CN112185532B - 一种车辆部署方法及装置 - Google Patents

一种车辆部署方法及装置 Download PDF

Info

Publication number
CN112185532B
CN112185532B CN202011078705.7A CN202011078705A CN112185532B CN 112185532 B CN112185532 B CN 112185532B CN 202011078705 A CN202011078705 A CN 202011078705A CN 112185532 B CN112185532 B CN 112185532B
Authority
CN
China
Prior art keywords
deployed
area
vehicle
deployment
vehicles
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
Application number
CN202011078705.7A
Other languages
English (en)
Other versions
CN112185532A (zh
Inventor
盛煜
刘志衡
单丽雅
彭恒
冯毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202011078705.7A priority Critical patent/CN112185532B/zh
Publication of CN112185532A publication Critical patent/CN112185532A/zh
Application granted granted Critical
Publication of CN112185532B publication Critical patent/CN112185532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Epidemiology (AREA)
  • Game Theory and Decision Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供一种车辆部署方法及装置，涉及通信技术领域，解决了现有的移动卒中单元部署不合理的技术问题。车辆部署方法包括：车辆部署装置首先获取待部署区域的特征信息，然后根据特征信息确定待部署区域的权重值，接着根据权重值，向待部署区域部署车辆。其中，特征信息用于表示待部署区域在第一时刻部署的车辆特征、待部署区域的位置特征、从待部署区域到目标位置的时间特征或待部署区域到目标位置的距离特征中的至少一项。目标位置为终端发送乘载请求的起始位置或目的位置。权重值用于表示待部署区域部署车辆的重要程度。

Description

一种车辆部署方法及装置
技术领域
本发明涉及通信技术领域，尤其涉及一种车辆部署方法及装置。
背景技术
脑卒中又称“中风”、“脑血管意外”，是一种急性脑血管疾病，具有发病率高、死亡率高和致残率高的特点。脑卒中的救治具有极强的时间依赖性，若及时对患者进行救治，可以大大提高患者的治愈率。
随着医疗技术的发展，移动卒中单元正在逐渐普及。移动卒中单元由普通救护车、移动CT扫描仪、生化检查设备、远程医疗系统及专业的脑卒中救治团队组成,可在救护车中对脑卒中患者进行诊疗以及救治,提高了对患者的救治效率。
目前，移动卒中单元通常均匀部署在城市的各个医院中。在这种情况下，通常出现人员密集区域附近的医院的移动卒中单元忙的不可开交，而人员稀少区域附近医院的救护车辆不能得到充分利用的情形。这样一来，现有的移动卒中单元的部署方法降低了移动卒中单元使用的合理性，同时也不能够及时的进行医疗救助，进而给患者带来了更大的健康风险。
发明内容
本申请提供一种车辆部署方法及装置，解决了现有的移动卒中单元部署不合理的技术问题。
为达到上述目的，本申请采用如下技术方案：
第一方面，提供一种车辆部署方法，包括：车辆部署装置首先获取待部署区域的特征信息，然后根据特征信息确定待部署区域的权重值，接着根据权重值，向待部署区域部署车辆。其中，特征信息用于表示待部署区域在第一时刻部署的车辆特征、待部署区域的位置特征、从待部署区域到目标位置的时间特征或待部署区域到目标位置的距离特征中的至少一项。目标位置为终端发送乘载请求的起始位置或目的位置。权重值用于表示待部署区域部署车辆的重要程度。
由上可知，车辆部署装置在对车辆进行部署时，可以通过待部署区域的特征信息确定待部署区域的权重值。由于待部署区域的权重值用于表示待部署区域部署车辆的重要程度，因此，车辆部署装置可以通过待部署区域部署车辆的重要程度，向待部署区域部署车辆。在这种情况下，车辆部署装置可以合理的向待部署区域部署车辆，以便于车辆可以更加快速的投入使用，解决了现有的车辆部署不合理的技术问题。
第二方面，提供一种车辆部署装置，包括：获取单元、确定单元和部署单元。获取单元，用于获取待部署区域的特征信息；特征信息用于表示待部署区域在第一时刻部署的车辆特征、待部署区域的位置特征、从待部署区域到目标位置的时间特征或待部署区域到目标位置的距离特征中的至少一项；目标位置为终端发送乘载请求的起始位置或目的位置。确定单元，用于根据获取单元获取到的特征信息，确定待部署区域的权重值；权重值用于表示待部署区域部署车辆的重要程度。部署单元，用于根据确定单元确定的权重值，向待部署区域部署车辆。
第三方面，提供一种车辆部署装置，包括存储器和处理器。存储器用于存储计算机执行指令，处理器与存储器通过总线连接。当车辆部署装置运行时，处理器执行存储器存储的计算机执行指令，以使车辆部署装置执行第一方面所述的车辆部署方法。
该车辆部署装置可以是网络设备，也可以是网络设备中的一部分装置，例如网络设备中的芯片系统。该芯片系统用于支持网络设备实现第一方面及其任意一种可能的实现方式中所涉及的功能，例如，接收、确定、分流上述车辆部署方法中所涉及的数据和/或信息。该芯片系统包括芯片，也可以包括其他分立器件或电路结构。
第四方面，提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得该计算机执行第一方面所述的车辆部署方法。
第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如上述第一方面及其各种可能的实现方式所述的车辆部署方法。
需要说明的是，上述计算机指令可以全部或者部分存储在第一计算机可读存储介质上。其中，第一计算机可读存储介质可以与车辆部署装置的处理器封装在一起的，也可以与车辆部署装置的处理器单独封装，本申请对此不作限定。
本发明中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面、第四方面以及第五方面的描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
在本申请中，上述车辆部署装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本发明类似，属于本发明权利要求及其等同技术的范围之内。
本发明的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种车辆部署系统的结构示意图；
图2为本申请实施例提供的一种车辆部署装置的硬件结构示意图；
图3为本申请实施例提供的又一种车辆部署装置的硬件结构示意图；
图4为本申请实施例提供的一种车辆部署方法的流程示意图；
图5为本申请实施例提供的又一种车辆部署方法的流程示意图；
图6为本申请实施例提供的又一种车辆部署方法的流程示意图；
图7为本申请实施例提供的一种车辆部署装置的结构示意图。
具体实施方式
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本申请实施例的技术方案，在本申请实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
本申请实施例中，由于移动卒中单元由救护车、移动CT扫描仪、生化检查设备、远程医疗系统及专业的脑卒中救治团队组成，而部署移动卒中单元通常是对救护车进行部署。而救护车属于车辆的一种，因此，为了便于描述，本申请实施例中的移动卒中单元统称为车辆。应理解，本申请实施例不仅限于对移动卒中单元进行部署，还可以对其他车辆进行部署，本申请实施例对此不作限定。
本申请实施例中的车辆可以为车载终端、车载设备或其他可以与服务器或者车辆部署装置通信的车辆智能设备，本申请实施例对此不作任何限定。
如背景技术所描述，现有的移动卒中单元的部署方法降低了移动卒中单元使用的合理性，同时也不能够及时的进行医疗救助，进而给患者带来了更大的健康风险。
针对上述问题，本申请实施例提供了一种车辆部署方法，车辆部署装置在对车辆进行部署时，可以通过待部署区域的特征信息确定待部署区域的权重值。由于待部署区域的权重值用于表示待部署区域部署车辆的重要程度，因此，车辆部署装置可以通过待部署区域部署车辆的重要程度，向待部署区域部署车辆。在这种情况下，车辆部署装置可以合理的向待部署区域部署车辆，以便于车辆可以更加快速的投入使用，解决了现有的车辆部署不合理的技术问题。
本申请实施例提供的车辆部署方法适用于车辆部署系统10。图1示出了该车辆部署系统10的一种结构。如图1所示，该车辆部署系统10包括：第一服务器11、车辆部署装置12和第二服务器13。其中，车辆部署装置12分别与第一服务器11和第二服务器13连接。
本申请实施例中的第一服务器11上可以部署紧急医疗服务系统(emergencymedical service，EMS)。紧急医疗服务系统中存储有本地区各个区域的特征信息，例如：各个区域的地理位置、本地区的道路网络、本地区的车辆总数量等。车辆部署装置12可以通过紧急医疗服务系统获取待部署区域的特征信息。
第一服务器11可以是服务器集群(由多个服务器组成)中的一个服务器，也可以是该服务器中的芯片，还可以是该服务器中的片上系统，还可以通过部署在物理机上的虚拟机(virtual machine，VM)实现，本申请实施例对此不作限定。
本申请实施例中的第二服务器13用于根据车辆部署装置发送的车辆部署信息，对本地区中的车辆进行部署。
第二服务器13可以是服务器集群(由多个服务器组成)中的一个服务器，也可以是该服务器中的芯片，还可以是该服务器中的片上系统，还可以通过部署在物理机上的虚拟机(virtual machine，VM)实现，本申请实施例对此不作限定。
图1中的第一服务器11、车辆部署装置12和第二服务器13的基本硬件结构类似，都包括图2所示车辆部署装置所包括的元件。下面以图2所示的车辆部署装置为例，介绍图1中的第一服务器11、车辆部署装置12和第二服务器13的硬件结构。
图2示出了本申请实施例提供的车辆部署装置的一种硬件结构示意图。如图2所示，该车辆部署装置包括处理器21，存储器22、通信接口23、总线24。处理器21，存储器22以及通信接口23之间可以通过总线24连接。
处理器21是车辆部署装置的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器21可以是一个通用中央处理单元(central processing unit，CPU)，也可以是其他通用处理器等。其中，通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例，处理器21可以包括一个或多个CPU，例如图2中所示的CPU 0和CPU 1。
存储器22可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
一种可能的实现方式中，存储器22可以独立于处理器21存在，存储器22可以通过总线24与处理器21相连接，用于存储指令或者程序代码。处理器21调用并执行存储器22中存储的指令或程序代码时，能够实现本发明实施例提供的车辆部署方法。
另一种可能的实现方式中，存储器22也可以和处理器21集成在一起。
通信接口23，用于与其他设备通过通信网络连接。所述通信网络可以是以太网，无线接入网，无线局域网(wireless local area networks，WLAN)等。通信接口23可以包括用于接收数据的接收单元，以及用于发送数据的发送单元。
总线24，可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示，图2中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
需要指出的是，图2示出的结构并不构成对该车辆部署装置的限定。除图2所示部件之外，该车辆部署装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
图3示出了本申请实施例中车辆部署装置的另一种硬件结构。如图3所示，车辆部署装置可以包括处理器31以及通信接口32。处理器31与通信接口32耦合。
处理器31的功能可以参考上述处理器21的描述。此外，处理器31还具备存储功能，可以参考上述存储器22的功能。
通信接口32用于为处理器31提供数据。该通信接口32可以是车辆部署装置的内部接口，也可以是车辆部署装置对外的接口(相当于通信接口23)。
需要指出的是，图2(或图3)中示出的结构并不构成对车辆部署装置的限定，除图2(或图3)所示部件之外，该车辆部署装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合上述图1示出的车辆部署系统和上述图2(或图3)示出的车辆部署装置，对本申请实施例提供的车辆部署方法进行详细介绍。
图4为本申请实施例提供的一种车辆部署方法的流程示意图。如图4所示，该车辆部署方法包括下述S401-S403。
S401、车辆部署装置获取待部署区域的特征信息。
具体的，车辆部署装置首先从第一服务器获取待部署区域的特征信息。其中，特征信息用于表示待部署区域在第一时刻部署的车辆特征、待部署区域的位置特征、从待部署区域到目标位置的时间特征或待部署区域到目标位置的距离特征中的至少一项。目标位置为终端发送乘载请求的起始位置或目的位置。
可选的，特征信息包括：待部署区域在第一时刻部署车辆的数量、与待部署区域满足预设距离的目标区域在第一时刻行驶车辆的数量、待部署区域的地理位置、车辆从待部署区域到目标位置的行驶时间、车辆从待部署区域到目标位置的行驶距离中的至少一项。
进一步可选的，与待部署区域满足预设距离的目标区域在第一时刻行驶车辆的数量为待部署区域附近道路中，正在行驶的车辆的预测数量。车辆部署装置可以根据第一时刻之前的任意时间段，对与待部署区域满足预设距离的目标区域在第一时刻行驶车辆的数量进行预测。车辆部署装置也可以获取第一时刻之前的多个时间段中，与待部署区域满足预设距离的目标区域中行驶车辆的数量，并对多个时间段中，与待部署区域满足预设距离的目标区域中行驶车辆的数量取平均值，以确定与待部署区域满足预设距离的目标区域在第一时刻行驶车辆的数量。
进一步可选的，车辆从待部署区域到目标位置的行驶时间是指当前可用的车辆从待部署区域到目标位置的行驶时间。以车辆为移动卒中单元为例，终端对应的用户患病，并在A位置发送乘载请求。移动卒中单元从待部署区域到A位置的行驶时间，即为车辆从待部署区域到目标位置的行驶时间。相应的，终端对应的用户发送乘载请求的目的位置为本地区的中心医院。移动卒中单元从A位置到中心医院的行驶时间，即为车辆从待部署区域到目标位置的行驶时间。
进一步可选的，车辆从待部署区域到目标位置的行驶距离是指当前可用的车辆从待部署区域到目标位置的行驶距离。以车辆为移动卒中单元为例，终端对应的用户患病，并在A位置发送乘载请求。移动卒中单元从待部署区域到A位置的行驶距离，即为车辆从待部署区域到目标位置的行驶距离。相应的，终端对应的用户发送乘载请求的目的位置为本地区的中心医院。移动卒中单元从A位置到中心医院的行驶距离，即为车辆从待部署区域到目标位置的行驶距离。
进一步可选的，车辆部署装置还可以从第一服务器中获取本地区中医院的数量、任何一家医院的最高住院人数、任何一家医院的最低住院人数、行驶时间为60分钟内的患者比例、按目标入院人数就诊的患者比例、按目标入院人数且在估计范围内的就诊患者中，行驶时间为30分钟的患者比例、按目标入院人数且在估计范围内的就诊患者中，行驶时间为45分钟的患者比例、按目标入院人数且在估计范围内的就诊患者中，行驶时间为60分钟的患者比例、患者需要紧急开始进行溶栓的剩余时间差等。
S402、车辆部署装置根据特征信息，确定待部署区域的权重值。
其中，权重值用于表示待部署区域部署车辆的重要程度。
在获取到待部署区域的特征信息之后，车辆部署装置可以根据特征信息，确定待部署区域的权重值。
可选的，车辆部署装置根据特征信息确定待部署区域的权重值时，首先根据特征信息确定深度学习评分算法，然后根据特征信息和深度学习评分算法，确定待部署区域的权重值。
深度学习评分算法包含输入层，两个隐藏层，输出层。输入层用于属于待部署区域的特征信息。待部署区域i的特征信息xi决定了当前可部署的车辆。深度学习评分算法中的每层神经元数量是可调的，隐藏层中使用了tanh激活函数，该函数在输出得分和输入因素。tanh函数激活功能在深度学习中被广泛使用。输出为待部署区域的权重值yi。为简单起见，使用θ表示深度学习评分算法中的所有权重。深度学习评分算法可以表示为：
yi＝f(xi；θ)。
深度学习评分算法中的参数θ通过深度强化学习框架训练学习获得。
可选的，车辆部署装置根据特征信息确定深度学习评分算法时，首先确定车辆的部署行为at。其中，at∈(1，2，…，I)。车辆部署装置还可以确定待部署区域的状态st下采取车辆的部署行为at的概率πθ(st，at)。接着，车辆部署装置根据概率πθ(st，at)确定深度学习评分算法f(xi；θ)。其中，θ用于表示待部署区域的权重值。
其中，深度学习评分算法f(xi；θ)和概率πθ(st，at)满足下述公式：
具体的，st表示待部署区域的状态，待部署区域的状态包括与当前车辆部署有关的所有信息，所以st由待部署区域的特征信息组成，st＝(x1，x2，x3，…，xI)。
在车辆部署中，行为是指将可用的车辆重新部署到相应位置。因此，车辆的部署行为可以表示为at。其中，at∈(1，2，…，I)。其中at＝i表示将当前可用的车辆部署到待部署区域。
给定当前状态st，在采取行为at之后，不必再采取其他行为，当有一个新的急救车可用,系统的状态已经转移到st+1，当前时间步长为t。
给定当前状态st和行为at，系统将输出即时反馈奖励r(st，at)。当系统转换到下一个状态st+1时，对其进行奖励。奖励r(st，at)定义为在状态st和状态st+1之间用少于给定时间阈值的接诊时间接诊的患者数量。
给定当前系统状态st，策略πθ用于选择行为。πθ(st，at)是一个概率函数，描述在给定当前状态st下采取行为at的概率。在此，策略函数πθ(st，at)使用一个策略网络。给定当前状态st＝(x1，x2，x3，…，xI)，策略网络计算每个待部署区域i的分数，yi＝f(xi；θ)。为此，待部署区域的深度评分学习算法嵌入在强化学习的策略网络中。策略网络仅包含一组权重θ即不同待部署区域共享一组参数θ。这是因为算法将为所有待部署区域学习一个评分网络参数θ，而不是每个待部署区域都有一个参数。在计算每个待部署区域的分数yi后，深度评分学习算法计算每个待部署区域的行为策略πθ(st，at)。待部署区域的评分分数越大，将当前可用的车辆重新部署到待部署区域的可能性就越高。因此强化学习的目的是学习最佳策略网络πθ(st，at)，以便系统通过遵循该策略采取相应的行为可以获得最大的奖励。其中，学习策略网络最重要的是学习每个待部署区域的权重参数。
通过策略梯度学习θ，强化学习的目的是学习最佳策略网络(即最佳权重θ)，以便在给定任何状态st的情况下，通过遵循策略πθ(st，at)，系统能够得最大的预期奖励，即在一个医疗机构内在给定的阈值时间内更快的接诊更多的患者，并且在接送过程中给予患者CT检测和溶栓初步治疗。因此，深度学习评分算法的目标函数表述为：
其中，v(s)表示状态s遵循策略πθ的长期预期奖励，s～πθ表示状态s时遵循策略πθ，那么v(s)可以表示为：
其中，γ∈[0，1]是奖励的折现率。
那么长期期望奖励可以定义为：
q(s，a)＝E[rt+γrt+1+γ2rt+2+…|s＝st]
q(s，a)表示状态动作值，那么状态值和状态行为值之间的关系为：
结合深度学习评分算法的状态值和状态行为值之间的关系，为了使目标函数最大化，可以使用策略梯度算法，计算J(θ)对于参数θ的梯度为：
其中参数θ的计算按进行，α表示学习率。
对于参数θ的梯度的计算求解过程中，对于期望的计算具有较高的难度，因此采用蒙特卡洛采样的方法进行计算。具体而言，要在参数θ的梯度的公式中计算梯度用于对状态作用对(s，a)～πθ和状态作用值q(s，a)进行采样以此为基础进行计算获得梯度。给定任意随机初始状态s0，使用当前策略网络πθ(st，at)采样动作行为a0。然后，该状态将转换到下一个状态s1，然后将类似地对动作行为a1进行采样。该过程继续直到达到最大步骤数，最大步数可以设置为T步。最后经过计算，我们获得状态动作对和值。
梯度具体的计算公式为：
其中πsample(st，at)采用蒙特卡洛采样之后的计算的回报。
最后，我们可以使用和梯度具体的计算公式来更新权重θ。随机初始权重θ，重复更新过程，直到θ收敛为止。
S403、车辆部署装置根据权重值，向待部署区域部署车辆。
在确定待部署区域的权重值后，车辆部署装置根据权重值，向待部署区域部署车辆。
示例性的，预设本地区共有十辆车。3个待部署区域(区域A、区域B和区域C)。区域A的得分为50，区域B的得分为30，区域C的得分为20，则向区域A部署5辆车，向区域B部署3辆车，向区域C部署2辆车。
本申请实施例提供一种车辆部署方法，包括：车辆部署装置首先获取待部署区域的特征信息，然后根据特征信息确定待部署区域的权重值，接着根据权重值，向待部署区域部署车辆。其中，特征信息用于表示待部署区域在第一时刻部署的车辆特征、待部署区域的位置特征、从待部署区域到目标位置的时间特征或待部署区域到目标位置的距离特征中的至少一项。目标位置为终端发送乘载请求的起始位置或目的位置。权重值用于表示待部署区域部署车辆的重要程度。
由上可知，车辆部署装置在对车辆进行部署时，可以通过待部署区域的特征信息确定待部署区域的权重值。由于待部署区域的权重值用于表示待部署区域部署车辆的重要程度，因此，车辆部署装置可以通过待部署区域部署车辆的重要程度，向待部署区域部署车辆。在这种情况下，车辆部署装置可以合理的向待部署区域部署车辆，以便于车辆可以更加快速的投入使用，解决了现有的车辆部署不合理的技术问题。
可选的，结合上述图4，如图5所示，上述S402可以替换为S501-S502。
S501、车辆部署装置根据特征信息确定深度学习评分算法。
S502、车辆部署装置根据特征信息和深度学习评分算法，确定待部署区域的权重值。
可选的，结合上述图5，如图6所示，上述S501可以替换为S601-S604。
S601、车辆部署装置确定待部署区域的状态st。
其中，st＝(x1，x2，x3，…，xI)；x用于表示特征信息；I为车辆的数量。
S602、车辆部署装置确定车辆的部署行为at。
其中，at∈(1，2，…，I)。
S603、车辆部署装置确定待部署区域的状态st下采取车辆的部署行为at的概率πθ(st，at)。
S604、根据概率πθ(st，at)确定深度学习评分算法f(xi；θ)。
其中，θ用于表示待部署区域的权重值。
深度学习评分算法f(xi；θ)和概率πθ(st，at)满足下述公式：
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本申请实施例可以根据上述方法示例对车辆部署装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。可选的，本申请实施例中对模块的划分是示意性的，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。
如图7所示，为本申请实施例提供的一种车辆部署装置70的结构示意图。该车辆部署装置70用于解决现有的移动卒中单元部署不合理的技术问题，例如用于执行图4、图5或图6所示的车辆部署方法。该车辆部署装置70包括：获取单元701、确定单元702和部署单元703。
获取单元701，用于获取待部署区域的特征信息；特征信息用于表示待部署区域在第一时刻部署的车辆特征、待部署区域的位置特征、从待部署区域到目标位置的时间特征或待部署区域到目标位置的距离特征中的至少一项；目标位置为终端发送乘载请求的起始位置或目的位置。例如，结合图4、图5或图6，获取单元701用于执行S401。
确定单元702，用于根据获取单元701获取到的特征信息，确定待部署区域的权重值；权重值用于表示待部署区域部署车辆的重要程度。例如，结合图4、图5或图6，确定单元702用于执行S402。
部署单元703，用于根据确定单元702确定的权重值，向待部署区域部署车辆。例如，结合图4、图5或图6，部署单元703用于执行S403。
可选的，确定单元702，具体用于：
根据特征信息确定深度学习评分算法。例如，结合图5或图6，确定单元702用于执行S501。
根据特征信息和深度学习评分算法，确定待部署区域的权重值。例如，结合图5或图6，确定单元702用于执行S502。
可选的，确定单元702，具体用于：
确定待部署区域的状态st；其中，st＝(x1，x2，x3，…，xI)；x用于表示特征信息；I为车辆的数量。例如，结合图6，确定单元702用于执行S601。
确定车辆的部署行为at；其中，at∈(1，2，…，I)。例如，结合图6，确定单元702用于执行S602。
确定待部署区域的状态st下采取车辆的部署行为at的概率πθ(st，at)。例如，结合图6，确定单元702用于执行S603。
根据概率πθ(st，at)确定深度学习评分算法f(xi；θ)；其中，θ用于表示待部署区域的权重值。例如，结合图6，确定单元702用于执行S604。
深度学习评分算法f(xi；θ)和概率πθ(st，at)满足下述公式：
可选的，特征信息包括：待部署区域在第一时刻部署车辆的数量、与待部署区域满足预设距离的目标区域在第一时刻行驶车辆的数量、待部署区域的地理位置、车辆从待部署区域到目标位置的行驶时间、车辆从待部署区域到目标位置的行驶距离中的至少一项。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令。当计算机执行指令在计算机上运行时，使得计算机执行如上述实施例提供的车辆部署方法中，车辆部署装置执行的各个步骤。
本申请实施例还提供一种计算机程序产品，该计算机程序产品可直接加载到存储器中，并含有软件代码，该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的车辆部署方法中，车辆部署装置执行的各个步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
通过以上的实施方式的描述，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，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，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。例如多个单元或组件可以结合或者可以集成到另一个装置，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接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元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，可以存储在一个可读取的存储介质中。基于这样的理解，本申请实施例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全部或部分可以以软件产品的形式体现出来，该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个设备(可以是单片机，芯片等)或处理器(processor)执行本发明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。
以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种车辆部署方法，其特征在于，包括：
获取待部署区域的特征信息；所述特征信息用于表示所述待部署区域在第一时刻部署的车辆特征、所述待部署区域的位置特征、从所述待部署区域到目标位置的时间特征或所述待部署区域到所述目标位置的距离特征中的至少一项；所述目标位置为终端发送乘载请求的起始位置或目的位置；
确定所述待部署区域的状态st；其中，st＝(x1，x2，x3，…，xI)；x用于表示所述特征信息；I为所述车辆的数量；
确定所述车辆的部署行为at；其中，at∈(1，2，…，I)；
确定所述待部署区域的状态st下采取所述车辆的部署行为at的概率πθ(st，at)；
根据所述概率πθ(st，at)确定深度学习评分算法f(xi；θ)；其中，θ用于表示所述待部署区域的权重值；
所述深度学习评分算法f(xi；θ)和所述概率πθ(st，at)满足下述公式：
根据所述特征信息和所述深度学习评分算法，确定所述待部署区域的权重值；所述权重值用于表示所述待部署区域部署车辆的重要程度；
根据所述权重值，向所述待部署区域部署车辆。
2.根据权利要求1所述的车辆部署方法，其特征在于，所述特征信息包括：所述待部署区域在所述第一时刻部署车辆的数量、与所述待部署区域满足预设距离的目标区域在所述第一时刻行驶车辆的数量、所述待部署区域的地理位置、车辆从所述待部署区域到所述目标位置的行驶时间、车辆从所述待部署区域到所述目标位置的行驶距离中的至少一项。
3.一种车辆部署装置，其特征在于，包括：获取单元、确定单元和部署单元；
所述获取单元，用于获取待部署区域的特征信息；所述特征信息用于表示所述待部署区域在第一时刻部署的车辆特征、所述待部署区域的位置特征、从所述待部署区域到目标位置的时间特征或所述待部署区域到所述目标位置的距离特征中的至少一项；所述目标位置为终端发送乘载请求的起始位置或目的位置；
所述确定单元，用于:
确定所述待部署区域的状态st；其中，st＝(x1，x2，x3，…，xI)；x用于表示所述特征信息；I为所述车辆的数量；
确定所述车辆的部署行为at；其中，at∈(1，2，…，I)；
确定所述待部署区域的状态st下采取所述车辆的部署行为at的概率πθ(st，at)；
根据所述概率πθ(st，at)确定深度学习评分算法f(xi；θ)；其中，θ用于表示所述待部署区域的权重值；
所述深度学习评分算法f(xi；θ)和所述概率πθ(st，at)满足下述公式：
根据所述特征信息和所述深度学习评分算法，确定所述待部署区域的权重值；所述权重值用于表示所述待部署区域部署车辆的重要程度；
所述部署单元，用于根据所述确定单元确定的所述权重值，向所述待部署区域部署车辆。
4.根据权利要求3所述的车辆部署装置，其特征在于，所述特征信息包括：所述待部署区域在所述第一时刻部署车辆的数量、与所述待部署区域满足预设距离的目标区域在所述第一时刻行驶车辆的数量、所述待部署区域的地理位置、车辆从所述待部署区域到所述目标位置的行驶时间、车辆从所述待部署区域到所述目标位置的行驶距离中的至少一项。
5.一种车辆部署装置，其特征在于，包括存储器和处理器；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过总线连接；
当所述车辆部署装置运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述车辆部署装置执行如权利要求1或2所述的车辆部署方法。
6.一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包括计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行如权利要求1或2所述的车辆部署方法。
CN202011078705.7A 2020-10-10 2020-10-10 一种车辆部署方法及装置 Active CN112185532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011078705.7A CN112185532B (zh) 2020-10-10 2020-10-10 一种车辆部署方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011078705.7A CN112185532B (zh) 2020-10-10 2020-10-10 一种车辆部署方法及装置

Publications (2)

Publication Number Publication Date
CN112185532A CN112185532A (zh) 2021-01-05
CN112185532B true CN112185532B (zh) 2023-09-19

Family

ID=73947395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011078705.7A Active CN112185532B (zh) 2020-10-10 2020-10-10 一种车辆部署方法及装置

Country Status (1)

Country Link
CN (1) CN112185532B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860440B (zh) * 2023-02-28 2023-05-30 国网浙江电动汽车服务有限公司 多功能移动储能车部署方案生成方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145387A (zh) * 2017-05-23 2017-09-08 南京大学 一种车载网环境下基于深度强化学习的任务调度方法
CN107948246A (zh) * 2017-10-31 2018-04-20 武汉科技大学 一种基于车联网车辆社交性的rsu部署方法及系统
CN110443412A (zh) * 2019-07-18 2019-11-12 华中科技大学 动态优化加工过程中物流调度及路径规划的强化学习方法
CN110549896A (zh) * 2019-08-28 2019-12-10 哈尔滨工程大学 一种基于强化学习的充电站选择方法
CN111507553A (zh) * 2019-01-31 2020-08-07 北京骑胜科技有限公司 一种资源调度方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8626565B2 (en) * 2008-06-30 2014-01-07 Autonomous Solutions, Inc. Vehicle dispatching method and system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145387A (zh) * 2017-05-23 2017-09-08 南京大学 一种车载网环境下基于深度强化学习的任务调度方法
CN107948246A (zh) * 2017-10-31 2018-04-20 武汉科技大学 一种基于车联网车辆社交性的rsu部署方法及系统
CN111507553A (zh) * 2019-01-31 2020-08-07 北京骑胜科技有限公司 一种资源调度方法及装置
CN110443412A (zh) * 2019-07-18 2019-11-12 华中科技大学 动态优化加工过程中物流调度及路径规划的强化学习方法
CN110549896A (zh) * 2019-08-28 2019-12-10 哈尔滨工程大学 一种基于强化学习的充电站选择方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Dispatch of autonomous vehicles for taxi services: A deep reinforcement learning approach;Chao Mao 等;《Transportation Research Part C：Emerging Technologies》;第115卷;第1-17页 *
基于深度强化学习的救护车动态重定位调度研究;刘冠男 等;《管理科学学报》;第23卷(第2期);第39-53页 *
基于深度强化学习的机场出租车司机决策方法;王鹏勇;陈龚涛;赵江烁;;计算机与现代化(第08期);第94-99页 *

Also Published As

Publication number Publication date
CN112185532A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN112185532B (zh) 一种车辆部署方法及装置
US20130226612A1 (en) Framework for evidence based case structuring
CN111009311A (zh) 一种医疗资源推荐方法、装置、介质和设备
CN109788489A (zh) 一种基站规划方法及装置
WO2021184799A1 (zh) 医学图像处理方法、装置、设备及存储介质
Liu et al. Prediction of high‐risk cytogenetic status in multiple myeloma based on magnetic resonance imaging: utility of radiomics and comparison of machine learning methods
WO2016134659A1 (zh) 一种利用文本数据构建蛋白质相互作用网络的方法
CN109559360A (zh) 一种pet图像重建方法、装置和计算设备
CN109788028A (zh) 道路救援管理方法、装置、计算机设备及存储介质
CN108830863A (zh) 医学成像的左心室分割方法、系统和计算机可读存储介质
Philip et al. Towards 5G health for medical video streaming over small cells
CN104601647B (zh) 集群节点状态变更装置及方法
CN106097216A (zh) 基于大数据的智慧医疗设备接入方法
CN111833997B (zh) 基于风险预测的就诊分配方法、装置、计算机设备
CN111477336A (zh) 传染病诊断数据的融合方法、系统及存储介质
CN110136111B (zh) 一种心脏运动估计方法、系统及终端设备
CN111312409A (zh) 一种医疗数据的共享系统及方法
CN112016979B (zh) 用户分群方法、装置、设备和计算机可读存储介质
CN114170162A (zh) 一种图像预测方法、图像预测装置以及计算机存储介质
De Guise et al. Outcome in women with traumatic brain injury admitted to a level 1 trauma center
CN108389622B (zh) 一种基于最优模型的疾病预测方法、设备及存储设备
CN111126667B (zh) 基于主动拓扑优化的车辆任务卸载及资源分配方法和系统
CN111477331A (zh) 治疗方案的确定方法及装置
Valach et al. Length of stay in the rehabilitation center, the admission functional independence measure and the functional independence measure gain
CN115240021A (zh) 基于强化学习的检测模型训练方法及相关装置

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