CN111861080A - 一种信息处理的方法、装置、电子设备及存储介质 - Google Patents
一种信息处理的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111861080A CN111861080A CN201911046716.4A CN201911046716A CN111861080A CN 111861080 A CN111861080 A CN 111861080A CN 201911046716 A CN201911046716 A CN 201911046716A CN 111861080 A CN111861080 A CN 111861080A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time period
- future
- predicted
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 230000010365 information processing Effects 0.000 title claims description 32
- 238000003672 processing method Methods 0.000 title description 16
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims description 40
- 230000005587 bubbling Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 238000013468 resource allocation Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance 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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (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
本申请涉及计算机技术领域,尤其涉及一种信息处理的方法、装置、电子设备及存储介质,其中,该方法包括:获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息。上述方案中的资源交换信息是基于预测车辆供需量确定的,由于预测车辆供需量考虑了历史时段所产生的用车订单信息的影响,从而基于该预测车辆供需量所确定的资源交换信息在一定程度上优化车辆资源分配,减少了车辆闲置或无车可用的情况,提升了资源分配的均衡性。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种信息处理的方法、装置、电子设备及存储介质。
背景技术
随着互联网技术和车辆制造技术的快速发展,共享车辆作为一种新兴的低碳出行方式受到人们越来越多的关注,越来越多的用户选用共享车辆这一交通工具出行。其中,停车站能够为用户租车提供便利条件。
相关共享车辆租赁通常基于人工经验进行统一的价格调整,这有时容易造成大量车辆被出租而导致用户无车可租的情况,有时又容易造成大量车辆被闲置的情况,进一步导致车辆资源的分配不均衡。
发明内容
有鉴于此,本申请的目的在于提供至少一种信息处理的方案,以合理利用车辆资源。
主要包括以下几个方面:
第一方面,本申请提供了一种信息处理的方法,所述方法包括:
获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;
基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息;
所述资源交换预测信息,用于在获取到位于所述预设服务区域内的用户端在所述未来时段发起的用车服务请求后,基于所述未来时段对应的资源交换预测信息,生成并向所述用户端反馈与所述用车服务请求对应的资源交换信息。
在一种实施方式中,所述预测车辆供需量包括车辆供给量;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量;
基于所述还车数量以及所述当前时段对应的未来时段内实际停靠在所述预设服务区域内的车辆数量,确定与该当前时段对应的未来时段的车辆供给量。
在一种实施方式中,所述用车订单信息包括用车截止时间信息、用户属性信息和用车环境信息;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量,包括:
针对在所述历史时段内产生的每个用车订单信息,根据该用车订单信息中携带的用车截止时间信息,确定该用车订单信息中携带的用车截止信息时间是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为可归还用车订单信息;以及,
针对每个可归还用车订单信息,基于该可归还用车订单信息中的用户属性信息和用车环境信息,确定该可归还用车订单信息对应的用户端是否持续用车;若是,则将该可归还用车订单信息作为持续用车订单信息;
基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述当前时段对应的历史时段和未来时段均为多个,所述基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量,包括:
针对当前时段对应的多个未来时段中的每个未来时段,确定该未来时段对应的预设数量个历史时段;根据所述预设数量个历史时段中每个历史时段对应的可归还用车订单数量与持续用车订单数量,确定该未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述预测车辆供需量包括车辆需求量;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量和实际占用的车辆数量;
基于预计增加的需求用车订单数量以及实际占用的车辆数量,确定在与当前时段对应的未来时段的车辆需求量。
在一种实施方式中,根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量,包括:
获取所述当前时段产生的多个用车冒泡信息;
根据所述当前时段产生的多个用车冒泡信息以及所述当前时段对应的历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量。
在一种实施方式中,所述用车订单信息包括用车预约时间信息;根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内实际占用的车辆数量,包括:
针对在所述历史时段内产生的每个用车订单信息,基于该用车订单信息中携带的用车预约时间信息,确定该用车订单信息中携带的用车预约时间信息是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为已占用用车订单信息;
统计已占用用车订单数量,并将该已占用用车订单数量作为在与当前时段对应的未来时段内实际占用的车辆数量。
在一种实施方式中,所述当前时段对应的未来时段为多个,所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
针对当前时段对应多个未来时段中除去第一个未来时段和最后一个未来时段之外的每个未来时段,在确定该未来时段之前的各个未来时段的实际车辆供需量之后,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;以及,
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,所述基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子,包括:
针对当前时段对应的多个未来时段中除去第一个未来时段和最后一个未来时段的每个未来时段之外,基于该未来时段与该未来时段之前的每个未来时段的距离,确定该未来时段之前的每个未来时段对应的预测影响权重;其中,预设影响权重随着距离的增加而减小;
基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量、以及确定的所述预测影响权重,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量,包括:
从所述未来时段之前的各个未来时段对应的预测影响权重中查找与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重;
基于确定的预测修正因子、查找到的与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重,对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,基于所述预测车辆供需量,生成所述未来时段对应的资源交换预测信息,包括:
基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量;
基于所述资源交换波动量对初始资源交换预测信息进行修正,得到最终的资源交换预测信息。
在一种实施方式中,所述基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量,包括:
将所述预测车辆供需量包括的车辆供给量和车辆需求量进行求差,得到差值;
基于所述差值与所述车辆供给量之间的比值,确定供需波动值;
确定所述供需波动值与各个预设资源交换波动量之间的差值;
选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
第二方面,本申请还提供了一种信息处理的方法,所述方法包括:
接收用户端的用车服务请求;
获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
在一种实施方式中,所述资源交换预测信息为多个;所述基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,包括:
将确定的多个资源交换预测信息进行求和,得到与所述用车服务请求对应的资源交换信息。
第三方面,本申请还提供了一种信息处理的装置,所述装置包括:
获取模块,用于获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;
预测模块,用于根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;
生成模块,用于基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息;
所述资源交换预测信息,用于在获取到位于所述预设服务区域内的用户端在所述未来时段发起的用车服务请求后,基于所述未来时段对应的资源交换预测信息,生成并向所述用户端反馈与所述用车服务请求对应的资源交换信息。
在一种实施方式中,所述预测车辆供需量包括车辆供给量;所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段的预测车辆供需量:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量;
基于所述还车数量以及所述当前时段对应的未来时段内实际停靠在所述预设服务区域内的车辆数量,确定与该当前时段对应的未来时段的车辆供给量。
在一种实施方式中,所述用车订单信息包括用车截止时间信息、用户属性信息和用车环境信息;所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量:
针对在所述历史时段内产生的每个用车订单信息,根据该用车订单信息中携带的用车截止时间信息,确定该用车订单信息中携带的用车截止信息时间是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为可归还用车订单信息;以及,
针对每个可归还用车订单信息,基于该可归还用车订单信息中的用户属性信息和用车环境信息,确定该可归还用车订单信息对应的用户端是否持续用车;若是,则将该可归还用车订单信息作为持续用车订单信息;
基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述当前时段对应的历史时段和未来时段均为多个,所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量:
针对当前时段对应的多个未来时段中的每个未来时段,确定该未来时段对应的预设数量个历史时段;根据所述预设数量个历史时段中每个历史时段对应的可归还用车订单数量与持续用车订单数量,确定该未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述预测车辆供需量包括车辆需求量;所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段的预测车辆供需量:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量和实际占用的车辆数量;
基于预计增加的需求用车订单数量以及实际占用的车辆数量,确定在与当前时段对应的未来时段的车辆需求量。
在一种实施方式中,所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段内预计增加的需求用车订单数量:
获取所述当前时段产生的多个用车冒泡信息;
根据所述当前时段产生的多个用车冒泡信息以及所述当前时段对应的历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量。
在一种实施方式中,所述用车订单信息包括用车预约时间信息;所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段内实际占用的车辆数量:
针对在所述历史时段内产生的每个用车订单信息,基于该用车订单信息中携带的用车预约时间信息,确定该用车订单信息中携带的用车预约时间信息是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为已占用用车订单信息;
统计已占用用车订单数量,并将该已占用用车订单数量作为在与当前时段对应的未来时段内实际占用的车辆数量。
在一种实施方式中,所述当前时段对应的未来时段为多个,所述预测模块,用于按照如下步骤确定在与当前时段对应的未来时段的预测车辆供需量:
针对当前时段对应多个未来时段中除去第一个未来时段和最后一个未来时段之外的每个未来时段,在确定该未来时段之前的各个未来时段的实际车辆供需量之后,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;以及,
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,所述预测模块,用于按照如下步骤得到修正后的预测车辆供需量:
针对当前时段对应的多个未来时段中除去第一个未来时段和最后一个未来时段的每个未来时段之外,基于该未来时段与该未来时段之前的每个未来时段的距离,确定该未来时段之前的每个未来时段对应的预测影响权重;其中,预设影响权重随着距离的增加而减小;
基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量、以及确定的所述预测影响权重,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;
所述未来时段之前的各个未来时段对应的预测影响权重中查找与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重;
基于确定的预测修正因子、查找到的与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重,对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,所述生成模块,用于按照如下步骤生成所述未来时段对应的资源交换预测信息:
基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量;
基于所述资源交换波动量对初始资源交换预测信息进行修正,得到最终的资源交换预测信息。
在一种实施方式中,所述生成模块,用于按照如下步骤确定与该预测车辆供需量对应的资源交换波动量:
将所述预测车辆供需量包括的车辆供给量和车辆需求量进行求差,得到差值;
基于所述差值与所述车辆供给量之间的比值,确定供需波动值;
确定所述供需波动值与各个预设资源交换波动量之间的差值;
选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
第四方面,本申请还提供了一种信息处理的装置,所述装置包括:
接收模块,用于接收用户端的用车服务请求;
获取模块,用于获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
反馈模块,用于基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
在一种实施方式中,所述资源交换预测信息为多个;所述反馈模块,用于按照如下步骤生成与所述用车服务请求对应的资源交换信息:
将确定的多个资源交换预测信息进行求和,得到与所述用车服务请求对应的资源交换信息。
第五方面,本申请还提供了一种电子设备,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,以执行如第一方面及其各种实施方式中任一所述方法的步骤。
第六方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面及其各种实施方式中任一所述方法的步骤。
采用上述方案,其首先需要获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息,然后能够根据获取的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,最后基于预测车辆供需量,生成并存储未来时段对应的资源交换预测信息,这样,在未来时段接收到用户端的用车服务请求之后,即可以根据上述资源交换预测信息生成与用车服务请求对应的资源交换信息。也即,上述方案中的资源交换信息是基于预测车辆供需量确定的,由于预测车辆供需量考虑了历史时段所产生的用车订单信息的影响,从而基于该预测车辆供需量所确定的资源交换信息能够在一定程度上优化车辆资源分配,减少了车辆闲置或无车可用的情况,提升了资源分配的均衡性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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一提供的一种信息处理的方法流程图;
图2示出了本申请实施例一提供的一种信息处理订单方法中,确定车辆供给量具体方法的流程图;
图3示出了本申请实施例一提供的一种信息处理的方法中,确定还车数量具体方法的流程图;
图4示出了本申请实施例一提供的一种信息处理的方法中,确定车辆需求量具体方法的流程图;
图5示出了本申请实施例一提供的一种信息处理的方法中,确定预测车辆供需量具体方法的流程图;
图6示出了本申请实施例一提供的一种信息处理的方法中,确定预测车辆供需量具体方法的流程图;
图7示出了本申请实施例二提供的一种信息处理的方法流程图;
图8示出了本申请实施例三提供的一种信息处理的装置的结构示意图;
图9示出了本申请实施例三提供的另一种信息处理的装置的结构示意图;
图10示出了本申请实施例四提供的一种电子设备的结构示意图;
图11示出了本申请实施例四提供的另一种电子设备的结构示意图。
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“共享车辆资源分配”,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共享车辆资源分配进行描述,但是应该理解,这仅是一个示例性实施例。
需要说明的是,本申请实施例中的车辆可以是单车、三轮车、汽车等,按动力源来说可以是电动车辆、燃油车、混合动力车、助力车、人力车,考虑到带有电动汽车在共享车辆技术领域的广泛应用,接下来可以以电动汽车进行举例。
另外,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。
值得注意的是,在提出本申请之前,考虑到相关技术中由于基于人工经验进行统一的价格调整,这有时容易造成大量车辆被出租而导致用户无车可租的情况,有时又容易造成大量车辆被闲置的情况,进一步导致车辆资源的分配不均衡。为了解决这一问题,本申请才提供了至少一种基于车辆供需量确定资源交换预测信息以根据该资源交换预测信息进行车辆资源分配的方案,减少了车辆闲置或无车可用的情况,提升了资源分配的均衡性。接下来通过如下几个实施例进行具体描述。
实施例一
如图1所示,为本申请实施例一提供的一种信息处理的方法的流程图,该方法的执行主体可以是电子设备,该电子设备可以是服务端(如服务器),上述信息处理的方法包括如下步骤:
S101、获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息。
这里,首先对本申请实施例提供的信息处理的方法所应用的共享车辆资源分配这一场景进行简单的说明。用户可以在停车场站取车用车,也可以在完成用车之后将车归还至停车场站,对于停靠至停车场站的电动汽车而言,需要及时为其充电以满足用户的用车需求。这样,可以在电动车辆剩余的电量小于预设电量值时,针对电动车辆生成充电工单信息,车辆调度员可以在接收到充电工单后,将电动车辆开往充电站进行充电。在车辆充满电之后,车辆调度员可以将充满电的车辆归还至停车场站。为了更好的对目前所有的停车场站资源进行整合调度,本申请实施例可以对处于停车场站的已充满电的车辆以及已处于使用状态的车辆进行车辆资源分配。
为了实现上述车辆资源分配,本申请实施例需要获取预设服务区域内产生的多个用车订单信息。
其中,上述预设服务区域内可以包括至少一个停车场站,这样,在该预设服务区域内的停车场站所产生的用车订单即可以是用户在停车场站取车用车所产生的订单。也即,在用户需要用车时,可以利用用户端上设置的用车应用程序(Application,APP)输入相应的用车信息,在用车服务平台接收到上述用车信息之后,可以生成对应的用车订单信息。其中,上述用车信息可以包括用车时间、用车地点、用车时长等各种信息。
本申请实施例中的用车订单信息可以是任意历史时刻产生的用车订单信息,还可以是在任意历史时段产生的用车订单信息,综合到时间波动因素和后续计算复杂度的因素,本申请实施例可以按照与当前时段对应的历史时段收集用车订单信息。
其中,上述与当前时段对应的历史时段可以为一个,也可以为多个。若按照小时进行分段,在当前时段处于(2pm,3pm)这一时段时,与当前时段对应的历史时段可以是前一天的(2pm,3pm)这一时段、前两天的(2pm,3pm)这一时段等等历史时段,这样,针对每个历史时段均可以获取产生的多个用车订单信息。
值得说明的是,本申请实施例中的服务器可以单独设置,也可以直接作上述用车服务平台的后台服务器,在单独设置时,可以是直接从用车服务平台开放的数据接口获取响应的用车订单信息,在集成设置时,可以直接获取用车订单信息。
S102、根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量。
这里,本申请实施例中的预测车辆供需量即可以包括车辆供给量,也可以包括车辆需求量。也即,本申请实施例可以基于历史时段内产生的用车订单信息,确定当前时段对应的未来时段的车辆供给量和车辆需求量。
针对当前时段对应的未来时段而言,可以为一个,也可以为多个。这里,仍以在当前时段处于(2pm,3pm)这一时段为例,与当前时段对应的未来时段可以是后一天的(2pm,3pm)这一时段、后两天的(2pm,3pm)这一时段等等未来时段,这样,针对每个未来时段均可以确定其车辆供给量和车辆需求量。
值得说明的是,为了提升车辆供需量预测的准确率,本申请实施例在进行未来时段的预测车辆供需量的确定时,针对不同的未来时段可以选用不同的历史时段。仍以当前时段处于(2pm,3pm)这一时段、且该时段在10月25日为例,针对后一天(如10月26日)的(2pm,3pm)这一未来时段的车辆供需量预测,可以选用前五天(10月21日~10月25日)的(2pm,3pm)历史时段的用车订单信息,如针对后两天(如10月27日)的(2pm,3pm)这一未来时段的车辆供需量预测,也可以选用前五天(10月22日~10月26日)的(2pm,3pm)历史时段的用车订单信息。
S103、基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息。
这里,本申请实施例中的资源交换预测信息可以随着预测车辆供需量的变换而变化,这样,在车辆供给量远远大于车辆需求量时,通过减小资源交换预测值来提升车辆资源利用率,在车辆供给量远远小于车辆需求量时,通过增大资源交换预测值在确保车辆资源利用率的同时提升分配的均衡性,从而进一步提升用车服务平台的服务质量。
其中,上述资源交换信息可以是以未来时段为存储单位进行存储的,这样,在接收获取到用户端在未来时段发起的用车服务请求之后,即可以基于未来时段对应的资源交换预测信息,确定与用车服务请求对应的资源交换信息,也就,不管用户在哪个未来时段发起的用车服务请求,又是希望在哪个未来时段用车,均可以基于预先预测的资源交换预测信息进行资源交换信息的确定。
本申请实施例中的预测车辆供需量可以是车辆供给量,也可以是车辆需求量,接下来分如下两个方面进行具体描述。
第一方面:如图2所示,可以按照如下步骤确定未来时段的车辆供给量:
S201、根据在历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量;
S202、基于所述还车数量以及所述当前时段对应的未来时段内实际停靠在所述预设服务区域内的车辆数量,确定与该当前时段对应的未来时段的车辆供给量。
这里,本申请实施例首先可以根据历史时段产生的多个用车订单信息,确定未来时段内预计归还到预设服务区域内的还车数量,然后基于该还车数量以及未来时段内实际停靠在预设服务区域内的车辆数量,确定未来时段的车辆供给量。也即,本申请实施例可以基于还车数量以及实际停靠数量来确定车辆供给量。
其中,上述未来时段实际停靠的车辆数量可以是个历史平均值,也即,在未来时段实际停靠的车辆数量是未知的,但在本申请实施例提供的信息处理的方法的应用场景中,在未来时段很大程度上是存在实际停靠的车辆数量的,这时,即可以将未来时段对应的历史时段实际停靠的车辆数量的平均值作为该未来时段实际停靠的车辆数量,即满足了预测需求,又满足了实际应用场景。
另外,上述未来时段内预计归还至所述预设服务区域内的还车数量可以基于可归还用车订单数量以及持续用车订单数量来确定。如图3所示,上述还车数量的确定方法可以通过如下步骤实现:
S301、针对在历史时段内产生的每个用车订单信息,根据该用车订单信息中携带的用车截止时间信息,确定该用车订单信息中携带的用车截止信息时间是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为可归还用车订单信息;
S302、针对每个可归还用车订单信息,基于该可归还用车订单信息中的用户属性信息和用车环境信息,确定该可归还用车订单信息对应的用户端是否持续用车;若是,则将该可归还用车订单信息作为持续用车订单信息;
S303、基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量。
这里,本申请实施例针对历史时段产生的每个用车订单信息,可以判断该用车订单信息携带的用车截止时间信息是否落入未来时段,若是,即可将该用车订单信息作为可归还用车订单信息,也即,在确定一个用车订单在未来时段会还车之后,即可统计该用车订单信息的数量,并作为可归还订单数量。考虑到用户可能还具有续用需求,因此,本申请实施例还可以针对每个可归还用车订单信息,基于其用户属性信息和用车环境信息预测该可归还用车订单信息对应的用户端在未来时段是否持续用车,若是,即可将该可归还用车订单信息作为持续用车订单信息,也即,在确定一个用车订单在未来时段需要还车但未还车之后,即可统计该用车订单信息的数量,并可作为持续用车订单数量。这样,将上述可归还用车订单数量与持续用车订单数量进行求和,即可得到未来时段预计归还到预设服务区域内的还车数量。
其中,有关基于用户属性信息和用车环境信息进行车辆续用预测时,可以采用一个二分类模型,其输入的特征可以是诸如是否节假日等车辆环境信息、是否为异地用户等用户属性信息,标签值可以是历史用户是否续租(对应输出的是0或者1,0为不续租,1为续租),从而实现车辆需用预测。
考虑到本申请实施例中的历史时段和未来时段均可以为多个,这时,在进行还车数量的确定时,可以针对每个未来时段来确定。本申请实施例中首先可以针对每个未来时段确定该未来时段对应的预设数量个历史时段,然后根据预设数量个历史时段中每个历史时段对应的可归还用车订单数量与持续用车订单数量,确定该未来时段内预计归还至所述预设服务区域内的还车数量。这里,有关于未来时段对应的历史时段的预设数量可以基于不同应用场景的需求来确定,对此不做具体的限制。
第二方面:如图4所示,可以按照如下步骤确定未来时段的车辆需求量:
S401、根据在历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量和实际占用的车辆数量;
S402、基于预计增加的需求用车订单数量以及实际占用的车辆数量,确定在与当前时段对应的未来时段的车辆需求量。
这里,本申请实施例确定的车辆需求量可以由在未来时段内预计增加的需求用车订单数量和实际占用的车辆数量来确定。
其中,上述需求用车订单数量可以由当前时段产生的多个用车冒泡信息以及所述当前时段对应的历史时段内产生的多个用车订单信息。
这里,仍以当前时段处于(2pm,3pm)这一时段,当前时段产生的多个用车冒泡信息可以是指在这个时段内登录至用车服务平台、意图用车的冒泡信息,除了可以涵盖冒泡位置信息,还可以包括在当前用车服务平台停留的冒泡时间等信息,上述信息可以一定程度上反应用户是否会在未来时刻下单的需求。这样,基于当前时段产生的用车冒泡信息以及当前时刻对应的历史时刻内产生的用车订单信息以及预先训练好的需求用车数量预测模型中,即可得到在未来时段预计增加的需求用车订单数量。
值得说明的是,在进行需求用车订单数量预测时,不仅可以基于用车冒泡信息以及用车订单信息,还可以结合天气、节假日等上下文特征、以及其它线上行为信息、其他相关业务的订单信息(如打车订单信息)来预测,从而进一步提升预测的精准度。
针对实际占用的车辆数量而言,本申请实施例针对历史时段产生的每个用车订单信息,可以判断该用车订单信息携带的用车预约时间信息是否落入未来时段,若是,即可将该用车订单信息作为已占用用车订单信息,也即,在确定一个用车订单在未来时段会占车之后,即可统计该用车订单信息的数量,并作为已占用用车订单数量,基于该已占用用车订单数量即可确定实际占用的车辆数量。
考虑到本申请实施例提供的信息处理的方法在进行预测车辆供需量确定时,可能会因为应用场景的复杂性(如受天气、日期属性等各种因素的影响)而导致预测结果与实际结果不太匹配的情况,以车辆需求量作为预测车辆供需量为例,如预测6月10号场站A用户需求的车辆数是18辆,而6月6号用户已经预定了2辆在10号要用的车,6月8号又有5名用户预定了10号要用车,9号又有6名用户预定了10号要用车辆,此时历史累计已经有13个需求车辆数了,显然当前预测的结果已经不符合事实情况,因此为了减少模型预测的误差,本申请实施例可以对预测值进行误差修正,这里指的误差修正主要指的是基于历史已知数据对未来未知数据进行修正。
如图5所示,为本申请实施例提供一种修正预测车辆供需量的方法流程图,具体包括如下步骤:
S501、针对当前时段对应多个未来时段中除去第一个未来时段和最后一个未来时段之外的每个未来时段,在确定该未来时段之前的各个未来时段的实际车辆供需量之后,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;
S502、基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
这里,可以针对待修正的未来时段,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子,然后基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
其中,针对待修正的未来时段,可以基于该未来时段与该未来时段之前的每个未来时段的距离,确定该未来时段之前的每个未来时段对应的预测影响权重,也即,受时间因素的影响,距离待修正的未来时段越近的未来时段对该待修正的未来时段的影响也就越大,此时对应的预设影响权重也就越大,同理,距离待修正的未来时段越远的未来时段对该待修正的未来时段的影响也就越小,此时对应的预设影响权重也就越小。
在确定预测影响权重之后,即可基于确定的所述预测影响权重以及该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量确定预测修正因子,利用该预测修正因子可以对该未来时段以及该未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正。
值得说明的是,在对不同的未来时段的预测车辆供需量进行修正时,需要结合不同的预设影响权重,根据距离待修正的未来时段的远近来为不同的未来时段选取不同的预设影响权重,从而提高修正后的预测车辆供需量的准确度。
这里,仍以当前时段处于(2pm,3pm)这一时段、且该时段在10月25日为例,本申请实施例中对未来时段的预测车辆供需量进行修正时,可以是在确定10月26日~28日的(2pm,3pm)这些未来时段的实际车辆供需量以及分别对应的预测影响权重(如分别为0.2、0.5、0.8)之后,基于各个实际车辆供需量、预测车辆供需量以及对应的预测影响权重,确定对应的预测修正因子,以根据预测修正因子对10月29日的(2pm,3pm)这一未来时段的预测车辆供需量进行修正。
除此之外,本申请实施例不仅可以对未来若干天对应未来时段的预测车辆供需量进行修正,还可以对未来一天对应未来时段的预测车辆供需量进行修正,这里,仍以当前时段处于(2pm,3pm)这一时段、且该时段在10月25日为例,在10月26日对应的未来时段(2pm,3pm)的实际车辆供需量已知的情况下,该未来时段之前的时段的实际车辆供需量也是已知的状态,此时,可以对10月26日对应的未来时段(3pm,4pm)、(4pm,5pm)等时段进行预测车辆供需量的修正,具体的修正方法与上述对未来若干天对应未来时段的预测车辆供需量进行修正的方法类似,在此不再赘述。
为了便于理解上述预存车辆供需量的修正过程,这里结合具体的公式和示例进行说明。
本申请实施例中,可以按照如下公式确定预测修正因子:
其中,n用于表示每个时段预测车辆供需量的时间作用域步长,且未偶数,即待修正的未来时段的预测车辆供需量需要通过该未来时段之前的哪些未来时段的实际车辆供需量的修正,m用于表示多少个时段的预设影响权重可以是一致的,w用于表示预设影响权重,x'.用于表示实际车辆供需量,x.用于表示预测车辆供需量。
这样,修正后的预测车辆供需量可以按照如下公式来确定:
其中,i∈(1,n+1);xt”+i用于表示修正后的预测车辆供需量。
为了便于理解本申请实施例提供的修正方案,接下来结合如下表格1和一个具体示例进行说明。
表格1
如表格1所示,假设已知6月9日3点~10点中每小时对应的实际车辆需求量,以及预测出来的6月9日每个小时对应的预测车辆需求量。当n=6,m=2时,可以认为待修正的未来时段的预测车辆需求量主要是受到前6个小时的影响,并且每连续2个小时对待修正的未来时段的影响权重是一样的,那么接下来6个小时修正后的预测车辆需求量可以按照如下公式来确定:
可见,针对x″8这一未来时段而言,选用的是w0这一预设影响权重,针对x″10则选用的是w1这一预设影响权重,其它未来时段的修正方法依此类推,在此不再赘述,从而确保了修正结果的准确性。
为了确定资源交换预测信息,本申请实施例可以首先基于预测车辆供需量确定对应的资源交换波动量,而后可以基于该资源交换波动量对初始资源交换预测信息进行修正,以得到最终的资源交换预测信息。
如图6所示,本申请实施例可以按照如下步骤确定资源交换波动量。
S601、将预测车辆供需量包括的车辆供给量和车辆需求量进行求差,得到差值;
S602、基于所述差值与所述车辆供给量之间的比值,确定供需波动值;
S603、确定所述供需波动值与各个预设资源交换波动量之间的差值;
S604、选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
这里,可以首先确定车辆供给量和车辆需求量之间的差值,然后可以基于差值与车辆供给量之间的比值确定供需波动量,这样,在确定供需波动值与各个预设资源交换波动量之间的差值之后,即可选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
可知,为了便于提高本申请实施例提供的信息处理的方法的实用性,本申请实施例可以按照资源交换波动量对供需之差(车辆供给量和车辆需求量之间的差值)进行归一化处理。
接下来结合公式对资源交换波动量进行如下说明。
在确定资源交换波动量之后,如果车辆供给量大于车辆需求量,则可以根据如下公式确定最终的资源交换预测信息:
在确定资源交换波动量之后,如果车辆供给量小于车辆需求量,则可以根据如下公式确定最终的资源交换预测信息:
其中,上述P'用于表示最终的资源交换预测信息,P用于表示初始资源交换预测信息。
其中,上述资源交换波动量可以是价格波动量,如出行价格波动量、优惠券价格波动量等。在实际应用中,可以按照不同的应用需求来调整初始资源交换预测信息。
实施例二
基于上述实施例一,本申请实施例二提供了一种信息处理的方法,该方法的执行主体也可以是服务器,如图7所示,该信息处理的方法包括如下步骤:
S701、接收用户端的用车服务请求;
S702、获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
S703、基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
这里,本申请实施例首先可以基于用车服务请求中的目标服务区域和用车时段,确定目标服务区域和用车时段匹配的一个或多个资源交换预测信息,基于确定的一个或多个资源交换预测信息,可以确定与所述用车服务请求对应的资源交换信息,如在确定存在多个与用车服务请求对应的资源交换预测信息之后,可以将各个资源交换预测信息进行求和,以确定最终的资源交换信息。由于所确定的资源交换预测信息是基于预测车辆供需量确定的,这样,基于该资源交换预测信息实现的车辆资源分配,可以减少车辆闲置或无车可用的情况,提升了资源分配的均衡性。
基于同一发明构思,本申请实施例中还提供了与信息处理的方法对应的信息处理的装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述信息处理的方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
实施例三
参照图8所示,为本申请实施例三提供的一种信息处理的装置的示意图,所述装置包括:
获取模块801,用于获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;
预测模块802,用于根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;
生成模块803,用于基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息;
所述资源交换预测信息,用于在获取到位于所述预设服务区域内的用户端在所述未来时段发起的用车服务请求后,基于所述未来时段对应的资源交换预测信息,生成并向所述用户端反馈与所述用车服务请求对应的资源交换信息。
在一种实施方式中,所述预测车辆供需量包括车辆供给量;所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段的预测车辆供需量:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量;
基于所述还车数量以及所述当前时段对应的未来时段内实际停靠在所述预设服务区域内的车辆数量,确定与该当前时段对应的未来时段的车辆供给量。
在一种实施方式中,所述用车订单信息包括用车截止时间信息、用户属性信息和用车环境信息;所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量:
针对在所述历史时段内产生的每个用车订单信息,根据该用车订单信息中携带的用车截止时间信息,确定该用车订单信息中携带的用车截止信息时间是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为可归还用车订单信息;以及,
针对每个可归还用车订单信息,基于该可归还用车订单信息中的用户属性信息和用车环境信息,确定该可归还用车订单信息对应的用户端是否持续用车;若是,则将该可归还用车订单信息作为持续用车订单信息;
基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述当前时段对应的历史时段和未来时段均为多个,所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量:
针对当前时段对应的多个未来时段中的每个未来时段,确定该未来时段对应的预设数量个历史时段;根据所述预设数量个历史时段中每个历史时段对应的可归还用车订单数量与持续用车订单数量,确定该未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述预测车辆供需量包括车辆需求量;所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段的预测车辆供需量:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量和实际占用的车辆数量;
基于预计增加的需求用车订单数量以及实际占用的车辆数量,确定在与当前时段对应的未来时段的车辆需求量。
在一种实施方式中,所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段内预计增加的需求用车订单数量:
获取所述当前时段产生的多个用车冒泡信息;
根据所述当前时段产生的多个用车冒泡信息以及所述当前时段对应的历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量。
在一种实施方式中,所述用车订单信息包括用车预约时间信息;所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段内实际占用的车辆数量:
针对在所述历史时段内产生的每个用车订单信息,基于该用车订单信息中携带的用车预约时间信息,确定该用车订单信息中携带的用车预约时间信息是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为已占用用车订单信息;
统计已占用用车订单数量,并将该已占用用车订单数量作为在与当前时段对应的未来时段内实际占用的车辆数量。
在一种实施方式中,所述当前时段对应的未来时段为多个,所述预测模块802,用于按照如下步骤确定在与当前时段对应的未来时段的预测车辆供需量:
针对当前时段对应多个未来时段中除去第一个未来时段和最后一个未来时段之外的每个未来时段,在确定该未来时段之前的各个未来时段的实际车辆供需量之后,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;以及,
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,所述预测模块802,用于按照如下步骤得到修正后的预测车辆供需量:
针对当前时段对应的多个未来时段中除去第一个未来时段和最后一个未来时段的每个未来时段之外,基于该未来时段与该未来时段之前的每个未来时段的距离,确定该未来时段之前的每个未来时段对应的预测影响权重;其中,预设影响权重随着距离的增加而减小;
基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量、以及确定的所述预测影响权重,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;
所述未来时段之前的各个未来时段对应的预测影响权重中查找与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重;
基于确定的预测修正因子、查找到的与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重,对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,所述生成模块803,用于按照如下步骤生成所述未来时段对应的资源交换预测信息:
基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量;
基于所述资源交换波动量对初始资源交换预测信息进行修正,得到最终的资源交换预测信息。
在一种实施方式中,所述生成模块803,用于按照如下步骤确定与该预测车辆供需量对应的资源交换波动量:
将所述预测车辆供需量包括的车辆供给量和车辆需求量进行求差,得到差值;
基于所述差值与所述车辆供给量之间的比值,确定供需波动值;
确定所述供需波动值与各个预设资源交换波动量之间的差值;
选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
参照图9所示,为本申请实施例三提供的另一种信息处理的装置的示意图,所述装置包括:
接收模块901,用于接收用户端的用车服务请求;
获取模块902,用于获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
反馈模块903,用于基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
在一种实施方式中,所述资源交换预测信息为多个;所述反馈模块903,用于按照如下步骤生成与所述用车服务请求对应的资源交换信息:
将确定的多个资源交换预测信息进行求和,得到与所述用车服务请求对应的资源交换信息。
实施例四
本申请实施例四提供了一种电子设备,如图10所示,为本申请实施例提供的电子设备的结构示意图,包括:处理器1001、存储介质1002、和总线1003。所述存储介质1002存储有所述处理器1001可执行的机器可读指令(比如,图8中的信息处理的装置中获取模块801、预测模块802、以及生成模块803对应的执行指令),当电子设备运行时,所述处理器1001与所述存储介质1002之间通过总线1003通信,所述机器可读指令被所述处理器1001执行时执行如下指令:
获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;
基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息;
所述资源交换预测信息,用于在获取到位于所述预设服务区域内的用户端在所述未来时段发起的用车服务请求后,基于所述未来时段对应的资源交换预测信息,生成并向所述用户端反馈与所述用车服务请求对应的资源交换信息。
在一种实施方式中,在所述处理器1001执行的指令中,所述预测车辆供需量包括车辆供给量;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量;
基于所述还车数量以及所述当前时段对应的未来时段内实际停靠在所述预设服务区域内的车辆数量,确定与该当前时段对应的未来时段的车辆供给量。
在一种实施方式中,所述用车订单信息包括用车截止时间信息、用户属性信息和用车环境信息;在所述处理器1001执行的指令中,所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量,包括:
针对在所述历史时段内产生的每个用车订单信息,根据该用车订单信息中携带的用车截止时间信息,确定该用车订单信息中携带的用车截止信息时间是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为可归还用车订单信息;以及,
针对每个可归还用车订单信息,基于该可归还用车订单信息中的用户属性信息和用车环境信息,确定该可归还用车订单信息对应的用户端是否持续用车;若是,则将该可归还用车订单信息作为持续用车订单信息;
基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述当前时段对应的历史时段和未来时段均为多个,在所述处理器1001执行的指令中,所述基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量,包括:
针对当前时段对应的多个未来时段中的每个未来时段,确定该未来时段对应的预设数量个历史时段;根据所述预设数量个历史时段中每个历史时段对应的可归还用车订单数量与持续用车订单数量,确定该未来时段内预计归还至所述预设服务区域内的还车数量。
在一种实施方式中,所述预测车辆供需量包括车辆需求量;在所述处理器1001执行的指令中,所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量和实际占用的车辆数量;
基于预计增加的需求用车订单数量以及实际占用的车辆数量,确定在与当前时段对应的未来时段的车辆需求量。
在一种实施方式中,在所述处理器1001执行的指令中,根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量,包括:
获取所述当前时段产生的多个用车冒泡信息;
根据所述当前时段产生的多个用车冒泡信息以及所述当前时段对应的历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量。
在一种实施方式中,所述用车订单信息包括用车预约时间信息;在所述处理器1001执行的指令中,根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内实际占用的车辆数量,包括:
针对在所述历史时段内产生的每个用车订单信息,基于该用车订单信息中携带的用车预约时间信息,确定该用车订单信息中携带的用车预约时间信息是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为已占用用车订单信息;
统计已占用用车订单数量,并将该已占用用车订单数量作为在与当前时段对应的未来时段内实际占用的车辆数量。
在一种实施方式中,所述当前时段对应的未来时段为多个,在所述处理器1001执行的指令中,所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
针对当前时段对应多个未来时段中除去第一个未来时段和最后一个未来时段之外的每个未来时段,在确定该未来时段之前的各个未来时段的实际车辆供需量之后,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;以及,
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,在所述处理器1001执行的指令中,所述基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子,包括:
针对当前时段对应的多个未来时段中除去第一个未来时段和最后一个未来时段的每个未来时段之外,基于该未来时段与该未来时段之前的每个未来时段的距离,确定该未来时段之前的每个未来时段对应的预测影响权重;其中,预设影响权重随着距离的增加而减小;
基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量、以及确定的所述预测影响权重,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;
在所述处理器1001执行的指令中,基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量,包括:
从所述未来时段之前的各个未来时段对应的预测影响权重中查找与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重;
基于确定的预测修正因子、查找到的与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重,对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
在一种实施方式中,在所述处理器1001执行的指令中,基于所述预测车辆供需量,生成所述未来时段对应的资源交换预测信息,包括:
基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量;
基于所述资源交换波动量对初始资源交换预测信息进行修正,得到最终的资源交换预测信息。
在一种实施方式中,在所述处理器1001执行的指令中,所述基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量,包括:
将所述预测车辆供需量包括的车辆供给量和车辆需求量进行求差,得到差值;
基于所述差值与所述车辆供给量之间的比值,确定供需波动值;
确定所述供需波动值与各个预设资源交换波动量之间的差值;
选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
本申请实施例四提供了另一种电子设备,如图11所示,为本申请实施例提供的电子设备的结构示意图,包括:处理器1101、存储介质1102、和总线1103。所述存储介质1102存储有所述处理器1101可执行的机器可读指令(比如,图9中的信息处理的装置中接收模块901、获取模块902、以及反馈模块903对应的执行指令),当电子设备运行时,所述处理器1101与所述存储介质1102之间通过总线1103通信,所述机器可读指令被所述处理器1101执行时执行如下指令:
接收用户端的用车服务请求;
获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
在一种实施方式中,所述资源交换预测信息为多个;在所述处理器1101执行的执行中,所述基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,包括:
将确定的多个资源交换预测信息进行求和,得到与所述用车服务请求对应的资源交换信息。
本申请实施例还提供了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上述实施例一或实施例二所述信息处理的方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够减少车辆闲置或无车可用的情况,提升了资源分配的均衡性。
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。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,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,可轻易想到变化或替换,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权利要求的保护范围为准。
Claims (16)
1.一种信息处理的方法,其特征在于,所述方法包括:
获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;
基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息;
所述资源交换预测信息,用于在获取到位于所述预设服务区域内的用户端在所述未来时段发起的用车服务请求后,基于所述未来时段对应的资源交换预测信息,生成并向所述用户端反馈与所述用车服务请求对应的资源交换信息。
2.根据权利要求1所述的方法,其特征在于,所述预测车辆供需量包括车辆供给量;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量;
基于所述还车数量以及所述当前时段对应的未来时段内实际停靠在所述预设服务区域内的车辆数量,确定与该当前时段对应的未来时段的车辆供给量。
3.根据权利要求2所述的方法,其特征在于,所述用车订单信息包括用车截止时间信息、用户属性信息和用车环境信息;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量,包括:
针对在所述历史时段内产生的每个用车订单信息,根据该用车订单信息中携带的用车截止时间信息,确定该用车订单信息中携带的用车截止信息时间是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为可归还用车订单信息;以及,
针对每个可归还用车订单信息,基于该可归还用车订单信息中的用户属性信息和用车环境信息,确定该可归还用车订单信息对应的用户端是否持续用车;若是,则将该可归还用车订单信息作为持续用车订单信息;
基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量。
4.根据权利要求3所述的方法,其特征在于,所述当前时段对应的历史时段和未来时段均为多个,所述基于所述历史时段对应的可归还用车订单数量与持续用车订单数量,确定在与当前时段对应的未来时段内预计归还至所述预设服务区域内的还车数量,包括:
针对当前时段对应的多个未来时段中的每个未来时段,确定该未来时段对应的预设数量个历史时段;根据所述预设数量个历史时段中每个历史时段对应的可归还用车订单数量与持续用车订单数量,确定该未来时段内预计归还至所述预设服务区域内的还车数量。
5.根据权利要求1所述的方法,其特征在于,所述预测车辆供需量包括车辆需求量;所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量和实际占用的车辆数量;
基于预计增加的需求用车订单数量以及实际占用的车辆数量,确定在与当前时段对应的未来时段的车辆需求量。
6.根据权利要求5所述的方法,其特征在于,根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量,包括:
获取所述当前时段产生的多个用车冒泡信息;
根据所述当前时段产生的多个用车冒泡信息以及所述当前时段对应的历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内预计增加的需求用车订单数量。
7.根据权利要求5所述的方法,其特征在于,所述用车订单信息包括用车预约时间信息;根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段内实际占用的车辆数量,包括:
针对在所述历史时段内产生的每个用车订单信息,基于该用车订单信息中携带的用车预约时间信息,确定该用车订单信息中携带的用车预约时间信息是否落入所述与当前时段对应的未来时段内;若是,则将该用车订单信息作为已占用用车订单信息;
统计已占用用车订单数量,并将该已占用用车订单数量作为在与当前时段对应的未来时段内实际占用的车辆数量。
8.根据权利要求1所述的方法,其特征在于,所述当前时段对应的未来时段为多个,所述根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量,包括:
针对当前时段对应多个未来时段中除去第一个未来时段和最后一个未来时段之外的每个未来时段,在确定该未来时段之前的各个未来时段的实际车辆供需量之后,基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;以及,
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
9.根据权利要求8所述的方法,其特征在于,所述基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子,包括:
针对当前时段对应的多个未来时段中除去第一个未来时段和最后一个未来时段的每个未来时段之外,基于该未来时段与该未来时段之前的每个未来时段的距离,确定该未来时段之前的每个未来时段对应的预测影响权重;其中,预设影响权重随着距离的增加而减小;
基于该未来时段之前的各个未来时段的实际车辆供需量与预测车辆供需量、以及确定的所述预测影响权重,确定该未来时段以及该未来时段之后的各个未来时段的预测修正因子;
基于确定的预测修正因子对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量,包括:
从所述未来时段之前的各个未来时段对应的预测影响权重中查找与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重;
基于确定的预测修正因子、查找到的与所述未来时段以及该未来时段之后的各个未来时段对应的预设影响权重,对所述未来时段以及该未来时段之后的各个未来时段的预测车辆供需量进行修正,得到修正后的预测车辆供需量。
10.根据权利要求1至9任一所述的方法,其特征在于,基于所述预测车辆供需量,生成所述未来时段对应的资源交换预测信息,包括:
基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量;
基于所述资源交换波动量对初始资源交换预测信息进行修正,得到最终的资源交换预测信息。
11.根据权利要求10所述的方法,其特征在于,所述基于所述预测车辆供需量,确定与该预测车辆供需量对应的资源交换波动量,包括:
将所述预测车辆供需量包括的车辆供给量和车辆需求量进行求差,得到差值;
基于所述差值与所述车辆供给量之间的比值,确定供需波动值;
确定所述供需波动值与各个预设资源交换波动量之间的差值;
选取差值最小的预设资源交换波动量作为与所述预测车辆供需量对应的资源交换波动量。
12.一种信息处理的方法,其特征在于,所述方法包括:
接收用户端的用车服务请求;
获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
13.一种信息处理的装置,其特征在于,所述装置包括:
获取模块,用于获取在与当前时段对应的历史时段内,在预设服务区域内产生的多个用车订单信息;
预测模块,用于根据在所述历史时段内产生的多个用车订单信息,确定在与当前时段对应的未来时段的预测车辆供需量;
生成模块,用于基于所述预测车辆供需量,生成并存储所述未来时段对应的资源交换预测信息;
所述资源交换预测信息,用于在获取到位于所述预设服务区域内的用户端在所述未来时段发起的用车服务请求后,基于所述未来时段对应的资源交换预测信息,生成并向所述用户端反馈与所述用车服务请求对应的资源交换信息。
14.一种信息处理的装置,其特征在于,所述装置包括:
接收模块,用于接收用户端的用车服务请求;
获取模块,用于获取与所述用车服务请求对应的目标服务区域和用车时段,并确定与所述目标服务区域和用车时段匹配的资源交换预测信息;
反馈模块,用于基于确定的资源交换预测信息,生成与所述用车服务请求对应的资源交换信息,并反馈给所述用户端。
15.一种电子设备,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,以执行如权利要求1至12任一所述方法的步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至12任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046716.4A CN111861080A (zh) | 2019-10-30 | 2019-10-30 | 一种信息处理的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046716.4A CN111861080A (zh) | 2019-10-30 | 2019-10-30 | 一种信息处理的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111861080A true CN111861080A (zh) | 2020-10-30 |
Family
ID=72970666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911046716.4A Pending CN111861080A (zh) | 2019-10-30 | 2019-10-30 | 一种信息处理的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861080A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150045A (zh) * | 2020-11-05 | 2020-12-29 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市车辆供需关系的方法及其监测系统 |
CN112766748A (zh) * | 2021-01-22 | 2021-05-07 | 北京嘀嘀无限科技发展有限公司 | 一种调整服务资源的方法、装置、设备、介质和产品 |
CN113095636A (zh) * | 2021-03-25 | 2021-07-09 | 深圳前海联动云软件科技有限公司 | 一种燃油共享汽车的智能调度系统及其方法 |
CN112766748B (zh) * | 2021-01-22 | 2024-06-07 | 北京嘀嘀无限科技发展有限公司 | 一种调整服务资源的方法、装置、设备、介质和产品 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0883075A2 (en) * | 1997-06-05 | 1998-12-09 | Nortel Networks Corporation | A method and apparatus for forecasting future values of a time series |
CN103268526A (zh) * | 2013-06-08 | 2013-08-28 | 国家电网公司 | 基于区间泰勒模型的电力系统短期负荷预测系统及方法 |
US20140058775A1 (en) * | 2012-08-26 | 2014-02-27 | Ole Siig | Methods and systems for managing supply chain processes and intelligence |
CN105389645A (zh) * | 2015-10-16 | 2016-03-09 | 中国南方电网有限责任公司电网技术研究中心 | 基于电力、电量和调峰平衡的供需平衡分析方法及系统 |
CN106875027A (zh) * | 2016-06-06 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 资源请求值的预测方法及装置、交易量的预测方法 |
CN108830504A (zh) * | 2018-06-28 | 2018-11-16 | 清华大学 | 用车需求预测方法、系统、服务器及计算机存储介质 |
CN109034455A (zh) * | 2018-06-28 | 2018-12-18 | 清华大学 | 用车调度方法、系统、服务器及计算机可读存储介质 |
CN109377084A (zh) * | 2018-11-15 | 2019-02-22 | 跨越速运集团有限公司 | 调度服务器及基于该调度服务器的智能物流调度服务系统 |
CN109993343A (zh) * | 2017-12-29 | 2019-07-09 | 睿能创意公司 | 预测可交换式能源储存装置的需求的系统与方法 |
-
2019
- 2019-10-30 CN CN201911046716.4A patent/CN111861080A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0883075A2 (en) * | 1997-06-05 | 1998-12-09 | Nortel Networks Corporation | A method and apparatus for forecasting future values of a time series |
US20140058775A1 (en) * | 2012-08-26 | 2014-02-27 | Ole Siig | Methods and systems for managing supply chain processes and intelligence |
CN103268526A (zh) * | 2013-06-08 | 2013-08-28 | 国家电网公司 | 基于区间泰勒模型的电力系统短期负荷预测系统及方法 |
CN105389645A (zh) * | 2015-10-16 | 2016-03-09 | 中国南方电网有限责任公司电网技术研究中心 | 基于电力、电量和调峰平衡的供需平衡分析方法及系统 |
CN106875027A (zh) * | 2016-06-06 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 资源请求值的预测方法及装置、交易量的预测方法 |
CN109993343A (zh) * | 2017-12-29 | 2019-07-09 | 睿能创意公司 | 预测可交换式能源储存装置的需求的系统与方法 |
CN108830504A (zh) * | 2018-06-28 | 2018-11-16 | 清华大学 | 用车需求预测方法、系统、服务器及计算机存储介质 |
CN109034455A (zh) * | 2018-06-28 | 2018-12-18 | 清华大学 | 用车调度方法、系统、服务器及计算机可读存储介质 |
CN109377084A (zh) * | 2018-11-15 | 2019-02-22 | 跨越速运集团有限公司 | 调度服务器及基于该调度服务器的智能物流调度服务系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150045A (zh) * | 2020-11-05 | 2020-12-29 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市车辆供需关系的方法及其监测系统 |
CN112150045B (zh) * | 2020-11-05 | 2023-12-01 | 北京阿帕科蓝科技有限公司 | 基于车辆位置统计判断城市共享车辆供需关系的方法及其监测系统 |
CN112766748A (zh) * | 2021-01-22 | 2021-05-07 | 北京嘀嘀无限科技发展有限公司 | 一种调整服务资源的方法、装置、设备、介质和产品 |
CN112766748B (zh) * | 2021-01-22 | 2024-06-07 | 北京嘀嘀无限科技发展有限公司 | 一种调整服务资源的方法、装置、设备、介质和产品 |
CN113095636A (zh) * | 2021-03-25 | 2021-07-09 | 深圳前海联动云软件科技有限公司 | 一种燃油共享汽车的智能调度系统及其方法 |
CN113095636B (zh) * | 2021-03-25 | 2024-01-23 | 深圳前海联动云软件科技有限公司 | 一种燃油共享汽车的智能调度系统及其方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | Transit-oriented autonomous vehicle operation with integrated demand-supply interaction | |
US11250531B2 (en) | Hierarchical selection process | |
Weikl et al. | A practice-ready relocation model for free-floating carsharing systems with electric vehicles–Mesoscopic approach and field trial results | |
CN111095721B (zh) | 聚合能量资源 | |
CN110264023B (zh) | 共享车辆管理服务器和存储共享车辆管理程序的非暂时性存储介质 | |
CN111832788B (zh) | 一种服务信息生成的方法、装置、计算机设备及存储介质 | |
CN109492894B (zh) | 监控车辆投放的方法、装置及服务器 | |
WO2015177644A1 (en) | Method and system for balancing rental fleet of movable assets | |
GB2535718A (en) | Resource management | |
US20180314998A1 (en) | Resource Allocation in a Network System | |
US20180012164A1 (en) | Method of planning for deployment of facilities and apparatus associated therewith | |
CN111861075B (zh) | 一种资源配置方法、资源配置装置及可读存储介质 | |
CN111832869A (zh) | 一种车辆调度方法、装置、电子设备及存储介质 | |
CN111256715A (zh) | 对自主车辆的机会性加燃料 | |
CN111861080A (zh) | 一种信息处理的方法、装置、电子设备及存储介质 | |
CN111127130A (zh) | 基于用户偏好的能源站点推荐方法、存储介质和电子设备 | |
US11626021B2 (en) | Systems and methods for dispatching shared rides through ride-hailing platform | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
WO2018146622A1 (en) | Dynamic selection of geo-based service options in a network system | |
JP2016099704A (ja) | 共用車両管理装置及び共用車両管理方法 | |
CN116362431A (zh) | 共享车辆的调度方法、装置、计算机设备和存储介质 | |
CN111507554B (zh) | 一种服务资源调度方法、装置、设备及存储介质 | |
Zhang et al. | Vehicle assignment considering battery endurance for electric vehicle carsharing systems | |
Liu et al. | A framework for the joint optimization of assignment and pricing in mobility-on-demand systems with shared rides | |
CN111242711A (zh) | 信息提示方法、装置、电子设备和存储介质 |
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 |