CN111861086B - 一种资源配置方法和系统 - Google Patents
一种资源配置方法和系统 Download PDFInfo
- Publication number
- CN111861086B CN111861086B CN202010092239.1A CN202010092239A CN111861086B CN 111861086 B CN111861086 B CN 111861086B CN 202010092239 A CN202010092239 A CN 202010092239A CN 111861086 B CN111861086 B CN 111861086B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- store
- service
- determining
- 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 88
- 238000013468 resource allocation Methods 0.000 title claims abstract description 80
- 230000000875 corresponding effect Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 22
- 238000012800 visualization Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 14
- 230000008859 change Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000003491 array Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000011835 investigation Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
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
- G06Q10/06—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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种资源配置方法和系统,包括车辆服务订单在线估测以及车辆服务资源数量及位置配置方法,所述车辆服务订单在线估测方法包括:获取车辆轨迹数据;获取车辆服务门店数据,所述门店数据至少包括门店的位置信息;基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平。本申请可以进行静态资源配置降低资源配置运营成本,同时还可以判断需求变化情况以进行动态的资源配置。
Description
技术领域
本申请涉及城市资源分配领域,特别涉及一种资源配置方法和系统。
背景技术
随着计算机技术的发展,越来越多行业以线下实体门店与线上平台合作的形式实现线上化,从而达到各方共赢。针对城市资源配置常常是静态的资源配置,此类资源配置运营成本较低,但无法动态的判断需求变化情况进行资源配置。例如,现有技术中,车辆维保、加油站、车辆充电桩等的设置都是固定的,且设置时考虑的是人口数量、小区位置等,便捷性较低,选址具有局限性。因此,有必要提供一种可以进行判断需求变化情况以进行动态资源配置以及可以进行静态资源配置降低资源配置运营成本的资源配置方法。
发明内容
本申请实施例之一提供一种车辆服务订单在线估测方法。所述车辆服务订单在线估测方法包括:获取车辆轨迹数据;获取车辆服务门店数据,所述门店数据至少包括门店的位置信息;基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平。
本申请实施例之一提供一种车辆服务资源配置方法,所述方法包括:确定目标地理范围中的一个或多个候选区域;对于任一候选区域:获取该候选区域内车辆服务门店数据;通过车辆服务订单在线估测方法获取该候选区域内各门店的订单量水平;基于该候选区域内车辆服务门店数据以及各门店的订单量水平确定是否进行车辆服务资源配置和/或待配置的车辆服务资源数量。
本申请实施例之一提供一种车辆服务资源配置方法,所述方法包括:获取目标地理区域内的车辆服务门店数据,所述门店数据至少包括位置信息;基于所述车辆服务订单在线估测方法获取各门店的订单量水平;基于目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定新增的车辆服务资源数量N,N为整数;基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布。
本申请实施例之一提供一种车辆服务订单在线估测系统,所述系统包括车辆轨迹获取模块、第一门店数据获取模块以及第一计算模块;所述车辆轨迹获取模块用于获取车辆轨迹数据;所述第一门店数据获取模块用于获取车辆服务门店数据,所述门店数据至少包括门店的位置信息;所述第一计算模块用于基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平。
本申请实施例之一提供一种车辆服务资源配置系统,所述系统包括第一确定模块、第二门店数据获取模块、第二计算模块以及第一配置模块;所述第一确定模块用于确定目标地理范围中的一个或多个候选区域;所述第二门店数据获取模块用于对于任一候选区域,获取该候选区域内车辆服务门店数据;所述第二计算模块用于通过所述车辆服务订单在线估测方法获取该候选区域内各门店的订单量水平;所述第一配置模块用于基于该候选区域内车辆服务门店数据以及各门店的订单量水平确定是否进行车辆服务资源配置和/或待配置的车辆服务资源数量。
本申请实施例之一提供一种车辆服务资源配置系统,所述系统包括第三门店数据获取模块、第三计算模块、第二确定模块以及第二配置模块;所述第三门店数据获取模块用于获取目标地理区域内的车辆服务门店数据,所述门店数据至少包括位置信息;所述第三计算模块用于基于车辆服务订单在线估测方法获取各门店的订单量水平;所述第二确定模块用于基于目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定新增的车辆服务资源数量N,N为整数;所述第二配置模块用于基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布。
本申请实施例之一提供一种车辆服务订单在线估测系统,包括处理器以及存储介质,其中,存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令以实现所述的一种车辆服务订单在线估测方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行一种车辆服务订单在线估测方法。
本申请实施例之一提供一种车辆服务资源配置系统,包括处理器以及存储介质,其中,存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令以实现所述的一种车辆服务资源配置方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行一种车辆服务资源配置方法。
本申请实施例之一提供一种车辆服务资源配置系统,包括处理器以及存储介质,其中,存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令以实现所述的一种车辆服务资源配置方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行一种车辆服务资源配置方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的资源配置系统的应用场景示意图;
图2是根据本申请一些实施例所示的车辆服务订单在线估测方法的示例性流程图;
图3是根据本申请一些实施例所示的确定门店订单量水平方法的示例性流程图;
图4是根据本申请又一些实施例所示的确定门店订单量水平方法的示例性流程图;
图5是根据本申请一些实施例所示的门店的单位工位台次测算方法的示例性流程图;
图6是根据本申请一些实施例所示的车辆服务订单在线估测系统的模块图;
图7是根据本申请一些实施例所示的车辆服务资源配置方法的示例性流程图;
图8是根据本申请一些实施例所示的确定候选区域方法的示例性流程图;
图9是根据本申请一些实施例所示的车辆服务资源配置系统的模块图;
图10是根据本申请一些实施例所示的车辆服务资源配置方法的示例性流程图;
图11是根据本申请一些实施例所示的车辆服务资源配置系统的模块图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的运输系统,不同的运输系统包括但不限于陆地、海洋、航空、航天等中的一种或几种的组合。例如,出租车、专车、顺风车、巴士、代驾、火车、动车、高铁、船舶、飞机、热气球、无人驾驶的交通工具、收/送快递等应用了管理和/或分配的运输系统。本申请的不同实施例应用场景包括但不限于网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等中的一种或几种的组合。应当理解的是,本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。例如,其他类似的引导用户停车系统。
本申请描述的“乘客”、“乘客端”、“用户终端”、“顾客”、“需求者”、“服务需求者”、“消费者”、“消费方”、“使用需求者”等是可以互换的,是指需要或者订购服务的一方,可以是个人,也可以是工具。同样地,本申请描述的“司机”、“司机端”、“提供者”、“供应者”、“服务提供者”、“服务者”、“服务方”等也是可以互换的,是指提供服务或者协助提供服务的个人、工具或者其他实体等。另外,本申请描述的“用户”可以是需要或者订购服务的一方,也可以是提供服务或者协助提供服务的一方。
图1是根据本申请一些实施例所示的资源配置系统的应用场景示意图。
资源配置系统100可以适用于任何区域(如城市、国家等)进行静态(如加油站、固定的充电桩、固定快递柜、洗车店、车辆维保店)或动态资源(如可移动的加油车、可移动的充电桩、可移动洗车设备等)配置的场景。例如,在城市静态资源配置中,需要在需求(如充电或加油需求)较多的区域配置相应的固定资源(如加油站及固定的充电桩),利用资源配置系统100可以实现城市的静态资源配置,保证城市静态资源的合理配置。再例如,在城市动态资源配置中,由于需求(如充电或加油需求)的动态变化,如由于新建游乐场或节假日导致的相应区域的加油或充电需求急剧增加,资源配置系统100可以在相应的区域进行动态的资源配置,保证城市动态资源的合理配置。上述对资源配置系统100的应用场景仅是示例性举例,除此之外,资源配置系统100还可以用于经济、文化、教育、医疗、公共管理等各行各业进行静态或动态的资源配置。
在一些实施例中,资源配置常常是静态的资源配置,此类资源配置无法动态的判断需求变化情况进行资源配置,但资源配置运营成本较低。在一些实施例中,有必要提供一种可以进行判断需求变化情况进行动态资源配置以及可以进行静态资源配置降低资源配置运营成本的资源配置方法。为达到此目的,在一些实施例中,资源配置系统100可以进行区域静态或动态资源配置,可以在需求变化较慢的区域(如城市老城区)进行静态的资源配置以降低运营成本,还可以在需求变化较快的区域(如城市新城区)进行动态的资源配置以合理分配区域资源。
在一些实施例中,资源配置系统100可以包括服务器110、网络120、车辆终端130以及存储设备140。系统100可以获取门店150相关数据,并在线预估各门店的订单量水平。在一些实施例中,系统100还可以基于已有门店的订单量水平确定额外的资源配置。
在一些实施例中,服务器110可以确定一个或多个区域内一个或多个门店的订单量水平,以便于在资源分配之前了解区域现状。具体的,确定一个或多个区域内一个或多个门店的订单量水平可以是基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定门店的订单量水平。关于确定一个或多个区域内一个或多个门店的订单量水平可以参见附图2~5,步骤210~550。
在一些实施例中,服务器110还可以根据一个或多个区域内一个或多个门店的订单量水平确定对某个区域是否进行资源配置(如车辆服务资源)和/或待配置的车辆服务资源数量,以便于确定资源分布区域及分布数量。具体的,确定对某个区域是否进行资源配置(如车辆服务资源)和/或待配置的车辆服务资源数量可以是根据该区域的覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度确定的。关于确定对某个区域是否进行资源配置(如车辆服务资源)和/或待配置的车辆服务资源数量可以参见附图7,步骤710~770。
在一些实施例中,服务器110还可以基于各车辆服务门店的订单量水平及位置信息确定新增的车辆服务资源的位置分布,以便于确定资源分布区域内的具体位置,最终综合资源分布区域及分布数量给出最佳的资源配置方案。具体的,确定新增的车辆服务资源的位置分布可以是根据目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定的。关于确定新增的车辆服务资源的位置分布可以参见附图10,步骤1010~1070。
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。服务器组可以是经由接入点连接到网络的集中式服务器组,或者经由至少一个接入点分别连接到网络的分布式服务器组。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器110通过网络120与系统100中的其他设备进行数据交互。例如,服务器110可以经由网络120访问存储在存储设备140、车辆终端130中的信息和/或数据。又例如,存储设备140可以用作服务器110的后端数据存储器。
在一些实施例中,网络120连接资源配置系统100的各组成部分,使得各部分之间可以进行通讯,以促进信息和/或数据的交换。在一些实施例中,资源配置系统100中的至少一个组件(例如,服务器110、车辆终端130、存储设备140)可以经由网络120将信息和/或数据发送到资源配置系统100中的其他组件。
在一些实施例中,资源配置系统100中各部分之间的网络120可以是有线网络或无线网络中的任意一种或多种。例如,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络TM(Bluetooth)、紫蜂网络TM(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。每两个部分之间的网络连接可以是采用上述一种方式,也可以是采取多种方式。
在一些实施例中,网络120可以包括至少一个网络接入点。例如,网络120可以包括有线或无线网络接入点,如基站和/或互联网交换点120-1、120-2、……,通过资源配置系统100的至少一个部件可以连接到网络120以交换数据和/或信息。
在一些实施例中,车辆终端130可以收集服务器110计算所需的数据(例如,车辆轨迹数据等)。在一些实施例中,车辆终端130可以是车辆的组成部分(例如车辆的车载终端设备)。在一些实施例中,车辆终端130可以是驾驶人员或乘车人员拥有设备(例如移动设备130-1、平板计算机130-2、膝上型计算机130-3等智能设备)。车载终端设备可以包括内置计算机、车辆内置电视、内置平板电脑、行车记录仪等。上述示例仅用于说明设备范围的广泛性而非对其范围的限制。
在一些实施例中,车辆终端130可以是具有定位功能的设备。定位功能可以提供与位置相关的信息。位置相关的信息可包括对象的位置、高度、速度或加速度、当前时间等。在一些实施例中,资源配置系统100中也可以包括其他具有定位功能的设备,这类具有定位功能的设备可以与其他设备(例如,车辆终端130)通信以确定其他设备的位置。例如,定位设备可以确定车辆终端130的位置,进而确定车辆的位置。在一些实施例中,车辆终端130可以每间隔一定时间(如1小时)向服务器110上传一次定位数据。
在一些实施例中,存储设备140可以储存数据和/或指令。数据可以包括车辆轨迹数据、车辆服务门店数据、地图信息、用户信息、门店信息、设定的参数(如第一时间阈值、第二时间阈值)、计算结果(如热力值、订单量水平、是否进行车辆服务资源配置、待配置的车辆服务资源数量)等。在一些实施例中,存储设备140可以存储从车辆终端130获得的数据。例如,车辆轨迹数据。
在一些实施例中,存储设备140可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(PEROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,存储设备140可在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,资源配置系统100中的至少一个组件可以经由网络120访问存储在存储设备140中的数据或指令。在一些实施例中,存储设备140可以作为后端存储器直接连接到服务器110。
在一些实施例中,待分配区域150可以包括多个如候选区域150-1、候选区域150-2等多个候选区域,以便于在待分配区域150内指定需进行资源分配的热点区域(如城市核心商圈)。在一些实施例中,待分配区域150可以包括多个如已有资源(如门店、加油站、充电桩等车辆服务资源)。在一些实施例中,在判定候选区域的已有资源订单量水平后,可以在相应的候选区域内增加配置对应的区域。以图1所示为例,在候选区域150-2内配置了多个资源。值得注意的是,上述关于在待分配区域150内分配配置资源的过程仅是示例性的,并非对待分配区域150内候选区域或配置资源的具体限制。
图2是根据本申请一些实施例所示的车辆服务订单在线估测方法的示例性流程图。在一些实施例中,流程200可以由服务器110执行,其包括:
步骤210,获取车辆轨迹数据。具体的,该步骤可以由车辆轨迹获取模块610执行。
在一些实施例中,车辆轨迹数据可以包括车辆信息(如车主信息、号牌等)、车辆位置的经纬度、以及每个轨迹点对应的时间点等。在一些实施例中,车辆轨迹数据可以是通过车辆终端130以定位技术(如GPS技术)获取的。在一些实施例中,车辆轨迹数据可以是通过车辆终端上的平台客户端的APP埋点数据获取的。其中,APP埋点是指用户使用共享平台进行约车或者租车时,平台根据车辆的行驶路线将其绑定在平台的地图线路上进行显示,显示的轨迹点即为APP埋点。
在一些实施例中,可以每隔一段时间获取的车辆轨迹数据,例如每小时在存储设备140中更新一下车辆轨迹数据,以便于动态的记录车辆轨迹数据。
步骤230,获取车辆服务门店数据,所述门店数据至少包括门店的位置信息。具体的,该步骤可以由第一门店数据获取模块620执行。
在一些实施例中,车辆服务可以是指用于车辆保养、维修、救援、能源供给等的服务内容。具体的,在一些实施例中,车辆服务可以包括汽车加油、汽车充电、汽车维修、洗车服务等。
在一些实施例中,车辆服务门店可以是指包括汽车服务内容装置、设备、人员的地点。具体的,在一些实施例中,车辆服务门店可以包括充电桩、4S维修维保店、加油站等。在一些实施例中,车辆服务门店可以是固定的门店或移动的车辆服务设备(例如移动加油车、移动充电桩、维保车辆服务车等),以便于实施如图1所述的静态或动态资源配置过程。
在一些实施例中,车辆服务门店数据可以是指包括车辆服务门店的服务数据。示例性的,车辆服务门店数据可以包括车辆服务门店的地理位置、数量等。在一些实施例中,车辆服务门店数据的获取方式可以包括线下录入、地图爬虫、竞对爬虫等。具体的,线下录入可以是指工作人员在线下直接去某区域进行实际考察,获取车辆服务门店数据;地图爬虫可以是指通过从百度地图、高德地图等地图数据中获取车辆服务门店数据;竞对爬虫可以是指获取具有线上车辆服务线上业务平台的车辆服务门店数据。
步骤250,基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,服务器110获取车辆轨迹数据及车辆服务门店数据后可以确定一个或多个门店的订单量水平。具体的,在一些实施例中,车辆轨迹数据及车辆服务门店数据确定门店订单量水平可以是根据车辆到站数据、车辆常驻数据以及车辆行驶热度数据计算热力值得到的。在一些实施例中,车辆轨迹数据及车辆服务门店数据确定门店订单量水平可以是将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据作为特征数据输入到训练好的机器学习模型中获得的。关于车辆轨迹数据及车辆服务门店数据确定门店订单量水平可以参见附图3,步骤310~370,或参见附图4,步骤410~450。
图3是根据本申请一些实施例所示的确定门店订单量水平方法的示例性流程图。在一些实施例中,流程300可以由服务器110执行,其包括:
步骤310,基于车辆轨迹数据以及该门店的位置信息,确定与该门店相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,为了将车辆轨迹数据表现为与门店订单相关的数据信息,可以确定与该门店相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据。
在一些实施例中,车辆到站数据可以是指车辆在车辆服务门店消费服务的数据。在一些实施例中,车辆到站数据可以包括在所述车辆轨迹数据中,与相应门店距离不超过第一距离阈值且持续时间不小于第一时间阈值的车辆数。示例性的,确定车辆到站数据,可以是判断在距车辆服务门店第一距离阈值(如10米)范围内停留的第一时间阈值(如10分钟),当车辆停留位置及停留时间满足第一距离阈值及第一时间阈值要求,则可以认定该车辆在车辆服务门店完成了一次车辆服务内容(如加油或充电)。
在一些实施例中,车辆常驻数据可以是指在车辆服务门店周边的常驻车辆数据信息。在一些实施例中,常驻车辆可以是指将车辆服务门店附近作为经常地停留地(如为家或公司等)的汽车,具体的,车辆常驻数据可以包括在所述车辆轨迹中,在与相应门店距离不超过第二距离阈值的区域内停留的次数大于第一频次阈值和/或停留的累计时长不小于第二时间阈值的车辆数。例如,确定车辆常驻数据,可以判断一个或多个车辆在距车辆服务门店第二距离阈值(如5千米)区域内停留的次数是否满足第一频次阈值(如一个月内停留30次),若满足,则可以认定该车辆为车辆服务门店附近的常驻车辆。再例如,确定车辆常驻数据,可以判断一个或多个车辆在距车辆服务门店第二距离阈值(如5千米)区域内停留的累积时间是否满足第二时间阈值(如一个月内停留累积时间超过100小时),若满足,则可以认定该车辆为车辆服务门店附近的常驻车辆。
在一些实施例中,车辆行驶热度数据可以是指在车辆服务门店周边的车辆流量热度信息。具体的,车辆行驶热数据可以包括在所述车辆轨迹中,在与相应门店距离不超过第三距离阈值的区域内行驶的车辆的行驶时长。在一些实施例中,确定车辆行驶热度数据,可以是判断一个或多个车辆上报的定位数据在距车辆服务门店第三距离阈值(如5千米)区域内的频次,进而确定对应的行驶时长。例如,车辆在某区域循环不断地开,如油站附近1公里,若每3s上报一次定位数据,车辆在该区域内行驶了1min,1min内可以上报20次,则该油站1km范围内的车辆行驶热度即为20,最后统计该区域过去一段时间内不同车辆在该区域内(如1周、1天等)的行驶热度,进行平均即可获得该区域车辆行驶热度数据。
步骤330,将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行归一化。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行归一化可以是指将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据统一到一个维度,以便于进行统计计算得到热力值。例如,对于某充电桩A,车辆到站数据为每月200次,车辆常驻数据为充电桩A附近范围1千米常驻车辆300台,车辆行驶热度数据为每天1200行驶热度,设定车辆到站数据满分值为每月250次,车辆常驻数据满分值为500台,车辆行驶热度数据满分值为每天1500行驶热度,将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行归一化则可以包括计算:实际车辆到站数据/车辆到站数据满分值,则实际车辆到站数据得分为80分;实际车辆常驻数据/车辆常驻数据满分值,则实际车辆常驻数据得分为60分;实际车辆行驶热度数据/车辆行驶热度数据满分值,则实际车辆行驶热度数据得分为80分。值得注意的是,上述将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行归一化是示例性的,本领域技术人员进行归一化计算还可以采用其他方式,如将车辆到站数据、车辆常驻数据以及车辆行驶热度数据设定为百分制,例如上述车辆到站数据、车辆常驻数据以及车辆行驶热度数据分别占比为40%、30%、30%,则车辆到站数据、车辆常驻数据以及车辆行驶热度数分别得分为:32分、18分、24分。
步骤350,将归一化后的车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行运算,得到所述热力值。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,将车辆到站数据、车辆常驻数据以及车辆行驶热度数据归一化后可以计算得到热力值,以便直观表示车辆服务门店的订单水平。在一些实施例中,热力值可以预估车辆服务门店的订单量水平,从而可以指导服务车辆的资源配置。例如,可以选择热力值TOP100的区域配置移动充电车或者维保车辆。以上述充电桩A为例,可以将车辆到站数据得分80分、车辆常驻数据得分60分、车辆行驶热度数据得分80分进行求和,则充电桩A的热力值为200。当然还可以将车辆到站数据得分80分、车辆常驻数据得分60分、车辆行驶热度数据得分80分进行加权求和,例如上述车辆到站数据、车辆常驻数据以及车辆行驶热度数据分别占比为40%、30%、30%,则热力值为74。
步骤370,基于所述热力值确定订单量水平,其中,所述订单量水平与所述热力值正相关。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,由于订单量水平与所述热力值正相关,因此获取热力值后即可确定对应门店的订单量水平。
在一些实施例中,还可以采用机器学习模型(例如xgboost模型)预测得到的门店的订单量数据。例如,统计出一个或多个车辆服务门店对应的车辆到站数据、车辆常驻数据以及车辆行驶热度后,可以将车辆到站数据、车辆常驻数据以及车辆行驶热度作为特征数据输入到机器学习模型的中,输出则得到一个或多个车辆服务门店对应的订单量水平。在一些实施例中,机器学习模型可以是将车辆到站数据、车辆常驻数据以及车辆行驶热度作为输入的训练样本,将车辆服务门店实际订单量作为目标样本训练得到的。在一些实施例中,机器学习的模型作为输入的训练样本还可以包括与车辆到站数据、车辆常驻数据以及车辆行驶热度对应的热力值,以提高机器学习模型的预测准确性。
在一些实施例,确定一个或多个车辆服务门店的订单量水平后,还可以基于一个或多个门店的订单量水平输出订单量分布可视化数据,例如生成相应的高潜清单列表(即订单量较高的油站/充电桩/维保店等车辆服务门店列表),以便于可视化的在地图上显示各区域订单量较高的车辆服务门店。在一些实施例中,可视化的在地图上显示各区域订单量较高的车辆服务门店可以是以颜色、形状、大小等方式在地图上表示个门店的订单量水平。例如,蓝色圆点代表各区域各门店的订单量水平,颜色越深即代表订单量越多。
图4是根据本申请又一些实施例所示的确定门店订单量水平方法的示例性流程图。在一些实施例中,车辆服务门店可以划分为通用型车辆服务门店、专用型车辆服务门店,其中,通用型车辆服务可以是指如所有汽车均需要的服务(如加油、充电),专用型车辆服务可以是指因汽车品牌不同而导致内容不同的服务(如不同车辆品牌对应的配件、车辆维修不同),因此专用型车辆服务门店在同一个区域内的竞争较小,因此不同的专用型车辆服务门店可以设置在同一个区域,针对该种情况,可以采用流程400计算得到相应的订单量水平。在一些实施例中,车辆轨迹数据可以是运输服务提供者(例如公交、出租车、共享汽车等)的轨迹数据。在一些实施例中,流程400可以由服务器110执行,其包括:
步骤410,获取该门店的服务工位数。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,门店的服务工位数可以是指可进行汽车服务的工位数量。例如,门店的服务工位数可以包括一个门店中充电桩桩位、加油站站台或检修地坑等工位的总数。
在一些实施例中,获取门店的服务工位数可以采用线下调查、网络爬虫等方式获取。其中,线下调查可以采用派遣工作人员到实际门店考察的方式得到,网络爬虫可以包括地图爬虫和竞对爬虫等,具体的,地图爬虫可以是指通过从百度地图、高德地图等地图数据中获取车辆服务门店数据;竞对爬虫可以是指获取具有线上车辆服务线上业务平台的车辆服务门店数据。
步骤430,基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,可以根据该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次,以便于配合该门店的工位信息计算得到订单量水平。在一些实施例中,基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次可以是通过住户数、专职运输服务提供者人数以及非专职运输服务提供者人数的加权求和计算的。
在一些实施例中,基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次可以包括:基于该门店的位置信息,确定在与该门店距离不超过第四距离阈值的区域内的住户数;基于所述车辆轨迹数据,确定常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者人数以及非专职运输服务提供者人数;基于所述住户数、专职运输服务提供者人数以及非专职运输服务提供者人数确定该门店的单位工位台次。关于基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次可以参见附图5,步骤510~550。
步骤450,基于所述服务工位数以及单位工位台次确定该门店的订单量水平。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,获取服务工位数以及单位工位台次后,则可以根据服务工位数以及单位工位台次确定该门店的订单量水平。具体的,可以将服务工位数与单位工位台次的乘积作为订单量水平。如经过工作人员调查以及计算得知门店A的服务工位数以及单位工位台次分别为3,平均的单位工位台次为20台次/天/工位,则门店A的订单量水平为60台次/天。
在一些实施例中,计算得到门店的订单量水平后,还可以测算得出门店一天的交易总额,并结合日均支出即可测算出门店一天的毛收入,然后根据毛收入计算结果可获知将服务车辆设置在此地是否盈利,最终进行合理盈利同时资源分配均匀的城市车辆服务资源布局。
图5是根据本申请一些实施例所示的门店的单位工位台次测算方法的示例性流程图。在一些实施例中,流程500可以由服务器110执行,其包括:
步骤510,基于该门店的位置信息,确定在与该门店距离不超过第四距离阈值的区域内的住户数。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,在确定该门店的单位工位台次之前,可以预先确定在与该门店距离不超过第四距离阈值的区域内的住户数,以便于确定该门店附近属于社会车辆的潜在用户。例如,该门店一定区域范围内(如2km)的小区住户作为潜在用户。在一些实施例中,确定在与该门店距离不超过第四距离阈值的区域内的住户数可以是线下调查、官方数据收集分析、其他非官方机构发布的数据统计得出。在一些实施例中,确定在与该门店距离不超过第四距离阈值的区域内的住户数还可以是可从城市的相关数据库或者平台获取,如根据门店POI类型获取周围小区的户数等。
步骤530,基于所述车辆轨迹数据,确定常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者人数以及非专职运输服务提供者人数。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,可以与步骤510同时进行步骤530,基于所述车辆轨迹数据,确定常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者人数以及非专职运输服务提供者人数,以获取具有平台运营及数据统计的运输服务数据,确定门店附近属于公共车辆的潜在用户。
在一些实施例中,常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者可以是指在该门店附近有服务行为的专职司机,例如在10km内且近180天有拉单,或拉单终点距离门店8km内的专职司机。在一些实施例中,常驻于与该门店距离不超过第五距离阈值的区域内的非专职运输服务提供者可以是指在该门店附近有服务行为的非专职司机,例如在15km内且近180天有拉单,或拉单终点距离门店10km内的非专职司机。
在一些实施例中,确定常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者人数以及非专职运输服务提供者人数可以是根据服务平台自有数据统计得到的,例如,从网约车平台直接获取的获取司机订单、司机常驻地等。
步骤550,基于所述住户数、专职运输服务提供者人数以及非专职运输服务提供者人数确定该门店的单位工位台次。具体的,该步骤可以由第一计算模块630执行。
在一些实施例中,得到住户数、专职运输服务提供者人数以及非专职运输服务提供者人数后,可以将住户数、专职运输服务提供者人数以及非专职运输服务提供者人数加权求和,确定该门店的单位工位台次。具体的,确定该门店的单位工位台次可以通过如下公式计算得出:
单位工位台次=专职运输服务提供者人数*专职运输服务提供者转化率A+非专职运输服务提供者人数*非专职运输服务提供者转化率B+住户数*社会车辆转化率C
在一些实施例中,专职运输服务提供者转化率A、非专职运输服务提供者转化率B、社会车转化率C可以采用大数据统计得出,其中数据可以来自于各公共交通服务平台(如网约车公司、城市公交、出租车公司)、与城市相关的数据库等。例如,针对车辆服务门店f,统计得到网约车专职司机每人每年平均对车辆到服务门店f单个工位保养0.5次,则对应的专职运输服务提供者转化率A为0.5,若网约车平台在某城市车辆服务门店f附近共拥有1000专职运输服务提供者,则对单位工位台次的贡献为500次每年。再例如,针对车辆服务门店f,统计得到网约车非专职司机每人每年平均对车辆到服务门店f单个工位保养0.4次,则对应的非专职运输服务提供者转化率A为0.4,若网约车平台在某城市车辆服务门店f附近共拥有2000非专职运输服务提供者,则对单位工位台次的贡献为800次每年。又例如,针对车辆服务门店f,统计得到社会车辆转化率C为0.1,车辆服务门店f附近共拥有2万社会车辆,则对单位工位台次的贡献为2000次每年。最终将上述求和则可得到车辆服务门店f的单位工位台次为3300次/年。
图6是根据本申请一些实施例所示的车辆服务订单在线估测系统的模块图。
如图6所示,该车辆服务订单在线估测系统可以包括车辆轨迹获取模块610、第一门店数据获取模块620、第一计算模块630和可视化模块640。
车辆轨迹获取模块610可以用于获取车辆轨迹数据。在一些实施例中,车辆轨迹数据可以包括车辆信息(如车主信息、号牌等)、车辆位置的经纬度、以及每个轨迹点对应的时间点等。在一些实施例中,正在行驶的车辆轨迹数据可以是直接通过数据车辆终端130以定位技术(如GPS技术)获取的。
第一门店数据获取模块620可以用于获取车辆服务门店数据,所述门店数据至少包括门店的位置信息。在一些实施例中,车辆服务门店数据可以是指包括车辆服务门店的服务数据。示例性的,车辆服务门店数据可以包括车辆服务门店的地理位置、数量、订单量等。在一些实施例中,车辆服务门店数据的获取方式可以包括线下录入、地图爬虫、竞对爬虫等。
第一计算模块630可以用于基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平。在一些实施例中,车辆轨迹数据及车辆服务门店数据确定门店订单量水平可以是根据车辆到站数据、车辆常驻数据以及车辆行驶热度数据计算热力值得到的。
可视化模块660可以用于基于一个或多个门店的订单量水平输出订单量分布可视化数据。在一些实施例,确定一个或多个车辆服务门店的订单量水平后,还可以基于一个或多个门店的订单量水平输出订单量分布可视化数据,例如生成相应的高潜清单列表(即订单量较高的油站/充电桩/维保店等车辆服务门店列表),以便于可视化的在地图上显示各区域订单量较高的车辆服务门店。
应当理解,图6所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于候选项显示、确定系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,例如,图6中披露的车辆轨迹获取模块610、第一门店数据获取模块620、第一计算模块630和可视化模块640可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,车辆轨迹获取模块610、第一门店数据获取模块620可以是两个模块,也可以是一个模块同时可以获取车辆轨迹数据和门店数据。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图7是根据本申请一些实施例所示的车辆服务资源配置方法的示例性流程图。在一些实施例中,流程700可以由服务器110执行,其包括:
步骤710,确定目标地理范围中的一个或多个候选区域。具体的,该步骤可以由第一确定模块910执行。
在一些实施例中,目标地理范围可以是指任何区域,示例性的,目标地理范围可以是指城市、国家、省等区域,如图1中的区域150。在一些实施例中,候选区域可以是指被目标地理范围内的包含在内的重要区域,以筛选出目标地理范围内的重要区域(如核心商圈、热门景点等,如图1中的区域150-1、150-2)。
在一些实施例中,确定目标地理范围中的一个或多个候选区域可以是自由划分选取确定的。例如,根据区县、街道划分,再例如根据某广场为中心辐射一定范围(如5千米)进行划分,将产业发达的区域(如高新区)或商业繁华的重要街道划分为候选区域。在一些实施例中,确定目标地理范围中的一个或多个候选区域还可以是根据热力值划分得到的。例如,对目标地理范围为城市A,其中城市A中包含某车辆服务门店共计100个,将车辆服务门店进行热力值排序,每10个划分一个层级,若出现不同层级的车辆服务门店存在交叉的情况,则可以根据数量关系判定层级,最终可以将城市A划分为10个区域,选取前2个区域作为候选区域。关于确定目标地理范围中的一个或多个候选区域可以参见附图8,步骤810~830。
值得注意的是,上述关于确定目标地理范围中的一个或多个候选区域仅为示例性的,实际中,本领域技术人员还可以采用更多的划分方式(如根据车辆流量划分)确定候选区域,因此并非对确定目标地理范围中的一个或多个候选区域的具体限制。
步骤730,获取该候选区域内车辆服务门店数据。具体的,该步骤可以由第二门店数据获取模块920执行。
在一些实施例中,区域内车辆服务门店数据可以是该区域内包括车辆服务门店的统计数据。具体的,区域内车辆服务门店数据可以包括该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度等,以综合评价该区域内的车辆服务门店水平。其中,区域覆盖的车辆服务门店数可以是指该区域内车辆服务门店(如油站、充电桩、维修维保店、或移动充电车、维保服务车、移动加油车等)数量占整个目标地理范围中车辆服务门店数量的比例;不同车辆服务商的制衡度可以是指该区域内其他指平台或者企业(如竞争对手)的车辆服务门店数,以便于确定区域内的车辆服务门店竞争程度;车辆服务门店的饱和度可以是指该区域内车辆服务门店的数量,防止区域内配置的移动车辆服务门店发生竞争过饱和现象。在一些实施例中,车辆服务门店数据的获取方式可以包括线下录入、地图爬虫、竞对爬虫等。
步骤750,获取该候选区域内各门店的订单量水平。具体的,该步骤可以由第二计算模块930执行。
在一些实施例中,获取该候选区域内车辆服务门店数据后,可以获取该候选区域内各门店的订单量水平,以判断该候选区域内的车辆订单量水平。具体的,获取该候选区域内各门店的订单量水平可以是基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据生成该区域的热力值而确定的。关于获取该候选区域内各门店的订单量水平可以参见图2~5,步骤210~530。
步骤770,基于该候选区域内车辆服务门店数据以及各门店的订单量水平确定是否进行车辆服务资源配置和/或待配置的车辆服务资源数量。具体的,该步骤可以由第一配置模块940执行。
在一些实施例中,确定是否对该候选区域进行车辆服务资源配置可以是综合该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度确定的。例如,该候选区域A覆盖的车辆服务门店数对应的区域覆盖率为50%,该候选区域A覆盖车辆服务门店数的区域覆盖率阈值为45%,则可以确定无需对该候选区域A进行车辆服务资源配置。又例如,该候选区域A内不同车辆服务商为35个,该候选区域A内不同车辆服务商的阈值为30个,则可以确定无需对该候选区域A进行车辆服务资源配置。再例如,该候选区域A内车辆服务门店的饱和度为60个,该候选区域A内车辆服务门店的饱和度阈值为50个,则可以认定无需对该候选区域A进行车辆服务资源配置。
在一些实施例中,确定是否对该候选区域进行车辆服务资源配置可以是综合各门店的订单量水平确定的。例如,该候选区域A内车辆服务门店订单量水平平均为30台次/天,而该候选区域A内车辆服务门店订单量水平阈值下限为40台次/天,则可以判断该候选区域A内的车辆服务门店订单量不饱和,因此可以确定对该候选区域A进行车辆服务资源配置。
在一些实施例中,可以选择覆盖的车辆服务门店数、不同车辆服务商的制衡度以及车辆服务门店的饱和度未超过阈值,且区域内各门店订单量水平较好的候选区域进行资源配置。
在一些实施例中,确定待配置的车辆服务资源数量可以是基于综合该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度确定的。例如,该候选区域A覆盖的车辆服务门店数对应的区域覆盖率为30%,该候选区域A覆盖车辆服务门店数的区域覆盖率阈值为45%,因此可以基于候选区域A的数量进而确定新增15%的待配置的车辆服务资源数量。再例如,该候选区域A内不同车辆服务商的制衡度为35个车辆服务门店,该候选区域A内不同车辆服务商的阈值为40个,因此待配置的车辆服务资源数量的至少为5个。又例如,该候选区域A内车辆服务门店的饱和度为40个,该候选区域A内车辆服务门店的饱和度阈值为50个。因此待配置的车辆服务资源数量的最多为10个。
在一些实施例中,确定该候选区域待配置的车辆服务资源数量还可以是根据各门店的订单量水平确定的。例如,候选区域A内共计10个车辆服务门店订单量超过阀值2倍,则可以确定待配置的车辆服务资源数量的最少为10个。
在一些实施例中,确定该候选区域待配置的车辆服务资源数量还可以是根据现有开店数的累计台次与市场饱和度而确定。关于根据现有开店数的累计台次与市场饱和度而确定待配置的车辆服务资源数量可以参见附图10,步骤1050。
图8是根据本申请一些实施例所示的确定候选区域的示例性流程图。在一些实施例中,流程800可以由服务器110执行,其包括:
步骤810,将所述目标地理范围划分为多个区域。具体的,该步骤可以由第一确定模块910执行。
在一些实施例中,将所述目标地理范围划分为多个区域,可以区分目标地理范围内的重要和非重要区域(如核心商圈、非核心商圈等)。在一些实施例中,将所述目标地理范围划分为多个区域可以是自由划分确定的。例如,根据区县、街道划分,再例如根据某广场为中心辐射一定范围(如5千米)进行划分。在一些实施例中,确定目标地理范围中的一个或多个候选区域还可以是根据热力值划分得到的。例如,对目标地理范围为城市A,其中城市A中包含某车辆服务门店共计100个,将车辆服务门店进行热力值排序,每10个划分一个层级,若出现不同层级的车辆服务门店存在交叉的情况,则可以根据数量关系判定层级,最终可以将城市A划分为10个区域。
步骤830,确定各区域的热力值。具体的,该步骤可以由第一确定模块910执行。
在一些实施例中,将所述目标地理范围划分为多个区域后,可以确定各区域的热力值,以便于根据热力值选取候选区域。在一些实施例中,确定各区域的热力值可以是基于车辆轨迹数据以及该区域的位置信息,确定与该区域相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据,最终得到的区域热力值。在一些实施例中,区域热力值对应的车辆到站数据可以是指到达该区域内并停留一段时间的车辆数据,例如,在1天内共计500台车辆到达区域A内并停留超过30分钟,则区域A对应的车辆到站数据可以是500台/天。在一些实施例中,区域热力值对应的车辆常驻数据可以是指在该区域内一定时间内停留频次或停留时间超过一定时长的车辆数据信息,例如,在1个月内共计100台车辆在区域A内停留次数超过30次或停留时间超过100小时,则区域A对应的车辆常驻数据为100台车辆。在一些实施例中,区域热力值对应的车辆行驶热度数据可以是指在车辆在区域内行驶时长,其可以用车辆行驶时上报定位数据在该区域内的次数表征,例如,车辆在某区域循环不断地开,若每3s上报一次定位数据,车辆在该区域内行驶了1min,1min内可以上报20次,则该区域范围内的车辆行驶热度即为20,最后统计该区域过去一段时间内不同车辆在该区域内(如1周、1天等)的行驶热度之和,按车辆进行平均即可获得该区域车辆行驶热度数据。在一些实施例中,可以累计各区域内各门店的热力值,作为该区域的热力值。关于基于车辆轨迹数据以及门店的位置信息,确定与门店热力值可以参见附图3,步骤310~350。
步骤850,基于热力值从所述多个区域中选取一个或多个候选区域。具体的,该步骤可以由第一确定模块910执行。
在一些实施例中,获取多个区域的热力值后,可以基于热力值从所述多个区域中选取一个或多个候选区域。例如,基于热力值从所述多个区域中选取一个或多个候选区域可以是筛选出区域热力值排名靠前(如前20)的区域定义为候选区域,最终确定多个候选区域。
图9是根据本申请一些实施例所示的车辆服务资源配置系统的模块图。
如图9所示,该车辆服务资源配置系统可以包括第一确定模块910、第二门店数据获取模块920、第二计算模块930和第一配置模块940。
第一确定模块910可以用于确定目标地理范围中的一个或多个候选区域。在一些实施例中,确定目标地理范围中的一个或多个候选区域可以是自由划分选取确定的。例如,根据区县、街道划分,再例如根据某广场为中心辐射一定范围(如5千米)进行划分,将产业发达的区域(如高新区)或商业繁华的重要街道划分为候选区域。
第二门店数据获取模块920可以用于对于任一候选区域,获取该候选区域内车辆服务门店数据。在一些实施例中,区域内车辆服务门店数据可以是该区域内包括车辆服务门店的统计数据。具体的,区域内车辆服务门店数据可以包括该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度等,以综合评价该区域内的车辆服务门店水平。
第二计算模块930可以用于获取该候选区域内各门店的订单量水平。在一些实施例中,获取该候选区域内各门店的订单量水平可以是基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据生成该区域的热力值而确定的。
第一配置模块940可以用于基于该候选区域内车辆服务门店数据以及各门店的订单量水平确定是否进行车辆服务资源配置和/或待配置的车辆服务资源数量。在一些实施例中,确定是否对该候选区域进行车辆服务资源配置可以是综合该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度确定的。
应当理解,图9所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于候选项显示、确定系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,例如,图9中披露的第一确定模块910、第二门店数据获取模块920、第二计算模块930和第一配置模块940可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,第一确定模块910、第二门店数据获取模块920可以是两个模块,也可以是一个模块同时具有确定候选区域和获取门店数据功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图10是根据本申请一些实施例所示的车辆服务资源配置方法的示例性流程图。在一些实施例中,流程1000可以由服务器110执行,其包括:
步骤1010,获取目标地理区域内的车辆服务门店数据,所述门店数据至少包括位置信息。具体的,该步骤可以由第三门店数据获取模块1110执行。
在一些实施例中,目标地理区域可以是指任何区域,示例性的,目标地理范围可以是指城市、国家、省等区域;车辆服务门店数据可以是指包括车辆服务门店的服务数据,如维保服务。示例性的,车辆服务门店数据可以包括车辆服务门店的地理位置、数量、维保服务订单量等。在一些实施例中,获取目标地理区域内的车辆服务门店数据方式可以包括线下录入、地图爬虫、竞对爬虫等。
步骤1030,获取区域内各门店的订单量水平,所述门店数据至少包括位置信息。具体的,该步骤可以由第三计算模块1120执行。
在一些实施例中,订单量水平可以反映一个门店的业务量。在一些实施例中,获取区域内各门店的订单量水平可以是根据车辆到站数据、车辆常驻数据以及车辆行驶热度数据计算热力值得到的。关于获取区域内各门店的订单量水平可以参见附图2~5,步骤210~550。
步骤1050,基于目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定新增的车辆服务资源数量N,N为整数。具体的,该步骤可以由第二确定模块1130执行。
在一些实施例中,目标地理区域的市场容量可以是指该区域针对车辆服务内容的饱和值。具体的,目标地理区域的市场容量可以采用如下公式计算:
市场容量=运输服务提供者年台次+社会车年台次其中,运输服务提供者年台次、社会车年台次可以自于各公共交通服务平台(如网约平台、城市公交、出租车公司)、与城市相关的数据库等。
在一些实施例中,得到目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量后则可以计算市场占有率,以便于根据市场占有率得出车辆服务门店最大值。具体的,市场占有率可以采用以下公司计算得出:
市场占有率=(门店数*订单量水平)/市场容量由于市场容量有限,可知随着门店数的增加到一定值后,市场占有率呈先增长后平稳的趋势,达到平稳后所对应的开店数即该城市维保服务可配置数量,将维保服务可配置数量去掉已有的门店即可得到车辆服务资源数量N。
步骤1070,基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布。具体的,该步骤可以由第二配置模块1140执行。
在一些实施例中,获取区域可配置的车辆服务资源数量N后,即可确定新增N个的车辆服务资源的位置分布,其中,对N个新增的车辆服务资源进行位置配置的原则是最大化市场占有率。在一些实施例中,基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布可以包括:从各车辆服务门店中选择N个门店,获得多种选择结果;对于每种选择结果,基于选出的N个门店的订单量水平计算总收益;基于所述多种选择结果中,总收益最大的选择结果中的N个门店的位置确定所述新增的N个车辆服务资源的位置。具体的,对于每种选择结果,基于选出的N个门店的订单量水平计算总收益公式可以采用如下公式:
其中,M为候选点个数,N为要配置的车辆服务资源个数,xi为候选点i是否进行新增资源配置,取值为0或1,vi为候选点i的预估单工位台次,且满足∑xi=N。
其中,M个候选点可以是在该区域内已有的门店位置点等确定的。在一些实施例中,新增的车辆服务资源的位置与其对应的车辆服务门店的位置的间距不小于第六距离阈值。例如,候选点与已有门店之间距离需大于5km,同时候选点与候选点之间距离也需大于5km。在一些实施例中,预估单工位台次可以是通过住户数、专职运输服务提供者人数以及非专职运输服务提供者人数的加权求和计算的。关于预估单工位台次可以参见附图4~5,步骤410~550。最终,求得M为候选点个数中N个车辆服务资源总收益最大值,即得到确定新增N个的车辆服务资源的位置的最佳分布。
图11是根据本申请一些实施例所示的车辆服务资源配置系统的模块图。
如图11所示,该车辆服务资源配置系统可以包括第三门店数据获取模块1110、第三计算模块1120、第二确定模块1130和第二配置模块1140。
第三门店数据获取模块1110可以用于获取目标地理区域内的车辆服务门店数据,所述门店数据至少包括位置信息。
第三计算模块1120可以用于获取各门店的订单量水平。在一些实施例中,订单量水平可以反映一个门店的业务量。在一些实施例中,获取区域内各门店的订单量水平可以是根据车辆到站数据、车辆常驻数据以及车辆行驶热度数据计算热力值得到的。
第二确定模块1130可以用于基于目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定新增的车辆服务资源数量N,N为整数。在一些实施例中,目标地理区域的市场容量可以是指该区域针对车辆服务内容的饱和值。具体的,目标地理区域的市场容量可以根据运输服务提供者年台次、社会车年台次计算得出。
第二配置模块1140可以用于基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布。在一些实施例中,获取区域可配置的车辆服务资源数量N后,即可确定新增N个的车辆服务资源的位置分布,其中,对N个新增的车辆服务资源进行位置配置的原则是最大化市场占有率。在一些实施例中,基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布可以包括:从各车辆服务门店中选择N个门店,获得多种选择结果;对于每种选择结果,基于选出的N个门店的订单量水平计算总收益;基于所述多种选择结果中,总收益最大的选择结果中的N个门店的位置确定所述新增的N个车辆服务资源的位置。
应当理解,图11所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于候选项显示、确定系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,例如,图11中披露的第三门店数据获取模块1110、第三计算模块1120、第二确定模块1130和第二配置模块1140可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,第二确定模块1130和第二配置模块1140可以是两个模块,也可以是一个模块同时具有确定和配置功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
本申请实施例可能带来的有益效果包括但不限于:(1)可以实时获取或预测车辆服务门店的订单量水平,提高工作效率;(2)基于各门店订单量水平实现资源的合理化配置。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (44)
1.一种车辆服务订单在线估测方法,其特征在于,所述方法由一个或多个处理器实现,包括:
获取车辆轨迹数据;
获取车辆服务门店数据,所述门店数据至少包括门店的位置信息;
基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平;其中包括,对于任一个门店:
基于车辆轨迹数据以及该门店的位置信息,确定与该门店相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据;所述车辆行驶热度数据包括在所述车辆轨迹中,在与相应门店距离不超过第三距离阈值的区域内行驶的车辆的行驶时长;
基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该门店的订单量水平。
2.根据权利要求1所述的方法,其特征在于,所述车辆到站数据包括在所述车辆轨迹数据中,与相应门店距离不超过第一距离阈值且持续时间不小于第一时间阈值的车辆数;
所述车辆常驻数据包括在所述车辆轨迹中,在与相应门店距离不超过第二距离阈值的区域内停留的次数大于第一频次阈值和/或停留的累计时长不小于第二时间阈值的车辆数。
3.根据权利要求1或2所述的方法,其特征在于,所述基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该门店的订单量水平,包括:
将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行归一化;
将归一化后的车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行运算,得到热力值;
基于所述热力值确定订单量水平,其中,所述订单量水平与所述热力值正相关。
4.根据权利要求1或2所述的方法,其特征在于,所述基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该门店的订单量水平,包括:
将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据作为特征数据输入到训练好的机器学习模型中,获得所述机器学习模型输出的订单量水平。
5.根据权利要求4所述的方法,其特征在于,所述特征数据还包括热力值,所述热力值为基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行运算获得的运算结果。
6.根据权利要求1所述的方法,其特征在于,所述车辆轨迹数据为运输服务提供者的轨迹数据;
所述基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平,包括,对于任一个门店:
获取该门店的服务工位数;
基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次;
基于所述服务工位数以及单位工位台次确定该门店的订单量水平。
7.根据权利要求6所述的方法,其特征在于,所述基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次,包括:
基于该门店的位置信息,确定在与该门店距离不超过第四距离阈值的区域内的住户数;
基于所述车辆轨迹数据,确定常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者人数以及非专职运输服务提供者人数;
基于所述住户数、专职运输服务提供者人数以及非专职运输服务提供者人数确定该门店的单位工位台次。
8.根据权利要求6所述的方法,其特征在于,所述该门店的单位工位台次为住户数、专职运输服务提供者人数以及非专职运输服务提供者人数的加权和。
9.根据权利要求1所述的方法,其特征在于,所述车辆服务的类型包括以下中的一种或多种:充电服务、加油服务、洗车服务以及维保服务。
10.根据权利要求1所述的方法,其特征在于,还包括:
基于一个或多个门店的订单量水平输出订单量分布可视化数据。
11.一种车辆服务资源配置方法,其特征在于,包括:
确定目标地理范围中的一个或多个候选区域;
对于任一候选区域:
获取该候选区域内车辆服务门店数据;
通过权利要求1~10任一项所述的方法获取该候选区域内各门店的订单量水平;
基于该候选区域内车辆服务门店数据以及各门店的订单量水平确定是否进行车辆服务资源配置和/或待配置的车辆服务资源数量。
12.根据权利要求11所述的方法,其特征在于,所述确定目标地理范围中的一个或多个候选区域,包括:
将所述目标地理范围划分为多个区域;
确定各区域的热力值;
基于热力值从所述多个区域中选取一个或多个候选区域。
13.根据权利要求12所述的方法,其特征在于,对于所述多个区域中的任一区域,确定该区域的热力值包括:
基于车辆轨迹数据以及该区域的位置信息,确定与该区域相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据;
基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该区域的热力值。
14.根据权利要求13所述的方法,其特征在于,所述车辆到站数据包括在所述车辆轨迹数据中,位于该区域内且持续时间不小于第一时间阈值的车辆数;
所述车辆常驻数据包括在所述车辆轨迹中,在该区域内停留的次数大于第一频次阈值和/或停留的累计时长不小于第二时间阈值的车辆数;
所述车辆行驶热数据包括在所述车辆轨迹中,在该区域内行驶的车辆的行驶时长。
15.根据权利要求11所述的方法,其特征在于,所述该候选区域内车辆服务门店数据包括以下中的至少一种:
该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度。
16.一种车辆服务资源配置方法,其特征在于,包括:
获取目标地理区域内的车辆服务门店数据,所述门店数据至少包括位置信息;
基于权利要求1~10任一项所述的方法获取各门店的订单量水平;
基于目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定新增的车辆服务资源数量N,N为整数;
基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布。
17.根据权利要求16所述的方法,其特征在于,所述基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布包括:
从各车辆服务门店中选择N个门店,获得多种选择结果;
对于每种选择结果,基于选出的N个门店的订单量水平计算总收益;
基于所述多种选择结果中,总收益最大的选择结果中的N个门店的位置确定所述新增的N个车辆服务资源的位置。
18.根据权利要求17所述的方法,其特征在于,所述新增的N个车辆服务资源的位置与其对应的车辆服务门店的位置的间距不小于第六距离阈值。
19.根据权利要求17所述的方法,其特征在于,所述车辆服务的类型包括维保服务。
20.一种车辆服务订单在线估测系统,其特征在于,所述系统包括车辆轨迹获取模块、第一门店数据获取模块以及第一计算模块;
所述车辆轨迹获取模块用于获取车辆轨迹数据;
所述第一门店数据获取模块用于获取车辆服务门店数据,所述门店数据至少包括门店的位置信息;
所述第一计算模块用于基于一个或多个门店的位置信息以及所述车辆轨迹数据,确定一个或多个门店的订单量水平;
所述第一计算模块还用于,对于任一个门店:
基于车辆轨迹数据以及该门店的位置信息,确定与该门店相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据;所述车辆行驶热度数据包括在所述车辆轨迹中,在与相应门店距离不超过第三距离阈值的区域内行驶的车辆的行驶时长;
基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该门店的订单量水平。
21.根据权利要求20所述的系统,其特征在于,所述车辆到站数据包括在所述车辆轨迹数据中,与相应门店距离不超过第一距离阈值且持续时间不小于第一时间阈值的车辆数;
所述车辆常驻数据包括在所述车辆轨迹中,在与相应门店距离不超过第二距离阈值的区域内停留的次数大于第一频次阈值和/或停留的累计时长不小于第二时间阈值的车辆数。
22.根据权利要求20或21所述的系统,其特征在于,为基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该门店的订单量水平,所述第一计算模块还用于:
将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行归一化;
将归一化后的车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行运算,得到热力值;
基于所述热力值确定订单量水平,其中,所述订单量水平与所述热力值正相关。
23.根据权利要求20或21所述的系统,其特征在于,为基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该门店的订单量水平,所述第一计算模块还用于:
将所述车辆到站数据、车辆常驻数据以及车辆行驶热度数据作为特征数据输入到训练好的机器学习模型中,获得所述机器学习模型输出的订单量水平。
24.根据权利要求23所述的系统,其特征在于,所述特征数据还包括热力值,所述热力值为基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据进行运算获得的运算结果。
25.根据权利要求20所述的系统,其特征在于,所述车辆轨迹数据为运输服务提供者的轨迹数据;
所述第一计算模块还用于,对于任一个门店:
获取该门店的服务工位数;
基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次;
基于所述服务工位数以及单位工位台次确定该门店的订单量水平。
26.根据权利要求25所述的系统,其特征在于,为基于该门店的位置信息以及车辆轨迹数据获取该门店的单位工位台次,所述第一计算模块还用于:
基于该门店的位置信息,确定在与该门店距离不超过第四距离阈值的区域内的住户数;
基于所述车辆轨迹数据,确定常驻于与该门店距离不超过第五距离阈值的区域内的专职运输服务提供者人数以及非专职运输服务提供者人数;
基于所述住户数、专职运输服务提供者人数以及非专职运输服务提供者人数确定该门店的单位工位台次。
27.根据权利要求25所述的系统,其特征在于,所述该门店的单位工位台次为住户数、专职运输服务提供者人数以及非专职运输服务提供者人数的加权和。
28.根据权利要求20所述的系统,其特征在于,所述车辆服务的类型包括以下中的一种或多种:充电服务、加油服务、洗车服务以及维保服务。
29.根据权利要求20所述的系统,其特征在于,还包括可视化模块;
所述可视化模块用于基于一个或多个门店的订单量水平输出订单量分布可视化数据。
30.一种车辆服务资源配置系统,其特征在于,包括第一确定模块、第二门店数据获取模块、第二计算模块以及第一配置模块;
所述第一确定模块用于确定目标地理范围中的一个或多个候选区域;
所述第二门店数据获取模块用于对于任一候选区域,获取该候选区域内车辆服务门店数据;
所述第二计算模块用于通过权利要求1~10任一项所述的方法获取该候选区域内各门店的订单量水平;
所述第一配置模块用于基于该候选区域内车辆服务门店数据以及各门店的订单量水平确定是否进行车辆服务资源配置和/或待配置的车辆服务资源数量。
31.根据权利要求30所述的系统,其特征在于,为确定目标地理范围中的一个或多个候选区域,所述第一确定模块用于:
将所述目标地理范围划分为多个区域;
确定各区域的热力值;
基于热力值从所述多个区域中选取一个或多个候选区域。
32.根据权利要求31所述的系统,其特征在于,所述第一确定模块还用于:
基于车辆轨迹数据以及该区域的位置信息,确定与该区域相关的车辆到站数据、车辆常驻数据以及车辆行驶热度数据;
基于车辆到站数据、车辆常驻数据以及车辆行驶热度数据确定该区域的热力值。
33.根据权利要求32所述的系统,其特征在于,所述车辆到站数据包括在所述车辆轨迹数据中,位于该区域内且持续时间不小于第一时间阈值的车辆数;
所述车辆常驻数据包括在所述车辆轨迹中,在该区域内停留的次数大于第一频次阈值和/或停留的累计时长不小于第二时间阈值的车辆数;
所述车辆行驶热数据包括在所述车辆轨迹中,在该区域内行驶的车辆的行驶时长。
34.根据权利要求30所述的系统,其特征在于,所述该候选区域内车辆服务门店数据包括以下中的至少一种:
该候选区域覆盖的车辆服务门店数、该候选区域内不同车辆服务商的制衡度以及该候选区域内车辆服务门店的饱和度。
35.一种车辆服务资源配置系统,其特征在于,所述系统包括第三门店数据获取模块、第三计算模块、第二确定模块以及第二配置模块;
所述第三门店数据获取模块用于获取目标地理区域内的车辆服务门店数据,所述门店数据至少包括位置信息;
所述第三计算模块用于基于权利要求1~10任一项所述的方法获取各门店的订单量水平;
所述第二确定模块用于基于目标地理区域内的门店数、各门店的订单量水平以及目标地理区域的市场容量确定新增的车辆服务资源数量N,N为整数;
所述第二配置模块用于基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布。
36.根据权利要求35所述的系统,其特征在于,为基于各车辆服务门店的订单量水平及位置信息,确定新增的车辆服务资源的位置分布,所述第二配置模块用于:
从各车辆服务门店中选择N个门店,获得多种选择结果;
对于每种选择结果,基于选出的N个门店的订单量水平计算总收益;
基于所述多种选择结果中,总收益最大的选择结果中的N个门店的位置确定所述新增的N个车辆服务资源的位置。
37.根据权利要求36所述的系统,其特征在于,所述新增的N个车辆服务资源的位置与其对应的车辆服务门店的位置的间距不小于第六距离阈值。
38.根据权利要求36所述的系统,其特征在于,所述车辆服务的类型包括维保服务。
39.一种车辆服务订单在线估测系统,包括处理器以及存储介质,其中,存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令以实现如权利要求1~10任一项所述的一种车辆服务订单在线估测方法。
40.一种计算机可读存储介质,所述存储介质存储计算机指令,当存储介质中的计算机指令被处理器执行后,实现如权利要求1~10任一项所述的一种车辆服务订单在线估测方法。
41.一种车辆服务资源配置系统,包括处理器以及存储介质,其中,存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令以实现如权利要求11~15任一项所述的一种车辆服务资源配置方法。
42.一种计算机可读存储介质,所述存储介质存储计算机指令,当存储介质中的计算机指令被处理器执行后,实现如权利要求11~15任一项所述的一种车辆服务资源配置方法。
43.一种车辆服务资源配置系统,包括处理器以及存储介质,其中,存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令以实现如权利要求15~19任一项所述的一种车辆服务资源配置方法。
44.一种计算机可读存储介质,所述存储介质存储计算机指令,当存储介质中的计算机指令被处理器执行后,实现如权利要求15~19任一项所述的一种车辆服务资源配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092239.1A CN111861086B (zh) | 2020-02-14 | 2020-02-14 | 一种资源配置方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092239.1A CN111861086B (zh) | 2020-02-14 | 2020-02-14 | 一种资源配置方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861086A CN111861086A (zh) | 2020-10-30 |
CN111861086B true CN111861086B (zh) | 2024-05-28 |
Family
ID=72984876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010092239.1A Active CN111861086B (zh) | 2020-02-14 | 2020-02-14 | 一种资源配置方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861086B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210107519A1 (en) * | 2020-12-22 | 2021-04-15 | Bernd Gassmann | Reconfiguration of a vehicle based on monitored user behavior |
CN113986727B (zh) * | 2021-10-27 | 2024-04-23 | 中国核动力研究设计院 | 基于热力图的函数覆盖率检测方法、系统、终端及介质 |
CN114513767B (zh) * | 2022-04-19 | 2022-06-24 | 交通运输部公路科学研究所 | 一种车载短距离通信的资源配置方法及装置 |
CN117876027A (zh) * | 2024-03-13 | 2024-04-12 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176264A (zh) * | 2011-01-30 | 2011-09-07 | 北京东方车云信息技术有限公司 | 一种实现汽车租赁业务的方法及系统 |
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 |
CN106651213A (zh) * | 2017-01-03 | 2017-05-10 | 百度在线网络技术(北京)有限公司 | 服务订单的处理方法及装置 |
CN107274084A (zh) * | 2017-06-08 | 2017-10-20 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱的订单智能调度方法、系统及终端 |
CN208580421U (zh) * | 2017-12-19 | 2019-03-05 | 浙江智玲机器人科技有限公司 | 一种仓储拣货搬运系统 |
CN109657827A (zh) * | 2018-12-19 | 2019-04-19 | 口碑(上海)信息技术有限公司 | 基于资源状态的服务预约方法及装置 |
JP6561261B1 (ja) * | 2018-09-21 | 2019-08-21 | Global Mobility Service株式会社 | 遠隔燃料監視システム、車載器、車両ないし機械、サーバ、遠隔燃料監視方法、遠隔燃料監視プログラム及び記憶媒体 |
WO2019206134A1 (en) * | 2018-04-23 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for order allocation |
CN110555622A (zh) * | 2019-08-26 | 2019-12-10 | 上海蔚来汽车有限公司 | 加电服务能力或资源的评估或管理方法、系统和存储介质 |
CN110738523A (zh) * | 2019-10-15 | 2020-01-31 | 北京经纬恒润科技有限公司 | 一种维修订单量预测方法及装置 |
-
2020
- 2020-02-14 CN CN202010092239.1A patent/CN111861086B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102176264A (zh) * | 2011-01-30 | 2011-09-07 | 北京东方车云信息技术有限公司 | 一种实现汽车租赁业务的方法及系统 |
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 |
CN106651213A (zh) * | 2017-01-03 | 2017-05-10 | 百度在线网络技术(北京)有限公司 | 服务订单的处理方法及装置 |
CN107274084A (zh) * | 2017-06-08 | 2017-10-20 | 北京惠赢天下网络技术有限公司 | 一种基于标准箱的订单智能调度方法、系统及终端 |
CN208580421U (zh) * | 2017-12-19 | 2019-03-05 | 浙江智玲机器人科技有限公司 | 一种仓储拣货搬运系统 |
WO2019206134A1 (en) * | 2018-04-23 | 2019-10-31 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for order allocation |
JP6561261B1 (ja) * | 2018-09-21 | 2019-08-21 | Global Mobility Service株式会社 | 遠隔燃料監視システム、車載器、車両ないし機械、サーバ、遠隔燃料監視方法、遠隔燃料監視プログラム及び記憶媒体 |
CN109657827A (zh) * | 2018-12-19 | 2019-04-19 | 口碑(上海)信息技术有限公司 | 基于资源状态的服务预约方法及装置 |
CN110555622A (zh) * | 2019-08-26 | 2019-12-10 | 上海蔚来汽车有限公司 | 加电服务能力或资源的评估或管理方法、系统和存储介质 |
CN110738523A (zh) * | 2019-10-15 | 2020-01-31 | 北京经纬恒润科技有限公司 | 一种维修订单量预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于循环取货的汽车零部件入厂物流能力构成及评价;肖咸运;;机械(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111861086A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111861086B (zh) | 一种资源配置方法和系统 | |
Falchetta et al. | Electric vehicle charging network in Europe: An accessibility and deployment trends analysis | |
Ko et al. | Locating refuelling stations for alternative fuel vehicles: a review on models and applications | |
Huang et al. | Solving the station-based one-way carsharing network planning problem with relocations and non-linear demand | |
Ayyildiz et al. | Reducing fuel consumption and carbon emissions through eco-drive training | |
Dandl et al. | Comparing future autonomous electric taxis with an existing free-floating carsharing system | |
Gnann et al. | Modelling market diffusion of electric vehicles with real world driving data–German market and policy options | |
Long et al. | Evaluating the effectiveness of urban growth boundaries using human mobility and activity records | |
Fotouhi et al. | Electric vehicle energy consumption estimation for a fleet management system | |
Yao et al. | Service operations of electric vehicle carsharing systems from the perspectives of supply and demand: A literature review | |
Markov et al. | Simulation-based design and analysis of on-demand mobility services | |
Carpenter et al. | The return on investment for taxi companies transitioning to electric vehicles: A case study in San Francisco | |
CN113935505A (zh) | 基于列生成和蚁群算法融合的共享电动汽车运营优化方法 | |
Kickhöfer et al. | Mind the price gap: How optimal emission pricing relates to the EU CO2 reduction targets | |
Li et al. | Factors affecting bike-sharing behaviour in Beijing: price, traffic congestion, and supply chain | |
Shrestha et al. | Measures to resolve range anxiety in electric vehicle users | |
Sellmair et al. | Analysis of the effect of charging infrastructure design on electric taxi driving profiles: A case study approach on the example of Singapore | |
de Stasio et al. | On-line tool for the assessment of sustainable urban transport policies | |
Richter et al. | Exploring the financial implications of operating a shared autonomous electric vehicle fleet in Zurich | |
Zhang et al. | Vehicle assignment considering battery endurance for electric vehicle carsharing systems | |
Van et al. | Enhancing electric vehicle market diffusion modeling: A German case study on environmental policy integration | |
Dragomanovits et al. | Developing a Policy Support Tool for Connected and Automated Transport Systems | |
Österle et al. | Benefits and costs of shared, modular automated vehicles for freight and passenger transport: the case of U-Shift | |
Shen et al. | Strategic Charging Infrastructure Deployment for Electric Vehicles | |
Antonialli et al. | Economic Assessment of Services with Intelligent Autonomous Vehicles: EASI-AV |
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 |