,能够实现精细化、智能化调度。
在一个实施例中,如图5所示,在确定待调度站点以及候选调度站点之后,上述方法还可以包括如下步骤:
步骤510,根据待调度站点的车辆需求量与对应的空闲车辆的数量之间的差值,确定待调度站点的待调度车辆数量。
其中,待调度车辆数量则是对应的车辆需求量缺口数。具体的,可以根据待调度站点对应的车辆需求量与空闲车辆的数量之间的差值得到该待调度站点的需求量缺口数,即将对应的差值确定为待调度站点的需求量缺口数,也即待调度车辆数量。
步骤520,根据候选调度站点的空闲车辆的数量与对应的车辆需求量之间的差值,确定候选调度站点的可调度数量。
其中,可调度数量则是指对应的候选调度站点可以向待调度站点进行调度的车辆数量。具体的,可以根据该候选调度站点内空闲车辆的数量与对应的车辆需求量之间的差值,得到该候选调度站点可以向待调度站点进行调度的车辆数量,即将对应的差值确定为候选调度站点的可调度数量。
步骤530,根据待调度车辆数量和可调度数量确定候选调度站点的目标调度数量。
其中,目标调度数量是指针对当前待调度站点的需求量缺口数,候选调度站点可以进行调度的车辆数量。具体的,当待调度车辆数量大于可调度数量时,则目标调度数量为可调度数量;当待调度车辆数量小于可调度数量时,则目标调度数量为待调度数量。
进一步的,则可以根据待调度站点的待调度车辆数量、候选调度站点的可调度数量、候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,通过计算得到调度路径对应的调度效益。具体的,可以基于历史调度数据确定调度单个共享车辆的平均收益,并结合可调度数量以及当前时刻对应的空间时序数据而确定对应的调度总收益,通过调度路径以及当前时刻对应的空间时序数据而确定对应的调度成本,其中,调度成本可以是预估的根据调度路径执行调度而产生的运输成本以及相应的人工成本,进而将调度总收益与调度成本之间的差值确定为调度路径对应的调度效益。当存在多个候选调度站点时,则据此得到每一个候选调度站点到达该待调度站点的调度路径所对应的调度效益。
具体的,还可以根据候选调度站点的地理位置,从多个供大于求的候选调度站点中选择与待调度站点在地理位置上较相近的候选调度站点,并根据上述方法计算在地理位置上较相近的候选调度站点对应的调度路径的调度效益,从而极大的减少了计算工作量。
其中,调度效益可通过如下关系式表达:f=(x1,x2,x3,x4,...,xn)。其中f代表智能化调度效益,x1~xn(n≥4)分别代表候选调度站点的位置、对应的可调度数量、待调度站点的位置、对应的待调度数量以及空间时序数据等。对于X还可以有不同的数值等级划分,例如对于待调度数量和可调度数量,可以从少到多,设置不同的级别;对于路况复杂程度,也可以进行划分简单、中等、复杂、拥堵、瘫痪等级别,从而对各项Xn根据其级别乘以不同的权重,以得到最终的调度效益。
具体的,还可以将上述空间时序数据、对应的调度路径、待调度站点的待调度车辆数量以及候选调度站点的可调度数量,输入训练后的学习模型,即可得到调度路径对应的调度效益。其中,学习模型可以通过历史调度数据,并采用反向传播算法训练深度学习网络模型得到。具体的,历史调度数据包括历史调度路径对应的待调度车辆数量、可调度车辆数量以及相应的历史空间时序数据,且历史调度数据中还标注有历史调度效益。在本实施例中,通过大量的历史调度数据的输入和不断的迭代训练深度学习网络模型,并根据深度学习网络模型输出的结果与标注的历史调度效益之间的差异调整深度学习网络模型并继续训练,直至满足训练停止条件时结束训练,即模型参数收敛时结束训练,以获得上述学习模型。
在一个实施例中,如图6所示,根据调度效益确定对待调度站点进行调度的调度结果,具体可以包括如下步骤:
步骤610,确定调度效益是否大于第三设定值。
具体的,当确定调度效益大于第三设定值时则执行步骤620,否则执行步骤630。其中,第三设定值可以是根据实际情况预先设定的。具体的,第三设定值可以是零,也可以是设定的其他值,本实施例中并不对此进行限定。
步骤620,将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果。
具体的,当确定存在多个调度路径对应的调度效益大于第三设定值时,则将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果,可以理解的是,调度结果中包括调度路径对应的候选调度站点、待调度站点以及目标调度数量,其中,目标调度数量可以根据候选调度站点的可调度数量以及待调度站点的待调度车辆数量共同确定。
步骤630,确定对待调度站点进行调度的调度结果为不需要调度车辆。
具体的,当确定调度路径对应的调度效益不大于第三设定值时,为了控制成本,则可以不向该待调度站点调度车辆。
在一个实施例中,将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果之后,服务器还可以将该调度结果发送至运维人员对应的终端,从而使得运维人员可以根据调度结果对执行车辆调度,以实现车辆调度的精细化管理以及便利性。
在一个实施例中,以下通过一个具体的实施例进一步说明本申请的车辆调度方法,具体的,本实施例以调度站点内的采集终端为蓝牙嗅探装置、服务器为大数据分析平台为例进行说明,则该方法可以应用于如图7所示的环境,包括如下流程:
1)共享车辆周期性向外广播车辆信息。
其中,共享车辆包括但不限于共享单车、共享电单车、共享电摩等。车辆信息包括但不限于车辆身份信息、智能锁电量、车辆运营状态以及故障报警等信息。具体的,共享车辆上的智能锁装置通过低功耗蓝牙BLE周期性向外广播自身的车辆信息。
2)调度站点的蓝牙嗅探装置则实时获取信号覆盖范围内的车辆广播信息以及行人终端的蓝牙状态信息。
其中,行人终端的蓝牙状态信息是通过解析行人所携带的蓝牙设备信息所得到。具体的,当行人终端的蓝牙状态开启时,则会被信号覆盖范围内的蓝牙嗅探装置所采集到。
3)蓝牙嗅探装置周期性向大数据分析平台上报采集的车辆广播信息以及行人终端的蓝牙状态信息。
4)大数据分析平台对上报的车辆广播信息以及行人终端的蓝牙状态信息进行分析后,得到对应的分析结果。
其中,分析结果包括共享车辆数量、行人数量、调度站点车辆饱和度以及空间时序等。具体的,共享车辆数量包括各调度站点的空闲车辆的数量以及与对应的车辆需求量。
5)通过对上述分析结果进行深度控掘,并输入学习模型(图中未示出),从而得到对应的调度结果(如图7所示的调度参考)。
应该理解的是,虽然图1-6的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,图1-7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的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8所示,提供了一种车辆调度装置,包括:数据获取模块801、调度站点确定模块802、调度效益确定模块803和调度结果确定模块804,其中:
数据获取模块801,用于获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量;
调度站点确定模块802,用于根据各调度站点内空闲车辆的数量以及各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
调度效益确定模块803,用于根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益;
调度结果确定模块804,用于根据调度效益确定对待调度站点进行调度的调度结果。
在一个实施例中,数据获取模块801包括:行人信息获取单元,用于获取各调度站点内行人终端的蓝牙状态信息,其中,行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的;行人数量确定单元,用于根据行人终端的蓝牙状态信息估计调度站点内的行人数量;车辆需求量确定单元,用于根据行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
在一个实施例中,调度站点确定模块802具体用于:根据各调度站点内空闲车辆的数量以及对应的车辆需求量的比值,确定各调度站点的车辆饱和度;根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点。
在一个实施例中,调度站点确定模块802还用于:将车辆饱和度小于第一设定值的调度站点确定为待调度站点;将车辆饱和度大于第二设定值的调度站点确定为候选调度站点。
在一个实施例中,车辆调度装置还包括数量确定模块,用于根据待调度站点的车辆需求量与对应的空闲车辆的数量之间的差值,确定待调度站点的待调度车辆数量;根据候选调度站点的空闲车辆的数量与对应的车辆需求量之间的差值,确定候选调度站点的可调度数量,根据待调度车辆数量和可调度数量确定候选调度站点的目标调度数量。
在一个实施例中,调度效益确定模块803具体用于:根据待调度站点的待调度车辆数量、候选调度站点的可调度数量、候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,通过训练后的学习模型得到调度路径对应的调度效益。
在一个实施例中,调度效益确定模块803包括:历史调度数据获取单元,用于获取历史调度数据,所述历史调度数据中标注有历史调度效益,所述历史调度数据包括历史调度路径对应的待调度车辆数量、可调度车辆数量以及相应的历史空间时序数据;模型训练单元,用于根据标注有历史调度效益的历史调度数据,采用反向传播算法训练深度学习网络模型,直到模型参数收敛,以获得学习模型。
在一个实施例中,调度结果确定模块804具体用于:确定调度效益是否大于第三设定值;若是,则将调度策略确定为对待调度站点进行调度的调度结果。
在一个实施例中,调度结果确定模块804还用于:若否,则确定对待调度站点进行调度的调度结果为不需要调度车辆。
在一个实施例中,上述车辆调度装置还包括调度结果发送,用于将调度结果发送至运维人员对应的终端。
关于车辆调度装置的具体限定可以参见上文中对于车辆调度方法的限定,在此不再赘述。上述车辆调度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服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储各调度站点上报的空闲车辆的数量以及对应的车辆需求量数据。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调度方法。
本领域技术人员可以理解,图9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,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量;
根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益;
根据调度效益确定对待调度站点进行调度的调度结果。
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:获取各调度站点内行人终端的蓝牙状态信息,其中,行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的;根据行人终端的蓝牙状态信息估计调度站点内的行人数量;根据行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
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:根据各调度站点内空闲车辆的数量以及对应的车辆需求量的比值,确定各调度站点的车辆饱和度;根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点。
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:将车辆饱和度小于第一设定值的调度站点确定为待调度站点;将车辆饱和度大于第二设定值的调度站点确定为候选调度站点。
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:在确定待调度站点以及候选调度站点之后,根据待调度站点的车辆需求量与对应的空闲车辆的数量之间的差值,确定待调度站点的待调度车辆数量;根据候选调度站点的空闲车辆的数量与对应的车辆需求量之间的差值,确定候选调度站点的可调度数量,根据待调度车辆数量和可调度数量确定候选调度站点的目标调度数量。
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:根据待调度站点的待调度车辆数量、候选调度站点的可调度数量、候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,通过训练后的学习模型得到调度路径对应的调度效益。
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:获取历史调度数据,所述历史调度数据中标注有历史调度效益,所述历史调度数据包括历史调度路径对应的待调度车辆数量、可调度车辆数量以及相应的历史空间时序数据;根据标注有历史调度效益的历史调度数据,采用反向传播算法训练深度学习网络模型,直到模型参数收敛,以获得学习模型。
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:确定调度效益是否大于第三设定值;若是,则将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果。
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:若否,则确定对待调度站点进行调度的调度结果为不需要调度车辆。
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:将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果之后,将调度结果发送至运维人员对应的终端。
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:
获取各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量;
根据各调度站点内空闲车辆的数量以及与各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
根据候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定调度路径对应的调度效益;
根据调度效益确定对待调度站点进行调度的调度结果。
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:获取各调度站点内行人终端的蓝牙状态信息,其中,行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的;根据行人终端的蓝牙状态信息估计调度站点内的行人数量;根据行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
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:根据各调度站点内空闲车辆的数量以及对应的车辆需求量的比值,确定各调度站点的车辆饱和度;根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点。
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:将车辆饱和度小于第一设定值的调度站点确定为待调度站点;将车辆饱和度大于第二设定值的调度站点确定为候选调度站点。
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:在确定待调度站点以及候选调度站点之后,根据待调度站点的车辆需求量与对应的空闲车辆的数量之间的差值,确定待调度站点的待调度车辆数量;根据候选调度站点的空闲车辆的数量与对应的车辆需求量之间的差值,确定候选调度站点的可调度数量;根据待调度车辆数量和可调度数量确定候选调度站点的目标调度数量。
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:根据待调度站点的待调度车辆数量、候选调度站点的可调度数量、候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,通过训练后的学习模型得到调度路径对应的调度效益。
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:获取历史调度数据,所述历史调度数据中标注有历史调度效益,所述历史调度数据包括历史调度路径对应的待调度车辆数量、可调度车辆数量以及相应的历史空间时序数据;根据标注有历史调度效益的历史调度数据,采用反向传播算法训练深度学习网络模型,直到模型参数收敛,以获得学习模型。
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:确定调度效益是否大于第三设定值;若是,则将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果。
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:若否,则确定对待调度站点进行调度的调度结果为不需要调度车辆。
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:将调度效益最大的调度路径确定为对待调度站点进行调度的调度结果之后,将调度结果发送至运维人员对应的终端。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上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 (12)
1.一种车辆调度方法,其特征在于,所述方法包括:
获取各调度站点内空闲车辆的数量以及与所述各调度站点对应的车辆需求量;
根据所述各调度站点内空闲车辆的数量以及与所述各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
根据所述候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定所述调度路径对应的调度效益;
根据所述调度效益确定对所述待调度站点进行调度的调度结果;
所述获取与所述各调度站点对应的车辆需求量,包括:获取各调度站点内行人终端的蓝牙状态信息,所述行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的;根据所述行人终端的蓝牙状态信息估计所述调度站点内的行人数量;根据所述行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各调度站点内空闲车辆的数量以及与所述各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点,包括:
根据所述各调度站点内空闲车辆的数量以及对应的车辆需求量的比值,确定各调度站点的车辆饱和度;
根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点。
3.根据权利要求2所述的方法,其特征在于,所述根据各调度站点的车辆饱和度确定待调度站点以及候选调度站点,包括:
将所述车辆饱和度小于第一设定值的调度站点确定为待调度站点;
将所述车辆饱和度大于第二设定值的调度站点确定为候选调度站点。
4.根据权利要求1至3任一项所述的方法,其特征在于,在确定待调度站点以及候选调度站点之后,所述方法还包括:
根据所述待调度站点的车辆需求量与对应的空闲车辆的数量之间的差值,确定所述待调度站点的待调度车辆数量;
根据所述候选调度站点的空闲车辆的数量与对应的车辆需求量之间的差值,确定所述候选调度站点的可调度数量;
根据所述待调度车辆数量和所述可调度数量确定所述候选调度站点的目标调度数量。
5.根据权利要求4所述的方法,其特征在于,所述根据所述候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定所述调度路径对应的调度效益,包括:
根据所述待调度站点的待调度车辆数量、所述候选调度站点的可调度数量、所述候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,通过训练后的学习模型得到所述调度路径对应的调度效益。
6.根据权利要求5所述的方法,其特征在于,所述学习模型的生成方法包括:
获取历史调度数据,所述历史调度数据中标注有历史调度效益,所述历史调度数据包括历史调度路径对应的待调度车辆数量、可调度车辆数量以及相应的历史空间时序数据;
根据标注有历史调度效益的所述历史调度数据,采用反向传播算法训练深度学习网络模型,直到模型参数收敛,以获得所述学习模型。
7.根据权利要求1所述的方法,其特征在于,所述根据所述调度效益确定对所述待调度站点进行调度的调度结果,包括:
确定所述调度效益是否大于第三设定值;
若是,则将所述调度效益最大的调度路径确定为对所述待调度站点进行调度的调度结果。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
若否,则确定对所述待调度站点进行调度的调度结果为不需要调度车辆。
9.根据权利要求7所述的方法,其特征在于,所述将所述调度效益最大的调度路径确定为对所述待调度站点进行调度的调度结果之后,所述方法还包括:
将所述调度结果发送至运维人员对应的终端。
10.一种车辆调度装置,其特征在于,所述装置包括:
数据获取模块,用于获取各调度站点内空闲车辆的数量以及与所述各调度站点对应的车辆需求量;
调度站点确定模块,用于根据所述各调度站点内空闲车辆的数量以及所述各调度站点对应的车辆需求量,确定待调度站点以及候选调度站点;
调度效益确定模块,用于根据所述候选调度站点到达待调度站点的调度路径以及当前时刻对应的空间时序数据,确定所述调度路径对应的调度效益;
调度结果确定模块,用于根据所述调度效益确定对所述待调度站点进行调度的调度结果;
所述数据获取模块具体用于:获取各调度站点内行人终端的蓝牙状态信息,所述行人终端的蓝牙状态信息是通过设置在对应调度站点内的蓝牙嗅探装置采集的;根据所述行人终端的蓝牙状态信息估计所述调度站点内的行人数量;根据所述行人数量和设定的行人车辆需求率计算对应调度站点内的车辆需求量。
11.一种车辆调度设备,包括存储器和处理器,所述存储器存储有计算机程序,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中任一项所述的方法的步骤。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331564.9A CN111564053B (zh) | 2020-04-24 | 2020-04-24 | 车辆调度方法、装置、车辆调度设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331564.9A CN111564053B (zh) | 2020-04-24 | 2020-04-24 | 车辆调度方法、装置、车辆调度设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111564053A CN111564053A (zh) | 2020-08-21 |
CN111564053B true CN111564053B (zh) | 2021-09-07 |
Family
ID=72071583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010331564.9A Active CN111564053B (zh) | 2020-04-24 | 2020-04-24 | 车辆调度方法、装置、车辆调度设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111564053B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669604B (zh) * | 2020-12-17 | 2022-12-02 | 广东南方通信建设有限公司 | 城市交通调度方法及装置 |
CN112950041A (zh) * | 2021-03-11 | 2021-06-11 | 北京骑胜科技有限公司 | 共享车辆调度方法、设备、存储介质及计算机程序产品 |
CN114202911A (zh) * | 2022-02-18 | 2022-03-18 | 北京阿帕科蓝科技有限公司 | 一种车辆调度方法及系统 |
CN114819757B (zh) * | 2022-06-24 | 2022-09-23 | 北京阿帕科蓝科技有限公司 | 车站位置调整的方法、系统及计算机可读存储介质 |
CN115860441B (zh) * | 2023-02-23 | 2023-05-09 | 北京阿帕科蓝科技有限公司 | 工单信息的生成方法、装置、计算机设备 |
CN116343461B (zh) * | 2023-04-03 | 2023-11-17 | 北京白驹易行科技有限公司 | 一种车辆调度方法、装置及设备 |
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 |
CN116993138B (zh) * | 2023-09-28 | 2024-02-20 | 浙江小遛信息科技有限公司 | 共享车辆的调度方法和服务器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012093132A (ja) * | 2010-10-25 | 2012-05-17 | Chugoku Electric Power Co Inc:The | 運転スケジュール・カーナビゲーション連携システム |
CN104252653A (zh) * | 2013-06-26 | 2014-12-31 | 国际商业机器公司 | 在公共自行车站点之间调配自行车的方法和系统 |
CN105426997A (zh) * | 2015-11-18 | 2016-03-23 | 西南交通大学 | 城市公共自行车智能调度与运用管理系统及其实现方法 |
CN206147708U (zh) * | 2016-11-11 | 2017-05-03 | 合肥工业大学 | 一种单位自用通勤车调度及预约系统 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108229836A (zh) * | 2018-01-19 | 2018-06-29 | 济南市市政工程设计研究院(集团)有限责任公司 | 一种自行车停放站点内公共自行车存车量计算方法 |
CN108346010A (zh) * | 2018-04-23 | 2018-07-31 | 徐漫洋 | 基于用户需求分析的共享汽车调度方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9501931B1 (en) * | 2015-05-13 | 2016-11-22 | Verizon Patent And Licensing Inc. | On-demand performance of an action associated with a vehicle |
KR20160149428A (ko) * | 2015-06-18 | 2016-12-28 | 김덕환 | 자전거의 위치 추적 시스템 및 자전거 주인 판단 도움 시스템 |
CN205116827U (zh) * | 2015-11-06 | 2016-03-30 | 浙江外国语学院 | 公共自行车集中管理结构 |
CN106330690A (zh) * | 2016-11-22 | 2017-01-11 | 中青冠岳科技(北京)有限公司 | 基于通信软件应用地图功能进行人数统计的方法与系统 |
CN107066978A (zh) * | 2017-04-18 | 2017-08-18 | 云熠信息科技有限公司 | 一种人群信息采集分析方法和系统 |
CN110022529B (zh) * | 2018-12-05 | 2020-08-14 | 阿里巴巴集团控股有限公司 | 基于两种传感模式的目标区域人数统计的方法和装置 |
-
2020
- 2020-04-24 CN CN202010331564.9A patent/CN111564053B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012093132A (ja) * | 2010-10-25 | 2012-05-17 | Chugoku Electric Power Co Inc:The | 運転スケジュール・カーナビゲーション連携システム |
CN104252653A (zh) * | 2013-06-26 | 2014-12-31 | 国际商业机器公司 | 在公共自行车站点之间调配自行车的方法和系统 |
CN105426997A (zh) * | 2015-11-18 | 2016-03-23 | 西南交通大学 | 城市公共自行车智能调度与运用管理系统及其实现方法 |
CN206147708U (zh) * | 2016-11-11 | 2017-05-03 | 合肥工业大学 | 一种单位自用通勤车调度及预约系统 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108229836A (zh) * | 2018-01-19 | 2018-06-29 | 济南市市政工程设计研究院(集团)有限责任公司 | 一种自行车停放站点内公共自行车存车量计算方法 |
CN108346010A (zh) * | 2018-04-23 | 2018-07-31 | 徐漫洋 | 基于用户需求分析的共享汽车调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111564053A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111564053B (zh) | 车辆调度方法、装置、车辆调度设备和存储介质 | |
Tascikaraoglu | Evaluation of spatio-temporal forecasting methods in various smart city applications | |
CN108346010B (zh) | 基于用户需求分析的共享汽车调度方法 | |
Lew et al. | Value of wind power forecasting | |
Potter et al. | Potential benefits of a dedicated probabilistic rapid ramp event forecast tool | |
CN109872535A (zh) | 一种智慧交通通行预测方法、装置及服务器 | |
Yang et al. | Distributed approach for temporal–spatial charging coordination of plug-in electric taxi fleet | |
CN105574154A (zh) | 一种基于大数据平台的城市宏观区域信息分析系统 | |
CN104077915A (zh) | 乘车趋势预测装置及其方法 | |
Drew et al. | The importance of forecasting regional wind power ramping: A case study for the UK | |
CN108346009B (zh) | 一种基于用户模型自学习的电力生产配置方法和装置 | |
CN116824861B (zh) | 基于城市大脑平台多维数据的共享单车调度方法和系统 | |
CN105303292A (zh) | 配电数据存储方法和装置 | |
CN115358060A (zh) | 一种支持新能源发电功率高精度预测的高效算法框架 | |
CN109816978B (zh) | 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法 | |
Kurte et al. | Regional-scale spatio-temporal analysis of impacts of weather on traffic speed in Chicago using probe data | |
US20230153742A1 (en) | Methods for shared bicycle delivery and operation area planning in smart cities and internet of things (iot) systems thereof | |
CN116245246A (zh) | 基于物联网的智慧城市供电管理方法、系统及存储介质 | |
Yang et al. | Electric vehicle charging load forecasting model considering road network-power grid information | |
Yuan et al. | Source: Towards solar-uncertainty-aware e-taxi coordination under dynamic passenger mobility | |
CN115456238A (zh) | 一种基于动态多视图耦合图卷积的城市出行需求预测方法 | |
CN111105617B (zh) | 基于矩阵稳定性分析的智能交通预测系统 | |
CN115909711A (zh) | 交通拥堵指数预测方法、装置及相关设备 | |
CN117498468B (zh) | 一种多区域虚拟电厂协同优化运行方法 | |
de Lira et al. | Predicting vehicles parking behaviour in shared premises for aggregated EV electricity demand response programs |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 501, building 1, No. 898 Xiuwen Road, Minhang District, Shanghai, 201199 Patentee after: Shanghai Halo Pratt&Whitney Technology Co.,Ltd. Address before: Room 501, building 1, No. 898 Xiuwen Road, Minhang District, Shanghai, 201199 Patentee before: SHANGHAI JUNZHENG NETWORK TECHNOLOGY Co.,Ltd. |