CN112182081A - 通勤客运车辆绩效分析方法和系统 - Google Patents

Abstract

本发明公开了一种通勤客运车辆绩效分析方法和系统，基于本发明将不同数据结构和/或更新周期的数据分别存在如不同的数据库，一方面方便数据的管理，另一方面，不因个别更新周期短的数据更新导致而频繁的调用并更新一个相对较大的数据表，对资源的占用相对较少。同时，对于不同数据进行分类管理，更容易实现精细化的操作。

Description

通勤客运车辆绩效分析方法和系统

技术领域

本发明涉及一种通勤客运车辆绩效分析方法，本发明还涉及一种通勤客运车辆绩效分析系统。

背景技术

通勤客运车辆配置的目的是用车单位人员的上下班接送，其日常主要任务是上班时按照计划线路在预设站点接载人员到指定站点，下班时从指定站点集中接载人员沿计划线路到指定站点，每日执行，属于日常任务，除此以外还存在不定期的临时任务。执行日常任务与临时任务均产生收入。在执行任务时存在油耗、过路费等可变成本，另外还存在车辆保险、车辆年检费等固定成本。

由于通勤客运车辆运营所涉及的因素多，且各因素的发生和变动规律不同，如果需要进行精细化的绩效分析，则需进行全面完整的成本、收入跟踪和车辆运行数据采集，才能达到按照最小时间单位为天的时间跨度下以单个车辆进行统计查询的目标。

现有的车辆运行效益分析缺少针对通勤客运班车的分析方法，如针对出租车的运营情况评估方法的中国专利文献CN106529754A，其有赖于大数据，而大数据源自出租车GPS轨迹数据，对出租车GPS定位记录与路段编号进行关联，生成包含定位时间、定位路段、车辆可用状态在内的出租车空间分布信息表；然后进行评估，生成二次数据，再计算可用车辆数和出租车上车车次，生成三次数据，这些数据统一存储在指定的数据库，数据管理相对低效。此外，由于其分析有赖于对局部数据的分析，不可避免的会导致绩效分析的方法不够精细，且分析指标比较单一，分析方法不够灵活。

中国专利文献CN110991974A公开了一种基于GPS的运输成本智能核算系统及方法，其基于聚类分析算法以距离指标为基础对花费数据进行分类，进而再采用其他算法核算出成本，然而，距离仅仅是一个非常片面的指标，在于在不同的运营环境下，运行相同距离所产生的运营成本可能相差很大，并且影响运输成本的不仅仅是运行里程，还会受到如前面所述及的例如保险、检修等各种因素的影响。

中国专利文献CN102663834A则公开了一种基于IC卡的公务车精细化管理方法，其实际是调用IC卡数据，核算公务乘车人员乘车时的运行里程，然后统计核算期间的油耗、车辆维修、车辆折旧等成本，据此确定相应运行里程内的运行成本。使用IC卡确定有效里程时，若同乘人员有多个持有IC卡的公务人员，刷卡会存在冲突，并且其核算方式取决于通过对单个公务人员的核算来确定成本，这种核算方式可能会存在一些冲突。并且乘用期间与油耗、车辆维修、车辆折旧等往往无法匹配，在于不同的参数更新时机可能相差比较大，比如运行里程，可能是实时更新的，而对于车辆维修，则取决于实际的维修行为而产生，在一些情况下是随机的。

发明内容

本发明的目的在于提供一种相对精细化的通勤客运车辆绩效分析方法，本发明还提供了一种通勤客运车辆绩效分析系统。

在本发明的实施例中，提供了一种通勤客运车辆绩效分析方法，将获得的具有不同数据结构和/或更新周期的数据分别存储入不同的数据库；存储于不同数据库的关联数据基于给定的车辆ID绑定；

调用绩效分析方法，读取所述数据进行绩效分析；

将绩效分析结果存储入给定的数据库；或

将绩效分析结果展示在人机交互界面，并存储入给定的数据库。

可选地，所述数据包括业务数据和定位数据；

其中，业务数据包含车辆基本信息、任务、成本和收入数据；

定位数据包含车辆当前位置、运动数据和状态数据。

可选地，车辆绩效分析方法包括维护车辆基本信息的步骤、维护车辆趟次信息的步骤和生成任务信息并保存的步骤、跟踪任务执行从而获取并保存过程数据的步骤、维护成本数据的步骤、维护临时收入数据的步骤，以及根据各维护步骤所产生数据生成绩效分析结果的步骤。

可选地，跟踪任务执行从而获取并保存过程数据的步骤为跟踪预定车辆的当前定位数据，并与相应的任务信息相匹配，若匹配度满足预定的阈值，则保存当前定位数据；

若匹配度满足预定的阈值，保存当前的定位数据，并保存匹配度数据，以备调用。

可选地，定位数据每15~30秒获取一次。

可选地，当前的定位数据在存储入数据库的同时，加入到内存定位数据队列；

调用任务数据以匹配内存定位数据队列。

可选地，根据匹配度，更新任务信息目标站点的相应任务信息。

可选地，通过给定权限的人机界面对存储在数据库内的数据的查询为条件查询。

可选地，给定车辆日常趟次任务之外的临时任务，数据库分配独立的临时任务表；

临时任务执行完毕后，更新相应车辆的业务数据。

在本发明的实施例中，还提供了一种通勤客运车辆绩效分析系统，包括：

存储单元，用于将获得的具有不同数据结构和/或更新周期的数据分别存储入不同的数据库；存储于不同数据库的关联数据基于给定的车辆ID绑定；

分析单元，调用绩效分析方法，读取所述数据进行绩效分析；进而将绩效分析结果存储入给定的数据库或将绩效分析结果展示在人机交互界面，并存储入给定的数据库。

在本发明的实施例中，将不同数据结构和/或更新周期的数据分别存在如不同的数据库，一方面方便数据的管理，另一方面，不因个别更新周期短的数据更新导致而频繁的调用并更新一个相对较大的数据表，对资源的占用相对较少。同时，对于不同数据进行分类管理，更容易实现精细化的操作。

附图说明

图1为一实施例中通勤客运车辆绩效分析数据处理功能框架图。

图2为一实施例中通勤客运车辆绩效分析数据处理流程图。

图3为一实施例中通勤客运车辆物联原理框图。

具体实施方式

在本发明的实施例中，首先根据绩效分析所需数据的属性不同进行分类管理，在调用这些数据进行处理时，可以根据其属性进行更加有效的分析。

当前通常客运车辆的车联网，或者说车辆物联网发展的已经比较成熟，在车辆互联的过程中，会产生大量的数据，由此又产生了云计算和进一步产生的大数据。这些数据通常被统一存储，管理、调用往往比较困难，且在一个数据表中，描述某个数据数据往往需要更多个字段，一个字段的更新，往往导致整个数据表的更新，资源占用多，且效率相对较低。且描述一个数据所采用的字段较多时，很难进行精细化的管理。相反的，如果一个数据被多个数据表进行管理，每个数据表包括相对少量的字段，管理相对容易。

参见说明书附图1，将绩效分析所需要的数据分成两大类，即业务数据和定位数据。图1为通勤客运车辆绩效分析数据处理功能框架图，其主要包括5部分，分别是：车辆基本信息（简称车辆信息）、任务、成本、收入数据获取；车辆定位数据的采集；用于存放定位数据和业务数据的相应数据库；调用相应数据进行绩效分析的算法；然后将分析结果进行展示的分析结果展示。

具体地，系统的输入包含两大类数据，通过车联网由各终端采集，如图3中所示的采集层，可以直接接入车辆ECU（Electronic Control Unit，电子控制单元），也可以设立独立的终端，以采样例如发动机的工作参数。

业务数据主要包含车辆信息、任务、成本、收入等数据，定位数据为车辆在行驶过程中产生的位置（经纬度、高程等数据，即定位数据）数据、运动（速度、方向等数据）数据、状态（油量、空调开关状态等数据）数据。

以上数据由于数据结构、更新频率等属性差异，例如位置数据，必然属于更新比较频繁的数据，或者说更新频率比较高的数据，而对于例如状态，则可能在较长的时间内才会更新，而对于例如车辆基本信息，基本上不会发生改变，而对于例如保险、维修等数据，更新频率也都很低，因此，将这些数据，根据不同的数据结构或者不同的更新频率分别存储，或者说参见说明书附图3，采集层通过网络传输到物联网的服务器，由服务器接收后进行分别存储，其中业务数据保存在业务数据库中，定位数据保存在定位数据库中，供进一步的处理。

关于数据更新，根据实际情况可以进行调整，例如定位数据，可以设定为每15s上传一次，也可以设定为更长或者更短的时间上传。因此，上述的不同的更新频率，在某些情况下，某两种不同的数据可以定义为在相同的更新周期内进行更新，例如状态与定位数据。

绩效分析在服务器端完成，有些分析可以自动完成，有些可以基于外部命令驱动的方式完成，例如连接服务器的人机终端，可以输入一些指令，响应这些指令，服务器端完成例如相关数据的调用，分析等。

绩效分析系统的绩效分析算法通过从数据库读取相关数据，再执行绩效分析算法对读取数据进行处理和计算，得到绩效分析结果，通过人机交互界面展示，并将所得到的结果保存到数据库，供后续查询。

分析结果展示通过提供人机交互界面，用户设置条件查询获取车辆绩效数据列表，方便进行车辆对比和车队汇总。

人机交互界面或者说终端，可以设置权限，赋予不同的终端不同的访问权限。

对车辆绩效分析的主要步骤如图2所示，基本内容为车辆基本信息维护、运行数据获取、绩效数据处理三大类，详细说明如下：

步骤1 维护车辆的基本信息：

车辆的基本信息即前述的车辆信息或者车辆基本信息，在业务数据库建立车辆基本信息表保存车辆基本信息，字段包含车辆编号、车牌号、所属车队、车辆类型、上牌日期、动力类型、排放标准、发动机号、车型、车架号、车牌颜色、营运类型、营运证号、行驶证号、行驶证有效期、车载终端编号、停车位置、状态等。

通过车辆信息管理页面向给定权限的用户提供信息新增、删除、修改、查询功能，维护车辆基本信息。在车辆开始运行时或信息变化时用户维护相应信息。

步骤2 维护车辆趟次信息：

在业务数据库建立车辆趟次表保存车辆趟次信息，字段包含所属车队、趟次号、任务序号、发车时间、线路名称、途经站点、班次类型、运行时间、里程、运行类型、所属片区、用车单位、用车金额、车辆编号、用车要求、用车金额、乘客数量、难度分数、班次属性等。

通过车辆趟次管理页面向用户提供信息新增、删除、修改、查询功能，维护车辆趟次信息。在产生实际的趟次任务需求或者趟次信息变更时用户维护相应信息。

步骤3 生成任务信息并保存：

在业务数据库建立车辆任务表保存车辆任务信息，字段包含发车日期、发班状态、任务序号、规则编号、线路名称、趟次号、发车时间、车辆编号、所属车队、驾驶员、里程、运行时间、站点数等。

在任务管理页面首先由用户进行任务初始化，基于趟次信息，设置运行日期段，选择驾驶员，生成任务初始记录，确定发车日期、任务序号、规则编号、线路名称、趟次号、车辆编号、所属车队、驾驶员、站点数字段信息。

步骤4 跟踪任务执行，获取和保存过程数据：

在车辆执行任务时，通过比对车辆实时的定位数据与车辆任务表的计划数据，判断出任务状态。

根据车辆当前位置，比较车辆当前位置与站点的位置，同时比较到达站点的时刻与计划时间，判断其是否到达任务线路的站点，到达始发站则判断为任务开始及车辆状态为发车，到达终点站则判断任务结束及车辆状态为收车，根据到达站点的时刻与计划时间比较判断车辆的准点程度，详细处理过程如下：

1）每15秒获取车辆定位数据，保存到定位数据库，定位数据包含定位时间、经度、纬度、速度、方向、高程、里程、油量、空调开关状态等，保存到数据库同时，加入内存定位数据队列。其中采用一定时长为周期获取定位数据，在保证定位数据能够满足绩效分析的精度要求的同时，资源占用相对较少。

2）根据车辆编号从业务数据库查询车辆任务记录，与内存定位数据队列中同一车辆的最新数据比较，从时间和空间维度判断。

任务有效时间窗口期：

开始时间=计划时间前10分钟

结束时间=计划时间后30分钟

时间维度判断方法：定位时间是否处于任务有效时间窗口期内。

可以理解的是，前述的开始时间和结束时间确定了两个时间范围，该时间范围是由设定的前10分钟和后30分钟所限定，这里的前10分钟和后30分钟为阈值，进而读取车辆当前的运行数据匹配任务数据，确定当前车辆是否按计划完成相关任务。

相应地，数据匹配即涉及匹配度的问题，例如若当前的定位数据落入任务所容许的定位数据范围内，则满足所期望的匹配度，否则不满足。所容许的定位数据范围即由前述的阈值所限定。

匹配度在后续的处理中还可用于调整任务中的数据，例如下一站点的到站时间等。

空间维度判断方法：

定位时间处于任务有效时间窗口期内的车辆，将其经度坐标、纬度坐标与计划站点经度坐标、纬度坐标基于球面模型计算距离，距离小于300米时认为到达站点，否则认为不在站点。

在车辆执行任务的过程中，根据以上判断结果更新车辆任务表相应任务记录的发班状态、发车时间、里程、运行时间等字段信息。

步骤5 维护成本数据：

成本收入由车辆油费、保险费、车辆年检费、维修保养费、过路过桥费、驾驶员工资、其他费用组成，各项信息分别通过在业务数据库中独立的表存储，以下分别说明。

车辆油费信息，字段包含加油时间、所属车队、车辆编号、驾驶员、燃料类型、油量、单价、金额、服务供应商等，车辆每次加油后新增相应记录。该费用按照里程进行均摊，单位里程对应单位油费，按照自然日按每辆车求和后保存到业务数据库。

车辆保险费信息，字段包含交保日期、所属车队、车辆编号、营运类型、保单号、保险种类、交保金额、保险公司、生效日期、截止日期等，在每次车辆缴纳保险费后新增相应记录。

车辆年检费信息，字段包含年检日期、所属车队、车辆编号、年检费用、年检有效期起止、年检单位、费用缴纳人等，在每次车辆年检缴纳费用后新增相应记录。

维修保养费信息，字段包含维保日期、所属车队、车辆编号、维保类型、维保金额、维保里程、维保单位、费用缴纳人等，在车辆每次维保缴纳费用后新增相应记录。

过路过桥费信息，字段包含费用日期、所属车队、车辆编号、驾驶员、金额等，在车辆每次缴纳过路过桥费后新增相应记录。

驾驶员工资信息，字段包含所属车队、车辆编号、驾驶员、身份证号、核算日期、工资、修改人等，每次给车辆驾驶员发工资后新增相应记录。

其他费用信息，字段包含采购日期、所属车队、车辆编号、类型、名称、金额、费用缴纳人等，每次车辆发生相关费用后新增相应记录。

步骤6 维护临时收入数据：

针对车辆日常趟次任务之外执行的临时任务，通过业务数据库临时任务表保存信息，字段包含所属车队、车辆编号、驾驶员、客户类型、客户名称、派车状态、预约日期、用车开始时间、用车结束时间、实载人数、计费里程、计费时间、车辆要求、包车费用、保险金额、其他费用、总费用、联系人、联系方式、注意事项、派车人、派车时间等。

在接收临时任务时新增记录，涉及字段包括所属车队、车辆编号、驾驶员、客户类型、客户名称、派车状态、车辆要求、包车费用、保险金额、其他费用、总费用、联系人、联系方式、注意事项、派车人。

在执行完成临时任务后更新记录，涉及字段包含派车状态、用车开始时间、用车结束时间、实载人数、计费里程、计费时间、包车费用、其他费用、总费用、派车时间。

步骤7 核算车辆收入：

1）获取用户设置的月份及车队编号查询条件。

2）进行车辆收入查询，合计收入。根据所设置的查询信息在数据库查询获得所选车队所有车辆在所选月份的运行趟次数、日常趟次任务收入、临时任务收入。

收入记录列表按车辆编号、趟次号、趟次发车时间3级排序，每辆车按照相同趟次进行趟次数量合计和趟次用车金额合计，每辆车临时任务收入按照在所选月份的所有记录值求和。

每辆车按照每个趟次一条记录显示趟次用车金额，每个趟次收入记录包含趟次号、趟次对应的线路名称、统计日期段、趟次发车时间、用车金额、趟次运行次数合计、用车收入小计。临时收入以单条记录显示临时任务次数合计和收入小计。对每辆车趟次用车收入与临时收入求和并显示。

经过1）、2）计算并显示结果，结果保存至数据库，以每辆车的车辆编号、每天的趟次总数、趟次用车收入合计值为字段作为一条记录保存。

步骤8 综合成本、任务实绩、收入数据生成绩效分析结果并展示：

1）根据用户设置的查询条件从数据库查询，列表展示相关记录。

车辆绩效查询的输入条件包括：查询日期段、车辆编号、车队名称。

输出结果展示内容包括：车辆编号、车队名称、行驶里程、油费、保险费、年检费、维保费、其他费用、过路过桥费、用车收入、合计,其中单车记录的用车收入数据可根据查询条件选择的日期段显示用车收入核算明细。除了单车的绩效数据，还按照核算字段以对查询结果列表进行纵向多车核算，合计的字段包括行驶里程、油费、保险费、年检费、维保费、其他费、过路过桥费、用车收入、合计。

核算各字段计算方式如下：

行驶里程=所选车辆在所选日期段内里程的合计

油费=所选车辆在所选日期段内加油记录油费的合计×-1

保险费=所选车辆在所选日期段内的天数*日期段保险费每日单价×-1

年检费=所选车辆在所选日期段内的天数*日期段年检费每日单价×-1

维保费=所选车辆在所选日期段内维修保养费用之和×-1

其他费=所选车辆在所选日期段内其他费用之和×-1

过路过桥费=所选车辆在所选日期段内过路过桥费之和×-1

用车收入=所选车辆在所选日期段内趟次任务收入之和+临时任务收入之和

合计=油费+保险费+年检费+维保费+其他费+过路过桥费+用车收入

以上费用为成本消耗，所以表达式最后需乘以-1使之在合计中被扣除。

2）单车绩效评价

单车绩效体现为以里程为代表的任务实绩下综合成本及收入的分布，定义为车辆单位里程收入，计算方式如下：

单车绩效=收入合计/行驶里程。

以上公式中当行驶里程为0时，单车绩效结果设置为无效，代表结果无效，不包含数据意义。

根据单车绩效计算结果，进行车队间绩效分析和排名，达到绩效管理的目的。

从以上内容可以看出，1）所涉及字段比较多，但因分别存储，整体的计算量并不大，资源占用较少，同一数据可以由存储在不同数据库的字段进行描述，可以使用更多个字段，从而可以更全面的进行车辆绩效分析，综合成本、运行实绩、收入等涉及车辆运行的各方面因素，其中成本包含油费、保险费、年检费、维保费、工资、其他费、过路过桥费等；运行实绩包含运行里程、趟次任务统计等；收入包含日常任务收入和临时任务收入。

2）进行更精细的车辆绩效分析，利用车联网对车辆运行过程进行跟踪，获取运行过程实绩，包括车辆的位置（经度、纬度）、速度、高程、里程、油耗等数据，计算得到车辆执行趟次任务过程中的里程统计、油耗统计。

3）提供更灵活的车辆绩效分析，除了车辆运行实绩数据为通过车联网自动获取外，成本及收入数据均通过人机交互页面及电子表格导入的方式输入系统，不但支持单个车辆修改，而且支持车队批量操作，使用户分析更灵活。

图3中，为保证系统的高可用性及可扩展性，采用JavaEE技术架构，软件以SpringBoot为基础框架，保证软件逻辑结构的清晰，良好的可维护性以及灵活的可扩展性。

系统涉及车辆运行的海量数据，所以以大数据服务架构为基础，支撑应用程序，如图3，包括采集层、存储层和应用层，其中数据采集层通过车联网平台从车载终端服务获取定位数据，其后Kafka消息队列将采集到数据按照一定规则传递到Storm分布式流处理平台。Storm主要将采集的信息进行处理，转换成系统运行所需要的数据，然后将处理完成的数据存储到存储层，Redis内存数据库中，Redis数据库具有存储效率高的特点，Redis内存数据库定时将数据同步到mongoDB数据库中，系统所需要的其他数据主要存储在MySql等关系数据库中。应用层包含系统流程服务、业务服务和数据分析等，各服务相互独立可单独维护部署，实现“微服务”。

Claims (10)

1.一种通勤客运车辆绩效分析方法，其特征在于，将获得的具有不同数据结构和/或更新周期的数据分别存储入不同的数据库；存储于不同数据库的关联数据基于给定的车辆ID绑定；

调用绩效分析方法，读取所述数据进行绩效分析；

将绩效分析结果存储入给定的数据库；或

将绩效分析结果展示在人机交互界面，并存储入给定的数据库。

2.根据权利要求1所述的通勤客运车辆绩效分析方法，其特征在于，所述数据包括业务数据和定位数据；

其中，业务数据包含车辆基本信息、任务、成本和收入数据；

定位数据包含车辆当前位置、运动数据和状态数据。

3.根据权利要求2所述的通勤客运车辆绩效分析方法，其特征在于，车辆绩效分析方法包括维护车辆基本信息的步骤、维护车辆趟次信息的步骤和生成任务信息并保存的步骤、跟踪任务执行从而获取并保存过程数据的步骤、维护成本数据的步骤、维护临时收入数据的步骤，以及根据各维护步骤所产生数据生成绩效分析结果的步骤。

4.根据权利要求3所述的通勤客运车辆绩效分析方法，其特征在于，跟踪任务执行从而获取并保存过程数据的步骤为跟踪预定车辆的当前定位数据，并与相应的任务信息相匹配，若匹配度满足预定的阈值，则保存当前定位数据；

若匹配度满足预定的阈值，保存当前的定位数据，并保存匹配度数据，以备调用。

5.根据权利要求4所述的通勤客运车辆绩效分析方法，其特征在于，定位数据每15~30秒获取一次。

6.根据权利要求4或5所述的通勤客运车辆绩效分析方法，其特征在于，当前的定位数据在存储入数据库的同时，加入到内存定位数据队列；

调用任务数据以匹配内存定位数据队列。

7.根据权利要求4所述的通勤客运车辆绩效分析方法，其特征在于，根据匹配度，更新任务信息目标站点的相应任务信息。

8.根据权利要求1所述的通勤客运车辆绩效分析方法，其特征在于，通过给定权限的人机界面对存储在数据库内的数据的查询为条件查询。

9.根据权利要求1所述的通勤客运车辆绩效分析方法，其特征在于，给定车辆日常趟次任务之外的临时任务，数据库分配独立的临时任务表；

临时任务执行完毕后，更新相应车辆的业务数据。

10.一种通勤客运车辆绩效分析系统，其特征在于，包括：

存储单元，用于将获得的具有不同数据结构和/或更新周期的数据分别存储入不同的数据库；存储于不同数据库的关联数据基于给定的车辆ID绑定；

分析单元，调用绩效分析方法，读取所述数据进行绩效分析；进而将绩效分析结果存储入给定的数据库或将绩效分析结果展示在人机交互界面，并存储入给定的数据库。

Images