CN112613752B - 用于车辆调度的方法、电子设备和存储介质 - Google Patents
用于车辆调度的方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112613752B CN112613752B CN202011559931.7A CN202011559931A CN112613752B CN 112613752 B CN112613752 B CN 112613752B CN 202011559931 A CN202011559931 A CN 202011559931A CN 112613752 B CN112613752 B CN 112613752B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- numbers
- predicted
- historical
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000002093 peripheral effect Effects 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 48
- 239000013598 vector Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000010365 information processing Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- SKIIKRJAQOSWFT-UHFFFAOYSA-N 2-[3-[1-(2,2-difluoroethyl)piperidin-4-yl]oxy-4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]pyrazol-1-yl]-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethanone Chemical compound FC(CN1CCC(CC1)OC1=NN(C=C1C=1C=NC(=NC=1)NC1CC2=CC=CC=C2C1)CC(=O)N1CC2=C(CC1)NN=N2)F SKIIKRJAQOSWFT-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- G06Q50/40—
Abstract
本公开的实施例涉及用于车辆调度的方法、设备和存储介质,涉及信息处理领域。根据该方法,确定第一车辆集合的第一车辆闲置时长集合;确定多个第一车辆网点的、当前日期第一时段内的多个第一预测点击用户数和多个第一预测还车数量;确定多个第一周围车辆网点集合的、当前日期第一时段内的多个第二预测点击用户数和多个第二预测还车数量;基于第一车辆闲置时长集合、多个第一预测点击用户数、多个第一预测还车数量、多个第二预测点击用户数和多个第二预测还车数量,确定第一车辆集合的、当前日期第一时段内的状态数据集合;以及基于状态数据集合,确定当前日期第一时段内与消费支付凭证相关联的车辆。由此,能够提高车辆利用效率。
Description
技术领域
本公开的实施例总体涉及信息处理领域,具体涉及用于车辆调度的方法、电子设备和计算机存储介质。
背景技术
随着技术的发展,越来越多的人会选择租车出行。但是,用户对于车辆和车辆网点的需求往往是不均衡的。传统方案往往通过经验来确定需要调度的车辆和网点,这使得用于调度的车辆和网点的确定往往不够准确,例如无需优先调度的车辆被确定为需优先调度而需优先调度的车辆未被确定为需优先调度,从而使得车辆利用效率不高。
发明内容
提供了一种用于车辆调度的方法、电子设备以及计算机存储介质,能够提高车辆利用效率。
根据本公开的第一方面,提供了一种用于车辆调度的方法。该方法包括:确定与第一车辆集合相关联的、截止当前日期第一时段的第一车辆闲置时长集合,第一车辆集合位于多个第一车辆网点;确定与多个第一车辆网点相关联的、当前日期第一时段内的多个第一预测点击用户数和多个第一预测还车数量;确定与多个第一周围车辆网点集合相关联的、当前日期第一时段内的多个第二预测点击用户数和多个第二预测还车数量,多个第一周围车辆网点集合与多个第一车辆网点相关联,每一个第一周围车辆网点集合中的每一个第一周围车辆网点与所关联的第一车辆网点之间的距离小于预定距离;基于第一车辆闲置时长集合、多个第一预测点击用户数、多个第一预测还车数量、多个第二预测点击用户数、多个第二预测还车数量、与车辆闲置时长相关联的第一权重、与第一预测点击用户数相关联的第二权重、与第二预测点击用户数相关联的第三权重、与第一预测还车数量相关联的第四权重和与第二预测还车数量相关联的第五权重,确定与第一车辆集合相关联的、当前日期第一时段内的状态数据集合;以及基于状态数据集合,从第一车辆集合确定第一预定数量的车辆,作为当前日期第一时段内与消费支付凭证相关联的车辆供后续调度。
根据本公开的第二方面,提供了一种电子设备。该电子设备包括:至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据第一方面所述的方法。
在本公开的第三方面中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开的第一方面的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素。
图1是根据本公开的实施例的信息处理环境100的示意图。
图2是根据本公开的实施例的用于车辆调度的方法200的示意图。
图3是根据本公开的实施例的用于确定多个第一预测点击用户数的方法300的示意图。
图4是根据本公开的实施例的用于确定多个第一预测还车数量的方法400的示意图。
图5是用来实现本公开实施例的用于车辆调度的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上所述,传统方案通过经验来确定需要调度的车辆,使得需要优先调度的车辆的确定不够准确,从而导致车辆利用效率不高。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开的示例实施例提出了一种用于车辆调度的方案。在该方案中,确定与第一车辆集合相关联的、截止当前日期第一时段的第一车辆闲置时长集合,第一车辆集合位于多个第一车辆网点;确定与多个第一车辆网点相关联的、当前日期第一时段内的多个第一预测点击用户数和多个第一预测还车数量;确定与多个第一周围车辆网点集合相关联的、当前日期第一时段内的多个第二预测点击用户数和多个第二预测还车数量,多个第一周围车辆网点集合与多个第一车辆网点相关联,每一个第一周围车辆网点集合中的每一个第一周围车辆网点与所关联的第一车辆网点之间的距离小于预定距离;基于第一车辆闲置时长集合、多个第一预测点击用户数、多个第一预测还车数量、多个第二预测点击用户数、多个第二预测还车数量、与车辆闲置时长相关联的第一权重、与第一预测点击用户数相关联的第二权重、与第二预测点击用户数相关联的第三权重、与第一预测还车数量相关联的第四权重和与第二预测还车数量相关联的第五权重,确定与第一车辆集合相关联的、当前日期第一时段内的状态数据集合;以及基于状态数据集合,从第一车辆集合确定第一预定数量的车辆,作为当前日期第一时段内与消费支付凭证相关联的车辆供后续调度。以此方式,能够提高车辆利用效率。
在下文中,将结合附图更详细地描述本方案的具体示例。
图1示出了根据本公开的实施例的信息处理环境100的示例的示意图。信息处理环境100可以包括计算设备110、第一车辆集合120、第一车辆集合所位于的多个第一车辆网点130-1到130-n。
计算设备110例如包括但不限于服务器计算机、多处理器系统、大型计算机、包括上述系统或设备中的任意一个的分布式计算环境等。在一些实施例中,计算设备110可以具有一个或多个处理单元,包括诸如图像处理单元GPU、现场可编程门阵列FPGA和专用集成电路ASIC等的专用处理单元以及诸如中央处理单元CPU的通用处理单元。计算设备110可以存储有与第一车辆集合120有关的信息,例如车辆标识,车辆闲置时长,所在车辆网点等,以及与多个第一车辆网点130有关的信息,例如第一车辆网点标识和位置,针对第一车辆网点的点击用户数,第一车辆网点处的还车数量等。
第一车辆集合120包括当前可用的多个车辆,位于多个第一车辆网点130-1到130-n。应当理解,虽然图中示出了每个第一车辆网点与三个第一车辆相关联,但是这只是举例说明,每个第一车辆网点处的车辆的数量可以不同,而且可以更多或更少。多个第一车辆网点130-1到130-n处可以安装有通信设备,用于与计算设备110通信,以便向计算设备110发送多个第一车辆网点130-1到130-n处的车辆信息,例如还车数量。
计算设备110用于确定与第一车辆集合120相关联的、截止当前日期第一时段的第一车辆闲置时长集合,第一车辆集合120位于多个第一车辆网点130;确定与多个第一车辆网点130相关联的、当前日期第一时段内的多个第一预测点击用户数和多个第一预测还车数量;确定与多个第一周围车辆网点集合相关联的、当前日期第一时段内的多个第二预测点击用户数和多个第二预测还车数量,多个第一周围车辆网点集合与多个第一车辆网点相关联,每一个第一周围车辆网点集合中的每一个第一周围车辆网点与所关联的第一车辆网点之间的距离小于预定距离;基于第一车辆闲置时长集合、多个第一预测点击用户数、多个第一预测还车数量、多个第二预测点击用户数、多个第二预测还车数量、与车辆闲置时长相关联的第一权重、与第一预测点击用户数相关联的第二权重、与第二预测点击用户数相关联的第三权重、与第一预测还车数量相关联的第四权重和与第二预测还车数量相关联的第五权重,确定与第一车辆集合相关联的、当前日期第一时段内的状态数据集合;以及基于状态数据集合,从第一车辆集合确定第一预定数量的车辆,作为当前日期第一时段内与消费支付凭证相关联的车辆供后续调度。
由此,能够提高车辆利用效率。
图2示出了根据本公开的实施例的用于车辆调度的方法200的流程图。例如,方法200可以由如图1所示的计算设备110来执行。应当理解的是,方法200还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框202处,计算设备110确定与第一车辆集合120相关联的、截止当前日期第一时段的第一车辆闲置时长集合,第一车辆集合120位于多个第一车辆网点130。
第一车辆集合120中包括的每一个第一车辆为当前可租赁的车辆。一天内可以划分为多个时段,例如12个时段或者24个时段,第一时段为多个时段中的任一时段,例如10-11点。车辆闲置时长越长表明长时间对于该车辆无需求。
在框204处,计算设备110确定与多个第一车辆网点130相关联的、当前日期第一时段内的多个第一预测点击用户数和多个第一预测还车数量。
用户点按网点按钮可以保留下来用户的点击记录。用户点击一次网点按钮,可以生成一条点按记录。用户在连续一段时间内产生大于一次的点按记录,认为该用户为有效点击用户。预测点击用户数例如为预测有效点击用户数。车辆所在网点的预测点击用户数越多表明该网点的租赁需求越大。
下文将详细说明用于确定多个第一预测点击用户数的方法和用于确定多个第一预测还车数量的方法。
在框206处,计算设备110确定与多个第一周围车辆网点集合相关联的、当前日期第一时段内的多个第二预测点击用户数和多个第二预测还车数量。多个第一周围车辆网点集合与多个第一车辆网点120相关联,每一个第一周围车辆网点集合中的每一个第一周围车辆网点与所关联的第一车辆网点之间的距离小于预定距离。
第二预测点击用户数和第二预测还车数量的确定与第一预测点击用户数和第一预测还车数量的确定类似,这里不再赘述。
预定距离例如包括但不限于3km、5km。在一些实施例中,在消费支付凭证的影响下,用户会从与之最近的有车网点转移至与消费支付凭证相关联的车辆所在网点,这两个网点之间的距离可以称为转移距离,可以采用历史统计这些转移距离的85分位数作为预定距离。
车辆网点之间的距离可以采用以下公式来计算。
其中disij表示第一车辆网点i与第一周围车辆网点j之间的直线距离,Lati表示第一车辆网点i的经度,Lngi表示第一车辆网点i的纬度,Latj表示第一周围车辆网点j的经度,Lngj表示第一周围车辆网点j的纬度。
第一车辆网点i的第一周围车辆网点集合可以表示为Si={j|disij≤dis0,j∈I},其中I表示所有车辆网点的集合,dis0表示预定距离。
在框208处,计算设备110基于第一车辆闲置时长集合、多个第一预测点击用户数、多个第二预测点击用户数、多个第一预测还车数量、多个第二预测还车数量、与车辆闲置时长相关联的第一权重、与第一预测点击用户数相关联的第二权重、与第二预测点击用户数相关联的第三权重、与第一预测还车数量相关联的第四权重和与第二预测还车数量相关联的第五权重,确定与第一车辆集合相关联的、当前日期第一时段内的状态数据集合。
与第一车辆n相关联的状态数据例如可以通过以下公式来确定。
其中,w11表示与车辆闲置时长(也可以称为第一车辆指标)相关联的第一权重,w12表示与第一预测点击用户数(也可以称为第二车辆指标)相关联的第二权重,w13表示与第二预测点击用户数(也可以称为第三车辆指标)相关联的第三权重,w14表示与第一预测还车数量(也可以称为第四车辆指标)相关联的第四权重,w15表示与第二预测还车数量(也可以称为第五车辆指标)相关联的第五权重,τn表示第一车辆n的第一车辆闲置时长,Dit(n)表示第一车辆n所在第一车辆网点i在当前日期第一时段t的第一预测点击用户数,表示第一车辆n所在第一车辆网点i的第一周围车辆网点集合Si在当前日期第一时段t的第二预测点击用户数,其中其中Djt(n)表示第一车辆n所在第一车辆网点i的第一周围车辆网点j在当前日期第一时段t的预测点击用户数,Rit(n)表示第一车辆n所在第一车辆网点i在当前日期第一时段t的第一预测还车数量,表示第一车辆n所在第一车辆网点i的第一周围车辆网点集合Si在当前日期第一时段t的第二预测还车数量,其中其中Rjt(n)表示第一车辆n所在第一车辆网点i的第一周围车辆网点j在当前日期第一时段t的预测还车数量。
在一些实施例中,第一权重、第二权重、第三权重、第四权重和第五权重是相等的,也就是0.2。在另一些实施例中,第一权重、第二权重、第三权重、第四权重和第五权重与上述第1-5车辆指标的重要度有关,下文将详细说明。
在框210处,计算设备110基于状态数据集合,从第一车辆集合120确定第一预定数量的车辆,作为当前日期第一时段内与消费支付凭证相关联的车辆供后续调度。
例如,可以按照状态数据的数值大小从高到低对第一车辆集合中的多个第一车辆进行排序,并从排序结果中确定第一预定数量的车辆,作为当前日期第一时段内与消费支付凭证相关联的车辆。
在确定第一预定数量的车辆之后,计算设备110还可以经由与计算设备110通信连接的终端设备呈现所确定的第一预定数量的车辆以及消费支付凭证供用户自行选择,从而实现用户主动调度,或者从所确定的第一预定数量的车辆中确定与车辆租赁订单相匹配的车辆,从而实现系统自动调度。
由此,能够综合车辆闲置时长、所在网点租赁需求、所在网点还车数量、周边网点租赁需求和周边网点还车数量这五个维度车辆指标准确确定需优先调度的车辆供用户选择,并使之与消费支付凭证关联,从而提高车辆资源的利用效率。此外,也可以从筛选出的车辆中优先匹配车辆租赁订单,从而提高车辆资源的利用效率。
备选地或者附加地,在一些实施例中,计算设备110还可以获取与历史上被确定为与消费支付凭证相关联的第二车辆集合相关联的、截止历史日期第一时段的历史车辆闲置时长集合,第二车辆集合位于多个第二车辆网点。
随后,计算设备110可以获取与多个第二车辆网点相关联的、历史日期第一时段内的多个第一历史点击用户数和多个第一历史还车数量。
接着,计算设备110可以获取与多个第二周围车辆网点集合相关联的、历史日期第一时段内的多个第二历史点击用户数和多个第二历史还车数量,多个第二周围车辆网点集合与多个第二车辆网点相关联,每一个第二周围车辆网点集合中的每一个第二周围车辆网点与所关联的第二车辆网点之间的距离小于预定距离。
计算设备110基于历史车辆闲置时长集合、多个第一历史点击用户数、多个第一历史还车数量、多个第二历史点击用户数和多个第二历史还车数量,生成样本矩阵,样本矩阵中的列包括与第二车辆集合中的第二车辆相关联的历史车辆闲置时长、与第二车辆所位于的第二车辆网点相关联的第一历史点击用户数和第一历史还车数量以及与第二车辆网点所关联的第二周围车辆网点集合相关联的第二历史点击用户数和第二历史还车数量。
样本矩阵可以如下所示。
其中,样本矩阵X中的元素xij表示第j组样本中的第i个变量的值,共有n个变量(这里为5)和m组样本(也就是第二车辆集合的大小)。列上的5个变量分别为与第二车辆集合中的第二车辆j相关联的历史车辆闲置时长、与第二车辆j所位于的第二车辆网点相关联的第一历史点击用户数和第一历史还车数量以及与第二车辆网点所关联的第二周围车辆网点集合相关联的第二历史点击用户数和第二历史还车数量。
生成样本矩阵之后,计算设备110可以基于主成分分析模型和样本矩阵,生成确定第一权重、第二权重、第三权重、第四权重和第五权重。
由此,能够基于历史上被确定为与消费支付凭证相关联的车辆的各个历史车辆指标生成样本矩阵,并通过主成分分析模型来确定各个指标的权重,使得各个车辆指标的权重更加准确反映实际情况。
具体来说,计算设备110可以对样本矩阵中的多个第一历史点击用户数和多个第二历史还车数量进行变换,以生成变换矩阵。多个第一历史点击用户数和多个第二历史还车数量可称为逆向指标,其对于车辆优先调度来说是逆向。
变换矩阵可如下所示。
Y=[yij]n×m
随后,计算设备110对变换矩阵进行标准化,以生成标准化矩阵。
标准化矩阵可如下所示。
计算设备110接着生成标准化矩阵的样本相关系数矩阵。
样本相关系数矩阵可如下所示。
计算设备110确定样本相关系数矩阵的多个特征值。
可通过以下公式来确定多个特征值(例如n个)λ1≥λ2≥…≥λn≥0。
|R-λIn|=0
计算设备110基于多个特征值,确定特征覆盖率大于预定覆盖率的主成分个数。
可以通过以下公式来确定主成分个数p,其中预定覆盖率为0.85。
计算设备110从多个特征值确定主成分个数个特征值。
例如从n个特征值λ1≥λ2≥…≥λn≥0中确定主成分个数个特征值λj,其中j=1,2,...,p。
计算设备110基于主成分个数个特征值和样本相关系数矩阵,确定与主成分个数个特征值相关联的主成分个数个单位向量。
计算设备110确定主成分个数个特征值相对于主成分个数个特征值之和的主成分个数个贡献率。
例如,对于每个λj,其中j=1,2,...,p,通过以下公式确定每个λj的贡献率。
计算设备110基于标准化矩阵和主成分个数个单位向量,确定主成分矩阵。
例如可以通过以下公式确定zi=(zi1,zi2,…,zim)T的p个主成分分量。
从而得到如下主成分矩阵。
计算设备110基于主成分矩阵和主成分个数个贡献率,确定第一权重、第二权重、第三权重、第四权重和第五权重。
对于第i个权重,可以通过以下公式来确定。
例如,对于第一权重,其与主成分矩阵U的第一列对应,可以将主成分矩阵U中的第一列中包括的主成分个数个元素与主成分个数个贡献率对应相乘后求和,以生成第一值,随后将第一值除以主成分个数个贡献率之和,以生成第一权重。其他权重也是类似处理,不再赘述。
在一些实施例中,还可以基于以下公式对第一到第五权重进行归一化处理。
由此,能够使得确定各个车辆指标的权重更准确地反映实际的情况,以便提高车辆调度的准确性。
备选地或者附加地,在一些实施例中,在当前日期第一时段之后,计算设备110还可以获取与第三车辆集合相关联的、截止当前日期第一时段的第二车辆闲置时长集合,第三车辆集合被确定为在当前日期第一时段内与消费支付凭证相关联并且位于多个第三车辆网点,第三车辆集合包括第一预定数量的车辆。
计算设备110获取与多个第三车辆网点相关联的、当前日期第一时段内的多个第一点击用户数和多个第一还车数量。这里的第一点击用户数和第一还车数量为实际的点击用户数和还车数量。
计算设备110获取与多个第三周围车辆网点集合相关联的、当前日期第一时段内的多个第二点击用户数和多个第二还车数量,多个第三周围车辆网点集合与多个第三车辆网点相关联,每一个第三周围车辆网点集合中的每一个第三周围车辆网点与所关联的第三车辆网点之间的距离小于预定距离。这里的第二点击用户数和第二还车数量为实际的点击用户数和还车数量。
计算设备110基于第二车辆闲置时长集合、多个第一点击用户数、多个第一还车数量、多个第二点击用户数和多个第二还车数量,生成样本矩阵,样本矩阵中的列包括与第三车辆集合中的第三车辆相关联的第二车辆闲置时长、与第三车辆所位于的第三车辆网点相关联的第一点击用户数和第一还车数量以及与第三车辆网点所关联的第三周围车辆网点集合相关联的第二点击用户数和第二还车数量。
计算设备110基于样本矩阵,生成第一更新权重、第二更新权重、第三更新权重、第四更新权重和第五更新权重。
具体过程与确定第一权重到第五权重的过程类似,可参见上文,这里不再赘述。
计算设备110将第一权重、第二权重、第三权重、第四权重和第五权重与第一更新权重、第二更新权重、第三更新权重、第四更新权重和第五更新权重分别进行平均,以生成更新的第一权重、第二权重、第三权重、第四权重和第五权重作为用于下一日期第一时段的第一权重、第二权重、第三权重、第四权重和第五权重。
在当前日期的下一日期,可以基于更新的第一权重、第二权重、第三权重、第四权重和第五权重,确定车辆的状态数据。随后可以每天进行重复迭代。
由此,能够不断基于每天实际情况迭代各个车辆指标的权重,从而使得每日各个车辆指标的权重准确反映最近的实际情况,以便更准确筛选车辆。
图3示出了根据本公开的实施例的用于确定多个第一预测点击用户数的方法300的流程图。例如,方法300可以由如图1所示的计算设备110来执行。应当理解的是,方法300还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。方法300包括对于多个第一车辆网点中的每个第一车辆网点,执行以下步骤。
在框302处,计算设备110获取多个历史日期的第一时段内、针对第一车辆网点的多个点击用户数,多个历史日期中的相邻两个日期相距预定时间间隔并且多个历史日期中的最近历史日期与当前日期相距预定时间间隔。预定时间间隔例如为一周,多个历史日期为当前日期往前1、2…K周的日期。
在框304处,计算设备110基于多个点击用户数,确定与第一车辆网点相关联的第一预测点击用户数。
具体来说,计算设备110可以确定多个点击用户数的平均值。
其中,K表示多个历史日期的数量,ditk表示第一车辆网点i在当前日期往前K-k+1周的日期的第一时刻t的点击用户数。
随后,计算设备110可以基于多个点击用户数、平均值、多个历史日期的数量和自然增长模型,确定与第一车辆网点相关联的第一预测点击用户数。
自然增长模型可如下公式所示。
Dit=dit(K+1)=b(K+1)+a
其中,Dit表示第一车辆网点i在当前日期第一时段t的第一预测点击用户数。
由此,能够基于针对第一车辆网点的多个历史点击用户数预测当前日期的点击用户数,从而准确地确定针对第一车辆网点的用车需求。此外,通过自然增长模型,可以更准确地预测当前日期的点击用户数。
图4示出了根据本公开的实施例的用于确定多个第一预测还车数量的方法400的流程图。例如,方法400可以由如图1所示的计算设备110来执行。应当理解的是,方法400还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。方法400包括对于多个第一车辆网点中的每个第一车辆网点,执行以下步骤。
在框402处,计算设备110获取多个历史日期的第一时段内、针对第一车辆网点的多个还车数量,多个历史日期中的相邻两个日期相距预定时间间隔并且多个历史日期中的最近历史日期与当前日期相距预定时间间隔。
在框404处,计算设备110基于多个还车数量,确定与第一车辆网点相关联的第一预测还车数量。
具体来说,计算设备110可以确定多个还车数量的平均值。
其中,K表示多个历史日期的数量,ritk表示第一车辆网点i在当前日期往前K-k+1周的日期的第一时刻t的还车数量。
随后,计算设备110可以基于多个还车数量、平均值、多个历史日期的数量和自然增长模型,确定与第一车辆网点相关联的第一预测还车数量。
自然增长模型可如下公式所示。
Rit=rit(K+1)=b(K+1)+a
其中,Rit表示第一车辆网点i在当前日期第一时段t的第一预测还车数量。
由此,能够基于针对第一车辆网点的多个历史还车数量预测当前日期的还车数量,从而准确地确定针对第一车辆网点的车辆供应。此外,通过自然增长模型,可以更准确地预测当前日期的还车数量。
除了车辆以外,还可以确定当前日期第一时段内与消费支付凭证相关联的车辆网点。
备选地或者附加地,在一些实施例中,计算设备110还可以基于多个第一预测点击用户数、多个第一预测还车数量、多个第二预测点击用户数、多个第二预测还车数量、与第一预测点击用户数相关联的第六权重、与第一预测还车数量相关联的第七权重、与第二预测点击用户数相关联的第八权重和与第二预测还车数量相关联的第九权重,确定与多个第一车辆网点相关联的多项状态数据。
与第一车辆网点相关联的状态数据例如可以通过以下公式来确定。
其中,w23表示与第一预测点击用户数(也可以称为第一网点指标)相关联的第六权重,w21表示与第一预测还车数量(也可以称为第二网点指标)相关联的第七权重,w24表示与第二预测点击用户数(也可以称为第三网点指标)相关联的第八权重,w22表示与第二预测还车数量(也可以称为第四网点指标)相关联的第九权重,Dit表示第一车辆网点i在当前日期第一时段t的第一预测点击用户数,表示第一车辆网点i的第一周围车辆网点集合Si在当前日期第一时段t的第二预测点击用户数,Rit表示第一车辆网点i在当前日期第一时段t的第一预测还车数量,表示第一车辆网点i的第一周围车辆网点集合Si在当前日期第一时段t的第二预测还车数量。
在一些实施例中,第六权重、第七权重、第八权重和第九权重是相等的,也就是0.25。在另一些实施例中,第六权重、第七权重、第八权重和第九权重与上述第1-4网点指标的重要度有关。在此情况下,第六权重、第七权重、第八权重和第九权重的确定过程与第一权重到第五权重的确定过程类似,区别在于第一网点指标和第四网点指标为逆向指标,具体过程可参见上文,这里不再赘述。
随后,计算设备110可以基于多项状态数据,从多个第一车辆网点确定第二预定数量的第一车辆网点,作为当前日期第一时段内与消费支付凭证相关联的车辆网点。
例如,可以按照状态数据的数值大小从高到低对多个第一车辆网点进行排序,并从排序结果中确定第二预定数量的第一车辆网点,作为当前日期第一时段内与消费支付凭证相关联的车辆网点。
在确定第一预定数量的车辆网点之后,计算设备110还可以经由与计算设备110通信连接的终端设备呈现所确定的第二预定数量的车辆网点以及消费支付凭证,或者从所确定的第二预定数量的车辆网点中确定与还车订单相匹配的车辆网点。
由此,能够综合网点租赁需求、网点还车数量、周边网点租赁需求和周边网点还车数量这四个维度网点指标准确确定需优先调度的车辆网点供用户选择还车,并使之与消费支付凭证关联,从而提高车辆网点的利用效率。此外,也可以从筛选出的车辆网点中优先匹配还车订单,从而提高车辆网点资源的利用效率。
备选地或者附加地,在一些实施例中,在当前日期第一时段之后,计算设备110还可以获取与所确定的第二预定数量的第一车辆网点相关联的、当前日期第一时段内的多个第三点击用户数和多个第三还车数量。这里的第三点击用户数和第三还车数量为实际的点击用户数和还车数量。
计算设备110获取与多个第四周围车辆网点集合相关联的、当前日期第一时段内的多个第四点击用户数和多个第四还车数量,多个第四周围车辆网点集合与所确定的第二预定数量的第一车辆网点相关联,每一个第四周围车辆网点集合中的每一个第四周围车辆网点与所关联的第一车辆网点之间的距离小于预定距离。这里的第四点击用户数和第四还车数量为实际的点击用户数和还车数量。
计算设备110基于多个第三点击用户数、多个第三还车数量、多个第四点击用户数和多个第四还车数量,生成样本矩阵,样本矩阵中的列包括与所确定的第二预定数量的第一车辆网点中的第一车辆网点相关联的第三点击用户数和第三还车数量以及与该第一车辆网点所关联的第四周围车辆网点集合相关联的第四点击用户数和第四还车数量。
计算设备110基于样本矩阵,生成第六更新权重、第七更新权重、第八更新权重和第九更新权重。
具体过程与确定第一更新权重到第五更新权重的过程类似,可参见上文,这里不再赘述。
计算设备110将第六权重、第七权重、第八权重和第九权重分别与第六更新权重、第七更新权重、第八更新权重和第九更新权重进行平均,以生成更新的第六权重、第七权重、第八权重和第九权重作为用于下一日期第一时段的第六权重、第七权重、第八权重和第九权重。
在当前日期的下一日期,可以基于更新的第六权重、第七权重、第八权重和第九权重,确定车辆网点的状态数据。随后可以每天进行重复迭代。
由此,能够不断基于每天实际情况迭代各个网点指标的权重,从而使得每日各个网点指标的权重准确反映最近的实际情况,以便更准确筛选车辆网点。
图5示出了可以用来实施本公开内容的实施例的示例设备500的示意性框图。例如,如图1所示的计算设备110可以由设备500来实施。如图所示,设备500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机存取存储器(RAM)503中的计算机程序指令,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标、麦克风等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法200-400,可由中央处理单元501执行。例如,在一些实施例中,方法200-400可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序被加载到RAM 503并由中央处理单元501执行时,可以执行上文描述的方法200-400的一个或多个动作。
本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种用于车辆调度的方法,包括:
确定与第一车辆集合相关联的、截止当前日期第一时段的第一车辆闲置时长集合,所述第一车辆集合位于多个第一车辆网点;
确定与所述多个第一车辆网点相关联的、当前日期第一时段内的多个第一预测点击用户数和多个第一预测还车数量;
确定与多个第一周围车辆网点集合相关联的、当前日期第一时段内的多个第二预测点击用户数和多个第二预测还车数量,所述多个第一周围车辆网点集合与所述多个第一车辆网点相关联,每一个第一周围车辆网点集合中的每一个第一周围车辆网点与所关联的第一车辆网点之间的距离小于预定距离;
基于所述第一车辆闲置时长集合、所述多个第一预测点击用户数、所述多个第一预测还车数量、所述多个第二预测点击用户数、所述多个第二预测还车数量、与车辆闲置时长相关联的第一权重、与第一预测点击用户数相关联的第二权重、与第二预测点击用户数相关联的第三权重、与第一预测还车数量相关联的第四权重和与第二预测还车数量相关联的第五权重,确定与所述第一车辆集合相关联的、当前日期第一时段内的状态数据集合;以及
基于所述状态数据集合,从所述第一车辆集合确定第一预定数量的车辆,作为当前日期第一时段内与消费支付凭证相关联的车辆供后续调度。
2.根据权利要求1所述的方法,还包括:
获取与历史上被确定为与所述消费支付凭证相关联的第二车辆集合相关联的、截止历史日期第一时段的历史车辆闲置时长集合,所述第二车辆集合位于多个第二车辆网点;
获取与所述多个第二车辆网点相关联的、历史日期第一时段内的多个第一历史点击用户数和多个第一历史还车数量;
获取与多个第二周围车辆网点集合相关联的、历史日期第一时段内的多个第二历史点击用户数和多个第二历史还车数量,所述多个第二周围车辆网点集合与所述多个第二车辆网点相关联,每一个第二周围车辆网点集合中的每一个第二周围车辆网点与所关联的第二车辆网点之间的距离小于所述预定距离;
基于所述历史车辆闲置时长集合、所述多个第一历史点击用户数、所述多个第一历史还车数量、所述多个第二历史点击用户数和所述多个第二历史还车数量,生成样本矩阵,所述样本矩阵中的列包括与所述第二车辆集合中的第二车辆相关联的历史车辆闲置时长、与所述第二车辆所位于的第二车辆网点相关联的第一历史点击用户数和第一历史还车数量以及与所述第二车辆网点所关联的第二周围车辆网点集合相关联的第二历史点击用户数和第二历史还车数量;
对所述样本矩阵中的多个第一历史点击用户数和多个第二历史还车数量进行变换,以生成变换矩阵;
对所述变换矩阵进行标准化,以生成标准化矩阵;
生成所述标准化矩阵的样本相关系数矩阵;
确定所述样本相关系数矩阵的多个特征值;
基于所述多个特征值,确定特征覆盖率大于预定覆盖率的主成分个数;
从所述多个特征值确定所述主成分个数个特征值;
基于所述主成分个数个特征值和所述样本相关系数矩阵,确定与所述主成分个数个特征值相关联的主成分个数个单位向量;
确定所述主成分个数个特征值相对于所述主成分个数个特征值之和的主成分个数个贡献率;
基于所述标准化矩阵和所述主成分个数个单位向量,确定主成分矩阵;以及
基于所述主成分矩阵和所述主成分个数个贡献率,确定所述第一权重、所述第二权重、所述第三权重、所述第四权重和所述第五权重。
3.根据权利要求2所述的方法,其中确定所述第一权重包括:
将所述主成分矩阵中的第一列中包括的主成分个数个元素与所述主成分个数个贡献率对应相乘后求和,以生成第一值;以及
将所述第一值除以所述主成分个数个贡献率之和,以生成所述第一权重。
4.根据权利要求1所述的方法,还包括:
获取与第三车辆集合相关联的、截止当前日期第一时段的第二车辆闲置时长集合,所述第三车辆集合被确定为在当前日期第一时段内与消费支付凭证相关联并且位于多个第三车辆网点,所述第三车辆集合包括第一预定数量的车辆;
获取与所述多个第三车辆网点相关联的、当前日期第一时段内的多个第一点击用户数和多个第一还车数量;
获取与多个第三周围车辆网点集合相关联的、当前日期第一时段内的多个第二点击用户数和多个第二还车数量,所述多个第三周围车辆网点集合与所述多个第三车辆网点相关联,每一个第三周围车辆网点集合中的每一个第三周围车辆网点与所关联的第三车辆网点之间的距离小于所述预定距离;
基于所述第二车辆闲置时长集合、所述多个第一点击用户数、所述多个第一还车数量、所述多个第二点击用户数和所述多个第二还车数量,生成样本矩阵,所述样本矩阵中的列包括与所述第三车辆集合中的第三车辆相关联的第二车辆闲置时长、与所述第三车辆所位于的第三车辆网点相关联的第一点击用户数和第一还车数量以及与所述第三车辆网点所关联的第三周围车辆网点集合相关联的第二点击用户数和第二还车数量;
基于所述样本矩阵,生成第一更新权重、第二更新权重、第三更新权重、第四更新权重和第五更新权重;
将所述第一权重、所述第二权重、所述第三权重、所述第四权重和所述第五权重分别与所述第一更新权重、所述第二更新权重、所述第三更新权重、所述第四更新权重和所述第五更新权重分别进行平均,以生成更新的第一权重、第二权重、第三权重、第四权重和第五权重作为用于下一日期第一时段的第一权重、第二权重、第三权重、第四权重和第五权重。
5.根据权利要求1所述的方法,其中确定所述多个第一预测点击用户数包括对于所述多个第一车辆网点中的每个第一车辆网点,执行以下步骤:
获取多个历史日期的第一时段内、针对所述第一车辆网点的多个点击用户数,所述多个历史日期中的相邻两个日期相距预定时间间隔并且所述多个历史日期中的最近历史日期与所述当前日期相距所述预定时间间隔;以及
基于所述多个点击用户数,确定与所述第一车辆网点相关联的第一预测点击用户数。
6.根据权利要求5所述的方法,其中确定所述第一预测点击用户数包括:
确定所述多个点击用户数的平均值;以及
基于所述多个点击用户数、所述平均值、所述多个历史日期的数量和自然增长模型,确定与所述第一车辆网点相关联的第一预测点击用户数。
7.根据权利要求1所述的方法,其中确定所述多个第一预测还车数量包括对于所述多个第一车辆网点中的每个第一车辆网点,执行以下步骤:
获取多个历史日期的第一时段内、针对所述第一车辆网点的多个还车数量,所述多个历史日期中的相邻两个日期相距预定时间间隔并且所述多个历史日期中的最近历史日期与所述当前日期相距所述预定时间间隔;以及
基于所述多个还车数量,确定与所述第一车辆网点相关联的第一预测还车数量。
8.根据权利要求7所述的方法,其中确定所述第一预测还车数量包括:
确定所述多个还车数量的平均值;以及
基于所述多个还车数量、所述平均值、所述多个历史日期的数量和自然增长模型,确定与所述第一车辆网点相关联的第一预测还车数量。
9.根据权利要求1所述的方法,还包括:
基于所述多个第一预测点击用户数、所述多个第一预测还车数量、所述多个第二预测点击用户数、所述多个第二预测还车数量、与第一预测点击用户数相关联的第六权重、与第一预测还车数量相关联的第七权重、与第二预测点击用户数相关联的第八权重和与第二预测还车数量相关联的第九权重,确定与所述多个第一车辆网点相关联的多项状态数据;以及
基于所述多项状态数据,从所述多个第一车辆网点确定第二预定数量的第一车辆网点,作为当前日期第一时段内与所述消费支付凭证相关联的车辆网点。
10.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011559931.7A CN112613752B (zh) | 2020-12-25 | 2020-12-25 | 用于车辆调度的方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011559931.7A CN112613752B (zh) | 2020-12-25 | 2020-12-25 | 用于车辆调度的方法、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112613752A CN112613752A (zh) | 2021-04-06 |
CN112613752B true CN112613752B (zh) | 2022-07-01 |
Family
ID=75245034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011559931.7A Active CN112613752B (zh) | 2020-12-25 | 2020-12-25 | 用于车辆调度的方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613752B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096970B (zh) * | 2011-02-25 | 2012-11-14 | 钟明 | 一种公共自行车系统的预定借车和借车需求量估算方法 |
CN106548644A (zh) * | 2016-11-30 | 2017-03-29 | 深圳明创自控技术有限公司 | 一种自动驾驶系统 |
CN107170231A (zh) * | 2017-07-14 | 2017-09-15 | 北京途歌科技有限公司 | 基于热点区域分析的共享汽车调度分配方法 |
CN108416452B (zh) * | 2017-09-15 | 2020-12-04 | 杭州创屹机电科技有限公司 | 一种共享单车管理系统及方法 |
CN108510730A (zh) * | 2018-04-24 | 2018-09-07 | 徐漫洋 | 共享汽车网点间车辆调度方法及系统 |
CN108596484A (zh) * | 2018-04-24 | 2018-09-28 | 徐漫洋 | 一种基于网点属性分析的共享汽车调度方法和系统 |
CN109829649A (zh) * | 2019-01-31 | 2019-05-31 | 北京首汽智行科技有限公司 | 一种车辆调度方法 |
CN110033161A (zh) * | 2019-02-27 | 2019-07-19 | 山东开创云软件有限公司 | 一种共享汽车的调度方法及系统 |
CN111695961A (zh) * | 2019-03-13 | 2020-09-22 | 阿里巴巴集团控股有限公司 | 共享设备管理方法、装置、系统以及计算装置和存储介质 |
CN110059839A (zh) * | 2019-04-25 | 2019-07-26 | 北京首汽智行科技有限公司 | 一种基于需求的提取未满足需求的方法 |
CN110889601B (zh) * | 2019-11-13 | 2022-07-12 | 中国第一汽车股份有限公司 | 一种信息确定方法、装置、服务器及存储介质 |
-
2020
- 2020-12-25 CN CN202011559931.7A patent/CN112613752B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112613752A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11334758B2 (en) | Method and apparatus of data processing using multiple types of non-linear combination processing | |
CN107103049A (zh) | 一种推荐方法及网络设备 | |
CN112328731B (zh) | 车辆车道级定位方法、装置、电子设备和计算机可读介质 | |
CN111814056A (zh) | 基于信息处理的供应商推荐方法及相关设备 | |
WO2023134188A1 (zh) | 指标确定方法、装置、电子设备和计算机可读介质 | |
CN112579910A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
CN110766184A (zh) | 订单量预测方法和装置 | |
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 | |
CN111859172B (zh) | 信息推送方法、装置、电子设备和计算机可读存储介质 | |
CN116757731B (zh) | 航班季节因子的预测方法、装置、电子设备和存储介质 | |
CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN112613752B (zh) | 用于车辆调度的方法、电子设备和存储介质 | |
CN112767032A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN111260384B (zh) | 服务订单处理方法、装置、电子设备及存储介质 | |
CN116128135A (zh) | 数据处理方法及装置、电子设备和存储介质 | |
CN111985967A (zh) | 物品信息生成方法、装置、电子设备和计算机可读介质 | |
CN112163932A (zh) | 恶意占座订单的识别方法、装置及电子设备 | |
CN111915115A (zh) | 执行策略设置方法和装置 | |
CN111260383A (zh) | 注册概率预估方法及装置、概率预估模型构建方法及装置 | |
CN111738536B (zh) | 设备操作方法、装置、电子设备和计算机可读介质 | |
CN112860999B (zh) | 信息推荐方法、装置、设备和存储介质 | |
CN111523802B (zh) | 送达时间应答方法、装置、设备及介质 | |
CN113723712B (zh) | 风电功率预测方法、系统、设备及介质 | |
WO2023155425A1 (zh) | 调货方法、装置、电子设备和计算机可读介质 | |
US20220214179A1 (en) | Hierarchical Coarse-Coded Spatiotemporal Embedding For Value Function Evaluation In Online Order Dispatching |
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 |