CN112150045A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112150045A CN112150045A CN202011221704.3A CN202011221704A CN112150045A CN 112150045 A CN112150045 A CN 112150045A CN 202011221704 A CN202011221704 A CN 202011221704A CN 112150045 A CN112150045 A CN 112150045A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- demand
- supply
- preset position
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 title claims abstract description 22
- 238000010276 construction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification 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
- G06Q10/06—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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种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。其中，所述方法包括将城市道路划分为多个预定位置范围；获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。本发明所提供的方法及监测系统可准确基于车辆位置统计，从而获得对应预设位置范围内车辆供需关系，从而可为人工智能挪车、排班等进行提前安排和预测，以提高车辆利用率，达到车辆运营收益的最大化。
Description
【技术领域】
本发明涉及城市车辆供需关系判断，其特别涉及一种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。
【背景技术】
随着城市交通的迅速发展，人们的出行需求越来越大。共享车辆的广泛使用，给人们日常出行提供了新的方式，也带来了极大的便利。但是由于人流走向、人员分布差异以及用户使用习惯的不同，容易造成共享车辆局部供大于求，或者出现供不应求的问题。
为了解决这些问题，并进一步提高车辆运营的效率，以使共享车辆利用率达到最高，现有的解决方案是通过城市不同区域在不同时间段的车辆调度解决这些问题。但是现有的车辆调度以及供需关系计算往往需要对整体用户行为结合商圈、天气的因素进行综合分析，其运算量极大且准确度不高，无法实现不同时间的精准调度，因此，亟待提供一种新型的判断城市车辆供需关系的方法及其监测系统。
【发明内容】
为克服目前车辆供需判断运算量大且准确度低的问题，本发明提供一种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。
本发明为了解决上述技术问题，提供如下的技术方案：一种基于车辆位置统计判断城市车辆供需关系的方法，其包括如下步骤：步骤S1，将城市道路划分为多个预定位置范围；步骤S2，获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；步骤S3，将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及步骤S4，基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。
优选地，所述预定位置范围内有效订单量包括获取车辆订单启动时的位置在该预定位置范围内。
优选地，步骤S1将城市道路划分为多个预定位置范围，可进一步包括：统计共享车辆或订单在多个道路的重复次数；并基于多个道路的统计重复次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网。
优选地，在完成共享车辆城市路网的建设后，还包括如下步骤：获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。
优选地，在上述步骤S3中，将对应预定位置范围内历史有效订单量作为道路需求量包括如下步骤：以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量。
优选地，在上述步骤S3中，将对应预定位置范围内历史停放车辆量作为道路供给量包括如下步骤：以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。
本发明为了解决上述技术问题，还提供如下的技术方案：一种基于车辆位置统计判断城市车辆供需关系的监测系统，其包括：范围划分模块，用于将城市道路划分为多个预定位置范围；车辆及订单获取模块，用于获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；道路需求与供给量获取模块，用于将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及车辆供需关系判断模块，用于基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。
优选地，所述道路需求与供给量获取模块进一步包括：道路需求量获取单元，用于以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；进一步地，通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量；及道路供给量获取单元，用于以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；进一步地，通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。
优选地，所述范围划分模块可包括：城市路网建设单元，用于基于多个道路的统计次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网；及预定位置范围获取单元，用于获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。
优选地，所述范围划分模块可进一步包括：基于坐标点的道路统计单元以及基于订单运行轨迹的道路统计单元，其均用于统计共享车辆或订单在多个道路的重复次数。
与现有技术相比，本发明所提供的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具有如下的有益效果：
本发明所提供的一种基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：其包括如下步骤：步骤S1，将城市道路划分为多个预定位置范围；步骤S2，获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；步骤S3，将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及步骤S4，基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。基于车辆停放状态以及订单产生量，并结合用户运行轨迹等，可准确基于车辆位置统计，从而获得对应预设位置范围内车辆供需关系，从而可为人工智能挪车、排班等提高参考数据，以便于工作人员可以提前安排和预测，以提高车辆利用率，达到车辆运营收益的最大化。
进一步地，所述预定位置范围内有效订单量包括获取车辆订单启动时的位置在该预定位置范围内。也即，有效订单的产生是基于车辆被正常使用，而非正常使用状态下的车辆移动而造成的GPS变化数据将不在统计和运算的范围之内。
对应的在本发明中步骤S1将城市道路划分为多个预定位置范围，可进一步包括：统计共享车辆或订单在多个道路的重复次数；并基于多个道路的统计重复次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网。基于准确的城市路网建设，可提高进行预定位置范围时，其划分的标准也与实际车辆骑行习惯以及车辆运行轨迹相匹配，从而可避免部分只适于人行或机动车行驶的道路也在统计范围之内，造成统计的准确度降低的问题。
在本发明中，在完成共享车辆城市路网的建设后，还包括如下步骤：获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。基于一定范围阈值进行拓展，则可获得适于共享车辆运行的道路范围，从而可提高预定位置范围划分的准确度。
在本发明中，可以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量。以及以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。从而可获得同时间段内与车辆停放以及车辆订单匹配度更高的道路需求量以及道路供给量，从而可提供更准确地对应预定位置范围的车辆需求，以满足在减少运算量的前提下，还可实现针对特定时间段车辆供需的准确判断，从而便于人工提前对车辆需求进行调节。
本发明还提供一种基于车辆位置统计判断城市车辆供需关系的监测系统，其包括：范围划分模块，用于将城市道路划分为多个预定位置范围；车辆及订单获取模块，用于获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；道路需求与供给量获取模块，用于将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及车辆供需关系判断模块，用于基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。基于车辆停放状态以及订单产生量，并结合用户运行轨迹等，可准确基于车辆位置统计，从而获得对应预设位置范围内车辆供需关系，从而可为人工智能挪车、排班等进行提前安排和预测，以提高车辆利用率，达到车辆运营收益的最大化。
进一步地，所述道路需求与供给量获取模块进一步包括：道路需求量获取单元，用于以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；进一步地，通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量；及道路供给量获取单元，用于以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；进一步地，通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。基于上述的道路需求量获取单元以及道路供给量获取单元可获得同时间段内与车辆停放以及车辆订单匹配度更高的道路需求量以及道路供给量，从而可提供更准确的对应预定位置范围的车辆需求，以满足在减少运算量的前提下，还可实现针对特定时间段车辆供需的准确判断，从而便于人工提前对车辆需求进行调节。
进一步地，在本发明中，所述范围划分模块可包括：城市路网建设单元，用于基于多个道路的统计次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网；及预定位置范围获取单元，用于获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。在本发明中，所述范围划分模块可进一步包括：基于坐标点的道路统计单元以及基于订单运行轨迹的道路统计单元，其均用于统计共享车辆或订单在多个道路的重复次数。基于准确的预定位置范围的划分，可提高进行预定位置范围时，其划分的标准也与实际车辆骑行习惯以及车辆运行轨迹相匹配，从而可避免部分只适于人行或机动车行驶的道路也在统计范围之内，造成统计的准确度降低的问题。
【附图说明】
图1是本发明第一实施例所提供的基于车辆位置统计判断城市车辆供需关系的方法的步骤流程示意图；
图2是基于车辆位置统计判断城市车辆供需关系的方法中对城市道路划分示意图；
图3是图1中所示步骤S1的步骤流程示意图；
图4是城市路网中某一路段向两侧拓展设定距离的示意图。
图5是图3中所示步骤S13的进一步的步骤流程示意图。
图6是本发明第二实施例所提供的基于车辆位置统计判断城市车辆供需关系的监测系统的功能模块示意图。
图7是图8中所示道路需求与供给量获取模块的功能模块示意图。
图8是图7中所示范围划分模块的功能模块示意图。
附图标注说明：
20、基于车辆位置统计判断城市车辆供需关系的监测系统；21、范围划分模块；22、车辆及订单获取模块；23、道路需求与供给量获取模块；24、车辆供需关系判断模块；231、道路需求量获取单元；232、道路供给量获取单元；211、基于坐标点的道路统计单元；212、基于订单运行轨迹的道路统计单元；213、城市路网建设单元；214、预定位置范围获取单元。
【具体实施方式】
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明的第一实施例提供一种基于车辆位置统计判断城市车辆供需关系的方法S10，其包括如下步骤：
步骤S1，将城市道路划分为多个预定位置范围；
步骤S2，获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；
步骤S3，将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及
步骤S4，基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。
在上述步骤S1中，可以将城市道路划分为多个预定位置范围，可理解为将城市道路按照常规划分方式划分为多个道路，每个道路均可设定一定距离作为范围阈值，也即，预定位置范围可认为是具有一定范围阈值的道路。
在上述步骤S1中，将城市分成多个道路的方法包括：
首先，获取系统中该城市的运营区域的范围，进而通过地图api去获取道路，获取道路的原则是在运营区外随机获取两个坐标点，这两点间的距离要小于一定的阈值。在地图api返回的道路包括两个坐标点之间不等长的道路以及该道路所占的权重。
当车辆位于或订单位置位于两个道路区间时，其原则是将该时刻的车辆或订单仅属于一条道路，计算最终的距离完全相等时，会随机选取一条道路。
如图2中所示，假设将城市道路按照划分规则划分为多个道路，其中，线段表示为道路，而点状则表示为停放车辆或车辆订单启动时的位置。进一步地，为以道路中心向两侧分别拓展2-6米的两侧人行道路区域和/或车辆停放区域，而这部分停放在道路两侧的人行道路区域、车辆停放区域等是用户使用共享车辆的常规区域。
在其他的实施方式中，也可基于城市平面地图，将城市行政区域范围划分为多个预设位置范围区域，划分的方式可以矩阵划分方式获得。
在上述步骤S2中，车辆会定时发送GPS信号，以告知云服务器对应车辆的实时位置，基于此，可通过统计预定位置范围内的停放车辆、启动使用车辆对应时间段的GPS信号，从而可获得获取多个预定位置范围内对应停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间。
具体地，在一些具体例子中，可以小时为单位，以获得在某一小时时间段内，在预定位置范围内可获得非运行状态的车辆GPS车辆数量，即为在预定位置范围内获得的停放车辆量。结合其获取的时间，即可理解为获取某一预定位置范围内对应停放车辆量及其停放时间。
进一步地，在多个预定位置范围内有效订单量是指获取车辆订单启动时的位置是否在某一预定位置范围内，如果在，则认为该车辆订单属于有效订单。车辆订单启动可理解为用户通过二维码扫码并开锁共享车辆或通过其他方式开启共享车辆。通过统计每个预定位置范围内某一时间段所获取车辆订单启动数量，即可获得在预定位置范围内某一时间段的有效订单量。
在上述步骤S3中，将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量。具体可包括如下步骤；
道路需求量获取方式：以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；进一步地，通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量；可以理解，这里所指的天数可为7天、14天、30天等；
道路供给量获取方式：以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；进一步地，通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量；
可以理解，在获取道路需求量和道路供给量也可以采用其他的方式获得，上述举例仅作为说明，不作为本发明的限定。
进一步地，为了获得更准确的道路需求量以及道路供给量，以满足城市车辆需求的真实需求，则其中，道路需求量是基于历史数据获得，而道路供给量则可基于每小时产生，也可基于历史数据进行预测。
在上述步骤S4中，基于道路需求量与道路供给量的差值判断城市车辆供需关系，如果差值大于零，则需求量大于供给量，在该时间段应该提高该道路车辆供给，
请参阅图3，在本发明的另外具体实施方式中，可通过提高城市道路划分精准度，进一步提高城市车辆需求判断的准确度。步骤S1城市道路划分为多个预定位置范围，可具体包括：
进行共享车辆城市路网的建设，划分出适合于共享车辆运行的预设位置范围。
首先，统计共享车辆或订单在多个道路的重复次数；其具体步骤如下：
步骤S11a，可通过随机选取城市范围内且位于运营区外的坐标点，统计所有重复经过该路段的坐标点的次数。进一步地可以基于重复路段次数的确定该路段的权重，重复路段次数越大，则该路段的权重越大。运营区指的是共享车辆停放区域之外的区域，因此所指示的城市范围内且位于运营区外的坐标点可以理解为，在城市范围可供共享车辆正常运行的范围，如城市道路两侧等。其中，坐标点的选取是随机的，在大于一定的次数时，对最终的结果是没有影响。
或步骤S11b，通过目前共享车辆的订单运行轨迹数据，获取共享车辆订单重复经过同一道路的统计次数；
基于大数据共享车辆的订单分析，即可获得在城市路网中共享车辆订单行走轨迹的重复路段的次数；
例如可按照订单计算，即每个订单所经过的城市道路，则该城市道路的统计次数均增加1。假设订单A、订单B经过多个道路，具体地，订单A经过道路1、道路2、道路3以及道路4，而订单B经过道路2、道路3及道路5，则基于对这两个订单的分析，则针对订单A和订单B中，进行道路统计结果如下：道路1：统计次数为1；道路2：统计次数为2；道路3：统计次数为2；道路4：统计次数为1；道路5：统计次数为1。依次类推，为了获取更准确地数据，可通过获取同一时间段共享车辆的订单行进轨迹分析以在该时间段的重复路段的次数。
在步骤S11a或步骤11b之后可包括如下步骤：
步骤S12，基于多个道路的统计次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网。例如，可基于将以上步骤S11a与步骤S11b多获得的对应道路的统计次数各占50％的权重来计算对应道路的权重。
在步骤S12之后，还可进一步包括：
步骤S13，获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。车辆可在预定位置范围内运行。其中，所述每个对应道路以设定距离作为范围阈值进行拓展可参考如图4中所示，以线段P为选定城市路网的道路，设定距离为T，则基于线段P向两侧分别拓展T的距离，以获得更准确地预定位置范围。
在上述步骤中，重复路段或共享车辆运行的道路可与城市道路可能重合或者部分重合。基于不同的权重值，可在结合城市真实道路的前提下，对重复路段进行修正，从而可获得更准确的共享车辆的城市路网。
可以理解，在构建好路网的基础之上计算的供需平衡，而不是不同的路网计算不同的供需关系，因此，对于可提高对城市车辆需求判断的准确度。
进一步地，由于城市车辆订单体量大，如果逐一进行据结构将城市路网进行存储，如图5中所示，具体处理方式如下：
步骤S131，获取每个道路至少四个方位的经纬度值，即相当于一个矩形框；四个方位可理解为上、下、左、右方位；及
步骤S132，基于坐标点的位置经纬度，并结合车辆或者订单经纬度选出局部的路径，然后使用车辆或者订单位置去计算获得对应道路的范围阈值。
此处所列举的重复路段可为等长或不等长的道路，其与真实城市道路结构有关，比如在某些城市道路中斜率存在变化时，会取出道路的开始或结束两点，构成一个道路。
为了更好地基于车辆位置统计判断城市车辆供需关系，请参阅图6，本发明的第二实施例还提供一种基于车辆位置统计判断城市车辆供需关系的监测系统20，其具体包括：
范围划分模块21，用于将城市道路划分为多个预定位置范围；
车辆及订单获取模块22，用于获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；
道路需求与供给量获取模块23，用于将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及
车辆供需关系判断模块24，基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。
可以理解，将城市道路划分为多个预定位置范围，可理解为将城市道路按照常规划分方式划分为多个道路，每个道路均可设定一定距离作为范围阈值，也即，预定位置范围可认为是具有一定范围阈值的道路。
车辆会定时发送GPS信号，以告知服务器车辆的实时位置，基于此，可通过统计预定位置范围内的停放车辆、启动使用车辆对应时间段的GPS信号，从而可获得获取多个预定位置范围内对应停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间。
进一步地，在多个预定位置范围内有效订单量是指获取车辆订单启动时的位置是否在某一预定位置范围内，如果在，则认为该车辆订单属于有效订单，通过统计每个预定位置范围内某一时间段所获取车辆订单启动数量，即可获得在预定位置范围内某一时间段的有效订单量。
如图7中所示，所述道路需求与供给量获取模块23进一步包括：
道路需求量获取单元231，用于以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；进一步地，通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量，可以理解，这里所指的天数可为7天、14天、30天等；及
道路供给量获取单元232，用于以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；进一步地，通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。
可以理解，在获取道路需求量和道路供给量也可以采用其他的方式获得，上述举例仅作为说明，不作为本发明的限定。
为了提高所述基于车辆位置统计判断城市车辆供需关系的监测系统20用于判断城市车辆供需的准确度，如图8中所示，所述范围划分模块21则可进一步包括：
基于坐标点的道路统计单元211，用于通过随机选取城市范围内且位于运营区外的坐标点，统计对应道路的重复次数。
基于订单运行轨迹的道路统计单元212，用于通过目前共享车辆的订单运行轨迹数据，获取共享车辆订单重复经过同一道路的统计次数。
城市路网建设单元213，用于基于多个道路的统计次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网。及
预定位置范围获取单元214，用于获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。
在上述基于坐标点的道路统计单元211及于订单运行轨迹的道路统计单元212中，可以基于重复路段的次数确定该路段的权重，其中，重复路段次数越大，则该路段的权重越大。
上述实施例的方法步骤或者程序模块等中全部或者部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括如软盘、光盘、DVD、硬盘、闪存、U盘、CF卡、SD卡、MMC卡、SM卡、记忆棒(MemoryStick)、xD卡等。
与现有技术相比，本发明所提供的一种基于位置信息与视频验证结合的监测方法及其系统具有如下的有益效果：
本发明所提供的一种基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：其包括如下步骤：步骤S1，将城市道路划分为多个预定位置范围；步骤S2，获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；步骤S3，将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及步骤S4，基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。基于车辆停放状态以及订单产生量，并结合用户运行轨迹等，可准确基于车辆位置统计，从而获得对应预设位置范围内车辆供需关系，从而可为人工智能挪车、排班等进行提前安排和预测，以提高车辆利用率，达到车辆运营收益的最大化。
进一步地，所述预定位置范围内有效订单量包括获取车辆订单启动时的位置在该预定位置范围内。也即，有效订单的产生是基于车辆被正常使用，而非正常使用状态下的车辆移动而造成的GPS变化数据将不在统计和运算的范围之内。
本发明还提供一种基于车辆位置统计判断城市车辆供需关系的监测系统，其包括：范围划分模块，用于将城市道路划分为多个预定位置范围；车辆及订单获取模块，用于获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；道路需求与供给量获取模块，用于将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及车辆供需关系判断模块，用于基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。基于车辆停放状态以及订单产生量，并结合用户运行轨迹等，可准确基于车辆位置统计，从而获得对应预设位置范围内车辆供需关系，从而可为人工智能挪车、排班等进行提前安排和预测，以提高车辆利用率，达到车辆运营收益的最大化。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内所做的任何修改，等同替换和改进等均应包含本发明的保护范围之内。
Claims (10)
1.一种基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：其包括如下步骤：
步骤S1，将城市道路划分为多个预定位置范围；
步骤S2，获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；
步骤S3，将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及
步骤S4，基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。
2.如权利要求1中所述基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：所述预定位置范围内有效订单量包括获取车辆订单启动时的位置在该预定位置范围内。
3.如权利要求1中所述基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：步骤S1将城市道路划分为多个预定位置范围，可进一步包括：统计共享车辆或订单在多个道路的重复次数；并基于多个道路的统计重复次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网。
4.如权利要求3中所述基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：在完成共享车辆城市路网的建设后，还包括如下步骤：
获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。
5.如权利要求1中所述基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：在上述步骤S3中，将对应预定位置范围内历史有效订单量作为道路需求量包括如下步骤：以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量。
6.如权利要求1中所述基于车辆位置统计判断城市车辆供需关系的方法，其特征在于：在上述步骤S3中，将对应预定位置范围内历史停放车辆量作为道路供给量包括如下步骤：以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。
7.一种基于车辆位置统计判断城市车辆供需关系的监测系统，其特征在于：所述基于车辆位置统计判断城市车辆供需关系的监测系统包括：范围划分模块，用于将城市道路划分为多个预定位置范围；车辆及订单获取模块，用于获取多个预定位置范围内停放车辆量及停放时间，以及多个预定位置范围内有效订单量及订单产生时间；
道路需求与供给量获取模块，用于将对应预定位置范围内历史有效订单量作为道路需求量；将对应预定位置范围内历史停放车辆量作为道路供给量；及车辆供需关系判断模块，用于基于对应预定位置范围的道路需求量与道路供给量的差值判断对应预定位置范围内的车辆供需关系。
8.如权利要求7中所述基于车辆位置统计判断城市车辆供需关系的监测系统，其特征在于：所述道路需求与供给量获取模块进一步包括：
道路需求量获取单元，用于以小时为单位，计算每个预定位置范围对应天数历史同时段订单量的平均值作为小时道路需求数；进一步地，通过计算不同天同时段的订单量的平均数，并通过求和的方式计算城市区域同时间段所有预定位置范围的道路需求量；及
道路供给量获取单元，用于以小时为单位，计算每个预定位置范围内每小时的停放车辆数，作为该预定位置范围内的小时道路供给数；进一步地，通过计算不同天同时段的停放车辆数的平均数，并通过求和的方式计算城市区域同时间内所有预定位置范围的道路供给量。
9.如权利要求7中所述基于车辆位置统计判断城市车辆供需关系的监测系统，其特征在于：所述范围划分模块可包括：
城市路网建设单元，用于基于多个道路的统计次数，来计算对应道路的权重，从而可建设获得与共享车辆运行相匹配的城市路网；及
预定位置范围获取单元，用于获取城市路网后将对应每个道路以设定距离作为范围阈值进行拓展，以获得所需多个预定位置范围。
10.如权利要求9中所述基于车辆位置统计判断城市车辆供需关系的监测系统，其特征在于：所述范围划分模块可进一步包括：基于坐标点的道路统计单元以及基于订单运行轨迹的道路统计单元，其均用于统计共享车辆或订单在多个道路的重复次数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011221704.3A CN112150045B (zh) | 2020-11-05 | 2020-11-05 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011221704.3A CN112150045B (zh) | 2020-11-05 | 2020-11-05 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112150045A true CN112150045A (zh) | 2020-12-29 |
| CN112150045B CN112150045B (zh) | 2023-12-01 |
Family
ID=73953918
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011221704.3A Active CN112150045B (zh) | 2020-11-05 | 2020-11-05 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112150045B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114446075A (zh) * | 2022-04-07 | 2022-05-06 | 北京阿帕科蓝科技有限公司 | 一种召回车辆的方法 |
| CN114973674A (zh) * | 2022-05-24 | 2022-08-30 | 阿里云计算有限公司 | 交通拥堵的治理方法、装置、设备和存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105809755A (zh) * | 2016-03-14 | 2016-07-27 | 南京三宝科技股份有限公司 | 一种基于rfid电子车牌及路时加权的城市道路拥堵费计费方法 |
| AU2015352509A1 (en) * | 2014-11-26 | 2017-05-18 | Bridgestone Mobility Solutions B.V. | Apparatus and method for vehicle economy improvement |
| CN108776727A (zh) * | 2018-05-29 | 2018-11-09 | 福州大学 | 一种基于出租车轨迹数据的道路几何特征提取方法 |
| CN109492894A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 监控车辆投放的方法、装置及服务器 |
| CN110796496A (zh) * | 2019-10-31 | 2020-02-14 | 上海钧正网络科技有限公司 | 激励区域的设置方法、装置、计算机设备和存储介质 |
| CN110807919A (zh) * | 2019-10-22 | 2020-02-18 | 浙江大学 | 基于过车数据的城市路网交通运行态势评价方法 |
| CN111062629A (zh) * | 2019-12-20 | 2020-04-24 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
| CN111177207A (zh) * | 2019-09-10 | 2020-05-19 | 上海钧正网络科技有限公司 | 车辆分布监控方法、装置、运维端及可读存储介质 |
| CN111861080A (zh) * | 2019-10-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息处理的方法、装置、电子设备及存储介质 |
| CN111862579A (zh) * | 2020-06-10 | 2020-10-30 | 深圳大学 | 一种基于深度强化学习的出租车调度方法及系统 |
-
2020
- 2020-11-05 CN CN202011221704.3A patent/CN112150045B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2015352509A1 (en) * | 2014-11-26 | 2017-05-18 | Bridgestone Mobility Solutions B.V. | Apparatus and method for vehicle economy improvement |
| CN105809755A (zh) * | 2016-03-14 | 2016-07-27 | 南京三宝科技股份有限公司 | 一种基于rfid电子车牌及路时加权的城市道路拥堵费计费方法 |
| CN108776727A (zh) * | 2018-05-29 | 2018-11-09 | 福州大学 | 一种基于出租车轨迹数据的道路几何特征提取方法 |
| CN109492894A (zh) * | 2018-10-31 | 2019-03-19 | 北京摩拜科技有限公司 | 监控车辆投放的方法、装置及服务器 |
| CN111177207A (zh) * | 2019-09-10 | 2020-05-19 | 上海钧正网络科技有限公司 | 车辆分布监控方法、装置、运维端及可读存储介质 |
| CN110807919A (zh) * | 2019-10-22 | 2020-02-18 | 浙江大学 | 基于过车数据的城市路网交通运行态势评价方法 |
| CN111861080A (zh) * | 2019-10-30 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种信息处理的方法、装置、电子设备及存储介质 |
| CN110796496A (zh) * | 2019-10-31 | 2020-02-14 | 上海钧正网络科技有限公司 | 激励区域的设置方法、装置、计算机设备和存储介质 |
| CN111062629A (zh) * | 2019-12-20 | 2020-04-24 | 上海钧正网络科技有限公司 | 车辆调度方法、装置、计算机设备和存储介质 |
| CN111862579A (zh) * | 2020-06-10 | 2020-10-30 | 深圳大学 | 一种基于深度强化学习的出租车调度方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 胡方霞;谷飞强;周念成;: "计及订单热力分布和充换电节点成本差异的电动网约车充换电路径最优规划方法", 电力自动化设备, no. 05 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114446075A (zh) * | 2022-04-07 | 2022-05-06 | 北京阿帕科蓝科技有限公司 | 一种召回车辆的方法 |
| CN114446075B (zh) * | 2022-04-07 | 2022-07-01 | 北京阿帕科蓝科技有限公司 | 一种召回车辆的方法 |
| CN114973674A (zh) * | 2022-05-24 | 2022-08-30 | 阿里云计算有限公司 | 交通拥堵的治理方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112150045B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110264709B (zh) | 基于图卷积网络的道路的交通流量的预测方法 | |
| Chen et al. | Dynamic cluster-based over-demand prediction in bike sharing systems | |
| CN108596202B (zh) | 基于移动终端gps定位数据计算个人通勤时间的方法 | |
| CN107610464A (zh) | 一种基于高斯混合时间序列模型的轨迹预测方法 | |
| CN102460534B (zh) | 基于历史和当前数据预测期望道路交通状况的计算机实现的方法和计算系统 | |
| CN110390349A (zh) | 基于XGBoost模型的公交车客流量预测建模方法 | |
| CN110134865B (zh) | 一种基于城市公共交通出行大数据的通勤乘客社交推荐方法及平台 | |
| CN112288131B (zh) | 公交站点优化方法、电子设备及计算机可读存储介质 | |
| CN110836675B (zh) | 一种基于决策树的自动驾驶搜索决策方法 | |
| CN112150045A (zh) | 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 | |
| US10489431B2 (en) | Digital location-based data methods and product | |
| CN106846891B (zh) | 一种基于序列分解的公共停车场泊位多步预测方法 | |
| CN114692962A (zh) | 一种基于大数据的充电基础设施满足度评估方法和系统 | |
| CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
| Mrazovic et al. | Understanding and predicting trends in urban freight transport | |
| Kim et al. | Data-driven parking decisions: Proposal of parking availability prediction model | |
| Nair et al. | Mapping bus and stream travel time using machine learning approaches | |
| CN115759660A (zh) | 一种无人驾驶车辆的调度方法、装置、设备和介质 | |
| Widhalm et al. | Robust road link speed estimates for sparse or missing probe vehicle data | |
| CN113947245A (zh) | 一种基于订单累积量的多乘客多司机共乘匹配方法及系统 | |
| CN113850310A (zh) | 基于地块细分和区域最大覆盖的共享单车电子围栏规划方法 | |
| CN109146113B (zh) | 乘车需求量预测方法及系统 | |
| CN112382087A (zh) | 交通堵塞预测方法 | |
| CN111667202A (zh) | 一种电动汽车充电站的选址方法及装置 | |
| Ara et al. | Predicting Ride Hailing Service Demand Using Autoencoder and Convolutional Neural Network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |