CN112183898A - 一种车辆调度成本动态计算方法 - Google Patents
一种车辆调度成本动态计算方法 Download PDFInfo
- Publication number
- CN112183898A CN112183898A CN202011211735.0A CN202011211735A CN112183898A CN 112183898 A CN112183898 A CN 112183898A CN 202011211735 A CN202011211735 A CN 202011211735A CN 112183898 A CN112183898 A CN 112183898A
- Authority
- CN
- China
- Prior art keywords
- scheduling
- cost
- current vehicle
- task
- historical
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 230000004044 response 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的车辆调度成本动态计算方法,涉及车辆调度领域,利用Geohash算法将城市拆分成多个子块,分别根据处于各个子块区域内的当前车辆调度任务的始发地及目的地,判断当前车辆调度的成本是否符合加权计算的方式,若是,则采用加权的方式,计算本次车辆调度的成本,若否,则采用预算的方式,计算本次车辆调度的成本,避免了成本估算波动幅度过大,提高了计算精确度,降低了调度难度。
Description
技术领域
本发明涉及车辆调度领域,具体涉及一种车辆调度成本动态计算方法。
背景技术
车辆调度作为伴随汽车产业发展而催生的第三产业,市场规模逐年扩大,而车辆调度作为租车、共享汽车等业务的基础服务,合理的定价既是维持服务持续发展的必要因素,同时作为将车辆调度进行外包的企业,也能准确地估算调度成本,对劳动力的报酬也更合理。
现阶段主要依靠电子地图提供的导航服务计算距离及时间,由于电子导航地图存在导航距离计算滞后性,而且对于不同网点实地出入场难度、路线复杂度都没有考虑,不能准确估计调度的距离和时间成本,导致该方案存在以下缺陷:
(1)只考虑了单体的最优解,会产生大量的单体竞争,造成成本估算波动幅度过大;
(2)计算方式过于理想化,并没有考虑实际调度过程中的影响因素,导致调度成本计算精确度较低,影响调度人员的收益及积极性;
(3)频繁调用电子地图的导航服务,由于调度路径的频繁变化会增加调度的不确定性,增加了调度的难度,导致实际调度的完成率下降,影响企业效益。
发明内容
为解决现有技术的不足,本发明实施例提供了一种车辆调度成本动态计算方法,该方法包括以下步骤:
利用Geohash算法将城市拆分成多个子块;
分别根据处于各个子块区域内的当前车辆调度任务的始发地及目的地,判断当前车辆调度的成本是否符合加权计算的方式;
若是,则采用加权的方式,计算当前车辆调度的成本;
若否,则采用预算的方式,计算当前车辆调度的成本。
优选地,判断当前车辆调度的成本是否符合加权计算的方式包括:
判断第一历史调度成本集中是否存在与当前车辆调度任务的始发地及目的地相同的车辆调度任务,若存在,则确定当前车辆调度任务符合加权计算的方式,其中,所述第一历史调度成本集包括设定时间段内始发地与目的地相同的多个调度任务以及所述多个调度任务所需时间的及行驶距离。
优选地,采用加权的方式,计算当前车辆调度的成本包括:
根据所述第一历史调度成本集中各个调度任务所需时间和行驶距离的均值和标准差,获取位于设定置信区间内的调度成本,得到第二历史调度成本集;
根据所述第二历史调度成本集中各个调度任务所需时间的均值和行驶距离的均值,得到当前车辆调度的成本。
优选地,采用预算的方式,计算当前车辆调度的成本包括:
将当前车辆调度任务的始发地与目的地输入第三方计算工具,计算当前车辆调度任务的行驶里程及所需时间,得到当前车辆调度的成本。
优选地,所述第二历史调度成本集中各个调度任务所需时间和行驶距离的计算方法包括:
将所述第二历史调度成本集中中各个调度任务所需时间和行驶距离分别乘以相应的权重,得到各个调度任务最终所需时间和行驶距离,其中,所述权重为将各个调度任务产生的时间输入时间衰减函数得到的。
优选地,在根据当前车辆调度任务的始发地及目的地,判断当前车辆调度任务是否符合加权计算成本的方式之前,所述方法还包括:
基于所述第一历史调度成本集,利用最小二乘法算法,得到所述第一历史调度成本集中各个调度任务的最优路径。
本发明实施例提供的车辆调度成本动态计算方法具有以下有益效果:
(1)将以一个子块为整体进行统筹安排,避免了多个调度任务间的过度竞争,保证了成本估算的平稳波动;
(2)使用时间衰减函数计算平均调度成本,使数据响应变化更灵敏,提高了计算的精确度;
(3)每次调度任务完成后,将实际的用时和里程以及路线规划作为下一次路径规划计算的样本数据,针对全部的样本数据,利用统计学中最小二乘法等线性回归算法,基于大量历史数据样本,得到城市块内误差总及代价函数最小的车辆调度路径,将路径优化前置,减少了对电子地图导航服务的过度依赖,使得调度路径优化方案不再充满变化,更加可控,降低了调度难度。
具体实施方式
以下结合具体实施例对本发明作具体的介绍。
本发明实施例提供的车辆调度成本动态计算方法包括以下步骤:
S101,利用Geohash算法将城市拆分成多个子块。
其中,将城市抽象为一个二维平面,按照一定经纬度范围,将城市拆分成多个子块,将以一个子块为整体进行统筹安排而避免多个调度任务间的过度竞争。
S102,分别根据处于各个子块区域内的当前车辆调度任务的始发地及目的地,判断当前车辆调度的成本是否符合加权计算的方式。
S103,若是,则采用加权的方式,计算本次车辆调度的成本。
S104,若否,则采用预算的方式,计算本次车辆调度的成本。
可选地,判断当前车辆调度的成本是否符合加权计算的方式包括:
判断第一历史调度成本集中是否存在与当前车辆调度任务的始发地及目的地相同的车辆调度任务,若存在,则确定当前车辆调度任务符合加权计算的方式,其中,所述第一历史调度成本集包括设定时间段内始发地与目的地相同的多个调度任务以及所述多个调度任务所需时间的及行驶距离。
可选地,采用加权的方式,计算当前车辆调度的成本包括:
根据所述第一历史调度成本集中各个调度任务所需时间和行驶距离的均值和标准差,获取位于设定置信区间内的调度成本,得到第二历史调度成本集;
根据所述第二历史调度成本集中各个调度任务所需时间的均值和行驶距离的均值,得到当前车辆调度的成本。
作为一个具体的实施例,获取位于99.9%置信区间内的调度成本,假设均值为m,标准差为sd,单个历史调度记录i的实际成本为Pi,遍历历史调度记录集中的每条数据,保留满足成本在(m-3sd,m+3sd)范围内的调度记录,得到有效历史调度记录集{i|Pi>m-3sd,Pi<m+3sd}。
可选地,采用预算的方式,计算本次车辆调度任务的成本包括:
将当前车辆调度任务的始发地与目的地输入第三方计算工具,计算当前车辆调度任务的行驶里程及所需时间,得到当前车辆调度的成本。
作为一个具体的实施例,第三方计算工具为百度地图或高德地图。
可选地,所述第二历史调度成本集中各个调度任务所需时间和行驶距离的计算方法包括:
将所述第二历史调度成本集中中各个调度任务所需时间和行驶距离分别乘以相应的权重,得到各个调度任务最终所需时间和行驶距离,其中,所述权重为将各个调度任务产生的时间输入时间衰减函数得到的。
其中,调度任务产生的时间越早,其对应的权重就越小。
可选地,在根据当前车辆调度任务的始发地及目的地,判断当前车辆调度任务是否符合加权计算成本的方式之前,该方法还包括:
基于所述第一历史调度成本集,利用最小二乘法算法,得到所述第一历史调度成本集中各个调度任务的最优路径。
本发明实施例提供的车辆调度成本动态计算方法,利用Geohash算法将城市拆分成多个子块,分别根据处于各个子块区域内的当前车辆调度任务的始发地及目的地,判断当前车辆调度的成本是否符合加权计算的方式,若是,则采用加权的方式,计算本次车辆调度的成本,若否,则采用预算的方式,计算本次车辆调度的成本,避免了成本估算波动幅度过大,提高了计算精确度,降低了调度难度。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种车辆调度成本动态计算方法,其特征在于,包括:
利用Geohash算法将城市拆分成多个子块;
分别根据处于各个子块区域内的当前车辆调度任务的始发地及目的地,判断当前车辆调度的成本是否符合加权计算的方式;
若是,则采用加权的方式,计算当前车辆调度的成本;
若否,则采用预算的方式,计算当前车辆调度的成本。
2.根据权利要求1所述的车辆调度人力成本动态计算方法,其特征在于,判断当前车辆调度的成本是否符合加权计算的方式包括:
判断第一历史调度成本集中是否存在与当前车辆调度任务的始发地及目的地相同的车辆调度任务,若存在,则确定当前车辆调度任务符合加权计算的方式,其中,所述第一历史调度成本集包括设定时间段内始发地与目的地相同的多个调度任务以及所述多个调度任务所需时间的及行驶距离。
3.根据权利要求1或2所述的车辆调度人力成本动态计算方法,其特征在于,采用加权的方式,计算当前车辆调度的成本包括:
根据所述第一历史调度成本集中各个调度任务所需时间和行驶距离的均值和标准差,获取位于设定置信区间内的调度成本,得到第二历史调度成本集;
根据所述第二历史调度成本集中各个调度任务所需时间的均值和行驶距离的均值,得到当前车辆调度的成本。
4.根据权利要求1所述的车辆调度人力成本动态计算方法,其特征在于,采用预算的方式,计算当前车辆调度的成本包括:
将当前车辆调度任务的始发地与目的地输入第三方计算工具,计算当前车辆调度任务的行驶里程及所需时间,得到当前车辆调度的成本。
5.根据权利要求3所述的车辆调度人力成本动态计算方法,其特征在于,所述第二历史调度成本集中各个调度任务所需时间和行驶距离的计算方法包括:
将所述第二历史调度成本集中中各个调度任务所需时间和行驶距离分别乘以相应的权重,得到各个调度任务最终所需时间和行驶距离,其中,所述权重为将各个调度任务产生的时间输入时间衰减函数得到的。
6.根据权利要求1或2所述的车辆调度人力成本动态计算方法,其特征在于,在根据当前车辆调度任务的始发地及目的地,判断当前车辆调度任务是否符合加权计算成本的方式之前,所述方法还包括:
基于所述第一历史调度成本集,利用最小二乘法算法,得到所述第一历史调度成本集中各个调度任务的最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011211735.0A CN112183898A (zh) | 2020-11-03 | 2020-11-03 | 一种车辆调度成本动态计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011211735.0A CN112183898A (zh) | 2020-11-03 | 2020-11-03 | 一种车辆调度成本动态计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112183898A true CN112183898A (zh) | 2021-01-05 |
Family
ID=73916400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011211735.0A Pending CN112183898A (zh) | 2020-11-03 | 2020-11-03 | 一种车辆调度成本动态计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183898A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002310696A (ja) * | 2001-04-11 | 2002-10-23 | Kenwood Corp | ナビゲーション装置 |
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 |
CN109800977A (zh) * | 2019-01-09 | 2019-05-24 | 张鸿青 | 一种共享物品捎带方法和装置 |
-
2020
- 2020-11-03 CN CN202011211735.0A patent/CN112183898A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002310696A (ja) * | 2001-04-11 | 2002-10-23 | Kenwood Corp | ナビゲーション装置 |
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 |
CN109800977A (zh) * | 2019-01-09 | 2019-05-24 | 张鸿青 | 一种共享物品捎带方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9726502B2 (en) | Route planner for transportation systems | |
JP2020126692A (ja) | 共有可能な注文を割り当てるためのシステムおよび方法 | |
CN110599767A (zh) | 一种基于网约车出行需求的长短期预测方法 | |
WO2015177644A1 (en) | Method and system for balancing rental fleet of movable assets | |
US20220215749A1 (en) | Method for predicting at least one profile of the speed of a vehicle on a road network | |
CN111860929B (zh) | 一种拼车订单拼成率预估方法及系统 | |
CN109840272B (zh) | 一种共享电动汽车站点用户需求预测方法 | |
Zheng et al. | Short-term parking demand prediction method based on variable prediction interval | |
Jakob et al. | Macroscopic Modeling of On‐Street and Garage Parking: Impact on Traffic Performance | |
CN108846524A (zh) | 一种打车需求量预测方法及装置 | |
CN111881058A (zh) | 一种软件工程质量预测方法 | |
CN113284337B (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
Wong et al. | Transit delay estimation using stop-level automated passenger count data | |
CN113469541A (zh) | 城际轨道交通协调性的评估方法、装置、设备和存储介质 | |
CN111667083B (zh) | 网约车预估价确定方法和装置 | |
CN112183898A (zh) | 一种车辆调度成本动态计算方法 | |
CN112257936A (zh) | 一种接单区域的推荐方法、装置、电子设备及存储介质 | |
CN109800912A (zh) | 信息确定方法及装置 | |
CN107270919B (zh) | 公交路线分级方法、装置以及公交路线导航方法、装置 | |
Stepanchenko et al. | The passengers’ turnout simulation for the urban transport system control decision-making process | |
Dunne et al. | Bus journey time prediction: a comparison of whole route and segment journey time predictions using machine learning | |
CN114399344B (zh) | 数据处理方法和数据处理装置 | |
CN116703011B (zh) | 航空旅客流量分布预测方法、装置、电子设备及存储介质 | |
Tajmajer et al. | Predicting annual average daily highway traffic from large data and very few measurements | |
Lam et al. | Developing A Network Algorithm for Demand Responsive Transit Service in A Rural Area of Sweden |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210105 |
|
RJ01 | Rejection of invention patent application after publication |