CN112508423B - 引导路线生成方法及装置 - Google Patents

引导路线生成方法及装置 Download PDF

Info

Publication number
CN112508423B
CN112508423B CN202011468107.0A CN202011468107A CN112508423B CN 112508423 B CN112508423 B CN 112508423B CN 202011468107 A CN202011468107 A CN 202011468107A CN 112508423 B CN112508423 B CN 112508423B
Authority
CN
China
Prior art keywords
poi
order
vehicle
determining
route
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
CN202011468107.0A
Other languages
English (en)
Other versions
CN112508423A (zh
Inventor
汤义强
郭玉林
张之硕
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.)
Nanjing Leading Technology Co Ltd
Original Assignee
Nanjing Leading Technology 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 Nanjing Leading Technology Co Ltd filed Critical Nanjing Leading Technology Co Ltd
Priority to CN202011468107.0A priority Critical patent/CN112508423B/zh
Publication of CN112508423A publication Critical patent/CN112508423A/zh
Application granted granted Critical
Publication of CN112508423B publication Critical patent/CN112508423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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]
    • G06Q30/0605—Supply or demand aggregation
    • 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)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供了一种引导路线生成方法及装置。所述方法包括：获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；根据所述引导路线参数，生成每台所述目标车辆的引导路线。本申请实施例解决了现有技术中，网约车服务过程中，容易出现供需不平衡的问题。

Description

引导路线生成方法及装置
技术领域
本申请涉及互联网技术领域，尤其涉及一种引导路线生成方法及装置。
背景技术
近年来，随着移动互联网行业的迅速发展，传统交通运输与互联网融合的行业新业态蓬勃发展，使得网络约车服务(简称网约车)俨然已经成为用户出行的一个重要方式，网约车可满足用户在不同出行场景中的使用需求，用户规模持续、稳定地增长，其在短时间内迅速占据了大量的用户市场，也为用户出行带来了极大的便利。
网约车平台在接收到用户从客户端触发的约车订单后，将约车订单派发给空闲状态的车辆；在每个派单周期内，平台通常会接收到大量的订单，因此需要对订单与车辆进行合理的调配，使得接单率最大化。然而，现有技术中，网约车平台在派单的过程中，容易出现供需不平衡的情况，比如乘客订单没有车辆承接，与此同时车辆没有订单派发、长时间空驶，导致运力资源没有得到合理利用。
发明内容
本申请实施例提供一种引导路线生成方法及装置，以解决现有技术中，网约车服务过程中，容易出现供需不平衡的问题。
一方面，本申请实施例提供了一种引导路线生成方法，所述方法包括：
获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；
根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；
确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
根据所述引导路线参数，生成每台所述目标车辆的引导路线。
可选地，所述获取目标区域的信息点POI的订单参数，包括：
获取目标区域的信息点POI在目标周期内的车辆数以及订单预测量；
根据所述车辆数以及订单预测量，确定所述POI的最大需求车辆数；
根据所述最大需求车辆数，确定所述POI的订单接单率；
根据所述订单接单率以及所述POI的平均等待时长，确定所述POI的权重。
可选地，若所述目标周期为当前周期的下一个周期，所述车辆数包括所述当前周期内的空驶车辆数以及在所述目标周期的预测车辆数。
可选地，所述获取目标区域的信息点POI的订单参数以及目标车辆的位置点之前，所述方法包括：
获取目标区域的约车订单，确定所述约车订单的起点以及终点；
根据所述起点以及终点，确定所述目标区域内的信息点POI。
可选地，所述确定所述网络流图的引导路线参数，包括：
根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
另一方面，本申请实施例还提供一种引导路线生成装置，所述装置包括：
参数获取模块，用于获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；
流图建立模块，用于根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；
参数确定模块，用于确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
路线生成模块，用于根据所述引导路线参数，生成每台所述目标车辆的引导路线。
可选地，所述参数获取模块包括：
获取子模块，用于获取目标区域的信息点POI在目标周期内的车辆数以及订单预测量；
第一确定子模块，用于根据所述车辆数以及订单预测量，确定所述POI的最大需求车辆数；
第二确定子模块，用于根据所述最大需求车辆数，确定所述POI的订单接单率；
第三确定子模块，用于根据所述订单接单率以及所述POI的平均等待时长，确定所述POI的权重。
可选地，若所述目标周期为当前周期的下一个周期，所述车辆数包括所述当前周期内的空驶车辆数以及在所述目标周期的预测车辆数。
可选地，所述装置包括：
订单处理模块，用于获取目标区域的约车订单，确定所述约车订单的起点以及终点；
POI确定模块，用于根据所述起点以及终点，确定所述目标区域内的信息点POI。
可选地，所述参数确定模块包括：
计算子模块，用于根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
又一方面，本申请实施例还提供一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的引导路线生成方法中的步骤。
再一方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的引导路线生成方法中的步骤。
本申请实施例中，获取目标区域的信息点POI的订单参数以及目标车辆的位置点；根据所述订单参数，建立所述目标区域的网络流图；确定所述网络流图的引导路线参数，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；根据所述引导路线参数，生成每台所述目标车辆的引导路线，基于引导路线调度空驶的车辆在目标派单周期内去往订单热度高的区域，提高司机的接单率，满足更多乘客的出行需求，提高车辆资源与订单资源的利用率，减少车辆资源与订单资源分配不平衡的情况。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的引导路线生成方法的步骤流程图；
图2为本申请实施例提供的第一示例的示意图；
图3为本申请实施例提供的第二示例的示意图；
图4为本申请实施例提供的引导路线生成装置的结构框图；
图5为本申请实施例提供的电子设备的结构框图。
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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本申请的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
参见图1，本申请实施例提供了一种引导路线生成方法，可选地，所述方法可应用于网约车的服务器，所述服务器可与多个客户端通信连接，所述客户端包括乘客客户端以及司机客户端，所述服务器接收乘客客户端发送的约车订单，为客户端派发车辆，并通知所述车辆对应的司机客户端。
所述方法包括：
步骤101，获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的。
其中，信息点(Point of Information，POI)可以是一位置点，比如在网约车中的行程起点、终点，或起点、终点周边常见的位置点。订单参数包括POI的最大需求车辆数和权重。
最大需求车辆数包括在该POI处(或POI周边一预设距离范围内)作为网约车行程的起点(或终点)时最大需求车辆数目，比如，服务器预先统计每个派单周期内的在该POI处的约车订单，根据当前时间对应的派单周期，确定最大需求车辆数。权重为根据POI的订单接单率以及平均等待时长确定的，POI的订单接单率表示被调度过来的车辆，承接该POI的约车订单的概率；平均等待时长即在预设统计周期内，该POI处的所有约车订单的等待时长，等待时长可以参考预估到达时间(Estimated Time Of Arrival，ETA)，即车辆预计从其当前位置到约车订单对应的行程的起点的所花费的时间。
步骤102，根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点。
网络流图即节点行程的有向图(Directed Graph)，有向图即全部由有向边构成图；节点包括POI以及车辆的位置点；比如，将目标区域中的车辆的位置点以及POI作为节点，生成目标区域的网络流图；作为第一示例，参见图2，图2为车辆的位置点与POI之间的路径示意图；其中，每个位置点为车辆的位置点，图2中有向线段表示该位置点至对应的POI之间的路径，点S表示汇点；其中，各个POI与汇点连接的边(有向线段)中，参数为(a，b)，其中a为最大需求车辆数，b表示权重，与汇点连接，通常设置为0；由位置点连接至POI点的边中，参数为(a，c)，其中c为权重；
作为第二示例，参见图3，图3所示为一网络流图的示意图，从起始点流向汇点，其中节点包括车辆1对应的位置点1，车辆2对应的位置点2，第一个POI(POI-1)，以及第二个POI(POI-2)；其中，连接每个节点之间为有向线段，方向如箭头方向所示。
步骤103，确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
其中，引导路线参数为针对每个车辆的引导路线的参数；引导路线参数中包括对每辆车辆的引导路线，通过生成网络流图，确定使所述网络流图中总体权重最大且总体车辆容量最大的引导路线。
可选地，可根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
采用最小费用最大流(Minimum Cost Maximum Flow，MCMV)的计算方法，计算引导路线参数；针对多辆车以及每辆车可以走的多条路径，为每辆车分配一个路径，使得全局的流量(车辆容量)最大，费用(权重的相反数)最小，参见图3，图中的汇点用于连接各个POI，其与各个POI的边中的最大需求车辆数用于限制每个POI点的最多能引导的车辆数；其中，各个POI与汇点连接的边中，参数为(a，b)，其中a为最大需求车辆数；例如，POI-1的最大需求车辆数为1，POI-2的最大需求车辆数为2；由位置点连接至POI点的边中，参数为(a，c)，其中c为权重；使所述网络流图的所述权重最大且车辆容量最大的引导路线中，每辆车可以引导至一个POI点，一个POI点可对应多辆车，同时所述网络流图的总体权重最大，而权重越大约车订单量与车辆的数量的差值越大，即接单概率越大。
可选地，最小费用最大流的计算方法可以是增广路(augmentpath)算法、预流推进(pushlabel)算法等。
步骤104，根据所述引导路线参数，生成每台所述目标车辆的引导路线。
根据引导路线参数，生成目标区域内每台目标车辆的引导路线，调度空驶的车辆在目标派单周期内去往订单热度高(即订单量大)的区域，提高司机的接单率，满足更多乘客的出行需求，提高资源利用率。
参见图3，图3对应的网络流图中，POI-1的容量只有1，所以只能被一辆车选取，所以在车辆1连接3，车辆2连接4的情况下费用最小，所以车辆1的引导路线1为：位置点1至POI-1至汇点；车辆2的引导路线2为：位置点2至POI-2至汇点；
在此组引导路线中，费用为-7(引导路线1的费用为-5，引导路线2的费用为-2)，流量为5(引导路线1的流量为1+1，引导路线2的费用为1+2)；在该组引导路线参数下，目标区域的总体权重最大且车辆容量最大。
本申请实施例中，获取目标区域的信息点POI的订单参数以及目标车辆的位置点；根据所述订单参数，建立所述目标区域的网络流图；确定所述网络流图的引导路线参数，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；根据所述引导路线参数，生成每台所述目标车辆的引导路线，基于引导路线调度空驶的车辆在目标派单周期内去往订单热度高的区域，提高司机的接单率，满足更多乘客的出行需求，提高车辆资源与订单资源的利用率，减少车辆资源与订单资源分配不平衡的情况。本申请实施例解决了现有技术中，网约车服务过程中，容易出现供需不平衡的问题。
可选地，本申请实施例中，所述获取目标区域的信息点POI的订单参数，包括第一步至第四步；
第一步，获取目标区域的信息点POI在目标周期内的车辆数以及订单预测量。
目标周期即前述目标派单周期，所述引导路线参数对应的派单周期；为了便于引导车辆，可预先配置目标周期的引导路线参数；例如，目标周期且当前周期的下一个周期，或者下N个周期(N大于1)；车辆数为预测的数目。
订单预测量为目标周期的预测量，可以根据周期的时间设定一预测时间窗，预测时间窗时长M分钟；比如当前时间是上午11点整，司机在A地已经接不到订单了，此时使用车辆路线引导，而路线引导需要计算N分钟之后的目标周期的实时预测订单；其中，M分钟的选取根据车辆的实际情况确定，比如M分钟为车辆从当前位置到路线引导的目的地所在的位置所花费的时间，使得15分钟窗口的订单量能近似代表车辆到达引导的目的地之后的真实订单量。
第二步，根据所述车辆数以及订单预测量，确定所述POI的最大需求车辆数。
其中，POI最大需求车辆数为该POI(或POI周边)预测订单量与POI周边车辆数之差，需求车辆数即该POI还需要被调度过来的车辆数目。
第三步，根据所述最大需求车辆数，确定所述POI的订单接单率。
其中，POI的订单接单率表示被调度过来的车辆，承接该POI的约车订单的概率；
可选地，POI的订单接单率＝max{0，最大需求车辆数}*100％；也即若最大需求车辆数大于0，则订单接单率为最大需求车辆数*100％；若最大需求车辆数小于或等于0，说明当前车辆饱和，则订单接单率为0。即最大需求车辆数越大，POI的订单接单率越高。
第四步，根据所述订单接单率以及所述POI的平均等待时长，确定所述POI的权重。
可选地，首先对订单接单率以及所述POI的平均等待时长分别归一化处理，然后对归一化处理后的参数进行加权求和；例如，对POI的订单接单率归一化处理得到h(POI的订单接单率)，对ETA归一化处理得到h(ETA)，其中，h(x)表示归一化函数；然后根据预设权值，分别对h(POI的订单接单率)、h(ETA)加权求和，得到POI的权重；其中，h(POI的订单接单率)与POI的订单接单率呈正相关。
可选地，本申请实施例中，若所述目标周期为当前周期的下一个周期，所述车辆数包括所述当前周期内的空驶车辆数以及在所述目标周期的预测车辆数。空驶车辆数目即当前处于空闲状态的车辆数目，预测车辆数目即在下一个周期即将到达目标区域的车辆，例如，承接了行程结束时间在下一个周期以及行程终点在目标小区域的车辆，或当前所执行的订单的行程结束时间在下一个周期以及行程终点在目标小区域的车辆。
可选地，本申请实施例中，所述获取目标区域的信息点POI的订单参数以及目标车辆的位置点之前，所述方法包括：
获取目标区域的约车订单，确定所述约车订单的起点以及终点；可以理解的是，本申请实施例中约车订单包括网约车订单，起点包括约车订单的行程的起点，终点包括网约车行程的终点；
根据所述起点以及终点，确定所述目标区域内的信息点POI；以起点为例，例如，确定起点在目标区域的行程的总起点数目(或总起点数目与终点数目之和)中的占比，若占比超过第一预设数值，则确定该点为POI；或确定起点在目标区域的行程作为起点(或起点与终点)的总数目，若数目超过第二预设数值，则确定该点为POI。可以理解的是，第一预设数值、第二预设数值可以为与目标区域、当前时间对应的派单周期对应的数值。
可选地，本申请实施例中，在确定约车订单量的过程中，需要对用户需求去重处理，将历史订单数据和实时订单数据按用户的真实需求进行去重，比如以用户首次发单作为真实需求的开始时间，若用户订单未被接单，在一定时间范围(例如30分钟)内重新发单则认为是同一需求(通常情况下，大部分重复需求均在22分钟以内)；以及将用户完成订单后再次发单或超出30分钟时间间隔后再次发单均计算为新的需求。
本申请实施例中，获取目标区域的信息点POI的订单参数以及目标车辆的位置点；根据所述订单参数，建立所述目标区域的网络流图；确定所述网络流图的引导路线参数，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；根据所述引导路线参数，生成每台所述目标车辆的引导路线，基于引导路线调度空驶的车辆在目标派单周期内去往订单热度高的区域，提高司机的接单率，满足更多乘客的出行需求，提高车辆资源与订单资源的利用率，减少车辆资源与订单资源分配不平衡的情况。
以上介绍了本申请实施例提供的引导路线生成方法，下面将结合附图介绍本申请实施例提供的引导路线生成装置。
参见图4，本申请实施例还提供了一种引导路线生成装置，所述装置包括：
参数获取模块401，用于获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的。
其中，信息点可以是一位置点，比如在网约车中的行程起点、终点，或起点、终点周边常见的位置点。订单参数包括POI的最大需求车辆数和权重。
最大需求车辆数包括在该POI处(或POI周边一预设距离范围内)作为网约车行程的起点(或终点)时最大需求车辆数目，比如，服务器预先统计每个派单周期内的在该POI处的约车订单，根据当前时间对应的派单周期，确定最大需求车辆数。权重为根据POI的订单接单率以及平均等待时长确定的，POI的订单接单率表示被调度过来的车辆，承接该POI的约车订单的概率；平均等待时长即在预设统计周期内，该POI处的所有约车订单的等待时长，等待时长可以参考预估到达时间，即车辆预计从其当前位置到约车订单对应的行程的起点的所花费的时间。
流图建立模块402，用于根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点。
网络流图即节点行程的有向图，有向图即全部由有向边构成图；节点包括POI以及车辆的位置点；比如，将目标区域中的车辆的位置点以及POI作为节点，生成目标区域的网络流图；作为第一示例，参见图2，图2为车辆的位置点与POI之间的路径示意图；其中，每个位置点为车辆的位置点，图2中有向线段表示该位置点至对应的POI之间的路径，点S表示汇点；其中，各个POI与汇点连接的边(有向线段)中，参数为(a，b)，其中a为最大需求车辆数；由位置点连接至POI点的边中，参数为(a，c)，其中c为权重；
作为第二示例，参见图3，图3所示为一网络流图的示意图，从起始点流向汇点，其中节点包括车辆1对应的位置点1，车辆2对应的位置点2，第一个POI(POI-1)，以及第二个POI(POI-2)；其中，连接每个节点之间为有向线段，方向如箭头方向所示。
参数确定模块，用于确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线。
其中，引导路线参数为针对每个车辆的引导路线的参数；引导路线参数中包括对每辆车辆的引导路线，通过生成网络流图，确定使所述网络流图中总体权重最大且总体车辆容量最大的引导路线。
可选地，可根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
采用最小费用最大流的计算方法，计算引导路线参数；针对多辆车以及每辆车可以走的多条路径，为每辆车分配一个路径，使得全局的流量(车辆容量)最大，费用(权重的相反数)最小，参见图3，图中的汇点用于连接各个POI，其与各个POI的边中的最大需求车辆数用于限制每个POI点的最多能引导的车辆数；其中，各个POI与汇点连接的边中，参数为(a，b)，其中a为最大需求车辆数；例如，POI-1的最大需求车辆数为1，POI-2的最大需求车辆数为2；由位置点连接至POI点的边中，参数为(a，c)，其中c为权重；使所述网络流图的所述权重最大且车辆容量最大的引导路线中，每辆车可以引导至一个POI点，一个POI点可对应多辆车，同时所述网络流图的总体权重最大，而权重越大约车订单量与车辆的数量的差值越大，即接单概率越大。
可选地，最小费用最大流的计算方法可以是增广路算法、预流推进算法等。
路线生成模块404，用于根据所述引导路线参数，生成每台所述目标车辆的引导路线。
根据引导路线参数，生成目标区域内每台目标车辆的引导路线，调度空驶的车辆在目标派单周期内去往订单热度高(即订单量大)的区域，提高司机的接单率，满足更多乘客的出行需求，提高资源利用率。
参见图3，图3对应的网络流图中，POI-1的容量只有1，所以只能被一辆车选取，所以在车辆1连接3，车辆2连接4的情况下费用最小，所以车辆1的引导路线1为：位置点1至POI-1至汇点；车辆2的引导路线2为：位置点2至POI-2至汇点；
在此组引导路线中，费用为-7(引导路线1的费用为-5，引导路线2的费用为-2)，流量为5(引导路线1的流量为1+1，引导路线2的费用为1+2)；在该组引导路线参数下，目标区域的总体权重最大且车辆容量最大。
可选地，本申请实施例中，所述参数获取模块401包括：
获取子模块，用于获取目标区域的信息点POI在目标周期内的车辆数以及订单预测量；
第一确定子模块，用于根据所述车辆数以及订单预测量，确定所述POI的最大需求车辆数；
第二确定子模块，用于根据所述最大需求车辆数，确定所述POI的订单接单率；
第三确定子模块，用于根据所述订单接单率以及所述POI的平均等待时长，确定所述POI的权重。
可选地，本申请实施例中，若所述目标周期为当前周期的下一个周期，所述车辆数包括所述当前周期内的空驶车辆数以及在所述目标周期的预测车辆数。
可选地，本申请实施例中，所述装置包括：
订单处理模块，用于获取目标区域的约车订单，确定所述约车订单的起点以及终点；
POI确定模块，用于根据所述起点以及终点，确定所述目标区域内的信息点POI。
可选地，本申请实施例中，所述参数确定模块包括：
计算子模块，用于根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
本申请实施例提供的引导路线生成装置能够实现图1至图3的方法实施例中引导路线生成装置实现的各个过程，为避免重复，这里不再赘述。
本申请实施例中，参数获取模块401获取目标区域的信息点POI的订单参数以及目标车辆的位置点；流图建立模块402根据所述订单参数，建立所述目标区域的网络流图；参数确定模块确定所述网络流图的引导路线参数，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；路线生成模块404根据所述引导路线参数，生成每台所述目标车辆的引导路线，基于引导路线调度空驶的车辆在目标派单周期内去往订单热度高的区域，提高司机的接单率，满足更多乘客的出行需求，提高车辆资源与订单资源的利用率，减少车辆资源与订单资源分配不平衡的情况。
另一方面，本申请实施例还提供了一种电子设备，包括存储器、处理器、总线以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述引导路线生成方法中的步骤。
举个例子如下，图5示出了一种电子设备的实体结构示意图。
如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：
获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；
根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；
确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
根据所述引导路线参数，生成每台所述目标车辆的引导路线。
此外，上述的存储器530中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请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部分可以以软件产品的形式体现出来，该计算机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台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
再一方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的引导路线生成方法，例如包括：
获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；
根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；
确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
根据所述引导路线参数，生成每台所述目标车辆的引导路线。
以上所描述的装置实施例仅仅是示意性的，其中所述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或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (12)

1.一种引导路线生成方法，其特征在于，所述方法包括：
获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；
根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；
确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
根据所述引导路线参数，生成每台所述目标车辆的引导路线。
2.根据权利要求1所述的引导路线生成方法，其特征在于，所述获取目标区域的信息点POI的订单参数，包括：
获取目标区域的信息点POI在目标周期内的车辆数以及订单预测量；
根据所述车辆数以及订单预测量，确定所述POI的最大需求车辆数；
根据所述最大需求车辆数，确定所述POI的订单接单率；
根据所述订单接单率以及所述POI的平均等待时长，确定所述POI的权重。
3.根据权利要求2所述的引导路线生成方法，其特征在于，若所述目标周期为当前周期的下一个周期，所述车辆数包括所述当前周期内的空驶车辆数以及在所述目标周期的预测车辆数。
4.根据权利要求1所述的引导路线生成方法，其特征在于，所述获取目标区域的信息点POI的订单参数以及目标车辆的位置点之前，所述方法包括：
获取目标区域的约车订单，确定所述约车订单的起点以及终点；
根据所述起点以及终点，确定所述目标区域内的信息点POI。
5.根据权利要求1所述的引导路线生成方法，其特征在于，所述确定所述网络流图的引导路线参数，包括：
根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
6.一种引导路线生成装置，其特征在于，所述装置包括：
参数获取模块，用于获取目标区域的信息点POI的订单参数以及目标车辆的位置点；所述订单参数包括最大需求车辆数和权重；所述权重为根据所述POI的订单接单率以及平均等待时长确定的；
流图建立模块，用于根据所述订单参数，建立所述目标区域的网络流图；其中，所述网络流图中，节点包括所述POI以及所述位置点；
参数确定模块，用于确定所述网络流图的引导路线参数；其中，所述引导路线参数包括使所述网络流图的所述权重最大且车辆容量最大的引导路线；
路线生成模块，用于根据所述引导路线参数，生成每台所述目标车辆的引导路线。
7.根据权利要求6所述的引导路线生成装置，其特征在于，所述参数获取模块包括：
获取子模块，用于获取目标区域的信息点POI在目标周期内的车辆数以及订单预测量；
第一确定子模块，用于根据所述车辆数以及订单预测量，确定所述POI的最大需求车辆数；
第二确定子模块，用于根据所述最大需求车辆数，确定所述POI的订单接单率；
第三确定子模块，用于根据所述订单接单率以及所述POI的平均等待时长，确定所述POI的权重。
8.根据权利要求7所述的引导路线生成装置，其特征在于，若所述目标周期为当前周期的下一个周期，所述车辆数包括所述当前周期内的空驶车辆数以及在所述目标周期的预测车辆数。
9.根据权利要求6所述的引导路线生成装置，其特征在于，所述装置包括：
订单处理模块，用于获取目标区域的约车订单，确定所述约车订单的起点以及终点；
POI确定模块，用于根据所述起点以及终点，确定所述目标区域内的信息点POI。
10.根据权利要求6所述的引导路线生成装置，其特征在于，所述参数确定模块包括：
计算子模块，用于根据预设的最小费用最大流算法，计算所述网络流图的引导路线参数；所述引导路线参数中，包括每个所述节点的下一引导节点。
11.一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的引导路线生成方法的步骤。
12.一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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的引导路线生成方法的步骤。
CN202011468107.0A 2020-12-14 2020-12-14 引导路线生成方法及装置 Active CN112508423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011468107.0A CN112508423B (zh) 2020-12-14 2020-12-14 引导路线生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011468107.0A CN112508423B (zh) 2020-12-14 2020-12-14 引导路线生成方法及装置

Publications (2)

Publication Number Publication Date
CN112508423A CN112508423A (zh) 2021-03-16
CN112508423B true CN112508423B (zh) 2022-05-10

Family

ID=74973021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011468107.0A Active CN112508423B (zh) 2020-12-14 2020-12-14 引导路线生成方法及装置

Country Status (1)

Country Link
CN (1) CN112508423B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114331011A (zh) * 2021-11-30 2022-04-12 中国科学院深圳先进技术研究院 一种多队列模型派单系统、方法及基于网络流的派单算法
CN114331026A (zh) * 2021-12-06 2022-04-12 中国科学院深圳先进技术研究院 一种拼车订单分配方法、系统、终端以及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10783466B2 (en) * 2016-07-07 2020-09-22 Sap Se Integrated system for optimizing vehicle utilization
WO2018094614A1 (zh) * 2016-11-23 2018-05-31 深圳前海达闼云端智能科技有限公司 用于线路规划的方法、装置及电子设备
CN109409987A (zh) * 2018-09-27 2019-03-01 北京三快在线科技有限公司 接驾引导方法、装置及电子设备
CN111210135A (zh) * 2019-12-31 2020-05-29 上海钧正网络科技有限公司 派单方法、装置、派单平台服务器和派单系统

Also Published As

Publication number Publication date
CN112508423A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN108171353B (zh) 一种基于时间片的电动汽车快速预约匹配方法
JP7275295B2 (ja) アーリーライダー及びレイトライダーをスケジューリングするシステム及び方法
US11288603B2 (en) System for real-time optimal matching of ride sharing requests
CN109816128B (zh) 网约车订单的处理方法、装置、设备及可读存储介质
CN112508423B (zh) 引导路线生成方法及装置
CN105702017B (zh) 一种车辆调度方法及装置
CN111127936B (zh) 一种共享巴士的动态车辆调度和线路规划方法
CN110580576A (zh) 一种订单派发方法及装置
CN108921762A (zh) 一种车辆混合调度方法、装置及设备
EP3491597A1 (en) System and method for controlling vehicle
CN112561285A (zh) 网点的推荐方法、装置、电子设备及计算机可读存储介质
CN110992123B (zh) 一种订单派发方法及装置
RU2019124939A (ru) Управляемая данными система для оптимального определения размера парка транспортных средств, райдшеринга и диспетчеризации в реальном времени на основе сетей совместной используемости
CN110889738B (zh) 一种订单派发方法及装置
CN113642761A (zh) Robotaxi自动驾驶共享网约车资源分配方法
CN110570001B (zh) 一种出行订单处理方法、装置及服务器
EP4123527A1 (en) Online car-hailing information processing method and apparatus, and device and computer storage medium
JP6229354B2 (ja) 需要予測装置、需要予測方法、および需要予測プログラム
CN111415075B (zh) 一种车辆调度方法及装置
CN110910202B (zh) 一种订单处理方法及装置
CN110852833A (zh) 一种约车订单处理方法及装置
CN111105284B (zh) 订单处理方法、装置、m层订单处理模型、电子设备及储存介质
CN113536128A (zh) 交通枢纽换乘方式的推荐方法及电子设备
CN116777089B (zh) 基于车站密度系数算法的线网客控方法、装置及相关设备
Shui et al. A cultural clonal selection algorithm based fast vehicle scheduling approach

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