CN111582590B - 一种调度预测方法、装置、设备及存储介质 - Google Patents
一种调度预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111582590B CN111582590B CN202010396727.1A CN202010396727A CN111582590B CN 111582590 B CN111582590 B CN 111582590B CN 202010396727 A CN202010396727 A CN 202010396727A CN 111582590 B CN111582590 B CN 111582590B
- Authority
- CN
- China
- Prior art keywords
- data
- order data
- scheduling
- order
- time period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008859 change Effects 0.000 claims abstract description 91
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000012216 screening Methods 0.000 claims description 14
- 238000012384 transportation and delivery Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 6
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 4
- 239000010931 gold Substances 0.000 claims description 4
- 229910052737 gold Inorganic materials 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (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
本发明实施例公开了一种调度预测方法、装置、设备及存储介质。通过根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据预测出异常订单,根据临时变更订单将预测订单数据的临时取消订单剔除或者新增临时插入订单,以及变更调度订单数据生成目标调度订单数据,根据目标调度订单数据生成目标调度路径。解决了现有技术中缺乏预测临时变更订单并根据临时变更订单准确确定目标调度订单数据以及最优路径的问题,达到了根据临时变更订单灵活调整调度订单数据,得到符合实际情况的目标调度订单数据的目的,实现提高调度预测方法的包容性以及准确确定最优路径的效果。
Description
技术领域
本发明实施例涉及数据处理技术,尤其涉及一种调度预测方法、装置、设备及存储介质。
背景技术
近年来,共享经济作为一种新的经济形态,通过共享租车平台将闲置车辆转移供给方闲置资源,以提高资产利用率并为需求方创造价值。
目前,共享租车平台(例如凹凸租车平台)中针对车管家的调度系统,从底层逻辑上来说是一个VRP(车辆路径)问题。该调度系统对车管家进行调度时,常采用遗传算法或蚁群算法等启发式算法来计算最优路径,而优化部分也更多的根据对交通状况的预测以及调度数量的预测确定最优路径。但是目前面临的更大问题是由于紧急订单插入或取消这一不完全可控造成的人员临时变化,这些问题都可能造成原来的理论最优路径变成不可实现路径或非最优路径,给调度任务带来的很大困难。
可见,现有技术缺乏根据临时不确定因素准确确定最优路径,调度预测方法的包容性较差。
发明内容
本发明实施例提供了一种调度预测方法、装置、设备及存储介质,可以根据不确定因素准确预测目标调度路径,实现提高调度预测方法的包容性的效果。
第一方面,本发明实施例提供了一种调度预测方法,包括:
获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径。
第二方面,本发明实施例还提供一种调度预测装置,包括:
数据获取模块,用于获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
目标调度订单数据确定模块,用于根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
目标调度路径确定模块,用于根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径。
第三方面,本发明实施例还提供了一种调度预测设备,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如第一方面中任一项所述的调度预测方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现如第一方面中任一项所述的调度预测方法。
本实施例提供的技术方案,通过根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据这些多个维度的数据预测目标调度订单数据,所述目标调度订单数据为根据临时变更订单对原始调度订单数据重新调度得到的,根据目标调度订单数据生成目标调度路径。解决了现有技术中缺乏预测异常订单并根据临时变更订单准确确定最优路径的问题,达到根据临时变更订单灵活调整调度订单数据,以得到符合实际情况的目标调度订单数据的目的,实现提高调度预测方法的包容性以及准确确定最优路径的效果。
附图说明
图1为本发明实施例一提供的一种调度预测方法的流程示意图;
图2为本发明实施例二提供的一种调度预测方法的流程示意图;
图3为本发明实施例三提供的一种调度预测方法的流程示意图;
图4为本发明实施例四提供的一种调度预测方法的流程示意图;
图5为本发明实施例四提供的一种调度预测方法的逻辑示意图
图6为本发明实施例五提供的一种调度预测装置的结构示意图;
图7为本发明实施例六提供的一种调度预测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种调度预测方法的流程示意图,本实施例可适用于根据历史订单数据、预测订单数据和原始调度订单数据确定目标调度路径的情况,该方法可以由调度预测装置来执行,其中该装置可由软件和/或硬件实现,并一般集成在终端或设备中。具体参见图1所示,该方法可以包括如下步骤:
S110,获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据。
其中,所述当前时间段可以为几个小时、一天、半天或者一周等,所述下一预设时间段可以为几个小时、一天、半天或者一周等,所述当前时间段可以包括多个分时间段。所述历史订单数据可以为在共享租车平台上存储的当前时间段之前的订单数据,可以包括已成交但取消的订单以及临时插入订单等。所述预测订单数据为用户在共享租车平台上提交的当前时间段的下一预设时间段的订单。所述原始调度订单数据可以包括所有预测订单数据对应的预测调度数据。
示例性地,当前时间段为2020年4月20日,当前时间段的下一时间段为2020年4月21日,则历史订单数据为共享租车平台存储的2020年4月20日之前的所有订单,预测订单数据为共享租车平台获取的2020年4月21日的订单,原始调度订单数据是共享租车平台为每个预测订单数据匹配的预测调度数据,该预测调度数据可以包括2020年4月21日各车辆的租客信息、车主信息、车辆信息、租车起点、租车终点以及租车时长等信息。
S120,根据历史订单数据、预测订单数据和原始调度订单数据确定下一预设时间段的目标调度订单数据。
可以理解的是,共享租车平台在各时间段内均可能生成临时变更订单,例如生成临时插入订单或者临时取消订单,如果生成临时插入订单或者临时取消订单均需要变更原始调度订单数据以及变更原始调度路径。例如,对于共享租车平台的贵宾租车用户,在当前时间段没有提交订单,但在当前时间段的下一时间段临时成交订单,共享租车平台需要确定该临时订单的调度信息以及调度路径;如果当前时间段在节假日期间,一些租车用户当前时间段已成交订单,但临时改变行程会在当前时间段的下一时间段内取消订单,共享租车平台需要将该取消订单的调度信息以及调度路径取消,以及重新规划其他订单的调度信息和调度数据。
为了提高对临时变更订单的包容性,本实施例可以根据历史订单数据、所述预测订单数据确定当前时间段的下一预设时间段的订单变化数据,根据订单变化数据和预测订单数据确定当前时间段的下一预设时间段的目标订单数据,以及在原始调度订单数据中确定与目标订单数据对应的目标调度订单数据。这样,可以将预测订单数据中的临时取消订单剔除,并将临时取消订单对应的调度订单数据剔除;或者,在预测订单数据中增加临时插入订单,并在原始调度订单数据中新增与临时插入订单对应的调度订单数据。可以达到根据临时变更订单灵活调整调度订单数据的目的,进一步得到符合实际情况的目标调度订单数据。
S130,根据目标调度订单数据确定下一预设时间段的目标调度路径。
可以理解的是,共享租车平台确定了目标调度订单数据后,可以根据目标调度订单数据对目标调度订单数据重新进行路径规划,生成针对车管家的最优车辆路径。
本实施例提供的技术方案,通过根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据预测出异常订单,根据临时变更订单将预测订单数据的临时取消订单剔除或者新增临时插入订单,以及变更调度订单数据生成目标调度订单数据,根据目标调度订单数据生成目标调度路径。解决了现有技术中缺乏预测临时变更订单并根据临时变更订单准确确定目标调度订单数据以及最优路径的问题,达到了根据临时变更订单灵活调整调度订单数据,得到符合实际情况的目标调度订单数据的目的,实现提高调度预测方法的包容性以及准确确定最优路径的效果。
实施例二
图2为本发明实施例二提供的一种调度预测方法的流程示意图。本实施例的技术方案在上述实施例的基础上进行了细化。可选地,所述根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据,包括:将所述历史订单数据和所述预测订单数据输入至预先训练完成的订单预测模型,得到所述当前时间段的下一预设时间段的订单变化数据,其中,所述订单预测模型根据携带时间标签的样本数据训练得到;根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述当前时间段的下一预设时间段的目标调度订单数据。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图2所示,该方法可以包括如下步骤:
S210,获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据。
S220,将历史订单数据和预测订单数据输入至预先训练完成的订单预测模型,得到当前时间段的下一预设时间段的订单变化数据。
可选地,所述订单预测模型根据携带时间标签的样本数据训练得到,所述携带时间标签的样本数据可以包括历史时间段的样本历史订单数据、历史时间段的下一预设时间段的样本预测订单数据以及样本调度订单数据。可选地,所述订单预测模型可以为差分自回归滑动平均(Autoregressive Integrated Moving Average,简称ARIMA)模型,所述ARIMA模型是一种统计模型,可以对时间序列形式的历史订单数据、所述预测订单数据和所述原始订单调度进行分析,根据上述数据本身的规律进行数据预测,得到订单变化数据。
S230,根据订单变化数据、预测订单数据和原始调度订单数据确定当前时间段的下一预设时间段的目标调度订单数据。
可选地,目标调度订单数据的确定方法为:根据所述订单变化数据和所述预测订单数据计算所述下一预设时间段的目标订单数据,根据所述原始调度订单数据,以及与所述目标订单数据对应的调度订单数据确定所述目标调度订单数据。
可以理解的是,订单变化数据可以包括增加订单或减少订单,可以根据订单变化数据将预测订单数据中的订单数据剔除或者将增加的订单数据添加到预测订单数据,得到目标订单数据。原始调度订单数据可以包括预测订单数据的订单编号和各订单编号对应的调度订单数据,据此,可以根据目标订单数据的订单编号确定对应的调度订单数据,将目标订单数据对应的调度订单数据作为目标调度订单数据。通过上述方式,可以实现根据订单变化数据和所述预测订单数据生成目标订单数据,并根据目标订单数据重新确定目标调度订单数据,可以达到灵活调整调度信息的目的。
S240,根据目标调度订单数据确定下一预设时间段的目标调度路径。
本实施例提供的技术方案,通过将所述历史订单数据和所述预测订单数据输入至预先训练完成的订单预测模型,通过预先训练完成的订单预测模型准确分析历史订单数据和预测订单数据的规律,并得到订单变换数据,其中,所述订单预测模型根据携带时间标签的样本数据训练得到,并根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述当前时间段的下一预设时间段的目标调度订单数据,可以快速且准确的确定订单变换数据,以提高目标调度订单数据和目标调度路径的确定效率。
实施例三
图3为本发明实施例三提供的一种调度预测方法的流程示意图。本实施例的技术方案在上述实施例的基础上增加了新的步骤。可选地,所述原始调度订单数据包括:原始交接订单数据;相应的,所述根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据,包括:获取当前时间段的历史调度数据和历史订单交接数据;将所述历史调度数据和所述历史订单交接数据输入至预先训练完成的交接预测模型中,得到所述下一预设时间段的订单交接变化数据;根据所述订单变化数据、所述预测订单数据、所述原始交接订单数据和所述订单交接变化数据确定所述目标调度订单数据。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图3所示,该方法可以包括如下步骤:
S310,获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据。
S320,获取当前时间段的历史调度数据和历史订单交接数据。
其中,所述历史调度数据可以为共享租车平台上存储的所有车管家的调度信息。与前述实施例相同的,所述调度信息包括租客信息、车主信息、车辆信息、租车起点、租车终点以及租车时长等信息。所述历史订单交接数据可以为车主和租客对车辆的交接信息,可以包括车主的交车时间和地点,以及租客的取车时间和地点。
S330,将历史订单数据和预测订单数据输入至预先训练完成的订单预测模型,得到当前时间段的下一预设时间段的订单变化数据。
可选地,所述订单预测模型根据携带时间标签的样本数据训练得到。
S340,将历史调度数据和历史订单交接数据输入至预先训练完成的交接预测模型中,得到下一预设时间段的订单交接变化数据。
可以理解的是,车主和租客在交接车过程中可能出现突发性问题。例如,在周末或者节假日期间车主或租客堵车,实际交车时间晚于共享租车平台的理论交车时间。如果车主和租客在交接车过程出现突发性问题,共享租车平台需要确定异常交接订单,根据异常交接订单重新确定目标调度订单数据,以及重新确定目标调度路径。
为了提高对异常交接订单的包容性,本实施例可以将历史调度数据和历史订单交接数据输入至预先训练完成的交接预测模型,预测下一预设时间段的订单交接变化数据。可选地,交接预测模型可以根据样本历史调度数据、样本历史订单交接数据和样本订单交接变化数据对初始模型训练得到。可选地,所述交接预测模型可以为隐马尔可夫模型(Hidden Markov Models,简称HMM)。其中,所述隐马尔可夫模型是一种统计模型,可以用来描述一个含有隐含未知参数的马尔可夫过程,并从可观察的参数中确定马尔可夫过程的隐含参数。然后利用这些隐含参数来作进一步的分析,即通过隐马尔可夫模型对历史调度数据和历史订单交接数据的隐含参数进行分析,预测出订单交接变化数据。
S350,根据订单变化数据、预测订单数据、原始交接订单数据、订单交接变化数据和原始调度订单数据确定目标调度订单数据。
可选地,原始调度订单数据包括原始交接订单数据。可以根据订单变化数据和预测订单数据计算下一预设时间段的目标订单数据,并根据原始交接订单数据和订单交接变化数据计算下一预设时间段的目标订单交接数据,再根据目标订单数据、目标订单交接数据和原始调度订单数据确定目标调度订单数据。
示例性地,当前时间段为2020年4月20日,当前时间段的下一时间段为2020年4月21日,共享租车平台存储2020年4月20日之前的历史订单数据、原始交接订单数据和原始调度订单数据,并获取2020年4月21日的预测订单数据,如果共享租车平台根据历史订单数据和预测订单数据预测出2020年4月21日的上午10点临时取消订单5个订单,并且根据历史调度数据和历史订单交接数据预测出2020年4月21日的上午10点-11点的2个订单的实际交接车时间晚于共享租车平台的理论交车时间,共享租车平台可以根据临时取消订单的5个订单和预测订单数据计算目标订单数据,根据交车时间推迟的2个订单和原始交接订单数据计算目标订单交接数据,并根据目标订单数据、目标订单交接数据和原始调度订单数据重新计算车管家的目标调度订单数据。可以达到根据异常交接订单灵活调整调度订单数据的目的,进一步得到符合实际情况的目标调度订单数据。
S360,根据目标调度订单数据确定下一预设时间段的目标调度路径。
可以理解的是,共享租车平台确定了包括正常订单、异常订单以及异常交接订单的目标调度订单数据后,可以对包括异常交接订单的目标调度订单数据重新进行路径规划,生成针对车管家的最优车辆路径。
本实施例提供的技术方案,通过将历史调度数据和历史订单交接数据输入至预先训练完成的交接预测模型,预测订单交接变化数据,根据订单变化数据、预测订单数据、原始交接订单数据、订单交接变化数据和原始调度订单数据确定目标调度订单数据,并根据目标调度订单数据生成目标调度路径。解决了现有技术中缺乏预测异常交接订单并根据异常交接订单准确确定目标调度订单数据以及最优路径的问题,达到了根据异常交接订单灵活调整调度订单数据,得到符合实际情况的目标调度订单数据的目的,实现提高调度预测方法的包容性以及准确确定最优路径的效果。
实施例四
图4为本发明实施例四提供的一种调度预测方法的流程示意图。本实施例的技术方案在上述实施例的基础上增加了新的步骤。可选地,在所述根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径之前,还包括:
获取当前时间段的兼职车管家的历史异常出勤数据,其中,所述历史异常出勤数据为序列化数据,所述序列化数据包括异常标注信息;将所述历史异常出勤数据输入至出勤预测模型,得到所述兼职车管家的出勤变化数据;根据所述出勤变化数据和原始出勤数据,确定目标出勤数据,其中,原始出勤数据包括兼职车管家的第一出勤数据和全职车管家的第二出勤数据;根据所述订单变化数据、所述预测订单数据、所述原始交接订单数据、所述订单交接变化数据、所述原始调度订单数据和所述目标出勤数据确定所述目标调度订单数据。在该方法实施例中未详尽描述的部分请参考上述实施例。具体参见图4所示,该方法可以包括如下步骤:
S410,获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据。
S420,获取当前时间段的历史调度数据和历史订单交接数据。
S430,将历史订单数据和预测订单数据输入至预先训练完成的订单预测模型,得到当前时间段的下一预设时间段的订单变化数据。
S440,将历史调度数据和历史订单交接数据输入至预先训练完成的交接预测模型中,得到下一预设时间段的订单交接变化数据。
S450,获取当前时间段的兼职车管家的历史异常出勤数据。
可选地,历史异常出勤数据为序列化数据,所述序列化数据包括异常标注信息。可以理解的是,兼职车管家为共享租车平台的不完全可控造成的工作人员,人员变化和不确定性较大,需要预测出兼职车管家的异常出勤数据,避免根据异常出勤数据生成异常调度订单数据。
S460,将历史异常出勤数据输入至出勤预测模型,得到兼职车管家的出勤变化数据。
可选地,出勤预测模型可以为隐马尔可夫模型(Hidden Markov Models,简称HMM),用于对历史异常出勤数据的隐含参数进行分析,预测出兼职车管家的出勤变化数据。可选地,出勤预测模型可以根据样本异常出勤数据和样本预测出勤变换数据对初始模型训练得到。通过出勤预测模型,可以快速且准确的预测出兼职车管家的出勤变化数据。
S470,根据出勤变化数据和原始出勤数据,确定目标出勤数据。
可选地,原始出勤数据可以包括兼职车管家的第一出勤数据和全职车管家的第二出勤数据,第一出勤数据为不稳定的出勤数据,第二出勤数据为稳定的出勤数据,通过对出勤变化数据和原始出勤数据进行加减计算,得到目标出勤数据。
S480,根据订单变化数据、预测订单数据、原始交接订单数据、订单交接变化数据、原始调度订单数据和目标出勤数据确定目标调度订单数据。
与前述实施例相同的,可以根据订单变化数据和预测订单数据计算下一预设时间段的目标订单数据,根据原始交接订单数据和订单交接变化数据计算下一预设时间段的目标订单交接数据,再根据目标出勤数据、目标订单数据、目标订单交接数据和原始调度订单数据确定目标调度订单数据。可以实现根据出勤变化数据灵活调整调度订单数据,进一步得到符合实际情况的目标调度订单数据。
S490,根据目标调度订单数据确定下一预设时间段的目标调度路径。
本实施例中,可以采用预设遗传算法,根据所述目标调度订单数据和所述目标出勤数据确定所述下一预设时间段的至少一个所述初步调度路径,基于特定业务筛选规则,从所述初步调度路径中筛选目标调度路径。
可选地,所述基于特定业务筛选规则,从所述初步调度路径中筛选目标调度路径,包括:获取各所述初步调度路径对应的车管家信息,根据所述车管家信息携带的标签信息,从所述车管家信息中筛选出全职车管家信息和/或金牌车管家信息,将所述全职车管家信息和/或所述金牌车管家信息对应的初步调度路径确定为所述目标调度路径。
如图5所示为调度预测方法的逻辑示意图,结合图5,共享租车平台确定目标调度订单数据后,将目标调度订单数据输入至预设遗传算法,通过预设遗传算法确定N个最优路径(即初步调度路径),并根据特定业务筛选规则,筛选出全职车管家信息和/或金牌车管家信息,得到满足条件的车管家信息,将全职车管家信息和/或金牌车管家信息对应的初步调度路径确定为最优路径(即目标调度路径)。
本实施例提供的技术方案,通过将当前时间段的兼职车管家的历史异常出勤数据输入至出勤预测模型,得到所述兼职车管家的出勤变化数据,根据订单变化数据、预测订单数据、原始交接订单数据、订单交接变化数据、原始调度订单数据和所述目标出勤数据确定目标调度订单数据,并根据目标调度订单数据和特定业务筛选规则生成目标调度路径。解决了现有技术中缺乏预测兼职车管家的出勤变化数据并根据出勤变化数据准确确定目标调度订单数据以及最优路径的问题,达到了根据出勤变化数据灵活调整调度订单数据,得到符合实际情况的目标调度订单数据的目的,实现提高调度预测方法的包容性以及准确确定最优路径的效果。
实施例五
图6为本发明实施例五提供的一种调度预测装置的结构示意图。如图6所示,该装置包括:数据获取模块51、目标调度订单数据确定模块52以及目标调度路径确定模块53。
其中,数据获取模块51,用于获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
目标调度订单数据确定模块52,用于根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
目标调度路径确定模块53,用于根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径。
在上述各实施例的基础上,所述目标调度订单数据确定模块52还用于,将所述历史订单数据和所述预测订单数据输入至预先训练完成的订单预测模型,得到所述当前时间段的下一预设时间段的订单变化数据,其中,所述订单预测模型根据携带时间标签的样本数据训练得到;
根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述当前时间段的下一预设时间段的目标调度订单数据。
在上述各实施例的基础上,所述目标调度订单数据确定模块52还用于,根据所述订单变化数据和所述预测订单数据计算所述下一预设时间段的目标订单数据;
根据所述原始调度订单数据,以及与所述目标订单数据对应的调度订单数据确定所述目标调度订单数据。
在上述各实施例的基础上,所述原始调度订单数据包括:原始交接订单数据;所述目标调度订单数据确定模块52还用于,获取当前时间段的历史调度数据和历史订单交接数据;
将所述历史调度数据和所述历史订单交接数据输入至预先训练完成的交接预测模型中,得到所述下一预设时间段的订单交接变化数据;
根据所述订单变化数据、所述预测订单数据、所述原始交接订单数据、所述订单交接变化数据和所述原始调度订单数据确定所述目标调度订单数据。
在上述各实施例的基础上,该装置还包括:
历史异常出勤数据获取模块,用于获取当前时间段的兼职车管家的历史异常出勤数据,其中,所述历史异常出勤数据为序列化数据,所述序列化数据包括异常标注信息;
出勤变化数据确定模块,用于将所述历史异常出勤数据输入至出勤预测模型,得到所述兼职车管家的出勤变化数据;
目标出勤数据确定模块,用于根据所述出勤变化数据和原始出勤数据,确定目标出勤数据,其中,原始出勤数据包括兼职车管家的第一出勤数据和全职车管家的第二出勤数据;
目标调度订单数据确定模块52还用于,根据所述订单变化数据、所述预测订单数据、所述原始交接订单数据、所述订单交接变化数据、所述原始调度订单数据和所述目标出勤数据确定所述目标调度订单数据。
在上述各实施例的基础上,目标调度路径确定模块53还用于,采用预设遗传算法,根据所述目标调度订单数据和所述目标出勤数据确定所述下一预设时间段的至少一个所述初步调度路径;
基于特定业务筛选规则,从所述初步调度路径中筛选目标调度路径。
在上述各实施例的基础上,目标调度路径确定模块53还用于,获取各所述初步调度路径对应的车管家信息;
根据所述车管家信息携带的标签信息,从所述车管家信息中筛选出全职车管家信息和/或金牌车管家信息;
将所述全职车管家信息和/或所述金牌车管家信息对应的初步调度路径确定为所述目标调度路径。
本实施例提供的技术方案,通过根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据预测出异常订单,根据临时变更订单将预测订单数据的临时取消订单剔除或者新增临时插入订单,以及变更调度订单数据生成目标调度订单数据,根据目标调度订单数据生成目标调度路径。解决了现有技术中缺乏预测临时变更订单并根据临时变更订单准确确定目标调度订单数据以及最优路径的问题,达到了根据临时变更订单灵活调整调度订单数据,得到符合实际情况的目标调度订单数据的目的,实现提高调度预测方法的包容性以及准确确定最优路径的效果。
实施例六
图7为本发明实施例六提供的一种调度预测设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性调度预测设备12的框图。图7显示的调度预测设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,调度预测设备12以通用计算设备的形式表现。调度预测设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
调度预测设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被调度预测设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。调度预测设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如调度预测装置的数据获取模块51、目标调度订单数据确定模块52以及目标调度路径确定模块53)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(例如调度预测装置的数据获取模块51、目标调度订单数据确定模块52以及目标调度路径确定模块53)程序模块46的程序/实用工具44,可以存储在例如存储器28中,这样的程序模块46包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块46通常执行本发明所描述的实施例中的功能和/或方法。
调度预测设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该调度预测设备12交互的设备通信,和/或与使得该调度预测设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,调度预测设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与调度预测设备12的其它模块通信。应当明白,尽管图中未示出,可以结合调度预测设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种调度预测方法,包括:
获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种调度预测方法。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的一种调度预测方法的技术方案。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种调度预测方法,包括:
获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上的方法操作,还可以执行本发明任意实施例所提供的一种调度预测方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在历史订单数据、预测订单数据和原始调度订单数据等,其中承载了计算机可读的程序代码。这种传播的历史订单数据、预测订单数据和原始调度订单数据等形式。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
值得注意的是,上述调度预测装置的实施例中,所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种调度预测方法,其特征在于,包括:
获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径;
所述根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据,包括:
将所述历史订单数据和所述预测订单数据输入至预先训练完成的订单预测模型,得到所述当前时间段的下一预设时间段的订单变化数据,其中,所述订单预测模型根据携带时间标签的样本数据训练得到;
根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据,包括:
根据所述订单变化数据和所述预测订单数据计算所述下一预设时间段的目标订单数据;
根据所述原始调度订单数据,以及与所述目标订单数据对应的调度订单数据确定所述目标调度订单数据。
3.根据权利要求1所述的方法,其特征在于,所述原始调度订单数据包括:原始交接订单数据;
相应的,所述根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据,包括:
获取当前时间段的历史调度数据和历史订单交接数据;
将所述历史调度数据和所述历史订单交接数据输入至预先训练完成的交接预测模型中,得到所述下一预设时间段的订单交接变化数据;
根据所述订单变化数据、所述预测订单数据、所述原始交接订单数据、所述订单交接变化数据和所述原始调度订单数据确定所述目标调度订单数据。
4.根据权利要求3所述的方法,其特征在于,在根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径之前,还包括:
获取当前时间段的兼职车管家的历史异常出勤数据,其中,所述历史异常出勤数据为序列化数据,所述序列化数据包括异常标注信息;
将所述历史异常出勤数据输入至出勤预测模型,得到所述兼职车管家的出勤变化数据;
根据所述出勤变化数据和原始出勤数据,确定目标出勤数据,其中,原始出勤数据包括兼职车管家的第一出勤数据和全职车管家的第二出勤数据;
根据所述订单变化数据、所述预测订单数据、所述原始交接订单数据、所述订单交接变化数据、所述原始调度订单数据和所述目标出勤数据确定所述目标调度订单数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径,包括:
采用预设遗传算法,根据所述目标调度订单数据和所述目标出勤数据确定所述下一预设时间段的至少一个初步调度路径;
基于特定业务筛选规则,从所述初步调度路径中筛选目标调度路径。
6.根据权利要求5所述的方法,其特征在于,所述基于特定业务筛选规则,从所述初步调度路径中筛选目标调度路径,包括:
获取各所述初步调度路径对应的车管家信息;
根据所述车管家信息携带的标签信息,从所述车管家信息中筛选出全职车管家信息和/或金牌车管家信息;
将所述全职车管家信息和/或所述金牌车管家信息对应的初步调度路径确定为所述目标调度路径。
7.一种调度预测装置,其特征在于,包括:
数据获取模块,用于获取当前时间段的历史订单数据,并获取当前时间段的下一预设时间段的预测订单数据和原始调度订单数据;
目标调度订单数据确定模块,用于根据所述历史订单数据、所述预测订单数据和所述原始调度订单数据确定所述下一预设时间段的目标调度订单数据;
目标调度路径确定模块,用于根据所述目标调度订单数据确定所述下一预设时间段的目标调度路径;
所述目标调度订单数据确定模块还用于,将所述历史订单数据和所述预测订单数据输入至预先训练完成的订单预测模型,得到所述当前时间段的下一预设时间段的订单变化数据,其中,所述订单预测模型根据携带时间标签的样本数据训练得到;
根据所述订单变化数据、所述预测订单数据和所述原始调度订单数据确定所述当前时间段的下一预设时间段的目标调度订单数据。
8.一种调度预测设备,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如权利要求1-6中任一项所述的调度预测方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-6中任一项所述的调度预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396727.1A CN111582590B (zh) | 2020-05-12 | 2020-05-12 | 一种调度预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010396727.1A CN111582590B (zh) | 2020-05-12 | 2020-05-12 | 一种调度预测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582590A CN111582590A (zh) | 2020-08-25 |
CN111582590B true CN111582590B (zh) | 2021-12-21 |
Family
ID=72113398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010396727.1A Active CN111582590B (zh) | 2020-05-12 | 2020-05-12 | 一种调度预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582590B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446734A (zh) * | 2020-11-30 | 2021-03-05 | 上海寻梦信息技术有限公司 | 提供安装资源的方法、装置、设备以及存储介质 |
CN112561371B (zh) * | 2020-12-23 | 2024-03-01 | 上海乐享似锦科技股份有限公司 | 一种调度确定方法、装置、电子设备及存储介质 |
CN113393093A (zh) * | 2021-05-27 | 2021-09-14 | 摩拜(北京)信息技术有限公司 | 基于网格的车辆调度方法和服务器 |
CN113256015B (zh) * | 2021-06-03 | 2021-11-16 | 北京亿心宜行汽车技术开发服务有限公司 | 基于订单预测的代驾司机的调度方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SG11201706602RA (en) * | 2015-02-13 | 2017-09-28 | Beijing Didi Infinity Tech And Dev Co Ltd | Methods and systems for transport capacity scheduling |
CN107146007A (zh) * | 2017-04-26 | 2017-09-08 | 北京小度信息科技有限公司 | 订单调度方法和装置 |
CN107341553B (zh) * | 2017-05-26 | 2019-07-12 | 北京三快在线科技有限公司 | 一种车辆调度方法及装置,电子设备 |
JP7006187B2 (ja) * | 2017-11-28 | 2022-01-24 | トヨタ自動車株式会社 | 移動体、配車システム、サーバ、及び移動体の配車方法 |
CN110059943A (zh) * | 2019-04-02 | 2019-07-26 | 北京三快在线科技有限公司 | 一种调度车辆的方法、装置、设备及存储介质 |
CN110766280A (zh) * | 2019-09-20 | 2020-02-07 | 南京领行科技股份有限公司 | 一种车辆调度方法、目标订单预测模型的生成方法和装置 |
CN111080116B (zh) * | 2019-12-11 | 2023-05-09 | 东南大学 | 一种共享单车和公共自行车的协同调度方法 |
-
2020
- 2020-05-12 CN CN202010396727.1A patent/CN111582590B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111582590A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111582590B (zh) | 一种调度预测方法、装置、设备及存储介质 | |
CN107437144B (zh) | 一种订单调度方法、系统、计算机设备和存储介质 | |
Mattfeld et al. | Terminal operations management in vehicle transshipment | |
US7930198B2 (en) | Maintenance event planning and scheduling for gas turbines | |
Li et al. | A decision support system for the single-depot vehicle rescheduling problem | |
CN111950803A (zh) | 物流对象送达时间预测方法、装置、电子设备及存储介质 | |
KR102207659B1 (ko) | 인공지능 기반의 화물운송 배차 스케쥴링 장치 | |
US20110202382A1 (en) | Workforce planning | |
CN110766249B (zh) | 车辆调度方法、装置、计算机设备及存储介质 | |
Lapouchnian et al. | Re-designing process architectures towards a framework of design dimensions | |
US10387790B2 (en) | Redeployable resource forecasting | |
CN112116158B (zh) | 数据处理方法、数据处理装置、存储介质和电子设备 | |
CN115423450A (zh) | 排班数据的处理方法、装置和计算机设备 | |
Wan et al. | Predictive vehicle dispatching method for overhead hoist transport systems in semiconductor fabs | |
Lima et al. | Simulation‐Based Planning and Control of Transport Flows in Port Logistic Systems | |
CN114418641A (zh) | 存量客户访问工单的自动派发方法、装置及电子设备 | |
Zhang et al. | Stability measure for prefab balancing in prefabrication construction supply chain management | |
Jia et al. | Dynamic container drayage with uncertain request arrival times and service time windows | |
EP3327660A1 (en) | Transportation service information providing apparatus, and transportation service information providing method | |
US9849896B1 (en) | Systems and methods for managing railcar usage | |
Hassan et al. | Daily load planning under different autonomous truck deployment scenarios | |
Salhi et al. | An effective real time GRASP-based metaheuristic: Application to order consolidation and dynamic selection of transshipment points for time-critical freight logistics | |
CN114706862B (zh) | 酒店房态预测方法、装置、设备及存储介质 | |
Montero et al. | Digitalizing infrastructure: Active management for smarter networks | |
JP7243564B2 (ja) | 情報処理装置および情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant after: Shanghai Lexiang Sijin Technology Co.,Ltd. Address before: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant before: Shanghai xinwin Information Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |